自媒体时代的消息传播问题分析

媒体时代的消息传播问题分析

摘要

本文针对自媒体平台上信息传播过程问题，选择合适的自媒体平台和信息

建立一系列相应的模型。文中通过类比生物学中喳播病的传播方式和物种增长

的特点，分别建立改善日勺SIR传播模型、关联信息互相作用H勺IDM模型等。然

后使用MATLEB,R软件，通过具体数据，定量地对模型进行仿真模拟，探究出

不同类型在同一自媒体和相似类型在不同自媒体中传播过程H勺差别，并根据建

立口勺有关模型，给自媒体平台管理提出意见。

针对问题一，建立SIR传播模型，用以研究信息在自媒体平台上传播过程。

一方面，选用很具有代表性日勺自媒体平台微博，作为信息发布的平台，并对其信

息传播特点进行分析。然后运用物理学中平均场近似法，把微博网络H勺节点信

息交互作用平均化，并把微博的所有顾客看做一种种群，把信息在微博顾客中的

传播看做病毒在种群中日勺传播，把各个顾客看做节点，最后在此基础上，建立SI

R传染模型，达到合理对信息在自媒体平台传播过程的模拟。

针对问题二，建立关联信息之间互相作用的1DM模型，解决两个有关联信

息之间口勺泛化竞争传播问题。根据SIR传播模型II勺基础上，把两个互相关联日勺

信息在自媒体中的传播，分解为在子网络中日勺子让增长过程和不同子网络间的

扩散问题。对Fisher模型和DiffusiveLogistic模型进行改善，建立关联信息之

间互相作用H勺IDM模型，得出两个有关联信息之间互相增进或克制的条件，进

而得出关联信息浮现后，原信息的传播变化。

针对问题三，在SIR传播模型时基础上，通过采集历史具体数据，定量的对

不同类型的信息在相似自媒体平台和相似信息在不同自媒体平台中传播过程进

行模拟，通过可视化的成果，具体分析出存在的相似与差别，并对问题一模型进

行定量的验证。

针对问题四，在SIR传模型播关联信息互相的IDM的）模型以及问题三定量

的验证日勺基础上，在自媒体管理日勺管理中，对于不良信息，管者不能听之任之，

应做到在核心节点，进行“疏”，“堵”有度，科学控管。

核心词：自媒体SIR传播模型IDM模型信息传播

Abstrct

Inthispaper,aimingattheprocessofinformationdisseminationfromthe

mediaplatform,wechooseasuitableseriesofmediaplatformsandinformatio

ntoestablishaseriesofcorrespondingmodels.Inthispaper,theimprovedSIR

propagationmodelandtheIDMmodeloftheinteractionoftheinformationa

reestablishedbythepropagationmodeofthetransmissiondiseaseandthecha

racteristiesofthespeciesgrowthintheanalogybiology.Then,weuseMATLE

B,Rsoftwaretosimulatethemodelquantitativelythroughtheconcretedata,a

ndfindoutthedifferenceofdifferenttypesinthesamemediaandthesamet

ypeofpropagationindifferentmedia.Accordingtotherelevantmodel,Platfor

inmanagement.

Fortheproblemone,theSIRpropagationmodelisestablishedtostudyth

epropagationofinformationonthemediaplatform.Firstofall,selectaveryr

epresentativefromthemediaplatformmicroblogging,asaplatformforinforma

liondibseiiiiiialion,anditsiiifuniialiondisseiniualionuharaclerisliubofthemialy

sis.Andthenusetheaveragefieldapproximationinphysics,themicroblogging

networknodeinformationinteractionisaveraged,andthemicrobloggingofall

usersasapopulation,theinformationinthemicrobloggingusersasthespread

ofthevirusinthepopulationCommunication,theuserasanode,andfinally

onthisbasis,theestablishmentofSIRinfectionmodel,toachieveareasonab

leinformationinthemediaplatformfromtheprocessofsimulation.

