2.2　信息傳播模型

根據(jù)維基百科的定義，信息傳播是人們通過符號(hào)、信號(hào)進(jìn)行的信息傳遞、接收和反饋等活動(dòng)，也是人們彼此交換意見、情感，以實(shí)現(xiàn)相互了解和影響的過程[45]。傳播動(dòng)力學(xué)可以分為生物傳播和社會(huì)傳播。生物傳播可以抽象為一個(gè)網(wǎng)絡(luò)中病毒的感染過程，每次接觸導(dǎo)致感染成功的概率與之前接觸無關(guān)，它是一個(gè)簡(jiǎn)單的傳播過程，如計(jì)算機(jī)病毒傳播過程。社會(huì)傳播可以描述為社會(huì)創(chuàng)新、健康行為、謠言等社會(huì)行為或者信息在人類社會(huì)網(wǎng)絡(luò)中的擴(kuò)散過程。社會(huì)輿情是用戶通過互聯(lián)網(wǎng)對(duì)社會(huì)和生活中的熱點(diǎn)、焦點(diǎn)問題所持有的具有影響力、傾向性的觀點(diǎn)和意見的集合[46]。社會(huì)輿情具有爆發(fā)快、覆蓋面廣等特征，可使相關(guān)話題和事件在短時(shí)間內(nèi)形成強(qiáng)大的社會(huì)輿論場(chǎng)，由此產(chǎn)生的社會(huì)影響甚至能在一定程度上改變事態(tài)發(fā)展的軌跡。關(guān)于社會(huì)網(wǎng)絡(luò)輿情用戶關(guān)系的研究包括關(guān)鍵節(jié)點(diǎn)和意見領(lǐng)袖的挖掘、節(jié)點(diǎn)影響力的度量、用戶行為分析等。主流媒體與意見領(lǐng)袖通過互聯(lián)網(wǎng)平臺(tái)在輿論引導(dǎo)方面起重要作用，其在信息更新速度和權(quán)威性、真實(shí)性、即時(shí)性等方面具有較大的優(yōu)勢(shì)。

事實(shí)上，社會(huì)影響力是信息在移動(dòng)社會(huì)網(wǎng)絡(luò)中傳播時(shí)產(chǎn)生的。移動(dòng)社會(huì)網(wǎng)絡(luò)具有極強(qiáng)的交互性、即時(shí)性和快速傳播的特點(diǎn)，因此熱點(diǎn)事件或不良信息能夠在網(wǎng)絡(luò)中快速蔓延，若在短時(shí)間內(nèi)沒有對(duì)不良信息的傳播進(jìn)行有效控制，或不能有效進(jìn)行正確的輿論引導(dǎo)，則會(huì)損害用戶的經(jīng)濟(jì)利益和名譽(yù)利益，給網(wǎng)絡(luò)環(huán)境乃至社會(huì)帶來惡劣的影響。

通常把移動(dòng)社會(huì)網(wǎng)絡(luò)建模成一個(gè)有向圖G=(V,E)，其中V代表節(jié)點(diǎn)集；E代表邊集。節(jié)點(diǎn)代表移動(dòng)社會(huì)網(wǎng)絡(luò)中的個(gè)體，而從u到v的連邊代表節(jié)點(diǎn)u和節(jié)點(diǎn)v之間的關(guān)系。這種關(guān)系是定向的，主要關(guān)注影響關(guān)系，即一個(gè)節(jié)點(diǎn)u是否容易影響另一個(gè)節(jié)點(diǎn)v，而這種影響關(guān)系通常是定向的、非對(duì)稱的。獨(dú)立級(jí)聯(lián)模型（Independent Cascade Model，ICM）[34]和線性閾值模型（Linear Threshold Model，LTM）[47]最初都是在數(shù)理社會(huì)學(xué)中研究的，它們把節(jié)點(diǎn)分為活躍的和不活躍的兩種可能的狀態(tài)，直觀地說，當(dāng)節(jié)點(diǎn)v接收網(wǎng)絡(luò)傳播的新信息、新思想和新產(chǎn)品時(shí)，可以看到節(jié)點(diǎn)v的活躍狀態(tài)，而非活動(dòng)狀態(tài)表示節(jié)點(diǎn)v沒有接收新信息、新思想和新產(chǎn)品。