多元異構(gòu)耦合網(wǎng)絡(luò)中競(jìng)爭(zhēng)性輿情信息傳播研究

關(guān)鍵詞：網(wǎng)絡(luò)奧情；信息傳播；多主體仿真；耦合網(wǎng)絡(luò)；SEIR模型

中圖分類號(hào)：TP391.9 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-3695（2025）07-027-2123-09

doi：10.19734/j. issn.1001-3695.2024.09.0459

Abstract：Aimingatthecompetitionofpublicopinioninformationduringcros-platforminteraction，thispaper proposed the propagationtolawanalyzethecompetitivepublicopinioninformation incouplednetwork．Introducingopinion dynamicson thebasisofSEIRmodel，thispaperaddedpositiveandnegativeinformationdisseminators.Then，itbuiltacouplednetwork basedonsmallworld network anddirectedscale-free network to meetcurent social characteristics，andconstructeda SEPNCRmodelforthecompetitivepublicopinioninformation dissemination inmultivariateheterogeneouscouplednetwork．This papersimulatedandanalyzedtheefectofsingledualplatform，informationcontent，andindividualheterogeneityintecouplednetwork，exploring theroleof mediaguidanceand governmentinterventions.Thesimulationresultsshowthatthemodel describesthediseminationprocessofcompetitivepublicopinion information inmultivariate heterogeneouscouplednetwork. Comparedwithsinglenetworks，theinteractionbehaviors incouplednetwork enhancethescaleandspeedofopiniondissemination，increasethedegreeof informationdiversityandallviateinformationhomogeneity.Theemotionalcolorandsesitivity of informationdirectlyafectthecompetitivesituationofpublicopinioninformation.Mediaguidanceandthetimingof goverment interventionhaveasignificantefectoncontrollng thedisseminationofpublicopinion.Thestudyprovidesatheoretical basis fortheanalysisof theevolutionofonlinepublicopinionandascientificdecision-making referenceforpublicopinion guidance and governance

Key Words：Internet publicopinion；information dissemination；multi-agent simulation；couplednetwork；SEIR model

0 引言

網(wǎng)絡(luò)輿情是以互聯(lián)網(wǎng)平臺(tái)為載體，民眾表達(dá)具體認(rèn)知、態(tài)度及情感意見(jiàn)的集合，是現(xiàn)實(shí)社會(huì)輿情在網(wǎng)絡(luò)上的一種表現(xiàn)形式[1]。隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展和手機(jī)等移動(dòng)終端的廣泛普及，輿情信息的傳播方式得到了前所未有的豐富和拓展，促進(jìn)信息的多樣化傳播，自媒體時(shí)代隨之到來(lái)。根據(jù)2024年3月發(fā)布的第53次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，截至2023年12月，我國(guó)網(wǎng)民規(guī)模已達(dá)10.92億人，互聯(lián)網(wǎng)發(fā)展和應(yīng)用持續(xù)深化[2]。隨著互聯(lián)網(wǎng)的發(fā)展，在線社交平臺(tái)的迅速興起，民眾的社交網(wǎng)絡(luò)從傳統(tǒng)的線下人際關(guān)系網(wǎng)絡(luò)轉(zhuǎn)變?yōu)榱艘曰ヂ?lián)網(wǎng)為基礎(chǔ)的在線社交網(wǎng)絡(luò)，這些在線社交網(wǎng)絡(luò)融合了多種異質(zhì)社會(huì)關(guān)系和多元屬性信息且并非獨(dú)立存在，它們之間存在復(fù)雜而深入的交互，共同構(gòu)成了一個(gè)多元異構(gòu)耦合網(wǎng)絡(luò)。當(dāng)某一輿情事件發(fā)生后往往在一個(gè)社交平臺(tái)爆發(fā)，由于網(wǎng)民的跨平臺(tái)傳播行為，信息將擴(kuò)散到另一個(gè)平臺(tái)，造成網(wǎng)絡(luò)輿情在兩個(gè)平臺(tái)之間來(lái)回震蕩，相互影響。這種在耦合網(wǎng)絡(luò)中的輿情互動(dòng)不僅擴(kuò)大了信息傳播范圍，也深刻影響了輿情的傳播路徑。在這一背景下，單一的網(wǎng)絡(luò)模型已不足以捕捉現(xiàn)實(shí)網(wǎng)絡(luò)中的復(fù)雜性和多樣性。因此在網(wǎng)絡(luò)輿情傳播與演化研究中，需要深入了解輿情信息在多元異構(gòu)耦合社交網(wǎng)絡(luò)中的傳播過(guò)程及其內(nèi)在機(jī)制，進(jìn)而把握其傳播演化的動(dòng)態(tài)規(guī)律。這樣，相關(guān)部門就能有效利用耦合網(wǎng)絡(luò)的信息傳播特點(diǎn)來(lái)制定完善的網(wǎng)絡(luò)輿情干預(yù)機(jī)制，實(shí)現(xiàn)對(duì)社交網(wǎng)絡(luò)輿情信息傳播的有效控制，從而構(gòu)建一個(gè)氛圍良好的網(wǎng)絡(luò)環(huán)境。復(fù)雜的網(wǎng)絡(luò)環(huán)境中充斥著多樣化的信息，網(wǎng)民之間因認(rèn)知水平與信息獲取渠道的差異，針對(duì)某一社會(huì)熱點(diǎn)話題，往往會(huì)產(chǎn)生認(rèn)知上的偏差和誤區(qū)。這些偏差會(huì)產(chǎn)生不同的觀點(diǎn)態(tài)度，有時(shí)甚至?xí)纬蓪?duì)立情緒。由于社交網(wǎng)絡(luò)中個(gè)體的異質(zhì)性，信息傳播過(guò)程中會(huì)受到個(gè)體觀點(diǎn)的影響，出現(xiàn)理性的、肯定的正向輿情信息以及非理性的、質(zhì)疑的負(fù)面輿情信息，形成網(wǎng)絡(luò)中對(duì)立信息共存且相互競(jìng)爭(zhēng)的信息環(huán)境。

耦合社交網(wǎng)絡(luò)中輿情信息間的交互和競(jìng)爭(zhēng)影響輿情傳播態(tài)勢(shì)，這種競(jìng)爭(zhēng)性的信息傳播機(jī)制為媒體、政府等第三方干預(yù)主體帶來(lái)了前所未有的挑戰(zhàn)，如何有效利用多個(gè)網(wǎng)絡(luò)平臺(tái)來(lái)引導(dǎo)和干預(yù)信息傳播，成為網(wǎng)絡(luò)輿情治理的一大難題。鑒于此，本文通過(guò)對(duì)耦合網(wǎng)絡(luò)競(jìng)爭(zhēng)性輿情信息傳播的系統(tǒng)研究，分析影響信息傳播的各種因素，為政府等監(jiān)管主體干預(yù)和引導(dǎo)輿情提供理論支撐，進(jìn)一步實(shí)現(xiàn)了凈化網(wǎng)絡(luò)空間的目標(biāo)。

1相關(guān)研究

社交網(wǎng)絡(luò)上的輿情傳播管理是目前國(guó)內(nèi)外學(xué)者非常重視的研究領(lǐng)域，借助傳染病模型和復(fù)雜網(wǎng)絡(luò)來(lái)研究輿情信息傳播過(guò)程成為近年來(lái)網(wǎng)絡(luò)輿情研究的新熱點(diǎn)，經(jīng)典的傳染病模型有SIR、SIS等。但是上述傳播模型不能完全滿足現(xiàn)實(shí)情況中的復(fù)雜情形，因此學(xué)者們結(jié)合個(gè)體屬性對(duì)個(gè)體狀態(tài)進(jìn)行劃分，建立了許多新的信息傳播模型，如SCIR[3]、SIHR[4]等。

在線社交網(wǎng)絡(luò)的開放性使每個(gè)用戶都能分享掌握的各類信息，社交網(wǎng)絡(luò)上信息的傳播是一個(gè)復(fù)雜系統(tǒng)的演化過(guò)程，用戶行為的異質(zhì)性和多樣性使得輿情信息傳播更加復(fù)雜。個(gè)體的觀點(diǎn)態(tài)度是其對(duì)某一事件所產(chǎn)生的認(rèn)知、評(píng)價(jià)、態(tài)度等結(jié)合自身的經(jīng)驗(yàn)或思維判斷后，綜合產(chǎn)生的心理體驗(yàn)和行為表現(xiàn)。社交網(wǎng)絡(luò)中個(gè)體交互是必然存在的，個(gè)體因社會(huì)關(guān)系、興趣程度、情感傾向等多因素的影響，其觀點(diǎn)態(tài)度往往并不相同，因此個(gè)體決策和觀點(diǎn)交互對(duì)信息傳播過(guò)程有顯著影響。觀點(diǎn)動(dòng)力學(xué)是輿情信息傳播的一個(gè)重要研究方向，觀點(diǎn)動(dòng)力學(xué)模型分為連續(xù)型觀點(diǎn)模型和離散型觀點(diǎn)模型，經(jīng)典的動(dòng)力學(xué)觀點(diǎn)模型有Deffuant-Weisbuch（DW）模型[5]、Hegselmann-Krause（HK）模型[、Ising模型[7]等。DW模型是一種連續(xù)觀點(diǎn)動(dòng)力學(xué)模型，較離散觀點(diǎn)模型更能表現(xiàn)個(gè)體觀點(diǎn)演化過(guò)程。Li等人[8提出了一種異步多主體網(wǎng)絡(luò)模型來(lái)探索在線多主體網(wǎng)絡(luò)社區(qū)中個(gè)人觀點(diǎn)態(tài)度與輿情之間的作用關(guān)系，揭示了輿論形成和演化與個(gè)體情感態(tài)度間的交互機(jī)制。Chen等人[9]將互聯(lián)網(wǎng)用戶的社會(huì)偏好劃分為利己主義、利他主義和公平偏好三類，揭示了觀點(diǎn)極化的微觀互動(dòng)機(jī)制。汪明艷等人[1]提出了觀點(diǎn)聚合與信息擴(kuò)散相結(jié)合的網(wǎng)絡(luò)輿論反轉(zhuǎn)演變模型，揭示網(wǎng)絡(luò)輿論反轉(zhuǎn)演變機(jī)制。王潤(rùn)等人[]考慮信息接觸模式，將未知態(tài)的個(gè)體進(jìn)一步劃分建立多agent仿真模型，根據(jù)個(gè)體社會(huì)屬性改進(jìn)觀點(diǎn)交互模型，對(duì)信息傳播過(guò)程進(jìn)行了系統(tǒng)研究。目前，關(guān)于觀點(diǎn)演化模型已經(jīng)取得一系列成果，但利用Deffuant模型探究耦合網(wǎng)絡(luò)中信息傳播演化的研究相對(duì)缺乏。

