网络传播模型范文
网络传播模型范文（精选11篇）
网络传播模型 第1篇
关键词：电波传播,传播预测,传播模型,神经网络
0 引言
为了合理利用频率资源,取得最佳的网络质量,通常需要运用各种软件、模型对无线信号的传播损耗进行预测分析,目前存在的传播模型主要有复杂的基于大量详细地理数据的确定性模型和在大量试验的基础上总结的经验性模型。确定性模型是对具体的现场环境直接应用电磁理论计算的方法,由于环境的电磁覆盖的数学复杂度很高,故此方法只适合已知建筑结构和材料下的室内或微小区的模型预测,算法比较复杂,计算量很大,所以使用范围较小。经验模型由于其计算量小且不需要大量详细的地理数据信息而被广泛应用,但是,不恰当的地理分类或者不准确的参数设置容易导致较大的误差。
鉴于以上问题,必须找出一种能够反映输入参数和测试数据相对应的非线性关系的方法,以此来表示环境特征对传播损耗的影响。人工神经网络具备强大的学习和分析庞大资料的能力,可以从大量的离散试验数据中经过学习训练,提取输入和输出的关系,并将这种关系表示为网络连接权值的大小与分布,建立反映实际规律的非线性模型。目前应用最广泛的神经网络形式为BP神经网络,它具有良好的函数逼近性能,非常适用于建立传播预测模型。
1 BP神经网络模型
1.1 网络结构
BP神经网络是多层前馈网络,包含了输入层、隐层和输出层,其学习过程由信号的前向计算和误差的反向传播组成,在信号的前向计算时,输入向量由输入层经隐层处理后传向输出层,每一层神经元的状态只影响下一层神经元的输出,当误差精度满足要求时,则直接输出,反之,则进入误差反向传播过程,在反向传播过程中,逐一修改各层权值,2个过程反复计算,直至误差信号最小。
从理论上讲,一个具有S状特性的3层神经网络可以任意精度逼近任何具有有限个间断点的函数[1],网络结构如图1所示。
图中,x=[x1x2 xn1]为输入向量,其中-1可为隐层神经元引入阈值;y=[y1y2 ym]为隐层输出向量;o为输出向量;W、V分别为隐层和输出层权值;b1、b2为传输阈值;f()为隐层传递函数;g()为输出层传递函数。网络的输出函数可表示为:
undefined。 (1)
1.2 基于BP网络的预测模型构建
基于BP网络的预测模型的构建由BP网络基本结构的确定和通过网络训练得到最优权值2个方面组成。BP网络的基本结构主要包括输入和输出变量的确定、隐层数及其节点数的确定、传递函数的选择等;网络训练过程实质上就是通过实地测试的传播损耗数据和网络预测输出的误差对网络的各层权值进行调整使得误差最小化的过程。网络结构和网络权值的确定标志着BP网络传播预测模型的建立。
1.2.1 输入输出变量
影响电波传播的主要因素有:频率f、移动台天线高度hm、基站天线高度hb、传播距离d以及地形因素,输出向量为网络预测传播损耗Lp,在建立预测模型之前,首先要对原始数据进行预处理,输入样本需要进行归一化,使那些比较大的输入仍然落在传递函数梯度比较大的地方,其运算如下:
undefined。 (2)
在经过网络训练之后再进行反运算:
undefined。 (3)
1.2.2 隐层节点数的确定
BP网络中,各层节点数的选择对网络的性能影响很大,故层内的节点数需要恰当地选择,如何确定最佳的隐层节点数,很多学者对这一问题进行了研究,但不存在一个理想的解析式来表达,本文选用一种较简单的隐层节点的估算方法[4]:
undefined。 (4)
式中,h为隐层节点数;n为输入元素个数;a为输出元素个数;l为1～10之间选取。本文中选取7个隐层节点的3层神经网络。
1.2.3 传递函数的选择
传递函数直接关系着个神经元的连接方式,其选择由研究问题的性质决定,本文隐层传递函数采用Sigmod函数,其数学表达式为:
undefined。 (5)
输出层传递函数一般采用线性函数:
g(x)=x。 (6)
1.2.4 网络训练方法
网络训练是得到最优权值的关键,人们在标准的BP算法基础上提出了很多改进,本文主要采用改进算法之一附加动量项的BP算法。
1.3 应用神经网络的混合传播模型
神经网络的方法具有非常强大的非线性拟合功能,呈现出很强的对环境的自适应和对外界事物的自学习能力,但神经网络的输入为n元单位阵,输出为l元单位阵,实际应用时,需将输入和输出单位化,在输入和输出值与单位阵相差很小时,误差较小,但在输入输出的数值很大时,由于需要进行还原运算,误差将会被放大,从而影响预测值的精度。
应用神经网络的混合传播模型结构如图2所示。
此模型将传播损耗值分为2部分:与距离相关的基本传播损耗和影响电波传播的其他因素造成的损耗。第1部分可在其他条件固定的情况下,通过曲线拟合的方法建立损耗与距离的线性方程,得到路径传播损耗的基本传播预测;另一部分则尽可能多地找到影响电波传播的其他因素,通过神经网络的训练,得到这些因素对传播损耗影响的内在规律,进而对基本传播预测值进行补充、修正。二者相加,得到相对精确的传播损耗预测值。
2 模型性能分析
2.1 模型性能判断准则
在处理试验数据的数理统计中,采用3个变量来衡量理论预测值的有效性,这3个变量分别为:测试值和理论预测值之间误差的均值、标准差以及二者的相关系数,误差反映测试值和预测值的差值,由于误差有正有负,故在大样本情况下,误差的均值应该是接近于零的;标准差可以用来检验测试值与理论预测值的偏差的大小,实测场强中值与传播模型预测场强之间误差的标准差可以表示为:
undefined。 (7)
式中,ek为误差样本;undefined为误差均值;P为样本的个数;相关系数反映了实测的信号强度与预测的信号强度之间的相关程度。其表达式为:
undefined。 (8)
式中,L、Lp分别为测试值和理论预测值;undefined、undefinedp分别为测试值和理论预测值的均值;P为样本数目,从理论上讲,此相关系数的绝对值越接近于1越好,说明实测的信号强度与预测的信号强度之间越相似,也即预测越准确。
2.2 性能分析
根据不同区域的分布情况,选取多条线路,分别对3个频段进行了测试。分别使用神经网络方法和应用神经网络的混合算法进行传播预测,并将其结果与原hata模型[2]在乡村地区公式的计算结果进行对比,得到各个衡量参数,如表1、表2和表3所示。
从表中可看出,2种方法得到的误差均值都近似为零,误差标准差较之前也有明显的改善,实测值和预测值之间的相关系数亦有明显的提高,说明这2种模型都能够更真实地反映该区域的无线电波传播环境,更能够满足该区域网络规划的需要。其中应用神经网络的混合传播模型性能较前者有明显的提高,曲线拟合方法和神经网络方法的结合,使其通过曲线拟合方法找到该地区下的总的分布趋势,再利用神经网络方法的强大的非线性拟合功能对由于环境、地形等因素造成的影响进行补充、修正,即克服了曲线拟合方法的缺乏非线性预测能力的缺点,又克服了神经网络方法由于数据标准化和数据还原过程中将误差扩大化的缺点,从而预测值精度更高,能够更有效地为该地区的网络规划提供分析依据。
3 结束语
采用人工神经网络算法和以神经网络算法为基础的混合算法分别建立电波传播预测模型,以神经网络为基础的混合传播模型在精度上比单独使用神经网络的模型有所提高,二者皆显示了BP神经网络的优点,BP神经网络以其强大的非线性拟合能力和灵活的计算能力,非常适用于特定地区传播损耗的预测。
参考文献
[1]HSUK,CUPTA HV.Artificial Neural Network Modling of the Rainfall Runoff Process[J].Water Resources Research,1995,31(10):2517-2530.
[2]HATA M.Empirical Formula for Propagation Loss in Land Mobile Radio Services[J].IEEE Trans.Veh.Technol.,1980,VT-29(3):317-325.
[3]OSTLIN E,ZEPERNICK H.J,SUZUKI H.Macrocell Radio Wave Propagation Prediction Using an Artificial Neural Network[C].Vehicular Technology Conference,2004:217-225.
[4]张立明.人工神经网络的模型及应用[M].上海:复旦大学出版社,1994.
