融入改进SIR模型的政府数据开放平台传播

2020-10-20朱晓峰杨建豪蒋勋

现代情报 2020年10期

朱晓峰杨建豪蒋勋

摘要：[目的/意义]研究政府数据开放平台传播，有利于提高平台的知名度、扩大平台的影响力，有助于直接改善政府数据开放和利用的效果。[方法/过程]本文以经典SIR模型为基础，加入共生关系这一影响政府数据开放平台传播的关键因素，构建政府数据开放平台传播模型，最后，使用MATLAB软件进行数值仿真。[结果/结论]研究结果表明，“独立共生—偏利共生（用户受益）—互惠共生”的演变路径更符合整体利益;互惠共生模式下，平台传播效果最佳;偏利共生（平台受益）模式下，平台传播效果最差。

关键词：政府数据开放;共生;传播;SIR模型

DOI：10.3969/j.issn.1008-0821.2020.10.013

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2020）10-0122-10

Government Data Open Platform Dissemination

Integrated with Improved SIR Model

——Construction and Simulation of Symbiotic Evolution Model

Zhu Xiaofeng1 Yang Jianhao1 Jiang Xun2

（1.School of Economics and Management，Nanjing University of Technology，Nanjing 211816，China;

2.Jiangsu Key Laboratory of Data Engineering and Knowledge Services，Nanjing 210023，China）

Abstract：[Purpose/Significance]Research on the spread of open platform of government data is conducive to improving the popularity of the platform，expanding the influence of the platform，and directly affecting the effect of the opening and utilization of government data.[Method/Process]Based on the classic SIR model，the model of open platform of government data was constructed，by adding symbiosis which was the key factor that affected the spread of open platform of government data.[Result/Conclusion]The results showed that the evolution path of“independent symbiosis-partial benefit symbiosis（user benefit）-mutual benefit symbiosis”was in line with the overall interests;under the mode of“mutual benefit symbiosis”，the effect of platform transmission was the best;under the mode of“partial benefit symbiosis（platform benefit）”，the effect of platform transmission was the worst.

Key words：government data opening;symbiosis;transmission;SIR model

政府數据开放是大数据时代的产物，截至2019年，我国已有82个城市开放了政府数据平台，涉及15个领域的政府数据，数据集总量达到了62 801个[1]。在共建共治共享的社会治理格局下，政府数据开放平台的理论价值与实践意义日益重要，也日益成为学者研究的焦点[2]。

早期关于政府数据开放平台的研究，主要聚焦于平台自身，如平台的基础性理论研究（Sieber R E等[3];黄思棉等[4];Wang H J等[5];吴湛微等[6]）、平台现状调查研究（黄如花等[7-8];杨瑞仙等[9];东方[10];曾粤亮[11]）以及平台的评价（Alexopoulos C等[12];张子良等[13];陈水湘[14]）。近期研究，在探索如何构建政府数据开放平台之外（陈美[15]），日益关注平台用户，包括平台用户体验研究（Ruijer E等[16];朱红灿等[17]）、平台用户使用意愿研究（高天鹏等[18]）、平台用户情感分析（刘桂琴[19]）、平台用户隐私保护（杜荷花[20-21]）等。

但是，已有研究都是从平台或用户单一视角研究政府数据开放平台。从实际实用效果而言，国内现有政府数据开放平台的实际利用效果差强人意。例如，广东省数据开放平台最新发布的2019年各市公共预算收支数据目录中，全年浏览次数仅4 153次，下载次数更是只有3 266次。

因此，仅仅研究政府数据开放平台或者用户本身，而不考虑政府数据开放平台与用户的互动关系，不从各方协同发展角度考虑利益均衡，不秉持系统发展理念梳理数据开放平台与用户之间互动优化历程，势必不能发挥政府数据开放平台的真正价值。

