文摘
互联网技术的快速发展促进了信息的传播,可以威胁到国家安全和公共卫生和有效控制民意沟通的过程是一个重要的主题在当代社会网络的研究。建立一个官方的受控舆论传播(OI-SEIR)模型基于延迟,延迟和转换的民意沟通的控制下官方信息。根据网络节点的影响力和重要性,我们从理论上推导出的态度转换节点的概率,使模型更符合实际情况。通过实际案例,我们分析了官方信息的重要影响公众舆论传播过程,为政府提供了理论依据和有关部门监督正确引导网络舆论,具有一定的现实意义。
1。介绍
目前,中国正处于经济发展和转型的关键时期。重大突发事件频繁发生,公众舆论可以由流行的互联网平台。因为网络的生成特点等许多方面,传播速度快,扩散范围广,当紧急情况发生时,网上舆论迅速蔓延。有关部门应对这些突发事件的不当可能导致公众舆论危机,甚至还会影响社会稳定。因此,研究官方信息对公众舆论的影响沟通是重要的舆论监督和维护公共安全。
在复杂和互联网络舆论形成1),因此可以被认为是类似于其他复杂网络为研究目的(2- - - - - -5]。传染病模型(6- - - - - -9)是一种常见的复杂网络建模方法,包括舆论网络。传染病模型部署为一个数学模型,模拟了信息传播过程通过舆论网络(10,11),使信息传播机制的详细分析(12- - - - - -14]。因此,本文提出一种基于官方舆论沟通模型基于一个复杂的网络信息控制。
2。相关工作
当前的民意沟通的研究主要集中在改善公众舆论通信模型。经典的爵士(15和姐姐16由Kermack建立传染病模型和麦肯德里克被赵发达到西珥模型et al。7),继续被广泛使用和改进基于实际情况和背景的变化。在一项研究[17),结核病毒分为两种类型:肺结核和肺外结核,后者病毒被认为是不会传染的,前者会传染的。另一项研究[18)提出了一种时滞的考虑,以普通感冒和淋病为例分析病人复苏在一定时刻相对于当前的状态和以前的状态。几项研究[19- - - - - -21)分层人口按年龄很大程度上是因为不同年龄的人通常有不同的疾病抗性、传输能力和康复能力。Bentaleb和Aminie提议multistrain西珥流行病模型与双线性和非事件函数(22]。吴等人提出了一个西珥nonlocalized扩散模型(23西珥,刘等人提出了一种新的谣言传播模型,该模型包括一个犹豫机制(24]。张和程SETQR模型建立和使用概率定理推导出信息传播法(25]。因此,之前的作品显著提高模型中的节点类型,从而更准确地模拟了舆论传播过程,它提供了一个参考控制公众舆论。
此外,王et al。26]介绍了最近的共同进化传播动力学的研究进展,强调贡献从统计力学的观点和网络科学。理论方法、临界现象、相变、互动机制,和网络拓扑的影响4代表类型的共同进化传播机制,包括生物感染性的共同进化,社会风潮,epidemic-awareness, epidemic-resources,详细介绍。Zhang et al。27提出了媒体和人际Relationship-SEIR (MI-SEIR)模型基于西珥的模型。该模型考虑的影响传播媒体传播和人际关系的意见。MI-SEIR模式传播节点分为三类:支持,中性,和反对。王等人。28]介绍了异构采用阈值分布为non-Markovian传播阈值模型,在一个单独的采用行为只有在收到邻居的累积行为的信息超过他采用阈值。为了了解异构采用阈值定量的影响,一个edge-based区划的理论。
然而,以上模型考虑外部干预机制对舆论传播模型。为了解决这个问题,钟和太阳29日)建立了一个舆论与政府干预下的一个控制系统通信模型。然而,这个系统认为谣言和官方信息同时发布,这并不能反映实际情况。赵和曹30.)建立了一个信息扩散模型的抑制官方非官方信息,信息的网络节点分为两类:易感,感染。然而,这个模型没有考虑公众舆论,不传播的知识信息,如节点的存在。Zhang et al。31日)建立了一个新的模型来支持外部控制,但这种模式没有区分官方感染传布和虚假的网络中感染的传布。模型忽略了一点,注入的官方信息,虚假信息传布可能转化为官方的信息传布。上述研究结果基本上是一致的一些特点和法律舆论传播的过程,但是都有自己的缺点和不足。