TEPS电商品牌传播模型 第2篇
TEPS电商品牌传播模型，是专为电子商务企业进行品牌传播所研发的营销类工具模型。基于当下用户的消费习惯轨迹和购买决策因素，将电商品牌的传播过程分为刺激―了解―购买―分享―再刺激的循环，每阶段又细分出各自的品牌目的、传播渠道、数字媒体传播角色、KPI设定和具体的营销方式。
各阶段指标
刺激阶段：属于印记类，
品牌目的.：加强品牌曝光；
传播渠道：门户、视频、APP、传统曝光等；
数字媒体传播角色：传统广告的内容承载、节奏延续及认知度建立；
数字媒体KPI设定：CPM，CPC/UV；
营销方式：网络硬广、传统广告、大屏幕移动终端广告、跨界营销；
了解阶段：属于引导类
品牌目的：建立品牌偏好；
传播渠道：垂直、精准、sns和传统植入等；
数字媒体传播角色：激发需求产生偏好和信任用户相关性高的内容；
数字媒体KPI设定：参与量，二跳率
营销方式：原生态广告、传统的植入营销 社会化营销、移动营销、搜
索优化、大数据营销；
购买阶段：属于收口类
品牌目的：促成销售；
传播渠道：精准、联盟、客户端等；
数字媒体传播角色：刺激购买；
数字媒体KPI设定：转发量/品牌声量，UV；
营销方式：固定入口、精准营销 品牌专区、移动营销、跨界营销；
分享阶段：属于营销类
品牌目的：口碑效应
传播渠道：论坛、sns、微信等；
数字媒体传播渠道：让用户为品牌自发创造内容、刺激他人购买；
数字媒体KPI设定：ROI，新客；
营销方式：社会化营销微信营销；
价值
TEPS模型不仅基于互联网渠道，而是针对电商特性进行了传统和互联网乃至移动渠道的整合传播策略梳理，更对传播中每一环节的KPI考核进行了详细的设定，这正是其价值所在。TEPS传播模型由派瑞威行广告有限公司出品，在电商行业及互动整合营销领域，派瑞威行是第一家也是唯一一家梳理出电商品牌传播模型的数字营销公司。
版权
网络传播模型 第3篇
关键词：病毒传播,复杂网络,无标度网络
当今社会中,手机已成为人类最主要的通讯手段。手机经历了从2G、2.5G的单纯收发短信息、接听电话时代发展到3G的集成便携电脑功能的时代的过程中,通过智能手机进行传播的病毒也随之产生和发展。手机病毒也是一种计算机程序,同样具有传染性和破坏性。其工作原理是因为存在于手机中的嵌入式操作系统(固化在芯片中的操作系统,一般由JAVA、C++等语言编写),相当于一个小型的智能处理器,容易遭受病毒攻击。而且,短信也不只是简单的文字,其中包括手机铃声、图片等信息,都需要手机中的操作系统进行解释,然后显示给手机用户,手机病毒就是靠软件系统的漏洞来入侵手机的。随着智能化手机越来越普及,手机病毒势必会成为继计算机病毒后的又一大威胁[1]。因此,为了防止手机病毒造成严重破坏后果,研究手机病毒传播特征及规律,有助于制定病毒防御策略及方法,预防以抑制手机病毒的传播[2,3]。本文应用复杂网络理论针对手机病毒的传播网络进行建模,通过仿真结果证明有效性及合理性,最后还提出了抑制智能手机病毒传播的几种策略。
1 背景知识
目前,随着手机用户数量的不断增加,手机的智能化程度也不断提高,智能手机(Smartphone)的硬件配置也越来越高,拥有更快的计算速度,更大的存储空间,一些新型的高端智能手机的配置已超过1999年个人计算机的配置。这也为手机病毒的传播和运行提供了必要条件。最早的手机病毒出现在2000年,该病毒通过西班牙电信公司“Telefonica”的移动系统向系统内的用户发送脏话等垃圾短信,事实上这类病毒最多只能被算作短信炸弹。真正意义上出现的具有实质破坏性的手机病毒是在2004年6月俄罗斯发现的,即“Cabir.a”病毒,这种名为“卡比尔”(Cabir)的病毒是一种网络蠕虫病毒,它不但可以感染运行Symbian操作系统的手机,还会通过蓝牙技术进行传播,如果病毒成功进入手机,就会在屏幕上显示“Caribe”字样,以后每次开机时都会出现该字样,电池会很快耗尽,蓝牙功能丧失,同时不断扫描正在使用蓝牙的手机,并复制自身副本发送过去。之后,手机病毒便开始泛滥。由于智能手机整合了IEEE 802.11和Bluetooth等网络技术,并提供多种数据连接方式,因此它也具备了恶意代码活动的硬件条件,随着智能手机使用者数量的增加,基于智能化手机传播的病毒势必会对手机系统的安全性造成严重威胁[2,3]。目前对于手机病毒传播的模型研究还处于初步阶段,已经提出的一些模型大多针对随机网络,不能很好的模拟实际网络环境,如何精确的描述手机病毒的传播行为,揭示其特性,找出对该行为有效的控制及防御的方法,将会成为未来的一个研究热点。
2 手机病毒传播网络模型
2.1 手机病毒传播模型选择
手机之间进行的是一对一的通信,手机使用者通过手机中所存储的联系人列表建立了一种社会关系网络。因此,手机病毒网络可以用图论进行建模。通过选择,建立合适并合理的手机病毒传播网络模型有助于更好的理解病毒的传播特性,为病毒的监控与防御提供解决思路。复杂网络理论下的几个典型的网络模型理论包括Erdos和Renyi提出的随机网络理论,Watts和Strogatz提出的小世界网络理论、以及Barabasi和Albert提出的无标度网络理论[4,5,6,7,8,9]。网络的度分布P(k)作为网络选择的一个重要指标,表示一个随机选定节点的度为k的概率。节点度服从幂律分布的网络叫做无标度网络(scale-free networks),P(k)～k-r,r为常数,这种节点度的幂律分布是网络的无标度特性。节点度服从幂律分布是指具有某个特定度的节点数目与这个特定的度之间的关系可以用一个幂函数近似表示。幂函数曲线是一条下降相对缓慢的曲线,这使得度很大的节点可以在网络中存在。随机网络和规则网络,度分布区间非常狭窄,几乎找不到偏离节点度均值较大的点。图1给出了具有10 000个节点,网络平均度为10同时在随机网络,小世界网络和无标度网络进行10次仿真取其平均值后对病毒传播的影响情况。
由图1所示,病毒在无标度网络上传播要快于在其他两个网络上的传播速度。另一方面,无标度网络节点度分布呈不均匀状态,除少数节点度很大,大多数节点的度都比较小。图2为一个包含了130个节点的无标度网络,其节点度服从幂指数为-3的幂律分布。图中的5个红色节点是网络中度最大的5个节点。图3给出了不同网络下已感染节点的平均度随时间变化的情况[5,7]。
由图2说明,无标度网络中节点度大的少数节点容易被感染病毒,也容易成为病毒的主要传播者。通过对无标度网络上病毒传播行为影响的研究发现,在无标度网络中,病毒的传播阈值明显要比在随机网络中小得多,这说明无标度网络更适合手机病毒的传播。尽管目前还缺乏实际的大量统计数据,但是通过小区域调查以及实际情况分析,手机病毒传播网络体现了无标度网络特性,本文就是基于手机病毒传播网络采用无标度网络拓扑来建立模型,并进行深入讨论的。
2.2 手机病毒传播网络模型的建立
手机病毒传播网络中,假设如果手机用户a在联系人列表中存有手机用户b的号码,那么手机用户b的联系人列表中同时也存有手机用户a的号码,这样,两个手机节点之间可以建立的是一条无向边,手机关系网络可以用一个无向非均衡图来表示,节点随着时间增加或者删除,边以非随机的方式连接到节点,这种增长模式可以用边以偏好依附规则增长的BA模型来表示。假设当一个手机用户在联系列表中存有较多联系人时,则有更大的可能建立一个新边(在联系人列表中增加联系人或者被其他手机用户加入联系人列表),即当一个人的社会关系比较广泛的时候,他就有更多的机会认识其他人,或者被其他人认识,该手机用户也有更大的机会将手机病毒传给其他用户,或者被其他手机所感染,这也体现出了无标度网络生长和优先连接的两个关键机制,网络初始状态含有m0个互连顶点的用户节点,每个时间步增加一个新的用户节点时,则该新节点连接到已含有m个节点的网络中。一个新的用户节点与网络中一个已经存在的节点i连接的概率Πi与节点i的连接度ki满足如下关系:Πi=
假设手机病毒传播网络中的节点只存在两种状态:易染状态(S)和已感染状态(I)。这里定义已感染状态的节点向与其有关联的手机节点发送病毒的概率为p0;一个易染状态节点收到含有病毒的信息后,点击该信息的概率为p1;初始概率p10由一个随机变量X产生,X-N(μp,σ
这里假设一个节点如果感染了病毒就会对此种病毒产生免疫性,不会再次被感染。初始概率大的节点可以加快病毒的传播,越容易被病毒感染,它的减小幅度越小;反之,初始概率小的节点病毒的感染会减慢,减小的幅度越大。一个已感染节点收到病毒信息并打开的概率p1k表示为:p1k=p10(1-di)k-1,k=0,1...。
2.3 手机病毒传播模型仿真分析
无标度网络初始时有m0=5个孤立点,加入一个节点的同时加入m=5条边,t=9 995,则此时网络中有N=10 000个节点。对于初始p1的选择采取同IM病毒传播时用户打开消息的相同概率,即p1由随机变量X-N(0.5,0.32)产生,X<0时,X=0;X>1时,X=1。最初时网络中有10个节点处于已感染状态,对p0取不同的值进行10次迭代并取平均值,其结果如图5所示。
如图5所示,处于已感染状态的手机,病毒直接向该手机中所存储的联系人列表中的号码继续发送含病毒的信息,即使是处于蓝牙环境下的蠕虫病毒需要对周围使用蓝牙手机进行搜索,由于范围有限,时间也不会很长,因此可以认为病毒从发送病毒消息到用户打开病毒消息的一次病毒传播的过程所经历的一个时间段△t很小;p0越大,则病毒的传播速度就会越快;p1由随机变量X-N(0.5,0.32)产生,所以节点的初始概率p10为0的概率应为:
安全意识因子α用于描述网络中的手机用户对于手机病毒的防御意识的能力。α取值越高,手机用户对于病毒的防御意识则越强,因而病毒的传播速度和范围也会越小。图5显示了不同取值的α仿真10次取平均值的对于病毒传播的影响结果。
由图6可以发现α的取值不同,在最初一定的时间范围内对于病毒的传播速度是有较明显的抑制作用,但是最终几乎都右相同的时间内完成了病毒的传播。所以仅仅采取提高用户的安全意识来抑制病毒传播是无法实现的。
4 结语
手机病毒是日渐兴起的一种新的病毒,随着手机智能化程度的不断提高,通过手机传播的病毒的严重程度及破坏程度将不亚于甚至超过计算机病毒。本文以智能手机病毒的传播为研究对象,研究了其传播过程中的复杂网络特征,同时探讨了应用复杂网络理论建立手机病毒的传播网络模型,定义了病毒感染速率、易染概率、减小幅度因子、安全意识因子等,分析了各个量对于模型的影响,实证表明,智能手机病毒传播服从度分布幂律分布和无标度分度,无标度网络应用于手机病毒传播网络模型的具有合理性。本模型只考虑了网络节点只有已感染和易感染的两种状态存在的理想情况,对于更复杂的节点情况的传播规律问题的探索,将在接下来的工作中继续进行。
参考文献
[1]May R M,Lloyd A L.Infection dynemics on scale-free net-works.Phasical Review E,2001;64(6):66—112
[2]Moteno Y,Pastor S R,Vespignani A.Epidemic outbreaks in complex heterogeneous networks.European Physical Journal B,2002;26(4):521—529
[3]Wen W P,et al.Research and Development of Internet worms.Journal of Alexandria,USA,2006;9—16
[4]Newman M E J.The Structure and function of complex networks.SLAMReview,2003;45(2):167
[5]Albert R,Barabasi A L.Statistical mechanics of complex networks.Reviews of Modern Physics,2002;74(1):47
[6]Erdos P,Renyi A.On the evolution of random graphs.Publ Math Inst Hung Acad Sci,1959;5:17—60
[7]Albert R,Barabasi A L.Statistical emergence of scaling in random networks.Science,1999;286:509—512
[8]Watts D J,Strogatz S H.Collective Dynamics of“small-world”net-works.Nature,1999;393(6684):440
网络传播模型 第4篇
微博营销概述
