一种流言传播的小世界网络模型及控制策略_小世界模型
小世界网络上疾病传播及控制的解析方法研究

学位论文作者签名: 日期:年 月 日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。 本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
21小世界网络的形成机制211机制形成小世界网络作为从完全规则网络向完全随机网络的过渡1998年wattsstrogatz25首先提出了基于人类社会网络的网络模型smallworld网络它通过调节一个参数p值可以实现从规则网络p样的机制来形成小世界网络即在规则网络的基础上对其每一个顶点所连接的边以一定概率断开其中一个顶点并重新进行连接连接的新的端点从其他顶点中随机选取但不能被重复选择也不能与其自身进行连接称其为ws小世界模型如图2小世界网络的构造过程以及从规则网络向随机网络的过渡
2 可以存在 CN 条边,从中随机连接 M 条边所构成的网络就叫随机网络。还有一种生成 2 随机网络的方法是,给一个概率 p ,对于 CN 中任何一个可能连接,我们都尝试一遍 2 以概率 p 的连接。如果选择 M = pCN ,这两种随机网络模型实际上等价。
小世界网络(Small World 网络)[25]:Watts 和 Strogatz 发现,只需要在规则网 络上稍作随机改动就可以得到同时具备“大集聚系数,小平均距离” 两个性质的网 络模型。改动的方法是,对于规则网络的每一个顶点的所有边,以概率 p 断开一个端 点,并重新连接,连接的新的端点从网络中的其它顶点里随机选择,如果所选的顶点 已经与此顶点相连,则再随机选择别的顶点来重连。当 p = 0 时就是规则网络, p = 1 则为完全随机网络。对于 0 ≺ p ≺ 1 的情况,存在一个很大的 p 的取值范围,使得网络 具有比较大的“聚集系数”和比较小的“平均路径长度” 的实际网络存在这种 Small World 现象。 无标度网络(Scale Free 网络) [27]:在小世界网络的研究兴起之后,越来越多的科 学家投入到复杂网络的研究中去。大家发现还有许多特征几何量,可以表示特定的结 构功能关系, 并且具有很大程度上的普适性。 无标度网络具有与小世界网络不同特征。 其主要的特征是网络的节点度分布符合幂律分布。 由于其缺乏一个描述系统的特征尺 度,因而被称为无标度网络。这种网络最早是由 Barabaśi 和 Albert 提出(1999)[27]。 众所周知,幂律分布在统计物理学相变与临界现象,以及在更一般的所谓自组织临界
小世界网络综述

关于小世界网络的文献综述一,小世界在P2P网络方面的研究Small-World模型 (也称 W-S 模型 )是由 W atts和 Strogatz于 1998年在对规则网络和随机网络的研究的基础上提出的。
从本质上说 , W-S模型网络是具有一定随机性的一维规则网络。
W -S模型中定义了两个特征值:(1)特征路径的平均长度 L:它是指能使网络中各个节点相连的最少边长度的平均数 ,即小世界网络的平均距离 ;(2)聚类系数 C:表示近邻节点联系紧密程度的参数。
Scale-F ree网络 ,又称无标度网络。
这类网络中,大多数节点的连接度都不大 ,只有少数节点的连接度很高 ,可以将这些少数节点看成中心节点。
这样的节点一般连接不同的区域, 是重要节点 (或称关键节点 ), 起着簇头的作用。
它们使网络通信范围更广, 可用资源更丰富 , 查询和搜索效率更高。
Barabási和 A lbert (BA)等人研究发现节点的连接具有偏好依附的特性。
因此 ,网络规模随着新节点的加入而增大,但新加入的节点偏向于连接到已存在的具有较大连接度的节点上去。
简要介绍了Small-World模型和Scale-Free模型, 详细介绍了小世界现象在P2P网络中资源搜索以及网络安全方面可能的3个应用点, 并提出了一种基于“小世界现象”的高效的资源搜索策略———关键节点资源搜索法。
该搜索法将中央索引模型和泛洪请求模型相结合, 一方面增强了可伸缩性和容错性, 另一方面避免了消息泛滥, 使得搜索效率明显增强。
