微博信息傳播模型及其演化研究綜述

崔金棟，鄭 鵲，孫 碩

微博信息傳播模型及其演化研究綜述

崔金棟，鄭 鵲，孫 碩

文章針對微博信息建模過程中影響因素眾多、過程復(fù)雜現(xiàn)狀，梳理模型構(gòu)建的依據(jù)及其演化脈絡(luò)。文章對現(xiàn)有微博信息模型進(jìn)行功能解析和演化分析，從節(jié)點(diǎn)自身屬性、鏈接關(guān)系到整體拓?fù)浣Y(jié)構(gòu)演化的視角，解析微博信息傳播模型中的社會(huì)網(wǎng)絡(luò)特征；從傳播模式、傳播影響因素和傳播規(guī)律演化的角度，闡釋微博信息傳播模型的復(fù)雜網(wǎng)絡(luò)特性；從傳播預(yù)測和傳播控制的視角，揭示微博信息傳播模型的雙重網(wǎng)絡(luò)特質(zhì)。文章提出微博信息傳播模型的演化方向，即微博信息傳播中節(jié)點(diǎn)、節(jié)點(diǎn)鏈接與信息內(nèi)容的融合，復(fù)雜網(wǎng)絡(luò)與多重網(wǎng)絡(luò)的融合，微博信息傳播與大數(shù)據(jù)的融合。

微博信息傳播 網(wǎng)絡(luò)結(jié)構(gòu) 傳播規(guī)律 傳播預(yù)測

0 引言

移動(dòng)互聯(lián)網(wǎng)已經(jīng)成為信息傳播的主要途徑，微博作為一個(gè)可以自由發(fā)表觀點(diǎn)和態(tài)度的平臺(tái)，具有信息傳播多樣化、信息交互便捷化等特性，同時(shí)意味著其信息的傳播具有不可控的屬性。因此，有效監(jiān)管信息的真實(shí)性、準(zhǔn)確性和時(shí)效性，控制不良信息擴(kuò)散范圍，對規(guī)范網(wǎng)絡(luò)環(huán)境，促進(jìn)微博平臺(tái)健康發(fā)展具有重要意義。

國外對微博信息傳播的研究大都建立在對Twitter研究的基礎(chǔ)上，在微博網(wǎng)絡(luò)結(jié)構(gòu)、傳播機(jī)制和傳播模型等方面取得了一定的成果。國內(nèi)對微博信息傳播的研究起步較晚，大多數(shù)是基于目前國內(nèi)最先進(jìn)、最活躍、用戶數(shù)量最高的新浪微博，對其信息傳播特征、影響因素[1-2]、傳播模式[3]、傳播預(yù)測模型和影響力等展開研究[4-5]。然而，學(xué)者們普遍從自身的研究角度出發(fā)，采用的信息傳播模型側(cè)重點(diǎn)各有不同，研究結(jié)論多樣化。因此，筆者以微博信息傳播功能為視角，在解析微博信息傳播模型演化規(guī)律基礎(chǔ)上，提出未來微博信息傳播的技術(shù)發(fā)展趨勢。

1 微博信息傳播模型基本支撐理論

微博作為在線社交平臺(tái)，每一個(gè)用戶可以視為一個(gè)節(jié)點(diǎn)，各個(gè)節(jié)點(diǎn)相互關(guān)聯(lián)構(gòu)成整個(gè)微博網(wǎng)絡(luò)。為了更加科學(xué)且合理地解析微博網(wǎng)絡(luò)結(jié)構(gòu)及其節(jié)點(diǎn)屬性，研究者普遍將復(fù)雜網(wǎng)絡(luò)理論、多重網(wǎng)絡(luò)理論和社會(huì)網(wǎng)絡(luò)分析法作為基礎(chǔ)支撐理論。

1.1 復(fù)雜網(wǎng)絡(luò)理論

復(fù)雜網(wǎng)絡(luò)是復(fù)雜性理論的分支，具有結(jié)構(gòu)復(fù)雜、節(jié)點(diǎn)多樣、網(wǎng)絡(luò)結(jié)構(gòu)多變等特征，是抽象于復(fù)雜系統(tǒng)的框架性表示形式[6]，主要特征包括：(1)由多個(gè)節(jié)點(diǎn)或子系統(tǒng)組成；(2)易受外界環(huán)境影響，并與外界不斷進(jìn)行物質(zhì)、能量和信息交換；(3)在特定情況下，網(wǎng)絡(luò)內(nèi)的節(jié)點(diǎn)之間存在某種鏈接關(guān)系，并且互相作用，從而給彼此帶來影響；(4)節(jié)點(diǎn)間的相互作用和整個(gè)系統(tǒng)存在某種復(fù)雜的非線性關(guān)系。在理論研究方面，復(fù)雜網(wǎng)絡(luò)主要運(yùn)用圖論和統(tǒng)計(jì)物理作為理論支撐，深入探討網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及其特性[7]。20世紀(jì)末小世界網(wǎng)絡(luò)和無標(biāo)度網(wǎng)絡(luò)被發(fā)現(xiàn)，并通過實(shí)例論證真實(shí)世界網(wǎng)絡(luò)同時(shí)擁有小世界網(wǎng)絡(luò)屬性和無標(biāo)度網(wǎng)絡(luò)屬性，并非以往認(rèn)知中的規(guī)則網(wǎng)絡(luò)或隨機(jī)網(wǎng)絡(luò)，因此科學(xué)家將擁有這兩種屬性的網(wǎng)絡(luò)統(tǒng)稱為復(fù)雜網(wǎng)絡(luò)[7]。隨著對復(fù)雜網(wǎng)絡(luò)認(rèn)知的深入，研究快速發(fā)展。目前相關(guān)理論研究趨于完善，主要將其運(yùn)用到其它學(xué)科領(lǐng)域。

1.2 多重網(wǎng)絡(luò)理論

隨著對微博網(wǎng)絡(luò)研究的深入，學(xué)者們發(fā)現(xiàn)微博網(wǎng)絡(luò)不僅僅是一個(gè)單層次復(fù)雜網(wǎng)絡(luò)，因此提出多重網(wǎng)絡(luò)(Multiplex Network)概念，即在一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)中具有多層網(wǎng)絡(luò)，每層網(wǎng)絡(luò)的參與節(jié)點(diǎn)相同[8-12]，但不同節(jié)點(diǎn)之間的鏈接屬性存在一定的差異。多重網(wǎng)絡(luò)可以看作是一種多個(gè)平行網(wǎng)絡(luò)層動(dòng)態(tài)相互耦合的網(wǎng)絡(luò)，各子網(wǎng)絡(luò)層間具有一定的關(guān)聯(lián)性。多重網(wǎng)絡(luò)亦稱為多層次網(wǎng)絡(luò)、相互依賴網(wǎng)絡(luò)、多關(guān)系網(wǎng)絡(luò)[13-14]。多重網(wǎng)絡(luò)作為特殊的相互作用的網(wǎng)絡(luò)，它的結(jié)構(gòu)和動(dòng)態(tài)演化過程受到越來越多的關(guān)注，研究者從多角度在多個(gè)學(xué)科領(lǐng)域?qū)ζ湔归_研究[15-16]。通過研究多重網(wǎng)絡(luò)的內(nèi)部屬性，節(jié)點(diǎn)之間的鏈接關(guān)系等，可實(shí)現(xiàn)對子網(wǎng)絡(luò)之間相互影響和動(dòng)態(tài)關(guān)系的挖掘；亦可運(yùn)用多重網(wǎng)絡(luò)對微博網(wǎng)絡(luò)進(jìn)行仿真，探索微博網(wǎng)絡(luò)結(jié)構(gòu)的內(nèi)部屬性和傳播規(guī)律。

