基于传染病模型的微博信息传播规律研究
《自动化技术与应用》2019年第38卷第6期计算机应用ComputerApplications
TechniquesofAutomation&Applications基于传染病模型的微博信息传播规律研究*
白黎,杨亚强
（宝鸡文理学院,陕西宝鸡721016）
摘要:无本文在经典传染病模型的基础上，加入重复转发因素的影响，构建了易感染者-犹豫者-感染者-免疫者的微博信息传播模型。并使用雷洋事件信息传播数据进行模拟仿真，仿真结果表明，该模型可以很好地描述微博信息传播的规律。关键词:微博；SIR模型；信息传播与控制；模拟仿真中图分类号：TP393文献标志码:A文章编号:1003-7241(2019)06-0059-04
SimulationonMicroblogInformationTransmission
BasedonSIRModel
BAILi,YANGYa-qiang
(BaojiUniversityofArtsandSciences,Baoji721016China)
Abstract:BasedontheclassicSIRmodel,thewholetransmissionnodeisdividedintohealthynode,browsenode,transmissionnodeandimmunenode.Meanwhile,factorsforuserstorepeatedlyforwardmessagesareinputtoimproveinfectiousdis-easemodel.Finally,thecollectedWeiboinformationdisseminationdataissimulated.Thesimulationresultsshowthatthesimulatedresultsagreewellwithactualstatisticaldataof"LeiYangincident"informationdissemination,meantimethees-tablishedmicro-bloginformationpropagationmodelcanwelldescribethespreadlaw.Keywords:microblog;Susceptible-Infected-Removedmodel;informationtransmissionandcontrol;simulation
*基金项目:国家社会科学基金项目(编号15XGL021)
收稿日期:2018-09-141引言微博作为一种新型社会化媒体已经成为信息沟通和
传播的重要平台。它以其快捷性和高效性赢得了亿万用
户的青睐,根据中国互联网络信息中心（CNNIC）发布的
《第35次中国互联网络发展统计报告》[1],截止2014年12
月,中国网民规模达到6.49亿,新浪微博注册用户已经达
到了2.49亿人次。到2016年,微博月活跃用户数达3.13
亿,日活跃用户数也增长到1.39亿。微博的快速发展是
一把双刃剑,正面的消息可以在传播系统里面快速传播,
并带来积极的影响,但同时负面的消息也会得到快速的
传播,带来消极的影响。特别是现在信息技术的快速发
展,使微博迅速成为一种快速、便捷的舆情传播方式。一
旦一个热门话题在微博中出现,因为其受众人数巨大,信
息传播快速,可以在短时间内形成井喷式的网络舆情,就会影响到事件的发展方向,进而对有关部门对发生事件
的裁决、处理和应对带来影响。趋利避害是人们的基本
思想,人们都希望正面的、积极的消息能够在大范围快速
传播；消极的、负面的消息能够第一时间得到控制与澄
清,特别是作为政府部门门户的官方微博,对这方面的要
求就显得尤为重要。因此通过研究和分析微博信息传播
的特点,掌握其内在的传播规律,从而达到对网络中传播
舆情话题发展过程的监控和预测,将对于相关部门对网
络舆情的正确疏导和管理起到重要作用。
2文献分析从20世纪开始,许多学者利用传染病模型研究信息
的传播规律。Ross等研究蚊子和人群之间的疟疾的传
播,提出了SI模型[2],Kermack和McKendrick研究黑死
病传播规律时,提出了SIR模型[3],后来学者们根据不同
的情境对SIR模型进行了改进,并将这些模型广泛的应
用到信息传播规律的研究中[4]。Leskovec基于SIS模型构
59计算机应用ComputerApplications《自动化技术与应用》2019年第38卷第6期
TechniquesofAutomation&Applications建了博客网络中的话题信息传播模型[5]；Gruhl等人建立
了基于SIRS的博客信息传播模型[6]；Zhao依据传染病SI
模型,提出了微博信息传播中突发性话题的传播模型[7]；
Zhang等人依据传染病SIR模型结合群组动力学,对微
博信息传播中热点话题的传播规律进行了研究[8]；
Chakrabarti等人利用传染病模型的方法预测微博的转
发规模[9]；Li等人利用扩展的传染病模型对腾讯微博信息
