新冠疫情下的SEIRD时滞性谣言传播模型及辟谣策略

唐梁鸿绪，王卫苹，王 昊，员曼曼，罗 熊，李建武

1) 北京科技大学计算机与通信工程学院，北京 100083 2) 北京科技大学顺德研究生院，佛山 528399 3) 材料领域知识工程北京市重点实验室，北京 100083 4) 中国信息通信研究院信息化与工业化融合研究所，北京 100191 5) 北京理工大学前沿技术研究院，济南 250300 6) 黄河科技学院工学部，郑州 450000

网络谣言，是指人为捏造的不符合事实并通过网络手段传播的言论. 随着互联网的高速发展，网络谣言的传播速度变得更快，危害更大. 2019年底，新型冠状病毒席卷全球，随之而来的相关网络谣言天然地获得了更大的流量与关注度，加之疫情之下人民群众面临心理高压，更容易接触并失去对疫情相关谣言信息的判断力，并最终导致谣言迅速发酵，造成极其不良的社会影响. 比如2020年1月31日晚“新华视点”微博号刊发文称“双黄连口服液可抑制新冠病毒”，该消息随后被主流官媒人民日报转载，并在两日内得到超过六亿次阅读量，最终导致全国各地民众大规模盲目哄抢、囤积双黄连药物，就连名称相似的双黄莲蓉月饼也一度脱销. “双黄连事件”不仅造成了人民群众大量经济财产损失，并且导致出现了擅自服用双黄连导致病情加重、抢购双黄连过程中被传染等严重影响后续疫情防治过程的情况. 由此可见，模拟并研究网络谣言的传播规律，以及制定一套遏制网络谣言蔓延的方法机制十分必要.

针对网络谣言传播模型的模拟问题，近年来国内外许多学者进行了大量深入的研究，提出了许多有效的研究方法，并建立了不同的网络谣言传播模型. 一些学者从行为导向对谣言传播的影响角度出发进行研究，如刘芳和李明涛[1]、丁学君和李临霄[2]、以及付伟等[3]分别在谣言传播模型中引入自发行为、辟谣行为、引导行为与模仿行为.而Hosni等[4]则基于个体和社会行为，将阻尼谐运动引入谣言传播过程. 也有一些学者如王筱莉等[5]和张菊平等[6]考虑到了遗忘机制对谣言传播的影响，设计并建立了谣言传播模型. 此外，谣言传播途径中个体节点间的相互影响因素也是值得考虑的：范纯龙等[7]考虑到了免疫节点对谣言传播的抑制作用与体间亲密度等因素对传播概率的影响；刘建友和李代平[8]在谣言传播过程中考虑了三元组结构对节点的影响并提出了三元组边免疫策略；罗靖宇和唐宁九[9]、以及Qiu等[10]则分别对邻居节点对于谣言传播可能产生的重大影响进行了研究；王晶晶等[11]则研究了社会关系网络结构与信息源节点对警报传播的影响. 不止如此，还有一些学者针对特定的网络结构进行研究，如Zhang和Zhu[12]在模型中引入了非授权网络描述谣言对不同群体间影响的差异. Chen等[13]则设计了具有饱和发生率的异构网络的谣言传播模型. Zhu等[14]、Dong等[15]和谭振华等[16]则分别研究了在线社交网络中的谣言传播. 一些学者更是在建构谣言传播模型时考虑了不同环境因素的影响，如蔚莹和殷雁君[17]针对突发事件人群聚集场所，引入了市民个性特征等因素对谣言传播及人群聚集规模的影响. 而赵敏等[18]则在谣言传播过程中引入正面与负面报道对谣言传播的影响，并改进了传统SIR(Susceptible, infected, recovered)模型.