網(wǎng)絡(luò)輿情演變過(guò)程是伴隨著個(gè)體觀點(diǎn)交互及輿情信息擴(kuò)散相互交織的動(dòng)態(tài)進(jìn)程，是基于復(fù)雜社會(huì)網(wǎng)絡(luò)而產(chǎn)生的多個(gè)主體之間的交互行為，網(wǎng)民的觀點(diǎn)交互導(dǎo)致輿情事件的發(fā)展出現(xiàn)正面信息和負(fù)面信息共存和競(jìng)爭(zhēng)的結(jié)果。傳統(tǒng)的傳染病模型無(wú)法模擬對(duì)立信息同時(shí)存在、相互競(jìng)爭(zhēng)的傳播過(guò)程，學(xué)者們對(duì)此不足展開了對(duì)傳染病模型的改進(jìn)研究。梁冉等人[12]提出了動(dòng)態(tài)情感沖突理論，建立了考慮輿情傳播主體間情感態(tài)度相互交叉感染和改進(jìn)遺忘機(jī)制的EF-SEIR模型，分析了用戶間情感交叉現(xiàn)象對(duì)輿情傳播的影響。侯艷輝等人[13]考慮社交網(wǎng)絡(luò)中競(jìng)爭(zhēng)性與情信息同時(shí)存在的問(wèn)題，建立了SPNR模型，在引入群組結(jié)構(gòu)的無(wú)標(biāo)度網(wǎng)絡(luò)中進(jìn)行仿真實(shí)驗(yàn)，研究競(jìng)爭(zhēng)性信息傳播規(guī)律。宋英華等人[4]引入了正面信息澄清者C，構(gòu)建了考慮正負(fù)面信息共存的SCIR模型，分析了第三方機(jī)構(gòu)干預(yù)和網(wǎng)民異質(zhì)性等因素對(duì)正負(fù)面信息競(jìng)爭(zhēng)結(jié)果的影響。曹春萍等人[15]在SIR模型的基礎(chǔ)上考慮不同用戶情感屬性，進(jìn)一步細(xì)分傳播狀態(tài)為負(fù)向情緒傳播態(tài)和正向情緒傳播態(tài)，重新定義未知用戶的傳播概率和遺忘概率，提出了微博網(wǎng)絡(luò)信息情感傳播模型SNPR。

以上這些研究大多都是基于改進(jìn)的傳染病模型來(lái)分析單個(gè)社交網(wǎng)絡(luò)的輿情傳播過(guò)程，而事實(shí)上單個(gè)網(wǎng)絡(luò)僅僅是更大復(fù)雜網(wǎng)絡(luò)系統(tǒng)中的一個(gè)子集。復(fù)雜系統(tǒng)是由許多具有不同結(jié)構(gòu)與功能的多個(gè)網(wǎng)絡(luò)耦合而成的，這些網(wǎng)絡(luò)不僅在結(jié)構(gòu)上呈現(xiàn)出多樣性，而且在節(jié)點(diǎn)的屬性上也表現(xiàn)出多元化。近年來(lái)，也有不少學(xué)者利用耦合網(wǎng)絡(luò)來(lái)研究多個(gè)網(wǎng)絡(luò)或者單一網(wǎng)絡(luò)存在多種不同形式的輿情傳播問(wèn)題。李宗偉等人[16]考慮到高校中大學(xué)生輿情特點(diǎn)，建立線上線下輿情演化網(wǎng)絡(luò)，基于系統(tǒng)動(dòng)力學(xué)研究輿情傳播演化規(guī)律。朱恒民等人[提出了包含線下和線上互動(dòng)輿情傳播模型SIR2O，基于Price網(wǎng)絡(luò)和WS小世界網(wǎng)絡(luò)搭建線上-線下耦合網(wǎng)絡(luò)載體，分析上傳率和下載率對(duì)信息傳播的影響。王家坤等人[18結(jié)合傳統(tǒng)線下網(wǎng)絡(luò)與在線社交網(wǎng)絡(luò)，建立雙層社交網(wǎng)絡(luò)下的企業(yè)輿情傳播模型，對(duì)比單層網(wǎng)絡(luò)輿情傳播結(jié)果，基于價(jià)值共創(chuàng)理論提出輿情傳播控制策略。陳帥[19]提出了包含微信層-微博層-控制層的多層耦合網(wǎng)絡(luò)輿情傳播和控制模型，分析不同主體屬性對(duì)輿情傳播控制的影響。Geng等人[20]提出了微信-微博-抖音的多層網(wǎng)絡(luò)結(jié)構(gòu)，分析了多層網(wǎng)絡(luò)與單層網(wǎng)絡(luò)之間信息傳播的差異以及網(wǎng)絡(luò)結(jié)構(gòu)和層間耦合強(qiáng)度等對(duì)信息傳播的影響。

然而，當(dāng)前社交網(wǎng)絡(luò)輿情信息傳播的研究工作仍存在兩個(gè)方面的問(wèn)題：a）大部分學(xué)者在利用傳染病模型研究輿情信息傳播時(shí)較少考慮觀點(diǎn)動(dòng)力學(xué)在競(jìng)爭(zhēng)性信息傳播演化過(guò)程中的影響，未刻畫個(gè)體觀點(diǎn)演化與信息交互競(jìng)爭(zhēng)的作用機(jī)制；b）關(guān)于耦合網(wǎng)絡(luò)信息傳播研究已取得一系列成果，但大多數(shù)研究較少考慮現(xiàn)實(shí)世界中用戶會(huì)活躍在多平臺(tái)線上耦合社交網(wǎng)絡(luò)中。本文依據(jù)兩個(gè)典型的具有差異性網(wǎng)絡(luò)結(jié)構(gòu)和多元用戶屬性的在線社交網(wǎng)絡(luò)構(gòu)建耦合網(wǎng)絡(luò)模型。為深人研究輿情信息傳播過(guò)程中的競(jìng)爭(zhēng)機(jī)制，將觀點(diǎn)態(tài)度與信息傳播過(guò)程中的個(gè)體狀態(tài)相結(jié)合，對(duì)傳統(tǒng)的SEIR模型進(jìn)行改進(jìn)，引入正面信息傳播者P、負(fù)面信息傳播者N，考慮免疫者重新參與輿情傳播，引入冷靜者C，根據(jù)耦合網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)定義個(gè)體間觀點(diǎn)交互規(guī)則以及個(gè)體狀態(tài)轉(zhuǎn)移概率，構(gòu)建多元異構(gòu)耦合網(wǎng)絡(luò)中競(jìng)爭(zhēng)性信息傳播模型SEPNCR，利用仿真實(shí)驗(yàn)研究多主體干預(yù)下輿情信息的演化規(guī)律，探討與情引導(dǎo)和治理對(duì)策。

2多元異構(gòu)耦合網(wǎng)絡(luò)中競(jìng)爭(zhēng)性輿情信息傳播模型構(gòu)建

本文在SEIR模型的基礎(chǔ)上，根據(jù)輿情信息傳播特點(diǎn)將網(wǎng)民分為五種狀態(tài)，分別為未知者S、猶豫者E、傳播者I、冷靜者C和免疫者R。在社交網(wǎng)絡(luò)中輿情演化過(guò)程往往伴隨著網(wǎng)民觀點(diǎn)交互，現(xiàn)實(shí)網(wǎng)絡(luò)世界中網(wǎng)民交互行為和情感態(tài)度都會(huì)對(duì)信息傳播產(chǎn)生影響，網(wǎng)民產(chǎn)生不同觀點(diǎn)，在網(wǎng)絡(luò)中對(duì)立信息相互競(jìng)爭(zhēng)。因此，在模型中引入了觀點(diǎn)屬性，重點(diǎn)研究將信息傳播者I劃分為正面信息傳播者P和負(fù)面信息傳播者N的情形。未知者表示網(wǎng)絡(luò)中不知道輿情信息的網(wǎng)民，猶豫者表示已接收到輿情信息但在猶豫是否傳播信息的網(wǎng)民，正面信息傳播者表示觀點(diǎn)態(tài)度積極的傳播者，負(fù)面信息傳播者表示觀點(diǎn)態(tài)度消極的傳播者，冷靜者表示接收到輿情信息但不感興趣的網(wǎng)民，免疫者表示退出傳播過(guò)程的網(wǎng)民。

2.1 耦合網(wǎng)絡(luò)結(jié)構(gòu)