微博（又称微博客，英语：MicroBlog），是一个基于用户关系的信息分享、传播以及获取平台，用户可以通过WEB、WAP以及各种客户端组建个人社区，以文字、图片更新信息，并实现即时分享，微博的代表性网站是美国的Twitter。中国互联网络信息中心2013年7月发布的报告显示，至2013年6月底，中国微博网民数达到3.31亿，成为世界第一大国。本文选择微博用户数量最多、行业影响力最大的新浪微博作为分析平台。
企业微博是指企业官方在微博平台上建立的微博，广义的企业微博还包括企业高管的个人微博。企业微博是企业品牌的代表，一般都要在微博平台进行认证，这可以增加其他微博用户的信赖感，也可以防止与其他企业微博混淆。关注企业微博的用户称为微博好友（新浪微博称为粉丝）。
微博营销是企业通过微博进行的所有营销活动的总称，主要内容包括：即时营销，产品推荐、促销信息发布；品牌宣传，发布企业新闻、宣传品牌故事；公关传播，开展危机公关和事件营销；客户管理，进行客户调查、处理客户投诉、解答客户咨询。
企业微博营销的优势体现在成本低、互动性强、及时性强、精准度高、传播范围广五个方面。
微博营销的传播路径
一条微博信息从创作开始，它的传递路径要经过“发布-关注-评论-转载-反馈”五个阶段，其传播路径如图1所示。
从这一传播路径中不难发现，在微博营销信息的传播过程中，发起者是企业微博的发起者，媒介即是微博这一平台，接收者是企业微博的关注者（即粉丝）。而由于微博具有“转发”这一特色功能，在微博的传播过程中，当粉丝认为某条微博信息值得收藏或者值得与自己的微博关注者（粉丝）分享，就可以把该微博信息转发至自己的微博，并再次经历“关注-评论-转载-反馈”的传播过程，这样就形成了二次传播。而理论上一条微博信息是可以经过无数次传播的，因此，企业微博的粉丝既是传播路径中的接收者，也可能会扮演传播路径中的传递者，事实上每一个转发该企业微博的用户都扮演着媒介的角色。
企业微博营销传播模型构建
通过以上对企业微博营销信息传播路径的分析，我们知道在企业微博营销信息的传播过程中，经过了微博的发起者（企业）、传递者（粉丝）、接收者（粉丝）这三个角色，这三者分别对应传播的起点、中转点、终点，通过分析这三者的相互关系以及他们对企业微博营销传播效果的影响因素，可以建立起企业微博营销传播模型，如图2所示。
在这一模型中，发起者层面的影响因素O、传递者层面的影响因素T、接收者层面的影响因素R三者之间的集合构成传播效果量化数值G，以公式定义为：G={O，T，G}。
发起者方面的因素主要包括：受关注度、信息针对性、评论反馈度，传递者方面的因素主要包括：受关注度、知名度、活跃度，接收者方面的因素主要包括：行为态度，具体如表1所示。
（一）发起者因素
受关注度是指企业微博的粉丝数量，微博营销效果所影响的人群范围，就是由该微博的关注人数多少所决定的，关注度越高，看到该微博内容的人数就越多，营销效果就越好。此外，一个微博账户粉丝的多少还决定了其微博信息被二次传播的次数多少，关注度越高，被转发的机会就越大，信息的针对性是指微博内容能够针对微博好友的需求而创作，在有限的文字（新浪微博为140字内）、图片、视频中既要把信息表达完整，又要使得粉丝能够接收微博所要表达的主题思想。此外，微博信息要使用更容易被微博好友所接收的的语言表达方式，比如可使用当前流行的语言、幽默的文字来进行表达，这样更容易获得粉丝的共鸣，进而产生评论、转发的行为。
评论的反馈度指的是发起者及时、恰当地回复在微博信息传递过程中的粉丝评论，这样做的好处是：一是和粉丝形成良好互动，增强粉丝对企业微博的粘性；二是及时消除部分粉丝的负面评论的影响；三是企业的评论回复可以新一条微博的形式发布，从而产生新一轮的微博信息传播，增强了营销效果。
以上因素属于企业自身范畴，是企业在开展微博营销过程中可以通过各种手段进行直接控制和影响的。
（二）传递者因素
受关注度。和发起者的受关注度一样，传递者的受关注度同样影响着企业微博的营销效果。
知名度。通常传递者的知名度越大，其粉丝数量就越多，并且其传播内容越容易被接收。
活跃度是指传递者在微博信息传递过程中参与评论或者进行转发的概率，活跃度高的传递者更愿意对感兴趣的微博内容进行评论甚至转发，从而把该微博内容的传播范围扩大到自己的粉丝圈子。
和企业因素不一样，传递者因素是企业无法直接控制的，只能间接地产生影响。
（三）接收者因素
行为态度。消费者的行为态度指的是消费者对某件商品、品牌或企业的喜欢或不喜欢的反应倾向，具体到微博营销而言，接收者的行为态度指的是微博信息的接收者对微博表达的主题思想是否认可的情感反应，接收者认可了，其对微博所代表的品牌、公司的认可度也会提升，微博营销才是成功的。
和传递者因素一样，接收者因素也只能由企业间接地进行影响。
企业微博营销策略
（一）发起者策略
第一，提高微博知名度，受关注度，才能被更多的微博用户看到和关注，为开展后续营销活动建立基础。一是让微博戴上“官方”标签，企业微博要进行实名认证，微博昵称使用公司实名，微博头像使用公司标识或其他公司代表性图案，其他微博资料都要真实，这样企业的客户、品牌忠诚者就很可能通过搜索等方式关注到企业微博，并且容易产生信任；二是当微博的活跃分子，企业微博要每天都发布信息，多参加其他微博的评论及转发，多关注别人，以吸引更多粉丝；三是积极进行微博推广，在企业的各种市场活动中宣传微博，在QQ群、论坛或其他平台宣传微博，还可以通过“粉丝头条”（使用新浪“粉丝头条”的微博，粉丝在24小时内首次刷新微博时都会置顶出现该条微博）等付费手段进行推广。
第二，加强微博内容的创作，做到针对性和趣味性兼具，使得粉丝（微博的传递者和接收者）更容易认可企业发布的微博信息，并且愿意进行二次传播。微博内容要考虑受众的需求，找到他们想听到的与自己想要传达到的信息之间的交集，保证发布内容的针对性，这是好的微博内容首先要具备的，所以微博发布内容，首先要考虑的就是与自己品牌、产品、公司、行业领域等方面的相关性，其次也要关心当下流行的公共议题，将社会热点与营销结合。此外，在微博的创作中要懂得使用风趣幽默的语言，并提供图片、视频搭配，这样更容易被微博用户所接受和转发。
第三，加强与粉丝的互动，及时、恰当地回复粉丝的评论，增强粉丝对微博的归属感、认同感。对于粉丝和被评论数量不多的企业微博而言，应该努力回复这些用户的评论，巩固用户基础。对于粉丝已经上万、上十万的企业微博来说，可能无法对所有评论一一回复，但对于咨询、投诉、建议等方面的评论内容，企业应该及时回应。而由于企业微博是官方性质的发言，因此措辞一定要准确、恰当，避免传递错误信息或者引起不必要的纠纷。在与用户的互动过程中，礼貌是不可或缺的，要善于使用表情符号，把单纯的文字往来变成立体的情感沟通，让粉丝感受到语气和笑容的沟通。
（二）传递者策略
第一，加强对传递者的吸引力，通过举办有奖活动，吸引其进行转发，提高其活跃度。微博活动主题要能吸引眼球，方案规则要简洁，形式要有创意，奖励机制能激发参与欲望。一般的微博活动形式有：有奖转发，只要粉丝们转发、评论或@好友就有机会中奖；有奖征集，常见的有奖征集主题有广告语、段子、祝福语、创意点子等；有奖竞猜，包括猜图、猜文字猜价格等方式；有奖调查，主要用于收集用户的反馈意见。
第二，选择与受关注度和知名度高的大V微博账户互相关注，吸引大V微博账户对企业微博进行转发。一般认为，大V微博账户是指粉丝数量在50万以上的VIP（贵宾）账户，通常是知名度较高的文体明星、企业家、媒体、公众名人等，若能得到大V账户的关注和转发，对于企业微博的传播范围和效果都是极大的促进。
（三）接收者策略
在前文所提及的发起者策略以及传递者策略中，加强微博内容的针对性和趣味性、加强与粉丝互动（包括及时回复粉丝评论、举办粉丝参与的活动）、通过大V转发等手段，都可以很好地提升接收者对企业微博内容及其微博所代表的的产品、品牌、公司的认可度。除此之外，企业在发布微博时，还应注意研究粉丝的微博使用习惯，在他们经常出没微博的时间段发布微博，这样会大大增加微博可见性。
从公益传播看网络传播 第5篇
关键词：公益传播；网络传播
[中图分类号]G206 [文献标识码]A [文章编号]1009-9646（2011）12-0079-02
1969年9月2日，在美国加州大学洛杉矶分校克莱恩洛克教授的实验室里，克莱恩洛克和他的学生用一根15英尺的灰色电缆将两台庞大的计算机连接在一起，让一串串毫无意义的测试数据静静的在两台计算机之间传输。这一天标志着世界上第一个日后成為互联网主干的计算机网络的诞生。
在这个网络迅猛发展的年代，人们越来越倾向于借助于网络这一平台进行相关信息宣传，公益事业为了扩大自身的宣传力度，也逐步开始借助于网络这一平台。下面我将从我最近所接触到的一件事情为切入点对网络媒体进行一定的分析。
李琴是四川省北川羌族自治县擂鼓镇擂鼓小学的一名三年级学生。2009年9月，8岁的李琴被诊断为淋巴性白血病L2型。当时在北川有一个刚刚注册成功公益组织“中国心”，此公益组织核心工作在于关注及援助震后灾区恢复和援建工作。李琴患白血病一事正好被这一公益组织发现。2009年11月17日，腾讯QQ空间出现一篇题为《羌历年：一个北川白血病女孩的告白书》的文章，呼吁社会为震后灾区白血病女孩伸出援助之手。2009年12月16日，中国心相关负责人告诉我李琴医疗费用用的筹集工作可以宣布完结了。因为我本人一直参与在整个事件当中，听到这个消息难免有些激动，这件事情以后我切做一些分析。
一、网络传播的便捷性
所谓网络传播的网络传播的便捷性就是指网络借助于自身的优势能够很好的达到对公众进行消息扩散的效果。到达信息的有效传播，网络系统只需要一瞬间的时刻而已。数字化的时代给了我们这种便捷性的网络传播。
李琴于2009年9月被确诊为白血病，2009年11月此事才被中国心这一公益组织发现并置于QQ空间这一网络媒介。这之间有两个月的时间。这一段时间，李琴相关信息未被公布于网络平台，而了解李琴信心的人群仅为其周围的一些亲人、朋友以及参与治疗的医生。换句话说，在这些信息被散布在网络上之前，只是在采用最简单的口头传播中的人际传播方式，即靠一个人与一个人之间的口头描述事件进行传播。
二、网络传播的手段多样性
网络只是一个大的平台，而运用网络进行传播，还可以采取很多的手段进行。由于多媒体技术的发展，网络迅速发展，各种形式的网络传播方式被开发出来。网页、博客、播客、空间、微博等网络形式出现在人们的生活当中。
在对李琴的相关信息进行宣传的时候，包括中国心在内的草根志愿者们采取了多种宣传方式进行扩大宣传，以期李琴能够被更多的人关注并能够伸出援助之手。最起先的是中国心在空间上进行的宣传，被网友关注并核实信息之后，先后被博客、微博、论坛、贴吧等渠道进行过相应的传播；也制作了相关的视频传播于网络上。多种传播手段的综合运用，采取网址链接的方式，既扩大了宣传力度，同时还增加了整个网络事件上的真实性和可信度。
三、信息交流范围的广泛性
在整个李琴事件当中，参与其中的爱心人士分布于全国各地。且不说那些匿名进行爱心捐赠的人士，就仅仅是爱心QQ群里面的一百多号人都是来自于祖国的四面八方，成都、广州、重庆、北京、香港、台湾等地都有爱心人士的参与。众多的人群就以李琴事件为中心点聚在一起，只是简单的网上语言交流。加之网络平台的其他优势，这些散落在全国各地的爱心人士能够因李琴的事情而达到一定程度上的凝结性。这也是运用其他传播方式所不能达到的效果，至少是不能把每个人都鼓动起来的。此外，网民回归于现实生活中又会作出一定的宣传工作，关于小李琴的爱心募捐一事就得到了更好的传播。
以上主要从网络传播的优势上进行了一定量的分析。无论如何，网络是这个新时代的产品，科技也带来的更多的是进步，因此网络传播的优势都要作为一个主要层面。通俗点说，如果网络传播不具有十分明显的优势，为何又会有这么宽广的人群参与其中？当然，任何事物都是有利有弊的，网络传播也一样，不可能是百分之百的绝对好处。
一、网络传播过程中的匿名性
参与网络传播中的个体都是采用的匿名的方式进行，就算是有称谓，那些也不是现实生活当中所为人们所熟知的名称，网名是一个全然的虚拟的代号。因为网络传播的匿名性，才一定程度上的引发了网络传播的如此繁荣发展。网络给我们造就了一个绝对自由的环境，也有所谓的道德底线之类，但因为匿名，道德很难找到那个应该承受到的惩罚的人。网络上流行的“人肉搜索”其实就是网民对网络道德的一种追求。“人肉搜索”固然也很大程度上揪出了一些不良网民，但是一旦“人肉搜索”走错了方向，道德的斧锯瞄错了人，无辜的人面临社会舆论的强大压力那将是极大的灾难性后果；而这种现象在现实生活中也不是没有出现过。
二、网络信息糅杂
每天充斥于网络平台的信息量之大是不可想象的，就算我们每天守在电脑面前也是无法消化这些不断产生出来的信息资源。在这些信息之中，一条很普通的信息其实是难到达极大的影响效果的。就像李琴相关的这些信息，淹没于众多的信息资源之中，全国如此之多的网民，也只有几百人关注了这条信息。如此众多的信息，要向某一条信息在同一类信息之中闪亮出现就必须在传播信息的手段上多下功夫了。
[1]赵志立.从大众传播到网络传播21世纪的网络传媒[M].四川大学出版社,2001年版.
