自媒體時代的消息傳播問題分析

1、自媒體時代的消息傳播問題分析摘要本文針對自媒體平臺上信息傳播過程問題，選擇合適的自媒體平臺和信息建立一系列相應的模型。文中通過類比生物學中傳播病的傳播方式和物種增長的特點，分別建立改進的SIR傳播模型、關聯信息相互作用的IDM模型等。然后使用MATLEB，R軟件，通過具體數據，定量地對模型進行仿真模擬，探究出不同類型在同一自媒體和相同類型在不同自媒體中傳播過程的差異，并根據建立的相關模型，給自媒體平臺管理提出意見。針對問題一，建立SIR傳播模型，用以研究信息在自媒體平臺上傳播過程。首先，選取很具有代表性的自媒體平臺微博，作為信息發(fā)布的平臺，并對其信息傳播特點進行分析。然后利用物理學中平均場近似

2、法，把微博網絡的節(jié)點信息交互作用平均化，并把微博的全部用戶看做一個種群，把信息在微博用戶中的傳播看做病毒在種群中的傳播，把各個用戶看做節(jié)點，最后在此基礎上，建立SIR傳染模型，達到合理對信息在自媒體平臺傳播過程的模擬。針對問題二，建立關聯信息之間相互作用的IDM模型，解決兩個相關聯信息之間的泛化競爭傳播問題。根據SIR傳播模型的基礎上，把兩個相互關聯的信息在自媒體中的傳播，分解為在子網絡中的子讓增長過程和不同子網絡間的擴散問題。對Fisher模型和Diffusive Logistic模型進行改進，建立關聯信息之間相互作用的IDM模型，得出兩個相關聯信息之間相互促進或抑制的條件，進而得出關聯信息

3、出現后，原信息的傳播變化。針對問題三，在SIR傳播模型的基礎上，通過采集歷史具體數據，定量的對不同類型的信息在相同自媒體平臺和相同信息在不同自媒體平臺中傳播過程進行模擬，通過可視化的結果，具體分析出存在的相似與差異，并對問題一模型進行定量的驗證。針對問題四，在SIR傳模型播關聯信息相互的IDM的模型以及問題三定量的驗證的基礎上，在自媒體管理的管理中，對于不良信息，管者不能聽之任之，應做到在關鍵節(jié)點，進行“疏”，“堵”有度，科學控管。關鍵詞：自媒體 SIR傳播模型 IDM模型 信息傳播 AbstrctIn this paper, aiming at the process of informat

4、ion dissemination from the media platform, we choose a suitable series of media platforms and information to establish a series of corresponding models. In this paper, the improved SIR propagation model and the IDM model of the interaction of the information are established by the propagation mode o

5、f the transmission disease and the characteristics of the species growth in the analogy biology. Then, we use MATLEB, R software to simulate the model quantitatively through the concrete data, and find out the difference of different types in the same media and the same type of propagation in differ

6、ent media. According to the relevant model, Platform management.For the problem one, the SIR propagation model is established to study the propagation of information on the media platform. First of all, select a very representative from the media platform microblogging, as a platform for information

7、 dissemination, and its information dissemination characteristics of the analysis. And then use the average field approximation in physics, the microblogging network node information interaction is averaged, and the microblogging of all users as a population, the information in the microblogging use

8、rs as the spread of the virus in the population Communication, the user as a node, and finally on this basis, the establishment of SIR infection model, to achieve a reasonable information in the media platform from the process of simulation.In order to solve the problem, the IDM model of the interac

9、tion between the related information is established, and the problem of generalized competition propagation between the two related information is solved. the diffusion process in the sub - network and the diffusion between different sub - networks. The Fisher model and the Diffusive Logistic model

10、are improved to establish the IDM model of the interaction between the related information, and the conditions of mutual promotion or suppression between the two related information are obtained. Then, after the occurrence of the related information, the propagation of the original information TheBa

11、sed on the SIR propagation model, the data of different types of information are simulated in the same media platform and the same information in different media platforms by collecting the historical data. Through the visualization results, Analyzes the existing similarities and differences, and qu

12、antifies the problem-model quantitatively.In the case of the management of the media management, for the bad information, the supervisor can not let it be, and should be done at the key node, and in the case of the IDM model of the SIR transmission model, To carry out "sparse", "block

13、ing" a degree, scientific control.Keywords: media SIR propagation model IDM model information dissemination1. 問題重述電視劇人民的名義中人物侯亮平說：“現在是自媒體時代，任何突發(fā)性事件幾分鐘就傳播到全世界。”相對于傳統媒體，以互聯網技術為基礎的自媒體以其信息傳播的即時性、交往方式的平等性和交往身份的虛擬性等特點，已經成為公民獲取信息、表達情感與思想、參與社會公共生活的重要載體，并逐漸滲透到政治、經濟、文化、社會等諸多領域。 本文將結合實際情況，建立數學模型，解決以下問題：1.

