自媒體時(shí)代的消息傳播問題分析

1、精選優(yōu)質(zhì)文檔-傾情為你奉上自媒體時(shí)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(yīng)的模型。文中通過類比生物學(xué)中傳播病的傳播方式和物種增長的特點(diǎn)，分別建立改進(jìn)的SIR傳播模型、關(guān)聯(lián)信息相互作用的IDM模型等。然后使用MATLEB，R軟件，通過具體數(shù)據(jù)，定量地對模型進(jìn)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(jù)建立的相關(guān)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(diǎn)進(jìn)行分析。

2、然后利用物理學(xué)中平均場近似法，把微博網(wǎng)絡(luò)的節(jié)點(diǎn)信息交互作用平均化，并把微博的全部用戶看做一個(gè)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(gè)用戶看做節(jié)點(diǎn)，最后在此基礎(chǔ)上，建立SIR傳染模型，達(dá)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(guān)聯(lián)信息之間相互作用的IDM模型，解決兩個(gè)相關(guān)聯(lián)信息之間的泛化競爭傳播問題。根據(jù)SIR傳播模型的基礎(chǔ)上，把兩個(gè)相互關(guān)聯(lián)的信息在自媒體中的傳播，分解為在子網(wǎng)絡(luò)中的子讓增長過程和不同子網(wǎng)絡(luò)間的擴(kuò)散問題。對Fisher模型和Diffusive Logistic模型進(jìn)行改進(jìn)，建立關(guān)聯(lián)信息之間相互作用的IDM模型，得出兩個(gè)相關(guān)聯(lián)信息之間相互促進(jìn)或抑

3、制的條件，進(jìn)而得出關(guān)聯(lián)信息出現(xiàn)后，原信息的傳播變化。針對問題三，在SIR傳播模型的基礎(chǔ)上，通過采集歷史具體數(shù)據(jù)，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(jìn)行模擬，通過可視化的結(jié)果，具體分析出存在的相似與差異，并對問題一模型進(jìn)行定量的驗(yàn)證。針對問題四，在SIR傳模型播關(guān)聯(lián)信息相互的IDM的模型以及問題三定量的驗(yàn)證的基礎(chǔ)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(yīng)做到在關(guān)鍵節(jié)點(diǎn)，進(jìn)行“疏”，“堵”有度，科學(xué)控管。關(guān)鍵詞：自媒體 SIR傳播模型 IDM模型 信息傳播 AbstrctIn this paper, aiming at the proces

4、s of information 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 propa

5、gation mode of 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 propagat

6、ion in different 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 fo

7、r information 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 micr

8、oblogging users 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 o

9、f the interaction 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 Lo

10、gistic model 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 info

11、rmation TheBased 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 differ

12、ences, and quantifies 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"

13、, "blocking" 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(xiàn)在是自媒體時(shí)代，任何突發(fā)性事件幾分鐘就傳播到全世界。”相對于傳統(tǒng)媒體，以互聯(lián)網(wǎng)技術(shù)為基礎(chǔ)的自媒體以其信息傳播的即時(shí)性、交往方式的平等性和交往身份的虛擬性等特點(diǎn)，已經(jīng)成為公民獲取信息、表達(dá)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(jīng)濟(jì)、文化、社會等諸多領(lǐng)域。 本文將結(jié)合實(shí)際情況，建立數(shù)

14、學(xué)模型，解決以下問題：1. 我們將建立一條消息在自媒體平臺上傳播的數(shù)學(xué)模型，并以“中共中央、國務(wù)院決定設(shè)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(xiàn)了新的與之高度關(guān)聯(lián)的消息（例如相關(guān)單位或知名人士發(fā)布了新的消息），建立數(shù)學(xué)模型，分析并說明新消息出現(xiàn)后傳播過程的變化情況。 3. 建立數(shù)學(xué)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(shù)值算例進(jìn)行驗(yàn)證。4. 結(jié)合所建立的模型，寫一份分析報(bào)告，闡述對自媒體時(shí)代消息傳播的見解或看法，并進(jìn)一步提出自媒體平臺管理的建議。2. 問題分析本文

15、研究的信息在自媒體平臺的傳播問題，對本問題的求解分為 個(gè)步驟：第一、利用文獻(xiàn)資料查找出各類自媒體平臺的特點(diǎn)，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(jī)制和傳染病非常類似，我們將某一條信息類比成某個(gè)物種，把自媒體中的所有用戶以及社交關(guān)系相當(dāng)于整個(gè)生態(tài)圈，信息在自媒體中的傳播過程，相當(dāng)于生物從一個(gè)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

16、結(jié)論闡述了我們對自媒體時(shí)代消息傳播的見解或看法，向自媒體管理平臺提出關(guān)于自媒體平臺管理的建議。本文的總體結(jié)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(wù)院決定設(shè)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(jī)制，發(fā)現(xiàn)信息傳播的機(jī)制和傳染病傳播機(jī)制一樣，我們選取微博這一主流自媒體平臺為代表進(jìn)行研究。在認(rèn)真的分析了微博傳播的特點(diǎn)之后，我們發(fā)現(xiàn)，微博傳播信息的特點(diǎn)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(tǒng)的SIR模型改進(jìn)。（2）問題二

