个体因素与外部环境共同作用下的跨平台社交网络舆情传播模型研究

杨磊 封永雪 侯贵生 倪维健

摘 要：[目的/意义]探究舆情在跨平台社交网络中的传播规律，分析个体因素和外部环境共同影响下的舆情传播过程，提出能有效调节舆情在跨平台社交网络传播的措施。[方法/过程]使用无标度网络模拟跨平台社交网络环境，在SEIR模型的基础上分析个体因素、外部好友环境和外部平台环境对用户状态变化的影响，构建基于跨平台社交网络的舆情传播模型，并通过MATLAB对此模型中涉及的主要因素进行模拟分析。[结果/结论]实验结果表明，本文所构建的跨平台社交网络舆情传播模型能较准确地描述舆情在真实环境中的传播特点，跨平台社交网络能提高舆情信息的关注热度并扩大影響范围;外部平台环境和外部好友环境均会对跨平台社交网络中舆情传播产生影响;通过控制平台的传播阈值和退出阈值能有效管理舆情在跨平台社交网络中的传播与扩散。

关键词：跨平台社交网络;舆情传播;SEIR模型;无标度网络

DOI：10.3969/j.issn.1008-0821.2021.03.014

〔中图分类号〕G206.2 〔文献标识码〕A 〔文章编号〕1008-0821（2021）03-0138-10

Research on Cross-platform Social Network Public Opinion Propagation Model

Under the Joint Action of Individual Factors and External Environment

Yang Lei1 Feng Yongxue1 Hou Guisheng1 Ni Weijian2

（1.College of Economics and Management，Shandong University of Science and Technology，

Qingdao 266590，China;

2.College of Computer Science and Engineering，Shandong University of Science and Technology，

Qingdao 266590，China）

Abstract：[Purpose/Significance]Explore the spread rule of public opinion in cross-platform social networks，analyze the process of public opinion propagation under the influence of individual factors and external environment，and propose measures that can adjust the spread of public opinion on cross-platform social networks effectively.[Method/Process]It used scale-free network to simulate cross-platform social network environment，and analyzed the influence of individual factors，external friend environment and external platform environment on user status changes based on SEIR model，and built a public opinion propagation model based on cross-platform social network，simulated and analyzed the main factors involved in this model with MATLAB.[Result/Conclusion]The experimental results showed that the public opinion propagation model of cross-platform social network constructed in this paper could describe the propagation characteristics of public opinion in the real environment accurately.Cross-platform social networks could increase the popularity of public opinion information and expand the scope of influence.Both the external platform environment and the external friend environment had an impact on the spread of public opinion in cross-platform social networks.By controlling the propagation threshold and the exit threshold of the platform can manage the spread of public opinion on cross-platform social network effectively.

Key words：cross-platform social network;public opinion propagation;SEIR model;scale-free network

第45次《中国互联网络发展状况统计报告》显示，截至2020年3月，我国网民规模为9.04亿，互联网普及率达64.5%[1]。随着互联网与民众生活的相互融合，人们的沟通方式也逐渐网络化和多样化，社交网络平台成为主要的沟通交流途径之一。不同平台由于用户群体的差异而形成各自的网络结构，同时活跃网民在多个平台上注册信息，组成了一个巨大的跨平台社交网络。当某个社会事件发生时，相关舆情信息一般不会只在单平台社交网络中传播，而是在跨平台社交网络中快速扩散，如当下新型冠状病毒肺炎疫情相关信息广泛传播于微信、微博、抖音、知乎等多个社交平台，多次引发网民的激烈讨论。另外，舆情信息的传播是利弊共存的，正面舆情能引导正确的价值理念，创造良好的网络环境，但负面舆情往往会对经济社会造成恶劣的影响，甚至关乎国家安全问题，因此分析跨平台社交网络中的舆情传播规律，形成有效的跨平台社交网络舆情传播管控和引导具有一定的理论意义和现实意义。

为了探索舆情在多个社交网络平台中的传播过程，本文首先以SEIR传染病模型为基础，根据舆情在现实网络环境中的传播机制，构建了基于跨平台社交网络的舆情传播模型，定义了具体的舆情传播规则;然后分析了个体因素和外部环境对用户知晓舆情、传播舆情和退出传播过程的影响，并给出了用户知晓率、传播率和移出率等相关参数的计算方法;最后使用MATLAB仿真舆情在跨平台社交网络中的传播过程，并分析舆情在跨平台社交网络中的传播规律和控制策略。