的转发次数进行了准确的预测[10]；Wang等人提出了扩展
的SIS疾病传染模型[11]；陆静等人建立了微博网络消息传
播的ISSR模型[12]；丁学君等人建立了基于SCIR的微博舆
情话题传播模型[13]；刘丹等人提出了微博信息传播的SIR
模型并对微博信息扩散规律进行了仿真分析[14]；李可嘉,
游新年等人提出了改进的SIR模型来研究微博信息的传
播规律[15-16]。
这些研究利用经典的传染病模型,将整个传播系统
中的节点分为健康节点、传播节点和免疫节点,来研究社
会网络中信息传播的规律,为微博信息传播规律的研究
奠定了一定的基础。但是微博信息的传播还与人在获取
信息以后的真实情感、决策、信息互动模式有关,所以要
更好的模拟和反映微博信息传播的真是规律,就需要对
经典的传染病模型进一步改进。
3微博的信息传播模型本文基于传染病的SIR模型,构建了一个新的微博
信息传播模型。在模型中引入了一个新的节点——浏览
节点和一个新的因素——自己重复转发因素。这样在信
息传播过程中所有的节点就分为四种：健康节点、浏览节
点、传播节点和免疫节点。信息传播的规律是：
（1）当一个健康节点（易感染者）接触到一个传播节
点（感染者）发布的消息以后,易感染者一部分可能要对
信息进行核实或者验证,从而使其处于是否要转发的状
态,我们称之为犹豫状态,即一部分健康节点以概率p1转
化为浏览节点。另一部分则直接以概率p2进行转发,从
而成为新的传播节点,在这里p1+p2≤1。
（2）处于浏览节点的用户经过一定时间的思考、验
证之后以概率p3转化为新的传播者,或者以概率p4拒绝
转发成为免疫节点,在这里p3+p4≤1。
（3）新的传播节点以概率p5拒绝转发成为免疫节点。
（4）某些用户发布了一条信息以后可能出于营销策
略、扩散市场、忘记自己曾经转发或者出于信任一些官方
信息传播正确舆论的目的而进行重复转发,这一过程可以认为是传播节点自身以概率p6进行重复转发,一般而
言p5远大于p6。
依据上述的微博信息传播规律分析,我们建立如下微博信息传播模型：
本文定义N(t)为t时刻网络中的节点总数,则S(t),H
(t),I(t),R(t)分别代表t时刻微博信息传播网络中的健康
节点（易感染者）、浏览节点（犹豫者）、传播节点（感染者）
及免疫节点（免疫者）的密度,即四类节点的数量分别在
N(t)中所占的比例,由假设可知S(t)+H(t)+I(t)+R(t)=1。
4实验模拟4.1数据的准备
本文的实验数据来源于2016年5月7日采集的某粉
丝众多的新浪微博账户,该用户5月7日发布了中国人民
大学硕士雷洋因涉嫌嫖娼被民警采取强制措施导致死亡
的事件,这件事情被发到在网络上以后上引起了轩然大
波,一度成为最热门的话题。本文的数据采集从某一原
创微博用户出发,根据统计该用户的关注列表,逐个统计
分析用户间的关注关系以及每个用户在采样期间（从第
一条微博发出到30天内）转发、评论和原创的微博总数。
4.2实验结果及讨论
本文使用MATLAB仿真软件,对于构造的微博信息
传播模型进行实验仿真,通过300次的实验迭代,微博传
播网络中四个节点都达到了稳定状态,并得到以下仿
真结果。
在本模型中由于微博信息传播网络中用户一旦发布
了舆情信息,除了特殊情况几乎所有的粉丝用户都可以
看见这个信息,所以可以取p1=0.9,在传播过程中出于自
身目的对信息进行重复转发的比例很小,所以取p6=0.01,
根据相关文献[13,15],对其他参数取值如下：p2=0.1,
p3=0.3,p4=0.1,p5=0.3。
4.2.1微博信息转发数随时间变化关系
图1中纵坐标为雷洋事件微博信息的转发总量的标
准化值。从图中可以看出实际统计的数据和理论计算数
60《自动化技术与应用》2019年第38卷第6期计算机应用ComputerApplications
TechniquesofAutomation&Applications值模拟的结果有很高的吻合度。这说明建立的微博信息
传播模型是合理的。从图中也可以看出微博信息传播的
一般规律：当一条微博信息发布出来以后,在较短时间内
信息转发量较低,传播速度较慢,此阶段我们可以称之为
信息犹豫期,这个时期往往持续时间较短。过了这个时
间段以后,信息的转发量会有一个快速增长,此阶段我们
可以称之为信息扩散期或爆炸期,这个阶段持续的时间
较长。后面随着时间的变化和人们的认知更加成熟理性
或者有新的热点信息进入,该条微博信息将会逐渐淡出
人们的视线,所以转发量的增速会慢慢减小,最终趋于
零,即该条信息被淹没,不再有用户转发,该条微博信息
的传播也告以结束,这个阶段持续的时间比较长。
图1模拟数据和实际数据对比图
4.2.2四个节点密度随时间变化关系
图2健康节点S(t)随时间变化图
图2是健康节点（易感染者）密度随时间的变化的曲
线。由图可以知道,健康染节点的密度在微博信息传播
初期短时间内呈迅速递减趋势,这是因为在我们的假设
里面,我们设定了用户一旦发布了舆情信息,除特殊情况
外几乎所有的粉丝用户都可以看见这个信息,即给概率p1取值0.9,这也正体现了微博信息“裂变式”的传播模