在線社交平臺(tái)呈現(xiàn)出多樣化特征，每個(gè)社交網(wǎng)絡(luò)均具備獨(dú)特的網(wǎng)絡(luò)關(guān)系和運(yùn)作機(jī)制。例如一類為強(qiáng)關(guān)系型社交網(wǎng)絡(luò)，用戶之間有雙向認(rèn)定的好友關(guān)系，滿足小世界網(wǎng)絡(luò)特征，聚類系數(shù)高，平均距離較短；另一類屬于弱關(guān)系型社交網(wǎng)絡(luò)，用戶之間的關(guān)系可以是單向關(guān)注也可以是雙向關(guān)注，滿足有向無(wú)標(biāo)度網(wǎng)絡(luò)特征，網(wǎng)絡(luò)中少數(shù)節(jié)點(diǎn)稱之為中心節(jié)點(diǎn)擁有極多的連接，而大多數(shù)節(jié)點(diǎn)只有很少量的連接，信息由弧尾處的節(jié)點(diǎn)傳播給弧頭處的節(jié)點(diǎn)。用戶在網(wǎng)絡(luò)間的交互行為使得不同的網(wǎng)絡(luò)間以一定的規(guī)則相互連接作用，形成復(fù)雜的耦合網(wǎng)絡(luò)系統(tǒng)。因此，本文以具有交叉聯(lián)系的多元異構(gòu)雙層社交網(wǎng)絡(luò)模擬現(xiàn)實(shí)情形中兩個(gè)相互聯(lián)系的社交平臺(tái)，研究信息在耦合社交網(wǎng)絡(luò)間的傳播演化規(guī)律。本文依據(jù)每個(gè)網(wǎng)絡(luò)自身特點(diǎn)構(gòu)建的耦合網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示，其中網(wǎng)絡(luò)A為WS小世界網(wǎng)絡(luò)，網(wǎng)絡(luò)B為有向BA無(wú)標(biāo)度網(wǎng)絡(luò)。子網(wǎng)A和B的每一個(gè)節(jié)點(diǎn)實(shí)現(xiàn)一對(duì)一的對(duì)稱連接，子網(wǎng)的連接模式為同配連接，即子網(wǎng)A中度最高的節(jié)點(diǎn)與子網(wǎng)B中出度最高的節(jié)點(diǎn)連接，其余節(jié)點(diǎn)依次進(jìn)行連接。

兩個(gè)子網(wǎng)中信息擴(kuò)散規(guī)則采用本文構(gòu)建的SEPNCR模型來(lái)描述。子網(wǎng)A和B間的信息傳播是對(duì)稱雙向傳播，即子網(wǎng)A可以向子網(wǎng)B傳遞信息，子網(wǎng)B也可以向子網(wǎng)A傳遞信息。由狀態(tài)首先發(fā)生改變的節(jié)點(diǎn)狀態(tài)決定另一個(gè)網(wǎng)絡(luò)對(duì)應(yīng)的節(jié)點(diǎn)狀態(tài)，網(wǎng)絡(luò)間的傳播采取同步更新的規(guī)則。

a）先變化的節(jié)點(diǎn)狀態(tài)變?yōu)楠q豫者，那另一個(gè)網(wǎng)絡(luò)對(duì)應(yīng)的節(jié)點(diǎn)狀態(tài)也變?yōu)楠q豫者狀態(tài)；b）先變化的節(jié)點(diǎn)狀態(tài)變?yōu)閭鞑フ?，那另一個(gè)網(wǎng)絡(luò)對(duì)應(yīng)的節(jié)點(diǎn)狀態(tài)也變?yōu)閭鞑フ?，根?jù)節(jié)點(diǎn)的觀點(diǎn)態(tài)度選擇成為正（負(fù)）向傳播者，否則狀態(tài)保持不變；c）先變化的節(jié)點(diǎn)狀態(tài)變?yōu)槔潇o者，那么另一網(wǎng)絡(luò)對(duì)應(yīng)的節(jié)點(diǎn)狀態(tài)也變?yōu)槔潇o者；d）先變化的節(jié)點(diǎn)狀態(tài)為免疫者，那么另一網(wǎng)絡(luò)對(duì)應(yīng)的節(jié)點(diǎn)狀態(tài)也變?yōu)槊庖哒摺?/p>

2.2 主體屬性

參考現(xiàn)有研究的輿情主體[21]和各主體屬性特征[9，22＼～24]本文將耦合網(wǎng)絡(luò)輿情主體分為輿情信息、社交平臺(tái)用戶、社交媒體和政府，這四個(gè)主體擁有各自獨(dú)特的性質(zhì)及特點(diǎn)，在信息傳播演化過(guò)程中發(fā)揮不同的作用，其相關(guān)屬性如表1所示。

1）信息屬性

重要性：代表輿情信息內(nèi)容對(duì)網(wǎng)民的相關(guān)性和影響力，它通常涉及信息內(nèi)容的社會(huì)價(jià)值及實(shí)用性等，重要性高的信息往往能引起更多的關(guān)注和討論，吸引更多的用戶參與傳播。

模糊度：代表輿情信息的不確定性和多義性，它反映了信息內(nèi)容的清晰程度，模糊度高的信息通常會(huì)引起不同的解讀和討論，網(wǎng)民對(duì)信息的不同看法會(huì)推動(dòng)信息的傳播。

敏感度：反映了信息的敏感程度，通常與信息的社會(huì)意義、情感色彩相關(guān)，敏感度高的信息常常會(huì)引起強(qiáng)烈的情感反應(yīng)，容易引發(fā)網(wǎng)民的關(guān)注和反響。

信息情感色彩：代表輿情信息本身所體現(xiàn)的立場(chǎng)，它通常會(huì)影響網(wǎng)民對(duì)信息的理解、情感和反應(yīng)。

2）用戶節(jié)點(diǎn)屬性

觀點(diǎn)值： O_i（t） 代表 χ_t 時(shí)刻用戶節(jié)點(diǎn)的觀點(diǎn)態(tài)度，其值在連續(xù)區(qū)間[-1，1]取值，趨向于-1表示負(fù)面觀點(diǎn)立場(chǎng)，接收到信息之后傾向于成為負(fù)面信息傳播者；趨向于1表示正面觀點(diǎn)立場(chǎng)，接收到信息之后傾向于成為正面信息傳播者。

節(jié)點(diǎn)狀態(tài)：模型中用戶節(jié)點(diǎn)被分為未知者S、猶豫者E、正 面信息傳播者P、負(fù)面信息傳播者N、冷靜者C和永久免疫者 R，節(jié)點(diǎn)狀態(tài)轉(zhuǎn)移和節(jié)點(diǎn)觀點(diǎn)交互，具體規(guī)則在2.3節(jié)具體 解釋。

節(jié)點(diǎn)影響力：代表用戶節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)的影響能力，指影響用戶行為、改變觀點(diǎn)、推動(dòng)信息傳播的能力。

3）媒體屬性

權(quán)威性：代表媒體被網(wǎng)民相信的能力，媒體的權(quán)威性越高，其發(fā)布的信息更容易被網(wǎng)民接受和相信。

引導(dǎo)力：代表媒體在信息傳播過(guò)程中對(duì)用戶行為、態(tài)度或決策的影響能力，媒體的引導(dǎo)力越高，越能夠有效激發(fā)和引導(dǎo)用戶的互動(dòng)和信息傳播行為。

4）政府屬性

公信力：代表政府所發(fā)信息被網(wǎng)民信服的程度，是公眾對(duì)政府決策和信息的信任程度和認(rèn)可度，政府的公信力越強(qiáng)，網(wǎng)民越信服政府發(fā)布的控制信息。

信息公開速度：代表政府在得知輿情事件后公開發(fā)布信息的速度，快速的信息公開能夠有效引導(dǎo)輿情，防止輿情過(guò)度擴(kuò)散。

干預(yù)時(shí)機(jī)：表示政府干預(yù)作用開始的時(shí)間，當(dāng)網(wǎng)絡(luò)中的傳播者達(dá)到一定比例時(shí)進(jìn)行干預(yù)，即 gs表示干預(yù)閾值， ，N₀ 表示網(wǎng)絡(luò)中的總?cè)藬?shù)）。

2.3耦合網(wǎng)絡(luò)競(jìng)爭(zhēng)性輿情信息傳播規(guī)則

2.3.1觀點(diǎn)交互模型的改進(jìn)

1）Deffaunt模型

Deffaunt模型是一種連續(xù)觀點(diǎn)交互模型，模型遵循有限信任原則，認(rèn)為兩個(gè)個(gè)體的觀點(diǎn)差異在一個(gè)閾值內(nèi)才會(huì)進(jìn)行交互。在某一時(shí)刻，一個(gè)個(gè)體與另一個(gè)個(gè)體進(jìn)行交互，計(jì)算下一時(shí)刻該個(gè)體的觀點(diǎn)值等于當(dāng)前時(shí)刻自身觀點(diǎn)值與其鄰居節(jié)點(diǎn)觀點(diǎn)的差值之和。已有研究中個(gè)體演化一般也基于Deffaunt模型進(jìn)行研究[25，26]，本文后續(xù)將基于Deffaunt模型來(lái)研究信息傳播過(guò)程中的個(gè)體交互機(jī)制。

個(gè)體 i 在 χ_t 時(shí)刻的觀點(diǎn)值用 O_i（t） 表示，個(gè)體 i 與鄰居節(jié)點(diǎn)j 進(jìn)行觀點(diǎn)交互，當(dāng)個(gè)體 χ_i 和 j 的觀點(diǎn)值之差小于閾值 d ，即∣O_j（t）-O_i（t）∣

O_i（t+1）=O_i（t）+μ×（O_j（t）-O_i（t））

其中：觀點(diǎn)容限值 μ 是一個(gè)固定值，表示個(gè)體 j 對(duì) i 的影響力。

2）基于網(wǎng)絡(luò)結(jié)構(gòu)的觀點(diǎn)交互模型的改進(jìn)

傳統(tǒng)Deffaunt模型中的參數(shù) μ 是恒定值，而在真實(shí)的社交網(wǎng)絡(luò)中，異質(zhì)個(gè)體的觀點(diǎn)影響力并不相等，需要考慮多方面因素，給出相應(yīng)的函數(shù)來(lái)更為準(zhǔn)確地描述觀點(diǎn)影響力。

由于個(gè)體差異，包括年齡、性格特質(zhì)、心理狀態(tài)、社會(huì)地位和對(duì)信息的掌握、分析能力等多元因素的綜合作用，不同的人對(duì)自己觀點(diǎn)的堅(jiān)持程度有所不同，因此本文用 C_i 表示個(gè)體 i 對(duì)自身觀點(diǎn)的堅(jiān)定程度。個(gè)體影響力是研究社會(huì)關(guān)系網(wǎng)絡(luò)中信息傳播經(jīng)常被考慮到的因素，社交網(wǎng)絡(luò)中的個(gè)體通常擁有著不同的影響力，具有高影響力的個(gè)體往往擁有龐大的追隨者群體，從而拓展了輿情信息傳播范圍。因此本文結(jié)合個(gè)體異質(zhì)影響力對(duì)觀點(diǎn)容限值 μ 進(jìn)行改進(jìn)[10]，用influence，表示傳播節(jié)點(diǎn)j 對(duì)信息接收節(jié)點(diǎn) i 的影響力，其具體計(jì)算公式見(jiàn)2.3.2節(jié)。在單個(gè)社交網(wǎng)絡(luò)中，某一時(shí)刻節(jié)點(diǎn) i 接收到來(lái)自鄰居節(jié)點(diǎn) j 的帶有觀點(diǎn)傾向的信息，當(dāng) ∣O_j（t）-O_i（t）∣