14、 我們將建立一條消息在自媒體平臺上傳播的數學模型，并以“中共中央、國務院決定設立河北雄安新區(qū)”這條消息為例，分析其傳播過程。 2. 若某條消息在自媒體傳播的過程中，如果出現了新的與之高度關聯的消息（例如相關單位或知名人士發(fā)布了新的消息），建立數學模型，分析并說明新消息出現后傳播過程的變化情況。 3. 建立數學模型分析（1）不同類型的消息在自媒體傳播過程中是否存在差異？（2）同一消息在不同自媒體平臺上傳播是否存在差異？并通過數值算例進行驗證。4. 結合所建立的模型，寫一份分析報告，闡述對自媒體時代消息傳播的見解或看法，并進一步提出自媒體平臺管理的建議。2. 問題分析本文研究的信息在自媒體平臺的傳

15、播問題，對本問題的求解分為 個步驟：第一、利用文獻資料查找出各類自媒體平臺的特點，并選取微博這類主流的自媒體平臺為代表作深層次的探究。第二、由于信息在微博的傳播機制和傳染病非常類似，我們將某一條信息類比成某個物種，把自媒體中的所有用戶以及社交關系相當于整個生態(tài)圈，信息在自媒體中的傳播過程，相當于生物從一個種群利用所在的生態(tài)環(huán)境中的資源來發(fā)展自身規(guī)模的過程，因此選取適合傳染病傳播的SIR模型并參考了Fisher模型和Diffusive Logistic模型之后，提出IDM模型。第三、通過所建立的模型分析并仿真了消息在自媒體平臺的傳播過程。第四、，綜合分析問題一、二、三的結論闡述了我們對自媒體時代

16、消息傳播的見解或看法，向自媒體管理平臺提出關于自媒體平臺管理的建議。本文的總體結題思路如圖所示。圖1 解題思路流程圖具體問題的分析：（1）問題一的分析問題一要求我們以中共中央、國務院決定設立河北雄安新區(qū)”這條消息為例，分析其傳播過程。針對問題一，首先，分析消息在自媒體平臺的傳播機制，發(fā)現信息傳播的機制和傳染病傳播機制一樣，我們選取微博這一主流自媒體平臺為代表進行研究。在認真的分析了微博傳播的特點之后，我們發(fā)現，微博傳播信息的特點符合傳染病模型即SIR模型，但是，微博傳播的過程盡管和傳染病的傳播很類似，但是還是有很大不同，所以我們需要對傳統的SIR模型改進。（2）問題二的分析問題二要求我們建立了

17、數學模型，分析并說明當某條消息在自媒體傳播的過程中，出現了新的與之高度關聯的消息之后的傳播過程的變化情況，受問題分析結果的影響，針對問題二，我們將某一條信息類比成某個物種，把自媒體中的所有用戶以及社交關系相當于整個生態(tài)圈，信息在自媒體中的傳播過程，相當于生物從一個種群利用所在的生態(tài)環(huán)境中的資源來發(fā)展自身規(guī)模的過程。我們參考Fisher模型和Diffusive Logistic模型之后，提出IDM模型。（3）問題三的分析問題三要求通過對比分析探究不同類型的信息在相同自媒體平臺和相同類型的信息在不同自媒體平臺上的傳播過程的是否存在差異，因此，需要在問題一建立的SIR感染模型的基礎上通過采集到的定量

18、數據代入模型進行驗證，進而得到可視化結果，通過比較結果的差異從而得出信息在自媒體中真實的傳播過程。（4）問題四的分析問題四要求我們根據問題一、二、三的研究結果，寫一份報告，闡述我們對自媒體時代消息傳播的見解或看法，向自媒體管理平臺提出關于自媒體平臺管理的建議。針對問題四，在本文研究結果的基礎上結合實際情況，闡述了我們隊對自媒體時代消息傳播的見解和看法，最后我們想自媒體管理平臺平臺提出了關于自媒體管理的建議。3. 模型假設假設一：所針對的自媒體平臺用戶短時間內數量基本不變；假設二：不考慮獨特的信息類型；假設三：假設各類信息傳輸條件相同；假設四：假設只考慮信息的三個指標；4.符號說明符號含義UNS

19、IRS(t)I(tR(t)k(k)(k)n(k)sd微博用戶節(jié)點的有限集合節(jié)點總數目未聽說過信息的微博網絡節(jié)點聽說過信息并傳播的微博網絡節(jié)點聽到過信息但并不傳播的微博網絡節(jié)點未感染節(jié)點密度傳播節(jié)點密度免疫節(jié)點密度微博網絡中的平均節(jié)點度S轉化為I的概率K轉化為不傳播信息的R的概率S與R交互時S轉化為R的概率s表示子網絡中點到相應信息源的跳數5.模型的建立與求解5.1改進的SIR傳播模型 自媒體時代已經到來，所謂自媒體，是指私人化、平民化、普泛化、自主化的傳播者，以現代化、電子化的手段，向不特定的大多數或者特定的單個人傳遞規(guī)范性及非規(guī)范性信息的新媒體的總稱。自媒體平臺包括：博客、微博、微信、百度官