Inordertosolvetheproblem,theIDMmodeloftheinteractionbetween

therelatedinformationisestablished,andtheproblemofgeneralizedcompetiti

onpropagationbetweenthetworelatedinformationissoived.thediffusionproc

essinthesub-networkandthediffusionbetweendifferentsub-networks.Th

eFishermodelandtheDiffusiveLogisticmodelareimprovedtoestablishthe

IDMmodeloftheinteractionbetweentherelatedinformation,andtheconditio

nsofmutualpromotionorsuppressionbetweenthetworelatedinformationare

obtained.Thcn,aftertheoccurrenceoftherelatedinformation,thepropagation

oftheoriginalinformationThe

BasedontheSIRpropagationmodel,thedataofdifferenttypesofinform

ationaresimulatedinthesamemediaplatformandthesameinformationindi

fferentmediaplatformsbycollectingthehistoricaldata.Throughthevisualizatio

nresults,Analyzestheexistingsimilaritiesanddifferences,andquantifiesthe

problem-modelquantitatively.

Inthecaseofthemanagementofthemediamanagement,forthebadinf

ormation,thesupervisorcannotletitbe,andshouldbedoneatthekeynod

e,andinthecaseoftheIDMmodeloftheSIRtransmissionmodel,Tocarry

out"sparse11,"blocking'1adegree,scientificcontrol.

Keywords:mediaSIRpropagationmodelIDMmodelinformationdissemin

ation

1.问题重述

电视剧《人民日勺名义》中人物侯亮平说：“目前是自媒体时代，任何突发性

事件几分钟就传播到全世界。”相对于老式媒体，以互联网技术为基础的自

媒体以其信息传播日勺即时性、交往方式日勺平等性和交往身份日勺虚拟性等冷

点，已经成为公民获取信息、体现情感与思想、参与社会公共生活日勺重要载

体，并逐渐渗入到政治、经济、文化、社会等诸多领域。本文将结合实际

状况，建立数学模空，解决如下问题：

1.我们将建立一条消息在自媒体平台上传播的数学模型，并以“中共中央、

国务院决定设立河北雄安新区”这条消息为例，分析其传播过程。

2.若某条消息在自媒体传播的过程中，如果浮现了新的与之高度关联的消息

（例如有关单位或出名人士发布了新的消息），建立数学模型，分析并阐明

新消息浮现后传播过程的变化状况

3•建立数学模型分析（1）不同类型的消息在自媒体传播过程中与否存在差

别？（2）同一消息在不同自媒体平台上传播与否存在差别？并通过数值

算例进行验证。

2.4.结合所建立的模型，写一份分析

报告，论述对自媒体时代消息传播的见解

或见解，并进一步提出自媒体平台管理的

建议。

3.问题分析

本文研究的信息在自媒体平台的传播问题，对本问题的求解分为个环节：

第一、运用文献资料查找出各类自媒体平台H勺特点，并选用微博此类主流的自

媒体平台为代表作深层次的探究。。第二、由于信息在微博口勺传播机制和传染病

非常类似，我们将某一条信息类比成某个物种，把自媒体中日勺所有顾客以及计交

关系相称于整个生态圈，信息在自媒体中的传播过程，相称于生物从一种种群运

用所在的生态环境中的资源来发展自身规模口勺过程，因此选用适合传染病传播

的SIR模型并参照了Fisher模型和DiffusiveLogistic模型之后，提出IDM模

型。第三、通过所建立H勺模型分析并仿真了消息在自媒体平台的传播过程。第

四、，综合分析问题一、二、三的结论论述了我们对自媒体时代消息传播的见

解或见解，向自媒体管理平台提出有关自媒体平台管理的建议。

木文的总体结题思路如图所示。

二

£

n

(a?