耦合網(wǎng)絡(luò)中， Ψ_t 時(shí)刻存在個(gè)體 χ_i 在子網(wǎng)A和B中分別產(chǎn)生觀點(diǎn)值 O_i^A（t） 和 O_i^B（t） _t+1 時(shí)刻個(gè)體 i 的最終觀點(diǎn)值由子網(wǎng)A和 B 以及當(dāng)前信息情感色彩綜合確定，即

O_i（t+1）=e₁×O_i^A（t）+e₂×O_i^B（t）+e₃×w

其中： e₁，e₂，e₃ 是它們的影響系數(shù)，滿足 e₁+e₂+e₃=1 。

2.3.2個(gè)體交互規(guī)則

信息傳播過(guò)程中，網(wǎng)絡(luò)內(nèi)部節(jié)點(diǎn)的傳播狀態(tài)、觀點(diǎn)值采用異步更新的方式同時(shí)進(jìn)行。信息傳播者會(huì)傳播帶有觀點(diǎn)傾向的信息。猶豫者與所有鄰居節(jié)點(diǎn)中的傳播者進(jìn)行觀點(diǎn)交互，選擇接收與自己初始觀點(diǎn)值在一定閾值范圍內(nèi)的信息，更新自身觀點(diǎn)值，同時(shí)更新自身狀態(tài)。初始時(shí)刻選取一定數(shù)目的節(jié)點(diǎn)作為傳播者，每個(gè)時(shí)步，依次選取節(jié)點(diǎn)更新傳播狀態(tài)和觀點(diǎn)值。具體個(gè)體交互規(guī)則如下：

a）當(dāng)節(jié)點(diǎn)狀態(tài)為未知者，與鄰居中的傳播者接觸，以 a₁ 的概率變成猶豫者，生成初始觀點(diǎn)值，否則直接變?yōu)槊庖哒摺?/p>

b）當(dāng)節(jié)點(diǎn)狀態(tài)為猶豫者，與鄰居中的傳播者進(jìn)行觀點(diǎn)交互，選擇接收與初始觀點(diǎn)值相近的信息，根據(jù)鄰居中信息傳播者的影響力更新自身的觀點(diǎn)態(tài)度；若更新后觀點(diǎn)態(tài)度為正，則以 b₁ 的概率成為正向信息傳播者，若更新后觀點(diǎn)態(tài)度為負(fù)，則以 b₂ 的概率成為負(fù)向信息傳播者。

c）正、負(fù)面信息傳播者由于失去興趣或者遺忘等因素會(huì)逐漸退出信息傳播過(guò)程，分別以概率 p，n 變成冷靜者。

d）冷靜者會(huì)因?yàn)檩浨槭录l(fā)生變化對(duì)輿情信息再次感興趣參與到輿情事件的傳播中，以 ∣c∣ 的概率成為猶豫者，根據(jù)當(dāng)前網(wǎng)絡(luò)中信息態(tài)勢(shì)更新個(gè)體的觀點(diǎn)值。

e）免疫者狀態(tài)作為網(wǎng)絡(luò)輿情信息傳播過(guò)程的最終狀態(tài)，狀態(tài)和觀點(diǎn)不再發(fā)生變化。

f）媒體引導(dǎo)作用表現(xiàn)在讓更多網(wǎng)民接觸信息，參與到信息傳播過(guò)程中來(lái)，媒體引導(dǎo)用 m 表示；政府干預(yù)作用表現(xiàn)在對(duì)輿情信息傳播的削弱，促進(jìn)猶豫者、冷靜者和信息傳播者向免疫者轉(zhuǎn)換，政府干預(yù)用 g 表示。根據(jù)上述傳播規(guī)則，基于耦合網(wǎng)絡(luò)的競(jìng)爭(zhēng)性輿情信息傳播狀態(tài)轉(zhuǎn)換關(guān)系見(jiàn)圖2，狀態(tài)轉(zhuǎn)移參數(shù)說(shuō)明如表2所示。

假設(shè)耦合網(wǎng)絡(luò)中無(wú)新增用戶節(jié)點(diǎn)和移除用戶節(jié)點(diǎn)的情況，即該網(wǎng)絡(luò)為靜態(tài)網(wǎng)絡(luò)。六種網(wǎng)民狀態(tài)在 χ_t 時(shí)刻的人數(shù)占網(wǎng)民總?cè)藬?shù)的比例用 S（t），E（t），P（t），N（t），C（t），R（t） 表示，則

S（t）+E（t）+P（t）+N（t）+C（t）+R（t）=1

結(jié)合耦合網(wǎng)絡(luò)中競(jìng)爭(zhēng)性輿情信息傳播規(guī)則得到的微分動(dòng)力學(xué)方程為

S=S（t），E=E（t），P=P（t），N=N（t），C=C（t），R=R（t）3 分別代表 χ_t 時(shí)刻各類人群所占比例，且均為連續(xù)可微函數(shù)。 、 分別表示無(wú)知者、猶豫者、正向信息傳播者、負(fù)向信息傳播者、冷靜者和免疫者數(shù)量隨時(shí)間的變化率。

大多數(shù)現(xiàn)有研究中，傳染病模型通常假定每一條連邊傳播信息的概率相等，將狀態(tài)轉(zhuǎn)移概率設(shè)置為常數(shù)。然而，在真實(shí)社交網(wǎng)絡(luò)中，信息傳播過(guò)程會(huì)受到信息內(nèi)容、社交網(wǎng)絡(luò)結(jié)構(gòu)以及傳播者自身影響力的作用，信息在個(gè)體之間的傳播概率是不相同的，基于此本文重新定義狀態(tài)轉(zhuǎn)移概率。

1）傳播概率模型中猶豫者向正、負(fù)面信息傳播者發(fā)生狀態(tài)轉(zhuǎn)移的過(guò)程中，受到信息內(nèi)容的影響，根據(jù)信息的重要性和模糊度定義用戶對(duì)信息內(nèi)容的正、負(fù)向感知傾向度為

λ_P=（1+imp）（1-amb）

λ_N=（1+amb）（1-imp）

在線社交網(wǎng)絡(luò)中用戶節(jié)點(diǎn)并非是相互獨(dú)立的個(gè)體，而是通過(guò)復(fù)雜的連接關(guān)系形成一個(gè)緊密聯(lián)系的整體，網(wǎng)絡(luò)中節(jié)點(diǎn)通過(guò)這些連接關(guān)系進(jìn)行互動(dòng)和交流，這些互動(dòng)決定了信息在網(wǎng)絡(luò)中的傳播機(jī)制。信息在社交網(wǎng)絡(luò)上的傳播過(guò)程不僅受到網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的影響，還與信息內(nèi)容、信息敏感度和節(jié)點(diǎn)影響力密切相關(guān)。因此在正、負(fù)面輿情傳播者發(fā)生狀態(tài)轉(zhuǎn)移的過(guò)程中，設(shè)計(jì)用戶節(jié)點(diǎn) i 接收來(lái)自傳播者 j 的信息，變成正、負(fù)面信息傳播者的概率分別為

其中： s 是信息敏感度； influence_ij 表示與用戶節(jié)點(diǎn) i 連接的節(jié)點(diǎn)j 的影響力。考慮到子網(wǎng)A和 B 的網(wǎng)絡(luò)結(jié)構(gòu)分別設(shè)計(jì)節(jié)點(diǎn)影響力，計(jì)算公式見(jiàn)式（11）（12）。

其中： 代表兩個(gè)相鄰個(gè)體 i 和 j 之間的親密關(guān)系；N（i，j） 表示節(jié)點(diǎn) i 和 j 的共同鄰居數(shù)量； v_i 和 v_j 分別表示用戶節(jié)點(diǎn) χ_i 和 j 的鄰居數(shù)； β 為傳播概率的可調(diào)參數(shù)； b 用來(lái)調(diào)整節(jié)點(diǎn)影響力對(duì)傳播概率的影響程度；uj=maxdeget 代表傳播節(jié)點(diǎn) j 的影響力， degree_j^out 表示節(jié)點(diǎn) j 的出度，maxdegree表示網(wǎng)絡(luò)中節(jié)點(diǎn)最大出度。

2）冷靜概率對(duì)于傳播者而言，假如周圍與其觀點(diǎn)相似的鄰居數(shù)量越多，那么該個(gè)體就會(huì)不斷接觸到與自已觀點(diǎn)相近的信息，在同質(zhì)信息的強(qiáng)化下，該個(gè)體將持續(xù)參與到輿情事件的傳播當(dāng)中來(lái)，傳播者變?yōu)槔潇o者的過(guò)程會(huì)受到回聲的阻撓。本文借鑒文獻(xiàn)[27]設(shè)計(jì)冷靜概率為 γ（C-ES） ，其中 γ 和 c 為冷靜概率的可調(diào)參數(shù)。本文回聲強(qiáng)度的計(jì)算見(jiàn)式（13）（14）。

其中： ?_t0 為節(jié)點(diǎn)狀態(tài)變?yōu)閭鞑フ叩臅r(shí)刻; 表示節(jié)點(diǎn) i 在 t₀ 時(shí)刻的觀點(diǎn)值； 表示節(jié)點(diǎn) i 的鄰居節(jié)點(diǎn) j 在 t₀ 時(shí)刻的觀點(diǎn)值; 表示在 t₀ 時(shí)刻節(jié)點(diǎn) i 與鄰居傳播節(jié)點(diǎn) j 的平均觀點(diǎn)差異程度，即節(jié)點(diǎn) i 在 t₀ 時(shí)刻周圍的回聲強(qiáng)度； ES_i^t 是 隨時(shí)間衰減的函數(shù)，表示節(jié)點(diǎn) i 在 Φ_t 時(shí)刻的周圍回聲強(qiáng)度； k 為衰減系數(shù)。

