基于Multi—Agent的政府干预下虚假舆情传播规律与控制决策
2018-07-11李春发刘凯王晟锴
李春发 刘凯 王晟锴
〔摘要〕[目的/意义]为研究政府干预对虚假舆情传播的影响。[方法/过程]首先，基于个体异质性，将群众进行分类，分析了各类群众之间的状态转移关系；然后，借鉴Bass模型，构建了在政府干预下虚假舆情传播扩散的数学模型；第三，使用Multi-Agent技术构建了群众状态转化逻辑关系来模拟仿真虚假舆情传播的规律；最后，考察了政府干预时间与干预强度对群众行为状态转化的影响。[结论/结果]经过理论建模和仿真分析验证了本文预测方法的有效性和可行性，将为政府准确把握虚假舆情传播规律、有效防控虚假舆情扩散蔓延提供理论依据。
〔关键词〕虚假舆情；个体异质性；Bass模型；Multi-Agent
DOI：10.3969/j.issn.1008-0821.2018.05.008
〔中图分类号〕C91263〔文献标识码〕A〔文章编号〕1008-0821（2018）05-0053-07
〔Abstract〕[Purpose/Significance]To research the influence of Propagation of false public opinion under the government intervention.[Method/Procedure]Firstly，based on individual heterogeneity，the masses were classified and the state transition relations among various masses were analyzed.Then，utilizing Bass model，the mathematical model was built for diffusion of false public opinion under intervention of government.Furthermore，the logical relation of mass state transformation was constructed by Multi-Agent technique，which simulated the law of the Propagation of false public opinion.Finally，the influence for state transformation of mass behavior was analyzed through governmental intervention time and intervention intensity.[Conclusion/Result]The prediction method was feasible by theoretical modeling and simulated analysis.The above theory research could make government accurately grasp Propagation law of false public opinion and provide references for government to make related policies
〔Key words〕false public opinion；behavior heterogeneous；Bass model；Multi-Agent
1現状分析
2013年10月，国务院颁布的《突发事件应急预案管理办法》要求针对政策部门重大突发涉政舆情必须快速反应、及时发声，在24小时内举行新闻发布会，并持续发布权威信息。这是由于突发事件发生必然伴随虚假舆情传播，引起不明真相民众的心理恐慌和信任危机，危害社会稳定和政府形象。如：2011年日本大地震发生后，有人在网上恶意散布我国近海海水被核污染，食用加碘盐可以有效预防核辐射，引发蔓延全国的民众抢购囤积加碘食盐事件，造成“抢盐风波”[1]。这主要在于社会低估了虚假舆情传播的能力，政府没能及时有效地防控虚假舆情传播；很多人在接受信息后采取了跟随模仿行为。随着新媒体的发展，突发事件中舆情的传播速度和范围也开始加剧，并出现了线上线下相结合的新特点[2]。因此，掌握虚假舆情的传播规律和政府如何干预虚假舆情的传播具有重要的理论和实践意义。