一a

K

T

为i

£比较结果

s

%

K

提出建议

问题二问题四

图1解题思路流程图

具体问题的分析：

(1)问题一H勺分析

问题一规定我们以中共中央、国务院决定设立河北雄安新区”这条消息为

例，分析其传播过程。针对问题一，一方面，分析消息在自媒体平台的传播机制,

发现信息传播的机制和传染病传播机制同样，我们选用微博这一主流自媒体平

台为代表进行研究。在认真日勺分析了微博传播的特点之后，我们发现，微博传播

信息的特点符合传染病模型即SIR模型，但是，微博传播的过程尽管和传染病的

传播很类似，但是还是有很大不同，因此我们需要对老式的SIR模型改善。

(2)问题二H勺分析

问题二规定我们建立了数学模型，分析并阐明当某条消息在自媒体传播的

过程中，浮现了新的与之高度关联的消息之后的传播过程的变化状况，受问题分

析成果的影响，针对问题二，我们将某一条信息类比成某个物种，把自媒体中的

所有顾客以及社交关系相称于整个生态圈，信息在自媒体中日勺传播过程，相称于

生物从一种种群运用所在的生态环境中的资源来发展自身规模的过程。我们参

照Fisher模型和DiffusiveLogistic模型之后，提出IDM模型。

(3)问题三H勺分析

问题三规定通过布比分析探究不同类型日勺信息在相似自媒体平台和相似类

型H勺信息在不同自媒体平台上的传播过程的与否存在差别，因此，需要在问题一

建立的SIR感染模型的基础上通过采集到的定量数据代入模型进行验证，进而

得到可视化成果，通过比较成果日勺差别从而得出信息在自媒体中真实日勺传播过

程。

（4）问题四日勺分析

问题四规定我们根据问题一、二、三的研究成果，写一份报告，论述我们对

自媒体时代消息传播的见解或见解，向自媒体管理平台提出有关自媒体平台管

理日勺建议。针对问题四，在本文研究成果的基础上结合实际状况，论述了我们队

对自媒体时代消息传播日勺见解和见解，最后我们想自媒体管理平台平台提出了

有关自媒体管理H勺建议。

4.模型假设

假设一：所针对日勺自媒体平台顾客短时间内数量基本不变;

假设二：不考虑独特日勺信息类型；

假设三：假设各类信息传播条件相似；

假设四：假设只考虑信息日勺三个指标；

4.符号阐明

符号含义

U微博顾客节点的有限集合

N节点总数目

S未据说过信息的微博网络节点

据说过信息并传播的微博网络节点

R听到过信息但并不传播的微博网络节点

S⑴未感染节点密度

Kt传播节点密度

R⑴免疫节点密度

微博网络中的平均节点度

入伙)S转化为I的概率

K转化为不传播信息的R的概率

n(k)S与R交互时S转化为R的概率

d表达子网络中点到相应信息源的跳数

5.模型的建立与求解

5.1改善的SIR传播模型

自媒体时代已经到来，所谓自媒体，是指私人化、平民化、普泛化、自主

化的传播者，以现代化、电子化的手段，向不特定的大多数或者特定的单个人

传递规范性及非规范性信息的新媒体时总称。自媒体平台涉及：博客、微博、

微信、百度官方贴吧、论坛/BBS等网络社区［1］。微博是自媒体时代较为具有

代表性的产物，因此对于问题一，重要以“中共中央、国务院决定设立河北雄

安新区”这条消息在微博的传播为例，建立其模型并分析其传播过程

5.1.1传播特点分析及模型选择

在微博平台中，每个顾客可以都看到他们所关注的顾客发布口勺微博，并且会

以一定口勺概率评论转发，评论转发的微博同样也会被其他关注的顾客看到.在微

博日勺信息传播过程中，相信信息的真实性并且转发微博日勺顾客成为信息传播

者；如果对信息日勺内容不感爱好或者从一开始就不相信信息U勺真实性从而不转

发，这些顾客成为信息免疫者。而微博信息的传播过程可以较好地满足以上三

个假设.一方面，某条微博H勺转发人数是一种拟定的数；另一方面，每个读过己

转发顾客微博均有也许再次转发；并且已转发的读者里有相称一部分不会再次

转发。因此我们选用SIR模型⑵对微博信息的传播进行仿真，并以此讨论其传

播规律。SIR模型的大体过程如下：

图2SIR模型图

5.1.2模型的构建与求解：

（1）微博网络：微博网络符合小世界网络的特性，由于小世界网络的度是

符合骞指数分布口勺，因此微博网络可以被觉得是所有节点时度都近似相等的均

匀网络.运用记录物理学中日勺平均场近似措施，忽视那些局部不平等的互相作

用，把微博网络中的节点信息交互作用平均化.由此微博网络可表达为一种二元

组{U,T}。U代表微博顾客节点日勺有限集合，ui£U代表具体的节点，令节点总

数目为N,则

U={ul,u2,…,nN}；

T为UXU时任一子集合,T={(uituj)\ui,uj^U/o

若存在(ui,uj)eT,则表达ui与uj进行信息交互，即阅读微博、转发或

者评论微博。

(2)信息传播网络：微博中的信息传播网络可表达为一种四元组{S,I,R,

T)。

S代表从未据说过信息H勺微博网络节点，处在未感染状态，类似于传染病

模型中的易感者，设总数为1,

S={sl,s2,…,sl}c

I代表据说过信息并传播的微博网络节点，处在传播状态，类似于传染病模

型中的感染者，设总数为m,则有：

I={il,i2,…,bn}.

