基于受众画像的新型耦合社交网络谣言传播模型研究

李钢 王聿达

摘 要：[目的/意义]移动互联网时代谣言传播模式发生了巨大的变化，一方面谣言的扩散已不再局限于孤立的线下人际关系网络或线上互联网，谣言在耦合网络之间的传播变得更加普遍。另一方面，以往通过概率方式研究谣言的传播存在很大的不准确性，受众的个体特征差异对谣言的传播起到了更重要的作用。本文针对上述现象进行了研究。[方法/过程]以受众的年龄作為两种网络的耦合依据，提出基于受众年龄的新型谣言传播的耦合社交网络（ASCN）。从受众的认知能力、匿名程度、权威性等基本特征，以及受众的从众心理、记忆效应、好友的影响作用等心理特征方面对受众进行画像，构建多维度函数实现基于受众画像的谣言传播模型。[结果/结论]基于ASCN对本文提出的模型进行模拟仿真。结果表明，ACSN能够真实地反应出当前网络环境下谣言传播呈现出的“线下引起线上共鸣”、“线上溢散线下”的特征;受众的基本特征和心理特征能够对谣言传播产生巨大的影响，能更好地反映社交网络中谣言的传播规律。

关键词：社交网络;耦合网络;谣言传播;SEIR模型;受众画像

DOI：10.3969/j.issn.1008-0821.2020.01.014

〔中图分类号〕G206.2 〔文献标识码〕A 〔文章编号〕1008-0821（2020）01-0123-11

Research on Rumor Dissemination Model Based on

Audience Portrait Under Age Coupled Social Networks

Li Gang Wang Yuda

（School of Economics and Management，Beijing University of Posts and Telecommunications，

Beijing 100033，China）

Abstract：[Purpose/Significance]In the era of mobile Internet，rumors dissemination has undergone tremendous changes.On one hand，the spreading of rumors is no longer limited to isolated offline interpersonal networks or online Internet networks but has become more common in the coupled networks.On the other hand，individuals different characteristics play a more important role in the spreading of rumor rather than the traditional probabilistic way does.For the above reasons，this paper proposed a rumor propagation model based on audience portrait under Age Coupled Social Networks（ACSN）.[Method/Process]Our proposed network（ACSN）was constructed according to the age of the audience.In the network，individual was portrayed from the basic characteristics of the audiences cognitive ability，anonymity and authority，as well as the psychological characteristics of audiences conformity effect，memory effect and the influence of friends.A multi-dimensional function was proposed to realize the rumor dissemination model based on such portrait.[Result/Conclusion]The rumor dissemination model proposed in this paper was simulated under ASCN.The results showed that：1）ACSN could truly reflect the characteristics of rumor transmission under the current network environment;2）the basic and psychological characteristics of audience had a great impact on rumor transmission，and could better reflect rumor transmission in real social networks.

Key words：social network;coupled network;rumor dissemination;SEIR;audience portrait

国内外对于谣言有多种定义。Difonzo N等[1]将谣言定义为未经证实的信息，其内容通常为大众关心的话题。美国社会学家特·希布塔尼认为谣言是一群人议论过程中的即兴新闻。《韦伯斯特英文大辞典》定义谣言是一种缺乏真实根据，或未经证实，公众一时难以辨别真伪的舆论。奥尔波特[2]描述谣言具备两个基本条件，即所涉及的话题对于传播人群的重要性和证据的模糊性。由此可以看出，谣言是一种未经证实的、真实性模糊难辨的、在一定人群范围和时间周期内具有传播能力的信息。

在传统社会里，谣言通过人际关系网络口口相传，其传播渠道和范围有限。随着互联网技术的飞速发展，特别是智能移动终端的迅速普及，信息的传播不但在传播渠道、传播内容和传播速度等方面有了很大的变化，传播受众的习惯和心理相较以往也发生了巨大的变化。同时，网络所带来的匿名性等特征加剧了信息的模糊性，使信息更加容易转变为谣言从而扩散。正是因为这些原因，受众每天接触到大量的难以验证真实可靠性的信息，这些信息的传播和控制越来越复杂，所带来的不可预知的危害也越来越大。因此在互联网时代，谣言传播在学术研究和实际社会应用中都有重大意义。

