多层社交网络上的谣言传播研究*

樊冬梅，王金玲

(安徽农业大学 理学院，安徽 合肥 230036)

近年来，在线社交网络的普及和发展为信息传播带来了极大的便利，人人都可以通过网络社交账户(比如国内的QQ、微信、新浪微博，国外的Twitter、Facebook)发布和转发图片、视频、文字、新闻等内容[1]。在线社交网络吸引了全球几十亿用户的参与，其功能已经不仅仅局限于简单的信息收集和发布，事实上，通过多种在线社交媒体，人们可以结交朋友、发表观点、分享信息、互相交流。网络社交已经开始承担大部分传统社交的作用，并且对人类的社会活动产生极其重要的影响[2-3]。因此，在线社交网络构筑了一个庞大的网络社会，是现实中的人类社会在网络这一虚拟空间中的投影[4]。在线社交网络在蓬勃发展的同时，也带来了网络谣言的不断滋生和快速传播[5]。在社交媒体上，人人都是手持“麦克风”的信息传播者，然而用户在网络上发布和转发信息时，却很少会去验证这些信息的真实性。这导致人们对网络新闻的信任度明显低于电视、报纸等传统媒体[6]。网络谣言的大肆传播不仅妨碍了人们对社交媒体的有效利用，甚至能够左右社会重大事件的走向。在2016年美国总统大选期间，与候选人唐纳德·特朗普(Donald Trump)相关的假新闻被分享了3 000万次，与候选人希拉里·克林顿有关的假新闻被分享了760万次，网络假新闻已经成了美国大选的重要影响因素之一[7]。因此，网络谣言传播研究已经成为社会科学中一个极其重要的科学前沿领域。研究网络谣言的传播模式有助于政府和国家快速获取谣言的传播态势、抑制谣言的传播、降低谣言的危害，这对于维护国家公共安全具有重要意义。

一、网络谣言传播研究现状

网络谣言也称为“网络假消息”或“网络虚假新闻”，是指通过采用发布假信息达到欺骗当事者的目的，不能真实反映客观事物本来面貌，带有虚假成分的报道。众所周知，网络谣言误导公众认知、毒害网络生态、损害媒体公信力，极具社会危害性[8]。政府和工业界对网络谣言的关注度正达到一个前所未有的高度。2018年8月，中国互联网联合辟谣平台正式上线，这是由中共中央网络安全和信息化委员会办公室违法和不良信息举报中心主办、新华网承办的平台，旨在为广大群众提供辨识和举报谣言的权威平台。

鉴于谣言对社会造成的不良影响和严重危害，其传播规律引发了研究者们的广泛关注[9-10]。社交网络结构对谣言传播的影响研究主要集中于同质网络、无标度网络、小世界网络和随机网络。孙莉玲研究了谣言在同质网络上的传播，结果表明节点度较高的那部分网民群体对谣言传播起到关键性作用[11]。王雨嘉[12]和吕琳媛[13]等的研究表明，在考虑信息传播的记忆效应、社会加强和非冗余接触特征的情况下，小世界网络的传播效率最好。沈超等的研究表明，人群聚类对谣言传播有显著影响[14]。Nekovee等的研究表明，在同质网络中谣言能否传播开来与网络的平均度有关；而在异质网络中谣言更容易传播开来，并且随着网络规模的增加，异质网络的谣言爆发阈值会逐渐消失，也就是说，在一个大规模的社会网络中，谣言极其容易发生大规模的传播现象[15]。宋之杰等针对在突发事件中谣言在无标度社交网络中的传播问题，结合用户的信息获取方式和用户传播谣言的行为特征，同时考虑谣言获取的渠道以及传播滞后的特点，构建了适用于微博网络的谣言传播模型[16]。