R代表听到过信息但并不传播的微博网络节点，处在免疫状态，类似7传

染病模型中的免疫者，设总数为n,则：，

R={0,2…

其中ScU,icU,RCU,并且

l+m+n=N.

有六种状况，代表着，以及互相交互的6种成果，即微博网络中信息交互

有6种状况，分别如下图所示是：

第③种状况第④种状况

第⑤种状况第⑥种状况

图3信息交互转化图

由以上6种交互成果来看，产生变化的有三和，分别是第②、第③和第⑤种

状况.其中第③种状况显示si没有通过ii的状态转换，而是直接变为ri,产生

了直接免疫日勺状况。

引进封闭世界假设，即信息从微博网络中产生，并且信息仅在微博网络中传

播.同步，假设微博网络中未感染节点和传播节点均匀混合.根据上面的有美

定义和假设，研究微博信息传播规律和预测措施.

(3)节点密度

微博网络中，S⑴表达群体中在t时刻，处在未感染状态的节点占微博网络

节点总数的比例，称为未感染节点密度；I⑴表达群体中在t时刻，处在传播状态

的节点占微博网络节点总数日勺比例，称为传播节点密度；R⑴表达群体在t时刻,

处在免疫状态的节点占微博网络节点总数日勺比例，称为免疫节点密度.

S⑴,1⑴,R⑴三者满足归一化条件:

R(t)+I(t)+S(t)=J.

本文只建立一般状况下口勺数学模型，也即人口的总数不发生变动，不考虑出

生率和死亡率对人群n勺影响，我们将人群中所有口勺个体N提成三类：即易感染

者、己感染者、己免疫者。其中，易感染者以一定概率I1被己感染者感染，己感

染者以一定概率□被治愈后变成已免疫者，已免疫者由于有了抗体不会再次被感

染。

基于以上的阐明，我们把未转发的终端S看作易感染者，将已经转发微加了

的终端I看作已感染者，将已沉没的顾客R看作已经治愈者，t为单位时间，那

么SIR模型就可以用来描述“雄安新区”这条消息在自媒体平台微博上的传播

过程，相应的微分方程模型为：

dS(t)/dt=-/7(A:)5(/)/(/)(1)

d/(t)/di=//(k)S⑺I(r)邛(Z)1Ct)(2)

d/?(t)/dt=/(%)/(，)(3)

(4)转换概率

k为微博网络中的平均节点度,则:4(k):从未听过信息的S遇到传播信息

的/时S转化为1的概率;B(k):传播信息『、Jk转化为不传播信息界JR的概

率；〃(k):当S与R交互时S转化为R的概率.

(5)直接免疫

在SIR消息息传播模型中，易感者必须通过传播者这个状态才干转变成免

疫者，即上文中T口勺6种状况中第②和第⑤种状况，免疫者对易感者没有

影响，但是对于现实社会微博网络中的信息传播，必须要考虑到信息免疫者对信

息易感者的影响[3].

微博网络中互动性非常强，其中信息易感者和信息免疫者双方群体人数

的变化与他们互相接触是有关系的，信息易感者在与信息免疫者互动后会以一

定概率转变为信息免疫者，一部分信息易感者在理解事实真相后转变为信息免

疫者。易感者与信息免疫者在对话题的讨论中可使信息易感者直接转变为信息

免疫者，即直接免疫.

在交互中表达si与rj接触，si会以一定概率变为ri,rj不变，即T中第③种状

况(si,可)一(ri,ij).

在本文提出日勺改善SIR微博信息传播模型微分方程中用n<k>S⑴R⑴这一项来表

达直接免疫.n<k>S⑴R⑴在微博网络中代表未感染节点与免疫节点交互后，未

感染节点转换为免疫节点的那一部分.