1.3 社會(huì)網(wǎng)絡(luò)分析法

從實(shí)踐角度看，社會(huì)網(wǎng)絡(luò)分析(SocialNetwork Analysis)是一種解析社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)及其屬性的技術(shù)方法；從理論視角來說，亦可以視作一種結(jié)構(gòu)分析思想[17]。社會(huì)網(wǎng)絡(luò)分析法將整個(gè)網(wǎng)絡(luò)看作由若干個(gè)節(jié)點(diǎn)構(gòu)成，每個(gè)節(jié)點(diǎn)之間有一定的鏈接關(guān)系，網(wǎng)絡(luò)結(jié)構(gòu)內(nèi)的鏈接關(guān)系決定了信息的傳播路徑及其特征[18]。社會(huì)網(wǎng)絡(luò)分析法通常用于分析不同社會(huì)單位(個(gè)人、群體)乃至整個(gè)社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)內(nèi)的個(gè)體和整體的屬性以及節(jié)點(diǎn)的鏈接關(guān)系特征[18]，其中個(gè)體屬性主要涵蓋點(diǎn)度中心性、中間中心性和接近中心性[19]。點(diǎn)度中心性指在網(wǎng)絡(luò)結(jié)構(gòu)中某個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)的關(guān)聯(lián)程度，直接關(guān)聯(lián)的數(shù)量決定該節(jié)點(diǎn)成為中心節(jié)點(diǎn)的概率[20]；中間中心性指通過衡量節(jié)點(diǎn)之間占有信息和資源的程度，從而實(shí)現(xiàn)評估網(wǎng)絡(luò)中心性的目的；而接近中心性則主要用來比較分析節(jié)點(diǎn)之間的差異性，節(jié)點(diǎn)差異值表示了節(jié)點(diǎn)接近網(wǎng)絡(luò)核心的距離。常見的社會(huì)網(wǎng)絡(luò)分析軟件有Ucinet、Pajek、Netminer等。

這三個(gè)基礎(chǔ)理論是開展微博傳播研究的基石，也是微博信息建模的出發(fā)點(diǎn)。筆者以上述理論為主線對微博傳播模型及其演化進(jìn)行闡述，總結(jié)現(xiàn)有成果的不足以及技術(shù)發(fā)展趨勢。

2 基于社會(huì)網(wǎng)絡(luò)的微博信息傳播模型及其演化

微博信息傳播的主體主要由傳播者、信息、接收者構(gòu)成。在微博信息傳播的研究過程中通常將傳播者和接收者(即用戶)看作節(jié)點(diǎn)，用戶的相互關(guān)注視作節(jié)點(diǎn)關(guān)聯(lián)形成的邊，把整個(gè)微博網(wǎng)絡(luò)抽象成一種有向網(wǎng)絡(luò)圖。因此，節(jié)點(diǎn)自身屬性、節(jié)點(diǎn)鏈接關(guān)系和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的演化是挖掘傳播過程中關(guān)鍵節(jié)點(diǎn)的重要因素。

2.1 基于節(jié)點(diǎn)自身屬性的微博信息傳播模型及其演化

節(jié)點(diǎn)自身屬性是識(shí)別微博網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)的重要因素，分析節(jié)點(diǎn)自身屬性，計(jì)算節(jié)點(diǎn)權(quán)重值，從而識(shí)別關(guān)鍵節(jié)點(diǎn)是學(xué)界普遍采用的方法。權(quán)重值越大，作為關(guān)鍵節(jié)點(diǎn)的概率就越大。早期模型中，節(jié)點(diǎn)權(quán)重值計(jì)算方法主要通過對不同節(jié)點(diǎn)自身屬性進(jìn)行對比，將用戶微博貢獻(xiàn)值、社會(huì)影響力等作為指標(biāo)，進(jìn)行權(quán)重值計(jì)算。這類方法最大的不足在于準(zhǔn)確度低、時(shí)間復(fù)雜度高。隨后研究者發(fā)現(xiàn)節(jié)點(diǎn)傳播影響力對識(shí)別關(guān)鍵節(jié)點(diǎn)具有重要作用，因此，將信息擴(kuò)散廣度、速度和深度作為評價(jià)用戶傳播影響力的指標(biāo)，分別賦予權(quán)重系數(shù)，構(gòu)建基于WSD-Rank算法的傳播影響力模型。與傳統(tǒng)PageRank算法對比，這種算法對節(jié)點(diǎn)傳播影響力的表達(dá)更加直接，提高了適用性[21]。隨著拓?fù)浣Y(jié)構(gòu)研究的融入，學(xué)者基于拓?fù)浣Y(jié)構(gòu)將緊密中心度和介數(shù)中心度作為評價(jià)指標(biāo)衡量節(jié)點(diǎn)傳播影響力，但這種方法僅從節(jié)點(diǎn)自身屬性出發(fā)，忽略了節(jié)點(diǎn)鏈接關(guān)系帶來的影響，缺少整體性，準(zhǔn)確度低[22]。因此，后續(xù)模型將近似計(jì)算節(jié)點(diǎn)和邊的中介中心性作為識(shí)別關(guān)鍵節(jié)點(diǎn)的評價(jià)指標(biāo)，基于Brandes算法，執(zhí)行Betweenness算法，最終求出每個(gè)節(jié)點(diǎn)的唯一中介性值。這種方法不僅提高了計(jì)算效率，而且提升了識(shí)別準(zhǔn)確度[23]。

構(gòu)建信息傳播模型也是研究節(jié)點(diǎn)自身屬性的常用方法之一。研究者在獨(dú)立級聯(lián)模型(IC)和線性閾值模型兩個(gè)經(jīng)典模型的基礎(chǔ)上，提出遞減級聯(lián)、DRUC等演化模型。遞減級聯(lián)模型認(rèn)為，在傳播過程中，隨著時(shí)間的推進(jìn)，節(jié)點(diǎn)之間的傳播概率會(huì)逐漸下降。DRUC(Decaying Reinforced User-Centric)模型是在線性閾值模型的基礎(chǔ)上，結(jié)合信息內(nèi)容和用戶輪廓，綜合考慮用戶興趣度、接收者傳播意愿和被感染的鄰居節(jié)點(diǎn)三個(gè)因素的反作用。但是，獨(dú)立級聯(lián)模型和線性閾值模型及其演化模型的最大缺陷在于：模型構(gòu)建的前提是假設(shè)任意兩個(gè)節(jié)點(diǎn)之間的信息傳播時(shí)間是相同的，整個(gè)傳播過程是離散的、同步的。然而在實(shí)際的傳播過程中，任意兩個(gè)節(jié)點(diǎn)之間的傳播時(shí)間是有差異的，整個(gè)傳播過程是連續(xù)的、不同步的。因此，通過引入傳播延遲時(shí)間，提出AsIC(Asynchronous IC Model)非同步模型(如圖 1)，即在對傳播主體特征(影響力、權(quán)威度和活躍度)、傳播客體特征(傳播意愿)和傳播的信息特征(情感屬性、是否包含URL鏈接、是否包含標(biāo)簽)進(jìn)行討論分析后，構(gòu)建基于AsIC模型的細(xì)粒度社會(huì)網(wǎng)絡(luò)信息傳播模型[24]。實(shí)證表明該模型提升了信息傳播過程中的預(yù)測準(zhǔn)確率。