政府数据开放平台作为政府数据资源传播的网络媒介，是连接数据供给侧和利用端的通道、开放和获取数据的载体[22]。因此，政府数据开放平台传播，就是指政府数据开放平台与用户的互动关系，它本质上和信息传播、疾病传播一样，都是因为“接触”而形成的交往、传递与沟通[23]。换而言之，政府数据开放平台传播，是指平台和用户之间有目的的传递、交流、反馈等一系列行为或过程。

目前关于信息传播机理模型的研究，最经典就是SIR传染病模型（姚晶晶等[24];马全恩等[25]）。由于研究对象的差异，诸多学者纷纷将各自研究对象的关键因素引入经典SIR模型加以改进，如顾秋阳等在经典的SIR模型中引入网络用户数量作为关键因素，准确描述了网络谣言的动态传播过程[26];魏静等在经典的SIR模型基础上，引入了微博模拟网络作为关键因素，并总结了网络舆情的传播过程[27]。

对于政府数据开放平台传播而言，它是一个多主体、动态演进的过程，各个利益主体间联系紧密、互有裨益，可视为一个整体，也就是说，政府数据开放各利益主体按照某种共生模式共同运作[28]。因此，共生关系将成为政府数据开放平台传播的关键因素，将其纳入经典的SIR传染病模型中，能够更全面、更切实地研究政府数据开放平台的传播过程。

综上所述，本文拟在经典的SIR模型基础上，引入各个利益主体间的共生关系作为关键因素，以期能够全景展现政府数据开放平台传播的演变趋势，从而提高政府数据开放平台的知名度和使用效果，最终真正释放出政府数据潜在的巨大经济价值和社会价值。

1 共生视角下政府数据开放平台传播模型构建

11 经典的SIR传染病模型概述

经典SIR模型假设在总人数M保持稳定的前提下，将人群分为易感者S（Susceptible）、感染者I（Infective）、免疫者R（Removal），分别代表可能患病的人、已经患病的人和患病后恢复的人。其中，感染者所产生的感染率为α，感染者被治愈的概率为β，易感者会在感染率α的作用下成为感染者，感染者会在治愈率β的作用下成为免疫者，转化规则如图1所示：

12共生视角下改进的SIR模型假设

从用户和平台获益的角度，政府数据开放平台各个利益主体之间的共生关系可以分为独立生存、偏利共生和互惠共生[29]。独立共生表示政府数据开放平台与用户相互独立;偏利共生表示平台或用户其中一方受益而另一方无损益;互惠共生表示平台和用户皆受益。其中，偏利共生分为两种情况，即用户受益和平台受益。

1）用户状态划分及参数说明

在政府数据开放平台中，假设用户总量为M并保持稳定，按照对政府数据开放平台的了解和使用情况，将政府数据开放平台用户划分为平台潜在用户（S）、平台受益用户（Ib）、平台不受益用户（Ig）和平台弃用者（R）。其中，平台潜在用户是指平台的浏览者，他们可能对政府数据开放平台有某种程度的了解但从未正式使用过;平台受益用户是指使用平台获取自己所需数据的用户;相反地，平台不受益用户指未能通过平台获取其所需数据的用户;平台弃用者是指有使用经历后来但是放弃不再使用平台的用户。4类用户的人数分别为S（t）、Ib（t）、Ig（t）和R（t），在总用户中所占比例分别为s（t）、ib（t）、ig（t）、r（t）。

在政府数据开放平台传播中，存在转化率λ，共生作用率θ和弃用率μ，以及新用户进入传播系统的概率A。转化率分为受益用户引发的正面转化率λ1和不受益用户引发的负面转化率λ2;不同共生模式对用户状态的影响记为共生作用率θ;将受益用户、不受益用户和潜在用户弃用平台的概率分别记为弃用率μ1、μ2、μ3。具体模型参数及说明如表1所示。

