社交网络舆情下的二元信息竞争SH2IR模型及仿真研究*

靖鲲鹏 岑 怡

(燕山大学经济管理学院 秦皇岛 066004)

0 引 言

社交网站和公共论坛如微博、豆瓣等凭借其便捷、及时、低成本的优势迅速成为汇集公众力量的重要平台。网民数量的持续增长，使得社交平台聚集的能量日益强大，重塑了媒体生态和网络舆论的新格局。如果网络社交平台没有发挥好引导舆论、反映民意的作用，容易引起网络舆情事件。近年来网络舆情事件时有发生，伴随着手机等移动终端的普及，引发的舆情热度越发高涨。在某一网络舆情事件发生后，可能会衍生出不同的信息，导致网络中多种信息的竞争传播。而这些信息间的竞争作用关系，可能导致舆情走向灭亡或者引起下一个舆情高峰。因此，舆情信息间的竞争传播更符合舆情事件中真实的演化机制，研究信息竞态传播过程也对政府及媒体有效监控舆情、引导舆论起到了举足轻重的作用。

当前，关于舆情传播的研究成果主要集中于单信息传播类型。大多是基于经典的SIR和SEIR模型，重新划分或加入新的状态节点。陈静[1]在SIR模型上加入信息接触者，构建了符合社交网络传播形式的SICRS传播模型；张鹏等[2]加入易评论者节点构建了SEIRC模型，研究微信强关系网络的传播机制；针对节点属性特征，Zhao等[3]考虑遗忘因素，建立带有遗忘机制的谣言传播模型；卢新元等[4]基于传统传播模型，融入用户信息与遗忘机制，构建SEIRO模型。这些研究多数是只针对网络中一条信息的传播规律进行研究。

对于多信息传播，主要将其分为宏观和微观两个层面。宏观层面的多信息传播研究，主要是指多个舆情事件之间的竞争效应，如安璐等[5]通过网民的关注度转移行为，描述舆情事件之间的竞争机理，构建多话题竞争情景下网民关注度转移预测模型；兰月新等[6]定性分析了大数据环境下网络舆情事件竞争效应以及网民关注度转移机理。微观的单舆情事件间多信息竞争传播研究，一部分是基于Lotka-Volterra竞争模型的研究，如Zhang等[7]将Lotka-Volterra竞争模型与合作机制结合，研究了不同社会网络结构中多种信息间的竞争和合作传播问题；王治莹等[8]考虑到多种异质信息在时间差异下的竞争传播规律，构建了两阶段信息竞争传播模型。另一部分是基于经典单信息传播模型的改进，对信息分类，如Wen等[9]基于SIR模型构建了正面和负面信息的共同传播模型，研究了在线社交网络中的信息传播动力学及用户传播行为；Liu等[10]在SIR传染病模型中增加了犹豫者作为双重信息竞争的中立状态，运用蒙特卡罗方法和平均场理论研究了两种竞争性信息的传播动态；霍良安等[11]建立了真实和虚假信息的竞争传播模型，研究了真实和虚假信息相互作用结果的不同稳态条件；陈业华等[12]将信息划分为积极和消极信息，基于Gilpin-Ayala 模型分析了两种信息的相互作用。

1 问题提出与机理分析

1.1问题提出现有的研究成果为舆情事件中多种信息的传播建模和规律识别提供依据，但也发现尚存在值得进一步研究的空间：

(1)目前对信息竞争的研究多集中于特殊的信息竞争类型，如谣言与辟谣信息间的竞争。此种竞争状态类似于完全竞争，对于一般形式的信息间相互竞争作用研究较少。

(2)现有研究大多集中在多种信息同时出现(同步)的情境之下，较少考虑到舆情事件中多种信息出现时间存在差异(异步)的情境下，多元信息竞争传播规律。

多条信息竞争传播问题可以抽象为两条信息间的竞争传播。因此，本文以两条竞争信息传播为例，提出一种SH2IR模型，通过MATLAB仿真，分析信息发布时间及传播参数对信息竞争传播过程的影响，并提出相关舆情信息治理建议。