二、小世界网络概念方面的研究Watts和Strogatz开创性的提出了小世界网络并给出了WS小世界网络模型。
小世界网络的主要特征就是具有比较小的平均路径长度和比较大的聚类系数。
所谓网络的平均路径长度,是指网络中两个节点之间最短路径的平均值。
聚类系数被用来描述网络的局部特征,它表示网络中两个节点通过各自相邻节点连接在一起的可能性,以及衡量网络中是否存在相对稳定的子系统。
复杂网络中的动力学模型与分析方法

复杂网络中的动力学模型与分析方法一、引言复杂网络是由大量节点和连接它们的边组成的网络结构,广泛应用于社交网络、生物网络、信息传播等领域。
网络中各个节点之间相互作用、信息传递的过程可以用动力学模型进行描述和研究。
本文将介绍复杂网络中的动力学模型以及常用的分析方法。
二、节点动力学模型1. 节点动力学模型的概念节点动力学模型是描述网络中单个节点状态变化规律的数学模型。
常用的节点动力学模型包括离散时间模型和连续时间模型。
离散时间模型适用于节点状态在离散时间点上更新的情况,连续时间模型适用于节点状态连续变化的情况。
2. 节点动力学模型的类型(1)布尔模型:布尔模型是一种离散时间模型,节点状态只有两种可能值:0和1。
通过定义节点间的布尔运算规则,模拟节点之间的相互作用和状态更新。
(2)Logistic模型:Logistic模型是一种连续时间模型,节点状态在[0,1]之间连续变化。
该模型可以描述节点的演化和趋于稳定的行为。
三、网络动力学模型1. 网络动力学模型的概念网络动力学模型是描述网络中全体节点的状态变化规律的数学模型。
在网络中,节点之间的相互作用和信息传递会影响节点的状态演化,网络动力学模型可以用来描述和预测整个网络的行为。
2. 网络动力学模型的类型(1)随机性网络模型:随机性网络模型假设节点的连接是随机的,节点间的相互作用和信息传递也是随机发生的。
常见的随机性网络模型包括随机图模型、随机循环模型等。
(2)小世界网络模型:小世界网络模型是一种介于规则网络和随机网络之间的网络结构。
它既具有规则性,节点之间的连接具有聚类特性,又具有随机性,节点之间的连接具有短路径特性。
(3)无标度网络模型:无标度网络模型是一种节点度数服从幂律分布的网络结构。
少数节点的度数非常高,大部分节点的度数较低。
这种模型可以很好地描述现实世界中一些复杂网络的结构。
四、网络动力学的分析方法1. 稳定性分析稳定性分析是判断网络在不同初始条件下是否趋于稳定状态的方法。
课题:WS小世界网络模型构造

课题:WS小世界网络模型构造姓名赵训学号 2班级计算机实验班一、WS 小世界网络简介1998年, Watts和Strogatz 提出了小世界网络这一概念,并建立了WS模型。
实证结果表明,大多数的真实网络都具有小世界特性(较小的最短路径) 和聚类特性(较大的聚类系数) 。
传统的规则最近邻耦合网络具有高聚类的特性,但并不具有小世界特性;而ER 随机网络具有小世界特性但却没有高聚类特性。
因此这两种传统的网络模型都不能很好的来表示实际的真实网络。
Watts 和Strogatz建立的WS小世界网络模型就介于这两种网络之间,同时具有小世界特性和聚类特性,可以很好的来表示真实网络。
二、WS小世界模型构造算法1、从规则图开始:考虑一个含有N个点的最近邻耦合网络,它们围成一个环,其中每个节点都与它左右相邻的各K/2节点相连,K是偶数。
2、随机化重连:以概率p随机地从新连接网络中的每个边,即将边的一个端点保持不变,而另一个端点取为网络中随机选择的一个节点。
其中规定,任意两个不同的节点之间至多只能有一条边,并且每一个节点都不能有边与自身相连。
在上述模型中,p=0对应于完全规则网络,p=1则对应于完全随机网络,通过调节p的值就可以控制从完全规则网络到完全随机网络的过渡,如图a所示。