獨(dú)立級(jí)聯(lián)模型最初是由Kempe等[34]在相互作用粒子系統(tǒng)的模型基礎(chǔ)上提出的，它與傳染病模型有關(guān)[48]，該模型的主要特點(diǎn)是沿拓?fù)鋱D中每條邊的擴(kuò)散事件都是相互獨(dú)立的。社會(huì)學(xué)家提出用閾值行為來模擬這種擴(kuò)散，當(dāng)目標(biāo)接收的所有正信號(hào)的聚合函數(shù)超過某個(gè)閾值時(shí)，目標(biāo)即被激活[47]。Lu等[49]提出了一種捕獲競(jìng)爭(zhēng)信息的LT擴(kuò)展模型，稱為K-LT，該模型與其他競(jìng)爭(zhēng)傳播模型的不同之處在于它能滿足某些理想的性質(zhì)。

此外，傳染病模型也是移動(dòng)社會(huì)網(wǎng)絡(luò)信息傳播過程中常用的傳播模型。傳染病模型最初用于研究包括人類在內(nèi)的生物種群中的疾病傳播問題。從20世紀(jì)初開始，人們提出并研究了各種傳染病模型。近年來，研究人員也將傳染病模型應(yīng)用于移動(dòng)社會(huì)網(wǎng)絡(luò)中的信息影響力傳播研究中[50]。經(jīng)典的傳染病模型是完全混合模型，因其假設(shè)每個(gè)個(gè)體都可能與其他個(gè)體直接接觸，從而在一個(gè)時(shí)間單位內(nèi)潛在地傳播疾病。這些經(jīng)典模型通常被視為連續(xù)時(shí)間模型，并應(yīng)用微分方程對(duì)種群的流行動(dòng)力學(xué)進(jìn)行分析或數(shù)值計(jì)算。在傳染病模型中，每個(gè)個(gè)體在幾種可能的狀態(tài)間轉(zhuǎn)換，這些狀態(tài)通常包括S（Susceptible，易受感染的）、I（Infected，已感染的）和R（Recovered，已恢復(fù)的）。狀態(tài)為S的節(jié)點(diǎn)本身沒有疾病，但在與已感染的節(jié)點(diǎn)接觸時(shí)容易感染疾病；狀態(tài)為I的節(jié)點(diǎn)已感染疾病，在接觸時(shí)可以將疾病傳播給易感節(jié)點(diǎn)，感染率很高；每個(gè)節(jié)點(diǎn)都允許狀態(tài)為I的節(jié)點(diǎn)轉(zhuǎn)換為狀態(tài)R，但不能從狀態(tài)R轉(zhuǎn)換為任何其他狀態(tài)，這意味著已感染的節(jié)點(diǎn)從疾病中恢復(fù)，并且變得對(duì)進(jìn)一步的感染免疫。根據(jù)上述轉(zhuǎn)換規(guī)則，最簡(jiǎn)單的模型只允許每個(gè)節(jié)點(diǎn)有S和I兩個(gè)狀態(tài)以及一個(gè)從狀態(tài)S到狀態(tài)I的轉(zhuǎn)換，也就是SI模型。另一個(gè)常用的模型是SIS模型，在該模型中，已感染的節(jié)點(diǎn)可能以一個(gè)時(shí)間單位的概率轉(zhuǎn)換回狀態(tài)S，從而使節(jié)點(diǎn)再次變得易受疾病影響。