3 仿真實(shí)驗(yàn)及分析

3.1仿真網(wǎng)絡(luò)的構(gòu)建

隨著互聯(lián)網(wǎng)的普及，越來(lái)越多的用戶通過(guò)不同的社交平臺(tái)接收外界信息并與好友交流，不同的社交平臺(tái)傳播模式不盡相同，用戶的交互行為使得社交平臺(tái)間的信息相互交流、影響，形成一個(gè)龐大且復(fù)雜的耦合網(wǎng)絡(luò)。以微信平臺(tái)為例，由于微信的關(guān)注機(jī)制，只有經(jīng)過(guò)兩人的驗(yàn)證之后才會(huì)成為好友，進(jìn)而能夠相互發(fā)送消息。這種機(jī)制促成了點(diǎn)對(duì)點(diǎn)的傳播方式，聚類系數(shù)高，用戶間的平均路徑短，這些特征使得微信社交網(wǎng)絡(luò)具有小世界網(wǎng)絡(luò)特點(diǎn)。相比之下微博平臺(tái)的用戶關(guān)系則更加開放和多樣化，微博平臺(tái)中用戶擁有一定數(shù)量的粉絲與關(guān)注者，用戶之間的關(guān)系可以是單向關(guān)注也可以是互相關(guān)注，用戶只能接收到來(lái)自其關(guān)注者的消息。在微博社交網(wǎng)絡(luò)中，將用戶被關(guān)注度看作網(wǎng)絡(luò)的出度，出度呈現(xiàn)冪律分布特征，即少數(shù)用戶節(jié)點(diǎn)作為中心節(jié)點(diǎn)擁有較大的出度，大部分用戶的被關(guān)注度較小。本文利用小世界網(wǎng)絡(luò)模擬微信網(wǎng)絡(luò)環(huán)境，利用有向無(wú)標(biāo)度網(wǎng)絡(luò)模擬微博網(wǎng)絡(luò)環(huán)境，構(gòu)建微信-微博耦合網(wǎng)絡(luò)模擬仿真與情信息在真實(shí)社交網(wǎng)絡(luò)上的傳播過(guò)程。

3.1.1微信網(wǎng)絡(luò)的構(gòu)建

以微信用戶作為節(jié)點(diǎn)，用戶之間的好友關(guān)系作為連邊，因?yàn)槲⑿藕糜殃P(guān)系是雙向的，所有微信網(wǎng)絡(luò)的連邊設(shè)定是無(wú)向的，構(gòu)建符合微信好友關(guān)系的WS小世界網(wǎng)絡(luò)，其網(wǎng)絡(luò)拓?fù)淙鐖D3所示。微信網(wǎng)絡(luò)的構(gòu)造算法如下：

a）形成 m 最鄰近網(wǎng)絡(luò)：給定一個(gè)含有 m 個(gè)節(jié)點(diǎn)的環(huán)狀最近鄰耦合網(wǎng)絡(luò)，其中每個(gè)節(jié)點(diǎn)都與它左右的各 K/2 個(gè)節(jié)點(diǎn)相連， K 是偶數(shù)。

b）隨機(jī)化重連：以概率 p 隨機(jī)地重新連接網(wǎng)絡(luò)中已有的每條邊，規(guī)定不得有重邊和自環(huán)。

3.1.2微博網(wǎng)絡(luò)的構(gòu)建

以微博用戶為節(jié)點(diǎn)，用戶之間的關(guān)注關(guān)系為連邊，構(gòu)建有向無(wú)標(biāo)度網(wǎng)絡(luò)，其網(wǎng)絡(luò)拓?fù)淙鐖D4所示。微博網(wǎng)絡(luò)的構(gòu)造算法如下：

a）增長(zhǎng)：初始化一個(gè)有 m₀ 個(gè)節(jié)點(diǎn)隨機(jī)連接的網(wǎng)絡(luò)開始，新增 N-m₀ 的新節(jié)點(diǎn)。每次引入一個(gè)新節(jié)點(diǎn)，增加以新節(jié)點(diǎn)為弧尾的 m_out 條出邊和以新節(jié)點(diǎn)為弧頭的 m_in 條入邊；網(wǎng)絡(luò)中不允許重連邊，也不允許自身連接。

b）優(yōu)先連接：新加入的節(jié)點(diǎn)與已存在的節(jié)點(diǎn)以概率 p 相i （其中degree是已有節(jié)點(diǎn) χ_i 的入度， 是網(wǎng)絡(luò)中所有節(jié)點(diǎn)的入度之和）。新節(jié)點(diǎn)作為弧頭，與已存在的節(jié)點(diǎn) i 相連的概率為p= （其中degree是已有節(jié)點(diǎn) i 的出度， 是網(wǎng)絡(luò)中所有節(jié)點(diǎn)的出度之和）。

3.2實(shí)驗(yàn)環(huán)境及初始化設(shè)置

本文在AnyLogic平臺(tái)上模擬仿真微信-微博耦合網(wǎng)絡(luò)中競(jìng)爭(zhēng)性輿情信息傳播過(guò)程，仿真時(shí)間步設(shè)為 100 其中，基于WS小世界網(wǎng)絡(luò)，構(gòu)建參數(shù)為 N=500，K=2，p=0.95 的微信網(wǎng)絡(luò)環(huán)境；基于有向無(wú)標(biāo)度網(wǎng)絡(luò)，構(gòu)建參數(shù)為 m_out=1 的微博網(wǎng)絡(luò)環(huán)境。實(shí)驗(yàn)初始時(shí)刻，設(shè)定初始感染人數(shù)I（0）=40 ，個(gè)體觀點(diǎn)初始值滿足 [-1，1] 的均勻分布。相關(guān)參數(shù)參考文獻(xiàn)［19，28]的研究設(shè)定如下： a₁=0. 95， p=0. 1，n= 0. 1，c=0. 001，imp=0. 6，amb=0. 4，s=4，ga=0. 8，v=0. 4，ma=4.5×10^-4，k=0.003 0.8，mi=0.02，gs=0.35 為避免隨機(jī)性，所得仿真結(jié)果均為100次獨(dú)立實(shí)驗(yàn)的平均值。

3.3單社交網(wǎng)絡(luò)與耦合社交網(wǎng)絡(luò)中的輿情信息傳播過(guò)程對(duì)比

具有差異性網(wǎng)絡(luò)關(guān)系和多元用戶屬性的在線社交平臺(tái)間信息相互滲透、相互影響構(gòu)成了一個(gè)復(fù)雜的耦合社交網(wǎng)絡(luò)，與單社交網(wǎng)絡(luò)相比，輿情信息在耦合網(wǎng)絡(luò)中的傳播行為會(huì)發(fā)生變化。為了探究其中差異，本文將單社交網(wǎng)絡(luò)與耦合社交網(wǎng)絡(luò)中的與情信息傳播過(guò)程進(jìn)行對(duì)比，參數(shù)設(shè)定參考上一節(jié)中的規(guī)則。

將單微信平臺(tái)輿情信息傳播與耦合網(wǎng)絡(luò)中微信與情信息傳播過(guò)程進(jìn)行對(duì)比分析，如圖5（a）所示;將單微博平臺(tái)輿情信息傳播與耦合網(wǎng)絡(luò)中的微博輿情信息傳播過(guò)程進(jìn)行對(duì)比分析，如圖6（a）所示。由于傳播者I可以反映輿情信息傳播熱度的變化，其峰值反映了信息傳播擴(kuò)散的規(guī)模，所以分別對(duì)比微信、微博單網(wǎng)絡(luò)和耦合網(wǎng)絡(luò)中狀態(tài)I節(jié)點(diǎn)數(shù)量變化，仿真結(jié)果如圖5（b）和6（b）所示。

從圖5（a）和6（a）可以看出，單社交網(wǎng)絡(luò)和耦合社交網(wǎng)絡(luò)中，未知者狀態(tài)S節(jié)點(diǎn)的數(shù)量均呈現(xiàn)先下降再逐漸趨于平穩(wěn)的趨勢(shì)，但是在耦合社交網(wǎng)絡(luò)中，S狀態(tài)節(jié)點(diǎn)的數(shù)量下降速度更快，且趨于平穩(wěn)后的數(shù)值更小，說(shuō)明輿情信息在耦合社交網(wǎng)絡(luò)中擴(kuò)散得更快，輿情開始階段就有很多未知者接收到信息發(fā)生狀態(tài)轉(zhuǎn)換。狀態(tài)R節(jié)點(diǎn)數(shù)量在單社交網(wǎng)絡(luò)和耦合社交網(wǎng)絡(luò)中均是先上升再趨于平緩，但是耦合社交網(wǎng)絡(luò)中穩(wěn)定后的R狀態(tài)節(jié)點(diǎn)的數(shù)量要大于單社交網(wǎng)絡(luò)，且平穩(wěn)時(shí)間更早，在 t=29 的時(shí)刻就已經(jīng)穩(wěn)定，微信網(wǎng)絡(luò)在 t=39 時(shí)刻，微博網(wǎng)絡(luò)在 t=40 的時(shí)刻才達(dá)到穩(wěn)定狀態(tài)，說(shuō)明輿情信息在耦合網(wǎng)絡(luò)中擴(kuò)散規(guī)模更廣，但由于政府的及時(shí)干預(yù)，網(wǎng)民能較快地退出傳播過(guò)程，避免輿情過(guò)度擴(kuò)散。從圖5（b）和6（b）可知，單微信、微博社交網(wǎng)絡(luò)與耦合網(wǎng)絡(luò)中的微信、微博網(wǎng)絡(luò)相比，傳播者I節(jié)點(diǎn)數(shù)量的峰值都小于耦合網(wǎng)絡(luò)中傳播者節(jié)點(diǎn)數(shù)量，且到達(dá)峰值的時(shí)間要晚于耦合網(wǎng)絡(luò)。通過(guò)上述仿真結(jié)果分析可知，耦合網(wǎng)絡(luò)擴(kuò)大了輿情信息傳播規(guī)模，加快了信息傳播的速度。由此可知，在現(xiàn)實(shí)世界中，用戶活躍在耦合社交網(wǎng)絡(luò)環(huán)境中會(huì)導(dǎo)致輿情事件迅速發(fā)酵，擴(kuò)大了信息傳播的規(guī)模，因此對(duì)于輿情控制方面，政府應(yīng)以整體視角結(jié)合多個(gè)社交網(wǎng)絡(luò)一起管理和引導(dǎo)。