1 文献综述

当前，网络舆情仍是学术界关注的重点议题，研究内容主要包括舆情传播和舆情控制两个方面，了解舆情传播过程、把握舆情传播规律是有效控制舆情的基础。由于信息在社交网络中的传播过程与传染病传播类似，因此国内外对网络舆情的研究多以传染病模型为基础，经典的传染病模型主要包括SIR模型、SIS模型和SEIR模型。Rapoport A等最早在信息传播的研究中使用传染病模型[2]，为研究舆情传播提供了新方向。随后Sudbury A J借助SIR模型分析谣言的传播规律[3]，Leskovec J等使用SIS模型模拟舆情的传播过程[4]，陈波等基于SEIR模型提出了泛在媒体环境下的网络舆情传播控制模型[5]。伴随复杂网络的发展，学者们发现随机网络、无标度网络和小世界网络等可用来模拟真实的社交网络，因此综合利用传染病模型和复杂网络探索舆情的传播规律成为新的研究热点。Zanette D H使用SIR模型研究网络谣言传播，并在小世界网络中分析了传播阈值[6]。魏静等提出改进的SIR模型，并使用有向无标度网络模拟微博网络，分析影响微博网络舆情传播的因素[7]。

在真实的社交网络中，每个用户的个体特性和外部环境是不同的，因此会对同一信息采取不同的处理方式，已有部分学者关注到此问题，并提出考虑到个体差异的信息传播模型。Yang A等考虑了不同用户在谣言传播中的作用，为每个节点设计了各自的状态转移函数，提出了一种新的谣言传播ILSR模型，并通过在WS网络、BA无标度网络和真实的Facebook网络中进行实验，证明了模型的正确性和有效性[8]。Lv L Y等考虑了社会加强效应和记忆效应等个体差异，构建了新型的谣言传播模型[9]。孔素真等考虑到个体对不同类型好友具有不同的信息传播偏好，从而建立了一种多关系类型社交网络信息传播模型[10]。范纯龙等基于改进的SEIR模型，考虑个体间的亲密度、谣言接收次数对传播概率的影响，提出了改进的谣言传播模型PSEIR[11]。洪巍等通过构建SIRT模型，从网民、信息本身和外部作用力3個方面探究谣言传播规律，发现网民的风险认知水平、媒体公信力等因素都会影响谣言的演化过程[12]。

此外，目前的信息接收渠道多样化，舆情往往在多个社交网络中交互渗透，因此只分析舆情在单一社交网络中的传播不能反映实际的话题热度与影响范围，在多个社交网络中模拟舆情的传播越发受到学者们的关注。Zhang L等使用改进的SIR模型探究舆情在耦合社交网络中的传播过程，发现耦合网络会对舆情传播产生影响，且可以更确切地描述真实的网络环境[13]。朱恒民等使用Price网络和WS网络，构建了线上线下互动舆情传播模型SIR_2O，发现双层互动可以扩大话题的传播速度和广度[14]。覃志华等利用无标度网络和SIQR传播模型，建立了人际关系网络与媒体网络构成的两层谣言传播模型，发现扩大媒体的传播范围、规范媒体职业操守等可以抑制谣言在人际关系网络中的传播[15]。魏静等通过BA网络和无标度有向网络分别模拟微信网络和微博网络，在SEIR模型的基础上，构建了基于耦合网络的舆情传播模型，并证明该模型更接近现实中的舆情传播过程[16]。李钢等基于受众年龄构建了线上线下耦合的新型谣言传播模型，并分析了受众的权威性、从众心理、认知能力等心理特征对谣言传播的影响[17]。