17、的分析問題二要求我們建立了數(shù)學(xué)模型，分析并說明當(dāng)某條消息在自媒體傳播的過程中，出現(xiàn)了新的與之高度關(guān)聯(lián)的消息之后的傳播過程的變化情況，受問題分析結(jié)果的影響，針對問題二，我們將某一條信息類比成某個(gè)物種，把自媒體中的所有用戶以及社交關(guān)系相當(dāng)于整個(gè)生態(tài)圈，信息在自媒體中的傳播過程，相當(dāng)于生物從一個(gè)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

18、型的基礎(chǔ)上通過采集到的定量數(shù)據(jù)代入模型進(jìn)行驗(yàn)證，進(jìn)而得到可視化結(jié)果，通過比較結(jié)果的差異從而得出信息在自媒體中真實(shí)的傳播過程。（4）問題四的分析問題四要求我們根據(jù)問題一、二、三的研究結(jié)果，寫一份報(bào)告，闡述我們對自媒體時(shí)代消息傳播的見解或看法，向自媒體管理平臺提出關(guān)于自媒體平臺管理的建議。針對問題四，在本文研究結(jié)果的基礎(chǔ)上結(jié)合實(shí)際情況，闡述了我們隊(duì)對自媒體時(shí)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(guān)于自媒體管理的建議。3. 模型假設(shè)假設(shè)一：所針對的自媒體平臺用戶短時(shí)間內(nèi)數(shù)量基本不變；假設(shè)二：不考慮獨(dú)特的信息類型；假設(shè)三：假設(shè)各類信息傳輸條件相同；假設(shè)四：假設(shè)只考慮信息的三個(gè)指標(biāo)；

19、4.符號說明符號含義UNSIRS(t)I(tR(t)k(k)(k)n(k)sd微博用戶節(jié)點(diǎn)的有限集合節(jié)點(diǎn)總數(shù)目未聽說過信息的微博網(wǎng)絡(luò)節(jié)點(diǎn)聽說過信息并傳播的微博網(wǎng)絡(luò)節(jié)點(diǎn)聽到過信息但并不傳播的微博網(wǎng)絡(luò)節(jié)點(diǎn)未感染節(jié)點(diǎn)密度傳播節(jié)點(diǎn)密度免疫節(jié)點(diǎn)密度微博網(wǎng)絡(luò)中的平均節(jié)點(diǎn)度S轉(zhuǎn)化為I的概率K轉(zhuǎn)化為不傳播信息的R的概率S與R交互時(shí)S轉(zhuǎn)化為R的概率s表示子網(wǎng)絡(luò)中點(diǎn)到相應(yīng)信息源的跳數(shù)5.模型的建立與求解5.1改進(jìn)的SIR傳播模型 自媒體時(shí)代已經(jīng)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(xiàn)代化、電子化的手段，向不特定的大多數(shù)或者特定的單個(gè)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

20、：博客、微博、微信、百度官方貼吧、論壇/BBS等網(wǎng)絡(luò)社區(qū)1。微博是自媒體時(shí)代較為具有代表性的產(chǎn)物，所以對于問題一，主要以“中共中央、國務(wù)院決定設(shè)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5.1.1傳播特點(diǎn)分析及模型選擇在微博平臺中，每個(gè)用戶可以都看到他們所關(guān)注的用戶發(fā)布的微博，并且會以一定的概率評論轉(zhuǎn)發(fā)，評論轉(zhuǎn)發(fā)的微博同樣也會被其他關(guān)注的用戶看到在微博的信息傳播過程中，相信信息的真實(shí)性并且轉(zhuǎn)發(fā)微博的用戶成為信息傳播者；如果對信息的內(nèi)容不感興趣或者從一開始就不相信信息的真實(shí)性從而不轉(zhuǎn)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(gè)假設(shè)。首先，某條微

21、博的轉(zhuǎn)發(fā)人數(shù)是一個(gè)確定的數(shù)；其次，每個(gè)讀過已轉(zhuǎn)發(fā)用戶微博都有可能再次轉(zhuǎn)發(fā)；而且已轉(zhuǎn)發(fā)的讀者里有相當(dāng)一部分不會再次轉(zhuǎn)發(fā)。因此我們選取SIR模型2對微博信息的傳播進(jìn)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5.1.2模型的構(gòu)建與求解：（1）微博網(wǎng)絡(luò)：微博網(wǎng)絡(luò)符合小世界網(wǎng)絡(luò)的特性，由于小世界網(wǎng)絡(luò)的度是符合冪指數(shù)分布的，所以微博網(wǎng)絡(luò)可以被認(rèn)為是所有節(jié)點(diǎn)的度都近似相等的均勻網(wǎng)絡(luò)利用統(tǒng)計(jì)物理學(xué)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(wǎng)絡(luò)中的節(jié)點(diǎn)信息交互作用平均化由此微博網(wǎng)絡(luò)可表示為一個(gè)二元組U,T。U代表微博用戶節(jié)點(diǎn)的有限集合，uiU 代表具體的節(jié)點(diǎn)，令節(jié)點(diǎn)

