基于社交网络下的信息传播覆盖及强化效应分析

◎暴文婷

(长春人文学院，吉林 长春 130117)

当前，我国信息化社会迅速发展，越来越多的人们参与到网络社交中，社交网络下，人们能够在线交流，形成一个在线社区。社交网络逐渐得到了社会各领域广泛关注，为促进社交网络的良好发展，对其信息传播相关内容进行研究意义重大，因此，本文就基于社交网络下的信息传播覆盖及强化效应相关内容进行分析，具体如下。

一、社交网络信息传播特征

当前社交网络中，信息传播具备较多特征，第一，永生性特征。在这一特征下，即便在信息传播时可以将其控制[1]，却无法将其消灭或破坏。例如，获得一条信息后，并且该信息并没有进行传播，不过这条信息却是真实存在的，通过信息载体，依然可以继续传播。第二，无限性特征。该特征主要表示的是，信息可以一直无限地进行传播。第三，即时性特征。表示社交网络中信息传播的速度极快，从信息发出至信息接收所花费的时间可以忽略不计，具备明显的即时性。第四，方向性特征。这一特征表示信息传播具有一定的目的性，一些信息传播是为了直接向某个人传递[2]。在互联网不断发展下，人们在信息传播扩散上，已经将互联网作为了主要的渠道。基于互联网特性下，会使信息不受时间及空间的限制，迅速在网络上传播。对于社交网络而言，其与真实社会较为类似，人们可以在网络下认识一些人，从而形成自己的社交圈，但是社交网络具备群体性这一显著特征，信息的接收者可以是同学、朋友，还可以是陌生人等，若这些人同时收到了该信息，则实现了一对多的交流。在信息传播中，用户不但属于好友发布信息的接收者，并且还是多对一的实现者。用户接收到身边人的信息时，会进一步加深用户对此信息的信任与兴趣。网络信息能够进行重复发送，互联网中可以存储大量的信息，所有信息均具备较多的传播机会，包括音频传播、视频传播、文本传播以及动画传播等。社交网络中[3]，用户可以发表自己的意见与想法，并在网络平台上，将自己的想法与观点传达给其他用户，实现信息的接收与发送。

二、基于社交网络下的信息传播覆盖及强化效应

(一)模型构建

本研究选择流行病传播模型进行实际建模研究，该模型最早用于天花扩散过程研究，随后在不断发展中，逐渐在创新传播、政治传播及信息传播等方向被广泛应用。在该模型中，通常会将个体划分为不同的种类，同种类个体被赋予相同的状态。为对社交网络中的信息重复情况进行深入分析，构建了SI模型，假设个体感染概率为则该模型可以用下列方程进行表示：

处于S状态下的个体，会在一定程度上被I状态下的个体影响，定义s(t)与i(t)属于t时刻下，两种状态的比例，所以s(t)+i(t)=1。

网络中，S状态表示的节点，属于没有进行信息发布的个体，而对于I状态表示的节点，则表示已经进行信息发布的个体，当没有进行信息发布的个体与已经进行信息发布的个体接触后，会有一定的概率成为I状态的个体，进而会进行信息分享。

(二)信息强化程度指标

完成模型构建过后，确定信息传播环节的覆盖情况以及强化效应程度指标，即信息覆盖率以及信息重复率，同时，定义指标中的相关元素。信息重复率表示用户间强化效应强度，重复率越高，表示用户转发分享行为越多，重复现象也越严重。用E表示网络的边的集合，用G(V,E)作为社交网络，其用户规模为V=|N|。在该社交网络中，aji表示网络邻接矩阵元素，如果aji=1，说明j与i存在友好关系，j分享过的信息，i可以看见并转发，否则相反。信息传播环节，表示节点状态，如果=0，表示节点为S状态节点，没有进行信息的发布，相反则为I状态节点，已进行过信息的发布或分享：