直接免疫性质：

性质l.n<k>S(t)R(t)会减少未感染节点的密度，在原则SIR微博信息传播模

型微分方程组中第一种式子中要减去这一项；

性质2.n<k>S⑴R")会加快免疫节点的密度，在原贝ijSIR微博信息传播模型

微分方程组中第三个式子中要加上这一项.考到直接免疫日勺状况，本文提出的I

改善的SIR微博信息传播模型微分方程如下：

dS⑺/dr=-/kQ/Q)S(。-〃伏似。R⑺(4)

d/(r)/dz=2<^>/(t)S(t)-fi<k>I(t)(5)

dR(t)/dt=^<k>l(t)+n<k>S(t)R(t)(6)

在式(4)(5)(6)微分方程组中：第一种方程表达未感染节点密度的变化率；

第二个方程表达传播节点密度的变化率；第三个方程表达免疫节点密度的变化

率.微博信息传播模型微分方程中日勺入<k>,B<k>及n<k>无法直接求得，不文

根据原始数据，运用最小二乘法，使得拟合数据点与原始数据点的距离平方和最

小，从而计算求出微博信息传播模型微分方程的转化概率.初始条件：初始时刻

信息在微博网络中传播，绝大部分节点为未感染节点，传播节点很少，没有免疫

节点.假设节点随机均匀分布在整个微博网络中，从而可得改善SIR微博信息传

播模型初始条件：

S(0)引；

/(0)=0；

R(0)«0；

稳定状态：随着信息在微博网络中口勺传播，S⑴会随着时间的推移逐渐减少

到0;I⑴随着时间的推移会达到一种峰值，然后冉逐渐减少到0；R(t)随着时

间H勺推移逐渐逼近数值1,从而可得改善SIR微博信息传播模型稳定状态：

lim5(f)=lim/(r)=0;

t-KOZ-KO

lim=

t-KO

局部稳定解：对于改善『、JSIR微博信息传播模型式(4)(5)(6)微分方程组R

(t)=l-S(t)-I(t),因此考虑前两个式子,令dS⑴/dt=O并且由⑴/dt得到式⑵的局部

稳解(平衡点)(s,i)=(1,0),(0,0)或()

其中,(s,i)=(1,0)和(s,i)=(0,0)，

为改善SIR传播模型初始状态和稳定状态，为改善SIR微博信息传播模型

的局部平衡点.

由以上初始条件和稳定状态，根据改善SIR微博信息传播模型，在微博网站

中信息日勺传播过程和规律如下：

(I)在某个话题信息开始传播H勺初始时刻，一小部分节点为传播节点，

其他所有节占为未感染节占•

(11’)在每个时刻;2内，传播节点向所有节点传播信息，未感染节点以

一定概率转变成传播节点；

(in)在每个时刻t之内，某些传播节点对信息不再感爱好，以一定概率

转变成免疫节点；

(N)考虑直接免疫日勺状况，在每个时刻［之内，如果未感染节点与免疫

节点连接，未感染节点会以一定概率跳过传播状态直接转变成免疫节点；

(V)随着时间推移，最后网络中所有的节点都转变成免疫节点.

5.2有关信息互相作用时/0M模型

对问题一通过建立改善欧JSIR信息传播日勺病毒感染模型，已经懂得某条信

息在自媒体日勺一般传播过程，在此基础上如果浮现了新日勺与之高度关联日勺消息，

那么在新消息浮现后，本来的信息的传播过程将发生什么变化？这是我们接

下来要研究的方向。

信息在自媒体中的传播情形类似于物种增长，因此，我们在问题一的启发

下，将一条信息类比成某个物种，把自媒体中的所有顾客以及社交关系相称于整

个生态圈，信息在自媒体中的传播过程，相称于生物从一种种群运用所在的生态

环境中的资源来发展自身规模日勺过程。我们参照Fisher模型和DiffusiveLogisti

c模型之后,提出IDM(InteractionDiffurionModel)模型［4］。关联信息之间的J

互相作用如下图所示：

信息Y

X抑制Y

Y抑制X

图4两个关联信息互相作用图

当社交网络中只rr两个有美联信息同步传揩时，需要将信息日勺传播过程分

解成在同子网络内传播日勺自然增长过程和在不同子网间传播H勺扩散过程，与Fi

sher模型［5］和DiffusiveLogistic模型［6］不同，TDM模型觉得由于信息源对

节点的影响力随着节点到信息源跳数口勺增加而有所变化。因此，在每个到信息

源不同跳数口勺子网络中，Fisher模型中的参数应当是不同的。为理解决这个问

题，我们将Fisher模型中的常数参数变换为和子网络中节点到信息源口勺跳数有

关的函数：

不用”仇m）x（f⑷”如）+，辛）

ay（d,t）d2Y（d4）

=（%（d）-b1（d）x⑺—G（d）Y⑺y（d,。+D,

dt

x⑴=Zx（"J）

d=i

y（t）=£ym/）

d=\

其中：d表达子网络中点到相应信息源日勺跳数：

X（d#表达在t时刻距离信息X的源头d跳的子网络中信息X日勺数量;