综上，国内外学者主要借助传染病模型、复杂网络理论分析网络舆情的传播规律，并根据实验结果提出舆情控制方面的建议，但尚有待完善的方面。首先，虽有部分学者从个体因素和外部好友环境的角度分析个体差异对舆情传播过程的影响，但在研究过程中缺少对外部平台环境的考虑;其次，大多数研究分析了用户传播舆情的动机，但并未分析用户知晓舆情与退出传播过程的影响因素;最后，已有学者关注到舆情信息仅在单个社交网络中扩散与实际不符，提出了线上社交网络与线下社交网络、人际关系网络与媒体网络、微信网络与微博网络等多类型的双层耦合网络结构，并在此基础上探究舆情的传播特性，但少有研究从整个线上网络的角度出发，分析舆情在跨平台社交网络中的扩散规律，且多数研究假设中两层网络的节点数量相同，与真实网络中的节点分布情况存在较大差异。针对现有研究中存在的不足，本文通过同时分析个体因素和外部环境对舆情传播过程的影响，构建跨平台社交网络的舆情传播模型，并根据MATLAB仿真结果提出舆情控制方面的参考性建议。

2 跨平台社交网络舆情传播模型构建

2.1 载体网络的选择与构建

在线社交网络是一种服从幂律分布的复杂网络，其结构性质与BA无标度网络相似[18]。因此本文在BA无标度网络的基础上，以网络中的用户为节点，关注关系为边，构建具有跨平台特性的社交网络结构，其中平台数量为M个。具体的构建规则如下：

1）初始随机网络：m0个节点在初始时刻随机选择平台，每个平台的节点数量不少于m个，属于同一平台的节点可在跨平台社交网络中进行随机连接，且将相应连接状态同步到所有单平台社交网络，不同平台的节点无法连接。

2）增长：从具有m0个初始节点的随机网络开始，每次加入1个新的节点，直到N-m0个剩余节点全部连入网络;新节点至少选择1个平台，并在跨平台社交网络中与属于相同平台的m个节点相连，同时将连接状态同步到单平台社交网络。

3）优先选择：新节点选择平台j的概率pa-j，平台j的节点数量uj，所有平台的节点之和∑Mj=1uj之间的关系为：pa-j=uj∑Mj=1uj。

4）优先连接：新节点与属于相同平台的已有节点i以pb-i的概率进行连接，其中节点i的度ki，所有节点的度之和∑Ni=1ki之间的关系为：pb-i=ki∑Ni=1ki。

2.2 SEIR模型

2.2.1 用户状态分类

以传染病传播模型为基础，结合在线社交网络中信息的传播特性，将用户状态划分为4类，使用SEIR模型描述跨平台社交网络的舆情传播过程。用户的4种状态分别是：

1）未知状态S：处于该状态的用户没有接收到舆情信息;

2）潜伏状态E：处于该状态的用户已经接收到舆情信息，但未在网络平台中传播;

3）传播状态I：处于该状态的用户已经接收到舆情信息，且已在网络平台中进行传播;

4）免疫状态R：处于该状态的用户，接收过舆情信息，但由于个人兴趣和舆情热度衰减等原因不再具备传播舆情的动机与能力。

2.2.2 相关参数定义

1）知晓率

跨平台社交网络中的用户是从外部环境中接收舆情信息的，根据现实的舆情接收情境，外部环境可以划分为两类：一是用户的所有邻居形成的强关系好友环境;二是用户所使用的社交平台形成的弱关系平台环境，因此从这两个方面综合考虑影响知晓率的因素。同时由于每个用户的外部环境不尽相同，因此要分别计算每个用户的知晓率。对于好友环境的影响，当某个用户的好友中存在传播舆情的感染者时，该用户即具备获知信息的机会，且处于同一平台的好友感染者所占的比例越高，用户获知舆情的概率越大。此外，舆情除了可以来源于好友外，也可能从其所属平台的其他陌生用户处获取，由于每个陌生感染者的传播力无法具体衡量，因此用平台的舆情传播热度，即每一时刻平台中传播者占平台全部用户的比例来表示单平台环境，且考虑到不同平台之间的信息可以相互转发、分享或复制，舆情传播存在一定的信息交互，因此在分析跨平台环境时将信息交互系数考虑在内。本文将用户i的知晓率定义为：bi=effectδ1+effect2。effectδ1和effect2分别为好友环境影响和平台环境影响，各自定义如下：

其中，ai为用户i注册平台的数量，cis为用户i在平台s中的好友感染者的数量，kis为用户i在平台s的度（即在平台s中的好友总数）;Vs为平台s中存在的感染者数量，Us为平台s的用户总数量，σ1-ai为ai个平台之间的信息交互系数，η为给定常数。

