双层社交网络信息传播模式研究

黄田田

摘 要：随着信息传播平台的多样性，多层社交网络的信息传播得到了广泛的关注。建立合理的传播模型，对于后续研究的进行以及传播效率和效果的控制具有重要的意义。在此背景下，结合单层社交网络的信息传播知识，利用因素耦合思想对双层社交网络的信息传播机制进行说明，指出用户可能因为过度接收信息而导致失活的情况，并建立P-SIR模型，利用Matlab进行仿真。结果表明，双层网络的信息传播速度明显大于单层网络，同时可以通过控制一些关键因素来对传播概率进行控制，以达到提高信息传播的速度，扩大信息传播范围的目的。

关键词：信息传播;因素耦合;传播机制

中圖分类号：G206        文献标志码：A      文章编号：1673-291X（2019）07-0169-02

引言

在互联网技术被频繁使用的背景下，各类信息可以在线上—线下平台之间交互渗透，大众可以根据自己的传播意愿选择传播平台，也就意味着同一个体既可以以网民身份在互联网平台上与其他网民进行沟通交流、分享信息，也可以在现实生活网络中与其他个体进行互动并建立社交关系，这就使得 “线上—线下”社交网络的交互信息传播模式成为了研究热点。

国内外学者致力于相关方面的研究，如今已经获得了许多的研究成果。张伦等指出不同的信息在传播过程中的侧重点不同，有的强调及时性，有的强调数量[1]。Ksenia Koroleva等研究了节点影响力，以及节点之间关系对信息传播的影响[2]。J.C.Louzada Pinto等人基于霍克斯过程进行建模分析，指出在信息传播过程中关系越近的人越容易影响接受者[3]。沈迪等建立级联失效模型，给出各网络的节点介数定义式和节点失效后节点负荷重分配的分布概率表达式，并对双层网络之间的相互影响进行说明[4]。胡斌等从双层网络来进行RBF网络的建模，然后通过仿真实验得出双层网络的速度和误差精度上都要优于单层网络[5]。梁蕾等以传染病模型为基础建立了SAIS模型，给出第二阈值的表达式，并利用具体阈值进行拟合验证结论表明，信息的传播会对疾病的传播造成一定的影响，即会提高传播的第二阈值[6]。

基于上述研究成果，本文在对比单层社交网络和双层社交网络影响的基础上，对双层社交网络的信息传播内容、影响因素以及传播机制进行了详细说明，然后根据双层网络的特点结合传播机制建立P-SIR信息传播模型，并利用Matlab进行仿真分析。

一、信息传播机制分析

随着影响因素的复杂化以及因素耦合的作用，其传播机制也变得复杂了起来。双层社交网络中，信息传播机制的改变主要是传播方式和传播渠道的改变[7]。从传播方式来说，不仅有同层个体间的信息分享与交流，还存在不同层间个体的交互传播[8]。从传播渠道来说，在双层社交网络中，个人可以根据自己的需求选择传播渠道，若是强调范围便选择线上为主，若是强调效果便选择线下为主[9]。正是由于这种线上—线下网络之间信息的交互传播，使得信息的传播范围和传播效果都发生了改变。同时由于双层网络间信息传播的影响因素之间也存在着一种相互影响的关系，各影响因素在影响信息传播的过程中也会不断受到其他因素的影响，然后共同作用于信息传播，即对信息传播造成双影响，这就使得层与层间的信息传播变得更为复杂了，对信息传播的影响更加剧烈了。

二、双层社交网络间信息传播模型分析

参照单层社交网络结构对双层社交网络结构进行定义：将网络结构抽象成一个立体结构，考虑到节点在线上和线下网络所具有的不同连接关系，用G={V，E1，E2}来表示，其中V表示节点的集合，既是线上社交网络的一个个账号又是现实社交网络的个体（包括信息传播过程中的信息传播主体和信息传播客体），E1表示线上网络中节点与节点之间的连边（即线上网络中节点与节点之间的关系集合），E2表示线下网络中节点与节点之间的连边（即线下网络中节点与节点之间的关系集合）。一般会用具体权重来表示各节点之间的关系紧密程度，但本文主要是对各因素耦合的影响进行研究，因此假设各节点之间的关系是相同的，不具体区分。