圖1 IC模型和AsIC模型

2.2 基于節(jié)點(diǎn)鏈接關(guān)系的微博信息傳播分析及其演化

節(jié)點(diǎn)鏈接關(guān)系表示兩個(gè)節(jié)點(diǎn)之間相互作用所產(chǎn)生的對彼此的影響。不同節(jié)點(diǎn)的鏈接關(guān)系不同，對微博信息傳播的影響和作用也不同?，F(xiàn)有的節(jié)點(diǎn)鏈接關(guān)系算法大多從PageRank算法演化而來，比較成功的演化算法有TwitterRank算法、SpreadRank算法。TwitterRank算法通過融入話題影響力、關(guān)注關(guān)系網(wǎng)絡(luò)、用戶發(fā)布微博數(shù)量和用戶興趣相似度等影響因子，提高識(shí)別話題的敏感度；SpreadRank算法將轉(zhuǎn)發(fā)時(shí)間間隔作為影響因子，并考慮不同用戶在傳播過程中的級別，提升影響力計(jì)算的準(zhǔn)確度[25-26]。

節(jié)點(diǎn)鏈接關(guān)系最直接的表現(xiàn)就是節(jié)點(diǎn)之間的關(guān)注度，因此可運(yùn)用程度中心法衡量節(jié)點(diǎn)的直接關(guān)注度。直接關(guān)注度越高，成為關(guān)鍵節(jié)點(diǎn)的概率就越大。但是，這種方法只考慮節(jié)點(diǎn)的局部環(huán)境，忽視其他間接關(guān)聯(lián)節(jié)點(diǎn)的影響作用。基于此，有學(xué)者提出了接近中心法，將節(jié)點(diǎn)與其他節(jié)點(diǎn)的最短路徑和作為衡量指標(biāo)，最短路徑和越短，接近中心度就越高，成為關(guān)鍵節(jié)點(diǎn)的概率越大。雖然與程度中心法相比，接近中心法的準(zhǔn)確度和整體性都有所提升，但這種算法的約束性和計(jì)算復(fù)雜度很高，必須在所有節(jié)點(diǎn)完全相連的網(wǎng)絡(luò)中才能夠執(zhí)行。為解決該問題，在同質(zhì)節(jié)點(diǎn)的所有子網(wǎng)絡(luò)中引入超級節(jié)點(diǎn)，這些超級節(jié)點(diǎn)令整個(gè)網(wǎng)絡(luò)內(nèi)的所有節(jié)點(diǎn)完全相連，然后運(yùn)用接近中心法計(jì)算節(jié)點(diǎn)最短路徑和。這種方法不僅突破了原算法的約束性，而且提高了適用性，可以分別從全網(wǎng)絡(luò)、同質(zhì)子網(wǎng)絡(luò)、異質(zhì)子網(wǎng)絡(luò)進(jìn)行測量，算法更加全面合理[27]，見圖2。

圖2 基于節(jié)點(diǎn)鏈接關(guān)系的判定方法及其演化

2.3 基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的微博信息傳播分析及其演化

網(wǎng)絡(luò)作為微博信息傳播的載體，它的屬性對微博信息傳播的影響大。因此，分析網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)屬性，或通過構(gòu)建網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)找出信息傳播規(guī)律是重要的研究方向。通過分析微博社會(huì)網(wǎng)絡(luò)中心性，發(fā)現(xiàn)當(dāng)信息敏感度超越某個(gè)臨界點(diǎn)，關(guān)鍵節(jié)點(diǎn)影響力將會(huì)隨著敏感度的提升而減弱[28]，因此，精準(zhǔn)、及時(shí)識(shí)別關(guān)鍵節(jié)點(diǎn)對控制事件的傳播擴(kuò)散具有重要作用。以突發(fā)性事件的傳播作為研究對象，分析事件發(fā)展的時(shí)間階段特性，采用鄰接矩陣的方式表示節(jié)點(diǎn)和邊，構(gòu)建信息傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，為找出控制事件惡性發(fā)展的關(guān)鍵時(shí)間和節(jié)點(diǎn)提供有效手段[29]。雖然這種方法能有效識(shí)別關(guān)鍵節(jié)點(diǎn)，但不具有通用性。因此，構(gòu)建兩個(gè)雙向“關(guān)注”網(wǎng)絡(luò)，通過分析網(wǎng)絡(luò)的中心性指標(biāo)(節(jié)點(diǎn)度、緊密度、介數(shù)、K-核)，證實(shí)節(jié)點(diǎn)中心性指標(biāo)的差異給信息傳播的深度和廣度帶來的影響有所不同，而緊密度和K-核指標(biāo)的應(yīng)用提高了尋找網(wǎng)絡(luò)核心節(jié)點(diǎn)的準(zhǔn)確度[30]。隨著研究及學(xué)科之間交互作用的深化，借鑒社會(huì)物理學(xué)思想，以微博信息傳播網(wǎng)絡(luò)特征向量為出發(fā)點(diǎn)，將傳播過程中的影響因素以及傳播模式類比作動(dòng)力學(xué)變量，從而建立微觀動(dòng)力學(xué)方程：

公式1中Xi(t)表示t時(shí)刻用戶獲取信息繼續(xù)傳播的概率；v0表示信息價(jià)值；e-λix(t-t)表示信息關(guān)注程度；其余部分表示時(shí)效性以及參與信息傳播的用戶比例。此模型說明信息價(jià)值與信息關(guān)注度、被傳播的概率成正向相關(guān)關(guān)系。信息關(guān)注度越高，用戶繼續(xù)傳播的可能性也就越大[31]。