由于社交网络中信息的传播与疾病传播有着相似之处，学术界关于谣言传播模型的研究大多来源于经典的传染病传播模型。传染病传播模型最初是Brauer F等[3]在研究伦敦流行的黑死病时提出的SIR模型，该模型将传染病流行范围内的人群分成易感者S，感染者I和免疫者R，人群中每个个体的状态在3类之间转换。Zanette D H[4]首次将SIR模型应用到谣言传播，并基于复杂网络理论在小世界网络上对传播阈值进行了分析。钱颖等[5]基于SIR模型对微博上的舆情传播模型进行了研究。Xiong F等[6]以SIR模型为基础，通过引入接触状态构建了基于SCIR的微博网络舆情话题传播模型。

上述对于谣言传播的研究虽然来源于疾病传播模型，但又不断揭示出两者的差异，即处于社交网络中的个体不仅具有普遍的物理特征，同时具备不同个体的社会属性，其知识水平、价值倾向、社交属性、心理因素等对于信息的选择与传播具有重要的作用，因此以概率的方式同质的研究谣言的传播和演化存在很大的不准确性，不能准确地反映谣言传播的特征，网络中不同受众的个体特征对谣言的传播起到了更重要的作用。Lv L Y等[7]将个体的差异融入谣言传播模型，从记忆效应、社会加强作用和非冗余接触等角度对模型进行了改进。范纯龙等[8]基于个体间的亲密度和谣言接收次数提出了一种改进的谣言传播模型，该模型能够更加准确地反映社交网络中谣言的传播规律。洪巍等[9]在传统的SIR模型基础上加入真实信息传播者，构建了SIRT谣言传播模型，模型考虑了网民对信息的辨识能力、风险认知水平、媒体发布信息透明度、媒体公信力、记忆效应等因素对谣言传播过程的影响。以上这些研究虽然在传染病模型的基础上加入了谣言传播个体的特征以及媒体特征，但考虑的因素还不够全面。

此外当前真实社交环境复杂，谣言传播的模式相较以往发生了较大的变化。大众接收和传播谣言存在传统的线下人际关系网络和线上的互联网，谣言的扩散已不再局限于单个网络内，两种网络之间信息的渗透甚至相互干扰已变得较为普遍。于凯等[10]根据现实中信息的扩散情况，构建了线上线下双层耦合网络模型，并結合传播学和社会心理学理论提出了层间对称和非对称的舆情传播机制。朱恒民等[11]构建了线上线下互动舆情传播模型，该模型表明线上线下的互动扩大了话题传播的速度和广度。从现有研究来看，基于双层耦合网络拓扑结构谣言传播的研究仅处于起步阶段，由于谣言在线下网络中传播仍然占较大比重[12]，对双层耦合网络中谣言传播进行研究具有重要意义。

综上，本文首先分析了在线社交网络与线下人际关系网络的不同特征，并基于两个网络中人群的年龄特征进行了耦合，从而构建了更加真实的基于受众年龄的新型社交网络（Age Coupled Social Network，ACSN）。进一步，基于受众个体特征，通过对每个个体从认知、年龄、匿名度、权威性等基本特征以及从众效应和记忆效应等心理特征等角度进行差异化分析，提出了基于网络中受众画像的谣言传播模型。

1 新型耦合社交网络特征分析及构建

1.1 研究思路

线下网络是指现实生活中人与人面对面交往形成的真实人际关系网络，信息的传播通过个体之间的口口相传。根据“六度分割理论”，线下人际关系网络中的节点能够通过网络中数量较少的节点间接发生联系，从复杂网络的角度来看，线下人际关系网络有较短的平均路径长度和较高的聚类系数，具有明显的小世界特性[13]。

线上社交网络是指在互联网环境中不同用户通过某一特定平台产生某种关联关系，从而形成一种人与人之间的关系网络状的结构，比较常见的线上社交网络包括微博、微信等。以微博为例，微博中用户之间的关联关系分为关注关系与粉丝关系，用户基于这种关注与被关注的关系构成了现实微博关系网络。在微博关系网络中，少数用户拥有大量粉丝，其发布的信息影响范围较大，而大部分用户仅有少数的粉丝，对整个网络带来的影响力有限。根据Girvan M等[14]对在线社交网络结构的分析，以微博为代表的在线社交网络中节点的度服从幂分布，与无标度网络具有相似的特性。