虽然上述模型研究都实现了对网络谣言传播过程的模拟预测，并对谣言传播理论的建设做出了很大贡献. 但是，其中大部分模型没有考虑到谣言的传播、信谣与辟谣等过程存在着一定的滞后性. 针对于这种滞后性，有部分学者展开了研究.如朱霖河和李玲[19]在SIR模型中引入了时滞效应与辟谣机制. Zhu等[20]和Li[21]则分别在时滞性谣言传播模型基础上引入了强制沉默函数与饱和控制函数. Zhu等[22]提出了一种基于偏微分方程的延迟反应扩散谣言传播模型. Zhu等[23]更是考虑了谣言在时间与空间维度上的传播，设计出带时滞的偏微分方程谣言传播模型. 这些学者通过在模型中引入滞后性因素，使得模拟的场景更加贴近于实际生活中谣言的传播过程.

然而，仅仅在传播模型中考虑到滞后性是不够的. 在我们实际生活中的网络社交平台上，言论传播是存在政府监管的，对于一些发酵较为严重的谣言，政府等权威机构还会亲自进行权威性的辟谣. 基于这样的事实，一些学者展开了研究. 如张金鑫等[24]针对多账号传谣引入了网络监管因素. 而陈安等[25]则在模型中同时考虑了政府干预滞后性与个体信息接受从众效应. 这些对于政府监管与权威性辟谣因素的考虑，使得谣言传播过程中的环境因素更加贴合我们实际的网络环境.

随着互联网的高速发展，我国互联网网民不同学历占比也在不断发生变化，进而对网络谣言传播产生了不可忽略的作用. 考虑到群体知识水平对谣言传播过程的重要影响，Huo和Chen[26]设计了考虑社会科学知识水平的谣言动力学模型，更为严谨而系统性地证明了谣言在缺乏科学知识的群体中传播的更加迅速与广泛. 基于上述研究的重要结论，本文也将不同高等教育普及率对谣言传播过程的影响因素引入模型中，使得模型更加真实有效.

除了在谣言传播过程中引入不同影响因素外，对于谣言影响下网民群体的划分也是研究需要考虑的一个重要方向. 传统的SIR模型将网民群体简单划分为不知情者、信谣者与辟谣者，而实际上受谣言影响的网民群体划分应更为复杂. 基于此，不少学者对其加以改进，如石星星和叶海平[27]将人群分为谣言易感者、谣言传播者和谣言免疫者.王祁月等[28]在SIR 模型中引入了抑制者对谣言的辟谣机制. 而万贻平等[29]则在SIR模型基础上加入了谣言清除者，引入了谣言感染与清除机制并建立了SIERsEs(Spreader, ignorant, eliminater, rstifler,estifler)模型，进而发现看上去有效的谣言遏制策略有时可能反而对谣言传播有促进效果.

此外，也有学者提出了不同的语义文本检测方法，可以为谣言传播提供及时的检测与预警. 比如曹文斌等[30]基于语义角色分析，提出了一种实体属性抽取方法，可以为网络空间谣言传播提供检测及预警；而郑恒毅等[31]则提出了一种面向网络长文本的话题检测方法.

本文考虑到现实生活中网民存在一类坚定的难以被非权威机构辟谣的铁杆信谣者群体，以及存在接触谣言不久，还未对谣言选择相信或不信的潜在信谣者群体，于是在传统SIR模型中引入了铁杆信谣者与潜在信谣者，并针对上述模型中的优点与不足建立了SEIRD(Susceptible, exposed,infected, recovered, die-hard-infected)谣言传播模型，其改进如下：

(1) SEIRD模型在传统的SIR谣言传播模型中引入E类成员(潜在信谣者)，以模拟不知情者从接触谣言到信谣的滞后性，此外，还引入了D类成员(铁杆信谣者)，以模拟现实生活中网民存在的一类坚定的难以被非权威机构辟谣的铁杆信谣者群体；(2)模型考虑到了辟谣者群体与政府权威机构辟谣同样存在滞后性，并且基于现实生活中政府权威机构对谣言的辟谣通常更加滞后于网民中的辟谣者群体的事实，而设计了不同的辟谣警觉参数；(3)模型引入了高等教育普及率对谣言传播及辟谣过程的影响；(4)模型提出了用于衡量辟谣信息在网络中辟谣效果的辟谣系数.