网络谣言的传播主体是用户，因此传播主体对谣言传播的作用也引起了学者们的广泛关注和深入研究。为什么有人容易轻信网络谣言，有人乐于传播网络谣言，而有人却不容易被网络谣言所蛊惑，这种差异与用户的个体心理因素密切相关，如用户的情绪、用户的认知水平、用户的感知能力、用户的从众性等。另外，社会因素也被引入到谣言传播研究中，如受教育水平、社会信任、社会强化机制等。张亚明等从用户的利他动机、用户的阅历、谣言的累次叠加作用、辟谣者等方面来综合分析个体因素对谣言传播的影响，结果表明用户的阅历以及辟谣者是影响谣言传播的重要因素[17]。张亚明的研究表明，用户对谣言的兴趣衰减可以减小网络谣言传播规模，但是社会强化机制的不当使用反而可能会加剧谣言传播[18]。夏玲玲等的研究表明，谣言的模糊性会导致谣言的传播规模增大[19]。

虽然学者们对多种网络结构下的谣言传播进行了研究，但是这些网络结构反映的是网络的共性。在线社交网络作为复杂网络的一种，它不仅具有复杂网络所具有的共性，还有本身的特性。此外，上述文献对谣言传播的研究主要集中在单层社交网络上，而现实的在线社交网络通常是由多个社交软件共同组成的多层社交网络。用户常常在多个社交网络平台注册账户，比如腾讯QQ、微信、新浪微博等，谣言的跨平台传播现象非常普遍。因此，有必要从现实的在线社交网络的结构特点出发，分析现实的多层社交网络与单层社交网络上谣言传播的区别及多层社交网络的层间几何相关性对谣言传播的影响。

二、社交网络模型简介

在线社交网络是由数量巨大的用户以及用户之间错综复杂的关系共同构成的。从复杂网络的观点来看，用户可以抽象为网络中的一个个节点，用户和用户之间的社交关系可以抽象为网络的连边。在新浪微博中，两个用户之间的相互关注关系可以定义为网络的连边；在微信或QQ中，当两个用户互相加为好友，他们的好友关系就构成了一条连边。通过这种方式，可以将在线社交网络构造成网络模型。图1直观地表示了这一过程，在拓扑图中，点代表网络中的节点，是对社交网络用户的抽象，点与点之间的连线代表网络的连边，是对用户关系的抽象。这样就将现实的社交网络抽象成由相互作用的节点所组成的网络，分析其结构特征一方面可以从整体的角度上考查整个在线社交网络所呈现的特征，另一方面可以在个体层面上研究在线社交网络中个体的行为特点[20]。

图1 社交网络模型图

常见的网络模型有随机网络模型、小世界网络模型和无标度网络模型。随机网络模型是在20世纪50年代由匈牙利两位科学家Erdös和Rényi提出的[21]。该模型首先在网络中生成一些节点，再以相同的概率将这些节点之间进行连接。由于随机图模型易于描述又可以通过解析方法求解，因此成为研究复杂网络的基础理论，是复杂网络发展前期的主要网络模型。然而，由于随机网络模型忽略了很多真实网络所包含的信息，因此往往不能很好地解释真实网络中所呈现的许多现象和规律。

20世纪60年代，美国哈佛大学社会心理学家斯坦利·米尔格伦(Stanley Milgram)做了一个连锁信件实验，他将一些信件随机交给志愿者，要求志愿者们通过与自己相熟的人将信件传发到指定的收信人手里。实验结果表明，在传递成功的信件中，平均经过5次中转就能够到达指定的收信人手中[22]。也就是说，在社会网络中，任意两个人之间的平均“距离”是6，这就是著名的“六度分隔”理论。从社交网络的角度来说，这种社会现象意味着一些彼此完全不相识的人可以通过一条很短的熟人链被联系在一起，这一重要发现被称为“社交网络的小世界”现象。1998年，由邓肯·瓦茨(Duncan Watts)和斯蒂文·斯特罗加茨(Steven Strogatz)提出的小世界网络模型就是对小世界现象的数学描述[23]。该模型的构成方法如下：给定一个环状网络，其中的每个节点都与它左右相邻的各K/2个节点相连(K为偶数)。再将网络中的每一条边以概率p随机重新连接，即把每一条边的一个端点保持不变，另外一个端点以概率p随机连接到另外的一个端点上，其中规定节点不可以与自己相连并且网络中不能有重复出现的边。用这种模型就可以构造出具有较短的平均路径长度的小世界网络。