22、總數(shù)目為N，則U=u1，u2，uN；T為U×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(jìn)行信息交互，即閱讀微博、轉(zhuǎn)發(fā)或者評論微博。（2）信息傳播網(wǎng)絡(luò)：微博中的信息傳播網(wǎng)絡(luò)可表示為一個(gè)四元組S，I，R，T。 S代表從未聽說過信息的微博網(wǎng)絡(luò)節(jié)點(diǎn)，處于未感染狀態(tài)，類似于傳染病模型中的易感者，設(shè)總數(shù)為l，S=s1，s2,sl。 I代表聽說過信息并傳播的微博網(wǎng)絡(luò)節(jié)點(diǎn)，處于傳播狀態(tài)，類似于傳染病模型中的感染者，設(shè)總數(shù)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(wǎng)絡(luò)節(jié)點(diǎn)，處于免疫狀態(tài)，類似于傳染病模型中的免疫者，設(shè)總數(shù)為n，

23、則：,R=r1,r2,rn.其中SU，IU，RU，并且l+m+n=N. 有六種情況，代表著，以及相互交互的6種結(jié)果，即微博網(wǎng)絡(luò)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(zhuǎn)化圖由以上6種交互結(jié)果來看，產(chǎn)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(jīng)過ii的狀態(tài)轉(zhuǎn)換，而是直接變?yōu)閞i，產(chǎn)生了直接免疫的情況。引進(jìn)封閉世界假設(shè)，即信息從微博網(wǎng)絡(luò)中產(chǎn)生，并且信息僅在微博網(wǎng)絡(luò)中傳播同時(shí)，假設(shè)微博網(wǎng)絡(luò)中未感染節(jié)點(diǎn)和傳播節(jié)點(diǎn)均勻混合根據(jù)上面的相關(guān)定義和假設(shè)，研究微博信息傳播規(guī)律和預(yù)測方法 （3）節(jié)點(diǎn)密度微博網(wǎng)絡(luò)中，S(

24、t)表示群體中在t時(shí)刻，處于未感染狀態(tài)的節(jié)點(diǎn)占微博網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)的比例，稱為未感染節(jié)點(diǎn)密度；I(t)表示群體中在t時(shí)刻，處于傳播狀態(tài)的節(jié)點(diǎn)占微博網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)的比例，稱為傳播節(jié)點(diǎn)密度；R(t)表示群體在t時(shí)刻，處于免疫狀態(tài)的節(jié)點(diǎn)占微博網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)的比例，稱為免疫節(jié)點(diǎn)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(shù)學(xué)模型，也即人口的總數(shù)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(gè)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𝜆被已感染者感染，已感染者以一定概率𝛽被治

25、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(zhuǎn)發(fā)的終端S看作易感染者，將已經(jīng)轉(zhuǎn)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(jīng)治愈者，t為單位時(shí)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(yīng)的微分方程模型為：dS(t)/dt=-𝜆（k）S（t）I （t） （1）dI(t)/dt=𝜆（k）S（t）I（t）-𝛽（k）I（t） （2）dR(t)/dt=𝛽（k）I（t） （3）（4）轉(zhuǎn)換概率k為微博網(wǎng)絡(luò)中的平均節(jié)點(diǎn)度，則：(k)：從未聽過信息的S遇到傳播信息的

26、I 時(shí)S轉(zhuǎn)化為I的概率；(k)：傳播信息的k 轉(zhuǎn)化為不傳播信息的R的概率；n(k)：當(dāng)S與R交互時(shí)S轉(zhuǎn)化為R的概率（5）直接免疫在SIR消息息傳播模型中，易感者必須經(jīng)過傳播者這個(gè)狀態(tài)才能轉(zhuǎn)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(xiàn)實(shí)社會微博網(wǎng)絡(luò)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(wǎng)絡(luò)中互動性非常強(qiáng)，其中信息易感者和信息免疫者雙方群體人數(shù)的變化與他們相互接觸是有關(guān)系的，信息易感者在與信息免疫者互動后會以一定概率轉(zhuǎn)變?yōu)樾畔⒚庖哒?，一部分信息易感者在了解事?shí)真相后轉(zhuǎn)變?yōu)樾畔⒚庖哒摺Ｒ赘姓吲c信息免疫者在對話題的討論中可使信息易感者直

27、接轉(zhuǎn)變?yōu)樾畔⒚庖哒?，即直接免疫在交互中表示si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） 在本文提出的改進(jìn)SIR微博信息傳播模型微分方程中用n<k>S(t)R(t)這一項(xiàng)來表示直接免疫n<k>S(t)R(t)在微博網(wǎng)絡(luò)中代表未感染節(jié)點(diǎn)與免疫節(jié)點(diǎn)交互后，未感染節(jié)點(diǎn)轉(zhuǎn)換為免疫節(jié)點(diǎn)的那一部分 直接免疫性質(zhì)：性質(zhì)1. n<k>S(t)R(t)會減少未感染節(jié)點(diǎn)的密度，在標(biāo)準(zhǔn)SIR微博信息傳播模型微分方程組中第一個(gè)式子中要減去這一項(xiàng)；性質(zhì)2. n<k>S(t)R(t)會加快免疫節(jié)點(diǎn)的密度，在標(biāo)準(zhǔn)SIR微博

