基于无标度网络的线上和线下谣言传播动力学模型分析

王赫

摘要：依托线上网络的谣言传播逐渐成为谣言传播的主要形式。本文考虑到线上和线下谣言传播途径的不同以及政府的管控力度，提出了一种新颖的基于无标度网络的[SO1O2E]谣言传播模型。本文求出了基本再生数[R0]及谣言消失的平衡点和谣言持久性平衡点。最后，揭示了底层网络的拓扑结构及政府的管控力度对基本再生数的影响。

关键词：[SO1O2E]谣言传播模型;无标度网络;稳定性;持久性

中图分类号： TP311        文献标识码：A

文章编号：1009-3044（2021）04-0251-02

谣言是一种社会交流表现形式，是思想的传播过程，真实性无法判断，并且对社会有很多的影响[1]。伴随线上网络通信的迅猛成长，在线谣言传播的现象也变得越发多了起来。互联网为谣言传播提供了新的方式，人们通过发邮件，撰写博客，使用在线聊天软件等其他在线方式去传播谣言虚假信息[2]。因此，在线谣言传播对社会安全造成了极大危害。DK谣言传播模型被Daley和Kendall在1965年提出并在之后被Maki和 Thomson使用数学理论方法进行了分析[3，4]。Zanette提出了谣言传播的阈值。一些学者通过建立无标度网络上的DK模型，发现网络的统一性对谣言传播的动态机制有关键影响[5-7]。最近几年，研究者们针对谣言的传播机制做了探讨，分析了谣言传播过程，为其减少社会危害性做出了贡献[8]。本文提出了一种具有线上和线下两种谣言传播者类型的动力学模型。

1 模型建立

我們提出了一类新颖的[SO1O2E]谣言传播模型。传播过程如图1所示。我们把节点分为四大类，易受影响类节点（[S]）容易被谣言影响的一类节点;线上谣言传播类节点（[O1]）基于线上传播谣言的一类节点;线下谣言传播类节点（[O2]）基于线下传播谣言的一类节点;被教育类节点（[E]）被教育后停止传播谣言的一类节点。在谣言传播过程中，S类节点会接触[O1]类传播节点和[O2]类传播节点然后会以[α]和[β]的概率成为[O1]类传播节点和[O2]类传播节点，在政府的管控下会以[e3]的概率成为[E]类被教育节点。[O1]类传播节点和[O2]类传播节点会以[a]和[b]的概率互相转换，并且会在政府的管控下以[e1]和[e2]的概率成为被教育者。假设，节点[Λ=δ=γ]。

3 结论

基于无标度网络，创新的[SO1O2E]谣言传播模型被提出。通过求取基本再生数[R0]，无谣言平衡点及谣言持久性平衡点，对谣言传播过程进行了分析。[R0<1]时，全局渐进稳定的情况存在于谣言消失平衡点。当[R0>1]时，谣言是持续存在的。同时我们通过基本再生数可以得知，政府的管控力度对谣言传播过程起着重要作用，尤其在谣言传播前，对谣言进行适当的预警和干预措施，会使谣言传播最大力度的减弱。该研究对于控制谣言的传播有一定的参考价值。

参考文献：

[1] Zhou J， Liu Z， Li B. Influence of network structure on rumor propagation[J]. Physics Letters A， 2007， 368（6）：458-463.

[2] Nan Z， Hong H， Boni S， et al. Information Dissemination Analysis of Different Media towards the Application for Disaster Pre-Warning[J]. Plos One， 2014， 9（5）：e98649.

[3] D J DALEY， D G KENDALL. Epidemics and Rumours [49][J]. Nature， 1965， 204（4963）：1118.

[4] Kwon S， Cha M， Jung K， Chen W， Wang Y. Prominent features of rumor propagation in online social media. in Proceedings of the 13th International Conference on Data Mining， 2013; 1103–1108.

[5] F. Chierichetti， S. Lattanzi， A. Panconesi， Rumor spreading in social networks， Theoret. in Comput. Sci， 2011，412 （24）： 2602–2610.

[6]B . Doerr， M. Fouz， T. Friedrich， Social networks spread rumors in sublogarithmic time， Electron. in Notes Discrete Math， 2011， 303–308

[7] X.Z. Zhang， Y.B. Zhang， T. Lv， et al.， Identification of efficient observers for locating spreading source in complex networks， in Physica A， 2016，442：100–109.

[8] L. Zhao， X. Qiu， X. Wang， J. Wang， Rumor spreading model considering forgetting and remembering mechanisms in inhomogeneous networks， in Physica A， 2013， 392： 987–994.

[9] Van d D P， Watmough J. Reproduction numbers and sub-threshold endemic equilibria for compartmental models of disease transmission. Mathematical Biosciences， 2002， 180（1-2）：29-48

【通联编辑：唐一东】