3 基于復(fù)雜網(wǎng)絡(luò)的微博信息傳播模型及其演化

3.1 基于復(fù)雜網(wǎng)絡(luò)的微博信息傳播模式分析

復(fù)雜網(wǎng)絡(luò)的信息傳播動(dòng)力(即網(wǎng)絡(luò)內(nèi)信息的傳播形態(tài))機(jī)制研究一直是微博網(wǎng)絡(luò)研究的熱點(diǎn)問題。區(qū)別于人人網(wǎng)等熟人關(guān)系網(wǎng)絡(luò)，微博的公開性令其成為一種由信息推動(dòng)的弱關(guān)系網(wǎng)絡(luò)。弱關(guān)系型網(wǎng)絡(luò)最明顯的特征就是用戶之間的關(guān)系可以是單向的。單向關(guān)聯(lián)關(guān)系的優(yōu)勢在于令網(wǎng)絡(luò)內(nèi)的節(jié)點(diǎn)互聯(lián)性更優(yōu)、網(wǎng)絡(luò)結(jié)構(gòu)更加緊密。微博網(wǎng)絡(luò)存在較多單向關(guān)聯(lián)關(guān)系，促使其信息傳播路徑更長，傳播速度更快，具有很明顯的小世界網(wǎng)絡(luò)特質(zhì)，符合六度分隔理論[32]。在此基礎(chǔ)上，研究者對信息轉(zhuǎn)發(fā)的傳播動(dòng)力模式進(jìn)行研究，將其分為三種傳播模式(見圖3)：(1)單關(guān)鍵點(diǎn)型，傳播速度快，傳播節(jié)點(diǎn)大多數(shù)是強(qiáng)勢節(jié)點(diǎn)；(2)鏈?zhǔn)叫停瑐鞑シ秶?，影響力?。?3)多關(guān)鍵點(diǎn)型，在傳播過程中需要大量的強(qiáng)勢節(jié)點(diǎn)和關(guān)聯(lián)中介節(jié)點(diǎn)，傳播范圍廣，影響力較大。這種分類方式略為粗糙，在詳細(xì)分析新浪微博若干個(gè)熱點(diǎn)信息的傳播動(dòng)力模式后，發(fā)現(xiàn)其主要傳播動(dòng)力模式有七類：波紋型、蒲公英型、菌落型、煙花型、蜂巢型、雙子星型、隨機(jī)引爆型，其中比較普遍的是波紋型和蒲公英型。

圖3 信息轉(zhuǎn)發(fā)傳播模式

3.2 基于復(fù)雜網(wǎng)絡(luò)的微博信息傳播影響因素分析

時(shí)間、用戶行為特征、發(fā)布的信息都有可能引起微博信息傳播網(wǎng)絡(luò)結(jié)構(gòu)的演化，從而給信息傳播帶來影響。因此，筆者從網(wǎng)絡(luò)結(jié)構(gòu)整體屬性、局部屬性以及演化時(shí)間規(guī)律三方面分析影響網(wǎng)絡(luò)結(jié)構(gòu)演化的主要因素。

3.2.1 整體網(wǎng)絡(luò)結(jié)構(gòu)影響因素

小世界、無標(biāo)度特性通常被用來形容復(fù)雜網(wǎng)絡(luò)的整體宏觀結(jié)構(gòu)。正是因?yàn)檫@些特性，微博網(wǎng)絡(luò)在演化進(jìn)程中，存在擇優(yōu)連接的現(xiàn)象，即節(jié)點(diǎn)粉絲數(shù)量越多，被新節(jié)點(diǎn)關(guān)注的概率就越大[33]。因此，將節(jié)點(diǎn)被新節(jié)點(diǎn)連接的概率P(ki)表示為：

其中，ki是節(jié)點(diǎn)i的度值。除了這種擇優(yōu)連接現(xiàn)象，微博平臺(tái)會(huì)通過相關(guān)規(guī)則實(shí)行推薦機(jī)制，包括推薦好友、推薦微博信息等隨機(jī)因素，所以網(wǎng)絡(luò)內(nèi)還擁有大量的隨機(jī)連接。將擇優(yōu)和隨機(jī)模式融入無標(biāo)度網(wǎng)絡(luò)模型，則節(jié)點(diǎn)被新節(jié)點(diǎn)連接的概率表示為：

其中αi為吸引力因子；ρ為可調(diào)參數(shù)，取決于擇優(yōu)和隨機(jī)的權(quán)重，當(dāng)ρ較小時(shí)擇優(yōu)權(quán)重占優(yōu)，反之隨機(jī)占優(yōu)。從公式3可以看出，節(jié)點(diǎn)被新節(jié)點(diǎn)連接的概率取決于網(wǎng)絡(luò)的隨機(jī)性、節(jié)點(diǎn)的度和吸引力。節(jié)點(diǎn)度值大、吸引力高，被連接可能性就非常大；節(jié)點(diǎn)度值小，吸引力高，被連接的可能性會(huì)較高。這類節(jié)點(diǎn)通常指新注冊的社會(huì)名人，或是受一些事件影響突然成為焦點(diǎn)的普通用戶；節(jié)點(diǎn)度值大、吸引力低，被連接的概率小，如名人退出微博平臺(tái)，不再發(fā)表信息，其吸引力隨之會(huì)迅速減弱；節(jié)點(diǎn)度值小、吸引力低，則被連接的概率更低，這類節(jié)點(diǎn)普遍是粉絲數(shù)量較少的普通用戶。

3.2.2 局部網(wǎng)絡(luò)結(jié)構(gòu)主要影響因素

(1)共同鄰居節(jié)點(diǎn)的影響。對真實(shí)網(wǎng)絡(luò)進(jìn)行實(shí)證分析，結(jié)果表明陌生節(jié)點(diǎn)是否能建立聯(lián)系，與它們的共同鄰居節(jié)點(diǎn)有很大關(guān)系[34]。共同鄰居節(jié)點(diǎn)越多，建立直接聯(lián)系的可能性就越大。在微博網(wǎng)絡(luò)中，可以將兩個(gè)互相關(guān)注節(jié)點(diǎn)看作是一個(gè)子網(wǎng)絡(luò)，則微博信息傳播過程是由若干個(gè)子網(wǎng)絡(luò)所構(gòu)成的網(wǎng)絡(luò)結(jié)構(gòu)，子網(wǎng)絡(luò)數(shù)量越多，共同鄰居節(jié)點(diǎn)越多，延長信息傳播路徑、擴(kuò)大信息傳播廣度的幾率就越高。

(2)共同屬性的影響。在微博網(wǎng)絡(luò)內(nèi)，具有共同屬性(相同興趣、職業(yè)等)的節(jié)點(diǎn)往往會(huì)形成一個(gè)小集體網(wǎng)絡(luò)。很顯然，小集體網(wǎng)絡(luò)內(nèi)原本陌生的兩個(gè)節(jié)點(diǎn)變成互相關(guān)注鏈接關(guān)系的概率將會(huì)大大增加。共同屬性的存在驅(qū)動(dòng)著小集體網(wǎng)絡(luò)的構(gòu)建，提高了節(jié)點(diǎn)之間的直接聯(lián)系概率，進(jìn)而促進(jìn)微博信息的傳播。

(3)鍍金效應(yīng)。鍍金效應(yīng)是指在微博網(wǎng)絡(luò)中借助其他用戶力量來提高自身影響力的行為。具體做法就是將增加粉絲數(shù)量作為共同目的進(jìn)行用戶之間的互相推薦，或是通過與名人互動(dòng)，吸引名人的關(guān)注、評論和轉(zhuǎn)發(fā)，從而獲得關(guān)注量，提升自身影響力。鍍金效應(yīng)的前提在于用戶活躍度以及發(fā)布的信息價(jià)值。信息價(jià)值高，鍍金效應(yīng)發(fā)生的概率就較大，擴(kuò)大信息傳播范圍的概率就越大。