除了小世界现象，网络的无标度现象是近年来网络科学的另一个重大发现，它指的是绝大部分节点的连边都是极少的，而有极少部分节点却拥有大量的连边。在社交网络中，用户拥有的网络连接关系并不是均衡的，在新浪微博上，一些公众人物的粉丝数达到了几千万甚至上亿，而大多数普通用户的粉丝数只有几十个。1999年，Barabási和他的学生通过对大量的现实网络的研究发现，现实网络中的节点连边数量的分布符合幂律分布[24]。幂律进入社会科学研究领域，始于20世纪早期意大利经济学家维弗雷多·帕累托，他发现在他所研究的每个国家的财富都呈幂律分布，也就是极少数的人拥有社会绝大多数的财富，而大多数的人只拥有少量的财富。许多社会系统都遵循幂律分布，在线社交网络也是如此[25]。无标度网络模型就是为了解释网络的幂律现象而构建的一种增长网络模型，该模型有两个显著特点，一是网络规模不断增长，在无标度网络模型中会不断产生新的节点；二是优先连接性，新产生的节点会优先连接到那些度较大的节点上。这种生成网络的方式就导致连边会聚集到那些度较大的节点上。

三、多层社交PSO网络模型简介

(一) 考虑流行性和相似性的社交网络(PSO社交网络)

2012年，Papadopoulos等人通过对大量现实的网络进行分析，发现在许多现实的网络中，新产生的节点不仅会考虑到连接节点的流行性(popularity)，同时还会考虑连接节点的相似性(similarity)，这种算法被称为Popularity and Similarity Optimization(简称“PSO”)。比如，一个刚刚注册的微博用户，一方面会关注那些关注度高的用户(也就是流行的用户)，像微博中的“大V”；另外也会关注那些与自己相似的用户，比如自己的朋友、家人、有共同兴趣爱好的人，即使这些人的关注度不高[26]。因此，在线社交网络是典型的PSO网络。与无标度网络模型不同的是，在无标度网络中新产生的连边只会优先连接到那些关注度较大的用户。因此PSO网络模型是无标度网络模型的拓展，它可以完全涵盖无标度网络的生成过程，同时能够更准确地反映在线社交网络的连接特点。因此，本文采取能反映社交网络特性的PSO网络作为研究对象，将会有助于更准确地分析和研究谣言在社交网络上的传播。

从几何上来说，PSO算法是将网络置于一个双曲空间当中[27]。图2所示的庞加莱圆盘是最常用的一个双曲空间模型。在双曲空间中，三角形的内角和小于180度，图1中所有的三角形大小都是一样的，并且从圆盘中心到边缘，三角形的个数是指数扩张的，这与网络的扩张特性相吻合。在双曲空间可以按照如下步骤生成一个简单的幂律分布网络：首先在一个半径为R的圆盘上生成一些点，这些点的极半径服从指数分布，极角服从均匀分布。然后计算每一对节点之间的双曲距离，如果双曲距离小于半径R，则这一对节点就有一条连边，否则就不连接。图3所示的是一个用该算法生成的网络的拓扑结构，点代表网络中的节点，在社交网络中代表社交网络的用户，点与点之间的连线代表网络的连边，在社交网络中代表用户之间的关系。在图中越靠近圆盘中心的度越大，意味着越靠近中心的节点越流行，夹角越靠近的两个节点之间相似性越高。