对于突发事件中舆情的扩散引起了诸多国内外学者的关注，研究方法主要集中于定性和定量分析。其中，定性分析主要利用传播学和社会学等多学科理论研究了网络舆情的传播过程和扩散机理，主要代表理论有生命周期理论[3]、群体极化理论[4]、扎根理论[5]和信息异化理论[6]等；定量分析主要是利用统计学、社会动力学和信息计算科学等定量的研究了网络舆情传播的规律和演化进程。主要代表方法和模型有微分方程[7]、系统动力学[8]、社会网络分析法[9-10]、元胞自动机模型[11]、演化博弈模型[12]和传染病模型[13]。
虚假舆情是不存在或被放大、掩盖的舆情[14]。陈艳红等梳理了虚假网络舆情的成因和影响[15]；林寒通过分析“上海女逃离江西农村”事件舆情，提出了网络虚假舆情传播的理论解释和现实逻辑[16]；兰新月分析了突发事件中网络谣言传播的规律，并进行了数值仿真验证[17]；以往虚假舆情研究主要从宏观视角出发，较少考虑民众个体间的信息交互和民众个体异质。在Multi-Agent系统中，Agent代表不同的个体，可以是完全异质的，Agent的加入和离开都是完全自由的，根据自己的个体属性，通过系统中Agent之间的共同协作，“自下而上”地涌现出集体行为。孙雷霆等基于Bass扩展模型，利用Multi-Agent建模和仿真技术揭示虚假舆情的传播规律[18]；考虑到政府的干预行为，王治莹等借鉴SEIR传染病模型，考察了政府在不同关注点进行突发事件干预对群众行为的影响[1]；兰月新等根据突发事件发展的4个不同阶段（事件发生、舆情产生、传播和事件平息）给出了在政府的应对策略[7]；崔鹏等[19]针对网络舆情演化规律，探究了政府应对能力指标在突发公共事件网络舆情生命周期中的演化态势。
有关网络谣言、虚假舆情传播研究已有大量成果[14-18]，但较少从微观层面上考虑政府对虚假舆情传播的干预作用，以及政府干预时间和干预强度的确定。本文利用Multi-Agent建模技术，通过定义Agent个体行为来进行模拟仿真当突发事件发生后虚假舆情传播的过程和群众状态转化趋势，结合仿真结果，考察政府在不同时刻和不同强度的干预下，受影响群众数量变化趋势，为政府有效引导控制虚假舆情的恶意传播提供参考依据。
2问题描述及模型建立
21Bass模型的扩展
Bass模型最早由Frank Bass于1969年在预测耐用消费品的销售量时提出，他将消费者分为潜在消费者和采纳消费者两类，潜在消费者接收信息的渠道主要考虑大众传媒等外部因素和人际交流等内部因素[20]。Bass模型的基本形式为：
dN（t）dt=[M-N（t）]p+qMN（t）， N（0）=0（1）
其中，M为最大市场潜力，N（t）为在t时刻累计采纳消费者数量；p和q分别表示外部影响强度系数和内部影响强度系数，且p，q介于（0，1），初始时刻采纳消费者数量为0。
突发事件发生后，虚假舆情的传播主要分为4个阶段：突破阶段，主要由大众传媒等外部因素作用使不明真相的群众相信虚假舆情；关键阶段，主要包括两种作用，即大众传媒等外部因素作用使不明真相的群众相信虚假舆情，同时已经采纳虚假舆情的群众通过群众间的交流进行传播；自我推动阶段，系统中已经有足够的群众采纳虚假舆情，从而虚假舆情扩散呈现相对稳定的增长，且更多表现为群众的主动采纳；饱和阶段，当虚假舆情被系统中大多数群众采纳，虚假舆情的扩散速度减慢，从而接近饱和，这与创新技术的扩散具有很强的相似性。
本文主要是利用Bass模型和随机社会网络来研究虚假舆情的扩散传播。由于虚假舆情传播的复杂性和不确定性，本文提出如下基本假设：
假设1：舆情传播渠道。主要考虑大众传媒等外部渠道和人际交流（口碑）等内部渠道。
假设2：社会网络中群众人口规模为常数。
假设3：政府目标主要是控制虚假舆情传播的范围且不存在投机主义。
假设4：口碑回归群众只接受口碑影响且状态转变可能性较小。
定义1：（群众类型）未接受任何突发事件舆情信息的人称之为未知群众；受大众传媒等外部因素接受虚假舆情并进行扩散的人称为大众传媒影响群众；大众传媒影响群众通过口碑途径传播虚假舆情使人们采纳，这类转变状态的群众称为口碑影响群众；大众传媒影响群众和受口碑影响群众即所有采纳虚假舆情的群众统称为受影响群众；受虚假舆情影响中的部分群众，经过自我教育或别人教育后可能意识到虚假舆情的错误性，开始传播更正后的舆情信息，这部分群众称为受教育群众；受教育群众遇到受教育群众，二者通过正面交流后进一步坚信虚假舆情错误性的群众称之为受教育口碑回归群众，简称口碑回归群众；受教育群众和受教育口碑回归群众即意识到舆情的虚假性而不进行虚假舆情传播的群众统称为回归群众。
定义2：（政府干预）政府具有官方性和权威性，在一定时间可以发布有关突发事件的真实信息，并可以采取一些措施，使未知群众和受影响群众意识到虚假舆情的错误性尽可能转变为受教育群众。