2）转移规则

在政府数据开放平台传播中，平台用户状态转移规则为：平台潜在用户逐渐接触两类平台用户（受益类用户和不受益类用户）时会以一定的转化率成为某一类平台用户，其中，被受益用户影响成为新的平台受益用户的转化率，被称为正面转化率λ1，被不受益用户影响成为新的平台不受益用户的转化率，被称为负面转化率λ2。共生作用率θ会使平台不受益用户向平台受益用户发生转变。除此之外，平台受益用户、不受益用户和平台潜在用户分别会受弃用率μ1、μ2和μ3影响成为平台弃用者（如图2所示）。

13 共生视角下用户状态变化规律

根据以上假设，在政府数据开放平台传播中，受益用户与不受益用户的数量往往影响着平台的总用户数量及传播效应，因此，根据上述4种共生模式特征及用户状态转移规则，不同共生模式演化下平台受益用户与不受益用户的变化规律，如图3所示。

在图3中，4个区域分别代表独立生存、偏利共生（用户受益）、偏利共生（平台受益）和互惠共生4种共生模式。在初始的独立生存状态中，平台受益用户ib（t）数量与不受益用户ig（t）数量恒定且保持在较低水平，且共生作用率较低;当平台与用户间朝偏利共生（用户受益）演化时，受益用户数量增加，而不受益用户保持原有水平，共生作用率达到最大并使更多的不受益用户成为受益用户;当平台与用户朝偏利共生（平台受益）演化時，共生作用率降至最小值，受益用户极少而不受益用户数量最多;当平台与用户间的共生关系从偏利共生（平台受益）向互惠共生模式转变时，共生作用率逐渐增加，故不受益用户逐渐减少，而受益用户逐步增加;当平台与用户的共生关系从偏利共生（用户受益）向互惠共生转变时，共生作用率开始缓慢减少并趋于平衡，受益用户和不受益用户数量也开始趋于平衡。

14 模型建立及平衡点分析

在经典的SIR传染病模型的基础上，引入不同共生模式下的共生作用率θ，综合考虑共生作用率下受益用户与非受益用户转换规律，建立改进的SIR模型：

dsdt=A-λ1s（t）ib（t）-λ2s（t）ig（t）-μ3s（t）

dibdt=λ1s（t）ib（t）+θig（t）ib（t）-μ1ib（t）

digdt=λ2s（t）ig（t）-θig（t）ib（t）-μ2ig（t）

drdt=μ1ib（t）+μ2ig（t）+μ3s（t）（1）

由于模型中前3个方程均不含变量i，因此只考虑由前3个微分方程构成的系统[30]。令3个微分方程左边的值为0，生成新的方程组（2）：

A-λ1s（t）ib（t）-λ2s（t）ig（t）-μ3s（t）=0

λ1s（t）ib（t）+θig（t）ib（t）-μ1ib（t）=0

λ2s（t）ig（t）-θig（t）ib（t）-μ2ig（t）=0（2）

在方程组（2）中，首先令ib（t）=0，ig（t）=0，求得平衡点P1：（s=Aμ3，ib=0，ig=0）;其次，再令ib（t）=0，求得平衡点P2：（s=Aμ2-μ3λ2，ib=0，ig=μ2λ2）;最后，令ig（t）=0，求得平衡点P3：（s=μ1λ1，ib=Aμ1+μ3），ig=0）。

在政府数据开放平台传播模型中，平衡点P1表示政府数据开放平台传播中仅有潜在用户，不存在受益用户与不受益用户，与实际不符，故舍去P1;平衡点P2表示政府数据开放平台传播中仅有潜在用户和不受益用户，没有受益用户，同样与实际不符，故舍去P2;而P3平衡点中各参数与实际情况相符。综上所述，政府数据开放平台传播模型存在唯一平衡点P3。