通过对双层社交网络的传播机制和信息传播过程的研究，我们通过在SIR模型基础之上考虑到节点可能由于接收过多的信息量而导致失活的情况，对双层社交网络信息传播过程中的节点具体划分为四种：易感状态S、感染状态I、失活状态P、免疫状态R，建立P-SIR信息传播模型.结合双层网络间信息传播的影响因素和传播机制，应用概率统计的知识对整个双层社交网络间的信息传播所涉及的主要参数做出说明。假设在信息传播过程中，以个体i为说明背景，运用概率统计的知识对信息传播过程中的各概率进行解释。

1.节点从易感状态转变为感染状态的概率？姿。节点从易感染状态转变为感染状态主要包括在某一层内就被感染和经过层间共同作用而被感染。在某一层内被感染是指在信息传播过程中，某易感染个体在线上网络或者线下网络中接收来自邻居节点的信息而积累的信息量超过阈值低于处理值被激活，此时的感染概率？姿1表示事件A1和事件A2中任一事件发生的概率。当节点在线上和线下网络中，在各层内接收的信息量均不属于阈值与处理量所组成区间内时，对线上线下网络中获得的信息量进行整合，整合规则是将线上获取的信息量和线下获取的信息量相加之后除去公共部分，若是整合之后的信息量超过阈值而且低于处理值，则节点便被层间作用给激活，此时的概率？姿2表示在事件A1∪A2和事件B1∩B2均不发生的情况下，事件C发生的概率。

2.节点从易感染状态转变为失活状态的概率？滓。节点从易感染状态转变为失活状态也存在两种情况，第一种是节点分别在线上和线下接收的信息量都超过了处理值，即节点无论是在线上网络中还是线下网络中都会因为接收过多的信息量而失活，此时的转变概率？滓1表示事件B1和事件B2同时发生的概率。第二种情况是节点在线上网络和线下网络接收的信息量都未满足激活的条件，而在层间作用机制的影响下，对线上—线下网络中接收的信息量进行整合，若整合后累计的信息量超过了最大处理值，导致节点失活，此时的转变概率？滓2表示在事件A1∪A2和事件B1∩B2均不发生的情况下，事件D发生的概率。

3.节点从其他状态转变为免疫状态的概率？滋。由于本文主要对信息传播过程中节点的激活机制进行研究，因此我们假设信息传播周期无限长，就是说无论节点处于什么状态，最终都会转变为免疫状态。因此在本文研究中，我们将节点转变为免疫状态的概率设定为1。

结语

本文借鑒物理学中多因素耦合思想以及传播动力学理论和方法，在SIR模型的基础上，考虑实际网络中可能会出现接受信息量过度而导致节点失活的情况，建立了双层社交网络信息传播模型P-SIR模型，探索了信息传播受各影响因素耦合的影响。研究结果显示，随着互联网的发展，双层社交网络比单层社交网络更利于信息传播的进行，同时各因素之间的耦合作用也会影响信息的传播。因此，对于需要进行信息传播的发布者而言，合理地利用线上、线下网络以及合理地进行传播途中影响因素的控制至关重要。

参考文献：

[1]  张伦，胥琳佳，易妍.在线社交媒体信息传播效果的结构性扩散度[J].中国传媒大学学报，2016，（8）：130-135.

[2]  Ksenia Koroleva;Gerald C.Kane.Relational affordances of information processing on Facebook[J].Information and Management，2017，（5）：560-572.

[3]  J.C.Louzada PintoaAuthor Vitae.T.ChahedaAuthor Vitae.E.AltmanbAuthor Vitae.A framework for information dissemination in social networks using Hawkes processes[J].Performance Evaluation，2016：86-107.

[4]  沈迪，李建华，熊金石，张强，朱瑞.一种基于介数的双层复杂网络级联失效模型[J].复杂系统与复杂性科学，2014，（3）：12-18.

[5]  胡斌，王敬志，刘鹏.基于双层网络的混合PSO算法的RBF建模[J].西南科技大学学报，2011，（2）：78-81.

[6]  梁蕾，刘桂荣.重叠网络上信息与疾病传播模型及其分析[J].山东大学学报：理学版，2016，（11）：107-114.

[7]  任福兵.网络危机信息传播的基本规律分析[J].情报理论与实践，2014，（4）：42-47.

[8]  王晰巍，邢云菲，赵丹，赵军.移动环境下网络舆情信息传播路径及传播规律研究[J].情报理论与实践，2016，（9）：107-113.

[9]  纪慧生，蔡东妮.微信公众号信息传播影响因素分析[J].集美大学学报：哲学社会版，2016，（4）：107-115.