現(xiàn)有的網(wǎng)絡(luò)傳染病模型的研究主要集中在確定各種網(wǎng)絡(luò)條件下傳染病的閾值上，或是不同模式下的免疫策略。阮中遠(yuǎn)教授[51]介紹了2001—2018年針對(duì)復(fù)雜網(wǎng)絡(luò)中流行病傳播的一些重要研究成果，重點(diǎn)關(guān)注以下4方面的內(nèi)容：基于接觸網(wǎng)絡(luò)模型的傳染病傳播、基于集合種群模型的傳染病傳播、流行病傳播的預(yù)測(cè)和流行病傳播的控制。這些研究成果從復(fù)雜網(wǎng)絡(luò)的角度加深了人們對(duì)現(xiàn)實(shí)世界中流行病傳播的理解，使得對(duì)真實(shí)流行病傳播的預(yù)測(cè)和控制成為可能。黃宏程等[46]考慮社交網(wǎng)絡(luò)強(qiáng)弱關(guān)系對(duì)信息傳播的影響，提出了一種基于嚴(yán)格可控理論的信息傳播控制方法，以對(duì)信息傳播的促進(jìn)或抑制進(jìn)行有效控制，為社交網(wǎng)絡(luò)信息傳播控制提供新方法和思路。為了刻畫人口統(tǒng)計(jì)和城市間通勤對(duì)傳染病傳播的影響，Yin等[52]利用SIR傳播模型提出了一種新的雙城流行病模型。Jiang、Yan和Wang[53]為了研究產(chǎn)品在市場(chǎng)中的擴(kuò)散，提出了一個(gè)基于傳染病學(xué)方法的病毒產(chǎn)品擴(kuò)散模型，用于研究產(chǎn)品在市場(chǎng)中的銷售情況。該模型為如何通過社會(huì)傳播來設(shè)計(jì)有效的營(yíng)銷策略提供了有用的見解。Ariful[54]在SIR傳播模型的基礎(chǔ)上，對(duì)信息傳播和疾病擴(kuò)散兩層網(wǎng)絡(luò)結(jié)構(gòu)做了分析，這為研究移動(dòng)社會(huì)網(wǎng)絡(luò)中的信息傳播提供了新思路。之后，Wang等[55]又提出了一種新的基于兩層多重網(wǎng)絡(luò)的傳染病模型，探討了正預(yù)防信息和負(fù)預(yù)防信息對(duì)傳染病傳播的影響。該模型中有兩層網(wǎng)絡(luò)，其中一層網(wǎng)絡(luò)表示正、負(fù)預(yù)防信息競(jìng)爭(zhēng)性傳播的社會(huì)網(wǎng)絡(luò)，另一層網(wǎng)絡(luò)表示傳染病傳播的物理接觸網(wǎng)絡(luò)。該模型將移動(dòng)社會(huì)網(wǎng)絡(luò)中信息傳播與物理網(wǎng)絡(luò)中傳染病傳播的特點(diǎn)很好地結(jié)合起來，具有十分重要的實(shí)際價(jià)值。

在移動(dòng)社會(huì)網(wǎng)絡(luò)中，隨著信息傳播模型的發(fā)展，不僅人們受益于社交網(wǎng)絡(luò)快速傳播信息的特點(diǎn)，在市場(chǎng)營(yíng)銷、電子商務(wù)推薦和網(wǎng)絡(luò)通信等領(lǐng)域取得了巨大成功，熱點(diǎn)事件或不良信息也在社交網(wǎng)絡(luò)中快速地蔓延。近年來，信息傳播控制引起了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注和研究，尤其是如何以較小的代價(jià)在合適的時(shí)機(jī)選擇最佳控制點(diǎn)，對(duì)大部分甚至整個(gè)網(wǎng)絡(luò)的信息傳播進(jìn)行控制，從而降低不良信息傳播帶來的負(fù)面影響，對(duì)于國(guó)家戰(zhàn)略、社會(huì)管理和社會(huì)經(jīng)濟(jì)運(yùn)行都具有十分重要的意義。在社會(huì)計(jì)算學(xué)中，謠言被定義為“A statement whose truth-value is unverifiable or deliberately false”[56]，即消息的結(jié)果無法驗(yàn)證或是故意虛假的陳述。