图2 庞加莱圆盘

图3 单层PSO社交网络结构图，200个节点

(二) 多层社交网络的几何相关性

对于现实中的多层网络来说，层与层之间存在明显的几何相关性[28]。其中几何相关性包括两个方面——半径相关性和角度相关性。半径相关性指的是一个节点在第一层中的极半径与其在第二层的极半径存在明显的相关性。角度相关性指的是一个节点在第一层中的角度与其在第二层的角度存在明显的相关性。例如，很多人都同时拥有多个社交账户，像微信和腾讯QQ，这就构成了一个多层网络。在微信中朋友众多的人通常在腾讯QQ中也有众多的朋友，这就是半径相关性。而一个用户在微信中连接的朋友、家人，在QQ层往往也会有同样的连接，这就是角度相关性。图4是一个双层网络的示意图，每一层代表一个单层网络。在第一层中靠近圆盘中心的节点在第二层中往往也靠近圆盘中心；在第一层中夹角相近的两个节点在第二层中夹角也很接近。

图4 多层社交网络的几何相关性示意图

四、多层社交网络对谣言传播的影响

最早提出谣言传播模型的是Daley 和Kendall，他们提出了经典的DK模型，该模型将均匀混合的人群分为三类：从没有听过谣言的人、积极主动传播谣言的人和不再传播谣言的人[29]，研究结果表明最终听到谣言的人数几乎与初始未知谣言人数无关。之后DK模型被不断发展，衍生出许多谣言传播模型。Zanette首先将复杂网络理论应用于谣言传播研究，并借助于平均场理论研究了谣言在小世界网络中的传播过程[30]。本文采取异质网络上谣言传播的SIR模型来研究多层社交网络对谣言传播的影响[31]，该模型将在线社交网络中用户分成无知者(未看到谣言的人，记为I)、传播者(传播谣言的人，记为S)和觉醒者(曾经传播过谣言而后认识到谣言的虚假，记为R)。谣言传播包括两阶段，第一个阶段用I→S表示，当一个无知者看到或接收到来自一个谣言传播者发布的一条谣言时，他有可能相信这条谣言并进行转发，假设他会以传播概率λ传播这条谣言，从而转变成一个谣言传播者。传播的第二个阶段用S→R表示，当一个谣言传播者看到另一个传播者也在传播这条谣言时，可能会失去继续传播这条谣言的兴趣，从而中止传播；或者当传播者接触到一个觉醒者时，可能会意识到这条谣言的虚假性，从而中止传播这条谣言。假设传播者会以觉醒概率σ中止传播而转变成一个觉醒者，觉醒者将退出这条谣言的传播过程。同时传播者由于遗忘、突然醒悟或者其他因素的影响，即使不遇到谣言的传播者和觉醒者，也会自己转变成觉醒者，这个概率假设为δ。从而模型的动力学方程描述如下：

其中，Ik(t),Sk(t),Rk(t)分别表示度为k的用户中的无知者、传播者、觉醒者的密度。

(一)单层社交网络与多层社交网络上谣言传播的对比研究

首先比较单层社交网络和多层社交网络上的谣言传播过程。图5是单层和多层网络上传播者、觉醒者和无知者的密度随时间的变化图，其中传播概率设置为λ=0.1，觉醒概率分别设置为σ=0.1和δ=0.1。对比图5(a)和5(b)可见，多层网络中传播谣言的规模(觉醒者)远远大于单层网络中谣言的传播规模，这说明多层网络导致谣言传播规模的增加。

图5 谣言传播中传播者、觉醒者、无知者的比例随时间的演化

图6(a)是单层网络和多层网络中谣言的传播速度的对比图，从图中可以看出，在相同的传播率和恢复率下，谣言在多层网络中的传播速度要远远大于单层网络。图6(b)是单层网络和多层网络的谣言爆发阈值(箭头指示的是爆发阈值)的对比图，单层网络的谣言爆发阈值为0.07，多层网络的爆发阈值为0.02，表明谣言在多层网络比在单层网络中更容易爆发。通过传播规模、传播速度、爆发阈值的对比，可以得出，多层社交网络促进了谣言的传播和爆发，这是由于多个传播平台提供了更为丰富的传播途径，从而促进了信息的传播。