[2]周家群,张惠.网络新闻与传播教程[M].合肥工业大学出版社,2004年版.
[3]杨保军.新闻理论教程[M].中国人民大学出版社,2005年版.
网络传播模型 第6篇
网络舆情是在一定的社会空间之内, 以中介性社会事件的产生、发展和变化为核心, 由于各种事件的刺激而产生的通过互联网传播的人们对于该事件所持有的认知态度、情感和行为倾向的集合。突发事件网络舆情是民众在互联网上对社会上突发事件所表现的带有倾向性、共鸣性和影响性的言论与意见, 具有直接性、突发性和偏差性的特征。当前我国网络舆情问题涉及人数众多, 信息量大, 意见纷繁, 具有内容公众化、传播开放化、控制难度大等特点, 因此, 要关注突发事件网络舆情的发展状况, 探索舆情的传播变化规律, 构建科学的网络舆情突发事件预警体系, 及时对网络舆情的现状和变化作出判断, 对构建和谐社会具有重大意义。
2 研究背景
回顾国内近十年的发展, 各种突发事件层出不穷, 诸如:马航MH370航班失联事件、越南暴力打砸事件、云南昆明暴恐案件等, 引发了网民、媒体的主动关注, 并形成了具有强大社会舆论力量的公众情感倾向和政治态度倾向, 即网络舆情[1]。这些突发事件网络舆情的发展与演化, 突显出其内在的机理和规律, 需要对其进行研究和探讨, 进行舆情分析研判, 构建对突发事件的网络舆情预警机制。分析突发事件网络舆情的生成过程和传播扩散的影响因素, 有针对性地提出如何对突发事件网络舆情进行引导控制的策略和体系, 并建构量化的数学模型——舆情“计量模型”, 用量化的、科学化的测量方法和技术, 构建突发事件舆情预警模式[2]。
3 构建网络舆情研判指标体系
网络舆情研判指标体系已有不少学者提出, 比如有:吴绍忠、李淑华将舆情、舆情传摇和舆情受众相结合, 生成了网络舆情预警等级指标体系;谈国新、方一利用12space理论建构了网络舆情监测评价指标体系;王青、成颖、巢乃鹏等通过对主题舆情进行E—R分析, 从舆情热度、舆情强度、舆情倾度、舆情生长度4个维度设计了网络舆情监测与预警指标体系。
在对舆情预警进行规划时, 主要采用层次化设计的方式, 从这三个维度着手建立研判指标体系。一级指标用来显示舆情的不同维度, 二级指标主要用来展示舆情的测度内容, 三级指标属于数据采集的定量指标。定量指标的值的确定, 可以直接通过网络进行采集, 或者可以运用有效的数据算法得出。初始评判指标是此后进行统计的前提, 因此, 必须保障初始评判的有效性和准确性。在对初始评判进行筛选时, 社会上普遍采用的是灰色统计方法。
4 构建网络舆情预警模型
网络舆情预测与预警工作主要包括两个方面的内容:一方面是根据现有的预测状况, 来分析今后的发展趋势;另一方面是根据标准化的判别规则, 在对预测值进行分析的基础上开展判断警级工作。本文针对网络舆情预警数学模型进行分析, 研究如何判断潜伏期高潮预警级别, 并在此基础上, 运用模式识别方法, 构建网络舆情预警模型[3]。
4.1 构建网络舆情预警数学模型
建立网络舆情预警数学模型, 及时分析网络舆情的趋势。在某个事件发生后, 利用数学函数对事件传播的信息量随时间变化规律进行研究, 则可以很清晰地认识到舆情的事态性。设f=f (t) , t=0为初始值, K为上限值。将舆情分为潜伏期、扩散期和消退期三个阶段, 则可表示为如图1所示:
再结合公式 (r大于0为信息的固有增长率) 将会更清晰地看到舆情的演化趋向。
4.2 及时预测网络舆情
当某一件事发生之后, 应当根据网络舆情传播的实际规律, 对潜伏时间[0, t1]进行预测掌控, 准确预测舆情高潮来临的具体时间及高潮值。在以后制定预警级别时, 可以运用这些数据进行参考。一般情况下, 潜伏期越短, 预警的级别就会越高。潜伏期高潮预警级别如表1所示。
4.3 构建基于模式识别方法的网络舆情预警模型
网络舆情判断警级工作主要根据预测值及判别规则, 对网络舆情进行预警。第一步工作就是确定预测值的分类规则, 在此基础上根据危机产生的可能性, 对预测值的等级进行划分[4]。如根据舆情的影响力, 将警级状态分为低级、中级和高级。低级主要指的是舆情现在尚处于萌芽期, 虽然有人参与讨论, 有些帖子, 有人关注和回复, 但是还没能形成较大的影响。中级指的是当前的舆情正处于稳定发展的阶段, 但还没造成大面积的影响。高级指的是该舆情现在已经有了很大的规模, 而且影响范围较大, 有些甚至已经走出了网络传播的媒介。
以下用w来表示警级状态, w=w1表示较低的警级, w=w2表示中等警级, w=w3表示高等警级。本文主要对当前网络舆情的N个观察量x1, x2......xN进行有效分析。在这些特征当中, 所有可能的值共同构成了一个特征空间。如果在特征空间当中有一个向量, 是N维空间上的某个具体的点, 那么我们需要考虑的问题就是, 要把x分在哪一类的w当中, 才是正确的划分。为减少这种错误划分, 可以采用贝叶斯决策这种准确率较高的方法来判定。运用贝叶斯公式, 得到的条件概率p (wi1x) 称为状态的后验概率。运用贝叶斯公式的主要目的就在观察x的过程当中, 将状态的先验概率p (wi) 转化为状态的后验概率p (wi1x) 。如此一来, 如果p (wi1x) =max P (wi1x) , 那么x∈wi。
根据上面判别函数可以设计出分类器, 先计算出判别函数g1 (x) , 再从数据当中, 选择出判别函数最大值的类, 作为决策的结果。
5 突发事件网络舆情预警措施分析
5.1 官方要做好引导作用
政府作为最权威信息的来源, 在处置网络舆情时, 需要及时还原事实真相。面对突如其来的突发性事件, 政府需要收集相关信息, 对其进行分析与评估, 从而制定科学有效的解决方案, 以一个有责任的心态针对突发事件网络舆情进行辟谣, 发布最权威、最有效的信息, 帮助社会广大群众辨别真伪, 认清事实真相。
5.2 网站要做好网络舆情预警工作
网站可以采用采集模块、中文分词模块、索引模块三大模块构建网络舆情预警体系。对于采集模块, 一是要学会抓页面, 二是要格式化分析页面, 获取某些论坛的板块和主题内容, 将有用数据存储到数据库中[5]。索引模块按照功能可以包括索引的建立和检索两大部分, 逐级建立文件库, 例如可以一级一级地分为Writer、Document、Field等[6], 从而建立索引模块, 当要对所存储内容进行查询解析时, 利用相应的查询解析器进行参数解析, 最后通过该查询对象获取检索的结果集。
6 结束语
面对突发事件, 做好网络舆情导控工作, 需要根据网络舆情研判指标体系以及预警模型中涉及到的种种因素进行综合分析, 从海量的网络信息中搜寻舆情的变化走势, 并以此为依据, 构建突发事件网络舆情数学模型, 从量化和科学化的角度, 利用数学模型解读复杂的网络舆情的推演规律, 深入判断突发事件网络舆情的预警级别, 从中寻找到最佳的网络舆情控制点, 提高舆情管控的科学化水平。
摘要：随着网络的普及使用, 我国网民数量不断上升, 网络舆情无论是内容还是传播的速度都在不断攀升, 突发事件网络舆情的预警与控制, 已经成为一道必须正视的问题。由于突发事件有其特定的生命周期, 突发事件网络舆情也有其时段性, 要根据舆情传播的变化, 注重对突发事件网络舆情传播的管控, 避免群体极化现象和舆情的多级衍生。本文主要从构建网络舆情研判指标体系, 构建网络舆情预测模型和突发事件网络舆情预警措施三个方面进行了简要分析, 对突发事件网络舆情传播与预警模式进行研究。
关键词：突发事件,网络舆情,传播,预警
参考文献
[1]王铁套, 王国营, 陈越.基于模糊综合评价法的网络舆情预警模型[J].情报杂志.2012, 31 (06) :47-51.
[2]石鲁生, 陈林, 李凯.一种网络舆情的动态预警方法[J].天津师范大学学报 (自然科学版) , 2012, 32 (2) :59-65
[3]郭秀兰, 舒凯.大学生网络舆情状况调查与引导策略[J].湖北科技学院学报.2016, 36 (6) :142-144.
[4]靳松, 庄亚明.基于H7N9的突发事件信息传播网络簇结构特性研究[J].情报杂志.2013 (12) :12-17.
[5]孙宁.信息公开视域下我国网络舆情管理策略模型研究[D].南京:南京大学, 2015.