3.4信息主體屬性對(duì)輿情信息傳播與演化的影響

為了驗(yàn)證耦合網(wǎng)絡(luò)中信息性質(zhì)對(duì)競(jìng)爭(zhēng)性輿情信息傳播的影響，本文設(shè)置不同信息情感色彩和信息敏感度組合，對(duì)輿情信息的傳播進(jìn)行仿真。假設(shè)信息敏感度的取值為[0，10]，其值越大代表信息敏感性越高，通常敏感性越高輿情信息越能引起公眾強(qiáng)烈反應(yīng)。網(wǎng)民情緒激動(dòng)，傳播的信息帶有強(qiáng)烈的情感傾向。因此本文設(shè)定了積極敏感信息、消極敏感信息和不敏感信息三種仿真情景，如表3所示。積極敏感信息是指那些傳達(dá)了正面內(nèi)容，并且引發(fā)廣泛關(guān)注、強(qiáng)烈情感共鳴，激發(fā)公眾積極情緒的一類信息，如重大科技突破事件、充滿民族自豪感的事件等。消極敏感信息是指那些在社交媒體上迅速傳播，包含對(duì)敏感領(lǐng)域的負(fù)面評(píng)價(jià)，極易煽動(dòng)網(wǎng)民情緒，對(duì)整個(gè)社會(huì)造成不良影響的信息，如社會(huì)矛盾事件、民生權(quán)益受損事件等。不敏感信息是指信息敏感性低，信息情感色彩不強(qiáng)烈，網(wǎng)民對(duì)此不太關(guān)注或者是網(wǎng)民對(duì)此接受度較高，因此對(duì)不敏感信息不作情感色彩區(qū)分，如社區(qū)管理、企業(yè)建設(shè)等。在三種情景下，觀察正向信息傳播者和負(fù)向信息傳播者的演化情況，分析耦合網(wǎng)絡(luò)中與情競(jìng)爭(zhēng)性信息傳播規(guī)律，仿真結(jié)果見(jiàn)圖7、8。

從圖7（a）（b）中情景1與3對(duì)比可知，信息情感色彩為負(fù)向時(shí)，耦合網(wǎng)絡(luò)中的負(fù)面信息傳播者占比較大，信息情感色彩為正向時(shí)，耦合網(wǎng)絡(luò)中的正面信息傳播者占比較大。從圖8可以看出，情景2的峰值要小于情景1和3，且到達(dá)峰值的時(shí)間稍晚于情景1和3，說(shuō)明不敏感信息的傳播規(guī)模不如敏感信息，且傳播速度較慢。由仿真結(jié)果分析可知，信息的情感色彩對(duì)耦合網(wǎng)絡(luò)輿情信息傳播過(guò)程中信息競(jìng)爭(zhēng)狀態(tài)有顯著影響，當(dāng)網(wǎng)絡(luò)中傳播的輿情信息帶有強(qiáng)烈負(fù)面情緒，會(huì)導(dǎo)致越來(lái)越多的網(wǎng)民變成負(fù)面信息傳播者，形成負(fù)面情緒的蔓延與放大效應(yīng)。相反，若信息表達(dá)的是積極正面情緒，則會(huì)吸引并激發(fā)正面信息傳播者的增加。而且信息敏感度越高，越能引起公眾關(guān)注，信息傳播規(guī)模越大，傳播速度更快。這種由信息情感色彩和信息敏感度共同作用下的信息傳播機(jī)制，不僅揭示了競(jìng)爭(zhēng)性網(wǎng)絡(luò)輿情傳播的內(nèi)在規(guī)律，也為引導(dǎo)網(wǎng)絡(luò)輿情提供了重要的理論依據(jù)。因此，對(duì)于政府等第三方干預(yù)主體而言，在進(jìn)行引導(dǎo)和監(jiān)管時(shí)需要特別關(guān)注信息情感色彩強(qiáng)烈和敏感度高的信息。針對(duì)發(fā)生的容易引起公眾廣泛關(guān)注和造成社會(huì)混亂的敏感性輿情事件，政府應(yīng)積極介入，通過(guò)有效的信息引導(dǎo)幫助公眾正確理解事件性質(zhì)，平穩(wěn)公眾情緒，進(jìn)而有效調(diào)節(jié)耦合社交網(wǎng)絡(luò)中競(jìng)爭(zhēng)性與情信息的傳播與擴(kuò)散。

3.5觀點(diǎn)融合閾值對(duì)傳播的影響

觀點(diǎn)融合閾值的大小代表著網(wǎng)民的觀點(diǎn)交互程度，觀點(diǎn)融合閥值越小，表示網(wǎng)民越容易接受與自己觀點(diǎn)相似的信息，信息同質(zhì)化嚴(yán)重，選擇接受的信息也越少；觀點(diǎn)融合閾值越大，表示網(wǎng)民越容易接受與自己觀點(diǎn)不同的信息，信息多樣化程度較高，選擇接收的信息更加廣泛。為分析觀點(diǎn)融合閾值對(duì)輿情信息傳播的影響，分析單網(wǎng)絡(luò)與耦合網(wǎng)絡(luò)中觀點(diǎn)融合閾值的影響效果，選擇輿情信息傳播總?cè)藬?shù)占比 I（t） 作為測(cè)度指標(biāo)，觀點(diǎn)融合閾值 d 參考文獻(xiàn)[27]設(shè)置為 0.05，0.45，0.95 進(jìn)行仿真實(shí)驗(yàn)，仿真結(jié)果見(jiàn)圖9、10。

由圖9（a）（b）可知，隨著觀點(diǎn)融合閾值的減小，單網(wǎng)絡(luò)中傳播者I節(jié)點(diǎn)密度的峰值在不斷減小，達(dá)到峰值時(shí)的數(shù)值變大，且傳播者達(dá)到峰值后數(shù)量下降速度較慢。由仿真結(jié)果分析可知，隨著觀點(diǎn)融合閾值 d 的減小，用戶間接收信息程度越低，用戶只接受與自己觀點(diǎn)十分相近的信息，越不容易發(fā)生個(gè)體間的交互，因此參與到輿情信息傳播過(guò)程中的傳播者數(shù)量減少，速度變慢。由于觀點(diǎn)融合閾值的減小，網(wǎng)民接收到同質(zhì)化信息的影響，在社交平臺(tái)上形成回聲強(qiáng)化，減緩了傳播者退出輿情傳播速度。從圖10可以看出，在耦合網(wǎng)絡(luò)中，觀點(diǎn)融合閾值的影響對(duì)傳播過(guò)程的影響不是很大， d=0.95 和0.45時(shí)，傳播者I密度變化趨勢(shì)基本一致， d=0.05 時(shí)傳播者峰值較前兩者稍微有所下降但不顯著。仿真結(jié)果說(shuō)明信息在耦合社交環(huán)境下交互，能夠削弱平臺(tái)間觀點(diǎn)交互限制的負(fù)面影響，耦合網(wǎng)絡(luò)能夠拓寬信息傳播渠道，緩解信息同質(zhì)化影響，降低群體極化發(fā)生的可能性。為了研究耦合網(wǎng)絡(luò)中觀點(diǎn)的演化規(guī)律，本文分別觀察了單微信、單微博社交網(wǎng)絡(luò)和耦合社交網(wǎng)絡(luò)中初始和演化結(jié)束時(shí)刻的個(gè)體觀點(diǎn)值。本實(shí)驗(yàn)?zāi)M初始時(shí)刻微信和微博兩個(gè)平臺(tái)處于極端情緒中，微信平臺(tái)充斥著對(duì)輿情事件持強(qiáng)烈肯定的觀點(diǎn)，微博平臺(tái)充斥著對(duì)輿情事件持強(qiáng)烈否定的觀點(diǎn)，平臺(tái)內(nèi)部同質(zhì)化信息嚴(yán)重。因此，分別設(shè)定微信網(wǎng)絡(luò)中個(gè)體的觀點(diǎn)分布滿足三角形分布，均值為0.8；微博網(wǎng)絡(luò)中個(gè)體的觀點(diǎn)分布滿足三角形分布，均值為-0.8，觀點(diǎn)融合閾值為0.15。經(jīng)過(guò)演化之后觀點(diǎn)值的變化，結(jié)果如圖11＼～13所示。

從圖11（a）可以發(fā)現(xiàn)，實(shí)驗(yàn)初始時(shí)刻微信中個(gè)體觀點(diǎn)值集中在[0.6，1]上，均值為0.801，符合本實(shí)驗(yàn)的設(shè)定；從圖11（b）可以發(fā)現(xiàn)，實(shí)驗(yàn)初始時(shí)刻微博中個(gè)體觀點(diǎn)值集中在[-0.6，-1]上，均值為-0.803，符合本實(shí)驗(yàn)的設(shè)定。從圖12可知，個(gè)體在單社交網(wǎng)絡(luò)中演化結(jié)束時(shí)觀點(diǎn)值發(fā)生了變化，微信中個(gè)體觀點(diǎn)值集中在[0.3，0.5]，均值為0.384；微博中個(gè)體觀點(diǎn)值集中在[-0.5，-0.3]，均值為-0.393。雖然單社交網(wǎng)絡(luò)中個(gè)體觀點(diǎn)值有所分散，但在平臺(tái)內(nèi)部依然還是保持強(qiáng)烈極端情緒，沒(méi)有差異性的聲音表達(dá)，不同觀點(diǎn)之間的交流和碰撞變得困難，長(zhǎng)期處于同質(zhì)化信息的環(huán)境下容易造成群體極化現(xiàn)象。由圖13可知，輿情信息在耦合網(wǎng)絡(luò)中傳播后，個(gè)體觀點(diǎn)值更為分散，個(gè)體的觀點(diǎn)態(tài)度更加多樣化，微信中個(gè)體觀點(diǎn)值分散在[-0.2，0.4]，均值為0.070;微博中個(gè)體觀點(diǎn)值分散在 [-0.2 0.4]，均值為 0.071 。各平臺(tái)個(gè)體在跨平臺(tái)交流的基礎(chǔ)上，個(gè)體間開始出現(xiàn)不一樣的觀點(diǎn)，開始相互滲透、競(jìng)爭(zhēng)及融合，平臺(tái)整體觀點(diǎn)傾向不再極端，對(duì)輿情事件形成穩(wěn)定的態(tài)度。通過(guò)上述實(shí)驗(yàn)結(jié)果分析可得，耦合網(wǎng)絡(luò)中信息交流打破了單平臺(tái)的信息壁壘，使得平臺(tái)內(nèi)的用戶能夠接收到更廣泛、更多元化的信息，避免群體觀點(diǎn)極化現(xiàn)象的出現(xiàn)。