为了解决上述模型的缺点,本文建立了OI-SEIR模型来支持官方的控制信息。该模型主要关注以下三个方面的考虑。(1)时间延迟。虚假信息和发布的官方信息往往不是在同一时间。虚假信息生成后,网络舆论形成,造成不利影响,前官员可以在网络发布正确的信息。因此,官方的信息延迟而虚假信息。(2)延迟。有大量的用户在网络舆论接受但暂时扣留从传播的信息。因此,可以认为这些用户潜在的节点,这可能更容易改变状态时注入官方信息,从而支持官方信息的传播。(3)转换。官方信息的注入可以转换虚假信息传布官方信息传布。因此,OI-SEIR模型将分销商的官方信息和虚假信息,可能更适合实际情况。
3所示。西珥的模型
西珥模型如图1。在西珥模型中,节点集分为四类:(易感节点),(暴露节点),(感染节点)(恢复节点)。易感节点代表最初的用户还没有收到任何消息。暴露节点接收一条消息,但并不代表用户传播它。受感染的节点代表了用户接收信息和传播信息。恢复节点代表的用户不再传送信息或失去兴趣她/他传递的信息。每个节点之间的转换概率如表所示1。节点状态之间的转移概率的区间,也就是说, 。
让网络中节点的总数 ,和所代表的信息传播时间 。西珥的信息传播过程模型是描述如下。
当 ,网络中虚假信息生成。当 ,易感节点在网络第一次转换暴露节点的概率 ,然后暴露节点转换为感染节点的概率 。易感节点也可以直接转化为感染节点的概率 。最后,受感染的节点可以被转换成恢复节点的概率 ,和恢复节点可以被转换成易感节点的概率 。
在时间 ,敏感的比例,暴露,感染和恢复网络中的节点 , , ,和 ,分别。因为网络中用户的总数不变,可以得到以下方程:
西珥的微分形式模型所示以下方程:
4所示。OI-SEIR模型
4.1。网络描述
让网络成为公众舆论 ,在哪里在网络的节点集,在网络边缘设置,节点类型的集合,代表虚假信息,代表官方信息。
4.2。节点划分
OI-SEIR模型中,节点集分为五类:(易感节点),(暴露节点),(假感染节点),(官方感染节点)(恢复节点),如表所示2。
4.3。通信机制
OI-SEIR模型包含一个信息传播层和官方的控制层,如图2。控制层的信息包括易感节点 ,暴露节点 ,假感染节点 ,和恢复节点 ;官方控制层包含官方感染节点 。每个节点之间的转换概率如表所示3。
让网络中节点的总数 , ,和对于给定的网络将保持不变。节点状态之间的转移概率的区间 ;也就是说, 。所代表的信息传播时间 。在时间 ,OI-SEIR模型中的信息传播过程描述如下:(1) :网络中虚假信息生成。(2) :只有网络中的虚假信息。易感节点在网络第一次转换暴露节点,然后暴露节点转换为假感染节点 ,根据各自的概率。易感节点也可以直接转化为假感染节点,假感染节点可以被转换成节点,恢复和恢复节点可以被转换成易感节点,后又各自的概率。(3) :公众舆论中的虚假信息传播网络一段时间之前,政府部门发布的官方信息,引导舆论,避免虚假信息的进一步传播。在这篇文章中,这一次用 。(4) :虚假信息和官方信息网络中共存。各种类型的网络节点开始被转化为官方感染节点,根据表中给出的概率2。其中,官方感染易感节点转换节点的概率称为直接免疫率;转换暴露节点官方感染节点的概率称为潜在的免疫接种,并将错误的概率感染节点官方感染节点称为感染免疫。如果政府成功地引导公众舆论,只有官方的网络中感染的节点将会随着时间的推移,而如果政府失败,只假感染节点将持续下去。
在时间 ,敏感的比例,暴露,虚假的感染,官方的感染,和节点在网络中恢复过来 , , , ,和 ,分别。因为网络中用户的总数是假定保持不变,
在 ,即在初始时刻的信息传播,网络中每个节点占用以下比例:
OI-SEIR模型的微分形式如下:
上述分析表明,官方感染网络中节点的比例是一个重要的因素在评估的影响官方舆论的控制信息通信。因为官方感染节点的数量直接影响免疫 ,潜在免疫率 ,和感染免疫 ,余下的这一分析侧重于这三种类型的免疫水平。
5。免疫速率基于价值的态度
5.1。态度的价值
态度的节点值表明,在很大程度上,承认收到正式的节点信息t,其值随时间变化所表达的(4):
在这里, 代表的态度值 节点的时间 。当 ,节点完全拒绝接收到的信息;当 ,节点完全接受收到的信息。代表节点之间的态度影响,价值的态度在某一时刻受到当时网络中的其他节点。