Emma等[57]為謠言提供了更廣泛的定義：“Any kinds of informal information,not from official sources-without specifically considering its vercity”，即所有不是來自“官方”的非正式信息都是謠言，不管有沒有考慮其真實(shí)性。社會(huì)心理學(xué)的研究人員[58]則用不同定義來描述謠言：“Rumoring,in this perspective,is a collective activity that arises in conditions of uncertainty and ambiguity as groups attempt to make sense of the information they have”，即從社會(huì)學(xué)的角度看，謠言是一種集體活動(dòng)，它是在不確定和模棱兩可的情況下產(chǎn)生的，因?yàn)槊總€(gè)人都試圖按照自己的想法來理解其所掌握的信息。

抑制謠言傳播的方法大致分為兩類，分別是阻止謠言的發(fā)布者傳播信息和阻隔謠言傳播過程。而后者又可以分為破壞信息傳播路徑和發(fā)布具有競(jìng)爭(zhēng)關(guān)系的反謠言信息兩種方式，但是破壞信息傳播路徑在阻礙虛假信息傳播的同時(shí)也會(huì)影響正常信息的傳播，因此在傳播過程中利用信息的競(jìng)爭(zhēng)關(guān)系，發(fā)布反謠言信息來抑制謠言傳播是行之有效的方法。Chen等[59]提出了獨(dú)立級(jí)聯(lián)模型下的不確定源的負(fù)面影響阻塞最大化方案。Zareie和Sakellariou[60]對(duì)解決社交網(wǎng)絡(luò)中最小化錯(cuò)誤信息傳播問題的方法進(jìn)行了分類。Song等[61]提出了一種復(fù)雜網(wǎng)絡(luò)中的傳染病傳播模型，該模型假設(shè)節(jié)點(diǎn)具有異質(zhì)的易感和接觸偏好，易感節(jié)點(diǎn)愿意將資源共享給鄰居節(jié)點(diǎn)。密歇根州立大學(xué)團(tuán)隊(duì)[62]研究了信息和網(wǎng)絡(luò)特征對(duì)Twitter健康信息傳播的影響，討論了通過社會(huì)媒體病毒傳播健康信息的理論和實(shí)踐意義。Peng等[63]提出了基于大數(shù)據(jù)影響建模的社會(huì)網(wǎng)絡(luò)免疫方法，該方法為防止惡意軟件或惡意消息在社交網(wǎng)絡(luò)中的傳播提供了一種有效的解決方案。Kumar等[64]介紹了一種在謠言傳播和謠言控制同時(shí)發(fā)生的情況下恢復(fù)節(jié)點(diǎn)的模型。Daum、Kuhn和Maus[65]同樣從圖論的角度出發(fā)，考慮了一個(gè)節(jié)點(diǎn)入度限制模型，設(shè)計(jì)并證明了在兩種協(xié)議的不同版本之間的謠言傳播時(shí)間的指數(shù)分離。Askarizadeh和Ladani[66]提出了一種軟謠言控制模型，即人們參考自己信任的人來避免謠言傳播。Yao等[67]設(shè)計(jì)了謠言澄清級(jí)聯(lián)模型，以實(shí)現(xiàn)在給定的時(shí)間內(nèi)付出最小的代價(jià)來澄清謠言。Hosni和Li[68]研究了如何降低突發(fā)新聞中出現(xiàn)的惡意謠言的影響這一問題。此外，他們還研究了如何通過減少基于用戶個(gè)人和社會(huì)行為的謠言來降低對(duì)多元在線社交網(wǎng)絡(luò)的影響[69]。Askarizadeh、Ladani和Manshaei[70]提出了一種基于用戶特征和社會(huì)情境的謠言傳播圖進(jìn)化博弈模型。Gong等[71]提出了一種新的基于結(jié)構(gòu)洞的方法，用于控制社交網(wǎng)絡(luò)中的公眾輿論。