其中，M表示社会网络中群众人口规模，N1（t）、N2（t）分别表示在t时刻累计受影响群众数量和回归群众数量，则未知群众数量为N0（t）=M-N1（t）-N2（t）；N11（t）、N12（t）分别表示在t时刻累计受大众传媒影响群众数量和受口碑影响群众数量；N21（t）、N22（t）分别表示在t时刻累计受教育群众数量和受教育回归群众数量，且N1（t）=N11（t）+N12（t），N2（t）=N21（t）+N22（t）；p表示大众传媒等外部因素强度系数；q1、q2、q3分别表示未知群众、受教育群众和口碑回归群众经人际交流后受虚假舆情影响而改变自身状态的强度系数，显然，q1>q2>q3；q4、q5、q6分别表示未知群众、受影响群众和受教育群众经人际交流后受正面信息影响而改变自身状态的强度系数，显然，q4>q5，v11、v12分别表示大众传媒影响群众和口碑影响群众根据自身素质经过自我教育而意识到舆情虚假从而暂时改变自身状态的强度系数；Q（t，τ）=Q1（t，τ1）+Q2（t，τ2），Q1（t，τ1）=N11（t）l1（1+sign（t-τ1））/2，Q2（t，τ2）=N12（t）l2（1+sign（t-τ2））/2；l1、l2分别表示政府对受大众传媒影响群众和受口碑影响群众的干扰强度系数；τ1、τ2分别表示政府对受大众传媒影响群众和受口碑影响群众开始干扰的时间。
22群众状态转化规则
在群众人口规模一定的前提下，群众类型分为受影响群众和口碑回归群众两大类，细分为大众传媒影响群众、口碑影响群众、受教育群众和口碑回归群众4小类。虚假舆情主要受到大众传媒效应和口碑效应进行传播，群众个体作为社会关系网络上的节点，在与周围的临近的个体节点进行交互时，会受到临近个体节点的影响而产生一些特定行为，如接受對方观点或不改变观点，结合群众个体行为的异质性考虑，具体转化如下：
1）在大众传媒的效应下，一部分未知群众接受虚假舆情转化为大众传媒影响群众；
2）当大众传媒影响群众与其他非受影响群众个体进行交互时，其他非受影响群众个体可能接受虚假舆情的，从而转化为口碑影响群众；
3）当受影响群众（大众传媒影响群众与口碑影响群众）经过一定时间的自我教育后，部分大众传媒影响群众可能会意识到虚假舆情的错误性，从而转化为受教育群众；
4）当受教育群众与其他非受教育群众个体进行交互时，其他非受教育群众个体可能会意识到虚假舆情的错误性，从而转化为受教育群众；
5）当受教育群众与受教育群众个体进行交互时，二者可能会加强对虚假舆情错误性的认识，从而转化为口碑回归群众；
6）政府在一定时刻会对受影响群众进行教育，当受影响群众受到教育后可能会意识到虚假舆情的错误性，从而转化为受教育群众，转化的快慢主要取决于两个方面：政府的教育或干预强度；群众个体的意识。
23Multi-Agent模型
小世界问题最早由Milgram提出，通过实验认为社会网络中人与人之间的关系普遍存在小世界特性，即大部分的邻居或同事是他朋友的朋友，同时也存在一些较远的朋友。小世界网络模型为采用Multi-Agent技术仿真模拟虚假舆情的扩散提供了理论支撑，虚假舆情传播过程中群众个体具有一定的独立性、自适应性和个体异质性。采用Multi-Agent技术对系统中群众个体特征和个体行为异质性进行分析，将系统内群众个体映射为Agent，群众个体特征映射为Agent属性，群众个体行为映射为Agent的状态，利用Agent模拟仿真系统中群众个体间的交互作用，通过Agent行为来涌现系统整体变化趋势。
个体Agent相当于社会网络中的一个节点，且Agent随着模拟时间在一定范围内随机移动。本文Agent间信息的交互是基于距离来度量，即Agent之间的关系可用二者之间距离来表示，如个体Agent间的距离小于或等于某一规定值时，二者可以隨机建立某种交互，进行信息传播。当群众个体Agent在系统中随机移动时，与周边的群众个体Agent进行随机交互信息，群众个体Agent结合自己的情况决定是否接受对方所传播信息而改变自己的状态，因此，系统中群众个体Agent主要包括五种状态：未知、大众传媒影响、口碑影响、受教育和口碑回归。政府具有官方性和一定的权威性，在一定时间可以发布有关突发事件的真实信息或采取一些措施来抑制虚假舆情的扩散，从而影响系统内个体Agent对虚假舆情的认识，使未知群众、大众传媒影响群众和口碑影响群众接受教育，进而意识到虚假舆情的错误性可能转变为受教育群众。根据对Bass模型的扩展构建群众个体Agent转化逻辑关系，如图1所示。箭头表示各状态群众之间的转化关系。
3案例及对策分析