20、方貼吧、論壇/BBS等網絡社區(qū)1。微博是自媒體時代較為具有代表性的產物，所以對于問題一，主要以“中共中央、國務院決定設立河北雄安新區(qū)”這條消息在微博的傳播為例，建立其模型并分析其傳播過程傳播特點分析及模型選擇在微博平臺中，每個用戶可以都看到他們所關注的用戶發(fā)布的微博，并且會以一定的概率評論轉發(fā)，評論轉發(fā)的微博同樣也會被其他關注的用戶看到在微博的信息傳播過程中，相信信息的真實性并且轉發(fā)微博的用戶成為信息傳播者；如果對信息的內容不感興趣或者從一開始就不相信信息的真實性從而不轉發(fā)，這些用戶成為信息免疫者。而微博信息的傳播過程可以很好地滿足以上三個假設。首先，某條微博的轉發(fā)人數是一個確定的數；其次，每

21、個讀過已轉發(fā)用戶微博都有可能再次轉發(fā)；而且已轉發(fā)的讀者里有相當一部分不會再次轉發(fā)。因此我們選取SIR模型2對微博信息的傳播進行仿真，并以此討論其傳播規(guī)律。SIR模型的大致過程如下：圖2 SIR模型圖模型的構建與求解：（1）微博網絡：微博網絡符合小世界網絡的特性，由于小世界網絡的度是符合冪指數分布的，所以微博網絡可以被認為是所有節(jié)點的度都近似相等的均勻網絡利用統計物理學中的平均場近似方法，忽略那些局部不平等的相互作用，把微博網絡中的節(jié)點信息交互作用平均化由此微博網絡可表示為一個二元組U,T。U代表微博用戶節(jié)點的有限集合，uiU 代表具體的節(jié)點，令節(jié)點總數目為N，則U=u1，u2，uN；T為U&#

22、215;U的任一子集合，T=(ui,uj)|ui,ujU。 若存在（ui,uj）T，則表示ui與uj進行信息交互，即閱讀微博、轉發(fā)或者評論微博。（2）信息傳播網絡：微博中的信息傳播網絡可表示為一個四元組S，I，R，T。 S代表從未聽說過信息的微博網絡節(jié)點，處于未感染狀態(tài)，類似于傳染病模型中的易感者，設總數為l，S=s1，s2,sl。 I代表聽說過信息并傳播的微博網絡節(jié)點，處于傳播狀態(tài)，類似于傳染病模型中的感染者，設總數為m，則有：I=i1，i2，im. R代表聽到過信息但并不傳播的微博網絡節(jié)點，處于免疫狀態(tài)，類似于傳染病模型中的免疫者，設總數為n，則：,R=r1,r2,rn.其中SU，IU，R

23、U，并且l+m+n=N. 有六種情況，代表著，以及相互交互的6種結果，即微博網絡中信息交互有6種情況，分別如下圖所示是： 第種情況 第種情況 第種情況 第種情況 第種情況 第種情況圖3 信息交互轉化圖由以上6種交互結果來看，產生變化的有三種，分別是第、第和第種情況其中第 種情況顯示si沒有經過ii的狀態(tài)轉換，而是直接變?yōu)閞i，產生了直接免疫的情況。引進封閉世界假設，即信息從微博網絡中產生，并且信息僅在微博網絡中傳播同時，假設微博網絡中未感染節(jié)點和傳播節(jié)點均勻混合根據上面的相關定義和假設，研究微博信息傳播規(guī)律和預測方法 （3）節(jié)點密度微博網絡中，S(t)表示群體中在t時刻，處于未感染狀態(tài)的節(jié)點占

24、微博網絡節(jié)點總數的比例，稱為未感染節(jié)點密度；I(t)表示群體中在t時刻，處于傳播狀態(tài)的節(jié)點占微博網絡節(jié)點總數的比例，稱為傳播節(jié)點密度；R(t)表示群體在t時刻，處于免疫狀態(tài)的節(jié)點占微博網絡節(jié)點總數的比例，稱為免疫節(jié)點密度S(t),I(t), R(t)三者滿足歸一化條件：R(t)+I(t)+S(t)本文只建立一般情況下的數學模型，也即人口的總數不發(fā)生變動，不考慮出生率和死亡率對人群的影響，我們將人群中所有的個體N分成三類：即易感染者、已感染者、已免疫者。其中，易感染者以一定概率被已感染者感染，已感染者以一定概率被治愈后變成已免疫者，已免疫者由于有了抗體不會再次被感染?；谝陨系恼f明，我們把未轉發(fā)