2）传播率

当用户接收到舆情信息后，就具备了在网络中传播舆情的能力。每个用户的外部环境和个人特质存在差异，导致对同一信息产生不同的传播动力，进而采取不同的传播行为，所以需要分别计算每个用户的传播率。与知晓率不同，影响传播率的因素除了外部环境外，个体因素也是极为重要的影响因素，因此将从外部环境和个体因素两个方面进行分析。

在好友环境方面，一般认为社交网络中用户的权威性越高，则影响力越大，其在网络中发表的言论越容易得到赞同与支持，因此权威用户的好友更容易转变为传播者;另外，用户与好友的关系越紧密，就会对好友产生更高的信任感，从而更易于受到其影响而将舆情进行二次传播，因此好友的权威性和与好友的社交关系度是影响传播率的因素。参考文献[17]用好友在跨平台社交网络中的度与网络中最大度的比值来表示权威性;文献[11]将用户与某好友的社交关系度表示为两者的共同好友数量占用户所有好友数量的比值，由于本文的载体网络是基于多个平台构建的，因而要考虑所有平台中用户之间的社交关系。通常用户之间存在的联系越多，两者的关系越紧密，社交关系度越大，因此分析社交关系度时，也要考虑用户与好友在跨平台社交网络中的共同联系数量。在平台环境方面，用户同样会受到陌生感染者的影响，一方面，当平台中存在一定数量的舆情传播者时，用户在从众心理的影响下可能会传播舆情信息;另一方面，当某个舆情事件在网络平台中引发热议时，用户可能为了获得他人的关注和赞同而发布相关舆情信息，从而满足自身的社交需求，因此也将舆情传播热度和信息交互系数作为影响传播率的重要因素。

在个体因素方面，主要从兴趣度和权威性两个角度进行分析，用户对舆情事件的兴趣度越高，其越容易表明态度和发表评价，从而提高传播率，且用户兴趣度的变化通常与舆情热度存在一定关系，如处于传播初期的舆情较难引起用户的关注，而舆情热度的不断提高往往能够激发起用户更高的兴趣。此外，个人的权威性也与传播行为息息相关，当用户的权威性较高时，其言行会对其他用户产生较大的影响，所以权威用户为了避免对自身形成负面影响，在收到舆情信息后一般会先观察舆情的动向，不会立即发布相关评论;而当用户的权威性较低时，其一般不会注重言论对自身的影响，因此更易于传播舆情。综上，本文将用户i的传播率定义为：pi=effectσ1+effect2+effect3。effectσ1、effect2和effect3分别为好友环境影响、平台环境影响和个体因素影响，effect2与知晓率中定义相同，effectσ1和effect3分別定义为：

在effectσ1的定义中，NERj为好友j对用户产生的影响，具体描述见式（5），其中kj为好友j的度，kmax为跨平台社交网络中的最大度，ωij为用户i与好友j的社交关系度;式（6）定义了社交关系度，fij为用户i与好友j的共同好友数量，ki为用户i的好友总数量（即度值），aij为用户i与好友j的共同联系数量（即两个用户在aij个平台中都互为好友），ai为用户i注册平台的总数量。在effect3的定义中，ki为用户i的度，kmax为网络中的最大度，d为用户对初期舆情产生的兴趣值，φt为舆情在t时刻的传播热度，λ为一个给定常数。

3）移出率

以往多数研究中认为当用户处于传播状态时，下一时间点会直接或以一定概率转变为免疫状态（即移出传播过程），但实际的转变过程会受到某些因素的影响。一方面，随着舆情事件传播时间的延长，热度会呈现逐渐下降的趋势，用户自然会降低对舆情的关注，从而终止传播舆情的行为;另一方面，当周围好友中的免疫者较少时，用户由于跟风心理也会参与对舆情的讨论，因而较难移出传播过程;而當周围的好友大多数为免疫者时，用户同样会丧失传播舆情的兴趣与动机，因此较易移出传播过程。因此本文认为主要影响用户移出率的两个原因是舆情传播时间和好友的舆情传播热度。参考文献[17]，舆情传播时间的延长用标准指数函数表示;周围用户的舆情传播热度用免疫者数量占所有好友数量的比值表示，该比值越高表示周围舆情热度越低。综上，本文将用户的移出率定义为：