网络传播模型 第7篇
谣言一般被定义为通过各种渠道传播、未经证实的阐述或注释[1]。随着网络以及新媒介(如blogging和Twitter)的迅速发展,谣言传播对人们的影响越来越大。尽管谣言内容有些是真实信息,也可能在现实生活中起到一些正面的作用。但是当今社会谣言的负面作用往往更大,它极易使受众群体在恐慌情况下做出非理性行为,引起社会恐慌、突发事件甚至造成巨大经济损失和社会动乱。最具典型性的是2003年非典时期由于“板蓝根能治疗非典型性肺炎”的谣言引起市民疯抢板蓝根事件和2011年日本核泄漏时由于“食用含碘物质可以防辐射”的谣言引起许多国家的民众抢购碘盐事件。如何有效预防和管理谣言成了有关政府部门非常关心的问题。
对谣言比较科学和系统的研究始于1944 年,Knapp[1]以马萨诸赛州的谣言为例,系统研究了谣言产生的原因、后果和控制策略。1947年,Allport和Postman[2]给出了一个决定谣言的公式。后来由于谣言传播类似于传染病传播,Daley和Kendall[3]提出了谣言传播经典的数学模型后来被称为DK模型。Maki和Thomson[4]对在DK模型传播规则进行了修正,提出了谣言传播的MT模型。随着对谣言传播研究的不断深入,许多学者[5,6,7,8]认为DK模型和MK模型适合于描述口口相传的小规模社会网络的谣言传播过程,不适合于描述大规模社会联系网络(如Internet网络)的谣言传播机制。Zanette[9]等首先把复杂网络中的人群分为了无知者(不知道谣言信息的人群)、传谣者(知道谣言并传播谣言信息的人群)、移出者(失去传播谣言能力或传播兴趣的人群)三类,给出了平均场方程。Moreno等[10,11]分别在均匀网络和异质网络中研究了谣言传播现象,并给出了谣言传播阈值。Nekovee等[12]运用马尔科夫链建立了复杂网络中更具有普适性的谣言传播模型。潘灶峰等[13]研究表明可以通过增大网络聚类系数来有效地抑制谣言传播。Zhao等[14,15]分别在BA无标度网络和BBV加权网络中研究了谣言传播的动态特征,认为网络结构对谣言传播产生很大的影响。Guo等[16]分析了新媒介影响下谣言传播的动态过程新特点。Kawachi[17]研究表明移出者的记忆机制会影响到谣言传播过程,并指出记忆机制使得在谣言传播过程中的传播率不再是个固定的值。Gu等[18]构建了具有线性形式Pu(t)=a+bt和指数形式P±(t)=α+e-βt的遗忘-记忆曲线函数,并结合传染病模型研究了常态下的谣言传播过程中的群体行为规律。王筱莉和赵来军[19]在社会网络中研究了考虑怀疑机制的谣言传播模型。
虽然以上各种模型都对谣言传播的研究做出了重大贡献,但是这些模型都没有把政府辟谣策略对谣言的影响考虑到传播模型中。在信息化的时代,政府相关部门可以采取各种渠道来辟谣进而减少谣言传播所造成的危害。例如,在谣言发生后,政府部门可以通过手机短信、政府电台、广播、官方微博以及辟谣网站向社会公布整个事件的真相,来消除人们不必要的怀疑,缓解人们由谣言传播所造成的不安和恐慌情绪。把辟谣策略考虑到谣言传播模型中更符合当今社会的谣言传播动态。在考虑政府辟谣策略的谣言传播模型中,无知者除了以自身的辨别能力以一定比率变为移出者以外,还有政府辟谣会使得无知者了解事实真相或者由于畏惧相关法律的惩罚而以一定比率变为移出者。同时传谣者也会受到政府辟谣策略的影响知道事实真相,或因畏惧相关法律的惩罚而以一定比率停止传播谣言而变成了移出者。又因为在现实生活中,大多数社交网络具有非均匀网络的特征,在非均匀网络中研究考虑政府辟谣机制的谣言传播模型更有现实意义。
本文基于经典谣言传播模型以及政府辟谣策略对谣言传播的影响,在非均匀网络中建立考虑政府辟谣策略的谣言传播模型,给出对应的平均场方程。并通过模型的稳定性分析给出相应的谣言传播阈值与政府辟谣策略之间的关系,进而分析辟谣策略对谣言传播动态的影响,为政府如何有效管理和预防谣言提供一定理论支持。
2 考虑辟谣策略的谣言传播模型
2.1 模型的建立
假设存在一个有N个混合均匀的社会网络,顶点代表社会中的个人,边代表两个人之间的连接,这样就可以得到一个无向图G=(V,E),V是所有顶点的集合,E是所有边的集合。根据Maki和Thompson的研究[4],假设谣言是通过传谣者与其他人接触来传播。考虑政府辟谣策略的谣言传播过程如图1所示,其中网络中人群被分为传谣者,无知者和移出者三类。
考虑政府辟谣策略的谣言传播遵守的规则是:①当一个无知者遇到一个传谣者时,无知者以λ的比率转变为传谣者,λ称为谣言传播率;②由于无知者自身内在因素如所受教育程度、自身爱好以及经验会赋予无知者对谣言有一定的辨识能力,此时没考虑外部辟谣对无知者的影响。假设这种能力会使得无知者在遇到传谣者时,无知者以γ的比率转变为移出者;③当考虑外部辟谣对谣言传播的影响时,无知者或传谣者通过相关辟谣信息了解到谣言真相,此种情况下当无知者遇到传谣者时,无知者以β的比率转变为移出者,β称为对无知者的辟谣率;而一个传谣者了解到谣言真相会自动以η的比率转变为移出者,η称为对传谣者的辟谣率;④当一个传谣者遇到另外一个传谣者或移出者时,最初的传谣者以α的比率转变为移出者,α称为移出率。⑤考虑不同个体情况,假设个人自动遗忘率为δ.由于λ,β,η,α和δ是比率参数,所以它们取值区间为[0,1]。
在非均匀网络中,用Ik(t)、Sk(t)、Rk(t)分别代表在t时刻连接度为k的无知者密度、传谣者密度、移出者密度,I(t)、S(t)和R(t)分别表示t时刻无知者密度,传谣者密度,移出者密度。它们满足,其中P(k)表示度分布,另外还满足均一化的条件,即I(t)+S(t)+R(t)=1和Ik(t)+Sk(t)+Rk(t)=1。
结合其谣言传播规则得到平均场方程为:
其中,P(k′/k)表示度为k的点与度为k′的点连接的连接概率。表示t时刻度为k的点的一条边连接到传谣者的概率。表示t时刻度为k的顶点的一条边连接到传谣者或移出者的概率。
2.2 模型的稳定性分析
本节利用方程(1)、(2)、(3)研究非均匀网络中谣言传播的动态过程,并计算谣言传播最终数.本节考虑的是节点不相关非均匀网络,根据Pastor-Satorras和Vespignani的研究[20],其中度度关系可以表示为P(k′/k)=k′P(k′)/〈k〉=q(k′),〈k〉表示网络中的平均度,q(k′)表示度分布。假设无知者的初始条件为Ik(0)=I(0),不失一般性,设I(0)≈1。对式(1)两边直接积分得到:
在此处引进了辅助函数:
同时为了计算方便引入缩写标志
当时间t→∞时,网络中只剩下无知者和移出者,因此有和R(∞)=1-I(∞),即可得到谣言传播最终数
为了得到R的表达式,必需计算出 Φ∞,这里.以下给出Φ∞的计算过程。
微分方程(2)两边乘以q(k)积分,再对度k累加得到:
当t→∞时,dΦ(t)/dt=0,式(6)变为:
(1)当α=0和δ=1时,式(7)可简化为:
所以当α=0,得到非均匀网络中的谣言传播阈值为:
(2)当α≠0时,对式(2)积分得到:
通过一些数学的基本变化得到:
当接近阈值时,Φ(t)和 Φ∞非常小。设 Φ(t)=Φ∞u(t),其中u(t)是一个有限函数。在Φ∞处泰勒展开式(10)得到:
把式(11)插入式(7)然后在Φ∞处指数展开得到:
通过数学的一些基本变换得到:
其中,H=∫∞0u(t)[u(t)-(δ+η)∫t0u(t′)e(δ+η)(t′-t)dt′]dt是有限的正定积分。
从式(13)很容易得到 Φ∞=0是一个解,而另一个非零解为:
其中,。因为Φ∞≥0,得到:
从表达式(15)可以得到谣言传播阈值为:
从式(8)和式(16)可看出,谣言传播阈值是独立于α,γ 和β,特别是在δ=1时,得到非均匀网络中谣言传播阈值为
把式(14)插入到以下公式中
此方程的解依赖于P(k)的形式。
3 数值实验结果分析
在本节模拟中,取平均度〈k〉=10的网络作为均匀网络代表,用幂律分布P(k)=2 m2k-3的BA无标度网络作为非均匀网络代表,其中m=5 即〈k〉=10。为了便于比较,假设上述两个网络具有相同网络规模,即节点总数都为N=104,并假设在谣言传播的初始时刻,网络中都只有一个传谣者。在模拟的过程中,首先用一个复杂网络研究软件生成满足上述度分布、平均度等条件的BA无标度网络和均匀网络网络,接下来求解平均场方程(1)、(2)、(3)。由于BA无标度网络中节点度的差异性很大,选取不同度的初始传谣者会对谣言传播过程中整个网络里的传谣者密度和移出者密度变化有影响。为不失一般性,本文在BA无标度网络中随机选取了50次不同度的初始传谣者,并对所得结果取平均值。
图2清楚地展示了当λ=0.7,δ=α=0.1,η=0.1,γ=0.2,而参数β取三个不同值时,传谣者密度分别在均匀网络和BA无标度网络中随时间步长的变化情况。本文设传谣者密度S(t)的峰值为max{S(t)},表示在谣言传播过程中出现的最多传谣者的数量,可以用来表示谣言传播的最大影响力。从图2 可以看出,无论是在均匀网络还是BA无标度网络中,max{S(t)}随着β的增大而减小,即在谣言传播过程中对无知者进行辟谣可以很好地减少传谣者最大密度,从而减小谣言传播的最大影响力。
图3清楚地给出了当λ=0.7,δ=α=0.1,β=0.1,γ=0.2,而参数η取三个不同值时,传谣者密度分别在均匀网络和BA无标度网络中随时间步长的变化情况。从图3可以看出,无论是在均匀网络还是BA无标度网络中,max{S(t)}随η的增大而减小,即在谣言传播过程中对传谣者进行辟谣也可降低谣言传播的最大影响力。从图2(a)可知,当β的值从0.1增大到0.5,max{S(t)}的值降低了大约0.12,而从图3(a)可知当β的值从0.1增大到0.5,max{S(t)}的值只降低了大约0.08,所以通过对比图2(a)和图3(a)可知,在均匀网络中同等比例的增大β的值可以更有效地降低整个模型中max{S(t)}的值,即对无知者进行辟谣可以更有效地降低谣言传播的最大影响力。类似地,通过图2(b)和图3(b)对比可知,在无标度网络中对无知者辟谣可以更有效地降低谣言传播的最大影响力。从结论可知,在谣言传播过程中,政府有关部门若想更好地降低谣言的最大影响力,对无知者进行相关辟谣比对传谣者更有效。