图a相应程序代码(使用Matlab实现)ws_net.m (位于“代码”文件夹内)function ws_net()disp('WS小世界网络模型')N=input('请输入网络节点数');K=input('请输入与节点左右相邻的K/2的节点数');p=input('请输入随机重连的概率');angle=0:2*pi/N:2*pi-2*pi/N;x=100*cos(angle);y=100*sin(angle);plot(x,y,'r.','Markersize',30);hold on;%生成最近邻耦合网络;A=zeros(N);for i=1:Nif i+K<=Nfor j=i+1:i+KA(i,j)=1;endelsefor j=i+1:NA(i,j)=1;endfor j=1:((i+K)-N)A(i,j)=1;endendif K<ifor j=i-K:i-1A(i,j)=1;endelsefor j=1:i-1A(i,j)=1;endfor j=N-K+i:NA(i,j)=1;endendenddisp(A);%随机化重连for i=1:Nfor j=i+1:Nif A(i,j)==1pp=unifrnd(0,1);if pp<=pA(i,j)=0;A(j,i)=0;b=unidrnd(N);while i==bb=unidrnd(N); endA(i,b)=1;A(b,i)=1;endendend%根据邻接矩阵连线for i=1:Nfor j=1:Nif A(i,j)==1plot([x(i),x(j)],[y(i),y(j)],'linewidth',1); hold on;endendendhold offaver_path=aver_pathlength(A);disp(aver_path);对应输出(取网络节点数N=16,K=2;p分别取0,0.1,1)。
浅谈小世界网络

浅谈小世界网络20世纪末,很多科学家发现研究过的自然、社会和技术网络中,大都具有这些特征:高度的集群性、不均衡的度分布以及中心节点结构。
这些特征的出现不是偶然的,为什么现实世界中的网络会具有这些特征呢?这是网络科学的主要问题,目前基本上已经通过建立网络的发展模型解决了。
其中有两类模型被深入地进行了研究,分别是小世界网络和无尺度网络,这里结合原始论文谈谈对小世界网络的认识。
1998年,邓肯·瓦特和斯托加茨在《自然》杂志上发表了关于小世界网络模型的论文Collectivedynamics of‘small-world’ n etworks,首次提出并从数学上定义了小世界概念,并预言它会在社会、自然、科学技术等领域具有重要的研究价值。
所谓小世界网络,就是相对于同等规模节点的随机网络,具有较短的平均路径长度和较大的聚类系数特征的网络模型。
以前,人们认为网络分为完全规则网和完全随机网,这两类网络具有各自的特征。
规则网具有较大的特征路径长度,聚类系数也较大,而随机网络具有较小的特征路径长度,但是聚类系数较小。
难道特征路径长度较大(小)一定伴随着较大(小)的聚类系数?另外,很多现实中的网络如电网,交通网络,脑神经网络,社交网络,食物链等都表现出小世界特性,即具有较小的特征路径长度。
Watt采用一种随机重连边的方法,以探求位于规则网和随机网的中间地带。
如图:规则网有N个节点,每个节点与K个最近邻节点相连(K是偶数)。
上图的规则网有20个节点,每个节点与相邻的4个节点互联。
然后,对每条边进行以概率P进行随机重连(0<=P<=1)。
P=0时对应规则网,P=1时对应完全随机网,通过调整P的值可以得到位于两种网络中间的网络模型,然后探究其特征。
通过实验并统计网络呈现出的特征,得到下图(归一化处理后)。
可见,在P较小时(P<0.01),特征路径长度急剧下降,而聚类系数几乎没有变化。
这样,我们发现这些网络具有较短的特征路径长度和较大的聚类系数,我们称其为“小世界网络”。
网络科学中的复杂网络模型

网络科学中的复杂网络模型网络科学是一个快速发展的领域,涉及到许多重要的应用和领域,包括社交网络、生物网络、交通网络、金融网络等等。
这些网络在不同的领域和场景下都有其独特的特点和规律,而其中一个重要的方面就是复杂网络模型。
复杂网络模型是一个包含了许多不同类型节点和边的网络,它们可以呈现出高度动态和非线性的特性,在一定程度上可以反映真实世界的复杂性。
这种网络的特点往往会影响到网络的结构、动态行为和演化轨迹等方面的研究。
因此,我们对复杂网络模型的研究具有重要的理论和实践意义。