图6 单层网络和多层网络谣言传播速度、谣言爆发阈值对比

(二) 几何相关性对多层社交网络上谣言传播的影响

虽然谣言在多层网络比在单层网络中更容易传播，但是多层网络的传播效果并不是单层网络的简单叠加。由于现实的多层网络存在着明显的几何相关性，因此研究几何相关性对多层社交网络中谣言传播的影响可以帮助我们进一步了解现实的多层社交网络的真实传播效果。将原始的多层网络进行重构，将原始网络每层的节点的IP随机置乱，再随机将两层之间的节点相连构造成新的多层网络，称为“重构网络”。值得注意的是，这种重构方式仅破坏了多层网络的层与层之间的连边，每层网络的层内连边没有发生任何变化。因此重构网络的两层之间就不再有几何相关性，而原始的多层网络是具有几何相关性的，重构网络和原始的多层网络仅仅在层间的节点耦合方式上有区别。

图7是多层网络上传播者、觉醒者和无知者的密度随时间的变化图，其中传播概率设置为λ=0.1，觉醒概率分别设置为σ=0.1，δ=0.1。由图7可见，重构网络(无几何相关性)中传播谣言的用户数大于原始网络(有几何相关性)中传播谣言的用户数，这说明多层网络的几何相关性对谣言传播有抑制作用。从图8(a)原始网络和重构网络中谣言传播速度的对比图可以看出，重构网络中谣言的传播速度大于原始网络的谣言的传播速度，由此可见，几何相关性减慢了多层网络中谣言的传播速度。图8(b)是原始网络和重构网络的爆发阈值的对比图(箭头指示的是爆发阈值)，原始网络的爆发阈值为0.03，重构网络的爆发阈值为0.02，说明谣言在重构网络中更容易爆发。

图7 谣言传播中传播者、觉醒者、无知者的比例随时间的演化

图8 多层网络和重构网络的谣言传播速度和爆发阈值对比

五、结论

在线社交网络的普及和发展为信息传播带来了便利，与此同时也造成网络谣言的不断滋生和快速传播。网络谣言不仅妨碍社交网络用户获取真实的信息，更重要的是极具社会危害性，甚至会危害国家公共安全，因此研究在线网络的谣言传播至关重要。本文的研究表明，谣言在多层社交网络中的传播速度、传播规模都超过单层网络，且谣言在多层社交网络中更容易爆发。这说明多社交平台会促进谣言的传播，其原因在于多社交媒体提供了更为丰富的信息传播途径，用户的交流更加密切，从而比单层社交网络更容易传播谣言。另外，谣言在重构网络中的传播速度和传播规模均大于原始多层网络，并且谣言在重构网络中更容易爆发。这说明多层社交网络的传播效果并不是单层网络的简单叠加，在线社交网络的几何相关性抑制了谣言在多层网络中的传播。

因此，在多社交媒体时代，谣言的传播与扩散更加快速和难以遏止，这对政府和社交网站控制网络谣言提出了更高的要求。政府和社交网站可以根据网络谣言传播的机制与特点，充分利用多社交媒体的快速传播特性，用权威观点及时、积极地引导舆论流，正确应对与处理网络谣言，缩短谣言传播周期。另外，在专业辟谣网站上提供辟谣信息是控制网络谣言传播的重要途径，比如利用中国互联网联合辟谣平台、腾讯较真平台、新浪微博辟谣官方账号等许多专业辟谣网站开展联合辟谣。最后，为防止多层社交网络上谣言的快速传播，需要网络平台从源头遏制谣言，比如采用网络实名制，网络谣言在产生后容易追究，可以有效防止网民散布谣言。