图4展示了当λ=0.7,δ=α=0.1,η=0.1,γ=0.2,而参数β取三个不同值时,移出者密度分别在均匀网络和BA无标度网络中随时间步长的变化情况。从图4可以看出,无论是在均匀网络还是BA无标度网络中移出者达到稳定状态时的密度不受参数β的影响。但从图4可以看出,在谣言传播的初期和中期,移出者密度随着β的增大而增大,即在谣言传播过程中对无知者进行辟谣可以增大移出者密度。通过图3和图4可知,对无知者进行辟谣虽然不会影响稳定状态时移出者密度,但是会影响谣言传播过程中移出者密度以及谣言传播的最大影响力。
图5清楚给出了当λ=0.7,δ=α=0.1,β=0.1,γ=0.2,而参数η取三个不同值时,移出者密度分别在均匀网络和BA无标度网络中随时间步长的变化情况。从图5可以看出,无论是在均匀网络还是BA无标度网络中,移出者达到稳定状态时的密度随着参数η的增大而减小,即在网络中对传谣者进行辟谣可有效降低谣言传播最终数。通过对比图5(a)和图5(b)可知,相同条件下,在BA无标度网络中同等比例的增大参数η的值,可以更有效地降低移出者在稳定状态的值,即在无标度网络中对传谣者进行辟谣比在均匀网络中更有效。此结论是由BA无标度网络中的拓扑结构所决定的,因为在无标度网络中存在连接度比较大的节点称为Hub节点,如果对这种节点进行辟谣会使得谣言不易传播,即可以降低稳定状态时谣言传播最终数。
图6对比了传谣者密度和移出者密度在均匀网络和BA无标度中的传播特征,其中λ=0.7,α=γ=0.2,δ=0.1,η=0.3,β=0.4。从图6(a)可以看出,在网络节点总数和平均度都相同的情况下,谣言在BA无标度网络中传播得更快,传谣者密度达到峰值的时间更早,但传谣者密度的峰值小于在均匀网络中,即相同条件下,在BA无标度网络中谣言传播更容易,但传谣者的最大影响力要小于在均匀网络中的最大影响力。图6(b)清楚展示了,在相同条件下,在BA无标度网络中移出者在稳定状态的密度小于在均匀网络中的密度,即相同条件下,在BA无标度网络中谣言传播的最终数更小。以上仿真结论也是由BA无标度网络中存在的Hub节点决定的,这种节点接触到谣言就会使谣言更易传播,即加快了谣言传播过程,但同时也是由于此类节点的存在使谣言集中到某些网络传播不开,即降低了谣言传播最终数。
从以上仿真分析可得到在谣言盛行的现在,政府有关部门可以采取各种措施来增加辟谣率,从而减小谣言传播的最大影响力。如:政府有关部门可以加强辟谣网站的建设,及时发布辟谣信息,从而提高民众辨别谣言的能力;政府有关部门也可以选择各种媒介发布有关谣言真相的信息,特别是在信息网络化社会中,除了报纸、广播、电视等老媒介外,政府有关部门更应该注重对新媒体的应用如微博、论坛等(例如,政府的微博就可以提供及时的辟谣信息给民众,从而提高辟谣率);政府有关部门也应该通过增加对教育的投资,来提高民众辨别谣言的能力;政府还应该增加对舆论的监督从而能及早发现谣言,并及时辟谣来减小谣言传播的影响力;更为重要的是,政府有关部门应该提高自身的公信力,因为政府公信力越高,政府部门发布的辟谣信息对民众影响力越大,即辟谣率越大。
摘要：通过研究政府辟谣策略对谣言传播过程的影响,建立了非均匀网络中考虑辟谣机制的谣言传播模型,并得到了对应的平均场方程。通过稳定性分析得到了与辟谣机制强度以及网络结构有关的谣言传播阈值。仿真结果表明:无论是在均匀网络中还是在BA无标度网络中,传谣者最大影响力随辟谣率的增大而减小,并且对无知者进行辟谣可以有效降低谣言传播的最大影响力,对传谣者进行辟谣可以有效地降低谣言传播中移出者最终数。
网络传播模型 第8篇
随着时代的发展, 近些年来, 越来越多领域的专家都开始研究复杂网络, 如数学领域、物理领域以及计算机领域等, 他们发现复杂网络特性从实际网络中也可以体现出来。经过实证研究, 交通网络在复杂网络的结构特性方面等同于其他网络。于是, 越来越多的人们开始研究公共交通网络级联失效模型。
1 复杂网络的级联失效
一是, 复杂网络级联失效的定义:网络上的级联失效是交通网络和网络上传播行为的一个相似之处;在实际网络中, 如果有故障发生于一个节点或者少数几个节点, 那么在节点之间耦合关系的影响下, 就会导致故障发生于其他节点, 发生联锁反应, 除了导致一部分节点出现故障之外, 严重的话, 整个网络都可能因此而崩溃;我们用级联失效来形容这种现象。
二是, 复杂网络级联失效的研究意义:随着时代的发展, 人们越来越重视关乎国计民生的复杂网络的安全性和可靠性, 虽然在此领域内进行了深入的研究和努力, 但是依然还会出现一些大规模的级联失效故障。比如, 在二十一世纪初期, 因为有过载烧断问题出现于美国俄亥俄州克里夫兰市, 之后导致了北美出现大范围停电事故, 影响到了数千万人的正常生活和工作, 造成了数百亿美元的损失。因此, 我们就需要深入的研究级联失效的发生机理, 以此来采取措施有效的预防和控制级联失效。
2 复杂网络级联失效的动态模型
一是, 沙堆模型:在上个世纪八十年代, 美国三个物理学家进行了研究, 他们假设将砂子不停的堆设于一个平面上, 沙堆的逐渐变大, 会增加坡面陡度, 那么新添加的砂子, 就会增大砂崩的可能性。那么我们用自组织临界状态来描述砂崩前的临界状态。科学家通过研究发现, 本沙堆模型的雪崩规律分布, 具有幂律特性, 1.5是它的大概指数。
二是, OPA模型:有专家提出了一个模型, 是电网从初始状态向自组织临界状态转化, 我们将其称之为最优潮流方法模型, 电网状态演化过程中的各个过程, 如增加用户负荷、改变电网容量以及修复故障等, 都可以利用本模型来进行建模分析。他们认为, 电网状态要想发展为自组织临界状态, 非常重要的一个动因就是对各种小型故障的防护性工程反应。也就是说, 在简单防护和避免小型停电事故, 其实就是积累了一次大规模的相继故障。
3 城市交通网络的级联失效研究
一是, 城市交通拥堵的形成与传播机理:要想促使城市能够更好的发展, 就需要深入研究城市交通网络的鲁棒性和可靠性。目前, 随着社会经济的发展, 城市规模越来越大, 城市人口越来越多, 并且私家车数量也在呈较大速度的上升趋势, 城市交通需求越来越大, 但是交通系统建设和发展却严重跟不上这个速度, 对城市的可持续发展起到了较大程度的制约作用。城市交通拥堵问题的出现, 不仅在很大程度上损失了经济利益, 还对人们的时间造成了极大的浪费, 交通事故也因此而增大, 环境污染问题日益严重。因此, 在目前的城市交通研究中, 就需要将城市交通拥堵作为研究的重点, 需要结合实际情况, 进行城市交通拥堵传播模型的构建工作, 同时, 对传播过程中网络节点重要性进行探讨, 对拥堵传播受到不同拓扑结构的影响进行分析和研究, 然后提出科学的道路规划和控制策略, 来对交通拥堵问题进行有效的缓解和预防。
通常情况下, 主要会有三种方式造成城市交通拥堵, 分别是暂时的故障、网络本身通行能力较低以及在网络中某一个特定地区, 需求随机波动, 这样就会导致排队延伸。不管是是哪一种方式造成的, 都可以对拥堵的后续发展和传播过程进行预见, 在对城市交通拥堵的形成和传播机理进行研究时, 需要对下面这两种情形进行充分注意:
首先是排队传播:我们在开始时, 选择某区域中心附近某处的第一个路障, 有交通事故发生, 在分岔过程中, 会有路段间排队的延伸产生, 然后在各个路段的交叉口, 都会有新的分岔产生于每一个排队上。刚开始的时候, 我们可以用简单树的形状来看待分支的拓扑结构, 但是, 经过时间的推移, 会沿着一个街区的四周, 排队越来越长, 之后首尾交接, 形成一个封闭的环。然后这样的情况发生于其他地方, 导致更多封闭环的出现, 因此, 拓扑结构就会发生变化, 成为网格形态。
其次, 量化交通拥堵严重程度:我们可以量化模型中总旅行时间和因拥堵而造成的延误时间。主要有两种度量方法, 第一种度量方法的主要对象是路障导致的市区交通堵塞形成的时间, 另外一种方法则是在任何特定时刻, 拥堵范围内拥堵节点及路段数量的形成都可以表示为整体交通拥堵增长和消散的速率。
再次, 城市交通网络中交通枢纽或Hub点的确定:自从911恐怖袭击发生之后, 各国科学家都已经将复杂网络的相关理论应用起来, 以此来对城市基础设施可能遭受到的攻击进行预防, 以此来促使国家和城市的安全得到保证。要想解决这个问题, 非常关键的一个环节就在于将网络中的Hub点给找出来。通过确定城市交通网络的Hub点, 就可以有效预防那些蓄意性攻击, 有效解决交通网络设计问题, 提高资金的使用率, 将其更加有效地在网络改扩建或新建工程中应用。有学者在这个方面已经进行了研究, 他们依据北京公交网络的无标度特性, 将公交网络平衡配流理论和方法给应用了过来, 提出了一种方案, 来对公交网络集散点进行有效寻找, 以此来利用无标度网络理论来对现实的交通网络的规划设计工作进行有效地指导。
4 结语
通过上文的叙述分析我们可以得知, 随着时代的发展, 我国交通拥堵问题日益严重, 城市交通网络是一种重要的城市基础设施, 它的正常运行, 会对城市经济发展以及城市可持续发展产生直接的影响, 因此, 就需要将复杂网络理论给应用过来, 深入研究城市交通网络的级联失效, 以此来更好的指导于城市时空结构, 对交通拥堵产生的内在机理进行解释, 对交通网络合理设计, 针对交通拥堵, 提出一系列的缓解措施和预防措施。本文简要分析了模拟交通网络拥堵传播的级联失效模型, 希望可以提供一些有价值的参考意见。
摘要：随着时代的进步和社会经济的发展, 我国城市化进程越来越快, 人们生活质量的提高, 对城市环境也提出了更高的要求。在城市基础设施中, 非常重要的一个组成部分就是城市交通网络, 它对于城市经济发展以及城市环境保护和出行畅通等都有着直接的影响, 需要引起人们足够的重视。本文简要分析了模拟交通网络拥堵传播的级联失效模型, 希望可以提供一些有价值的参考意见。
关键词：复杂网络,交通网络,级联失效
参考文献
[1]王正武, 况爱武, 王贺杰.考虑级联失效的交通网络节点重要度测算[J].公路交通科技, 2012, 2 (5) :123-125.
[2]汪小凡, 李翔, 陈关荣.复杂网络理论及其应用[M].北京:清华大学出版社, 2008, 10.
[3]郭雷, 许晓鸣.复杂网络[M].上海:上海科技教育出版社, 2006.