在式（1）中，分别令：

X=A-λ1s（t）ib（t）-λ2s（t）ig（t）-μ3s（t）

Y=λ1s（t）ib（t）+θig（t）ib（t）-μ1ib（t）

Z=λ2s（t）ig（t）-θig（t）ib（t）-μ2ig（t）（3）

分别对s、ib、ig求偏导，得：Xs=-λ1ib-λ2ig-μ3，Xib=-λ1s，Xig=-λ2s;Ys=λ1ib-μ1，Yib=λ1s+θig，Yig=θib;Zs=λ2ig-θib-μ2，Zib=-θig，Zig=λ2s-θib，关于s、ib、ig的偏导数构成矩阵：

-λ1ib-λ2ig-μ3-λ1s-λ2s

λ1ib-μ1λ1s+θigθib

λ2ig-θib-μ2-θigλ2s-θib

将平衡点P3代入，因此，在P3平衡点处的Jacobian矩阵为：

-Aλ1μ1+μ3-μ3-μ1λ2μ1λ1

Aλ1μ1+μ3-μ1μ1Aθμ1+μ3

-Aθμ1+μ3-μ20λ2μ1λ1-Aθμ1+μ3

该矩阵的所有主子式均大于0，与Routh-Hurwitz判别条件相符，故模型在平衡点P3处是局部渐进稳定的。为了验证模型在平衡点P3处的稳定性，运用MATLAB软件进行仿真模拟，对每个参数进行赋值，令λ1=065、λ2=045、θ=001、μ1=002、μ2=008、μ3=006，并设置3组不同的初始值，由图4可知曲线收敛于一点，即平衡点P3。平衡点P3表示政府数据开放平台在P3处的传播是渐进稳定的。

2 数值仿真

21 共生演化下政府数据开放平台的传播趋势变化

为了研究政府数据开放平台在独立生存、偏利共生（用户受益）、偏利共生（平台受益）和互惠共生4种共生模式下的传播演变规律，将政府数据开放平台传播模型的基本参数分别赋值：λ1=045、λ2=038、θ=001、μ1=006、μ2=008、μ3=015、A=0。考虑到不同共生模式对用户状态的影响，在4个实验组中分别设置了不同的受益用户与不受益用户初始比例。实验组1表示独立生存模式中受益用户与不受益用户初始比例均为001时，政府数据开放平台的传播演变趋势。实验组2和实验组3表示偏利共生模式中用户受益和平台受益时，政府数据开放平台的传播演变趋势。其中，当用户受益时，将不受益用户比例设置为001，受益用户比例设置为006;当平台受益时，将受益用户比例设置为001，不受益用户设置为006。实验组4表示互惠共生模式中平台的传播演变趋势，分别将受益用户和不受益用户的比例设置为008和003。具体实验参数设置如表2所示。

如图5所示，（a）说明在独立生存状态下，受益用户与不受益用户数量均处于较低水平且呈现缓慢增长的趋势，此时不受益用户的增长率要大于受益用户。（b）和（c）分别表示偏利共生模式下用户和平台分别受益时的传播趋势，（b）中当用户受益时，受益用户数量上升迅速并达到峰值，此后开始下降并趋于稳定，而不受益用户数量上升缓慢。（c）中当平台受益时，受益用户数量增长缓慢且数量很少，而不受益用戶数量急剧增加且迅速达到峰值，此后开始下降。（d）说明，在互惠共生模式下，受益用户以高于不受益用户的增长率在增长，而不受益用户和受益用户数量相差不大。值得注意的是，仅（c）中不受益用户的增长率短暂超过了弃用率，其余3种模式下，受益用户与不受益用户增长率皆低于弃用者增长率，且相较于其他3种模式，互惠共生模式下弃用者增长率明显放缓。

22 偏利共生模式下转化率对政府数据开放平台传播态势的影响为了研究转化率对政府数据开放平台传播态势的影响，需要分别考虑偏利共生存在的两种情况。

1）用户受益的偏利共生模式

偏利共生模式下，当用户受益时，选取21节中λ1=045、λ2=038为本节的实验对照组，并将受益用户与不受益用户数量初始比例分别设置为ib（t）=006、ig（t）=001，其他参数分别为θ=001、μ1=006、μ2=008、μ3=015、A=0。由于是用户受益的偏利共生模式，显然大部分用户带有积极情绪，正面影响效果显著，故将实验组1中正面转化率λ1设为13，并保持负面转化率λ2不变。随着时间的推移，政府数据开放平台固步自封，忽视用户不断变化的需求，没有不断完善，平台中负面影响效果愈发显著，故实验组2中将负面转化率λ2设为058，保持正面转化率λ1不变（与实验对照组一致），实验参数设置如表3所示。