1 问题分析及模型建立

1.1 SEIRD 谣言传播模型

本文的网络谣言传播SEIRD模型在传统网络谣言传播SIR模型中增加了E类潜在信谣者，并且增加了D类铁杆信谣者的群体划分. 并且，考虑到政府和网络舆情对于辟谣存在滞后性，设定了不同的辟谣警觉参数，也加入了高等教育普及率对谣言传播及辟谣过程的影响. SEIRD网络谣言传播模型流程图如图1所示. SEIRD模型将受网络谣言影响的网民划分为以下五类：

图1 SEIRD网络谣言传播模型流程图Fig.1 Flow chart of the SEIRD propagation model

（1）S 类 (Susceptible)，不知情者，指从未接触过谣言和辟谣信息的普通网民.

（2）E类 (Exposed)，潜在信谣者，指接触过谣言信息但还没有转化为信谣者的网民.

（3）I类 (Infected)，信谣者，指接触过谣言信息并最终相信谣言，且会将谣言信息继续传播出去的网民.

（4）R 类 (Recovered)，醒悟者，指从谣言中醒悟过来或不相信谣言的网民，会在网络上散布辟谣信息.

（5）D 类 (Die-hard-infected)，铁杆信谣者，指谣言的铁杆拥护者，拥有更强的谣言传播能力，并且不会被普通辟谣信息辟谣的网民.

1.2 模型假设

为了便于模型建立、分析与研究，而进行理想化假设：

（1）I类成员每天会传谣使得一定数量的S类成员转化为E类成员，在经历为期7 d的信谣期后还未被成功辟谣，则I类成员将转化为铁杆信谣者D类成员.

（2）E类成员表现和S类成员相同，不会传播谣言，也不会传播辟谣信息，可被辟谣. 若在为期3 d的潜在辟谣期内未被成功辟谣，则将转化为I类成员.

（3）R类成员不可被传谣. D类成员拥有更强的传谣能力，并且不会被R类成员辟谣. 政府权威机构辟谣可对D类成员辟谣.

（4）谣言比真相更令人容易接受.

（5）政府机构与R类成员的辟谣具有滞后性.

（6）初始网民群体划分为一定数量的S类成员（大多数人为不知情者），一定数量的R类成员（一部分人有相关专业知识，可以辨别相关谣言），以及1名D类成员（初始造谣者）.

1.3 符号说明

（1）A为网民模型总人数. S为现存不知情者人数，为行向量矩阵.

（4）R为目前醒悟者人数，为行向量矩阵. D为目前铁杆信谣者人数，为行向量矩阵.

（5）r为辟谣信息相较于谣言对于人们的接受程度，1代表人们对与二者接受程度相同.

（6）re为辟谣系数，用以描述网络中辟谣信息的辟谣能力. 本文认为辟谣信息的辟谣能力与①辟谣信息接受程度、②当前谣言事件网络舆情、③辟谣信息在辟谣信息与谣言信息中所占比例这三项因素有关. 对于谣言产生第t天有：辟谣信息接受程度为r；当前网络舆情可以用当前谣言事件信息(谣言+辟谣信息之和)占网络所有网民发布的信息的比例(1-S(t)/A)来描述；辟谣信息在辟谣信息与谣言信息中所占比例为(R(t)/(R(t)+I(t)+D(t))).

故对于第t天有：re = r×(1-S(t)/A)×(R(t)/(R(t)+I(t)+D(t))).

（7）I类成员相较于S类成员和E类成员更难被辟谣，对I类成员的辟谣系数rei取re/10.

（8）ci为S类成员经I类成员传谣后转化为E类成员的概率，cd为S类成员经D类成员传谣后转化为E类成员的概率.

（9）nn为I类与D类成员平均每天可接触到的总人数. n为I类与D类成员平均每天可接触到的S类成员人数，对于第t天，其值可认为是nn×(S(t)/A).