3.2.3 演化時(shí)間規(guī)律因素

網(wǎng)絡(luò)結(jié)構(gòu)的演化不是一種穩(wěn)定的結(jié)構(gòu)變動(dòng)。用戶的活躍時(shí)間分布情況、突發(fā)事件的發(fā)生等不確定性因素都會(huì)對信息源節(jié)點(diǎn)的網(wǎng)絡(luò)結(jié)構(gòu)帶來一定的影響。經(jīng)統(tǒng)計(jì)分析，用戶活躍度日高峰期處于 11：00-12：00、17：00-18：00、22：00-23：00三個(gè)時(shí)間段，周高峰期則在周五、周六、周日三天。由此可見，活躍度高峰期幾乎處在用戶的休息時(shí)段內(nèi)。通過對微博網(wǎng)絡(luò)的演化情況進(jìn)行監(jiān)測，發(fā)現(xiàn)在高峰期演化較快，低谷期則比較平穩(wěn)。突發(fā)性事件作為影響網(wǎng)絡(luò)結(jié)構(gòu)演化的一種不確定因素，一般會(huì)經(jīng)歷三個(gè)時(shí)期：醞釀期、飛漲期、消退期。從以往的調(diào)查數(shù)據(jù)可以看出，事件發(fā)生后較短時(shí)間內(nèi)，信息轉(zhuǎn)發(fā)量和信息相關(guān)節(jié)點(diǎn)的關(guān)注度會(huì)暴增，從而令整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生顯著變化。

3.3 基于復(fù)雜網(wǎng)絡(luò)的微博信息傳播規(guī)律模型及其演化

3.3.1 經(jīng)典傳染病毒(SIR)傳播模型

微博信息傳播模型多數(shù)是基于SIR模型所構(gòu)建的。根據(jù)動(dòng)力學(xué)方法構(gòu)建的SIR模型，早期主要用于病毒傳播及其發(fā)展規(guī)律的定量研究；后期則用于研究信息傳播，并逐漸成為應(yīng)用最廣泛的模型之一。SIR模型將S定義為易感染節(jié)點(diǎn)，I定義為傳染節(jié)點(diǎn)，R定義為免疫節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)都有可能變?yōu)檫@三種類型之一。但是，SIR模型的最大不足在于，它的假設(shè)前提是網(wǎng)絡(luò)內(nèi)用戶總數(shù)量不變，易感染節(jié)點(diǎn)變?yōu)閭魅竟?jié)點(diǎn)和傳染節(jié)點(diǎn)變?yōu)槊庖吖?jié)點(diǎn)概率值都是固定的；并且只考慮隨時(shí)間的變化節(jié)點(diǎn)之間內(nèi)在因素的影響，忽略了外部環(huán)境影響因素，因此出現(xiàn)了SIR模型的演化模型。

3.3.2 SIR傳播模型的演化

(1)融入新影響因素的SIR模型。SIR模型是一種單向傳染機(jī)制，但是真正的傳染方式是雙向的、不固定的。因此，將遺忘機(jī)制(可能將感染節(jié)點(diǎn)和免疫節(jié)點(diǎn)變成易感染節(jié)點(diǎn))和遏制機(jī)制(可能將感染節(jié)點(diǎn)轉(zhuǎn)變成免疫節(jié)點(diǎn))作為影響信息傳播的重要因素融入SIR模型(見圖4)，依據(jù)此模型所構(gòu)建的微分動(dòng)力學(xué)方程如公式4所示。

通過計(jì)算節(jié)點(diǎn)密度變化趨勢及傳播速率，發(fā)現(xiàn)遺忘機(jī)制和遏制機(jī)制對信息傳播具有顯著的影響作用[35]。由于網(wǎng)絡(luò)社會(huì)因素同樣會(huì)給傳播路徑帶來影響，所以將社會(huì)加強(qiáng)因素融入，提出CSR(在線社交網(wǎng)絡(luò)謠言傳播)模型，但CSR模型的針對性較強(qiáng)，不具有通用性。因此，通過更新傳播規(guī)則，運(yùn)用動(dòng)力學(xué)方程，融入個(gè)人接受閾值，提出一種基于移動(dòng)社交網(wǎng)絡(luò)的謠言傳播模型[36]，該模型驗(yàn)證了信息在均勻網(wǎng)絡(luò)結(jié)構(gòu)中的傳播速率更快。但是，上述研究都將拓?fù)浣Y(jié)構(gòu)置于規(guī)則網(wǎng)絡(luò)中，與實(shí)際的網(wǎng)絡(luò)結(jié)構(gòu)有一定的差異，研究結(jié)果缺少實(shí)用性。因此，有學(xué)者加入用戶相對影響力因子來構(gòu)建RWSIR模型，通過引入節(jié)點(diǎn)轉(zhuǎn)化概率系數(shù)λ，并在隨機(jī)網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)、無標(biāo)度網(wǎng)絡(luò)中進(jìn)行仿真分析，研究結(jié)果顯示RWSIR模型與實(shí)際的微博信息傳播過程更加貼合[37]。

(2)SIR模型節(jié)點(diǎn)形態(tài)的演化。通過改進(jìn)節(jié)點(diǎn)形態(tài)而構(gòu)建的SIR演化模型有SEIR、SIRS和SEIRS等。這些模型依據(jù)不同研究方向和目的，通過融入潛在節(jié)點(diǎn)E或是改變節(jié)點(diǎn)感染流程進(jìn)而改良SIR模型。另外，為了研究信息傳播周期、傳播速度、傳播深度與節(jié)點(diǎn)狀態(tài)的關(guān)系，研究者將傳播節(jié)點(diǎn)分為S態(tài)(易感染用戶)、Ia態(tài)(感染用戶，且與傳播者觀點(diǎn)一致)、Id態(tài)(感染用戶，與傳播者觀點(diǎn)不一致)和R態(tài)(免疫用戶)，依據(jù)經(jīng)典SIR微分方程推導(dǎo)原理，計(jì)算節(jié)點(diǎn)感染概率、信息忽略概率和感染用戶衰減度。實(shí)證結(jié)果表明，信息傳播過程中的初始節(jié)點(diǎn)感染率越高，傳播速度越快；信息忽略概率越高，被感染用戶越少；已感染用戶衰減速率越快，傳播周期越短，傳播范圍越小[38]。亦有為研究信息傳播有效率和節(jié)點(diǎn)規(guī)模大小的影響程度，將節(jié)點(diǎn)分為S態(tài)(未收到信息)、I態(tài)(收到信息，確定會(huì)繼續(xù)傳播)，IR態(tài)(收到信息，不確定是否會(huì)繼續(xù)傳播)和R態(tài)(收到信息，確定不會(huì)繼續(xù)傳播)四種形態(tài)，從網(wǎng)絡(luò)結(jié)構(gòu)特征、信息屬性和用戶主觀差異性進(jìn)行分析，通過模型仿真，認(rèn)為這兩種因素對信息傳播的速度和深度產(chǎn)生的影響可以忽略不計(jì)[39]。SIR演化模型在挖掘微博信息傳播模式和傳播規(guī)律的研究中取得了突破性的進(jìn)展。

