微信社交网络上CASR谣言传播研究范文

本站小编为你精心准备了微信社交网络上CASR谣言传播研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《小型微型计算机系统杂志》2016年第一期

摘要:

针对谣言传播模型多数集中在微博类社交网络上而微信社交网络上谣言传播研究较少的问题，提出一种基于谣言接受概率函数的CR(Credulous-Affected-Spreader-Rationals)谣言传播模型，该模型中的谣言接受概率函数充分考虑了具有正负影响的媒介效应、谣言接受信号叠加作用以及信任度的因素．在局部具有无标度特性的小世界网络上仿真结果表明，正向影响时媒介因子和信任度能够降低个体接受谣言概率，抑制谣言传播;反之，负向影响时媒介因子和信任度提高了个体接受谣言概率，促进了谣言传播．

关键词:

谣言传播;微信社交网络;CR谣言传播模型;朋友圈;媒介效应

1引言

谣言传播现象在当今社会有愈演愈烈的态势，甚至对社会的发展造成严重的影响．谣言传播本质上是一种信息的传递形式，而这种信息是未经过证实的，亦真亦假［1］．由于不同受众对待谣言的态度有较大差异，使得谣言在传播过程中被扭曲，在传播终端变得面目全非．中国互联网络信息中心(CNNIC)报告显示，截止2014年6月我国网民规模达到6.32亿，手机网民规模5.27亿，社交网站用户规模为2.57亿．如此大的数量级用户每天在各类社交网络上进行不同信息的生成、分享、接收和传播．用户在享受方便、快捷的信息服务时，也不可避免的出现一些恶意信息的传播，即网络谣言的传播．特别是移动手持设备的普及化，使得网络谣言从传统的“点对点”传播方式转向为分裂式的“点对面”新型传播方式．无线网络的覆盖，移动终端“永久在线”特性，可以让谣言实时的进行传播而不再具有时滞性．同时社交网络的大多的匿名性，谣言传播成本较低，人人皆可成为谣言的生产者和传播者，这使得网络谣言传播的更快更广［2］．针对谣言传播现象的研究大都是借鉴疾病传播模型［3］，而复杂网络传播学理论的的逐渐深入应用，为解决谣言传播问题提供了诸多途径．Zanette［4］首次将复杂网络理论应用到谣言传播模型，在小世界网络上研究了谣言传播的阈值问题，得出了均匀网络中谣言传播不存在非零临界值结论．

Moreno等［5］则通过在无标度网络上建立谣言传播模型，通过理论分析与数值仿真对比得出不同个体间谣言传播概率的差异性以及网络结构对传播规律的影响．文献［6］在文献［5］的模型基础上研究了可变聚类系数的无标度网络上谣言传播规律，提出增大网络聚类系数来抑制谣言传播的方法．文献［7］借鉴SIR传染病模型，对微博社区的谣言传播进行仿真，通过降低有效传染率和减小网络度分度熵缩小谣言传播的规模．然而这些文献都是假设各类节点的抗感染概率相同，而且没有考虑谣言相反意见即真相在信息传播中的作用．针对这些缺陷，文献［8］提出了具有怀疑机制的谣言传播模型，突出谣言真相传播率在抑制谣言传播中的作用．文献［9］则是研究了真实信息在谣言传播中的作用．文献［10］考虑个体对谣言的免疫差异性，引入谣言接受度函数，描述不同节点的非一致性传播率．文献［11］提出了一种具有反抗机制的SICR(susceptible—infective—counterattack—refractory)谣言传播模型，通过纠正谣言的个体来减小谣言传播范围．文献［12，13］提出了影响信息传播的两个重要因素，一是接收信号的累积效应，另外是外界的加强作用，基于此文献［2］重点研究了移动社交网络上的谣言传播模型，该模型考虑了个体接受阈值对接受概率的影响，并在多agent平台进行仿真．文献［14］则是探讨了加权短信网络上谣言传播规律，重点研究和分析了边权分布及聚类系数对短信谣言的影响．基于这些研究，提出一种基于谣言接受概率的CR(Credulous-Af-fected-Spreader-Rationals)谣言传播模型，此模型采用了谣言接受概率函数，而该函数充分考虑了具有正负影响的媒介效应、谣言接受信号叠加作用以及信任度的因素．通过构建仿真网络，研究了类微信网络上的谣言传播行为规律，对于微信平台上的谣言防控提供了参考依据．

2微信谣言传播

微信是一款主打熟人社交的产品，目前活跃用户已超过3.55亿．用户在与好友快捷方便地进行信息沟通、分享交流的同时，也助长了一些恶意谣言信息的滋生与传播．微信谣言传播主要由公众号、朋友圈、微信群三个渠道，而在微信中无论是好友的加入还是公众号的关注，都是基于信任的，因此谣言更容易被相信，也更具隐蔽性和蛊惑性．不同于微博的开放性特点，微信是一个封闭的空间，没有标注时间，没有准确消息来源．由于微信的私密性较强，自净机制(一个谣言出来后，会有相关的权威部门、专业人士迅速出来辟谣)较弱，对于谣言的评论不会暴露在公众视线下，因此在谣言被质疑的过程中能看到的人也非常有限．另外，公众媒介素养不足，会不会转发谣言和每个人接触信息和处理信息的能力有很强的关系．很多用户缺乏独立判断的能力，而是习惯盲从，导致谣言迅速扩散而难以抑制．因此，深入研究微信谣言的传播机理及影响因素十分必要．