1.4 模型建立

根据以上模型假设建立数学模型，对于第t天，有：

进入潜在信谣期第1天的人数为前一天信谣者与铁杆信谣者成功传谣人数之和，n为第t天可能的被传谣的不知情者人数. 随后进入潜在信谣期第2、3天的人数为前一天人数减去被醒悟者辟谣的人数. 而第t天潜在信谣者总人数则为处在不同阶段的潜在信谣者人数之和.

进入信谣期第1天的人数为经过3 d潜在信谣期，仍未被辟谣的人数. 而处于信谣期各天数阶段的人数为前一天人数减去被辟谣人数，此处考虑到对信谣者辟谣相对困难，故将辟谣系数取原本的1/10. 而第t天信谣者总人数则为处在不同阶段的信谣者人数之和.

醒悟者不断散布辟谣信息，将一定比例的不知情者，潜在信谣者，信谣者转化为醒悟者，而那些经过3 d潜在信谣期，并在7 d的信谣期内未被辟谣的信谣者，将自动变为不可被醒悟者辟谣的铁杆信谣者.

出于对醒悟者及权威机构辟谣存在时滞性的考虑，本文设计辟谣警觉系数τ，其含义为当受到谣言负面影响的人（潜在信谣者，信谣者，或是铁杆信谣者）达到一定网民占比时，开始更新第t天的辟谣系数re. 本文认为醒悟者辟谣能力受到辟谣信息接受程度、当前谣言事件网络舆情、辟谣信息在辟谣信息与谣言信息中所占比例这三项因素的影响.

对于谣言产生第t天有：辟谣信息接受程度为r；当前网络舆情可以用当前谣言事件信息（谣言+辟谣信息之和）占网络所有网民发布的信息的比例(1-S(t)/A)来描述；辟谣信息在辟谣信息与谣言信息中所占比例为(R(t)/(R(t)+I(t)+D(t))).

而谣言能够影响到的不知情者人数n则与不知情者占总人数的比例(S(t)/A)有关. 于是有：

2 模型仿真

为验证本文提出模型的有效性，本文将其应用于建立我国网络谣言传播模型，并根据是否引入政府权威机构进行辟谣、辟谣是否具有滞后性、以及不同比例高等教育普及率进行分析与探讨.

2.1 小型群体网络谣言传播模型

本节设计了一个对于总人数1000人，初始醒悟者占总人口比例10%的为期50 d的普通小型网络谣言传播模型. 初始辟谣系数re设置为0，当τ达0.1以上时，认为醒悟者将察觉到谣言出现在网络环境中，并开始积极主动大范围辟谣. 选取实验参数 r为 0.1，ci为 0.03，cd为 0.05，nn为 50，实验结果如图2所示.

图2 SEIRD小型群体网络谣言传播模型Fig.2 SEIRD small group online rumor propagation model

从图2可以看出，由于醒悟者辟谣的滞后性，谣言出现约11 d后，醒悟者才察觉到谣言的出现并在网络散布辟谣信息，而此时已经积累了一定量的潜在信谣者和信谣者. 在20 d后，越来越多的信谣者成为了铁杆信谣者，而潜在信谣者也更多地转化为了信谣者，醒悟者的辟谣工作开始收效甚微. 模型模拟30 d后，谣言大战基本结束，网络环境中只剩下大多数铁杆信谣者，与少部分醒悟者彼此无法说服对方.

从结果来看，这是醒悟者的一次惨败. 面对两倍多的铁杆信谣者，此时的网络舆情可以说是乌烟瘴气，在网络中可以看到大部分都是谣言，敢于在网络中说出“真相”的人反而会被看成是“造谣者”. 所以，对于一个只有10%的人具有明辨是非能力的小型网络模型，谣言是极易传播和发酵的.这也解释了一些社会现象，比如在一个只有30人的班集体中，如果有人恶意对你进行造谣，当你察觉后很可能谣言已经人尽皆知. 并且如果你仅凭借个人努力而不借助老师、校方等权威机构进行辟谣，那么你大概率是无法扭转舆论导向，在谣言大战中失败的.