相较于之前，互联网时代社交网络所涵盖的范围逐步从现实中的人际关系网络，演变为虚拟的互联网线上社交网络与现实中的人际关系网络相互重叠的新型社交网络。在以微博为代表的自媒体时代，在线社交网络与线下人际关系网络的紧耦合使信息传播呈现出明显的共鸣效应和溢散效应[15]。所谓共鸣效应是指线下突发的热点话题引起网络舆论共鸣，从而使失真的信息在互联网中迅速传播，加剧形成谣言，“余杭中泰垃圾焚烧厂事件”是典型案例。同时微博的大众媒介特性，又能够使网络话题快速溢散到各类人群中，与网络形成合力促使形成线下事件，“滴滴顺风车事件”就是通过微博的刷屏引发全社会对于公共安全的关注与讨论。

从复杂网络的角度可以理解为线上社交网络与线下人际关系网络存在某种耦合关系。根据CNNIC发布的第43次《中国互联网络发展状况统计报告》以及腾讯发布的《2017年微博用户发展报告》，中国互联网网民和微博用户在年龄结构上均呈现为正态分布，并以20～30岁的人群为主要群体，也就是说这个年龄段的人既是线下人际关系网络的参与者，同时又是互联网信息的主要传播者。将个体的年龄作为节点耦合的依据，能够更加真实地反映出当前新型社交网络的真实情况。本文定义了耦合度来定量表示两个网络的耦合强度。耦合度为线下人际关系网络中拥有耦合边的节点占比。我们定义网络中受众年龄服从正态分布N（μ，σ2），其中μ表示节点的平均年龄，σ代表年龄的标准差。通过前面的分析可知，耦合度越大表示线上线下能够耦合的节点占比越多，也就是耦合节点的年龄范围越大。耦合度既反映了两个网络之间的耦合强度，同时又反映出民众互联网化程度，互联网化程度越高，使用网络自媒体的用户年龄跨度就会越大，相应的两个网络之间的耦合越紧密。

基于以上分析，本文提出了基于受众年龄耦合的新型社交网络（ACSN）。

1.2 网络构建

1.2.1 前提假设

本文所构建的ACSN为静态网络，即网络中的节点数量及特征不会随时间发生变化。

1.2.2 线下网络构建

由上文分析可知，线下人际关系网络具有小世界网络的特征，因此本文以Watts D J等[13]提出的WS小世界网络为载体，构建线下人际关系网络模型。构建步骤如下：

1）给定一个含有N个节点的环状最近邻耦合网络，其中每个节点都与它左右相邻的各K/2个节点相连，K是偶数;

2）对网络中每个节点的每一条边都以概率p移除并重新与网络中其他的节点随机相连，新添加的边是距离较远节点。

1.2.3 线上网络构建

线上社交网络具有无标度网络的特性，本文依据Albert R等[16]提出的网络中节点的度服从幂分布的BA无标度网络，以微博用户为节点，关注关系为边，构建网络来模拟微博网络，构建步骤如下：

1）在初始时刻有m0个互不相连的节点;

2）每次加入1个新的节点，这个新的节点连接到网络中已存在的m个节点上。新加入的节点与网络中已存在的节点i连接的概率p与节点i的度ki有关。

1.2.4 层间节点耦合

根据ASCN研究思路，本文所构建的网络中线上与线下两层网络的节点数相同，每个节点的年龄随机并服从正态分布。为了便于实验验证，参考《2017年微博用户发展报告》，本文取微博用户平均年龄25岁，标准差5岁，即节点的年龄服从N（25，52）。节点根据耦合度所对应的年龄确定该节点在两个网络间是否耦合。

2 基于受众画像的谣言传播模型

2.1 新型耦合社交网络受众特征分析及受众画像

受众作为谣言传播的主体，其个体特征对谣言的传播起到了重要的作用，甚至比谣言的源头动因更加重要。因此本文所提出的传播模型基于受众的特征，对社交网络中的个体进行画像，不同的个体对于同一谣言的传播概率并非一个确定的常数。本文主要从个体的基本特征和心理特征两类特征对网络中的受众进行画像。