影响可以忽略不计，不受益用户数量保持较低水平。图6（b）中，即使传播系统中负面影响增强了，但是在整体用户受益的环境下，受益用户的数量仍然能在一定时间内以高速增长，只是增幅有所放缓且低于弃用者的增长率，而不受益用户也仅仅是略微上升，并且受益用户与不受益用户的增长趋势与对照组颇为相似。

2）平台受益的偏利共生模式

与用户受益时相反，此时受益用户与不受益用户数量初始比例分别为21节中的实验组3中的数值，即ib（t）=001、ig（t）=006，其他参数设置保持不变。在平台受益的偏利共生模式下，如果政府采取措施改变这种情况，那么用户的消极情绪会适当缓解，故将实验组1正面转化率λ1设为065，而保持负面转化率不变;但是，如果政府没有为改变现状而采取任何措施，而是任其发展，用户的消极情绪进一步加剧，负面转化率进一步增加，故将实验组2中λ2设置为13，保持λ1不变。具体实验参数设置如表4所示。

如图7所示，（a）中受益用户数量低于不受益用户但相差不多，与对照组图5（c）相比不受益用户增长率放缓许多;（b）中不受益用户数量急剧上升且在某段时间其增长率超过了弃用者增长率，受益用户数量水平很低且增长缓慢，演变趋势与对照组图5（c）相似。

23 互惠共生模式下转化率对政府数据开放平台传播态势的影响互惠共生是平台与用户间最理想的共生模式，同时这也是二者共生关系必然演化的最终方向。因为受益用户与不受益用户能够影响潜在用户，这也极大影响了政府数据开放平台的传播效应，所以需要考虑在互惠共生模式下，保持受益用户与不受益用户所占比例不变，研究转化率对政府数据开放平台传播态势的影响。同样选取λ1=045、λ2=038为本节的实验对照组，其他基本参数分别设置为：θ=001、μ1=006、μ2=008、μ3=015、A=0、ib（t）=008、ig（t）=003。在基本参数不变的情况下，分别调节转化率λ1和λ2来研究正面转化率和负面转化率对政府数据开放平台传播态势的影响（如表5所示）。

增加至065而负面转化率λ2保持不变，图8（a）与对照组图5（d）相比，受益用户在某段时间内的增长率更大，且超过了弃用者增长率，而不受益用户数量更少，增长水平更低;假设某个时刻正面转化率λ1保持不变，而正面转化率λ2增加至058，图8（b）与对照组图5（d）相比，受益用户与不受益用户变化均不大，且增长率都小于弃用者的增长率。与此同时，（a）和（b）中弃用者增长率和对照组一样较为平缓。

24 共生作用率对政府数据开放平台传播态势的影响

在政府数据开放平台传播模型中，共生作用率作为关键因素，可以使不受益用户转化成受益用户，而在不同共生模式产生的共生作用率大小是有差异的，因此，需要保持模型基本参数不变的情况下，通过改变不同共生模式下共生作用率的大小来研究政府数据开放平台的传播态势。模型基本参数仍然为：λ1=045、λ2=038、μ1=006、μ2=008、μ3=015、A=0，共生作用率参数设置如表6所示。