同理，表达在t时刻距离信息Y的源头跳欧|子网络中信息Y日勺数量；

表达在距离信息X欧J源头d跳的子网络中信息x日勺logistic参数，也就

是logistic模型中自然增长率；同理，表不在距离信息Y日勺源头d跳的子网

络中信息Y日勺logistic参数;

表达在距离信息X的源头d跳的子网络中信息XH勺自增长参数，其值与自

然增长率和子网络对信息的最大容量有关；同理，却表达在距离信息Y的源头

d跳的子网络中信息YH勺自增长参数；

表达全局环境中信息Y的增长对在距离信息X的源头d跳日勺子

网络中信息X增长的影响参数：如果信息Y的传播有助于信息X的

传播，如果信息Y的传播会克制信息X的传播；同理，表达全局

环境中信息X的增长对在距离信息Y的源头d跳的子网络中信息Y

增长的影响参数：如果,信息X的传播有助于信息Y的传播，如果

,信息X的传播会克制信息Y的传播。

5.3自媒体信息传播过程中的定量验证

5.3.1信息的I分类

下面我们对消息进行目的性分类。一方面，我们把那些不可预料到H勺属于

不可抗力下亳无预兆和征兆下发生的意外不为人所能控制的事件称为突发事件，

突发事件具有日勺性质成为突发性，能传递突发性事件的I信息我们称为突发性信

息。另一方面，对于大占比的群众的影响较重口勺属于政府或较大事物机构所决

策的事件称为公众性事件，一则可以向群众传递此类事件的J消息我们称之为公

众性信息、。再次，生活中的娱乐八卦事件时常发生，我们将此类较平常日勺娱乐为

主的消息称为娱乐消遣信息。最后，将生活中所能获知的其他消息统•规划为

其他类信息。信息分类图如下：

发性信息

图5网络信息分类图

5.3.2不同信息类型在微博中传播过程的对比分析

在问题一中我们建立起了公众性信息“中共中央、国务院决定设立河北雄安新

区”在微博SIR传播模型，为了进行对比选用突发性信息“-07-06

广东龙门发生客车仰.翻事故，致19人死亡多人受伤”的J新闻为例，在微博中日勺传播过

程进行对比，收集的历史数据如下:

表1示例转发量数据表

天数信息A/转发数信息B/转发数

03210

132767

2945198

34074986

4192075687

52807911089

63800912450

74172313569

84452314624

94540315729

104693715789

114693715854

124710215894

134719915936

144720615940

154731515944

注信息A为“中共中央、国务院决定设立河北雄安新区”，信息B为“-07-06广东

龙门发生客车侧翻事故，致19人死亡多人受伤”。

根据微博日勺传播特点，1条微博信息平均5小时就会被沉没，即其别人不

会再看到这条信息，根据这种特点，分别把数据带入问题一建立日勺SIR感染模

型，对转发数进行分析，转发趋势图如下：

图6微博发趋势图

通过上图变化趋势，可以看出，对于两条不同的数据的转发过程中的大体

趋势大体一致，都是逐渐增多，最后去趋于稳定，但是具体的传播过程去存在差

别，例如数据A大体从第三天开始突增，大概在第10天左右开始趋于稳定，而

信息B和信息A的传播时间和最大平稳点却存在差别。

接下来根据前文定义中微博网络信息的传播规则，设定总节点数为N,初

始时刻设定m个传播节点，0个免疫节点，则有N-m个未感染节点.根据传

播规则，每个时刻三种节点数目都会相应变化，记录每个时刻时未感染节点、

传播节点和免疫节点的数目，通过微博历史数据进而可以得到各时刻信

息A和信息B三种节点的密度，即S(t),I(t),R(t),S7t),l7t),R"

(t)的具体数据.具体数据如下表：

表2信息节点密度表

天数S(t)I(t)R(t)S«t)r(t)I，(t)