案例简介：2011年3月11日，日本发生90级地震，地震造成福岛核电站的核泄漏事件，导致核污染及核辐射蔓延，4天后有人传言海水被核污染且服用加碘食盐可以有效预防核辐射，导致不明真相的群众大量囤积加碘食盐，进而蔓延全国引发“抢盐风波”。
虚假舆情传播过程：最早出现食盐抢购事件发生在2011年3月14日，事件发生12小时内，虚假舆情的传播仅发生在东部沿海城市，未引起大众媒体关注；3月15日，有人将抢盐信息发布在微博上，其中由上海发出7条，宁波发出2条，福建发出1条；3月16日，东部沿海城市市场上的食盐被抢购一空，虽然有部分人意识到该信息为虚假信息，但相信的人还是占绝大多数，网上关于抢盐信息已达到了25 000余条，此时，江苏、上海等地方政府陆续发表公告和新闻发布会进行澄清，引导群众勿信谣、勿传谣；3月17日，事件依然没有得到有效平息，国家发改委与卫生部联合发布紧急通知，要求各级政府严厉打击造谣者和投机食盐的不法行为，并紧急抽调食盐稳定市场，最终抑制了虚假舆情的传播；3月18日，“抢盐风波”平息，群众恐慌解除，虚假舆情传播终止。
根据案例，我们可以得出，虚假舆情的传播若没有政府干预，其后果是难以想象的。政府干预时间和干预强度都会对虚假舆情的传播产生巨大影响。本文根据话题的敏感程度来决策大众传媒等外部因素对未知群众的传播效应。采用Anylogic823 Professional平台进行仿真实验。基于本文主要考虑在一定范围的随机社会网络中进行模拟仿真，结合实际人口密度，假定群众个体Agent的潜在最大数量为1 000；活动范围为1 000*800的二维空间；基于距离来传播信息，设定信息传播距离为20，即群众个体Agent间距离在20以内可以进行某种信息的传播。文献[18]针对该案例已经给出的虚假舆情传播时各状态之间的强度系数参数值，本文对文献[18]的调查数据进行借鉴，取p=0004，v11=v12=001；由于大众传媒的方式越来越多样化，各参数可以根据虚假舆情的类型、社会网络的不同和专家评价法设定虚假舆情的相关参数值，鉴于此，本文主要研究政府干预对虚假舆情传播扩散的影响，对于其他未知参数，在不影响或改变问题本质的前提下，可根据参数之间的逻辑关系进行适度假设。各状态转化的强度系数默认值，如表1所示。
由图2可知：1）0
对于虚假舆情如果没有政府的干预，仅仅靠群众的自我教育是远远不够的，尽管部分群众一开始意识到虚假舆情的错误性，但当大家都认为虚假舆情是真实的情况下，受教育影响群众也会慢慢跟随模仿周围群众的意识形态，再次转变为口碑影响群众，这将直接导致受虚假舆情影响群众的数量减缓较慢，最终可能引发不稳定事件发生。
因此，本文主要基于政府干预情境下，从干预时间和干预强度两个维度来研究虚假舆情的传播规律和特点。
由图2可知，虚假舆情传播的“起飞”时间在6～20h。现在我们在“起飞前”、“起飞开始”、“起飞中”和“起飞结束”4种不同阶段，选择不同的干预强度来研究受虚假舆情影响的群众数量变化趋势，其中强度意指受影响群众接受政府所采取的干预措施而以多大的概率进行状态的改变（如表2所示）。
31不同政府干预强度下受影响群众状态转变分析
假设政府开始干预时间不变，以无政府干预作为基础情景，依次令政府干预强度为01、02、03、04和05，其他参数按默认值进行仿真实验来考察受影响群众数量变化趋势，仿真结果如图3所示。
由图3（a）可知：在“起飞前”政府进行干预，强度为04和05的整体对受影响群众数量的干预效果差别不大；在模拟运行50h左右就可以将受影响群众数量控制在10%以下；在模拟运行80h时强度为03、04和05的干预效果基本趋于一致；在模拟运行100h时，强度为02的政府干预对受影响群众的干预效果也达到了20%以内，强度为01的与其他强度相比，干预效果明显较弱。此时，除采取政府干预除强度为01效果不是十分理想外，其他各强度均能较好的对受影响群众数量的变化趋势进行很好的管控。
由图3（b）可知：在“起飞开始”时政府进行干预，干预初期干预效果与干预强度呈正相关；在模拟运行100h时，干预强度为03、04和05的最终对受影响群众数量的干预效果差不多，均能低于10%；此时，采取政府干预强度为03时，干预效果整体上优于其他各强度。
由图3（c）可知：在“起飞中”政府进行干预，干预效果与干预强度区分较明显；在模拟运行100h时，干预强度为04和05的基本可以將受影响人数抑制在10%以下；此时，采取政府干预强度为04时，政府干预效果整体上优于其他各强度。
由图3（d）可知：在“起飞结束”后政府进行干预，干预效果刚开始与干预强度呈正相关；在模拟运行100h后发现干预效果聚合为3类：1）干预强度为04和05的效果差别不明显；2）干预强度为02和03的效果差别亦不明显，但二者显著比强度为01的较好；3）干预强度为01时，政府干预效果不明显。在模拟运行100h时，干预强度为04和05的干预效果将受虚假舆情影响人数抑制到总人数的20%左右。此时，采取政府干预强度为04是最优的。