如图9所示，在独立共生模式下，共生作用率较小，图（a）中不受益用户增长率明显高于受益用户;在偏利共生模式下，用户受益时，图（b）受益用户初始阶段呈现出迅猛的增长态势，此后开始逐渐下降，而不受益用户增长水平较低;在偏利共生模式下，平台受益时，图（c）中不受益用户增长迅速，而受益用户增长水平较低;在互惠共生模式下，共生作用效果良好，图（d）中受益用户以较快速度增长，而不受益用户也在较慢增长。值得注意的是，4种共生模式下，受益用户与不受益用户的增长率始终低于弃用者增长率，且互惠共生模式下弃用者增长率最为平缓。

3 结论与建议

31 结论

通过改进SIR模型，探索不同共生模式下政府数据开放平台的传播演变，不难发现：

1）共生模式的演变路径，成为影响政府数据开放平台传播的关键

图5展现了政府数据开放平台两种不同的共生模式演变路径，分别是“a-b-d”和“a-c-d”，无论何种演变路径，受益用户与不受益用户的数量变化巨大。但是在“a-b-d”的演变路径中，只是在早期受益用户数量略微少于不受益用户，随著演变的推进，受益用户数量始终多于不受益用户;而“a-c-d”的演变中，只有在最后阶段，受益用户数量才高于不受益用户数量。也就是说，“独立共生—偏利共生（用户受益）—互惠共生”的演变路径更符合整体利益。前者的政府数据开放平台传播效果和效益，明显高于后者。

2）互惠共生模式下，政府数据开放平台的传播效果最好。

如图5至图9所示，当共生模式转化为互惠共生时，平台弃用人数的增长明显趋于平缓，远低于独立共生和偏利共生模式下的增长水平，由此可见互惠共生模式下用户粘性及忠诚度较高，政府数据开放平台的传播效果最佳。

3）偏利共生（平台受益）模式下，政府数据开放平台的传播效果最差

在平台受益的偏利共生状态下，从图5（c）、图9（c）可以看出不受益用户数量远大于受益用户数量，而且不受益用户数量的增长速度更快;与此同时，弃用人数也在持续增长。因此，仅考虑政府数据开放平台受益而没有注重用户需求时，平台用户群体中充斥着消极情绪，政府数据开放平台的传播效果最差。

32 建议

基于共生视角的政府数据开放传播演化，展现了政府数据开放平台与用户之间互动关系的关键与效果，对我国政府数据开放平台发展提供了实践指导意义：

1）政府数据开放平台应当切实营造各利益主体良好的共生关系

政府数据开放平台的建设，不能计较单方得失，只有考虑各利益主体的整体利益，才能确保政府开放平台传播效果最优。面对闭门造车的政府数据开放平台，要激励管理者规范平台功能，协调供给者平台运营体系，引导使用者培养数据意识。只有努力达成各个利益主体间利益均衡，才能促进政府数据开放平台良性发展。

2）政府数据开放平台应当努力契合用户需求

政府数据开放平台的建设应从用户需求和关注点出发，不仅仅局限于平台能提供何种功能，更要从用户体验为出发点，注重平台功能的实用性、适用性和针对性。具体而言，可以通过对已开放的原始数据进行初步加工（数据格式加工、简单的数据可视化等），帮助广大用户轻松、快捷地使用政府开放的数据。

3）政府数据开放平台应当持续与用户的互动反馈

政府数据开放平台的建设，不是阶段性的任务，是一项持续开展工作。只有加强与用户的互动，才能了解用户的需求，才能不断完善平台已有功能，才能主动消除不受益用户的负面记忆，才能不断保持用户的忠诚度和用户粘性，最终真正使平台和用户保持互惠共生关系。

参考文献

[1]复旦大学数字与移动治理实验室.2019中国地方政府数据开放报告[EB/OL].http：//www.199it.com/archives/882027.html，2019-05-28.

[2]张卫，朱晓峰，周晓琛，等.基于生态方程的微政务信息公开共生演化研究[J].情报理论与实践，2019，42（6）：99-104.

[3]Sieber R E，Johnson P A.Civic Open Data at a Crossroads：Dominant Models and Current Challenges[J].Government Information Quarterly，2015，32（3）：308-315.