2.2 普及高等教育和权威机构辟谣对我国网络环境下谣言传播的影响

本节在小型群体网络谣言传播模型基础上将网民总数调整为9.4亿人，模拟了我国网络环境下谣言传播的过程. 通过调整各项参数，以探究高等教育普及率与是否引入政府权威机构辟谣对于存在时滞性的网络谣言传播的影响. 在引入政府权威机构辟谣因素时，考虑到其对于谣言的辟谣相比醒悟者个人进行网络辟谣的滞后性更高，本文将其τ值设定为达0.3以上时开始进行辟谣. 选取实验参数 r为 0.1，ci为 0.03，cd为 0.05，nn为 50，实验结果如图3所示.

图3 普及高等教育和权威机构对我国网络环境下谣言传播的影响. （a）SEIRD我国网络谣言传播模型；（b）引入权威机构辟谣的SEIRD我国网络谣言传播模型；（c）提高高等教育普及率的SEIRD我国网络谣言传播模型；（d）同时提高高等教育普及率并引入权威机构辟谣的SEIRD我国网络谣言传播模型Fig.3 Influence of popularized higher education and authoritative institutions on rumor propagation in China’s online environment: (a) China’s SEIRD online rumor propagation model; (b) China’s SEIRD authoritative rumor-refuting model; (c) China’s SEIRD model for increasing the popularizing rate of higher education; (d) China’s SEIRD model for both authoritative rumor-refuting and increasing the popularizing rate of higher education

图3(a)设计了一个基于我国9.4亿网民，其中高等教育普及率为18.8%的为期80 d的网络谣言传播模型. 图3 (b)在图3(a)的基础上引入了权威机构辟谣机制，并进行了180 d的模拟. 图3 (c)则在(a)的基础上将高等教育普及率提高至30.0%.而图3 (d)在图3(a)的基础上引入权威机构辟谣机制，并同时将高等教育普及率提高至30.0%，模拟180 d.

从图3 (a)可以看出由于醒悟者辟谣的滞后性，以及我国网民人口基数之大，谣言诞生起经过约50 d后，醒悟者才开始在网络中散布辟谣信息.最开始辟谣信息迅速取得成效，然而随着信谣者和铁杆信谣者比例的不断增加，辟谣工作越发艰难. 在模型模拟约60 d后，铁杆信谣者与醒悟者比例大致保持稳定，谣言大战由信谣者胜出. 谣言曲线也解释了一些社会现象：我们在网络中听说一些谣言时，很可能发现谣言已经传播有一段时间了，继续深入了解后还会发现，谣言已经在网络中培养出了一批信谣者，乃至坚定的铁杆信谣者. 这是由于谣言的传播和发酵需要一定的时间，最终才能在网络众多舆论中达到一定比例，被人们所察觉. 根据最终的谣言曲线可以看出，在这种具有9.4亿大基数人口，18.8%的醒悟者的网络模型之中，谣言的传播也是非常恐怖的. 在没有权威机构辟谣的介入之下，最终网民只会形成两个认知完全相反的群体，很容易引起社会恐慌乃至动荡.

图3 (b)在图3(a)的基础上引入了政府权威机构辟谣机制. 从图3 (b)中可以看出在模型模拟约70 d后，由于政府权威机构的辟谣介入，铁杆信谣者也开始发生动摇，转变为醒悟者. 最终，经过漫长的谣言大战，谣言将会被消灭. 图3(b)与图3(a)的最大不同就是引入了政府权威机构对谣言进行辟谣，这也是使得谣言大战结局发生扭转的关键因素. 现实生活中存在这样的人：不论如何对其进行辟谣，拿出什么样的辟谣证据，对方依旧可能继续相信谣言. 这种事情的发生一方面是由于谣言本身具有的易于传播、令人更易接受的特性；另一方面也是由于缺乏一锤定音的足够权威的政府机构组织进行权威性的辟谣. 由此可见，政府对于网络舆情的监管是必不可少的.