早期的謠言檢測(cè)研究主要基于傳統(tǒng)機(jī)器學(xué)習(xí)方法[72]。研究人員設(shè)計(jì)各類與消息真實(shí)性相關(guān)的特征，在將其從消息數(shù)據(jù)中提取后，使用支持向量機(jī)、決策樹等分類器對(duì)消息的真實(shí)性進(jìn)行判斷。該方法雖然取得了一定的提升效果，但其主要取決于所設(shè)計(jì)的特征質(zhì)量，而這又依賴于研究人員的專業(yè)知識(shí)，并需要消耗大量的人力物力。隨著深度學(xué)習(xí)的興起，越來越多的研究使用深度學(xué)習(xí)方法進(jìn)行在線社交網(wǎng)絡(luò)中的謠言檢測(cè)。該方法主要利用神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)模型，自動(dòng)從相關(guān)數(shù)據(jù)中提取對(duì)應(yīng)的特征向量。與人工設(shè)計(jì)的特征相比，深度學(xué)習(xí)模型通過訓(xùn)練學(xué)習(xí)得到的特征向量具有更本質(zhì)的表征能力，能夠自動(dòng)獲取更深層次的隱藏信息，因而成為當(dāng)前在線社交網(wǎng)絡(luò)謠言檢測(cè)研究的主要方法。在謠言檢測(cè)的研究初期，研究人員通常會(huì)選擇一些可以直接獲得的顯式特征用于鑒別謠言。例如Castillo等[73]提出了基于消息、基于用戶、基于話題和基于傳播的特征集合，其中包括文本長(zhǎng)度、用戶粉絲數(shù)、用戶情感傾向、傳播樹深度等一系列特征，并使用這些特征訓(xùn)練了一個(gè)J48決策樹模型，用于判斷話題是否可信；Qazvinian等[56]提出了與文本內(nèi)容、轉(zhuǎn)發(fā)關(guān)系及微博特定模因相關(guān)的特征集合，并通過樸素貝葉斯分類器驗(yàn)證了這些特征在識(shí)別謠言時(shí)的有效性；Yang等[74]首次在微博數(shù)據(jù)集中進(jìn)行謠言檢測(cè)研究，其提出了基于客戶端和基于位置的新穎特征，將用戶使用的客戶端類型和微博中事件發(fā)生的實(shí)際位置都納入謠言檢測(cè)的范圍，支持向量機(jī)模型的實(shí)驗(yàn)結(jié)果證明了這些特征能夠幫助識(shí)別微博中的謠言。謠言主要是以文本形式在社交媒體中傳播，因此有部分學(xué)者從消息文本入手，試圖從中發(fā)現(xiàn)謠言與非謠言在語言方面的差異。有些學(xué)者嘗試從詞法的角度來判斷謠言。例如，Kwon等[75]統(tǒng)計(jì)了文本中與特定情感相關(guān)的詞語比例，用于表示用戶對(duì)謠言與非謠言的不同反應(yīng)；Zhao等[76]發(fā)現(xiàn)消息文本中存在對(duì)事實(shí)的詢問和對(duì)事實(shí)產(chǎn)生的質(zhì)疑兩種類型的語言模式，并設(shè)計(jì)了相應(yīng)特征用于區(qū)分這兩種模式；Ma等[77]使用自然語言處理領(lǐng)域常用的詞袋模型和Word2Vec模型[78]學(xué)習(xí)文本內(nèi)容的特征表示，以進(jìn)行謠言檢測(cè)與謠言分析。有些學(xué)者則嘗試從話題的角度來判斷謠言。例如，Wu等[79]定義了一組與主題相關(guān)的特征，用于總結(jié)微博文本的語義；Jin等[80]根據(jù)文本涉及的事件主題對(duì)其進(jìn)行聚類，并通過聚合消息級(jí)別的特征來獲得主題級(jí)別的特征，以減少噪聲對(duì)數(shù)據(jù)的影響，并保留消息級(jí)別的大部分細(xì)節(jié)。