32不同政府干预时间下受影响群众状态转变分析
假设政府对虚假虚情传播的干预强度不变，以无政府干预作为基础情景，依次令政府开始干预时间为3h、6h、12h和24h，其他参数按默认值进行仿真实验来考察受影响群众数量变化趋势，仿真结果如图4所示。
由图4（a）可知：当政府干预强度为01时，政府进行干预的时间对受影响群众数量的变化影响不是十分明显，尤其是“起飞前”和“起飞中”进行干预；在“起飞开始”时政府进行干预，干预效果要优于其他时间。
由图4（b）可知：当政府干预强度为02时，在模拟运行100h后，政府进行干预的时间对受影响群众数量区别比较明显。如“起飞前”政府进行干预则可以将受影响群众数量控制在10%以内；“起飞开始”时政府进行干预则可以将受影响群众数量控制在25%左右；“起飞中”政府进行干预则可以将受影响群众控制在40%左右；而“起飞结束”政府进行干预则受影响群众数量却保持在50%以上。若政府选择采取此强度的干预，则政府进行干预时间越早整体干预效果越明显。
由图4（c）可知：当政府干预强度为03时，“起飞前”政府进行干预则干预效果最明显，受虚假舆情影响群众数量最高才50%左右，且达到最高值后下降速度较快，在模拟运行70h时就可以将受影响群众数量控制在10%以内；“起飞开始”时和“起飞中”政府进行干预，受虚假舆情影响群众数量变化趋势比较相似，在模拟运行100h时都能将受影响群众数量控制在20%以内；“起飞结束”时政府进行干预，则干预效果不是十分理想，表现在受虚假舆情影响群众数量峰值与无政府干预时一致，且在模拟运行100h后，受虚假舆情影响群众数量仍保持50%左右。
由图4（d）可知：当政府干预强度为04时，“起飞前”政府进行干预其效果仍然优于其他时间进行干预；但在模拟运行100h时，“起飞前”、“起飞开始”时和“起飞中”政府进行干预，都可以将受虚假舆情影响群众数量控制在10%以内。
由图4（e）可知：当政府干预强度为05时，“起飞中”和“起飞结束”时政府进行干预，受虚假舆情影响群众数量峰值与无政府干预情况下差不多；“起飞开始”时政府进行干预，受虚假舆情影响群众数量峰值可以控制在65%以内；“起飞前”政府进行干预，受虚假舆情影响群众数量峰值可以控制在30%左右；但无论何时政府进行干预，此强度下都可以较好的抑制受虚假舆情影响群众数量的变化。
33政府应对虚假舆情传播的对策
根据以上分析的结果，政府在进行对虚假舆情传播干预时，政府的职责是控制受虚假舆情影响的群众数量；干预强度及时效性对政府的费用支出和公信力是呈正相关的。过强的干预或过早的干预会引发群众的质疑甚至会起到相反的作用，而较弱的干预或较晚的干预又起不到较好的干预效果。因此，要实现政府有效防治虚假舆情的扩散，政府应该从以下几个方面入手：1）提高政府对虚假舆情的防范意识，做到及时发现；2）建立舆情预警机制，加强对网络舆情，尤其对虚假舆情的监测；3）建立舆情评价专家库，合理评价虚假舆情传播规律，根据专家评估选择合适政府干预时间和干预强度；4）提高政府公信力，有效进行舆论引导；5）完善联动机制，实现传统媒体与新媒体的有效配合，利用新媒体及时做到舆情回复；6）提高群众受教育水平，进一步增强群众自身辨析虚假舆情的能力。
4结论
本文主要从个体异质性视角出发，针对虚假舆情的特点和传播规律进行仿真研究。首先，对虚假舆情的传播过程进行分析，将群众进行分类，确定群众类型状态及各状态之间的转移规则；然后，构建了在政府干预下虚假舆情传播的概念模型和Bass扩展模型；最后，建立了Multi-Agent状态逻辑转化关系，并确定利用Anylogic平台对虚假舆情的传播进行了模拟仿真，得到了虚假舆情传播扩散的“起飞”时间及受虚假舆情影响群众数量峰值，进而选择不同的政府干预时间和干预强度来对比考查政府对虚假舆情的传播扩散的抑制效果，为政府制定合理的应急策略提供一定的参考依据。
基于Multi-Agent的仿真研究不仅可以结合个体异质性来进行信息的交互，还可以通过大量个体行为涌现出群体宏观规律，具有微观与宏观相结合的双重优势。本文研究的不足在于只针对单一虚假舆情的传播擴散仿真研究，事实上在突发事件发生时是伴随着多种舆情信息的传播，因此，还可以进一步研究舆情间的传播竞争关系及在政府干预下舆情的传播趋势和规律，为政府更好地管控舆情提供有利的参考依据。
参考文献
[1]王治莹，李勇建.政府干预下突发事件舆情传播规律与控制决策[J].管理科学学报，2017，20（2）：43-52.