在这篇文章中,我们将深入探讨网络科学中常用的复杂网络模型,包括小世界网络、无标度网络、随机网络和人为网络等。
1、小世界网络小世界网络是基于熟人和陌生人社交网络的研究产生的,其特点是节点之间的链接比较紧密,但节点之间的距离又相当短。
实际上,我们在现实世界中所处的社交网络,可以类比为小世界网络。
在小世界网络中,每个节点与相邻节点之间的链接形成了一个固定的结构,而节点之间的链接可以通过随机连接来实现,从而形成了一种与真实世界相似的混合网络模型。
小世界网络在现实生活中得到了广泛的应用,如社交网络、电力网络、交通网络等等。
2、无标度网络在许多复杂系统中,节点之间的连接并不是随机的。
这些系统中的节点往往具有极为不平衡的度分布,即存在少数节点度较高,但绝大部分节点度较低的现象。
这种网络模型被称为无标度网络。
无标度网络在许多生物、社会和技术系统中得到了广泛的应用,如人脑神经网络、因特网、科学合作网络等。
研究人员认为,这种网络模型能够表达一种底层的组织结构,这种结构决定了网络的分布规律和演化规律。
3、随机网络随机网络是一种基于随机规律产生的网络结构,节点之间的连接是随机产生的。
这种网络模型通常不包括任何固定的结构或规则,而是依靠节点之间的随机链接来完成网络的组成。
随机网络广泛应用于电子商务、物流、通信和交通系统等领域。
这种网络模型的特点是节点和链接的随机性,因此能够表达系统中的不确定性和不稳定性。
小世界复杂网络模型研究

小世界复杂网络模型研究摘要:复杂网络在工程技术、社会、政治、医药、经济、管理领域都有着潜在、广泛的应用。
通过高级计算机网络课程学习,本文介绍了复杂网络研究历史应用,理论描述方法及阐述对几种网络模型的理解。
1复杂网络的发展及研究意义1.1复杂网络的发展历程现实世界中的许多系统都可以用复杂网络来描述,如社会网络中的科研合作网、信息网络中的万维网、电力网、航空网,生物网络中的代谢网与蛋白质网络。
由于现实世界网络的规模大,节点间相互作用复杂,其拓扑结构基本上未知或未曾探索。
两百多年来,人们对描述真实系统拓扑结构的研究经历了三个阶段。
在最初的一百多年里,科学家们认为真实系统要素之间的关系可以用一些规则的结构表示,例如二维平面上的欧几里德格网;从20世纪50年代末到90年代末,无明确设计原则的大规模网络主要用简单而易于被多数人接受的随机网络来描述,随机图的思想主宰复杂网络研究达四十年之久;直到最近几年,科学家们发现大量的真实网络既不是规则网络,也不是随机网络,而是具有与前两者皆不同的统计特性的网络,其中最有影响的是小世界网络和无尺度网络。
这两种网络的发现,掀起了复杂网络的研究热潮。
2复杂网络的基本概念2.1网络的定义自随机图理论提出至今,在复杂网络领域提出了许多概念和术语。
网络(Network)在数学上以图(Graph)来表示,图的研究最早起源于18世纪瑞士著名数学家Euler的哥尼斯堡七桥问题。
复杂网络可以用图论的语言和符号精确简洁地加以描述。
图论不仅为数学家和物理学家提供了描述网络的语言和研究的平台,而且其结论和技巧已经被广泛地移植到复杂网络的研究中。
网络的节点和边组成的集合。
节点为系统元素,边为元素间的互相作用(关系)。
若用图的方式表示网络,则可以将一个具体网络可抽象为一个由点集V和边集E 组成的图G=(V,E )。
节点数记为N=|V|,边数记为M=|E|.E 中每条边都有V 中一对点与之相对应。
如果任意点对(i,j )与(j,i )对应同一条边,则该网络成为无向网络(undirected network ),否则称为无权网络(unweighted netwo rk )。
用小世界网络模型研究SARS病毒的传播

用小世界网络模型研究SARS病毒的传播
林国基;贾珣;欧阳颀
【期刊名称】《北京大学学报(医学版)》
【年(卷),期】2003(035)0z1
【摘要】用小世界网络模型对非典型肺炎的传染动力学行为做了数值模拟研究.在传染模型中加入了负反馈机制与信息流效应.我们的模拟结果成功地得到了和现实病毒扩散相同的趋势.我们的主要研究结果是:负反馈机制可以有效地抑制非典型肺炎的蔓延,但在某些情况下可能引起感染人数的反复性振荡.另外,保持信息的透明度是战胜非典型肺炎的重要保证.