网络传播模型 第9篇
1 相关文献综述
国内外学者就社会网络传播及其应用已经开展了大量研究工作。早在2007年,Ahn Y Y等[4]学者针对当时最为流行的3个社交网络———Cyworld、Myspace和Orkut展开了研究,对比它们的度分布、聚类系数和相关性等指标,发现公众因迷恋那些具有类似真实社会网络的虚拟在线社交网络,而逐渐脱离真实社会。王辉等[5]改进了CSR模型的传播规则和传播动力学方程,使其符合移动SNS上用户的使用习惯,通过在模型中加入“接受概率”来反映人类接受谣言的心理特征,得到构建的谣言传播模型在匀质网络中传播范围更广且速度更快。Miritello等[6]学者在2011年利用社会关系的动态强度概念来形象地表述社会信息的传播过程。随后有学者提出社交网络市场的概念,通过实证分析和政策影响来解释社交网络市场信息供需平衡的特性,进而分析位置服务社交网络中用户行为的相似性和社交网络参与者的个体特征,构建出个体差异分类模型,研究发现影响社交网络服务的主要因素是参与者感知的鼓励及其感知取向[7,8,9]。
乔秀全等[10]研究用户间的信任度对基于社交网络的电子商务产生的影响,借鉴社会心理学提出了社交网络中基于用户上下文的信任度计算方法。顾亦然等[11]基于在线社交网络的信息传播模型建立了动力学演化方程组,模拟在线社交网络中信息的传播过程,总结出在线社交网络的3个特点:高连通性、初始节点的度影响信息传播速率和中心节点具有较大的社会影响力。刘衍珩等[12]考虑到信息传递的有向特性,给传统信息传播社交网络模型构造加权有向拓扑结构,不仅反映出现实生活中信息传播所遵循的规律,而且其度、势分布和度与势相关性也具有明显的幂律分布特性。还有学者以新浪微博为例提出社交网络开放平台最重要的传播模式———中心式,并根据社交网络传播模型提出了一种基于用户相对权重的信息传播模型,仿真对比了传统的SIR模型和相对权重模型,证实了非均匀网络中相对权重模型更能体现真实网络特点,且节点的地位对信息的传播存在影响[13,14,15]。根据高校图书馆用户需求提出社交网络服务模式,并且优化出用户聚类的异构社交网络模型[16,17]。这些研究都对社交网络模型进行了更深入的探索。
通过对已有研究分析发现,信息在真实社会网络的传播中会受到信息发布者的网络地位及其自身行为的影响。关于网络地位的划分标准和信息在真实社会网络中的传播规律这两个问题,在现阶段,除个别文献对已有的在线社会网络数据进行了统计分析和对比,总结了社会网络服务体系的网络模型特征,绝大多数研究都是通过仿真来模拟构建社交网络模型中的信息传播情况,实例分析和真实数据模拟研究较少。针对该问题,本文在传统社会网络模型基础上加入基于传播能力的网络分层思想,用K-Means方法对用户进行分类,通过实例和真实调研数据来模拟改进的分层信息传递模型,揭示不同层级用户的权重关系和信息传递效果,为指导现实中社交网络信息传递提供参考。
2 模型构建
2.1 社交网络信息传播机理
在SNS网络中,一个人会把自己喜好的信息传递给其好友,如果其好友乐于接受这条信息,则会选择分享和传播;若其好友对信息内容不感兴趣,则会选择置之不理且不进行扩散。已有文献对SNS网络传播规律进行了生动的描述:网络用户定义为节点,个体之间的好友关系则抽象地用节点之间的边来表示,信息只能沿着边传递。网络中的节点分为3类:传播节点、未感染节点和免疫节点[8,11]。传播节点表示该节点接受了来自其他节点的信息,并具有传播该信息的能力;未感染节点表示该节点没有接受过来自其邻居节点的信息,并有机会接受信息;免疫节点表示该节点虽然已经接受了其邻居节点的信息,但不具有信息传播功能[11,13]。由此,本文提出假设如下:
(1)如果一个传播节点与一个未感染节点出现信息交流,则未感染节点会以一定概率变成新的传播节点。
(2)如果一个传播节点与一个免疫节点出现信息交流,则传播节点会以一定概率成为新的免疫节点。
(3)信息不会无休止地传播下去,节点会以一定的速率停止传播,然后变为免疫节点,且无需与其他节点接触。
则,SNS节点状态转移的路径具体如图1所示。
2.2 基于用户相对权重的分层网络传播模型
为描述方便,用图2来定义分层网络传播模型的网络拓扑结构。编号节点为用户,连线表示彼此之间的信息传递路径。模型分为3层,不失一般性,某节点连线的信息传递路径较多,且接受到信息的邻居节点都愿意扩散其信息,那么这种节点的网络影响力大,被定义为意见领袖节点,归为意见领袖层中;反之,则定义为普通节点。政府层作为最高信息发布层,向二、三层级发布信息。如图2所示,政府层连接1、2号节点,1、2号节点均连接了4条线路,3至7号节点中最多连线数目仅为3,平均连线数量为2,所以连线数量关系为4>3>2,故1、2节点归入意见领袖层级,其余归入普通节点层。根据节点的传播影响力,定义3类信息传播路径:(1)意见领袖节点到普通节点的连通,如1→3;(2)意见领袖层内部节点之间的连通,如1→2;(3)普通节点层内部节点之间的连通,如4→6。
根据用户相对权重的网络传播模型进行以下定义[14]:
(1)节点的度k(g),即节点g的邻居节点的个数;
(2)节点的邻居集合Γ(g),即节点g的所有邻居节点的集合;
(3)节点影响权重f(gi,gj),设节点gi∈Γ(gj)为节点gj的一个邻居,则gi对gj的影响力定义为,其中为节点gj的所有邻居的度数之和。显然,节点gi的度k(gi)越大,其对节点gj影响力f(gi,gj)也越大。
3 研究实例———“平江火电厂事件”
3.1 事件背景
本文选取“平江火电厂事件”为研究实例进行实地调研,获取用户的信息传递数据,验证所构建的基于用户相对权重的分层网络传播模型,并揭示信息的传播规律。
平江火电厂项目缘由蒙华铁路的规划修建,于2014年7月通过湖南省决议,定址在岳阳平江横槎,然而当地公众普遍认为火电项目会污染环境,并通过签名和游行的方式抗议火电项目落户,2014年9月底政府宣布停止华电平江火电项目工作。该群体事件之后,平江县政府认真反思了失败教训,发现项目前期宣传不足和信息公布滞后是导致项目失败的主要原因,于是从2014年10月初开始有计划地开展平江火电厂项目的宣传工作,主动与公众进行沟通,了解公众的利益诉求,逐步提升公众对于燃煤电厂项目的支持率,最终于2015年3月确定平江电厂项目的最终选址地。
本文的调研时间为2015年7月2~5日,调研地点为平江县城、余坪镇范固村、三市镇横槎村,初始调研数据187份,可用调研数据150份,有效率为80.2%,其中平江县城50份、余坪镇范固村32份、三市镇横槎村68份。在调查过程中还对部分群众进行了访谈。调研内容主要分为5个部分:(1)村民是否知晓政府对火电厂的宣传事项;(2)村民是否参加了政府宣传工作;(3)村民采纳了多少他人宣传内容;(4)是否有对他人进行宣传;(5)对待平江火电厂的态度前后有没有变化。“平江火电厂事件”的整个过程中,政府的宣传信息通过社会网络进行传播,社会网络中用户的不同层级决定了信息传播的速率和效果,本文通过K-Means方法分类确定每个用户的层级,并通过信息传递的数量和途径构建网络拓扑结构,揭示基于实际数据的分层网络传播模型的信息传播规律。
3.2 数据来源
仔细查阅相关新闻报道和平江县政府门户网上“火电项目专栏”所公布的项目建设工作流程、项目进展、相关评估资料以及公众意见等信息,对华电平江火电项目的整体发展过程进行了详细了解,整理出平江火电项目开展过程中具有代表性的12个事件,选取其中影响显著的7件,作为区分意见领袖和普通群众的衡量事件,研究意见领袖对于村民支持率的影响情况。事件发生的详细时间和内容如表1所示。
3.3 分析结果
3.3.1 意见领袖和普通群众的分类
(1)分类指标的选取。参考调查问卷数据和三市镇横槎村村民的访谈记录,结合K-Means算法(划分聚类分割法)[11],对实际的群众类型进行划分。K-Means算法的基本思想是:给定一个有N个元组或者记录的数据集,采取分裂法将构造K个分组,每一个分组就代表一个聚类,k<N。K个分组满足2个条件:1)每个分组至少包含一个数据记录;2)每个数据记录属于且仅属于一个分组[11]。从调查样本中抽取20位村民的数据,统计3个方面的指标,分别是对7个重大事件的知晓程度、积极参与政府活动情况和对火电事件的宣传程度,统计结果如表2所示。其中,参与分类的20个用户用节点数1~20表示,3个指标的衡量标准是:对7个重大事件的知晓程度(用1~7表示知晓事件的个数)、政府活动参与程度(用1~3表示参与事件的个数)、火电项目的宣传程度(用1~10表示信息传递的数量)。
从表2的数据可得到以下3个结论:
1)对重大事件的知晓度对比。节点1~4的知晓程度远高于其他节点,均值达到6.5(平均知晓7个事件中的6.5个);剩余节点中仅有8和15的知晓度略高于其他节点,节点12、14和16的知晓度为0。
2)重要事件的参与程度对比。在上述7个事件中,仅有事件1、5和6具有参与性,节点1~4的参与程度最高,基本上3件事情均有参与;其余节点的参与程度基本为0,个别节点的参与度为1。
3)项目信息的宣传程度对比。在20位调研对象中,宣传程度的均值和中位数都为5.5,节点1~4的宣传程度远高于均值,20组数据的众数为6,可见大多数用户将信息传递给了6个人,用户1~4宣传的人数多达9人,大于一般用户。
(2)分类结果。根据表2的统计数据,利用介绍的K-Means算法,将上述20个节点进行分类,节点分类特征为表2中的知晓度、参与度和宣传度,分类结果详如表3和图3所示。
根据表3的数据可知,20个节点被分为了3类,节点1、2、3和4划分为Ⅰ类,15和8归为II类,剩余节点归为III类。图3更直接地表现了20个节点的分类情况,图中横坐标为知晓度,纵坐标为参与度,竖坐标为宣传度,用分层的坐标点表示3类节点,处于空间上层的为Ⅰ类节点,中层的为II类节点,底层的为III类节点。
结合实际情况和7个重大事件的公众知晓程度、参与度和宣传度,将划分的3个类别定义为:意见领袖类、组长类和普通群众类,再加入决策类———政府。意见领袖应该具有更高的知晓度、参与度和宣传度,所以处于空间上层的Ⅰ类为意见领袖类;II类节点较Ⅰ类节点的3个衡量指标普遍偏低,定义为组长类;III类节点的知晓度、参与度和宣传程度都是最低的,定义为普通群众类。鉴于组长类人数过少,且3个指标的特征都不很突出,所以本文将其归为普通群众类,方便计算。综上,我们将20名群众分为两类:节点1~4为意见领袖类;其他剩余节点为普通群众类,最上层为政府。
3.3.2“平江火电厂事件”信息传递模型构建
以表3选取的意见领袖和普通群众的分类数据为例,完成以下计算:
(1)分层模型网络拓扑图。根据节点的宣传程度指标,将20个节点分为两层:第一层包含4个节点,每个节点的度均等于大于9,设第一层为意见领袖节点层;第二层包含16个节点,每个节点的度均小于等于8,设第二层为普通群众节点层,顶层为政府层。搜集的数据属于用户的回忆数据,存在个别误差,图示连线仅表示信息的传递路径,连线数量表示节点的度,不表示确切的信息指向。调查数据存在不可控性,导致意见领袖层和普通群众层的连线数量不能高度一致,本文整理数据排除误差后绘制最符合实际的分层网络拓扑图,如图4所示。
图4中,G编号节点代表政府,放在顶层,1~20的编号节点代表用户,分一、二两层,各层节点之间有连线相互连接,表明存在信息传递,第一、二层节点内部也存在联系;第一层的节点度明显高于第二层,且第一层节点的连线密度也明显高于第二层节点的连线密度。第一层政府向意见领袖层发布信息(G节点连接1~4号节点),信息经过第二层(意见领袖)向普通群众层级传递(1~4号节点连接5~20号节点),信息在每个层级内部也存在传递(1~4号节点内部和5~20号节点内部),形成连通的闭合回路。连线的长度代表传递时间的长短;两条连线之间形成的扇形面积表示传播的范围。
(2)节点度和节点的邻居集合。按照图4,根据详细调查数据和定义公式,分别整理出20个节点的度和邻居集合,如表4所示。其中,“度”代表节点间的信息交互数量,“邻居集合”表示与节点有信息关联的所有其他节点。
(3)节点的邻居度数之和。根据表4给出的各节点的度,相加求出每个节点的邻居节点度的总和,具体数值如表5所示。
(4)节点影响权重列表。每个节点与其相互联系的节点之间的影响程度存在差异,这些影响程度称为节点影响权重。计算出每个节点的相互影响权重量表,会对节点的层次地位有更清晰的认识,影响大小也显而易见。详细列表如表6所示。