28、信息傳播模型微分方程組中第三個(gè)式子中要加上這一項(xiàng)考到直接免疫的情況，本文提出的改進(jìn)的SIR微博信息傳播模型微分方程如下：dS(t)/dt=-<k>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(gè)方程表示未感染節(jié)點(diǎn)密度的變化率；第二個(gè)方程表示傳播節(jié)點(diǎn)密度的變化率；第三個(gè)方程表示免疫節(jié)點(diǎn)密度的變化率微博信息傳播模型微分方程中的<k>，<k>及

29、n<k>無法直接求得，本文根據(jù)原始數(shù)據(jù)，利用最小二乘法，使得擬合數(shù)據(jù)點(diǎn)與原始數(shù)據(jù)點(diǎn)的距離平方和最小，從而計(jì)算求出微博信息傳播模型微分方程的轉(zhuǎn)化概率初始條件：初始時(shí)刻信息在微博網(wǎng)絡(luò)中傳播，絕大部分節(jié)點(diǎn)為未感染節(jié)點(diǎn)，傳播節(jié)點(diǎn)很少，沒有免疫節(jié)點(diǎn)假設(shè)節(jié)點(diǎn)隨機(jī)均勻分布在整個(gè)微博網(wǎng)絡(luò)中，從而可得改進(jìn)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(wǎng)絡(luò)中的傳播，S(t)會隨著時(shí)間的推移逐漸減少到0 ； I(t)隨著時(shí)間的推移會達(dá)到一個(gè)峰值，然后再逐漸減少到0；R(t)隨著時(shí)間的推移逐漸逼近數(shù)值1，從而可得改進(jìn)SIR微博信息傳播模型穩(wěn)定狀態(tài)： 局部穩(wěn)定

30、解：對于改進(jìn)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(gè)式子，令dS(t)/dt=0并且dI(t)/dt得到式(2)的局部穩(wěn)解（平衡點(diǎn)）（s,i） （1,0），（0,0）或（） 其中，（s,i）（1,0）和（s,i） （0,0）。為改進(jìn)SIR傳播模型初始狀態(tài)和穩(wěn)定狀態(tài)， 為改進(jìn)SIR微博信息傳播模型的局部平衡點(diǎn)由以上初始條件和穩(wěn)定狀態(tài)，依照改進(jìn)SIR微博信息傳播模型，在微博網(wǎng)站中信息的傳播過程和規(guī)律如下：（ ）在某個(gè)話題信息開始傳播的初始時(shí)刻，一小部分節(jié)點(diǎn)為傳播節(jié)點(diǎn)，其他所有節(jié)點(diǎn)為未感染節(jié)點(diǎn)；（ ）在每個(gè)時(shí)刻t之內(nèi)，傳播節(jié)點(diǎn)向所有節(jié)點(diǎn)傳

31、播信息，未感染節(jié)點(diǎn)以一定概率轉(zhuǎn)變成傳播節(jié)點(diǎn)；（ ）在每個(gè)時(shí)刻t之內(nèi)，某些傳播節(jié)點(diǎn)對信息不再感興趣，以一定概率轉(zhuǎn)變成免疫節(jié)點(diǎn)；（ ）考慮直接免疫的情況，在每個(gè)時(shí)刻t之內(nèi)，如果未感染節(jié)點(diǎn)與免疫節(jié)點(diǎn)連接，未感染節(jié)點(diǎn)會以一定概率跳過傳播狀態(tài)直接轉(zhuǎn)變成免疫節(jié)點(diǎn)；（ ）隨著時(shí)間推移，最終網(wǎng)絡(luò)中所有的節(jié)點(diǎn)都轉(zhuǎn)變成免疫節(jié)點(diǎn)5.2相關(guān)信息相互作用的IDM模型對問題一通過建立改進(jìn)的SIR信息傳播的病毒感染模型，已經(jīng)知道某條信息在自媒體的一般傳播過程，在此基礎(chǔ)上如果出現(xiàn)了新的與之高度關(guān)聯(lián)的消息，那么在新消息出現(xiàn)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

32、，因此，我們在問題一的啟發(fā)下，將一條信息類比成某個(gè)物種，把自媒體中的所有用戶以及社交關(guān)系相當(dāng)于整個(gè)生態(tài)圈，信息在自媒體中的傳播過程，相當(dāng)于生物從一個(gè)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（Interaction Diffurion Model）模型4。關(guān)聯(lián)信息之間的相互作用如下圖所示:圖4 兩個(gè)關(guān)聯(lián)信息相互作用圖當(dāng)社交網(wǎng)絡(luò)中只有兩個(gè)相關(guān)聯(lián)信息同時(shí)傳播時(shí)，需要將信息的傳播過程分解成在同子網(wǎng)絡(luò)內(nèi)傳播的自然増長過程和在不同子網(wǎng)間傳播的擴(kuò)散過程，與Fisher模型5和Diffusive Logistic模型