2.1.1 受众的基本特征分析

受众的基本特征包括受众的认知能力、受众在社交网络中的匿名程度以及受众本身的权威性等。

1）认知能力：受众的辨识能力对于谣言的传播具有很重要的作用。广大受众基本常识的缺乏、“宁可信其有，不可信其无”的心态，导致受众在对信息准确性缺乏认识判断的情况下对这些信息进行传播;

2）匿名度：互联网环境中，信息传播的双方主要通过文字或者图片进行沟通，个人的性别、年龄、外貌、社会身份甚至真实姓名都可能会被隐匿。这种匿名会让受众在社交网络中无所顾忌的表達出隐藏在心中的真实想法。因此个人在网络中的匿名会导致一些虚假信息的扩散，促使谣言的形成及传播;

3）权威性：在社交网络中存在意见领袖的现象，也就是说一个权威用户具有较高的社会影响力，其言行会影响到多数用户。因此权威性较高的个体，往往有自己的观点体系，较难受到其他观点的影响，不会轻易相信并转发未经核实的谣言。

2.1.2 受众的心理特征分析

受众的心理特征是受众特征的重要组成部分，对谣言的传播行为会产生重要的影响。作者之前已就受众心理特征对传播的影响进行了详细研究[17]，本文引用之前的研究成果，从周边好友的影响效应、从众效应和记忆效应3个方面刻画受众心理特征。

1）好友效应：从心理学角度来讲，好友间亲密度越高，说明两者有着近似的兴趣爱好、价值观与知识，谣言更容易在两者之间传播;

2）从众效应：从众效应是一种追随别人行为的常见心理效应，是指个体受到群体的影响而改变自己的观点、判断和行为，以和他人保持一致。在社交网络谣言传播中，从众效应对于谣言传播既有积极的促进作用，同时也会抑制谣言的传播;

3）记忆效应：互联网中信息的转载非常容易，受众很容易在短时间内从不同渠道或者不同传播者口中多次接收到相同的谣言，强化受众记忆，从而增大信息传播的概率。

2.2 新型耦合社交网络谣言传播模型算法描述

2.2.1 受众状态分类

在移动互联网时代，由于信息转发的便捷性以及信息发布者的匿名性等原因使得信息传播的门槛降低，受众每天被动接触到的信息呈现一种爆炸式的增长，谣言产生的频率随之剧增。受到大量无法辨识真伪的信息的冲击，受众对于信息所持的态度不再局限于未知、感兴趣从而进行传播、不感兴趣从而拒绝传播3种状态，更多的是处于已知该信息，并观望该信息的发展的状态，因此本文采用了SEIR模型[8]，即在传统的SIR模型的基础上增加了已知状态，具体状态描述如下：

1）未知状态S（Susceptible）：该类节点从未接触过谣言，有接收谣言信息的能力。

2）已知状态E（Exposed）：该类节点已经接触过谣言，对谣言持怀疑态度，暂时观望并不传播。

3）传播状态I（Infected）：该类节点听信谣言，并在网络中将谣言传播给其好友节点。

4）免疫状态R（Removed）：该类节点对谣言失去传播兴趣，不再参与谣言的传播。

2.2.2 层内受众状态转移规则

在本文所描述的模型中，每一个时间周期遍历网络中的每一个节点，根据其层内邻居节点的状态来决定此时钟间周期的状态，直到所有节点遍历一次后该时间周期结束。单层网络内节点的状态，根据图1的演化规则进行状态转移，转移规则如下：

1）如果受众处于未知状态S，当周围存在传播状态I的节点时，未知状态的节点因为接触到谣言传播者而以概率p1转为传播状态，或者以概率p2=1-p1转为已知状态。根据上文分析，概率p1由受众的基本特征和受众的心理特征共同组成，其数学表达式如下：p1=（1-A）*B*C*D*E。其中，A表示受众的认知能力，服从正态分布，值介于0～1之间，0代表认知水平最低，1代表认知水平最高;B表示网络中客观存在的匿名度，用介于0和1之间的连续变量θ加以描述，B=1+1e-1eθ，0表示在社交网络中完全不匿名，而匿名度1表示完全匿名，对于线下人际关系网络，匿名度为0;C表示受众的权威性，通过受众在网络中的度k与网络中最大的度kmax来表示，C=1-kkmax;D表示受众受到从众效应的影响，根据论文[17]的结论，D=12+12*1-e-m（t）k+e-n（t）k-11-1e;E表示好友的亲密度，根据论文[8]，E=1-e-wij，其中wij表示传播者i与用户j的社交关系度，用共同好友数量占节点i所有好友的比。