3CR谣言传播模型

把微信平台上的用户定义为节点，好友间的沟通联系关系则简化为节点之间的边，谣言通过有边相连的节点间进行传播．现有大多数谣言传播模型借鉴采用近似SIR模型把人群分为三种状态:健康状态、传播状态、免疫状态．初始阶段用户都处于没有接触到谣言的健康状态，但是会轻信一些谣言信息．造谣者把谣言信息传递出去后，使得部分轻信谣言的用户由健康状态变成为了传播状态即传播者．随着时间推移，传播者对谣言失去兴趣或者谣言被澄清后转变成了免疫状态也即理性的看待谣言信息．而实际生活中部分用户收到谣言信息后并未立即进行传播，而是处于一种待定状态，经过一段时间后选择遗忘或者多次收到谣言信息后选择传播．在微信平台上，好友、分享谣言信息会以一定概率被其好友看到并分享传播出去，也会有好友对该谣言信息不感兴趣或者不相信而不传播，但是该好友多次收到谣言信息后而选择传播．因此根据谣言在微信平台上传播规律以及用户对待谣言的态度，我们把微信社交网络上的节点分为四类。1)轻信节点(Credulous，C):轻信节点表示为尚未接收到来自好友的谣言信息的用户，但是有机会接收到并且比较容易轻信谣言;2)感染节点(Affected，A):感染节点为接收到好友发送或者分享的谣言信息，但暂时还未确定谣言的真实性而没有传播谣言的用户，在各种媒介影响下，多次与谣言传播者接触后可能传播谣言;3)传播节点(Spreader，S):传播节点顾名思义就是接收到谣言后相信了谣言并且分享给好友用户;4)理性节点(Rationals，R):理性节点即为用户接收到谣言后，根据已掌握信息判断后选择不相信谣言．这四类节点之间的传播规则定义如下:1)轻信节点有机会看到好友分享的谣言信息后会以p的概率成为感染节点;2)感染节点在看到好友分享的谣言信息后因怀疑信息的真实性而并没有传播谣言，在好友友多次向其传播谣言或者其他媒介信息影响后，以接受概率p2(负向媒介因子)接受谣言而成为新的传播节点，当然也有部分感染节点经过深入了解后，以接受概率p3(正向媒介因子)选择不相信谣言而成为理性节点．3)而传播节点在经过传播一段时间后，谣言得到证实或者大家失去兴趣后会以p4的概率也成为了理性节点．

(1)式中第一个式子表示轻信节点的变化率;第二个式子表示感染节点的变化率;第三个式子表示传播节点的变化率;第四个式子表示理性节点的变化率．目前大部分社交网络上的谣言传播模型都是假设与传播节点接触的节点变成传播节点或者理性节点的概率相同，而在实际的社交网络中个体接受谣言的概率并非一致．感染节点对谣言的接受概率对于谣言的传播有较大影响，而用户是否接受谣言会受到很多因素的影响，比如好友间的亲密程度(也即信任度)、社会化媒介的影响(权威公众号、名人账号等)等，这些影响因素可能会产生正向影响使得好友选择不相信谣言而成为理性节点或者产生负向影响使得好友相信谣言成为传播节点．针对这个问题我们定义如下函数。(2)式中P(m)表示谣言的接受概率，m(t)为t时刻接受到的谣言次数，表示好友间的信任度，ω则表示为媒介影响因子．当T=0时，表示为负向的媒介影响(用户收到多个好友发过来的谣言信息或者收到了一些公众号推送的谣言后选择相信谣言)，(2)式则变成为式。如图2所示的P(0)=λ=0.7时的正负媒介影响时的谣言接受概率曲线图．(a)、(b)分别表示负向媒介影响时不同媒介因子和信任度时的接受概率，可以看出随着媒介因子和信任度的增加，谣言的接受概率也逐渐增加，而且达到稳定值时谣言接受累计次数减小;(c)、(d)分别表示正向媒介影响时不同媒介因子和信任度时的接受概率，随着媒介因子和信任度的增加，谣言的接受概率也逐渐减小，而且达到稳定值时谣言接受累计次数减小．

4实验仿真结果与分析

4．1实验环境实验是在IntelCore、CPUT6500，2.1GHZ的主频、2GB的内存，Windows7的操作系统环境下，采用MATLABR2012b平台仿真．