33、6不同，IDM模型認(rèn)為由于信息源對節(jié)點(diǎn)的影響力隨著節(jié)點(diǎn)到信息源跳數(shù)的増加而有所變化。因此，在每個(gè)到信息源不同跳數(shù)的子網(wǎng)絡(luò)中，F(xiàn)isher模型中的參數(shù)應(yīng)該是不同的。為了解決這個(gè)問題，我們將Fisher模型中的常數(shù)參數(shù)變換為和子網(wǎng)絡(luò)中節(jié)點(diǎn)到信息源的跳數(shù)相關(guān)的函數(shù)： 其中：d表示子網(wǎng)絡(luò)中點(diǎn)到相應(yīng)信息源的跳數(shù)；X(d,t)表示在t時(shí)刻距離信息X的源頭d跳的子網(wǎng)絡(luò)中信息X的數(shù)量；同理，表示在t時(shí)刻距離信息的源頭跳的子網(wǎng)絡(luò)中信息Y的數(shù)量； 表示在距離信息X的源頭d跳的子網(wǎng)絡(luò)中信息x的logistic參數(shù)，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(wǎng)絡(luò)中信息Y的logis

34、tic參數(shù)； 表示在距離信息X的源頭d跳的子網(wǎng)絡(luò)中信息X的自増長參數(shù)，其值與自然増長率和子網(wǎng)絡(luò)對信息的最大容量有關(guān)；同理，卻表示在距離信息Y的源頭d跳的子網(wǎng)絡(luò)中信息Y的自増長參數(shù)； 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(wǎng)絡(luò)中信息X増長的影響參數(shù)：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(wǎng)絡(luò)中信息Y増長的影響參數(shù)：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(yàn)證5.3.1信息的分類下面我們對消息進(jìn)行目的性分類。首先，我

35、們把那些不可預(yù)料到的屬于不可抗力下毫無預(yù)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(zhì)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。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(jī)構(gòu)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(shí)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(tǒng)一規(guī)劃為其他類信息。信息分類圖如下：圖5 網(wǎng)絡(luò)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(wù)院決定設(shè)立河北雄安新區(qū)”

36、在微博SIR傳播模型，為了進(jìn)行對比選用突發(fā)性信息“2017-07-06廣東龍門發(fā)生客車側(cè)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(jìn)行對比，收集的歷史數(shù)據(jù)如下：表1 示例轉(zhuǎn)發(fā)量數(shù)據(jù)表天數(shù)信息A/轉(zhuǎn)發(fā)數(shù)信息B/轉(zhuǎn)發(fā)數(shù)0321013276729451983407498641920756875280791108963800912450741723135698445231462494540315729104693715789114693715854124710215894134719915936144720615940154731515944注 信息A為“中共中央、國務(wù)院決定設(shè)立河北

37、雄安新區(qū)”，信息B為“2017-07-06廣東龍門發(fā)生客車側(cè)翻事故，致19人死亡多人受傷”。根據(jù)微博的傳播特點(diǎn)，1條微博信息平均5小時(shí)就會被淹沒，即其他人不會再看到這條信息，根據(jù)這種特點(diǎn)，分別把數(shù)據(jù)帶入問題一建立的SIR感染模型，對轉(zhuǎn)發(fā)數(shù)進(jìn)行分析，轉(zhuǎn)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(shù)據(jù)的轉(zhuǎn)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(shù)據(jù)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(shí)間和最大平穩(wěn)點(diǎn)卻存在差異。接下來根據(jù)前文定義中微博網(wǎng)絡(luò)信息的傳播規(guī)則，設(shè)定總節(jié)點(diǎn)數(shù)為 ，初始

38、時(shí)刻設(shè)定 m個(gè)傳播節(jié)點(diǎn)，0個(gè)免疫節(jié)點(diǎn)，則有 -m 個(gè)未感染節(jié)點(diǎn)根據(jù)傳播規(guī)則，每個(gè)時(shí)刻三種節(jié)點(diǎn)數(shù)目都會相應(yīng)變化，記錄每個(gè)時(shí)刻的未感染節(jié)點(diǎn)、傳播節(jié)點(diǎn)和免疫節(jié)點(diǎn)的數(shù)目，經(jīng)過微博歷史數(shù)據(jù)進(jìn)而可 以 得 到 各 時(shí) 刻 信息A和信息B三 種 節(jié) 點(diǎn) 的 密 度，即S（t）,I(t),R(t),S(t), I(t),R(t)的具體數(shù)據(jù)具體數(shù)據(jù)如下表：表2 信息節(jié)點(diǎn)密度表天數(shù)S（t）I(t)R(t)S(t) I(t)R(t)10.9180.08200.90020.0998020.8220.14930.02870.79470.1650.040330.68010.24190.0780.48450.32230.1