4 基于多重網(wǎng)絡(luò)的微博信息傳播預(yù)測和控制模型及其演化

微博網(wǎng)絡(luò)可以看作是由線上網(wǎng)絡(luò)和線下網(wǎng)絡(luò)構(gòu)成的一種多重網(wǎng)絡(luò)，線上網(wǎng)絡(luò)由微博平臺(tái)內(nèi)的節(jié)點(diǎn)用戶構(gòu)成，線下網(wǎng)絡(luò)由現(xiàn)實(shí)世界的微博用戶構(gòu)成。因此，基于多重網(wǎng)絡(luò)對線上網(wǎng)絡(luò)開展傳播預(yù)測研究，為線下網(wǎng)絡(luò)制定信息傳播控制策略提供依據(jù)；對線下網(wǎng)絡(luò)進(jìn)行微博信息傳播控制研究，為網(wǎng)絡(luò)環(huán)境安全提供保障。

圖4 SIR經(jīng)典模型及其演化

4.1 基于多重網(wǎng)絡(luò)的線上網(wǎng)絡(luò)微博信息傳播預(yù)測模型及其演化

早期的線上網(wǎng)絡(luò)微博信息傳播預(yù)測模型主要對用戶的轉(zhuǎn)發(fā)行為、信息的傳播路徑進(jìn)行預(yù)測分析，將用戶名、直接鏈接節(jié)點(diǎn)數(shù)量、信息內(nèi)容等特征作為預(yù)測指標(biāo)。若預(yù)測指標(biāo)過少，預(yù)測精度難以保證；當(dāng)預(yù)測指標(biāo)數(shù)量滿足條件時(shí)，雖提高了精確度，但由于特征向量過多，量化處理非常復(fù)雜，難以達(dá)到預(yù)測目的。因此，一種信息傳播路徑級聯(lián)概率模型出現(xiàn)了。通過運(yùn)用貝葉斯網(wǎng)絡(luò)、樸素葉貝斯和邏輯回歸三種經(jīng)典算法，分析影響用戶轉(zhuǎn)發(fā)行為的相關(guān)因素，從而實(shí)現(xiàn)用戶轉(zhuǎn)發(fā)行為和傳播路徑的預(yù)測，實(shí)驗(yàn)證明該模型預(yù)測精度比較理想[40]。隨著研究的深入，最初運(yùn)用的判定樹、貝葉斯、樸素葉貝斯、邏輯回歸等經(jīng)典算法已經(jīng)不能滿足微博信息傳播預(yù)測研究的需要?；诖?，學(xué)者提出了一種改良的決策樹算法——隨機(jī)森林微博轉(zhuǎn)發(fā)預(yù)測算法，其構(gòu)建過程如圖5所示。通過提取重要特征，加入用戶間微網(wǎng)絡(luò)關(guān)系和用戶權(quán)重等系數(shù)，預(yù)測用戶的轉(zhuǎn)發(fā)行為，實(shí)驗(yàn)證明隨機(jī)森林微博轉(zhuǎn)發(fā)預(yù)測算法性能高于其他經(jīng)典算法，并取得較高的預(yù)測精度[41]。

圖5 隨機(jī)森林微博轉(zhuǎn)發(fā)預(yù)測算法的構(gòu)建過程

4.2 基于多重網(wǎng)絡(luò)的線下網(wǎng)絡(luò)微博信息傳播控制模型及其演化

由于微博網(wǎng)絡(luò)的特殊性，一旦不良信息形成爆發(fā)式傳播，將對微博平臺(tái)、網(wǎng)絡(luò)環(huán)境帶來諸多不利影響。微博信息傳播研究的最終目的就是為了控制微博信息傳播的流向和流速，因此，對控制策略的制定和實(shí)施方式進(jìn)行研究具有重要意義。微博信息控制策略模式分為個(gè)體式、分割式、誘導(dǎo)式以及改變式四類[42]。最初的微博信息傳播控制研究提出一種隨機(jī)控制策略，其缺點(diǎn)在于如果想要達(dá)到控制的目的，需要選取的控制節(jié)點(diǎn)數(shù)量過于龐大。為了解決這一問題，學(xué)者提出了一種目標(biāo)控制策略，然而微博網(wǎng)絡(luò)的巨大規(guī)模令目標(biāo)控制同樣難以實(shí)現(xiàn)。因此熟人控制策略應(yīng)運(yùn)而生，熟人控制策略將隨機(jī)控制策略和目標(biāo)控制策略相融合，首先運(yùn)用隨機(jī)策略選取部分節(jié)點(diǎn)，然后找到與其相關(guān)聯(lián)的鄰居節(jié)點(diǎn)，最后對部分鄰居節(jié)點(diǎn)采取目標(biāo)控制策略。仿真分析驗(yàn)證了這種方法不僅容易實(shí)現(xiàn)，而且實(shí)施效果非常理想[43]。博弈論是一種研究特定條件下，個(gè)體如何選取令自己收益最大化的策略的理論。借鑒博弈論思想，分析信息傳播策略演化，計(jì)算遇到突發(fā)事件時(shí)采取不同策略分別可能獲取的收益，可為控制微博信息的惡意傳播，制定適合事件良性發(fā)展和演化的最優(yōu)策略提供依據(jù)。仿真分析結(jié)果顯示，參與傳播用戶多、爆發(fā)時(shí)間長并且規(guī)模較大的群體事件更加適合透明公開處理；參與傳播用戶少、爆發(fā)時(shí)間短并且在未變?yōu)闊狳c(diǎn)事件前可適當(dāng)對信息進(jìn)行屏蔽處理[44]。

5 微博信息傳播模型的演化方向

5.1 微博信息傳播中節(jié)點(diǎn)、節(jié)點(diǎn)鏈接與信息內(nèi)容的融合

從微博信息傳播模型及其演化看出，研究側(cè)重點(diǎn)主要集中在微博傳播節(jié)點(diǎn)屬性和傳播路徑屬性，卻忽略了關(guān)鍵主體——信息。在微博傳播過程中，信息可以劃分為多種類型，不同類型信息的傳播路徑、影響力等都會(huì)存在較大的差異。不僅節(jié)點(diǎn)之間存在鏈接關(guān)系，節(jié)點(diǎn)與信息內(nèi)容同樣有一定的聯(lián)系，節(jié)點(diǎn)用戶的心理行為、關(guān)注信息的類別、發(fā)布信息的類型等都關(guān)聯(lián)著不同的信息屬性。由于微博網(wǎng)絡(luò)可看作由多個(gè)子網(wǎng)絡(luò)構(gòu)成，所以信息屬性與子網(wǎng)絡(luò)的匹配度、信息在傳播過程中的演化等問題同樣是微博傳播研究的重要方向。劃分微博信息類別，構(gòu)建指標(biāo)體系來評估信息差異性以及其在傳播過程中帶來的影響，不僅可促進(jìn)信息傳播特征以及傳播機(jī)制的挖掘深度，而且可為制定信息調(diào)控監(jiān)管策略、規(guī)范微博網(wǎng)絡(luò)環(huán)境提供更可靠的依據(jù)。