25、的終端S看作易感染者，將已經轉發(fā)微博了的終端I看作已感染者，將已淹沒的用戶R看作已經治愈者，t為單位時間，那么SIR模型就可以用來描述“雄安新區(qū)”這條消息在自媒體平臺微博上的傳播過程，對應的微分方程模型為：dS(t)/dt=-（k）S（t）I （t） （1）dI(t)/dt=（k）S（t）I（t）-（k）I（t） （2）dR(t)/dt=（k）I（t） （3）（4）轉換概率k為微博網絡中的平均節(jié)點度，則：(k)：從未聽過信息的S遇到傳播信息的I 時S轉化為I的概率；(k)：傳播信息的k 轉化為不傳播信息的R的概率；n(k)：當S與R交互時S轉化為R的概率（5）直接免疫在SIR消息息傳播模型中，

26、易感者必須經過傳播者這個狀態(tài)才能轉變成免疫者，即上文中T的6種情況中第 和第 種情況，免疫者對易感者沒有影響，但是對于現實社會微博網絡中的信息傳播，必須要考慮到信息免疫者對信息易感者的影響3 微博網絡中互動性非常強，其中信息易感者和信息免疫者雙方群體人數的變化與他們相互接觸是有關系的，信息易感者在與信息免疫者互動后會以一定概率轉變?yōu)樾畔⒚庖哒?，一部分信息易感者在了解事實真相后轉變?yōu)樾畔⒚庖哒?。易感者與信息免疫者在對話題的討論中可使信息易感者直接轉變?yōu)樾畔⒚庖哒撸粗苯用庖咴诮换ブ斜硎緎i與rj接觸，si會以一定概率變?yōu)閞i，rj不變，即T中第 種情況（si，rj ） （ri，rj） 在本文提出

27、的改進SIR微博信息傳播模型微分方程中用n<k>S(t)R(t)這一項來表示直接免疫n<k>S(t)R(t)在微博網絡中代表未感染節(jié)點與免疫節(jié)點交互后，未感染節(jié)點轉換為免疫節(jié)點的那一部分 直接免疫性質：性質1. n<k>S(t)R(t)會減少未感染節(jié)點的密度，在標準SIR微博信息傳播模型微分方程組中第一個式子中要減去這一項；性質2. n<k>S(t)R(t)會加快免疫節(jié)點的密度，在標準SIR微博信息傳播模型微分方程組中第三個式子中要加上這一項考到直接免疫的情況，本文提出的改進的SIR微博信息傳播模型微分方程如下：dS(t)/dt=-<k&g

28、t;I(t)S(t)-n(k)S(t)R(t) (4)dI(t)/dt=<k>I(t)S(t)-<k>I(t) (5)dR(t)/dt=<k>I(t)+n<k>S(t)R(t) (6) 在式(4)(5)(6)微分方程組中：第一個方程表示未感染節(jié)點密度的變化率；第二個方程表示傳播節(jié)點密度的變化率；第三個方程表示免疫節(jié)點密度的變化率微博信息傳播模型微分方程中的<k>，<k>及n<k>無法直接求得，本文根據原始數據，利用最小二乘法，使得擬合數據點與原始數據點的距離平方和最小，從而計算求出微博信息傳播模型微分方程的轉化

29、概率初始條件：初始時刻信息在微博網絡中傳播，絕大部分節(jié)點為未感染節(jié)點，傳播節(jié)點很少，沒有免疫節(jié)點假設節(jié)點隨機均勻分布在整個微博網絡中，從而可得改進SIR微博信息傳播模型初始條件：S（0）1；I（0）0；R（0）0； 穩(wěn)定狀態(tài)：隨著信息在微博網絡中的傳播，S(t)會隨著時間的推移逐漸減少到0 ； I(t)隨著時間的推移會達到一個峰值，然后再逐漸減少到0；R(t)隨著時間的推移逐漸逼近數值1，從而可得改進SIR微博信息傳播模型穩(wěn)定狀態(tài)： 局部穩(wěn)定解：對于改進的SIR 微博信息傳播模型式(4)(5)(6)微分方程組R(t)1-S(t)-I(t)，所以考慮前兩個式子，令dS(t)/dt=0并且dI(t

30、)/dt得到式(2)的局部穩(wěn)解（平衡點）（s,i） （1,0），（0,0）或（） 其中，（s,i）（1,0）和（s,i） （0,0）。為改進SIR傳播模型初始狀態(tài)和穩(wěn)定狀態(tài)， 為改進SIR微博信息傳播模型的局部平衡點由以上初始條件和穩(wěn)定狀態(tài)，依照改進SIR微博信息傳播模型，在微博網站中信息的傳播過程和規(guī)律如下：（ ）在某個話題信息開始傳播的初始時刻，一小部分節(jié)點為傳播節(jié)點，其他所有節(jié)點為未感染節(jié)點；（ ）在每個時刻t之內，傳播節(jié)點向所有節(jié)點傳播信息，未感染節(jié)點以一定概率轉變成傳播節(jié)點；（ ）在每個時刻t之內，某些傳播節(jié)點對信息不再感興趣，以一定概率轉變成免疫節(jié)點；（ ）考慮直接免疫的情況，在每