1.2单舆情事件中多信息间的竞争机理分析随着互联网的普及，公共管理、社会矛盾和公共安全等各种类别的网络舆情事件频发，而网民对同一事件可能有着不同的观点或立场，存在多样的表达。除网民的自发观点讨论外，还有如网络媒体等的信息关注点引导。《弱传播》[13]一书中提到，舆论的一个特点就是越轻量级的内容越容易传播，比如负面新闻中的一个细节。因此，在舆情事件发生后，各类媒体为吸引眼球赚取流量，可能只关注某个新闻的一个方面进行放大传播，设置不同的传播议题，造成一个事件中出现多种不同类型信息传播，从而竞争网民的关注度。基于事件信息抽象而来的热源因子越多，所能衍生出的信息就越多，信息间相互作用导致的舆情热度越高。一段时间内多个信息共同传播时，网民的注意力经常会发生竞争置换。在这个竞争过程中，被聚焦的信息逐渐升温，成为舆情中的峰值点。结合相关研究成果可以梳理出多信息竞争传播演化过程，如图1所示。

图1 信息竞争传播演化过程图

1.3信息竞争效应网民关注网络舆情受到多重因素的影响，如信息的敏感程度、用户的兴趣指数和利益诉求等。当一个网络舆情事件发生后，通过媒体的引导，特定网民主体可能衍生出不同的关注点，甚至出现两种完全相反的态度，使网络中存在多条信息竞争传播。假设某一舆情事件中，在一段时间内有N条信息产生，则网民的关注点在这N条信息内相互转移竞争。

为深入研究网民传播信息的转移竞争机理，将N条信息间的相互转移模式简化为两条信息间的竞争转移(如图2)，从而构建二元信息竞争传播模型。

图2 信息竞争转移模型概念图

2 信息竞争传播模型的构建与仿真

参考Liu加入的中立犹豫态[10]以及张彬加入的信息有效接触权重[14]，本文引入犹豫节点H，构建二元信息竞争的SH2IR，通过对模型进行仿真，分析影响信息传播的主要因素。

2.1不同信息状态节点下的网民分类在信息传播过程中，可以将信息传播者和信息接收者分别看成一个节点。所有用户都有一定的概率看到信息，并对其进行传播或直接免疫。因此，根据信息的传播机制以及用户的潜在行为反应，综合考虑信息传播流程，对网络中的节点进行划分，得出五种形态：

(1)信息未知者(S)：在网民群体中，未了解舆情信息的内容，没有接触过信息的讨论，但在接触信息后易感染到舆情信息的节点。

(2)信息犹豫者(H)：网络舆情发生后，一部分未知者接收到舆情信息，但尚未将信息传播给他人的节点。

(3)信息传播者(IA)：接收到信息A后，主动将信息A传播给邻居的节点。

(4)信息传播者(IB)：接收到信息B后，主动将信息B传播给邻居的节点。

(5)信息免疫者(R)：熟知信息内容，但已经不受舆情信息影响，且不传播信息的节点。

2.2传播参数设定模型中传播参数的设置如表1所示。

表1 模型传播参数说明

(1)信息接触率：信息未知者(S)转化为信息传播状态(I)或犹豫状态(H)的概率，不仅和传播率p、q、α1、α2有关，还和信息的接触率有关。以S→IA为例，在用户素养水平一定的情况下，一个S状态的节点在传播过程中接触到的IA状态节点越多，被转化为IA状态的概率就越大。设定信息A的接触概率为γ1，信息B的接触概率为γ2。

(2)传播转化率：当信息未知者(S)遇到信息传播者(I)时，则以p(或q)的概率转化为信息A(或信息B)传播者(IA或IB)。

(3)犹豫者转化率：当信息犹豫者(H)多次接收到信息时，则有α1(或α2)的概率转化为信息A(或信息B)传播者(IA或IB)。

(4)信息置换率：当两种类型的竞争性信息在IA或IB状态节点相遇，会在该节点形成相互竞争，会以θi的置换率对信息传播者转换。如θ1越大，则表示A信息的吸引力越大，能把传播信息B的节点状态转化为传播A信息。