2）如果受众处于已知状态E，也就是受众已经接触过谣言，但对谣言持怀疑态度，暂时处于观望期间。区别于传统的SEIR模型，在本文所提出的模型中，处于E状态的节点并不是以概率的形式转变为I状态或者R状态，而是由受众心理特征中的记忆效应所决定。我们认为对于同一条谣言，受众很容易在短时间内从不同渠道或者不同传播者口中多次接收到相同的信息，此时受众传播谣言的机会必然会增大，与之相对的，如果处于E状态的节点在后续的时间周期内没有再次收到同样的信息，那么受众传播该信息的概率就会降低。我们设置一个用户接收到同样信息的次数累积量s（t），初始时刻将s（t）设置为0，表示该节点刚从S状态转变为E状态，如果在下一个时间周期，该节点周围有新转变为I状态的节点，那么s（t）=s（t）+1，否则s（t）=s（t）-1。我们设置阈值ε，如果记忆效应的累加量s（t）高于了阈值，那么下一时间周期改节点转变为I状态，如果s（t）低于阈值，该节点将会变为R状态。

3）如果受众处于谣言传播状态I，区别于传统的SEIR模型中通过概率的方式转变为R状态，本文我们通过记忆和谣言热度的衰减来决定状态的转移。我们使用标准指数函数来表示时间的衰减，通过周围有关联边的节点中I状态节点的占比来表示谣言传播热度的衰减，所以衰减因子a（t）=e-t*m（t）k，其中t表示处于I状态的时间，m（t）表示在t时刻周边I状态节点的数量，k表示该节点的度。同样此处我们设置阈值δ，当衰减因子a（t）低于阈值，该节点将转变为R状态。

4）谣言免疫状态的节点将不会再對此类谣言进行传播，相应的状态将不会发生变化。

2.2.3 层间状态协同规则

根据费斯廷格的认知失调理论，受众对某事件产生观点、态度或情绪的矛盾时，希望协同自身不同认知之间的平衡，以消除这种矛盾所带来的紧张感。基于该理论，在本文中，受众在某时间周期一旦产生线上、线下认知不协调或相互冲突的情况，将对该冲突进行协同，并将协同后的状态作为下个时间周期的状态，以保证线上、线下状态的一致。

考虑沉默双螺旋理论，受众在线上可受相邻节点的影响决定自身在线上及线下的传播状态，同时舆论在网络中呈现着匿名性的特点，使得意见的发表具有自由性，受众线下的观点可自由在线上网络中表达。这种层间状态协同符合“线下引起线上共鸣”、“线上溢散线下”的特征[15]。

1）初始t=1时刻，选择线上节点3作为谣言传播源，其余节点都处于S态。此时根据线上的谣言溢散到线下，线下网络中的节点3同时变为I状态。

2）当t=2时，谣言在线上网络中完全散播，网络中的1、3、5、6节点都收到了该谣言，节点1、4、5变为了观望E状态，节点6变为I状态，同时谣言在线下网络中也传播开，节点2和节点3受到影响，其中几点2变为E状态，而节点3变为I状态，根据线上网络中的谣言溢散到线下的特征，线下网络中的1、5随之变为E状态，6变为I状态，而线下网络同样引起线上共鸣，4节点变为I状态。

3）当t=3时，由于时间衰减的作用，线上网络中的3、5节点变为R状态，由于线上信息较为丰富，能够抑制线下网络谣言，所以线下网络的3、5节点随之也变为R状态。

4）当t=4时，所有节点均变为R状态。

3 实验与结果分析

本文使用C语言构建社交网络并仿真分析舆情话题传播过程，所构建的ACSN由线上无标度网络和线下小世界网络组成，网络规模为1 600个节点。其中线下网络基于WS网络，重连概率为0.8，平均度为6。线上网络基于BA网络，聚类系数为0.23，最大度为92。根据前文所提出的模型，每个节点具有年龄属性，为便于实验验证，节点的平均年龄25岁，标准差5岁，即节点的年龄服从N（25，52）。由于传播概率p1=（1-A）*B*C*D*E，在初始系统设定中，设定平均认知能力A=0，平均匿名度B=1，此时认知能力和匿名度对传播概率的无影响，其他特征对p1的敏感性最大化，同时受众的权威性C、从众效应D及好友效应E等3个特征值都默认存在。