其中t表示舆情传播的时间点，ri为用户i的好友中免疫者的数量，ki为用户i的好友总数量，λ为一个给定常数。

2.3 舆情传播规则

依据舆情信息的传播过程，结合跨平台社交网络的特性，定义如下传播规则：

1）若用户i处于未知状态S，首先判断其知晓率bi是否达到知晓阈值θb：若未达到知晓阈值，则仍处于未知状态;若达到则再判断其传播率pi是否达到平台s的传播阈值θps：若未达到传播阈值，则用户i转变为潜伏状态E;若达到则以概率α在平台s中转变为传播状态I，否则为潜伏状态。

2）若用户i处于潜伏状态E，首先判断其传播率pi是否达到平台s的传播阈值θps：若达到传播阈值，则用户i以概率β在平台s中转变为传播状态I;若未达到则再判断其移出率qi是否达到平台s的退出阈值θqs，若未达到退出阈值，则仍处于潜伏状态;若达到则以概率γ在平台s中转变为免疫状态R。

3）若用户i处于传播状态I，判断其移出率qi是否达到平台s的退出阈值θqs，若达到退出阈值，则以概率γ在平台s中转变为免疫状态R;否则仍处于传播状态。

4）若用户i处于免疫状态R，则用户状态不再改变。

根据舆情的传播规则，用户i的状态转变过程如图1所示。

根据舆情在跨平台社交网络中的传播规则，在图2中演示舆情的传播扩散过程。初始时刻，选择用户10作为舆情信息的传播源，其余用户均处于未知状态;t=1时，用户3接收到用户10的信息，且超过平台A和平台C的传播阈值，在平台A和平台C中转变为传播状态，在平台B中转变为潜伏状态;t=2时，用户11和用户17接收到好友的信息后转变为传播状态，用户18转变为潜伏状态，用户4在平台B和平台C中分别转变为潜伏状态和传播状态;t=4时，舆情进一步扩散，用户1、9、7、15、8和2均接收到舆情信息，在其注册的平台上转变为传播状态或潜伏状态，且用户3、4和17此时已超过对应平台的退出阈值而转变为免疫状态。

3 仿真结果与分析

本文以BA无标度网络为基础，使用Matlab 2017b构建跨平台社交网络，同时假定构建的跨平台社交网络为静态网络，即网络中的用户不存在增

加和减少的情况。一个简单的网络拓扑结构如图3所示，其中图3（a）～3（c）分别为平台A、平台B、和平台C的单平台社交网络结构，图3（d）为跨平台社交网络结构。从图中可知，每个单平台中的用户不同，且用户之间的关系存在差异，构成了3个独立的网络结构，而跨平台社交网络综合了3个平台中的用户关系，形成了一个全新的网络。在跨平台社交网络中，通过彩色连线关联的两个用户仅在单平台社交网络中存在连接，通过灰色连线关联的两个用户在多个平台中都存在连接。

为了对跨平台社交网络中舆情的传播过程进行仿真分析，本文构建了一个主要参数为N=2000、m0=10、m=5、M=3的载体网络，度分布情况如图4所示（坐标为双对数），网络的拓扑结构参数如表1所示。从图4可知，跨平台社交网络中节点的度分布呈现出幂律分布的特征，即绝大多数用户的度较小，而少数用户的度较大，说明本文构建的网络结构与真实网络类似，具备模拟舆情传播的条件。为了确保实验结果的准确性，每次实验均进行100次，取所有结果的平均值进行分析。初始时刻仅有1个用户处于传播状态，且该用户在平台A、B、C和跨平台社交网络中的度分别为113、117、114和268，其余用户皆处于未知状态，并根据上述传播规则对后续20个时间周期内的用户状态进行统计与分析。