[2]王世雄，潘旭伟，姜毅.基于线上线下互动网络的社会共识涌现研究[J].情报杂志，2017，36（3）：67-73.
[3]谢科范，赵湜，陈刚，等.网络舆情突发事件的生命周期原理及集群决策研究[J].武汉理工大学学报：社会科学版，2010，23（4）：482-486.
[4]辛文娟，赖涵.群体极化视域下网络舆情的演化机制研究——以微博网民讨论“浙江温岭杀医案”为例[J].情报杂志，2015，34（2）：47-52.
[5]于兆吉，张嘉桐.基于扎根理论的突发性网络舆情演化影响因素研究[J].东北大学学报：社会科学版，2016，18（5）：498-502.
[6]李昊青.基于信息异化理论的网络衍生舆情演化规律及对策研究——以网络谣言治理为例[J].现代情报，2015，35（5）：4-8.
[7]兰月新，邓新元.突发事件网络舆情演进规律模型研究[J].情报杂志，2011，（8）：47-50.
[8]张一文，齐佳音，马君，等.网络舆情与非常规突发事件作用机制——基于系统动力学建模分析[J].情报杂志，2010，29（9）：1-6.
[9]Kim K，Baek Y M，Kim N.Online News Diffusion Dynamics and Public Opinion Formation：A Case Study of the Controversy Over Judges Personal Opinion Expression on SNS in Korea[J].Social Science Journal，2015，52（2）：205-216.
[10]石彭辉.基于社会网络分析的网络舆情实证研究[J].现代情报，2013，33（2）：27-31.
[11]方薇，何留进，孙凯，等.采用元胞自动机的网络舆情传播模型研究[J].计算机应用，2010，30（3）：751-755.
[12]韩少春，刘云，张彦超，等.基于动态演化博弈论的舆论传播羊群效应[J].系统工程学报，2011，26（2）：275-281.
[13]Freeman M，Mcvittie J，Sivak I，et al.Viral Information Propagation in the Digg Online Social Network[J].Physica A Statistical Mechanics & Its Applications，2014，415（415）：87-94.
[14]王靖元，张鹏，刘立文，等.网络谣言传播效能评价研究[J].情报杂志，2016，35（1）：105-109.
[15]陈艳红，杜艺薇.虚假网络舆情的成因、影响及控制[J].电子政务，2016，（5）：68-75.
[16]林寒.网络虚假事件传播的理论解释和现实逻辑——基于热点事件“上海女逃离江西农村”的舆情分析[J].北京理工大学学报：社会科学版，2016，18（5）：151-157.
[17]兰月新.突发事件网络谣言传播规律模型研究[J].图书情报工作，2012，56（14）：57-61.
[18]孙雷霆，李春发，陶建强.基于Multi-Agent的虚假舆情传播仿真[J].情报杂志，2017，36（4）：162-169.
[19]崔鹏，张巍，何毅，等.突发公共事件网络舆情演化及政府应对能力研究[J].现代情报，2018，38（2）：75-83.
[20]Bass，FM.A New Product Growth Model for Consumer Durables[J].Management Science，1969，15（1），215-227.
（责任编辑：孙国雷）