(5)免疫转化率：由于对信息失去兴趣，由其他状态转化为信息免疫者的概率。

2.3信息传播规则构建基于SIR模型基础及表1中参数，构建SH2IR二元信息竞争模型传播规则和模型示意图(图3)。比如传播规则中S→I：一部分未知者在接触信息后，由于对信息感兴趣，主动以γ1p(或γ2q)的概率成为信息A或信息B的传播者(IA或IB)。

图3 二元信息竞争SH2IR模型

五种网民状态在t时刻的人数占网民总数的比例，分别用S(t)、H(t)、IA(t)、IB(t)、R(t)表示。

根据上述对不同信息状态节点下的网民分类，以及对基于信息竞争的舆情传播模型规则的描述，构建网民信息竞争的传播动力学模型。

其中，S(t)+H(t)+IA(t)+IB(t)+R(t)=1

上述微分方程组中第一个等式表示未知者密度的变化率；第二个等式表示接触信息但还没有传播信息的犹豫者密度变化率；第三个等式表示信息A传播者密度的变化率；第四个等式表示信息B传播者密度的变化率；第五个等式表示信息免疫者密度的变化率。

3 模型仿真及数值模拟

两种舆情信息可能同时进入网络，也可能传播存在时间差。因此，本文通过改变信息B传播者进入网络中时间的差值，利用MATLAB(2017a)软件求解微分方程组，并进行数值情景仿真，分别探究同步传播和异步传播两种情境下二元信息竞争的演化规律。

3.1信息同步传播

3.1.1 信息接触率的影响 将初始值设定为S(0)=0.998，H(0)=0，IA(0)=IB(0)=0.001，R(0)=0。其余参数取值如下：γ1=0.3，γ2=0.4，p=q=0.4，α1=α2=0.5，β1=β2=0.04，θ1=θ2=0.4，β3=0.05。得到各群体比例随时间的变化曲线，如图4(a)。增大信息B的接触率，令γ2分别等于0.6和0.8,得到仿真结果如图4(b)。

(a)γ1=0.3,γ2=0.4 (b)IA和IB密度变化曲线

(a) IA密度变化曲线 (b) IB密度变化曲线

在图4(a)中两类信息的演化旗鼓相当，信息传播者的规模差别不大。S在前10时步，快速下降至0。H数量先是快速上升，后又迅速下降，在20时步，下降至0。R前期快速上升，在80时步，达到峰值稳定状态。

在图4(b)中，随着信息B接触率的增大，信息A传播者的增长速度放缓，峰值下降显著，且下降速度加快，密度曲线提前趋近于0。信息B传播者的密度曲线增长速度加快，峰值提高较为明显，且密度上升了28%，增长幅度较大。由此可见，在两条信息发布时间相同且其他转化率相同的情况下，增大某条信息的接触率，可以压制另一条信息的传播规模，从而覆盖另一条信息的传播。

3.1.2 传播转化率的影响 改变q值，令其依次等于0.5，0.7和0.9。得到信息A传播者和信息B传播者随时间的变化曲线，如图5所示。

当只增大信息B的传播转化率时，信息A传播者的减少对应着信息B传播者的增加。从整体来看，信息传播转化率的增加对两种信息传播者峰值造成的影响较小，且二者最终的消亡时间并无显著变化。因此，信息传播转化率对信息竞争传播过程的影响效果较小，但增大某一条信息的传染率，同样可以扩大该信息的传播人群，从而在一定程度上抑制另一条信息的传播。

3.1.3 犹豫转化率的影响 信息B的犹豫转化率α2分别取值0.4，0.6和0.8，信息A传播者和信息B传播者密度变化曲线如图6所示。总体来看，两类信息传播者的密度曲线呈对称式变化，随着α2的增大，信息A传播者密度峰值下降，信息B传播者密度峰值增加，信息A和B到达峰值时间有所提前。因此，要在竞争中覆盖掉其它信息，可以呼吁网民转发该信息，增大网民接收到此信息的次数，从而提高信息的犹豫转化率。