31、個時刻t之內，如果未感染節(jié)點與免疫節(jié)點連接，未感染節(jié)點會以一定概率跳過傳播狀態(tài)直接轉變成免疫節(jié)點；（ ）隨著時間推移，最終網絡中所有的節(jié)點都轉變成免疫節(jié)點5.2相關信息相互作用的IDM模型對問題一通過建立改進的SIR信息傳播的病毒感染模型，已經知道某條信息在自媒體的一般傳播過程，在此基礎上如果出現了新的與之高度關聯的消息，那么在新消息出現后，原來的信息的傳播過程將發(fā)生什么變化？這是我們接下來要研究的方向。信息在自媒體中的傳播情形類似于物種增長，因此，我們在問題一的啟發(fā)下，將一條信息類比成某個物種，把自媒體中的所有用戶以及社交關系相當于整個生態(tài)圈，信息在自媒體中的傳播過程，相當于生物從一個種群利

32、用所在的生態(tài)環(huán)境中的資源來發(fā)展自身規(guī)模的過程。我們參考Fisher模型和Diffusive Logistic模型之后，提出IDM（Interaction Diffurion Model）模型4。關聯信息之間的相互作用如下圖所示:圖4 兩個關聯信息相互作用圖當社交網絡中只有兩個相關聯信息同時傳播時，需要將信息的傳播過程分解成在同子網絡內傳播的自然増長過程和在不同子網間傳播的擴散過程，與Fisher模型5和Diffusive Logistic模型6不同，IDM模型認為由于信息源對節(jié)點的影響力隨著節(jié)點到信息源跳數的増加而有所變化。因此，在每個到信息源不同跳數的子網絡中，Fisher模型中的參數應該是

33、不同的。為了解決這個問題，我們將Fisher模型中的常數參數變換為和子網絡中節(jié)點到信息源的跳數相關的函數： 其中：d表示子網絡中點到相應信息源的跳數；X(d,t)表示在t時刻距離信息X的源頭d跳的子網絡中信息X的數量；同理，表示在t時刻距離信息的源頭跳的子網絡中信息Y的數量； 表示在距離信息X的源頭d跳的子網絡中信息x的logistic參數，也就是logistic模型中自然増長率；同理， 表不在距離信息Y的源頭d跳的子網絡中信息Y的logistic參數； 表示在距離信息X的源頭d跳的子網絡中信息X的自増長參數，其值與自然増長率和子網絡對信息的最大容量有關；同理，卻表示在距離信息Y的源頭d跳的子

34、網絡中信息Y的自増長參數； 表示全局環(huán)境中信息Y的增長對在距離信息X的源頭跳的子網絡中信息X増長的影響參數：如果 信息Y的傳播有利于信息X的傳播，如果 信息Y的傳播會抑制信息X的傳播；同理， 表示全局環(huán)境中信息X的増長對在距離信息Y的源頭跳的子網絡中信息Y増長的影響參數：如果 ，信息X的傳播有利于信息Y的傳播，如果 ，信息X的傳播會抑制信息Y的傳播。5.3自媒體信息傳播過程中的定量驗證信息的分類下面我們對消息進行目的性分類。首先，我們把那些不可預料到的屬于不可抗力下毫無預兆和征兆下發(fā)生的意外不為人所能控制的事件稱為突發(fā)事件，突發(fā)事件具有的性質成為突發(fā)性，能傳遞突發(fā)性事件的信息我們稱為突發(fā)性信息

35、。其次，對于大占比的群眾的影響較重的屬于政府或較大事物機構所決策的事件稱為公眾性事件，一則可以向群眾傳遞此類事件的消息我們稱之為公眾性信息。再次，生活中的娛樂八卦事件時常發(fā)生，我們將此類較日常的娛樂為主的消息稱為娛樂消遣信息。最后，將生活中所能獲知的其他消息統一規(guī)劃為其他類信息。信息分類圖如下：圖5 網絡信息分類圖5.3.2不同信息類型在微博中傳播過程的對比分析在問題一中我們建立起了公眾性信息“中共中央、國務院決定設立河北雄安新區(qū)”在微博SIR傳播模型，為了進行對比選用突發(fā)性信息“2017-07-06廣東龍門發(fā)生客車側翻事故，致19人死亡多人受傷”的新聞為例，在微博中的傳播過程進行對比，收集的

36、歷史數據如下：表1 示例轉發(fā)量數據表天數信息A/轉發(fā)數信息B/轉發(fā)數0321013276729451983407498641920756875280791108963800912450741723135698445231462494540315729104693715789114693715854124710215894134719915936144720615940154731515944注 信息A為“中共中央、國務院決定設立河北雄安新區(qū)”，信息B為“2017-07-06廣東龍門發(fā)生客車側翻事故，致19人死亡多人受傷”。根據微博的傳播特點，1條微博信息平均5小時就會被淹沒，即其他人不會再看到