10.9180.08200.90020.09980

20.8220.14930.02870.79470.1650.0403

30.68010.24190.0780.48450.32230.1932

40.51220.3360.15170.33690.3620.301

50.35680.39740.24580.21870.3560.425

60.23950.4110.34950.15150.3270.5211

70.16190.38680.45140.09010.28490.6251

80.11330.34250.54420.07220.25670.6711

90.08310.29210.64280.04050.19590.7634

100.0640.24330.69270.03910.17130.7896

110.05160.19960.74880.01730.11950.8632

120.04320.16210.79460.0050.10950.8855

130.03750.13080.83170.00210.06620.9317

140.03340.1050.86150.00520.06850.9262

150.03050.08410.88540.00750.03720.9552

将上表中的数据带入问题一口勺SIR感染模型，得到各个各时刻信息A和信

息B节点密度图总体趋势图，节点密度图如下：

信息A

图7信息A节点密度图

信息A为“中共中央、国务院决定设立河北雄安新区”这一消息，此消息

为公众性信息，公众性信息的特点在上图中清晰呈现：转发速度相对较缓，但较

为持续，在第六天转发量达到最高峰，微博信息沉没速度也是以低速率增长H勺。

以上种种情形的产生也符合公众性事件自身的特质。

信息B

图8信息B节点密度图

信息B为"-07-06广东龙门发生客车侧翻事故，致19人死亡多人受伤”这

一消息、，此消息为突发性信息：转发率增长速率较大，在第四天转发量达到顶峰,

但沉没速度较快，切热度下降快某些，基本符合突发性事件热度升日勺快，降的

也快的特点。

综上所诉，不同类型的信息在同一自媒体传播的过程中，节点密度图的趋

势是大体相似的，但是传播的时间以及传染的速度却存在差别。其即响的重要

因素是信息自身的性质，即信息与该自媒体平台向顾客群体之间的关联限度。

5.3.2同一信息在不同平台中的传播过程分析

在自媒体时代，微博和微信是最具有代表性日勺两个平台，微博和微信的，'专播

途径大体相似，但的是相比于微博中H勺信息传播，微信有其独特的特点，顾客

在微信中，发布一条信息，只有各自的好友能看到，因此信息的传播只能是各自

好友之间的传播，因此其传播形式大大简化。我们还以“中共中央、国务院决

定设立河北雄安新区”这个信息为例，根据历史具体数据，进行比较分析，探究

相似信息，再不同自媒体平台上传播的差别。

设定总节点数为N初始时刻设定m个传播节点，0个免疫节点，则有N-

m个未感染节点.根据传播规则，每个时刻三种节点数目都会相应变化，记录

每个时刻的未感染节点、传播节点和免疫节点的数目，通过微博和微信的历史

数据进而可以得到各时刻该信息再微博和微信上的三种节点的密

度，即S(t)⑴,S⑴*,I⑴*,R⑴*的具体数据.具体数据如下表：

表3节点密度表

天数S(t)I(t)R(t)S(t)*I(t)*R(t)*

10.9180.08200.9280.0520

20.8220.14930.02870.91220.06910.0187

30.68010.24190.0780.88010.06950.058

40.51220.3360.15170.83220.08610.0817

50.35680.39740.24580.75680.10740.1358

60.23950.4110.34950.63950.2510.2095

70.16190.38680.45140.46190.38670.3514

80.11330.34250.54420.35330.27520.4742

90.08310.29210.64280.25310.14410.6028

100.0640.24330.69270.15640.11020.6927

110.05160.19960.74880.10150.08850.7488

120.04320.1G210.794G0.08320.07810.794G

130.03750.13080.83170.06750.07020.8317

140.03340.1050.86150.05340.05980.8615