(a)IA密度变化曲线 (b)IB密度变化曲线

3.1.4 信息置换率的影响 信息A对信息B的置换率θ1分别取值为0.5，0.7和0.9时，可得信息A传播者和信息B传播者密度变化曲线(图7)。

(a)IA密度变化曲线 (b)IB密度变化曲线

随着θ1的提高，信息A传播者的密度曲线峰值显著增加。信息B传播者的密度峰值明显下降，峰值时间略有提前，且曲线下降速度加快，趋近于0的时间提前。因此，提高某条信息的置换率，可以增大其传播人群的规模，且抑制另外信息的传播并使其传播提前结束。但也注意应在相应的区间内增加置换率来提高其传播规模，增加效果较为明显。否则，应考虑其他方式如提高信息的接触率、犹豫者转化率等来提高其传播范围。

3.2信息异步传播在现实生活中，更多的是信息A(舆情或谣言)和信息B(辟谣信息或正式信息)异步(不同时)注入网络中。信息传播进程可划分为两个阶段：第一阶段，只有信息A的单一信息传播，即经典的SHIR传播阶段。第二阶段，某一时刻起，同时存在信息A和信息B，两种信息竞争传播。通过改变信息传播过程参数，分析异步情况下，信息A和B竞争传播过程的仿真结果变化。

3.2.1 信息发布时间的影响 信息B滞后信息A发布时间的早晚，决定了信息A的传播扩散范围，网络中节点的传播状态会有差异。为了观察这种差异，设定信息A的发布时间ta=0，信息B的发布时间分别为tb=0,2,5,10,20。

阶段一：单一信息A传播演化过程

参考SHIR模型，假定S(0)=0.999，H(0)=0，IA(0)=0.001，R(0)=0。其余参数取值为：γ1=0.5，p=0.4，α1=0.5，β1=0.05，β3=0.06。各群体比例随时间的变化曲线如图8，可知传播规模IA先迅速上升，在12时步到达峰值0.57后下降，在90时步密度降至0，信息A传播人群消失；免疫者规模迅速上升后，从50时步增幅大幅减缓并在90时步趋于稳定。同时可知单一信息A传播中，各类网民在t=2,5,10,20时刻的值。

图8 单信息传播过程各人群密度变化曲线

阶段二：信息A和信息B竞争传播演化过程

令IB(t)=0.001，γ1=0.5，γ2=0.5，p=0.4，q=0.6，α1=0.5，α2=0.7，θ1=0.4，θ2=0.6，β1=β2=0.05，β3=0.06。分别在t=2,5,10,20时刻，加入信息B，得到信息A和B传播者以及信息免疫者R的密度曲线(图9)。

(a) IA密度变化曲线 (b) IB密度变化曲线 (c) R密度变化曲线

由图9可知，信息B发布的越晚，信息A传播者所能到达的密度曲线峰值越高，消亡的时间越晚，传播者所能达到的密度峰值越低；当t=20时，信息B几乎无法在网络中传播。信息免疫者到达稳定的时间大致相同。因此，如果想要通过一种信息的发布去抑制另一种信息的传播，则需要尽早发布。当一个信息在网络中蔓延时，对其控制措施要及时，尤其是遇到谣言传播时，政府一定要及时反应，发布辟谣信息。

3.2.2 信息接触率的影响 假设信息A优先发布5个时步，参数取值：γ1=0.5，γ2=0.5,0.7,0.9。仿真结果如图10所示。

(a) IA密度变化曲线 (b)IB密度变化曲线

从图10可以看出，在信息B接触率由0.5提高至0.9的情况下，信息A传播者密度峰值减小，信息B传播者密度曲线峰值明显增大。这说明在二元信息异步竞争传播中，增加信息B的接触率，能够扩大信息B的传播，但对信息A传播的抑制作用相对较小。因此，要通过信息B去覆盖优先传播的信息A，除了增大信息B的接触率外，还需结合其他方式(如同时提高信息的置换率)来强化对信息A的抑制效果。