由表6数据可得:每一列的影响权重之和表示相应节点的总影响权重,4个意见领袖节点的影响权重之和为10.435,平均每个意见领袖的影响权重为2.6;16个普通群众的影响权重之和为9.59,平均每个普通群众的影响权重为0.6。意见领袖与普通群众之间的平均影响权重之比为,根据比值可知,每个意见领袖的影响度约为普通群众的4倍。
4 研究结论与政策建议
4.1 研究结论
本文通过实例验证了所构建的分层网络传播模型的正确性,利用K-Means方法对抽样数据进行分类,以3个指标(尤其是对政府信息的宣传程度)为标准划分出意见领袖和普通群众2个层级,分别计算出每个节点的度、邻居节点度数之和以及节点的影响权重,通过分析意见领袖层节点和普通群众层节点的权重关系,揭示分层网络传播模型的信息传递规律,折射现实事件中意见领袖节点和普通群众节点的信息传播特征。结合实例分析得出结论如下:
(1)“平江火电厂事件”中,政府宣传信息的传递过程的确存在社交网络特征,用户对信息的传播方式和传播途径多种多样,本文使用传染病传播过程进行描述;用户的个人社交地位也决定了信息的传播深度和广度;用户可以进行即时互动的信息交互传播。
(2)本文构建的分层网络传播模型可以很好地反映信息传播网络中用户网络地位的特点。如表6所示,模型中的意见领袖层节点的总权重和平均权重都远远大于普通群众层的节点;而且,意见领袖与普通群众节点的平均影响权重之比约等于4,证明意见领袖节点在信息网络中拥有更高的节点活性,传递的信息更易被其余节点所接受。
(3)如果政府直接下发政策信息给个人,需要经过很长的时间(如图4,政府信息直接传递给普通群众需要经过两个层级,信息传递路径较长),效果不一定好。如果政府将信息传递给意见领袖,继而让意见领袖向群众传递,不仅传播范围大(如图4,信息传递路径形成的扇形面积大),而且传播速度快(如图4,信息传递路径较短),传播效果会更好。
4.2 政策建议
针对“平江火电厂事件”研究发现,意见领袖的影响力较一般群众更大,影响范围更为广泛。针对此特性,政府应该加强对意见领袖的行为引导,这样可以加大信息的有效传递;每个意见领袖的平均影响权重是普通群众的4倍左右,政府可以据此合理安排不同区域范围内的意见领袖数量,达到信息全面、深入和快速的传播目的。具体建议如下:
(1)政府应当重点向意见领袖普及真实客观的信息。意见领袖的作用是长期性的,需要用真实的信息对普通群众进行理性的引导,这样才能保证意见领袖较高的权威性和说服力,所以政府应当保证意见领袖获取信息的真实性,确保意见领袖具有较高的群众信任度,这对意见领袖进行正向引导非常有益;并且意见领袖应掌握信息获取的主动权,确保信息输出的规范可控。
(2)政府应该鼓励意见领袖真实客观地进行宣传。在获取信息后,意见领袖会通过普通群众最习惯、最便捷、最容易达成理解的方式来传递信息。政府应当鼓励意见领袖发挥公众引导作用,让他们明白自己在信息传播中承担的责任,做好信息传播的沟通桥梁作用。
网络传播“七宗最” 第10篇
现玲的网络传播，其威力主要来自“七种武器”：
图文传播：最快的速度
图字传播是最传统的网络传播方式，主要载体是焦点图片和显著文字链，主要传播形式是显著报道、网络专题。网络的图文传播，将实时发生的新闻以最快的速度公布到网络世界中去，其对即时新闻的报道速度远远超过平面媒体和电视媒体，是现今社会人们获取即时信息最快的途径。
有时候你正沉浸于工作之中，腾讯，暴风影音等弹出式新闻窗口，将几分钟前刚刚发生的事情推送到你眼前，这样的速度，只能让平面和电视望网兴叹。
人际传播：最广泛的参与
在网络的世界中，每个人都成为传播源，都可以参与到庞大的传播运动中去，如此广泛的人际传播，唯有网络方能实现。“犀利哥”以迅雷不及掩耳之势迅速窜红全世界，人际传播是其最重要的途径。
人际传播是运用最广泛的网络传播方式，主要载体是数以亿计的BBS、BL06和SNS，主要传播形式是网友互动、话题炒作和舆论引导。我们每天关注的韩寒、王石、徐静蕾等名人的博客或“围脖”，其传播效果丝毫不逊色于一家大众的都市晚报。
IM传播：使用最频繁
网络世界的到来，让每个个体都成为了一个“传媒集团”，而其中的IM(即时通讯传播In-stant Messaging)，是使用最频繁的传播方式，如QQ、MSN、Skype和Lava-Lava等。
1998年，当腾讯研发团队为QQ用户突破100人而“兴奋不已”的时候，世界绝不会想到，10年之后，OQ用户会突破10亿!IM作为即时沟通所特有的时效、互动、快捷的传播性，以及IM上的人际关系格局，使传播呈现出“病毒式”的扩张速度和范围，其形式的生动性，又让传播极具创意与新奇的特点。
SEM传播：最方便
搜索引擎的出现，让我们只需要“断章取义”地简单输入一两个字或单词，就可以获得我们想要的东西，而这些东西的背后，绝非我们想的那么简单，早就进行了诸多优化与管理，我们所看到的东西，与实际的真相并非完全吻合。
SEN(Search Engine Marketing，搜索引擎营销)传播的主要载体是诸如百度、谷歌和搜狗等搜索网站，主要传播形式是竞价排名、关键词条和百科。 “组织”与“聚合”是SEM传播最大的特点，充分保证了有效信息展现的主动性。
视频传播：最生动
以前专属于电视的视频，早已成为了网络传播的主流形式。视频传播的主要载体包括播客、Flash和小游戏，主要传播形式是小视频、Flash动画和趣味游戏。越来越强大的手机拍摄功能，让分布于全球各地的几十亿人都成为了视频新闻记者，随时拍下一段视频，只要有足够的传播性，都可以迅速传播于网络，视频传播的生动性，让人们终于摆脱了木偶式的电视，进入了网络视频的无限空间。
人物访谈：最精确的名人传播
网络世界中的人物访谈，是网络传播提升权威性的重要形式。上至国家领导人，下至普通民众，都可以走进网络的访谈室畅谈一番。通过最被关注的人物，直接吸引目标人群，传播效果最精确、最直接。
传统媒体的名人传播，操作程序复杂，互动性较差。而网络传播中的人物访谈，简单易行，现场随时互动，拉近名人与目标人群的距离。人物访谈的主要载体是视频报道和图文报道，主要形式是视频直播和图文对话。
网络活动：最具整合性
网络是一个全新的世界，在网络的世界中开展活动，要较现实的活动更具操作性和传播性，而参与的人数和传播效果丝毫不逊色于现实的活动，
网络传播模型 第11篇
国内目前对网络谣言的传播模型主要集中在定性研究, 如谣言的案例统计和分析、传播心理学分析等;也有一些学者对网络谣言传播的数学模型进行了研究和分析, 如武警学院的苏国强和兰月新等人提出了基于经典的传染病模型——SIR模型的网络谣言传播模型。本文将在传统SIR模型的基础上, 结合网络谣言的特点, 提出了一种改进的SIR模型, 更准确地描述网络谣言传播规律, 并以此为理论依据, 提出一些合理的政策建议。
1 SIR模型简介
在SIR模型中, 面对网络谣言, 可将网民分为三类:对谣言一无所知的人 (简称无知者, 记为s ) , 已经接触谣言并听信谣言的人 (简称信谣者, 记为i ) 和从谣言中醒悟过来的人 (简称醒悟者, 记为r ) 。
在时刻t时, 记上述三类人的比例分别为s (t) 、i (t) 和r (t) , 三者数量关系为:
记每个信谣者每天传播谣言给a人, 政府通过辟谣等手段使信谣者中每天醒悟的比例为u 。那么可以得到关于s (t) 、i (t) 和r (t) 的微分方程如下:
通过求解上述方程即可得到s (t) 、i (t) 和r (t) 的变化规律, 并可以通过改变a 、u的值来研究s (t) 、i (t) 和r (t) 的曲线变化规律。
2 改进的SIR模型
2.1 传统SIR模型不足
传统的SIR模型虽然考虑了政府辟谣的作用, 但没有考虑到辟谣信息也可以通过网络传播从而进一步遏制谣言的蔓延, 并且没有考虑政府辟谣存在一定延时。因此, 在后文的改进模型中, 我们分别加入了辟谣信息传播环节, 设定了政府辟谣的延迟时间常数。
2.2 改进后的模型
在时刻t时, 记无知者的比例为s (t) , 信谣者的比例为i (t) , 醒悟者的比例为r (t) (具有对谣言的免疫能力) 。记每个信谣者每天传播谣言给a人;t1时刻后, 政府通过发布公开信息辟谣, 使信谣者中每天醒悟的比例为u ;每个醒悟者每天传播辟谣信息给b人。则改进后的模型数学表达式为公式 (3-1) 、 (3-2) 和 (3-3) :
t0~ t1期间:
t1时刻以后:
2.3 改进后的模型与改进前的模型对比
公式 (2) 、 (4) 和 (5) 所示的微分方程组没有解析解, 只能用数值计算软件求解出数值解, 通过将数值解描点绘图来分析无知者、信谣者和醒悟者的数量变化情况。不失一般性, 我们将初值设定为s (0) =0.99, i (0) =0.01, r (0) =0 ; 传播时间范围设定为0 ~ 50 天;改进后的SIR模型中设t1=5 , 即政府在谣言爆发3 天后正式开始辟谣。利用MATLAB编程求解微分方程组 (2) 、 (4) 和 (5) 可以得到s (t) 、i (t) 和r (t) 的变化曲线。改进前和改进后的SIR模型解的对比图, 见图1。
在改进前的SIR模型中, 第15 天时, 无知者比例S (t) 降为0, 也即所有人都接触过谣言;第8 天左右时, 信谣者比例I (t) 达到峰值0.67, 此时谣言蔓延最广, 影响最严重;第50 天时, 信谣者比例I (t) 趋于0, 醒悟者比例R (t) 趋于0.99, 谣言基本消散。
在改进后的SIR模型中, 第15 天时, 无知者比例S (t) 趋于0.04 左右, 即4% 的人从未接触过谣言;第6天时, 信谣者比例I (t) 达到峰值0.7, 此时谣言蔓延最广, 影响最严重;第15 天时, 信谣者比例I (t) 趋于0, 醒悟者比例R (t) 趋于0.96, 谣言基本消散。将改进前与改进后的SIR模型解的分析结果对比记录在表1 中。
由表1 可看出, 由于引入了辟谣信息传播环节, 谣言消散得更快, 而且存在一部分的人从来就没有接触过谣言。
2.4 模型参数变化对解的影响分析
通过分别改变t1和的值, 我们还可以得到s (t) 、i (t) 和r (t) 分别随参数t1和u变化的曲线簇。
2.4.1 模型解随参数t1的变化情况
初值设定为s (0) =0.99, i (0) =0.01, r (0) =0 , a的值设定为1, b的值设定为1, u的值设定为0.2。t1的值从2变化到11, 得到s (t) 、i (t) 和r (t) 的三组曲线簇, 见图2。
由图2 可以看出, t1越小时, 信谣者峰值越小, 谣言消散得越快, 且最终没有接触过谣言的人的比例最高。因此, 政府越早采取辟谣行动, 对谣言的遏制效果越好。
2.4.2 模型解随参数u的变化情况
初值设定为s (0) =0.99, i (0) =0.01, r (0) =0 , a的值设定为1, u的值设定为1, u的值设定为0.2。t1的值从2 变化到11, 得到s (t) 、i (t) 和r (t) 的三组曲线簇如图3 所示。
由图3 可以看出, u越大时, 信谣者峰值越小, 谣言消散得越快, 且最终没有接触过谣言的人的比例最高。因此, 政府的辟谣力度越大, 辟谣范围越广, 对谣言的遏制效果越好。
3 结语
在互联网日益普及的今天, 网络言语的传播已经成为一个严重的社会问题。而我国又正值社会转型期, 一些突发事件所伴随的网络言语很可能对公众舆论、政府形象甚至国家安全和稳定造成严重不良影响。为了营造健康有序的网络环境, 构建和谐稳定的社会, 对网络谣言的控制和网络舆情的管理是很有必要的。本文提出的基于改进SIR的网络谣言传播模型, 较传统的SIR模型更能符合真实的网络谣言传播规律, 对模型解随参数变化的分析, 为网络谣言的控制提供了一些启发, 政府应及时在尽可能大的范围内发布辟谣信息, 同时应鼓励网民自发传播辟谣信息, 以加速网络谣言的消散。
参考文献
[1]马静.关于网络谣言的案例分析[D].兰州:兰州大学, 2013.
[2]陈子晨.心理学视角下的网络谣言特点分析[J].吉林省教育学院学报, 2010 (1) :106-108.
网络传播模型范文
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