37、這條信息，根據這種特點，分別把數據帶入問題一建立的SIR感染模型，對轉發(fā)數進行分析，轉發(fā)趨勢圖如下：圖6微博發(fā)趨勢圖 通過上圖變化趨勢，可以看出，對于兩條不同的數據的轉發(fā)過程中的大致趨勢大體一致，都是逐漸增多，最后去趨于穩(wěn)定，但是具體的傳播過程去存在差異，比如數據A大致從第三天開始突增，大概在第10天左右開始趨于穩(wěn)定，而信息B和信息A的傳播時間和最大平穩(wěn)點卻存在差異。接下來根據前文定義中微博網絡信息的傳播規(guī)則，設定總節(jié)點數為 ，初始時刻設定 m個傳播節(jié)點，0個免疫節(jié)點，則有 -m 個未感染節(jié)點根據傳播規(guī)則，每個時刻三種節(jié)點數目都會相應變化，記錄每個時刻的未感染節(jié)點、傳播節(jié)點和免疫節(jié)點的數目，經

38、過微博歷史數據進而可 以 得 到 各 時 刻 信息A和信息B三 種 節(jié) 點 的 密 度，即S（t）,I(t),R(t),S(t), I(t),R(t)的具體數據具體數據如下表：表2 信息節(jié)點密度表天數S（t）I(t)R(t)S(t) I(t)R(t)10.9180.08200.90020.0998020.8220.14930.02870.79470.1650.040330.68010.24190.0780.48450.32230.193240.51220.3360.15170.33690.3620.30150.35680.39740.24580.21870.3560.42560.23950.4

39、110.34950.15150.3270.521170.16190.38680.45140.09010.28490.625180.11330.34250.54420.07220.25670.671190.08310.29210.64280.04060.19590.7634100.0640.24330.69270.03910.17130.7896110.05160.19960.74880.01730.11950.8632120.04320.16210.79460.0050.10950.8855130.03750.13080.83170.00210.06620.9317140.03340.1050

40、.86150.00520.06850.9262150.03050.08410.88540.00760.03720.9552將上表中的數據帶入問題一的SIR感染模型，得到各個各時刻信息A和信息B節(jié)點密度圖總體趨勢圖，節(jié)點密度圖如下：圖7 信息A節(jié)點密度圖信息A為“中共中央、國務院決定設立河北雄安新區(qū)”這一消息，此消息為公眾性信息，公眾性信息的特點在上圖中清楚展現：轉發(fā)速度相對較緩，但較為持續(xù)，在第六天轉發(fā)量達到最高峰，微博信息淹沒速度也是以低速率增長的。以上種種情形的產生也符合公眾性事件本身的特質。圖8 信息B節(jié)點密度圖信息B為“2017-07-06廣東龍門發(fā)生客車側翻事故，致19人死亡多人受傷

41、”這一消息，此消息為突發(fā)性信息：轉發(fā)率增長速率較大，在第四天轉發(fā)量達到頂峰，但淹沒速度較快，切熱度下降快一些，基本符合突發(fā)性事件熱度升的快，降的也快的特點。綜上所訴，不同類型的信息在同一自媒體傳播的過程中，節(jié)點密度圖的趨勢是大致相同的，但是傳播的時間以及傳染的速度卻存在差異。其影響的主要因素是信息本身的性質，即信息與該自媒體平臺的用戶群體之間的關聯程度。同一信息在不同平臺中的傳播過程分析在自媒體時代，微博和微信是最具有代表性的兩個平臺，微博和微信的傳播途徑 大體相同，但的是相比于微博中的信息傳播，微信有其獨特的特點，用戶在微信中，發(fā)布一條信息，只有各自的好友能看到，因此信息的傳播只能是各自好友

42、之間的傳播，所以其傳播形式大大簡化。我們還以“中共中央、國務院決定設立河北雄安新區(qū)”這個信息為例，根據歷史具體數據，進行比較分析，探究相同信息，再不同自媒體平臺上傳播的差異。設定總節(jié)點數為N初始時刻設定 m個傳播節(jié)點，0個免疫節(jié)點，則有 -m 個未感染節(jié)點根據傳播規(guī)則，每個時刻三種節(jié)點數目都會相應變化，記錄每個時刻的未感染節(jié)點、傳播節(jié)點和免疫節(jié)點的數目，經過微博和微信的歷史數據進而可 以 得 到 各 時 刻該信息再微博和微信上的三 種 節(jié) 點 的 密 度，即S（t）,I(t),R(t),S(t)*, I(t)*,R(t)*的具體數據具體數據如下表：表3 節(jié)點密度表天數S（t）I(t)R(t)S

43、（t）*I(t)*R(t)*10.9180.08200.9280.052020.8220.14930.02870.91220.06910.018730.68010.24190.0780.88010.06950.05840.51220.3360.15170.83220.08610.081750.35680.39740.24580.75680.10740.135860.23950.4110.34950.63950.2510.209570.16190.38680.45140.46190.38670.351480.11330.34250.54420.35330.27520.474290.08310.2