4．2模型数值仿真开始阶段网络中只有一个传播节点，其余全部为轻信节点，伴随着谣言的传播，轻信节点迅速减少，而传播节点和感染节点急剧增加．随着时间推移，谣言进一步扩散后理性节点数量逐步增加，而传播节点和感染节点数量达到一个峰值后开始下降至零，最终网络里只剩下理性节点和少量轻信节点．这一传播特征符合微信环境下的传播规律特性，谣言的传播初期只是在造谣者好友圈内局部传播，随着信息在好友的好友圈层层的传递过程中大范围的爆发传播开，而之后政府及相关部门单位和社会媒体的紧急辟谣，使得越来越多受众了解到事实真相后，谣言传播者逐渐转变成了理性者，最终谣言得以控制．如图4所示，p1=0.0005，p3=0.3，p4=0.05在不同负向媒介因子时传播节点的数量随时间变化曲线，可以看出来传播节点数量都是开始阶段缓慢增加，然后在某一阶段迅速增加，达到峰值后又迅速减小．随着p2增大，传播节点的最大值也增大，而且传播节点达到峰值的时间却提前了．同理如图5所示，p1=0.0005，p2=0.4，p4=0.05在不同正向媒介因子时传播节点的数量随时间变化曲线．随着p3增大，传播节点的最大值缺减小了，而传播节点达到峰值的时间却往后推迟了．由此可见，增大负向媒介因子后，用户对于谣言接受概率增大，使用户更倾向于接受谣言成为谣言传播者，然后进一步扩大谣言传播，促进了谣言传播．相反，增大正向媒介因子，使得谣言真相传播更广，相应的理性人更多，从而抑制了谣言的传播．利用此特性，相关机构可以采取相应措施来减小谣言的危害．反映到微信平台上的谣言传播，则是由于微信是一种半封闭式的传播环境，信息的传播受众多以熟人为主，而熟人间黏性较大的强关系使得信息接受度较高，当以负面信息传播时，好友关系越亲密(信任度越高)、媒介的公信度越大也即p2越大时，谣言信息传播更快更广，带来的危害更大;反之，p越大时，受众能够理性对待谣言信息，提高甄辨能力，或者有关部门能够通过权威的公众账号及时谣言真相信息，则能够把危害及时控制在最小范围内．

4．3网络数值仿真针对微信基于熟人圈的特性，大多数的好友都是朋友、家人、同事等，这些基本固定好友数量是一定的，而一些公共账号可以有较大的好友进行关注、订阅，所以微信社交网络总体呈现小世界特性，而局部为无标度的特性(好友节点数量很大)．基于此，我们借鉴文献［15］生成一种局部具有无标度特性的小世界网络，在此网络上对微信社交网络上谣言传播规律进行研究．

5结语

本文研究了微信社交网络平台上的谣言传播模型，提出了基于谣言接受概率的CR谣言传播模型．该模型中的谣言接受概率函数充分考虑了具有正负影响的媒介效应、谣言接受信号叠加作用以及信任度的因素．结合复杂网络和传染病动力学理论，建立了微分方程组．通过模型数值仿真以及网络数值仿真验证了该模型的符合微信社交网络的特点，得出了正负媒介因子以及信任度在谣言传播中的作用:正向影响时媒介因子和信任度能够降低个体接受谣言概率，抑制谣言传播;负向影响时媒介因子和信任度提高了个体接受谣言概率，促进了谣言传播．这些工作有助于深刻了解微信平台上谣言传播规律行为，为制定谣言传播抑制策略提供参考依据．然而本文是在人工生成的的局部具有无标度特性的小世界网络上进行的仿真实验，仍需要在真实的微信社交网络上进一步验证模型的正确性．同时，在动态的网络上对传播行为进行建模研究也是今后工作研究方向。

参考文献:

［1］顾亦然，夏玲玲．在线社交网络中谣言的传播与抑制［J］．物理学报，2012，62(23):544-550．

［2］王辉，韩江洪，邓林，等．基于移动社交网络的谣言传播动力学研究［J］．物理学报，2013，62(11):106-117．

［6］潘灶烽，汪小帆，李翔．可变聚类系数无标度网络上的谣言传播仿真研究［J］．系统仿真学报，2006，18(8):2346-2348．

［7］许晓东，肖银涛，朱士瑞．微博社区的谣言传播仿真研究［J］．计算机工程，2011，37(10):272-274．

［8］王筱莉，赵来军．社会网络中具有怀疑机制的谣言传播模型［J］．上海理工大学学报，2012，34(5):424-428．

［9］郭强，刘新惠，胡兆龙．真实信息在谣言传播中的作用研究［J］．计算机应用研究，2014，31(4):1031-1034．

［10］孙睿，罗万伯．具有非一致传播率的无标度网络谣言传播模型［J］．复杂系统与复杂性科学，2014，11(3):6-11．

［14］刘星宏，张海峰，秦晓卫，等．加权短信网络上的谣言传播行为研究［J］．中国科学技术大学学报，2012，42(5):423-430．

［15］郭印，刘维清．具有局部无标度特性的小世界网络模型［J］．江西理工大学学报，2012，33(1):73-77．

作者：廖列法 孟祥茂 吴晓燕 黎晨 单位：江西理工大学 信息工程学院