5.2 微博信息傳播中復(fù)雜網(wǎng)絡(luò)與多重網(wǎng)絡(luò)的融合

現(xiàn)實(shí)微博網(wǎng)絡(luò)的復(fù)雜性，線上線下的多重關(guān)系，子網(wǎng)絡(luò)結(jié)構(gòu)鏈接關(guān)系的差異性，用戶的個(gè)性化特征、信息的多種類別都給微博網(wǎng)絡(luò)的屬性增添了復(fù)雜性。運(yùn)用單一的網(wǎng)絡(luò)結(jié)構(gòu)研究微博信息傳播顯然不夠貼合實(shí)際，研究成果現(xiàn)實(shí)適用性并不強(qiáng)。因此，運(yùn)用大數(shù)據(jù)解析微博網(wǎng)絡(luò)的基本特征，并引入復(fù)雜網(wǎng)絡(luò)與多重網(wǎng)絡(luò)的理念，令整個(gè)微博網(wǎng)絡(luò)既具有小世界和無標(biāo)度等復(fù)雜網(wǎng)絡(luò)的特性，同時(shí)又兼具多重網(wǎng)絡(luò)的線上線下網(wǎng)絡(luò)結(jié)構(gòu)特性。從微博網(wǎng)絡(luò)的整體性來看，將微博傳播規(guī)律研究與預(yù)測控制研究相融合，不僅令所構(gòu)建的網(wǎng)絡(luò)結(jié)構(gòu)模型更貼合實(shí)際，而且可通過網(wǎng)絡(luò)結(jié)構(gòu)的整體性研究，進(jìn)一步提升信息傳播的路徑及其演化規(guī)律的準(zhǔn)確度。從微博子網(wǎng)絡(luò)角度來看，將線上網(wǎng)絡(luò)與復(fù)雜網(wǎng)絡(luò)融合，對網(wǎng)絡(luò)結(jié)構(gòu)自身特性及其復(fù)雜性進(jìn)行研究，有利于拓展微博信息傳播研究深度，進(jìn)一步提升預(yù)測精度，使成果應(yīng)用更具實(shí)踐價(jià)值；將線下網(wǎng)絡(luò)與復(fù)雜網(wǎng)絡(luò)融合，優(yōu)化控制策略方案，提高控制策略實(shí)施點(diǎn)的精準(zhǔn)度，可為微博信息監(jiān)管調(diào)控提供更可靠的依據(jù)。

5.3 微博信息傳播與大數(shù)據(jù)的融合

隨著大數(shù)據(jù)技術(shù)的飛速崛起，將大數(shù)據(jù)技術(shù)與微博信息傳播管理相融合，不僅為研究微博信息傳播提供了新的研究工具，而且為傳播監(jiān)管提供重要的技術(shù)支持(見圖6)。在理論研究方面，運(yùn)用大數(shù)據(jù)技術(shù)，分析歸納總結(jié)微博信息傳播主要影響因素、關(guān)鍵路徑等，為理論研究提供準(zhǔn)確度更高的實(shí)踐依據(jù)。在實(shí)踐應(yīng)用方面，運(yùn)用大數(shù)據(jù)技術(shù)，解析整個(gè)微博網(wǎng)絡(luò)結(jié)構(gòu)所有因子的屬性，從中找到每一類因子的共通特性，以此為基礎(chǔ)識(shí)別用戶性質(zhì)，嚴(yán)加監(jiān)管“水軍”類型用戶，甚至可將其設(shè)置為黑名單用戶。同時(shí)，利用大數(shù)據(jù)識(shí)別信息性質(zhì)，辨別虛假消息并進(jìn)行相應(yīng)的封閉處理。最后，可利用大數(shù)據(jù)預(yù)測信息傳播路徑以及用戶轉(zhuǎn)發(fā)行為，實(shí)現(xiàn)對輿論信息爆炸性傳播的有效控制。

圖6 基于大數(shù)據(jù)的微博信息傳播

[1]崔金棟，于圓美，王新媛，等.信息管理技術(shù)視角下微博研究綜述與趨勢分析[J].圖書館論壇，2015（4）：92-99.

[2]袁毅.微博客信息傳播結(jié)構(gòu)、路徑及其影響因素分析[J].圖書情報(bào)工作，2011（12）：26-30.

[3]劉繼，李磊.基于微博用戶轉(zhuǎn)發(fā)行為的輿情信息傳播模式分析[J].情報(bào)雜志，2013（7）：74-77，63.

[4]馬捷，孫夢瑤，尹爽，等.微博信息生態(tài)鏈構(gòu)成要素與形成機(jī)理[J].圖書情報(bào)工作，2012（18）：73-77.

[5]張海濤，宋拓，張連峰，等.基于信息內(nèi)容與信息屬性的微博熱點(diǎn)信息生態(tài)化的實(shí)現(xiàn)研究[J].圖書情報(bào)工作，2014（15）：123-127.

[6]方錦清，畢橋.統(tǒng)計(jì)物理與網(wǎng)絡(luò)科學(xué)面臨的若干挑戰(zhàn)與思考[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2010（4）：29-38.

[7] 劉建香.復(fù)雜網(wǎng)絡(luò)及其在國內(nèi)研究進(jìn)展的綜述[J].系統(tǒng)科學(xué)學(xué)報(bào)，2009（4）：31-37.

[8]Peter J M，Thomas R，Kevin M，et al.Community structure in time-dependent，multiscale，and multiplex networks[J].Science，2010，328：876-878.

[9]Kyu-MinL，CharlesD.Brummitt，K.I.Goh.Threshold cascades with responseheterogeneity in multiplex networks[J].Physical Review E Statistical Nonlinear&SoftMatterPhysics，2014，90 （6）：062816.

[10]Gomez-Gardenes J， Rrinares I， Arenas A， et al.Evolution of cooperation in multiplex networks[J].ScientificReports，2012，2：620.

[11]GiuliaM，DanielR，PietroP，et al.Weightedmultiplex networks[J].PlosOne，2014，9 （6）：e97857．

[12]Nicosia V，Bianconi G，Latora V，et al.Growing multiplex networks[J].PhyscialReview Letters，2013，111（5）：058701.

[13]BoccalettiS，BianconiG，CriadoR，et al.The structure and dynamicsofmultilayer networks[J].PhysicsReports，2014，544 （1）：1-122.

[14]Mostafa S，Rajesh S，Moreno M，et al.Spreading processesin multilayer networks[J].IEEE Transactionson Network Science and Engineering， 2015， 2 （2） ：65-83.

[15]Federico B，Vincenzo N，Vito L.Structural measures for multiplex networks[J].Physical Review E Statistical Nonlinear&Soft Matter Physics， 2014， 89 （3） ：032804.

[16]Azimi-Tafreshi N，Gomez-Gardenes J，Dorogovtsev S N.K-core percolation on multiplex networks[J]Physical Review E Statistical Nonlinear&Soft Matter Physics，2014，90 （3）：032816.

[17]H X WU，M JXIN.Aquick emergencyresponsemodel for micro-blog public opinion crisis oriented to mobile Internetservices：Design and implementation[J].Advances in Intelligent and Soft Computing，2012，7（6）：1-7.