【总页数】4页(P66-69)
【作者】林国基;贾珣;欧阳颀
【作者单位】北京大学物理学院非线性实验室,北京大学理论生物中心,北
京,100871;北京大学物理学院非线性实验室,北京大学理论生物中心,北京,100871;北京大学物理学院非线性实验室,北京大学理论生物中心,北京,100871
【正文语种】中文
【中图分类】R51
【相关文献】
1.科技型小微企业集群知识传播扩散特征研究——基于小世界网络模型 [J], 姬晓辉;卢小根
2.小世界网络中埃博拉病毒传播的研究 [J], 程静;黄青;谢铭杰;吴小雨;李佳君;张志
梁;吕杰
3.基于元胞自动机的小世界网络病毒传播研究 [J], 周彬镔;陈雪波
4.用小世界网络模型研究SARS病毒的传播 [J], 林国基;贾珣;欧阳欣
5.小世界网络中基于一种改进模型的谣言传播研究 [J], 王雨嘉;侯合银
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
《一种流言传播的小世界网络模型及控制策略_小世界模型》摘要:摘要:本文采用复杂网络中的小世界网络模型对流言的传播过程进行了描述,并通过我国甲型H1N1病毒疫苗流言这一案例进行了模拟分析,归纳了病毒流言小世界网络具有的一些特点,关键词:流言传播流言控制复杂网络小世界网络引言现代传播学认为:流言是一种信源不明、无法得到确认的消息或言论,通常发生在社会环境不确定性较高、正规的传播渠道(如大众传媒等)不畅通,或功能减弱的时期,从数学角度看,小世界网络是一种图的类型,在这种图中大部分的节点不与彼此邻接,但大部分节点可以从任一其他点经少数几步就可到达摘要:本文采用复杂网络中的小世界网络模型对流言的传播过程进行了描述,并通过我国甲型H1N1病毒疫苗流言这一案例进行了模拟分析,归纳了病毒流言小世界网络具有的一些特点。
最后,结合我国实际,对流言的控制策略提出了一些见解。
关键词:流言传播流言控制复杂网络小世界网络引言现代传播学认为:流言是一种信源不明、无法得到确认的消息或言论,通常发生在社会环境不确定性较高、正规的传播渠道(如大众传媒等)不畅通,或功能减弱的时期。
社会学者认为:流言是一种集体行为,是人与人之间相互传播的陈述或观念,是不断重复的沟通方式。
可见,人际传播是流言蔓延的主要途径。
因此,对流言控制的研究,必须从人际关系网络着手进行。
自上世纪50年代以来,人们开始研究一些大规模网络系统的统计性质。
但是由于实验数据的缺乏以及对数据处理能力的不足,人们将规模巨大的网络系统的拓扑结构看成是完全随机的,用随机网络来描述它们。
随着计算机技术的发展,对大规模网络系统进行数据采集和统计分析变得可行。
人们研究发现,现实中不同种类的复杂系统表现出很多共同的宏观性质,许多真实复杂的网络用小世界网络模型来描述显得更为恰当。
小世界网络模型从数学角度看,小世界网络是一种图的类型,在这种图中大部分的节点不与彼此邻接,但大部分节点可以从任一其他点经少数几步就可到达。
若将一个小世界网络中的点代表一个人,而连接线代表人与人之间的联系,则这小世界网络可以反映陌生人通过彼此共同的朋友而取得联系的小世界现象(如图1〈b〉)。
过去,传播学研究者们总是习惯把人际关系网络看成一个规则网络(如图1〈a〉)或随机网络(如图1〈c〉),这显然是不符合实际的。
一方面,按照规则网络的特点,每一个人若只认识空间上和自己邻近的人,那么从广州产生的一条流言传递到北京将是一个“漫长的马拉松”;另一方面,按照随机网络的特点,人与人的联系是完全随机的,那么流言在其产生地广州蔓延的程度将与世界任何一个地方相同。
事实上,当有关某个事件的流言(如SARS疫区流言)在广州产生时,该流言在广州的泛滥程度总是最严重的,并且会在短时间里迅速穿越省界并蔓延到全国其他地区。
如何解释这种现象呢?研究者们对规则网络实施“重连”或“添加远程连线”时发现,小世界网络模型恰恰能很好地说明这些问题。