150.03050.08410.88540.05050.0550.8854

将上表中日勺数据带入问题一代ISIR感染模型，得到各个各时刻“中共中

央、国务院决定设立河北雄安新区”这一消息分别在微博、微信平台上传播的

节点密度图总体趋势图，节点密度图如下：

微博

天数

图9微博传播节点密度图

“中共中央、国务院决定设立河北雄安新区”这一消息在微博上日勺传播速

度适中不属于爆炸性新闻，传播速率在一段时间内较高，但变化率很高，即大久

时间内有所下降。由于微博平台是较广阔的平台，其转发量也较高。同步，由于

微博上信息更新较快，因此消息的沉没也迅速。

图10微信传播节点密度图

“中共中央、国务院决定设立河北雄安新区”这一消息在微信中传播日勺速

度较慢，这是由于微信相对其他网络平台较为封闭，属于相对熟人社交的一

种。同步，微信信息传播速率虽然慢但这是一-种延迟，即转发量是以一种缓慢

的速度进行增长，但增长到极值时，其转发量较微博此类开放平台来说较低，

这是由于微信受众群体日勺数量没有微博高以及有一部分人使用微信的目的I仅仅

为交流而不是浏览网络信息。

综上所诉，同一消息在不同自媒体平台上传播的过程中，节点

密度图的趋势是大体相似的，但是传播的时间以及传播的速度却存

在差别。其影响因素重要有：自媒体平台的受众数量；自媒体平台

的重要功能；自媒体平台的开放限度等。

5.4自媒体平台管理建议

问题四的重述：题目规定我们结合所建立的模型即我们建立的SIR模型与I

DM模型，写一份分析报告，论述对自媒体时代消息传播时见解或见解，并规定

我们进一步提出自媒体平台管理FI勺建议。

①对于我们对于自媒体时代消息传播时见解：一方面我们应当要理解自媒

体日勺概念，即什么是自媒体，所谓自媒体，是指传播者通过互联网这一信息技术

平台、通过点对点或点对面的形式.将自主采集或把关过滤的内容传递给别人

的个性化传播渠道，又称个人媒体或私媒体。这样定义涉及了如下内容：

其一，自媒体是与大众传媒的组织化传播相相应的属于自我的传播渠道；

其二，自媒体是由自我掌控日勺传播渠道，体现了传播信源的革命和传播渠道

的开放

其三，不同于大众传播组织化、机构化日勺传播特性，自媒体是自发日勺、自主

的，强调传播者的积极性和传播内容的个性化。（《自媒体时代的公民新闻》，中

国广播电视出版社，申金霞，3月1日）

互联网浮现之前，报纸和电视在新闻传播方面具有垄断地位。即便在传播

新闻MJ过程中，采用的是最令人不屑MJ“填鸭”的方式，受众也只能接受。由于

受众选择的余地很小，因此今天报纸刊载什么稿件，读者只能看什么稿件；电视

台播放什么节目，观众也只能被动观看。互联网浮现后，网上有海量的信息。受

众再也不必到街头找报摊购买报纸，也不必在电视节目播放日勺时间段守着看想

看日勺节目了。老式媒体H勺垄断地位被打破，在互联网的冲击下开始江河日下。

近两年来，报社裁人、电视台发放70%工资之类的消息屡见不鲜，就是互联网冲

击老式媒体H勺直接成果。

由于自媒体的平台在互联网飞速发展的今天又诸多种，如果将消息在各类

自媒体平台日勺传播过程综合起来，任务将是繁重并且无意义日勺，从第（1）问和

第（4）问所建模型的成果来看，发现一条信息在不同口勺自媒体平台的传播过程

是非常相似日勺。即：“健康者”在起初的占总数日勺比例趋近于1,随着时间日勺推

移传播者的数量急剧增长，在传播者增长的同步，一条消息日勺新鲜度会减少，这

就意味着在传播者增长日勺同步，免疫者也在增长，但这部分免疫者增长日勺速度很

慢，基本上来自于健康者的直接免疫，当传播者的数量开始减少日勺时候，免疫者

数量增长的速度开始变快，但是到最后口勺阶段当传播的数量越来越少，免疫者数

量增长H勺速度还是会降下来，最后趋于稳定，也即趋于。

下面是，一条消息在微博中传播的各个节点时间。

1.转发周期

微博转发周期是指从发出微博到微博被沉没日勺整个时间周期，掌握这一规

律可以对预测虚假信息口勺社会危害提供根据。仿真成果表白，从微博信息发出

后日勺第8天起，转发量始终维持在一种比较高日勺水平且保持不变，由此可知，

微博信息的转发周期为8天。

2.转发上升拐点

转发上升拐点是指转发量忽然变多的临界点，理解这一规律后就可以在拐

点到来之前采用措施限制顾客转发，从而最大限度地减少不良信息扩散引起的

社会问题。仿真成果表白，微博发出后的第3天是一种核心临界值，之前日勺转

发量变化缓慢，但是从第3天之后转发量开始呈现爆炸式的增长，因此基木可

以判断此点为转发上升拐点。

3.转发下降拐点

转发下降拐点是指转发量忽然变少日勺临界点，如果不良信息已经在顾客问

扩散，且己经达到或者