39、93240.51220.3360.15170.33690.3620.30150.35680.39740.24580.21870.3560.42560.23950.4110.34950.15150.3270.521170.16190.38680.45140.09010.28490.625180.11330.34250.54420.07220.25670.671190.08310.29210.64280.04060.19590.7634100.0640.24330.69270.03910.17130.7896110.05160.19960.74880.01730.11950.8632120.043

40、20.16210.79460.0050.10950.8855130.03750.13080.83170.00210.06620.9317140.03340.1050.86150.00520.06850.9262150.03050.08410.88540.00760.03720.9552將上表中的數(shù)據(jù)帶入問題一的SIR感染模型，得到各個(gè)各時(shí)刻信息A和信息B節(jié)點(diǎn)密度圖總體趨勢圖，節(jié)點(diǎn)密度圖如下：圖7 信息A節(jié)點(diǎn)密度圖信息A為“中共中央、國務(wù)院決定設(shè)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(diǎn)在上圖中清楚展現(xiàn)：轉(zhuǎn)發(fā)速度相對較緩，但較為持續(xù)，在第六天轉(zhuǎn)發(fā)量達(dá)到最高峰，微博信息淹沒速度

41、也是以低速率增長的。以上種種情形的產(chǎn)生也符合公眾性事件本身的特質(zhì)。圖8 信息B節(jié)點(diǎn)密度圖信息B為“2017-07-06廣東龍門發(fā)生客車側(cè)翻事故，致19人死亡多人受傷”這一消息，此消息為突發(fā)性信息：轉(zhuǎn)發(fā)率增長速率較大，在第四天轉(zhuǎn)發(fā)量達(dá)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(diǎn)。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(diǎn)密度圖的趨勢是大致相同的，但是傳播的時(shí)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(zhì)，即信息與該自媒體平臺的用戶群體之間的關(guān)聯(lián)程度。5.3.2同一信息在不同平臺中的傳播過程分析在自媒體時(shí)代，微博和微信是最具有代表

42、性的兩個(gè)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(dú)特的特點(diǎn)，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(wù)院決定設(shè)立河北雄安新區(qū)”這個(gè)信息為例，根據(jù)歷史具體數(shù)據(jù)，進(jìn)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(shè)定總節(jié)點(diǎn)數(shù)為N初始時(shí)刻設(shè)定 m個(gè)傳播節(jié)點(diǎn)，0個(gè)免疫節(jié)點(diǎn)，則有 -m 個(gè)未感染節(jié)點(diǎn)根據(jù)傳播規(guī)則，每個(gè)時(shí)刻三種節(jié)點(diǎn)數(shù)目都會相應(yīng)變化，記錄每個(gè)時(shí)刻的未感染節(jié)點(diǎn)、傳播節(jié)點(diǎn)和免疫節(jié)點(diǎn)的數(shù)目，經(jīng)過微博和微信的歷史數(shù)據(jù)進(jìn)而可 以 得 到 各 時(shí) 刻該信息再微博和微

43、信上的三 種 節(jié) 點(diǎn) 的 密 度，即S（t）,I(t),R(t),S(t)*, I(t)*,R(t)*的具體數(shù)據(jù)具體數(shù)據(jù)如下表：表3 節(jié)點(diǎn)密度表天數(shù)S（t）I(t)R(t)S（t）*I(t)*R(t)*10.9180.08200.9280.052020.8220.14930.02870.91220.06910.018730.68010.24190.0780.88010.06950.05840.51220.3360.15170.83220.08610.081750.35680.39740.24580.75680.10740.135860.23950.4110.34950.63950.2510.2

44、09570.16190.38680.45140.46190.38670.351480.11330.34250.54420.35330.27520.474290.08310.29210.64280.25310.14410.6028100.0640.24330.69270.15640.11020.6927110.05160.19960.74880.10160.08850.7488120.04320.16210.79460.08320.07810.7946130.03750.13080.83170.06750.07020.8317140.03340.1050.86150.05340.05980.86

45、15150.03050.08410.88540.05050.0550.8854 將上表中的數(shù)據(jù)帶入問題一的SIR感染模型，得到各個(gè)各時(shí)刻“中共中央、國務(wù)院決定設(shè)立河北雄安新區(qū)”這一消息分別在微博、微信平臺上傳播的節(jié)點(diǎn)密度圖總體趨勢圖，節(jié)點(diǎn)密度圖如下：圖9 微博傳播節(jié)點(diǎn)密度圖“中共中央、國務(wù)院決定設(shè)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(shí)間內(nèi)較高，但變化率很高，即很快時(shí)間內(nèi)有所下降。因?yàn)槲⒉┢脚_是較廣闊的平臺，其轉(zhuǎn)發(fā)量也較高。同時(shí)，因?yàn)槲⒉┥闲畔⒏螺^快，所以消息的淹沒也迅速。圖10 微信傳播節(jié)點(diǎn)密度圖“中共中央、國務(wù)院決定設(shè)立河北雄安新區(qū)”這一消息在微信