(三)仿真分析

模型构建完成后，可以利用相应的网络拓扑实施仿真模拟。当前，新浪微博属于较受欢迎的在线社交网络，对于热点事件传播而言，存在一定的代表性，同时，还具备小世界以及无标度的特性，在其网络节点的度，具备遵循幂律分布规律。以新浪微博用户关系数据作为主要的研究依据，并将微博用户定义为网络节点，将粉丝与关注关系处理作为边，最终形成实验用的传播网络。将PAJEX软件导入网络拓扑矩阵中，通过实际计算获得网络基本特征。

首先，进行模型对比实验。将微博网络作为主要的实验对象，开展以下传播仿真实验，第一种为经典SIR模型；第二种为G-SIR模型；第三种为IG-SIR模型。在初始状态设置中，将以上实验中一致的十个节点定为初始传播源，将剩余企业节点作为易感节点；随后记性模型参数设置，将λ=0.05，β=0.02，T=150，在实际分析中得出，因为微博网络存在较高的连通性，因此，在相关舆情信息上存在较快的传播速度。信息开始传播后，随着时间的推移，易感节点密度S(t)会存在明显的下降，而传播个体密度I(t)，则得到快速提升，从中可以看出，网络中很多用户，均获得了网络信息，在传播个体不断增加下，一些用户会通过实际思考及正面舆论引导下成为免疫个体[4]，这种情况下，受到谣言影响的个体数量也会逐渐减少，最终直至谣言不被传播，较多用户在得知事件真相后，均转变为了免疫个体，整个信息传播过程变缓，直至不在被传播。经过以上十次传播实验，所有实验中的初始传播节点是固定的，对传播者达到最大数量峰值时，占总人数的比例以及所用时间步进行分别记录，最终得到均值数据。同经典SIR模型相比，另外两个模型中，会在更短的时间步中达到传播峰值，在传播峰值时，在传播者数量上也更多。除此之外，因为微博网络各节点度存在较大的不同，其余两个模型在传播达到峰值的时间步上也存在一定的差异，不过，在达到峰值时的传播者数量上，并没有明显的差异。

其次，参数敏感性分析。为有效了解相关因数对舆情传播的影响情况，获得针对性的舆情信息掌控措施，选择G-SIR模型信息传播中的相关参数，例如恢复率、免疫时间、初始用户节点度等，在采集的微博网络中开展仿真传播，从而全面了解对信息传播效果的影响情况。先进性节点度的选择，分别选择出不同的节点度，将各节点度用户作为初始传播对象。在时间不短推移下，易感节点与传播节点密度，均发生了一定的变化。微博属于一种无标度网络，初始传播点度值与信息传播速度成正相关，即度值越大，传播速度越快，传播开始不久，易感用户的密度S(t)会迅速降低；当初始传播节点度值较小时，会对信息传播产生一定影响，使其具备一定的滞后性，需要在一定的时间后，才会在网络上大范围的进行信息传播与扩散，具体而言，易感用户的密度会在信息传播开始一段时间后下降。不过当t具备无穷大特点时，不管初始传播节点的度值多大，所有状态节点的数量均会趋于一致，同时，传播节点得到的数量峰值也不会存在较大差异，从中可以得出，初始传播节点中不同度值的用户，会在一定程度上对传播用户范围产生影响，不过这种影响也是有限的。与微博网络情形相关联，网络中的大V用户进行信息传播时，信息会在网络上被快速传播，并且，一般用户发出信息后，大V用户对其进行转发，最终该信息也会在网上快速传播。从中可以看出，对于无标度网络而言，网络规模很大时[5]，信息传播临界值会很小，接近于零，从中表明，类似于微博这种无标度特性的网络，会更易发生舆情事件获得爆发谣言。在免疫过程时滞上而言，可以将免疫环节看作用户的自我转变，也是在真实信息传播影响下，用户对热点事件形成的正确判断。在信息传播一段时间后，讨论会逐渐转变成为免疫状态。通过对采集的网络拓扑数据进行观察，当正确舆论引导信息出现滞后情况时，传播人群的数量会逐渐扩大，从而会增加负面影响。所以在社交网络信息传播下，特别是在热点事件的舆情传播上，可以通过及时公布真实的信息，降低信息传播蔓延事件，以免导致不良信息的大范围传播。