从图3 (c)可以看出，30%的高等教育普及率相较于图3(a)的18.8%，在前期很大程度上减缓了谣言传播的速度，并且本次模拟的谣言爆发期以及信谣者达到最高占比的时间相较于图3(a)都有不同程度的延后. 而最终结果则更是有了明显的逆转：醒悟者以微弱优势赢得了谣言大战，最终在网络舆论中看到的更多的还是辟谣信息，而非谣言. 然而，这样的结果也不容乐观，因为在网络中对于一件事情的描述真假几乎参半的情况下，将很难再从网络中获得什么可信的有用信息，可以说，网络舆情环境依然是被摧毁了. 不过，我们也要看到图3(c)提高全民高等教育普及率对于阻止网络谣言蔓延的重要作用. 考虑到它相较于谣言发酵后辟谣的高成本，提高全民高等教育普及率其实是在培养一个不利于网络谣言传播的良好的网络舆论土壤，是一个真正可持续发展的长久战略.

图3 (d)引入了权威机构辟谣机制，并提高全民高等教育普及率至30.0%. 通过将图3(d)与图3(b)、图3(c)进行对比可以看出：图3(d)的谣言爆发期晚于图3(b)，谣言传播前期抑制效果更强. 同时，图3(d)的铁杆信谣者与信谣者峰值均小于图3(b)，消灭谣言的时间也同时优于图3(b)和图3(c). 比起图3(c)最终形成醒悟者与铁杆信谣者的对立，图3(d)最终也能完全消灭谣言. 由此可见，良好的不易传播谣言的网络舆论土壤，加之有政府权威机构进行权威性辟谣，的确可以取得很不错的辟谣效果. 谣言传播很困难，图3(d)从模拟开始的180 d内，网民中醒悟者比例始终高于信谣者，也高于铁杆信谣者. 这意味着随时在网络中查询到的信息，更多的都是正确的、合适的辟谣信息. 并且，随着时间的推移，由于政府权威机构辟谣的介入，铁杆信谣者成员也逐渐醒悟，谣言最终会被消灭. 事实上，图3(d)采用的提高高等教育普及率+政府权威机构监管网络舆情并辟谣的方式，也更加接近于现实生活中我国的谣言传播环境. 相比于早年较为恶劣的网络谣言传播环境，如今由于高等教育的普及，加上更加完善的网络舆情监管体制，很多谣言在爆发前可能就已经被消灭，从而从未被你我所察觉.

2.3 不同高等教育普及率对于谣言传播的影响

在了解到提高高等教育普及率对于抑制谣言传播过程的积极作用后，本节在不引入权威机构辟谣的情况下放宽高等教育普及率范围，观察最终醒悟者与铁杆信谣者群体占网民总人口比例，以探究不同高等教育普及率对谣言大战结果的影响. 选取实验参数 r为 0.1，ci为 0.03，cd 为 0.05，nn为50，实验结果如图4所示.

从图4可以看出，提高高等教育普及率可以提高醒悟者群体最终占网民总人口比例，降低铁杆信谣者群体最终占网民总人口比例，对抑制谣言传播产生非常积极的作用. 值得注意的是，实验结果表明当高等教育普及率达到27.5%时，醒悟者与铁杆信谣者最终比例将相等. 根据第46次《中国互联网络发展状况统计报告》[32]可知，我国大学专科及以上学历水平网民占总网民比例为18.8%，与27.5%的高等教育普及率仍有一定差距. 不过高学历网民群体占比近年来成上涨趋势，相信随着我国教育水平的不断提高，抑制网络谣言传播的舆论土壤也能得到不断的改善.

图4 不同高等教育普及率对最终醒悟者与铁杆信谣者群体占网民总人口比例的影响Fig.4 Influence of different higher education popularizing rates on the proportion of the exposed and die-hard-infected in the total population of internet users

2.4 考虑“权威机构无滞后性辟谣+普及高等教育”的网络谣言传播模型

本节设计了一个基于我国9.4亿网民，其中受过大学专科及以上教育的网民群体占比30%的为期180 d的网络谣言传播模型，此外，还引入了政府权威机构对谣言进行权威性辟谣，政府权威机构的辟谣没有滞后性.