46、中傳播的速度較慢，這是因?yàn)槲⑿畔鄬ζ渌W(wǎng)絡(luò)平臺較為封閉，屬于相對熟人社交的一種。同時(shí)，微信信息傳播速率雖然慢但這是一種延遲，即轉(zhuǎn)發(fā)量是以一種緩慢的速度進(jìn)行增長，但增長到極值時(shí)，其轉(zhuǎn)發(fā)量較微博這類開放平臺來說較低，這是因?yàn)槲⑿攀鼙娙后w的數(shù)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(wǎng)絡(luò)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(diǎn)密度圖的趨勢是大致相同的，但是傳播的時(shí)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(shù)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(jié)合所建立的模型即我們建立的SIR模型

47、與IDM模型，寫一份分析報(bào)告，闡述對自媒體時(shí)代消息傳播的見解或看法，并要求我們進(jìn)一步提出自媒體平臺管理的建議。對于我們對于自媒體時(shí)代消息傳播的見解：首先我們應(yīng)該要理解自媒體的概念，即什么是自媒體，所謂自媒體，是指傳播者通過互聯(lián)網(wǎng)這一信息技術(shù)平臺、通過點(diǎn)對點(diǎn)或點(diǎn)對面的形式，將自主采集或把關(guān)過濾的內(nèi)容傳遞給他人的個(gè)性化傳播渠道，又稱個(gè)人媒體或私媒體。這樣定義包含了以下內(nèi)容：其一，自媒體是與大眾傳媒的組織化傳播相對應(yīng)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(xiàn)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(jī)構(gòu)化的傳播特征，自媒體是自發(fā)的、自主的，強(qiáng)調(diào)傳播者的主動性和傳

48、播內(nèi)容的個(gè)性化。（自媒體時(shí)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(lián)網(wǎng)出現(xiàn)之前，報(bào)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(bào)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?；ヂ?lián)網(wǎng)出現(xiàn)后，網(wǎng)上有海量的信息。受眾再也不必到街頭找報(bào)攤購買報(bào)紙，也不必在電視節(jié)目播放的時(shí)間段守著看想看的節(jié)目了。傳統(tǒng)媒體的壟斷地位被打破，在互聯(lián)網(wǎng)的沖擊下開始江河日下。近兩年來，報(bào)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(lián)網(wǎng)沖擊傳統(tǒng)媒體的直接結(jié)果。由于自媒

49、體的平臺在互聯(lián)網(wǎng)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(wù)將是繁重而且無意義的，從第（1）問和第（4）問所建模型的結(jié)果來看，發(fā)現(xiàn)一條信息在不同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(shù)的比例趨近于1，隨著時(shí)間的推移傳播者的數(shù)量急劇增加，在傳播者增加的同時(shí)，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(shí)，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(dāng)傳播者的數(shù)量開始減少的時(shí)候，免疫者數(shù)量增加的速度開始變快，但是到最后的階段當(dāng)傳播的數(shù)量越來越少，免疫者數(shù)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

50、是，一條消息在微博中傳播的各個(gè)節(jié)點(diǎn)時(shí)間。1 轉(zhuǎn)發(fā)周期微博轉(zhuǎn)發(fā)周期是指從發(fā)出微博到微博被淹沒的整個(gè)時(shí)間周期，掌握這一規(guī)律可以對預(yù)測虛假信息的社會危害提供依據(jù)。仿真結(jié)果表明，從微博信息發(fā)出后的第 8 天起，轉(zhuǎn)發(fā)量一直維持在一個(gè)比較高的水平且保持不變，由此可知，微博信息的轉(zhuǎn)發(fā)周期為 8 天。2 轉(zhuǎn)發(fā)上升拐點(diǎn)轉(zhuǎn)發(fā)上升拐點(diǎn)是指轉(zhuǎn)發(fā)量突然變多的臨界點(diǎn)，了解這一規(guī)律后就可以在拐點(diǎn)到來之前采取措施限制用戶轉(zhuǎn)發(fā)，從而最大限度地減少不良信息擴(kuò)散引發(fā)的社會問題。仿真結(jié)果表明 ，微博發(fā)出后的第3 天是一個(gè)關(guān)鍵臨界值，之前的轉(zhuǎn)發(fā)量變化緩慢，但是從第3 天之后轉(zhuǎn)發(fā)量開始呈現(xiàn)爆炸式的增長，所以基本可以判斷此點(diǎn)為轉(zhuǎn)發(fā)上升拐點(diǎn)

51、。3 轉(zhuǎn)發(fā)下降拐點(diǎn)轉(zhuǎn)發(fā)下降拐點(diǎn)是指轉(zhuǎn)發(fā)量突然變少的臨界點(diǎn)，如果不良信息已經(jīng)在用戶間擴(kuò)散，且已經(jīng)到達(dá)或者超過下降拐點(diǎn)，那么就沒有必要再采取措施加以監(jiān)管，因?yàn)閿U(kuò)散高峰已經(jīng)過去，從下降拐點(diǎn)起轉(zhuǎn)發(fā)數(shù)會迅速下降并最終被淹沒。仿真結(jié)果表明，從第 4. 5 天開始微博信息轉(zhuǎn)發(fā)量急速下降并最終降為 0，因此認(rèn)為此點(diǎn)為信息轉(zhuǎn)發(fā)下降拐點(diǎn)。對于自媒體平臺管理的建議：微博已經(jīng)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(nèi)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(jìn)行強(qiáng)行管制是不明智的，甚至?xí)?dǎo)致更為嚴(yán)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(shí)機(jī)，導(dǎo)致局面失控。微博的