3.1 单平台社交网络与跨平台社交网络的舆情传播过程对比

由于每个平台具有不同的网络结构，且所有平台又构成了一个综合的跨平台社交网络，因此同一舆情事件在不同网络中必定出现差异化的传播情况。为了探究这一传播差异，本实验将A、B、C这3个单平台社交网络与跨平台社交网络的舆情传播过程进行比较，其中相关参数设置为：α=0.6、β=0.7、γ=0.7、d=0.5、θb=0.06、θp1=0.3、θp2=0.35、θp3=0.5、θq1=0.001、θq2=0.0012、θq3=0.0015。由于I状态和R状态用户的波动情况可以分别反映舆情的传播热度和传播规模，因此主要对这两种状态用户在不同时间周期的比例变化进行比较，仿真结果如图5所示。

分析图5（a）可知：单平台社交网络和跨平台社交网络的I状态节点曲线均呈现先上升后下降的趋势，但峰值大小和传播的持续时间不同。在A、B、C这3个单平台社交网络中，传播热度峰值分别为0.065、0.075、0.04，传播持续时间约为8个时间单位;而跨平台社交网络中平台A、B和C的传播热度峰值分别达到0.16、0.22、0.18，传播持续时间约为9个时间单位。说明单个社交平台形成的网络会在一定范围内限制舆情的传播，而跨平台社交网络能有效地提高舆情的传播速度与热度，延长舆情的传播时间。另外，分析图3（b）可知：随着时间的持续，全部网络中的R状态节点数量均呈现不断上升的趋势，最终达到平稳的状态，且考虑跨平台社交特性时，平台A、B和C的R状态曲线明显比对应的单平台社交网络上升速度更快。在A、B、C这3个单平台社交网络中，最终免疫者占社交网络总用户的比例分别为0.38、0.48、0.43，而在跨平台社交网络中，平台A、B和C的最终免疫者比例分别提高至0.43、0.54、0.5，表明舆情在跨平台社交网络中的传播规模更大，影响范围更广。

基于上述分析，在真实的社交网络中，虽然舆情可以在单个社交网络平台进行传播，但舆情的传播效率会受到用户数量和用户间关系的限制，无法引起较高的关注。而一些相对活跃的用户会在多个社交网络平台之间建立联系，使平台之间形成一个相互连通的跨平台社交网络，舆情信息在该聚合网络中能得到更迅速的擴散，从而引发更多网民的关注。因此，一方面，当舆情需要网民的关注时，应在多个网络平台中发布舆情相关信息，以使该事件能迅速激起网民的讨论，进而引发相关媒体的客观报道;另一方面，当需要对舆情进行管控时，应着眼于整个跨平台社交网络，只针对某个单平台社交网络进行管理并不能有效地应对舆情传播。

3.2 外部环境对舆情传播的影响

在真实的网络环境中，大多数社交平台不仅为好友之间的关系维护提供便利，也为陌生用户之间的连接建立专门的渠道。如在微博网络中，用户不仅可以与多个好友之间通过互相关注建立各自的“好友圈”，从好友处获知舆情信息，还能从“热搜”“热门微博”等版块获取陌生用户发布的舆情信息。同样在当下流行的短视频社交网络中，用户除了能获取好友发布的视频外，主要的使用方式是浏览陌生用户创作的短视频。因此，用户得知或传播某个舆情事件除了会受到“好友”的影响外，还会受到同一平台中其他陌生使用者的影响。因此为了分析两类外部环境如何影响舆情的传播，本实验将以跨平台社交网络中的平台A为例，探索外部平台环境和外部好友环境的作用效果。主要参数设置与上述实验相同，共进行3次仿真实验，第一次实验不考虑平台环境对知晓率和传播率的影响，仅考虑好友环境的影响;第二次实验不考虑好友环境对知晓率和传播率的影响，仅考虑平台环境的影响;第三次实验同时考虑平台环境和好友环境，仿真结果如图6和图7所示。

观察图6和图7中的仿真结果可知，外部环境会影响舆情的传播过程：当不考虑外部平台环境的影响时，舆情在整个传播过程中的最高热度出现在第2时步，热度值仅为0.02，传播持续时间约为6个时间单位，最终达到的传播规模为0.23，且A平台网络仍存在较高比例的未知用户;当不考虑外部好友环境的影响时，舆情在整个传播过程中的最高热度出现在第3时步，热度值仅为0.07，传播持续时间约为7个时间单位，最终达到的传播规模为0.38;而当考虑两类外部环境的影响时，舆情的最高热度出现在第3时步，热度值增至0.15，传播持续时间延长至9个时间单位，传播规模提高至0.44。