例如,当甲型H1N1病毒疫苗流言在一个千万人口的城市中首先蔓延时,与流言制造者和传播者同在一个城市的同事、朋友、邻居等,总是很容易被“感染”,因此,该城市很快成为流言泛滥的重灾区;另外,流言“感染者”中的某些人,通过电话、网络、短信等各种远程连线方式,使流言摆脱空间的束缚,直接传递给其他地区的亲人或朋友,从而使流言在其他地区蔓延。
显然,小世界网络模型对社会人际关系网络的拓扑刻画比规则网络和随机网络模型都要深刻和符合实际。
人类社会之所以是一个小世界,正是因为某些远程联系存在。
这一现状在大量真实的网络系统中也是普遍存在的。
小世界网络模型可作为流言传播过程中的基本模型,研究表明:每个人只需要很少的中间人(平均6个)就可以和全世界的任何人建立起联系。
这就是通常人们熟知的社会网络、朋友网络的“六度分离(six?摇degrees?摇of?摇separation)”原理。
传播过程模拟分析2009年4月下旬,我国发生了甲型H1N1疫情,党中央、国务院从我们国家的国情出发,科学研判疫情,制定防控策略,不断调整防控策略,采取了一系列行之有效的措施,甲型H1N1流感防控工作取得了显著的成绩。
当时,疫苗的接种工作正在抓紧进行。
然而,社会上却出现了甲型H1N1流感疫情暴发是因为接种疫苗引起的传言,给整个防控工作的开展造成了不良的负面影响。
为研究此次流言事件,作者进行了相应的社会统计学调查,并获得了大量的统计数据(如表1~表3)。
表1:采访对象第一次听到疫苗流言的情况(%) 采访对象第一次听到疫苗流言的情况代表了人间接触模式,数据如表1。
我们选取具有互动特点的方式(面对面告知、电话、手机短信)相关数据估计流言传播的人际联系数量,这代表着流言传播主要的手段和方式占72.1%。
采用人际网络关系研究通用的计算方法得到380个样本节点间无向连线约为517个。
在采用小世界网络模型进行模拟分析的过程中,考虑到人际交往的互动性,我们假设流言传播网络为一个无向网络图。
表2和表3给出了流言传播网络中各节点的出度(记作Degree?摇Out)和入度(记作Degree?摇In)基本数据。
换句话说,作为社会人际关系网络中的节点的人,其传出流言的次数看做该节点的出度值、接受流言的次数看做该节点的入度值。
表2:有几个亲朋好友将疫苗流言以各种方式告知您(%) 表3:您将疫苗流言以各种方式告知给几个亲朋熟人(%) 为研究方便起见,我们在对称意义下,取出、入度值平均值为无向网络的平均度值。
即:Degree?摇Mean=(1/2)×(Degree?摇Out+Degree?摇In) 其中:Degree?摇Out=(1/4)∑ni1×wi1 Degree?摇In=(1/4)∑ni2×wi2 计算过程中,ni1、ni2分别取相应区间中的位数,采用加权平均计算方式可以计算得到相应的平均值Degree?摇Out=6.8,Degree?摇In=5.85。
基于上述平均意义计算方法,我们得到在流言传播的整个过程中,每个人与外界平均联系为Degree?摇Mean=6.33,这表明流言在社会网络中的传播极其迅速,平均每人传递流言6次左右,流言就会迅速传遍社会的各个角落,这是符合无尺度网络的特点和小世界传播特性的。
这一结果决不是巧合,而是具有一定必然性的结果,它由小世界网络模型的拓扑结构所决定。
研究发现,疫苗流言的小世界网络具有如下特点:特点1:多数节点拥有少量与其他节点的联系(2~4条连线,占到65%以上),代表接受和传播次数很少的个体;事实上,现实生活中人们通常仅仅与自己邻近的同事朋友保持频繁联系,类似于图1(a)中人与人的邻近联系关系,通常被称作“局部联系”。
仅有少数个体与外地朋友、熟人保持频繁联系,类似于图1(c)中人与人的长距离联系关系,通常被称作“远程联系”。
典型的小世界网络的特点就是丰富的“局部联系”加上小量的“远程联系”构成的平均路径很短的网络,即图1(b)。