由于本文所提出的耦合模型和传播模型是基于静态网络的，因此本文暂不考虑网络的动态变化，即认为谣言传播过程中网络的规模和结构保持不变。实验过程中，在初始时刻将一个节点的状态置为传播状态，其余所有节点为未知状态，在随后的100个时间周期内统计每个时间周期的未知态、已知态、传播态、免疫态的节点的数量。为降低实验结果的偶然性，每组实验的结果采用100次仿真的平均值。

3.1 耦合对谣言传播的影响

本实验将对比耦合对于谣言传播的影响。我们设置了3组实验，第一组实验是一个平均度为6的小世界人际关系网络，第二组实验为一个聚类系数为0.23、最大度为92的无标度线上社交网络，第三组实验为基于受众年龄耦合的新型社交网络（ACSN），我们将耦合度F设置为0.8，也就是线下人际关系网络中拥有耦合边的节点占比为0.8。

从图3（a）和图3（c）中可以看出，当初始1个节点传播谣言时，在独立的线下人际关系网络中，只有与初始节点相连的4个节点受到影响，而且这4个节点并未进一步变为传播状态。与之形成鲜明对比的是，在ASCN中，处于传播状态的节点最多达到753个，并且所有的节点最终都处于R状态，耦合后的网络极大地促进了原本在线下网络中无法广泛传播的谣言。对比图3（b）和图3（d），两个网络耦合后，在线网络中处于I状态的节点数量从463个增加90%至882个，同时R状态节点增多了57%，并且可以明显看到I状态的曲线变陡峭，说明耦合使话题在在线社交网络中的传播速度更快、影响范围更广。

通过实验我们可以分析出，在现实世界中，由于线下人际关系网络和线上社交网络的同时存在，以及信息的相互耦合传播，一些原本在线下无法传播开的话题将会迅速传播，一些原本在线上社交网络中没有大范围传播的事件能够覆盖整个网络，引发大量受众的关注，成为热门话题，从而引发舆情危机。本实验验证了线上线下网络耦合后，舆情传播“线下引起线上共鸣”、“线上溢散线下”的特征。

3.2.6 记忆效应对传播的影响

本仿真实验用于验证不同记忆效应阈值对最终传播范围的影响。实验中，除记忆效应之外的其他受众特征同上述实验。我们设置了3组实验，对应记忆效应阈值为1、3、5，表示处于已知状态的受众分别连续1、3和5个时间周期内有新增传播状态的邻居时，该受众的状态由于记忆效应而从已知态转变为传播态。初始时刻将一个节点的状态置为传播状态，最终社交网络受众状态稳定后，记录免疫状态节点个数。

如图9所示，记忆效应阈值为1的网络中，最终免疫状态节点的个数是阈值为3的网络的1.4倍，是阈值为5的网络的2.3倍。实验结果验证了受众记忆效应对于谣言传播范围扩大的促进作用。在当前新型社交网络环境下，对于同一条谣言，受众很容易在短时间内从不同渠道或者不同传播者口中多次接收，这种短时间的多次记忆强化，促使处于已知状态的受众转变为传播状态，这就是所谓的“三人成虎”。同时从实验结果可以看到，记忆效应的阈值越小，表明受众在更短的时间内更容易转变观点，更能够促进谣言的传播范围。

4 结 论

本文以社交网络谣言的传播为研究对象，分析当前谣言传播的特点，提出了一种基于受众画像的新型社交网络谣言传播模型。首先，针对当前大众社交环境中，谣言的扩散已不再局限于单独的线下人际关系网络或者线上的互联网，两种网络之间信息的渗透甚至相互干扰已变得较为普遍这一现象，结合两类网络的特征，提出了一种通过受众年龄耦合的新型谣言传播的社交网络（ACSN）。其次，考虑将受众的认知能力、匿名程度、权威性等基本特征，以及受众的从众效应、记忆效应、好友的影响作用等心理特征等方面进行画像，将传统谣言传播模型中的谣言的传播从一个概率值变为基于受众多维度画像的函数，从而提出了基于网络中受众画像的谣言传播模型。最后，通过构建ACSN仿真验证本文提出的谣言传播模型。