[18]周秀云，婁策群.信息生態(tài)群落演替的概念、過程與特征[J].情報(bào)理論與實(shí)踐，2011（6）：12-14.

[19]吳少華，崔鑫，胡勇.基于SNA的網(wǎng)絡(luò)輿情演變分析方法[J].四川大學(xué)學(xué)報(bào)（工程科學(xué)版），2015（1）：138-142.

[20]Rafa D，Jan S，Wojciech F.The application of social networkanalysisalgorithmsin asystem supportingmoney laundering detection[J].Information Sciences， 2015，295：18-32.

[21]蔣侃，唐竹發(fā)，隋浩.基于微博信息擴(kuò)散質(zhì)量的網(wǎng)絡(luò)輿情關(guān)鍵節(jié)點(diǎn)識(shí)別[J].情報(bào)科學(xué)，2016（7）：64-69.

[22]鐘杰，陳興蜀，王文賢，等.面向微博話題傳播的重要節(jié)點(diǎn)測量研究[J].計(jì)算機(jī)應(yīng)用研究，2016（8）：2290-2293.

[23]鄧小龍，李欲曉.面向應(yīng)急管理的大圖重要節(jié)點(diǎn)中介度高效近似計(jì)算方法[J].系統(tǒng)工程理論與實(shí)踐，2015（10）：2531-2543.

[24]周東浩，韓文報(bào)，王勇軍.基于節(jié)點(diǎn)和信息特征的社會(huì)網(wǎng)絡(luò)信息傳播模型[J].計(jì)算機(jī)研究與發(fā)展，2015（1）：156-166.

[25]Z Y DING，Y JIA，B ZHOU，et al.Measuring the spreadabilityofusersin microblogs[J].JournalofZhejiang UniversitySCIENCEC ，2013，14（9）：701-710.

[26]袁毅，楊成明.微博客用戶交流的機(jī)制、結(jié)構(gòu)及特征研究[J].圖書館論壇，2010（6）：82-86.

[27]武澎，王恒山，李煜.突發(fā)事件信息傳播超網(wǎng)絡(luò)中樞紐節(jié)點(diǎn)的判定研究[J].管理評論，2013（6）：104-111.

[28]鄭蕾，李生紅.基于微博網(wǎng)絡(luò)的信息傳播模型[J].通信技術(shù)，2012（2）：39-41.

[29]莊亞明，余海林.群體性突發(fā)事件信息傳播網(wǎng)絡(luò)特性研究——以搶蠟燭事件為例[J].情報(bào)雜志，2013（7）：37-42.

[30]苑衛(wèi)國，劉云，程軍軍，等.微博雙向“關(guān)注”網(wǎng)絡(luò)節(jié)點(diǎn)中心性及傳播影響力的分析[J].物理學(xué)報(bào)，2013（3）：502-511.

[31]賀筱媛，胡曉峰.網(wǎng)絡(luò)信息傳播動(dòng)力學(xué)建模研究[J].系統(tǒng)仿真學(xué)報(bào)，2010（11）：2511-2514，2518.

[32]易成岐，鮑媛媛，薛一波，等.新浪微博的大規(guī)模信息傳播規(guī)律研究[J].計(jì)算機(jī)科學(xué)與探索，2013（6）：551-561.

[33]KimB J，TrusinaA，MinnhagenP，et al.Selforganized scalefreenetworksfrommergingandregeneration[J].The European Physical Journal B Condensed Matter and ComplexSystem，2005，43（3）：369-372.

[34]G.Kossinets，D.J.Watts.Empirical analysis of an evolvingsocialnetwork[J].Science，2006，311（5757）：88-90.

[35]王超，劉騁遠(yuǎn)，胡元萍，等.社交網(wǎng)絡(luò)中信息傳播的穩(wěn)定性研究[J].物理學(xué)報(bào)，2014（18）：87-93.

[36]王輝，韓江洪，鄧林，等.基于移動(dòng)社交網(wǎng)絡(luò)的謠言傳播動(dòng)力學(xué)研究[J].物理學(xué)報(bào)，2013（11）：106-117.

[37]王金龍，劉方愛，朱振方.一種基于用戶相對權(quán)重的在線社交網(wǎng)絡(luò)信息傳播模型[J].物理學(xué)報(bào)，2015（5）：71-81.

[38]黃宏程，蔣艾玲，胡敏.基于社交網(wǎng)絡(luò)的信息傳播模型分析[J].計(jì)算機(jī)應(yīng)用研究，2016（9）：2738-2742.

[39]田占偉，王亮，劉臣.基于復(fù)雜網(wǎng)絡(luò)的微博信息傳播機(jī)理分析與模型構(gòu)建[J]情報(bào)科學(xué)，2015（9）：15-21.

[40]曹玖新，吳江林，石偉，等.新浪微博網(wǎng)信息傳播分析與預(yù)測[J].計(jì)算機(jī)學(xué)報(bào)，2014（4）：779-790.

[41]羅知林，陳挺，蔡皖東.一個(gè)基于隨機(jī)森林的微博轉(zhuǎn)發(fā)預(yù)測算法[J].計(jì)算機(jī)科學(xué)，2014（4）：62-64，74.

[42]Thomas W V.Network interventions[J].Science，2012，337 （6090）：49-53.

[43]顧亦然，夏玲玲.在線社交網(wǎng)絡(luò)中謠言的傳播與抑制[J].物理學(xué)報(bào)，2012（23）：544-550.

[44]肖人彬，張耀峰.網(wǎng)絡(luò)群體事件信息傳播的演化博弈分析[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2012（1）：1-7.

A Review of the Study on Microblogging Information Dissemination Model and Its Evolution

CUI Jin-dong，ZHENG Que，SUN Shuo

A review of the basis on which microblogging information dissemination model is constructed and the evolutionary process of the model is instrumental for the microblogging information transmission，since the impact related to the process is various and complex.In this paper，analysis is performed on the functions and evolution patterns of the existing microblogging information dissemination model，attempting to interpret that it is of the traits of a social network in terms of the own properties of the nodes，the link relation and the overall topology evolution；of the characteristics of a complex network in terms of the dissemination patterns，influencing factors and evolutionary laws of the model；of the qualities of a dual network in terms of information transmission prediction and control.After analyzing the functions and technical trends of the model，the authors point out the evolution direction of microblogging information dissemination model，that is，the fusion of nodes，node links and information content，the integration of complex networks and multiple networks，and the application of big data technology.

microblogging information dissemination； network structure； dissemination law； dissemination prediction

格式 崔金棟，鄭鵲，孫碩.微博信息傳播模型及其演化研究綜述[J].圖書館論壇，2018（1）：68-77.

*本文系國家社科基金規(guī)劃項(xiàng)目“基于信息生態(tài)的微博信息管理機(jī)理研究”（項(xiàng)目編號：16BTQ068）研究成果。

崔金棟，博士，東北電力大學(xué)經(jīng)濟(jì)管理學(xué)院副教授；鄭鵲，孫碩，東北電力大學(xué)經(jīng)濟(jì)管理學(xué)院研究生。

2017-04-09

何燕）