注意，此处的没有滞后性，指的是对于潜在信谣者E，信谣者I，以及铁杆信谣者D的辟谣没有滞后性. 对于不知情者S的辟谣（或者称之为科普）仍具有滞后性，这是由于政府机构不能够预知未来将要爆发何种谣言的传播，进而提前对网民进行辟谣（科普）. 对于不知情者S在谣言爆发前进行辟谣，本质上就是提高高等教育普及率，令其在学生时期就掌握相关知识，成为不被传谣的醒悟者R. 其余参数与我国网络谣言传播模型相同，实验结果如图5所示.

图5 考虑“权威机构无滞后性辟谣并且普及高等教育”的SEIRD网络谣言传播模型Fig.5 SEIRD model considering the authoritative rumor refutation without time lag and popularizing rate of the higher education

从图5可以看出，权威机构无滞后性辟谣加普及高等教育的模式对于阻止谣言的传播效果非常好. 谣言从开始传播约60 d后才开始逐渐小规模爆发. 由于每一个接触谣言的人都可以无滞后性地查阅辟谣平台进行自我辟谣，在约80 d后铁杆信谣者比例就开始不断下降，在传播半年时间内谣言便几乎消失殆尽.

针对政府权威机构辟谣无滞后性的可行性，本文进行一点探讨，并提出基于建立“辟谣平台”的辟谣策略，即建立一个与政府机构同等权威的辟谣平台. 辟谣平台中收录各种常见的谣言，并给出相应的辟谣信息. 撰写辟谣信息的人必须在该领域内足够专业，以维护辟谣平台的权威性. 而通过辟谣平台查询谣言信息的人则不做限制，还可以根据他们需求给出更容易理解的辟谣版本，比如对于教育背景不同的人可以提供更易于理解的实际例子，也可以给出更加学术性的理论证明. 辟谣平台建立后则通过网络、官方媒体等途径进行传播，成为网民手中可随时查阅的对抗谣言的法宝.

当然，辟谣平台建立后的维护工作也是非常重要的. 我们需要严格监管平台后台的运行，与政府、专业科研院所等权威机构合作，提供良好的对于辟谣信息内容质疑和反馈的渠道，谨防别有用心者利用辟谣平台传播“权威的谣言”，更要防止平台失去权威性与网民的信任. 由此，则可以达到当每个人接触到谣言时(潜在信谣者，信谣者，铁杆信谣者)，可随时查阅辟谣平台，无滞后性地完成对谣言的辟谣.

2.5 疫情期间谣言实例分析

本节选取疫情期间典型的谣言传播案例— —双黄连事件，利用SEIRD模型对其进行仿真模拟.结合微博平台话题数据以及“双黄连口服液”百度指数变化趋势，对仿真结果曲线进行分析. 通过对比是否引入权威机构辟谣机制，探求官方媒体辟谣对双黄连事件谣言传播的影响.

2.5.1 事件回顾

2020年1月31日晚22:46，“新华视点”微博账号发布消息称双黄连口服液可抑制新型冠状病毒，该消息于22:54被官方媒体人民日报转发，消息一出其点赞、评论及转发数立即破万，得到了网友广泛关注. 双黄连口服液的百度指数在1月30日至2月1日一路飙升并于2月1日达到顶峰，分别为 4077，352426及 788895，而该消息也于2月1日取得了超过6亿次的阅读量.

消息发布不久，全国各地就出现人们盲目哄抢、囤积双黄连药物等现象. 然而，在舆论发酵约8.5 h后，2月1日早7:33人民日报再次发布辟谣信息，称抑制不等于预防和治疗. 随着各大官媒纷纷转发辟谣信息，谣言逐渐消退，双黄连口服液百度指数于2月2日回落至54392.

本次谣言事件官方反应迅速，辟谣较为即时.但由于处于疫情时期，人民群众对疫情相关谣言关注度大大提高，加之谣言消息来源比较官方，故双黄连事件”依旧造成了人民群众大量经济财产损失，并且导致出现了擅自服用双黄连导致病情加重、抢购双黄连过程中被传染等严重影响后续疫情防治过程的情况.