在这里,是一组影响的态度值节点的节点类型在时间 ,被称为影响集。设置的影响包括假感染节点和官方的感染节点 ,也就是说, 。 表明态度的价值在时间 。 表示节点的状态的比例在网络的时间 。
5.2。免疫速率
后与政府干预的时间延迟 ,各种类型的节点在网络舆论开始切换到官方感染节点。下面,我们定义的直接免疫 ,潜在免疫率 ,和感染免疫 ,分别。
直接免疫速率如下:
潜在免疫率如下:
感染免疫速率如下:
6。模拟验证和分析
进行仿真分析公众舆论传播过程的控制下官方信息。案例介绍和分析如下。
6.1。案例介绍
涉嫌绑架的情况下女性的北京大学硕士在美国拍摄为例来研究控制效果的官方信息舆论传播过程和不同的干预点和干预的影响强度的控制效果。
2017年6月12日,《人民日报》等许多官方微博账户,头条新闻,中央电视台新闻联播等发布微博条目名为“北京大学女硕士在美国和涉嫌绑架了“假警察”。”这个标题发布在微博上迅速引起激烈讨论中成千上万的微博用户,他们表达了对这一事件的态度不同。2017年6月15日,时隔三天,许多官方微博账户发布另一个微博条目名为“联邦调查局分类这个失败的案例作为绑架。“在这一点上,微博用户的各种猜测逐渐消退的控制下的官方信息,开启新一轮的讨论基于验证信息。
6.2。官方舆论信息交流的控制效果
获取初始参数对于这种情况,公众舆论传播的整个过程必须实时跟踪,和详细的统计分析必须的状态变化上进行所有的用户在微博的客户端,这是高度复杂的。仍然为了减少复杂性和确保数据的准确性,本研究选择《人民日报》的官方微博上有大量的微博粉丝和刺激许多粉丝互动,这些统计分析的对象。初始节点比率和转化率个价值观,态度和初始值,初始免疫速率,延迟后统计结果使用专业爬虫工具进行数据抓取。
第一,信息传播过程在西珥模型进行了分析,也就是说,非官方控制下的舆论传播的过程。参加试验的初始参数设置如表所示4,仿真结果如图3,信息传播的横坐标表示时间,纵坐标表示各种类型的比例(%)西珥的网络预测模型。蓝色实线表示的比例的变化敏感节点在信息传播的过程中。黄色和绿色虚线表示变化的暴露和感染节点的比例在信息传播的过程中,分别。红色虚线表示的比例的变化恢复节点在信息传播的过程中。
下面的可以从图3:
(1) 易感节点的数量在网络变化线性和迅速减少,变成暴露节点和被感染的节点。因此,信息暴露节点和感染节点的数量迅速增加。与此同时,恢复节点数量的增加略从0。(2) 易感节点的数量接近0,和暴露和感染节点的数量已达到最大,约占整个网络的50%和45%,分别。同时,恢复节点的数量继续增加。这仅仅表明,当舆论爆发,传播速度非常快。(3) 后 ,易感节点的数量继续减少,直到 ;易感节点的数量是0。与此同时,暴露和感染节点的数量慢慢减少,最终稳定。暴露和感染节点的比例在整个网络约40%和20%,分别。当t= 30,恢复节点的数量继续增加,最终稳定后t= 60。恢复节点在整个网络的数量约占40%。整个舆论传播网络稳定后t= 60。
通过各个节点的数量的变化在信息传播的过程中,可以看出,在没有政府干预的情况下,只要花了60天稳定分布的网络民意的情况下从北京大学女学生被“假警察”在美国,这意味着人们不关注网络事件和网络舆论将基本上是稳定的舆论传播的时间足够长。
然后,OI-SEIR模型中的信息传播过程进行了分析,也就是说,官方控制下的舆论传播的过程。参加试验的初始参数设置如表所示5。仿真结果如图所示4,信息传播的横坐标表示时间,纵坐标表示各种类型的比例(%)网络OI-SEIR预测的模型。蓝色实线表示的比例的变化敏感节点在整个信息传播过程。绿色和红色虚线表示变化的暴露和假感染节点的比例,分别和绿色框和紫色星星的曲线表明官方感染节点的比例的变化和恢复节点,分别。
下面的可以从图4:
(1) 易感节点的数量减少线性和迅速的,而暴露和假感染节点数量的增加线性和迅速的。与此同时,稍微恢复节点数量的增加。(2) 易感节点的数量接近0,而暴露和假感染节点的数量已达到最大,约占50%,45%的整个网络。(3) 易感节点的数量继续减少,直到t= 2,和易感节点的数量是0。假感染节点的数量几乎是稳定的。暴露节点的数量正在慢慢减少。恢复节点的数量继续增加。干预前的政府信息,对比西珥模型和OI-SEIR模型后的头三天爆发的公众舆论,两个模型中的每个节点的变化趋势基本上是相同的,这意味着公众舆论传播的趋势基本上是相同的,和传播速度非常快。(4) 当 ,注入的官方信息,公众舆论的方向变化。易感节点的数量是0。假感染节点的数量迅速下降。当 ,假感染节点的数量是0,最后消失在网络。同样,暴露节点的数量迅速下降。当 ,暴露节点的数量是0,最后消失在网络。恢复节点的数量继续增加线性。然而,相比之下,图3,信息被感染节点的数量慢慢减少,最终趋于稳定 。当 ,暴露节点的数量慢慢减少,和之后 ,它稳定。西珥模型和OI-SEIR模型比较,可以看出,3天之后爆发的公众舆论,由于政府干预,敏感,暴露,感染和假OI-SEIR模型中的节点迅速减少,而恢复和官方感染节点的数量增加迅速,而流行很快稳定下来。从西珥模型没有政府干预,将需要较长时间才能稳定。
西珥模型和OI-SEIR模型的基础上,可以看出是非常重要和有效的为政府和有关部门控制和引导网络舆论。官方信息的注入成功更改网络舆论的方向,引导正确的方向,以避免虚假信息的进一步传播。
6.3。影响因素的官方信息控制效果
6.3.1。延迟的影响在官方信息的控制效果
延迟的影响在官方信息的控制效果进行了分析通过改变延迟 ,如图5,轴和传说是一样的图4。图5表明,延迟没有变化的总体趋势扩散通过舆论网络虽然延迟增加网络中的虚假信息传播的时间。因此,延迟越小早些时候,也就是官方的信息注入公众网络,从网络虚假信息消失越快,越快舆论网络是稳定的。
再。直接免疫的影响在官方信息的控制效果
直接免疫的影响官方信息的控制效果进行了分析通过改变初始直接免疫 ,如表所示6。仿真结果如图所示6,轴和传说是一样的图4。图6显示初始直接免疫减少了。延迟后 ,官方感染网络中节点的比例显示了峰值随波型,每个周期,最终稳定。网络中的虚假感染节点的比例逐渐减少但出现反复,直到最终的稳定。因此,直接免疫有重大影响的指导效果官方舆论的信息网络。一个初始直接免疫率不足将大大削弱官方信息的控制效果,使网络中虚假感染节点的再现和减少官方消息的导向作用和延长时间的释放公众舆论。
6.3.3。潜在免疫速率的影响在官方信息的控制效果
潜在的免疫的影响在官方信息的控制效果进行了分析通过改变最初的潜在的免疫水平 ,如表所示7。仿真结果如图所示7,轴和传说是一样的图4。图7表明减少最初的潜在的免疫水平减少的速度减少潜在的网络中节点但几乎没有影响假感染节点的速度消失在信息传播。因此,最初的潜在的免疫可以增加网络达到平衡所需的时间,降低了效率的信息指导。
6.3.4。感染免疫的影响在官方信息的控制效果
感染免疫的影响在官方信息的控制效果进行了分析通过改变初始感染免疫 ,如表所示8。仿真结果如图所示8,轴和传说是一样的图4。图8表明,减少初始感染免疫严重降低了假感染节点的速度消失在信息传播过程中。因此,尽管感染免疫利率不会引起错误的感染节点出现在网络,感染免疫加息指导信息传播方向上的困难。因此,感染免疫有重大影响的指导效果官方舆论的信息网络,低初始直接免疫率削弱控制效果,让假感染网络中的节点持续更长一段时间。
7所示。结论
提出了一种模型,考虑时间延迟的特点,延迟,在信息传播的过程和转换,官方信息输入。直接免疫,潜在的免疫速率、和感染免疫速率OI-SEIR模型推导出根据节点的态度值。我们选择了一个突出的新闻话题微博作为一个实际算例,验证了该模型的模拟。仿真结果显示官方舆论信息传播的控制效果OI-SEIR预测的模型,并证明了直接的、潜在的,和感染免疫利率影响官方信息的指导效果,直接免疫利率有最大的影响,其次是感染免疫率和潜在的免疫水平。本文的研究工作表明官方信息,引导舆论的重要作用,并研究不同类型的免疫利率的影响可以阐明信息传播行为在复杂网络和提高效率的信息指导。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称他们没有利益冲突有关的出版。
确认
这项工作是支持的子工程国家重点研究和发展计划(批准号2020年2020 yfc1511704),中国国家自然科学基金(批准号61971048),北京科技项目(批准号Z191100001419012),科研水平改善项目,促进学校内涵发展的2020年北京信息科技大学(没有。2020 kynh212)。