52、開放性、自由性、廣泛性，要求管理者做到 “疏”、“堵”有度，科學(xué)管控。本文結(jié)合研究結(jié)論，對如何疏導(dǎo)微博中信息的擴(kuò)散、溝通、傳播提出三點(diǎn)政策建議。1 尊重信息擴(kuò)散規(guī)律，科學(xué)決策，高效管理從本研究來看，一般情況下一條微博的轉(zhuǎn)發(fā)周期為 8 天，據(jù)此可預(yù)測信息擴(kuò)散可能造成的危害大小。微博發(fā)出后的前 3 天是轉(zhuǎn)發(fā)平緩期，可以在這期間對虛假信息進(jìn)行治理，防止其進(jìn)一步擴(kuò)散引發(fā)社會問題; 微博發(fā)布后的第 4. 5 天是信息擴(kuò)散高峰期，這之后的轉(zhuǎn)發(fā)頻率會迅速下降，社會影響力逐漸減弱。管理部門應(yīng)根據(jù)信息擴(kuò)散的周期性特征，制定相應(yīng)的管理手段與管理工具，抓住管理時(shí)間窗口，實(shí)現(xiàn)高效管理。2 控制關(guān)鍵節(jié)點(diǎn)，引導(dǎo)輿論導(dǎo)向人

53、是信息擴(kuò)散中的核心主體?，F(xiàn)實(shí)社會中，個(gè)體并不是孤立存在，而是依附于基于關(guān)系的社會網(wǎng)絡(luò)上，個(gè)人在社交網(wǎng)絡(luò)中人際關(guān)系得到了最大化的延展。在虛擬的網(wǎng)絡(luò)環(huán)境下，民間意見領(lǐng)袖快速形成。意見領(lǐng)袖在網(wǎng)絡(luò)空間里往往具有超強(qiáng)的影響力，成為網(wǎng)絡(luò)輿論的重要引領(lǐng)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(yīng)該利用微博平臺，提高參與度，利用政府的公信力、權(quán)威性抑制負(fù)面信息的擴(kuò)散與傳播。3 關(guān)注敏感信息檢測，過濾負(fù)面信息信息的新鮮性、稀缺性、權(quán)威性等特點(diǎn)將直接影響信息接受者對信息的擴(kuò)散動機(jī)，使得不同特點(diǎn)的信息形成獨(dú)特的擴(kuò)散規(guī)律。因此，對于信息內(nèi)容的實(shí)時(shí)監(jiān)控可以在很大程度上抑制負(fù)面信息的擴(kuò)散，

54、減少可能帶來的社會風(fēng)險(xiǎn)。6.模型的評價(jià)與推廣優(yōu)點(diǎn)：模型運(yùn)用 MATLAB 、R等數(shù)學(xué)軟件構(gòu)建模型，通過具體數(shù)據(jù)，定量地對模型進(jìn)行仿真模擬，結(jié)果誤差較小，數(shù)據(jù)較為準(zhǔn)確。本文在經(jīng)典SIR感染模型的基礎(chǔ)上建立改進(jìn)的SIR傳染模型，將網(wǎng)絡(luò)信息與生物感染有機(jī)關(guān)聯(lián)。在參考Fisher模型和Diffusive Logistic模型后，進(jìn)一步建立了關(guān)聯(lián)信息相互作用的IDM模型，IDM模型對信息傳播趨勢的預(yù)測更加準(zhǔn)確。這兩個(gè)模型都涉及到生物，可以相對形象的展現(xiàn)出自媒體時(shí)代的消息傳播的過程。缺點(diǎn)：本文提出的改進(jìn)SIR微信息傳播模型沒有考慮用戶間的個(gè)體差異和微博信息的可信度；以及考慮用戶個(gè)體差異和偏好。推廣：進(jìn)一步研究會主要包括以下兩方面：首先，在本文提出的改進(jìn)SIR網(wǎng)絡(luò)信息傳播模型中融入網(wǎng)絡(luò)信息可信度進(jìn)行實(shí)驗(yàn)；其次,考慮微博用戶個(gè)體差異和偏好，在改進(jìn)SIR網(wǎng)絡(luò)信息傳播模型中加入?yún)?shù)進(jìn)行驗(yàn)證。7.參考文獻(xiàn)1.2. 錢穎，張楠，趙來軍，等.微博輿情傳播規(guī)律研究 J.情報(bào)學(xué)報(bào)，2012,31(12):1 299-1 3043. 鄭蕾，李生紅 基于微博網(wǎng)絡(luò)的信息傳播模型J 通信技術(shù)，2012，45(2): 39-414. Goyal a, Bonchi F, Lakshmanan LV.Le