3.6媒體引導(dǎo)因素影響分析

媒體引導(dǎo)作用主要體現(xiàn)在促進(jìn)未知者向傳播者轉(zhuǎn)換的過(guò)程，促進(jìn)信息傳播，媒體的權(quán)威性越高，網(wǎng)民更愿意相信其傳遞的信息，觀察不同媒體權(quán)威性 ma 下未知者和傳播者密度隨時(shí)間演化的情況。為排除政府干預(yù)對(duì)傳播過(guò)程的影響，設(shè)置政府干預(yù)時(shí)機(jī)為 t=40 ，其他參數(shù)設(shè)置與初始實(shí)驗(yàn)參數(shù)一致。

從圖14可知，隨著媒體權(quán)威性的增加，耦合網(wǎng)絡(luò)中未知者數(shù)量下降速度更快，傳播者的峰值更大，到達(dá)峰值的時(shí)間縮短，促進(jìn)信息傳播速度和擴(kuò)散規(guī)模。在沒(méi)有媒體干預(yù)的情景下，未知者密度曲線下降最為緩慢，傳播者密度曲線上升趨勢(shì)平緩，傳播者數(shù)量較少。相比之下，媒體權(quán)威性的提升，未知者數(shù)量下降速度加快，信息傳播規(guī)模擴(kuò)大，說(shuō)明信息在網(wǎng)絡(luò)中傳播速度加快，能夠更快地覆蓋更廣泛的受眾，輿情事件能在更短時(shí)間內(nèi)引起廣泛關(guān)注和討論。

3.7政府干預(yù)因素影響分析

政府的干預(yù)作用主要體現(xiàn)在促進(jìn)用戶由猶豫者、傳播者和冷靜者狀態(tài)向免疫者狀態(tài)轉(zhuǎn)換的過(guò)程上。為觀察政府公信力、政府信息公開速度和干預(yù)時(shí)機(jī)等政府干預(yù)因素對(duì)信息傳播的影響，文獻(xiàn)[19]的研究設(shè)置了四種干預(yù)情景：情景1為基礎(chǔ)情景，設(shè)置政府公信力 ga=0.4 ，政府信息公開速度 v=0.4 ，干預(yù)閾值 gs=0.15 ；情景2提升政府公信力 ga=0.6 ；情景3提高政府信息公開速度 v=0.6 ；情景4提前政府干預(yù)時(shí)機(jī)，干預(yù)閾值設(shè)定為 gs=0.05 。從圖15（a）（b）可以看出，情景1的傳播者峰值最大，免疫狀態(tài)達(dá)到的規(guī)模最大，說(shuō)明此時(shí)政府干預(yù)力量不夠，信息擴(kuò)散范圍較廣。對(duì)比情景2、3和情景1，分別提高政府公信力和信息公開速度，傳播者數(shù)量減少，狀態(tài)變?yōu)槊庖哒叩乃俣燃涌?。由圖可知，情景4下政府的干預(yù)效果顯著，傳播者峰值更小，免疫者數(shù)量更少，說(shuō)明輿情信息擴(kuò)散規(guī)模被控制。因此，政府要提升自身的公信力和信息公開速度，把握好干預(yù)時(shí)機(jī)，盡早干預(yù)。

3.8 案例分析

為驗(yàn)證模型的有效性，本文選取“上海4歲海灘走失女童遺體在寧波找到”事件對(duì)耦合網(wǎng)絡(luò)中輿情信息競(jìng)爭(zhēng)性傳播模型進(jìn)行驗(yàn)證。2023年10月18日，上海市一名女童失蹤后遺體在寧波市被發(fā)現(xiàn)事件，影響力指數(shù)超過(guò) 88% 的同類事件，引起網(wǎng)民關(guān)注和討論。通過(guò)“知微事見(jiàn)”平臺(tái)獲取“上海4歲走失女童遺體被找到”事件作為輿情傳播數(shù)據(jù)來(lái)源，根據(jù)平臺(tái)提供的事件時(shí)間線概況和信息情感統(tǒng)計(jì)得到該事件的發(fā)展過(guò)程。2023年10月18＼～19日，輿情發(fā)生初期，網(wǎng)友普遍表現(xiàn)出對(duì)失蹤女童的同情和關(guān)心，積極轉(zhuǎn)發(fā)尋人信息，此時(shí)輿情信息量開始急速上升。在此階段，網(wǎng)民態(tài)度出現(xiàn)明顯分化：大部分網(wǎng)民表現(xiàn)出對(duì)女童的關(guān)心和同情，積極轉(zhuǎn)發(fā)信息；也出現(xiàn)一部分網(wǎng)民對(duì)女童父親的行為表示指責(zé)和質(zhì)疑。20＼～21日，隨著警方通報(bào)女童遺體的發(fā)現(xiàn)，輿情事件熱度急速攀升，微信微博網(wǎng)絡(luò)發(fā)文量劇增，網(wǎng)友討論的聲音也隨之增加。在這一時(shí)期，輿論場(chǎng)中正面信息和負(fù)面信息交織，但正面信息占比要超過(guò)負(fù)面信息，主要表現(xiàn)為對(duì)女童父母的安慰和支持。21日開始，輿情事件開始進(jìn)入衰退期，微信微博網(wǎng)絡(luò)發(fā)文量明顯減少，正面信息和負(fù)面信息的傳播均逐步降低，直至30日輿情結(jié)束。選取10月18日至10月30日微信、微博以及微信和微博雙平臺(tái)中的發(fā)文數(shù)量作為傳播者數(shù)量，利用信息情感走勢(shì)描述正負(fù)信息競(jìng)爭(zhēng)過(guò)程，與耦合網(wǎng)絡(luò)上的傳播狀態(tài)節(jié)點(diǎn)密度隨時(shí)間變化的仿真結(jié)果作對(duì)比，結(jié)果如圖16所示。由圖16可知，仿真結(jié)果與真實(shí)數(shù)據(jù)相符，驗(yàn)證了本文模型的有效性。

4結(jié)束語(yǔ)

本文根據(jù)現(xiàn)實(shí)線上社交網(wǎng)絡(luò)環(huán)境搭建了WS小世界網(wǎng)絡(luò)和有向BA無(wú)標(biāo)度網(wǎng)絡(luò)的異構(gòu)耦合社交網(wǎng)絡(luò)模型，考慮了用戶多元屬性，在SEIR模型的基礎(chǔ)上加入觀點(diǎn)動(dòng)力學(xué)，研究融合信息傳播和觀點(diǎn)演化的競(jìng)爭(zhēng)性輿情信息傳播模型。在多元異構(gòu)耦合網(wǎng)絡(luò)環(huán)境下進(jìn)行仿真實(shí)驗(yàn)，分析了個(gè)體異質(zhì)性、信息內(nèi)容及耦合網(wǎng)絡(luò)結(jié)構(gòu)對(duì)信息傳播過(guò)程的影響。根據(jù)仿真實(shí)驗(yàn)，本文SEPNCR與傳統(tǒng)SEIR模型相比，對(duì)群體狀態(tài)進(jìn)行了更精細(xì)的劃分，顯著增強(qiáng)了模型對(duì)現(xiàn)實(shí)世界中復(fù)雜傳播現(xiàn)象的適用性。其次，本文模型建立在復(fù)雜社交網(wǎng)絡(luò)的基礎(chǔ)上，考慮個(gè)體多元異質(zhì)屬性和關(guān)系網(wǎng)絡(luò)的影響，突破了傳統(tǒng)模型隨機(jī)接觸、等概率感染的假設(shè)，更加符合現(xiàn)實(shí)網(wǎng)民社交情況。實(shí)驗(yàn)結(jié)果表明，耦合網(wǎng)絡(luò)對(duì)比單社交網(wǎng)絡(luò)加速了信息傳播，拓寬了信息傳播渠道，擴(kuò)大了信息傳播規(guī)模。耦合網(wǎng)絡(luò)結(jié)構(gòu)通過(guò)促進(jìn)不同觀點(diǎn)和信息之間的交叉融合與相互競(jìng)爭(zhēng)，緩解了信息同質(zhì)化問(wèn)題，增加了信息的多樣化程度。信息情感色彩會(huì)直接影響信息傳播過(guò)程中的競(jìng)爭(zhēng)形勢(shì)，信息敏感度越高越容易引起公眾的關(guān)注，信息傳播規(guī)模擴(kuò)大。通過(guò)設(shè)置不同主體干預(yù)作用，研究了媒體引導(dǎo)和政府干預(yù)對(duì)輿情信息傳播過(guò)程的影響，為網(wǎng)絡(luò)輿情的引導(dǎo)和干預(yù)策略提供理論支撐。

盡管本文模型能在一定程度上模擬并解釋輿情傳播規(guī)律，但在現(xiàn)實(shí)網(wǎng)絡(luò)環(huán)境中，輿情信息所蘊(yùn)涵的情感表達(dá)極為復(fù)雜和多元，信息之間的競(jìng)爭(zhēng)不僅呈現(xiàn)出多向性，還涉及龐大的規(guī)模，這些因素在本文模型中尚未得到充分考慮。因此，本文模型在模擬現(xiàn)實(shí)世界的復(fù)雜性方面還存在一定的局限性。未來(lái)的研究中將著重討論這一問(wèn)題，更準(zhǔn)確地捕捉和反映輿情信息競(jìng)爭(zhēng)的多維特性，以期增強(qiáng)模型的現(xiàn)實(shí)適用性和有效性。

參考文獻(xiàn)：

[1]迪路陽(yáng)，鐘寒，施水才．網(wǎng)絡(luò)與情預(yù)警研究綜述［J]．?dāng)?shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2023，7（8）：17-29.（DiLuyang，ZhongHan，ShiShuicai.Reviewofearlywarningforonlinepublicopinion[J].DataAnalysisand Knowledge Discovery，2023，7（8）：17-29.）

[2]中國(guó)互聯(lián)網(wǎng)信息中心．第53次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[EB/OL]. （2024-03-22）[2024-08-26]. https：//www.cnnic. cn/n4/2024/0322/c88-10964.html.（China Internet Newtwork Informa-tion Center.The 53rd statistical report on China’s Internet develop-ment[EB/OL].（2024-03-22）[2024-08-26]. https：//www.cnnic.cn/n4/2024/0322/c88-10964.html.）

[3］丁學(xué)君．基于SCIR的微博輿情話題傳播模型研究［J]．計(jì)算機(jī)工程與應(yīng)用，2015，51（8）：20-26，78.（DingXuejun.Researchon propagation model of public opinion topics based on SCIR in mi-croblogging[J].Computer Engineering and Applications，2015，51（8）：20-26，78.）

[4]Zhao Laijun， Wang Jiajia， Chen Yucheng，et al. SIHR rumor sprea-dingmodel insocial networks[J].PhysicaA：Statistical Mechani-cs and Its Applications，2012，391（7）：2444-2453.