特点2:少数节点拥有大量与外界的联系(20条及20条以上连线,仅占到5%左右),代表在流言传播过程中极其活跃的个体,因为一般接受流言最多的人常常也是传播流言最多的人。
人们一旦接受流言并对其信以为真,就会作出错误的判断,并且通过自身的人际关系将流言传播给亲人、朋友、同事等,使流言传播不断扩散并发生质变。
这样的个体现实中确实只有少数,这与实际结果十分吻合(对比表2、3)。
特点3:尽管如此,由于存在“远程联系”(如电话、手机短信等),使得整个网络的整体“平均距离”(除去孤立节点意义下的广义网络直径)大大缩短,可见流言在两个人间传播仅需要经过很少的步骤,因而整体上流言呈现出“迅速蔓延、扩散”的趋势。
研究表明,小世界网络模型中出现的孤立节点并不影响流言的迅速蔓延,尽管此时不能计算通常意义下的网络平均路径长度。
特点4:模拟网络中存在一些孤立的节点或仅有很少的(一条)连线。
它们代表那些没有,或者很少接触流言、传播流言的社会个体;虽然极其特殊,但仍存在。
这也符合社会现实情况,表明社会中的确存在不受流言影响的个体,或者只接受、不传播流言的个体,如那些了解事情真相、不人云亦云的人。
这一结果从另一个角度证明,信息在不同的人之间的扩散是有差异的,其原因通常与个体受教育程度、信息资源掌握情况、新闻媒体传播效果存在差异有关。
流言控制策略“控制”一词,具有限制、管理、制衡等意义。
流言控制,既包括对流言信息的必要管制,也包括通过信息公开与议程设置,建立有效的组织传播秩序。
虚拟环境的应对困惑、松散把关的引导难题、网络屏蔽的技术壁垒,构成了流言控制的现实压力。
流言在其传播过程中,部分内容会发生钝化,从而自然脱落;部分内容则被再次放大,发生多次质变,最终呈现出更加玄妙、荒唐的信息形态。
一次次的扭曲传播,信息内容终将走形到荒谬得令人难以接受的面目,从而实现自我埋藏并走向消亡。
流言的产生有其特殊原因,流言的消亡也有其自身规律,但我们不能期待“流言止于智者”的消亡方式,把流言的控制强加为公众的义务是不合理的。
只有利用流言传播的规律,适时地控制流言传播,才是明智的选择。
一是建立以政务公开为核心的信息传输网络。
信息公开,渠道畅通,流言就失去了传播基础;反之,则会顺势蔓延。
目前,我国政府已经出台《国家突发公共事件总体应急预案》、《突发事件应对法》(草案)、《政府信息公开条例》等一系列文件,为流言传播控制制定了基本的政策依据,发言人制度则是其中重要的一环。
正是依托包括政务信息公开在内的手段,多起危机得以化解。
因此,信息公开与信息对称,是流言控制的基本方略。
但是面对网络流言,政府有时缺乏应对的主动性。
或消极放任,在舆论震荡面前反应迟缓;或遮蔽真相,片面认识社会稳定的目标;或纠错乏力,未能有效约束部门瞒报。
如在前面提及的甲型H1N1病毒疫苗流言中,当年9月份就已在不少网站和论坛里传得沸沸扬扬,甚至个别媒体也对此进行了报道,而卫生部新闻发言人直到10月10日举行的例行新闻发布会上才对此进行了澄清。
因而,为了建立有效的信息传播网络,必须坚持政府在危机控制中的主导地位,加大信息透明度与控制的规范性。
政府要通过公开渠道,以准确的信息抵制虚假,以清晰的信息替代传闻。
另一方面,信息公开不等于自由放任。
应当认识流言的突发性、层次性与信息的不确定性,把握流言传播速度与危机事件的关系,分类分级,区别对待。
要加强政府信息的权威性和控制的科学性,以务实的态度对待流言中的片面、偏激成分,有效制止流言。
二是打造以媒介融合为基础的危机信息平台。
在现代传播条件下,报纸、广播、电视、网络、手机等多种媒体以及门户网站和传统媒体网站,可以形成组合信息渠道,从而为媒介融合创造条件。
但是在对危机信息以及发布制度整合方面,中央媒体与地方媒体、主流媒体与都市媒体、传统媒体与新媒体之间还存在着信息差异以及制度壁垒,使得媒体之间的关系比较复杂,需要适当调控。