由此可知，外部环境的确能对舆情的传播效果产生影响，既增加了舆情的传播热度与规模，又延长了舆情的传播时间，显著地扩大了舆情事件在跨平台社交网络中产生的作用。此外，实验结果也表明，网络平台中好友间的关系虽能使舆情在一定范围内传播，但并不能在社交网络平台中得到有效的扩散，而当相关用户将舆情事件发布至开放网络中时，众多陌生用户的参与往往能使舆情获得更多的关注。在现实中，当需要管控某个舆情事件的传播时，除了要采取针对舆情利益相关者的措施外，还可通过网络平台限制舆情相关话题的发布，降低陌生围观者的讨论热度。

3.3 阈值变化对舆情传播的影响

在本文定义的传播模型中，用户状态发生变化的前提是超过对应的阈值，如当传播率超过平台的传播阈值时，用户才能从未知或潜伏状态转变为传播状态，因此阈值的大小必定会对舆情的传播过程产生影响。为了具体分析该影响，本实验将以跨平台社交网络中的平台A为例，仿真不同阈值下的舆情传播过程，通过控制传播阈值和退出阈值的变化进行两组对比实验，参数设置如表2所示，仿真结果如图8、图9所示。

由图8可知，传播阈值的变化会显著影响舆情在平台A中的传播过程。在其他参数不变的情况下，传播阈值的提高会降低舆情的传播热度与规模。具体而言，传播阈值的增加会直接影响用户状态的转变，即未知用户或潜伏用户更难变为传播状态，使传播状态的用户数量较少，导致传播热度的下降。因此，传播阈值的提高均会限制舆情的传播效果。由图9可知，退出阈值的变化也会影响舆情的传播，但与前者的作用效果相反。在其他参数不变的情况下，退出阈值的提高会增加舆情的传播热度与规模。当退出阈值变大时，处于潜伏或传播状态的用户便不易退出传播过程，会在网络中继续传播舆情，使更多的用户脱离未知状态，导致舆情的传播热度和传播规模均得到进一步的提高，因此退出阈值的提高会加强舆情的传播效果。综上，传播阈值和退出阈值均通过各自的方式影响舆情的传播，该仿真结果可为舆情的控制提供理论支持。在实际网络舆情管控过程中，相关人员可采取控制阈值的方式，如可通过增加用户发布舆情信息的难度提高平台的传播阈值，亦可利用其他热点事件吸引用户的注意力，以降低用户在某网络平台上的退出阈值。

4 结 论

本文基于SEIR传染病模型和无标度网络理论，以个体兴趣值和权威性作为个人影响因素，以好友权威性和与好友的社交关系度作为好友环境影响因素，以所属平台的舆情热度和平台间的信息交互程度作为平台环境影响因素，从个体因素和外部环境两个方面给出知晓率、传播率和移出率的定义，同时也考虑到了用户在整个信息传播过程中的知晓阈值、传播阈值和退出阈值，从而构建了跨平台社交网络的舆情传播模型。仿真结果表明，舆情在跨平台社交网络中的传播热度与规模均大于单平台社交网络，且跨平台社交网络能更准确地描述舆情在真实社交网络上的传播特点，并证明了外部平台环境和外部好友环境均会影响舆情在跨平台社交网络中的传播过程。此外，通过控制平台传播阈值和退出阈值的大小，对比了跨平台社交网络中的舆情信息在不同阈值下的传播差异，同时给出了相应的舆情管控建议。

本文的跨平台社交网络是通过计算机仿真构建的，与实际社交网络环境存在一定差异，未来研究中可利用真实数据对本文模型进行验证;另外，本文在分析平台环境时仅考虑了舆情热度和信息交互系数，后续可进一步完善平台环境影响因素。

参考文献

[1]中国互联网络信息中心.第45次中国互联网络发展状况统计报告（2020年4月）[EB/OL].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202004/P020200428596599037028.pdf，2020-05-22.

[2]Rapoport A，Rebhun L I.On the Mathematical Theory of Rumor Spread[J].Bulletin of Mathematical Biology，1952，14（4）：375-383