[5]Deffuant G，Neau D，Amblard F，et al.Mixing beliefs among intera-ctingagents[J].Advancesin Complex Systems，2000，3（1n04）：87-98.

[6] Hegselmann R，Krause U.Opinion dynamics and bounded confi-dence：models，analysisand simulation[J].Journal ofArtificialSocieties and Social Simulation，2002，5（3）：1-33.

[7]Montroll E W，Badger WW.Introduction to quantitative aspects of socialphenomena[M].New York：Gordon and Breach SciencePublic，1974.

[8]Li Chong，Yang Yingjie，Liu Sifeng.Micro-macro dynamics of theonline opinion evolution：an asynchronous network model approach[J].Concurrency and Computation：Practice and Experience，2021，33（5）： e5981.

[9]Chen Tinggui，Li Qianqian，F(xiàn)u Peihua，et al.Public opinion polari-zation by individual revenue from the social preference theory[J].International Journal of Environmental Research and PublicHealth，2020，17（3）：946.

[10］汪明艷，朱德米，張鵬翥，等，不實(shí)信息引發(fā)的社會(huì)熱點(diǎn)事件網(wǎng)絡(luò)與論反轉(zhuǎn)演變仿真及治理研究［J]．中國(guó)軟科學(xué)，2019（6）：59-66.（Wang Mingyan，Zhu Demi，Zhang Pengzhu，et al.Re-search on the evolution simulation and governance of network publicopinion reversal in social hot events caused by 1 information[J].China Soft Science，2019（6）：59-66.）

[11］王潤(rùn)，趙軍．基于多Agent和改進(jìn)Deffaunt模型的信息傳播建模與仿真[J]．計(jì)算機(jī)系統(tǒng)應(yīng)用，2021，30（2）：237-242.（WangRun，ZhaoJun.Modelingand simulationofinformationdisseminationbased onmulti-agentandimproved Deffauntmodel[J].ComputerSystemsamp;Applications，2021，30（2）：237-242.）

[12]梁冉，徐雅斌.基于改進(jìn)SEIR模型的網(wǎng)絡(luò)輿情傳播研究［J].計(jì)算機(jī)仿真，2023，40（5）：333-340.（LiangRan，XuYabin.Re-search on network public opinion communication based on improvedSERI model[J].ComputerSimulation，2023，40（5）：333-340.）

［13］侯艷輝，孟帆，王家坤，等．考慮群組結(jié)構(gòu)的在線社交網(wǎng)絡(luò)競(jìng)爭(zhēng)性輿情信息傳播模型研究［J]．計(jì)算機(jī)應(yīng)用研究，2022，39（4）：1054-1059.（Hou Yanhui，MengFan，WangJiakun，etal.Re-search on competitive public opinion information dissemination modelin online social networks considering group structure[J]. Applica-tionResearchof Computers，2022，39（4）：1054-1059.）

[14]宋英華，夏亞瓊，方丹輝，等．基于改進(jìn)SIR的正負(fù)面網(wǎng)絡(luò)輿情信息傳播模型與仿真［J]．計(jì)算機(jī)應(yīng)用研究，2021，38（11）：3376-3381.（Song Yinghua， Xia Yaqiong，F(xiàn)ang Danhui，et al.Propagation model and simulation of positive and negative Internetpublic opinion information based on improved SIR[J].ApplicationResearch of Computers，2021，38（11）：3376-3381.）

[15］曹春萍，李麗．融合用戶特征的微博信息情感演化模型［J]．小型微型計(jì)算機(jī)系統(tǒng)，2021，42（8）：1655-1661.（Cao Chunping，Li Li.Microblog informationemotionalevolutionmodel integrating userfeatures[J]. Journal of Chinese Computer Systems，2021，42（8）： 1655-1661. ）

[16]李宗偉，王澤凱，夏偉偉，基于系統(tǒng)動(dòng)力學(xué)的大學(xué)生線上下與情聯(lián)動(dòng)研究[J]．計(jì)算機(jī)仿真，2023，40（2）：297-302.（Li Zong-wei，Wang Zekai， Xia Weiwei. Research on online and ofline publicopinionlinkage of colegestudents basedonsystem dynamics[J].Computer Simulation，2023，40（2）：297-302.）

[17］朱恒民，楊柳，馬靜，等．基于耦合網(wǎng)絡(luò)的線上線下互動(dòng)輿情傳播模型研究[J]．情報(bào)雜志，2016，35（2）：139-144，150.（ZhuHengmin，Yang Liu，Ma Jing，et al.Study on public opinion propa-gation model based on coupled networks under online to ofline interaction[J]. Journal of Intelligence，2016，35（2）：139-144，150.）

[18］王家坤，王新華．雙層社交網(wǎng)絡(luò)上的企業(yè)輿情傳播模型及控制策略研究［J]．管理科學(xué)，2019，32（1）：28-41．（WangJiakun，Wang Xinhua. Research on the enterprise public opinion spreadingmodel and control strategy in two-layer social networks[J].Jourmalof Management Science，2019，32（1） ：28-41.）

[19]陳帥，基于多層耦合網(wǎng)絡(luò)的輿情傳播控制研究［J]．系統(tǒng)仿真學(xué)報(bào)，2020，32（12）：2353-2361.（Chen Shuai.Research on dissemina-tionand control ofpublicopinion basedonmultilayer coupled network[J].Journal of System Simulation，2020，32（12）：2353-2361.）

[20]Geng Lixiao，Yang Shuran，Wang Ke，et al. Modeling public opiniondisseminationinamultilayer network with SEIR model based onrealsocial networks[J].Engineering Applications of Artificial Intelli-gence，2023，125：106719.

[21］李明．多主體協(xié)同視域下短視頻網(wǎng)絡(luò)輿情導(dǎo)控機(jī)理及因果機(jī)制研究［J]．現(xiàn)代情報(bào)，2023，43（1）：131-140.（Li Ming.Re-search on the gudance and control mechanism and causal mechanismof short video network public opinion under multi-gent collaboration[J].Journal of Modern Information，2023，43（1）：131-140.）

[22]匡文波，周倜．論網(wǎng)絡(luò)輿論風(fēng)暴公式[J]．國(guó)際新聞界，2019，41（12）：131-153.（Kuang Wenbo，Zhou Ti.Formulaof Internetpublic opinion storm[J]. Chinese Journal of Joumalismamp; Com-munication，2019，41（12）：131-153.）

[23］曾榮桑，李弼程，陳剛，等．基于線上-線下超網(wǎng)絡(luò)模型的輿論演化仿真分析［J]．計(jì)算機(jī)應(yīng)用研究，2024，41（2）：507-514.（Zeng Rongshen，Li Bicheng，Chen Gang， et al. Analysis of publicopinion evolution based on online-offline supernetwork model[J].Application Research of Computers，2024，41（2）： 507-514.）

[24］張亞明，杜翠翠，蘇妍姬．多主體干預(yù)的網(wǎng)絡(luò)輿情傳播建模與仿真研究[J].現(xiàn)代情報(bào)，2020，40（5）：130-139.（ZhangYaming，Du Cuicui，Su Yanyuan.The model and simulationof Internet publicopinion dissemination under multi-agent intervention [J]. Journal ofModerm Information，2020，40（5）：130-139.）

[25]Yang Yuecheng，Dimarogonas D V，Hu Xiaoming.Opinion consen-sus of modified Hegselmann-Krause models[J]. Automatica，2014，50（2） ： 622-627.

[26］茍智堅(jiān)，范明鈺，王光衛(wèi)．復(fù)雜網(wǎng)絡(luò)中無(wú)信任邊界限制的連續(xù)觀點(diǎn)演化研究[J]．電子科技大學(xué)學(xué)報(bào)，2015，44（5）：749-756.（Gou Zhijian， Fan Mingyu，Wang Guangwei. Research of evolutionof continuous opinions without_bounded confidence in complex net-work[J]. Journal of University of Electronic Science and Tech-nology of China，2015，44（5）： 749-756.）

[27］戴建華，韓孟昊．考慮信息繭房現(xiàn)象的網(wǎng)絡(luò)與情演化研究［J].情報(bào)理論與實(shí)踐，2023，46（6）：111-117.（DaiJianhua，HanMenghao. The evolution of network public opinion considering infor-mation cocoons [J]. Information Studies：Theory amp; Application，2023，46（6） ： 111-117.）

[28]殷瑞雪.基于SIR模型的多主體協(xié)同關(guān)系網(wǎng)絡(luò)輿情演化的研究[D]．北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，2020.（YinRuixue.Researchonpublic opinion evolution of multi-agent collaborative relationship net-work based on SIR model[D].Beijing：Capital University of Eco-nomics and Business，2020.）