[4]黄思棉，张燕华.当前中国政府数据开放平台建设存在的问题与对策研究——以北京、上海政府数据开放网站为例[J].中国管理信息化，2015，（1）：175-177.

[5]Wang H J，Lo J.Adoption of Open Government Data Among Government Agencies[J].Government Information Quarterly，2016，33（1）：80-88.

[6]吴湛微，孙欣睿，萧若薇.当开放数据遇到开源生态：开放政府数据平台建设模式比较研究[J].图书馆杂志，2018，37（5）：82-90.

[7]黄如花，王春迎.英美政府数据开放平台数据管理功能的调查与分析[J].图书情报工作，2016，60（19）：24-30.

[8]黄如花，王春迎.我国政府数据开放平台现状调查与分析[J].情报理论与实践，2016，39（7）：50-55.

[9]杨瑞仙，毛春蕾，左泽.我国政府数据开放平台建设现状与发展对策研究[J].情报理论与实践，2016，39（6）：27-31.

[10]东方.国内外政府数据开放平台调查与分析[J].现代情报，2017，37（10）：93-98.

[11]曾粵亮.英国政府数据开放平台交通数据的建设现状调查与分析[J].情报资料工作，2017，（5）：20-26.

[12]Alexopoulos C，Loukis E，Charalabidis Y.A Methodology for Determining the Value Generation Mechanism and the Improvement Priorities of Open Government Data Systems[J].Computer Science and Information Systems，2016，13（1）：237-258.

[13]张子良，马海群.我国政府数据开放平台利用效果比较研究[J].数字图书馆论坛，2016，（6）：8-15.

[14]陈水湘.基于用户利用的政府数据开放平台价值评价研究——以19家地方政府数据开放平台为例[J].情报科学，2017，35（10）：94-98.

[15]陈美.基于CKAN的政府数据开放平台构建[J].现代情报，2019，39（3）：69-76.

[16]Ruijer E，Grimmelikhuijsen S，Hogan M，et al.Connecting Societal Issues，Users and Data.Scenario-based Design of Open Data Platforms[J].Government Information Quarterly，2017，（2）：1307-1321.

[17]朱红灿，胡新，李顺利.基于Kano模型的政府数据开放平台用户体验要素分类研究[J].现代情报，2018，38（12）：13-21.

[18]高天鹏，莫太林.政府数据开放平台用户初始采纳模型及实证研究[J].电子政务，2018，（11）：69-82.

[19]刘桂琴.政府数据开放平台用户评论情感差异分析[J].数字图书馆论坛，2019，（2）：18-23.

[20]杜荷花.我国政府数据开放平台隐私保护评价体系构建研究[J].情报杂志，2020，39（1）：1-9.

[21]杜荷花.国外政府数据开放平台隐私保护政策的考察与借鉴[J].图书馆建设，2020，（3）：1-15.

[22]方星，黄培清，黄新华.突发事件中不实信息传播的传染病模型研究[J].中国安全科学学报，2015，25（11）：150-155.

[23]郑磊，韩笑，朱晓婷.地方政府数据开放平台研究：功能与体验[J].电子政务，2019，（9）：12-22.

[24]姚晶晶，姜靓，姚洪兴.基于SIR模型的情绪信息传播研究[J].情报科学，2018，36（10）：25-29.

[25]马全恩，张娟.复杂网络上基于SIR模型的微信公众号传播机制研究[J].情报科学，2018，36（7）：30-35.

[26]顾秋阳，琚春华，鲍福光.融入改进SIR模型的移动社交网络谣言传播用户群体动态演化仿真研究[J].情报科学，2019，37（10）：67-74，80.

[27]魏静，黄阳江豪，林萍，等.基于改进SIR模型的微博网络舆情传播研究[J].情报科学，2019，37（6）：16-22.

[28]朱晓峰，张卫，张琳.公平偏好下的微政务信息公开共生模式演进与实证分析[J].情报科学，2018，36（4）：51-56.