三、社交网站的信息传播策略

社交网络下，信息传播覆盖率较广，尤其是在大V用户转发后，传播速度会更快，不过正确的信息引导会对信息传播产生较好的抑制效果，能够避免不良舆论导向。对于社交网站而言，为有效促进自身发展，需要制定出完善的信息传播策略，具体可以做好以下几方面工作。

(一)放宽实名网站话题限制

社交网络中存在较大的虚拟性，在其中网民可以不受限制地发表自身意见与想法。不过一些网站，为了维护社交网络的真实环境，通常会要求用户进行实名制认证，以免出现较多的续交信息，不过在实名制模式下[6]，会对网民意见发表产生较大的约束与限制。较多网民出于对真实人际关系等方面的考虑，往往不会在社交网络中发表自身真实的想法与建议。尤其是针对的较为热点的话题上，更不会说出自身真实的想法。现代社会中，社会与利益格局得到不断优化，若社交网站无法成为网民发表真实意见的平台，长此以往，必将会失去群体互动，不利于社交网站的可持续发展。所以社交网站可适当放宽实名网站话题限制，结合不同的话题做出细致分类，进而确定该话题是否可以进行匿名操作。

(二)减少无价值用户数量

所谓的无价值用户，具体是指花钱可以买到的不具备价值的虚假粉丝，也就是微博上的“僵尸粉”，通常是通过计算机系统自动生成的无价值用户。这种用户的目的主要是未获得更大的商业利益，只进行营销信息转发，会对社交网络环境产生不良影响。并且，在相关调查中发现，我国社交网站无价值用户数量在不断增加，若想对有效真实的人际关系进行维护，社交网站应核实用户发布的信息，结合社交网站中用户的行为规律，判断用户是否为无价值用户，从而考虑是否将其清除，通过这样的方式，降低无价值用户数量，避免无价值用户对社交网站产生不良影响。

(三)规范信息传播模式

通信模型，大多都是基于自身网络特性及信息传播开展实际工作，因此，可以对传统的通信模型加以改进，形成更为优化、完善的社交网络信息传输模型。进行一对多传播模式的良好规范，对公共网络环境舆论走向进行控制，避免不良信息的出现与扩散，提升信息传播效果。并且，还应制定出通信管制战略。与社会网络特点相结合，在针对性的通信控制策略应用下，提升控制效果。社会网络中存在不同的区域，这些区域相互连接，可以迅速的进行信息传播，为达到更好的信息控制效果，可以选择群体通信控制策略。将通信用户与其他通信用户间的联系切断，保证通信用户的信息传播在可控制范围内。除此之外，还应构建现实与网络良好契合的机制[7]。在大数据分析技术的应用下，对信息传播路径及影响因素进行总结分析，通过有效机制，促进网络与现实的有机契合。在实践与理论结合下，完善社交网络区域仿真实验。对社交网络属性特征进行分析，将此作为主要的前提条件，在大数据的应用下，对用户性质进行有效识别，详细分析用户的社交动态，确保信息得以良好传播。

(四)强化社会议题互动

当前，时代不断发展下，社会受社交网络的影响程度也逐渐加大，越来越多的媒体纷纷进行官方账号的注册及使用，主要的目的是在社交网络下实现自身影响力的不断提升，与网民实现有效互动，同时对报道模式也进行了不断创新。对于社交网络而言，在传统实力较强的媒体与社交网络及网媒融合下，获得了更多的外部信息。多样化的外部信息融入下，或促使更多的网民在社交网络上进行信息传播，因此，可以引导并鼓励网民参与到网站线上讨论中，不但会保证社交网络信息流通度，还会创造更加真实的社交环境，实现信息有效传播的同时，也会吸纳更多的用户。

四、结语

总而言之，重点研究社交网络下的信息传播方式，会使人们更好的掌握社交网络信息传播规律，也有助于对信息传播进行良好管控。对于社交网站而言，可以从放宽实名网站话题限制；减少无价值用户数量；规范信息传播模式；强化社会议题互动等手段下，实现信息的良好传播，促进网络社交良好发展。