3.2.3 信息置换率的影响 假设信息A优先发布5个时步，θ2分别等于0.4，0.6和0.8。得到仿真结果如图11所示。

(a) IA密度变化曲线 (b) IB密度变化曲线

从图11可以看出，增大信息B对信息A的置换率，信息B密度曲线峰值增加，传播影响效果明显；但对信息A峰值的影响较小，信息A密度降至0的时间由90减至30，显著加速了信息A的消亡。因此，当网络舆情中出现积极和消极两方面的观点时，政府和媒体可以加强对积极信息的引导，使消极信息的传播人群转变为传播积极信息，扩大积极信息的影响范围，从而抑制消极信息的传播，加速其消亡。

3.2.4 传播参数的综合影响 综合考虑多个参数变化对信息B的影响。假设信息A优先发布5个时步，增大信息B的传播参数，其余参数相同，得到仿真结果如图12。

(a)q=0.6，α2=0.7，θ2=0.6 (b)q=0.8，α2=0.9，θ2=0.8

从图12可以看出随着传播参数的同时提高，两条信息传播峰值的差值明显扩大。信息A传播密度曲线的峰值降低0.07，且密度趋近于0的时间由30提前至18；信息B密度曲线峰值增大0.11，且出现峰值的时间提前。

与图11中密度曲线相比(θ2=0.6)，同时增大传播参数θ2、q和α2，IA的传播峰值由0.29降至0.18；消亡时间由50提前了32时步；IB传播峰值由0.42增至0.61。单独增加某一参数，IA的传播峰值由0.29降至0.25，降低了0.04；消亡时间由50提前至30，提前了20时步；IB传播峰值由0.42增至0.52，增加了0.1。

比较可知，同时提高信息的传播参数，可以更加有效提升信息的传播范围，并在一定程度上降低竞争信息的传播，加速其消亡。因此，政府应做好辟谣信息的引导，提高辟谣信息的传播转化率、犹豫转化率和置换率，扩大辟谣信息的传播规模，抑制谣言信息的传播并减小其传播时间，使网络环境趋于平稳。

4 结论与讨论

本文研究了社交网络舆情中两条信息相互竞争传播的特点及演化过程，考虑到舆情事件中信息的接触率、分享率、置换率都会影响信息传播的演化过程，构建了二元信息竞争的SH2IR信息传播模型，并通过仿真模拟，得到两条舆情信息同步和异步传播的演化规律。

4.1同步传播模式

a.增大某一条信息的接触率，可以压制另外信息的传播规模。在现实生活中，政府可以与社交网络平台建立良好合作关系，借助平台扩大发布信息的接触率，提高传播范围；或与其他一些网络媒体和营销号及时沟通，发布信息后，引导网络媒体或营销号进行转发传播，增大网民接触信息的概率，增大该信息的传播热度。

b.增大某一条信息的传播转化率，可以扩大该信息的传播人群。传播转化率与网民个人的兴趣爱好和利益诉求息息相关。因此，当政府发布信息时，应抓住网民关注的重点和痛点，做出信息发布，抑制其他信息的传播。

c.提高信息的犹豫转化率有助于覆盖掉竞争信息。一些官方媒体账号在发布信息时，经常会标注并呼吁民众转发，这是提高信息犹豫转化率的一个重要方法。网民从周围人接收到该信息的次数增多，转发该信息的概率增大，在一定程度上可以提高信息的传播人群。

d.在一定范围内增加某条信息的置换率，可以使该条信息的传播规模大幅增加。政府机关可以在日常中注重培养官方的权威性，建立良好的公信力，在发布信息后得到更多网民的转发支持，从而扩大信息的置换率，抑制其他信息传播。

4.2异步传播模式

a.信息发布的越早，越能抑制另外信息在网络中的传播，将网络舆情消灭在初期增长阶段。因此，政府应重视网络舆情传播的治理，及时关注舆论动向，在谣言传播时及时查明真相，尽早公布辟谣信息，降低谣言的传播规模，减弱其带来的负面影响。

b.单独增加信息的接触率和置换率，能够扩大信息传播范围，但对其他竞争信息的抑制作用相对较小。同时提高其他传播参数，增大信息的综合吸引力，可以有效提升信息的传播人群。因此，当政府发布辟谣信息后，仍需要通过多渠道多元化的手段，对信息传播做出有效引导，提高信息的传播率。