实验结果表明：1）由于两类网络之间耦合的存在，一些原本在线下无法广泛传播的话题将会迅速传播，一些原本在线上社交网络中没有大范围传播的事件能够覆盖整个网络，本文提出的ACSN能够真实地反应出这种舆情传播“线下引起线上共鸣”、“线上溢散线下”的特征;2）在这种新型的社交网络下，受众的认知、匿名度等基本特征和记忆效应、从众效应等心理特征能够对谣言传播产生巨大的影响。受众的认知能力的提升，能够有效地降低谣言传播的范围。受众的匿名程度对谣言的生成和传播时起到了催化剂的作用，当网络的平均匿名度高到一定程度时，任何谣言都可能会扩散到整个网络中。在谣言传播率较低时，受众的从众心理能够阻碍信息的传播，而当信息传播速率较高的时候，从众又能够极大的促使谣言的传播。受众的记忆效应，能够促进谣言的传播，印证“三人成虎”这一现象。

虽然本文对所提出的ASCN以及基于受众画像的谣言传播模型在通过计算机模拟两类网络以及用户特征来仿真验证的，但我们相信本文所做的研究对于政府决策部门提前获知谣言的传播以及监管舆情的衍化具有一定的作用。后续我们将重点根据实验仿真结果抓取真实数据进行验证。

参考文献

[1]Difonzo N，Bordia P，Rosnow R L.Reining in Rumors[J].Organizational Dynamics，1994，23（1）：47-62.

[2]奥尔波特.谣言心理学[M].沈阳：辽宁教育出版社，2003.

[3]Brauer F.The Kermack-McKendrick Epidemic Model Revisited[J].Mathematical Biosciences，2005，198（2）：119-131.

[4]Zanette D H.Dynamics of Rumor Propagation on Small-world Networks[J].Physical Review E，2002，65（4）.

[5]钱颖，张楠，赵来军，等.微博舆情传播规律研究[J].情报学报，2012，31（12）：1299-1304.

[6]Xiong F，Liu Y，Zhang Z，et al.An Information Diffusion Model Based on Retweeting Mechanism for Online Social Media[J].Physics Letters A，2012，376（376）：2103-2108.

[7]Lv L Y，Chen D B，Zhou T.The Small World Yields the Most Effective Information Spreading[J].New Journal of Physics，2011，13（12）：123005.

[8]范純龙，宋会敏，丁国辉.一种改进的SEIR网络谣言传播模型研究[J].情报杂志，2017，（3）：90-95.

[9]洪巍，王虎.基于SIRT的网络谣言传播演化模型的研究[J].现代情报，2017，（6）：38-44.

[10]于凯，荣莉莉，郭文强，等.基于线上线下网络的舆情传播模型研究[J].管理评论，2015，（8）：200-212.

[11]朱恒民，杨柳，马静，等.基于耦合网络的线上线下互动舆情传播模型研究[J].情报杂志，2016，（2）：139-144.

[12]沈超，周姝怡，朱恒民.网络谣言传播中群体角色研究[J].情报杂志，2016，35（11）：113-118.

[13]Watts D J，Strogatz S H.Collective Dynamics of‘small-worldNetworks[J].Nature，1998，393（6684）：440-442.

[14]Girvan M，Newman M E.Community Structure in Social and Biological Networks[J].Proceedings of the National Academy of Sciences of the United States of America，2002，99（12）：7821-7826.

[15]董天策，陈映.试论传统媒体与网络媒体的议程互动[C]//中国传播学会成立大会暨全国传播学研讨会，2006.

[16]Albert R，Barabasi A.Statistical Mechanics of Complex Networks[J].Reviews of Modern Physics，2001，74（1）：47-97.

[17]Wang Y，Li G.The Spreading of Information in Online Social Networks through Cellular Automata[J].Complexity，2018：1-9.

（责任编辑：孙国雷）