44、9210.64280.25310.14410.6028100.0640.24330.69270.15640.11020.6927110.05160.19960.74880.10160.08850.7488120.04320.16210.79460.08320.07810.7946130.03750.13080.83170.06750.07020.8317140.03340.1050.86150.05340.05980.8615150.03050.08410.88540.05050.0550.8854 將上表中的數據帶入問題一的SIR感染模型，得到各個各時刻“中共中央、國務院決定設立河北雄安新區(qū)

45、”這一消息分別在微博、微信平臺上傳播的節(jié)點密度圖總體趨勢圖，節(jié)點密度圖如下：圖9 微博傳播節(jié)點密度圖“中共中央、國務院決定設立河北雄安新區(qū)”這一消息在微博上的傳播速度適中不屬于爆炸性新聞，傳播速率在一段時間內較高，但變化率很高，即很快時間內有所下降。因為微博平臺是較廣闊的平臺，其轉發(fā)量也較高。同時，因為微博上信息更新較快，所以消息的淹沒也迅速。圖10 微信傳播節(jié)點密度圖“中共中央、國務院決定設立河北雄安新區(qū)”這一消息在微信中傳播的速度較慢，這是因為微信相對其他網絡平臺較為封閉，屬于相對熟人社交的一種。同時，微信信息傳播速率雖然慢但這是一種延遲，即轉發(fā)量是以一種緩慢的速度進行增長，但增長到極值時

46、，其轉發(fā)量較微博這類開放平臺來說較低，這是因為微信受眾群體的數量沒有微博高以及有一部分人使用微信的目的僅僅為交流而不是瀏覽網絡信息。綜上所訴，同一消息在不同自媒體平臺上傳播的過程中，節(jié)點密度圖的趨勢是大致相同的，但是傳播的時間以及傳播的速度卻存在差異。其影響因素主要有：自媒體平臺的受眾數量；自媒體平臺的主要功能；自媒體平臺的開放程度等。5.4自媒體平臺管理建議問題四的重述：題目要求我們結合所建立的模型即我們建立的SIR模型與IDM模型，寫一份分析報告，闡述對自媒體時代消息傳播的見解或看法，并要求我們進一步提出自媒體平臺管理的建議。對于我們對于自媒體時代消息傳播的見解：首先我們應該要理解自媒體的

47、概念，即什么是自媒體，所謂自媒體，是指傳播者通過互聯網這一信息技術平臺、通過點對點或點對面的形式，將自主采集或把關過濾的內容傳遞給他人的個性化傳播渠道，又稱個人媒體或私媒體。這樣定義包含了以下內容：其一，自媒體是與大眾傳媒的組織化傳播相對應的屬于自我的傳播渠道；其二，自媒體是由自我掌控的傳播渠道，體現了傳播信源的革命和傳播渠道的開放其三，不同于大眾傳播組織化、機構化的傳播特征，自媒體是自發(fā)的、自主的，強調傳播者的主動性和傳播內容的個性化。（自媒體時代的公民新聞，中國廣播電視出版社，申金霞，2013年3月1日）互聯網出現之前，報紙和電視在新聞傳播方面具有壟斷地位。即便在傳播新聞的過程中，采取的是

48、最令人不屑的“填鴨”的方式，受眾也只能接受。由于受眾選擇的余地很小，所以今天報紙刊載什么稿件，讀者只能看什么稿件；電視臺播放什么節(jié)目，觀眾也只能被動觀看。互聯網出現后，網上有海量的信息。受眾再也不必到街頭找報攤購買報紙，也不必在電視節(jié)目播放的時間段守著看想看的節(jié)目了。傳統媒體的壟斷地位被打破，在互聯網的沖擊下開始江河日下。近兩年來，報社裁員、電視臺發(fā)放70%工資之類的消息屢見不鮮，就是互聯網沖擊傳統媒體的直接結果。由于自媒體的平臺在互聯網飛速發(fā)展的今天又很多種，如果將消息在各類自媒體平臺的傳播過程綜合起來，任務將是繁重而且無意義的，從第（1）問和第（4）問所建模型的結果來看，發(fā)現一條信息在不同

49、的自媒體平臺的傳播過程是非常相似的。即:“健康者”在起初的占總數的比例趨近于1，隨著時間的推移傳播者的數量急劇增加，在傳播者增加的同時，一條消息的新鮮度會減少，這就意味著在傳播者增加的同時，免疫者也在增加，但這部分免疫者增加的速度很慢，基本上來自于健康者的直接免疫，當傳播者的數量開始減少的時候，免疫者數量增加的速度開始變快，但是到最后的階段當傳播的數量越來越少，免疫者數量增加的速度還是會降下來，最后趨于穩(wěn)定，也即趨于。下面是，一條消息在微博中傳播的各個節(jié)點時間。1 轉發(fā)周期微博轉發(fā)周期是指從發(fā)出微博到微博被淹沒的整個時間周期，掌握這一規(guī)律可以對預測虛假信息的社會危害提供依據。仿真結果表明，從微