2.5.2 模型仿真

双黄连事件期间，“双黄连可抑制新型冠状病毒”微博话题阅读量达22.2亿次，其相应辟谣信息“双黄连对新型冠状病毒不具针对性”微博话题阅读量达3.1亿次. 以谣言及辟谣话题关注度作为衡量群众对其接受程度，故双黄连事件r修改为0.15. 据微博2020用户发展报告可知，微博平台活跃用户约2亿. 模型选取t以小时为单位，8.5 h后权威机构介入辟谣，选择认证医护人员为初始醒悟者、普通微博用户为不知情者、接触谣言信息的人为潜在信谣者、选择相信谣言但不抢购双黄连的人为信谣者、相信谣言且会抢购双黄连的人为铁杆信谣者，实验结果如图6所示.

2.5.3 结果分析

从图6(a)曲线趋势可以看出，“双黄连事件”发生后1 d内便引起了大量关注，并且由于谣言属于医疗领域，初始醒悟者人数较少，而谣言发布者较为官方，谣言传播能力更强. 事件发生1 d后信谣者数量达到顶峰，1.5 d后铁杆信谣者数量达到顶峰. 在没有权威机构介入辟谣的情况下，40 h后微博用户群体达到稳定，铁杆信谣者数量远超醒悟者数量. 而从图6(b)可以看出，在事件发生8.5 h后引入权威机构辟谣，醒悟者比例迅速升高，潜在信谣者、信谣者及铁杆信谣者群体峰值高度较图6(a)大大降低，峰值来临时间较图6(a)有所提前，谣言传播迅速得到了控制，并于5 d后基本得到消灭.

然而值得注意的是，图6(b)中铁杆信谣者比例也曾一度超过20%，这也导致即使谣言出现8.5 h后权威机构就发布了辟谣信息，依然出现了群众盲目哄抢、囤积双黄连药物乃至影响后续疫情治理过程的情况. 而将辟谣信息发布时间提前至谣言出现4 h后，铁杆信谣者群体最高比例将下降至约10%. 由此可见，醒悟者及权威机构的辟谣行为在谣言传播开始后越早发生，对于抑制谣言传播过程效果越好.

图6 权威机构辟谣对双黄连事件谣言传播的影响. （a）无权威机构辟谣下的双黄连事件谣言传播模型；（b）有权威机构辟谣下的双黄连事件谣言传播模型Fig.6 Influence of authoritative rumor refutation on the rumor spread of the Shuanghuanglian incident: (a) SEIRD rumor propagation model of the Shuanghuanglian incident without authoritative rumor refutation; (b) SEIRD rumor propagation model of Shuanghuanglian incident with authoritative rumor refutation

3 结语

在互联网日益普及的今天，网络谣言的传播已经成了一个严重的社会问题. 尤其是在受到新冠疫情影响的当下，世界局势动荡，网络谣言的危害性更是会被放大. 本文通过提出的SEIRD模型建立了我国网络谣言传播模型，研究了一个网络谣言自诞生起，不知情者、潜在信谣者、信谣者、铁杆信谣者以及醒悟者这五类网民比例在有无政府辟谣、辟谣是否具有滞后性、以及网民不同比例高等教育率下的变化规律. 研究结果表明，提高全民高等教育普及率本质上是改善网络舆论环境，建立良好的不易传播谣言的网络舆论土壤，能够显著减缓谣言传播，降低传播峰值；与此同时政府权威机构介入辟谣，可通过权威性的辟谣将铁杆信谣者转变为醒悟者，对彻底消灭谣言起到了决定性作用. 此外，本文还提出了辟谣系数re的概念，以衡量辟谣者群体及政府权威机构的辟谣能力. 最后，研究发现消灭辟谣的滞后性对于抑制网络谣言传播同样有极大帮助. 为此，本文也给出了一种在未来通过建立权威的辟谣平台的网络谣言抑制策略，以减少甚至消灭政府辟谣的滞后性.