50、博信息發(fā)出后的第 8 天起，轉發(fā)量一直維持在一個比較高的水平且保持不變，由此可知，微博信息的轉發(fā)周期為 8 天。2 轉發(fā)上升拐點轉發(fā)上升拐點是指轉發(fā)量突然變多的臨界點，了解這一規(guī)律后就可以在拐點到來之前采取措施限制用戶轉發(fā)，從而最大限度地減少不良信息擴散引發(fā)的社會問題。仿真結果表明 ，微博發(fā)出后的第3 天是一個關鍵臨界值，之前的轉發(fā)量變化緩慢，但是從第3 天之后轉發(fā)量開始呈現爆炸式的增長，所以基本可以判斷此點為轉發(fā)上升拐點。3 轉發(fā)下降拐點轉發(fā)下降拐點是指轉發(fā)量突然變少的臨界點，如果不良信息已經在用戶間擴散，且已經到達或者超過下降拐點，那么就沒有必要再采取措施加以監(jiān)管，因為擴散高峰已經過去，從

51、下降拐點起轉發(fā)數會迅速下降并最終被淹沒。仿真結果表明，從第 4. 5 天開始微博信息轉發(fā)量急速下降并最終降為 0，因此認為此點為信息轉發(fā)下降拐點。對于自媒體平臺管理的建議：微博已經成為人們重要的信息溝通傳播渠道，微博信息傳播極快，短期內就可造成廣泛的、巨大的影響。但是，對于微博上的不良信息進行強行管制是不明智的，甚至會導致更為嚴重的后果; 而對不良信息采取放任自流、聽之任之的態(tài)度，可能貽誤最佳管理時機，導致局面失控。微博的開放性、自由性、廣泛性，要求管理者做到 “疏”、“堵”有度，科學管控。本文結合研究結論，對如何疏導微博中信息的擴散、溝通、傳播提出三點政策建議。1 尊重信息擴散規(guī)律，科學決策

52、，高效管理從本研究來看，一般情況下一條微博的轉發(fā)周期為 8 天，據此可預測信息擴散可能造成的危害大小。微博發(fā)出后的前 3 天是轉發(fā)平緩期，可以在這期間對虛假信息進行治理，防止其進一步擴散引發(fā)社會問題; 微博發(fā)布后的第 4. 5 天是信息擴散高峰期，這之后的轉發(fā)頻率會迅速下降，社會影響力逐漸減弱。管理部門應根據信息擴散的周期性特征，制定相應的管理手段與管理工具，抓住管理時間窗口，實現高效管理。2 控制關鍵節(jié)點，引導輿論導向人是信息擴散中的核心主體?，F實社會中，個體并不是孤立存在，而是依附于基于關系的社會網絡上，個人在社交網絡中人際關系得到了最大化的延展。在虛擬的網絡環(huán)境下，民間意見領袖快速形成。

53、意見領袖在網絡空間里往往具有超強的影響力，成為網絡輿論的重要引領者，伴隨著碎片化的信息交互，形成了去中心化的輿論傳播新形態(tài)。對此，管理部門應該利用微博平臺，提高參與度，利用政府的公信力、權威性抑制負面信息的擴散與傳播。3 關注敏感信息檢測，過濾負面信息信息的新鮮性、稀缺性、權威性等特點將直接影響信息接受者對信息的擴散動機，使得不同特點的信息形成獨特的擴散規(guī)律。因此，對于信息內容的實時監(jiān)控可以在很大程度上抑制負面信息的擴散，減少可能帶來的社會風險。6.模型的評價與推廣優(yōu)點：模型運用 MATLAB 、R等數學軟件構建模型，通過具體數據，定量地對模型進行仿真模擬，結果誤差較小，數據較為準確。本文在經

54、典SIR感染模型的基礎上建立改進的SIR傳染模型，將網絡信息與生物感染有機關聯。在參考Fisher模型和Diffusive Logistic模型后，進一步建立了關聯信息相互作用的IDM模型，IDM模型對信息傳播趨勢的預測更加準確。這兩個模型都涉及到生物，可以相對形象的展現出自媒體時代的消息傳播的過程。缺點：本文提出的改進SIR微信息傳播模型沒有考慮用戶間的個體差異和微博信息的可信度；以及考慮用戶個體差異和偏好。推廣：進一步研究會主要包括以下兩方面：首先，在本文提出的改進SIR網絡信息傳播模型中融入網絡信息可信度進行實驗；其次,考慮微博用戶個體差異和偏好，在改進SIR網絡信息傳播模型中加入參數進行驗證。7.參考文獻1.2. 錢穎，張楠，趙來軍，等.微博輿情傳播規(guī)律研究 J.情報學報，2012,31(12):1 299-1 3043. 鄭蕾，李生紅 基于微博網絡的信息傳播模型J 通信技術，2012，45(2): 39-414. Goyal a, Bonchi F, Lakshmanan LV.Lea