式。图中的变化也显示出了在微博信息发布的第4-5天
将迎来信息的爆炸式增长。
图3是浏览节点（犹豫者）节点密度随时间变化的曲
线。由图可以知道,微博信息刚开始传播之前,其短时间
呈增长趋势,很快达到顶峰。这是因为在开始阶段,当一
个粉丝看到一条微博信息以后,他有自己的判断力,可能
需要时间去验证这条微博的真实性,所以伴随着图2所示
短时间的信息爆炸式增长,导致了浏览节点（犹豫者）迅
速的增长（3-4天内）,但是随着时间的推移网络中感染者
的比例会减少,而且犹豫过后（或者验证过后）这些犹豫
者会转变为感染者或者免疫者,所以其密度会逐渐减少
直至在传播网络中消失。
图3浏览节点H(t)随时间变化图
图4传播节点I(t)随时间变化图
图4是传播节点（感染者）的密度随时间变化的曲
线。从图中可以看出,感染者在微博信息传播的初期呈
增加趋势,这是因为在初始阶段人群中有大量的易感染
者,并且随着信息的爆炸式传播,短时间内会有更多的人
61
应对疫情：我国传染病模型的研究与应用
应对疫情：我国传染病模型的研究与应用
自2019年底新冠病毒（COVID19）疫情爆发以来，我国科研团队在短时间内迅速开展了相关研究，并取得了显著成果。在众多研究领域中，传染病模型研究成为了关键环节，它不仅有助于预测疫情发展趋势，还能为政府决策提供科学依据。
在疫情初期，我国科研人员针对新冠病毒的传播特点，构建了多种传染病模型。这些模型主要基于传染病学的基本原理，如易感者感染者康复者（SIR）模型、易感者感染者死者（SIS）模型等。通过对这些模型的深入研究，科研人员能够对疫情的发展趋势进行预测，从而为防控疫情提供有力支持。
为了提高模型预测的准确性，我国科研团队积极收集各类数据，如病例数、疑似病例数、密切接触者等信息，并将其应用于模型中。他们还对模型进行了不断优化，以适应不断变化的疫情形势。在模型应用过程中，政府部门、企事业单位和广大民众也积极参与，为模型提供了丰富的实际数据，进一步提高了模型的精确度。
在模型研究过程中，我国科研团队发现新冠病毒具有较高的传染性和潜伏期，因此提出了针对性的防控策略。例如，早期发现、早期隔离、早期治疗等措施，都是基于传染病模型研究得出的结论。模型还揭示了疫苗接种的重要性，为我国疫苗研发和接种策略提供了科学依据。
值得一提的是，我国在传染病模型研究方面并非孤军奋战。在全球疫情严峻的背景下，我国积极与其他国家分享研究成果，共同应对疫情挑战。通过国际合作与交流，我国科研团队不断丰富和完善传染病模型，为全球疫情防控作出了积极贡献。
在实际应用中，传染病模型为我国政府制定了一系列科学、有效的防控措施。以新冠病毒为例，模型预测结果显示，采取严格的封控措施、提高疫苗接种率等措施，能够有效遏制疫情蔓延。事实上，我国在疫情期间所取得的显著成果，与这些基于模型的防控策略密不可分。
我国在传染病模型的研究与应用方面取得了显著成果，为疫情防控提供了有力支持。面对未来可能出现的疫情挑战，我国科研团队将继续努力，不断完善和优化传染病模型，为人类健康和发展贡献力量。
基于社交网络的信息传播模型研究
基于社交网络的信息传播模型研究
作者：胡章荣
来源：《电脑知识与技术》2020年第22期
摘要：社交网络中用户转发是信息传播的重要渠道。研究用户转发模式和信息传播规律，将有利于在网络话题传播过程中进行监控和抑制。为了更好了解社交网络中信息的传播机制，本文在对微博这类社交网络及其机制进行文献综述的基础上研究了社交网络中信息传播机制。对接受新信息的人数、信息创造者的中心地位及其局部聚类系数之间的相关性进行了仿真，结果表明社交网络中信息传播与中心性成正比，与聚类系数成反比。
关键词：社交网络;信息传播;聚类系数;中心性
中图分类号：TP311 文献标识码：A
文章编号：1009-3044（2020）22-0054-02
开放科学（资源服务）标识码（0SID）：
1 问题背景
随着Web 2.0的出现，如Facebook、Twitter微博、知乎、朋友圈等社交网络（SNS），已成为在Internet上传播信息的重要工具[1]。用户可以向他们的朋友和其他关心它的人传播信息。在各种社交媒体中，微博是目前最受欢迎的服务之一，有着超过上亿的用户在使用。与传统的信息传播途径相比，社交网络中的信息传播具有传播延时小、速度快、不受时空限制等优势[2]，但错误信息或谣言的传播也会给社会带来很大的负面影响。因此，了解信息在社交网络中的传播机制，可以更好促进正面信息的传播，遏制负面信息的传播。许多学者对社交网络的一些基本属性，包括度分布、聚类和网络核进行了研究，结果表明SNS用户的网络很可能是无标度网络[3]。虽然类似微博的网站形成了一个有向图，但其主要属性仍是相同的。因此可以使用无标度网络来模拟社交网络的初始条件。在这篇论文中，我们对微博这类社交网络及其机制进行建模。然后对影响信息传播的几个因素进行了研究：首先，给定相同的网络条件，
自媒体复杂网络消息传播模型
龙源期刊网
自媒体复杂网络消息传播模型
作者：盛成成 刘亚平 朱勇
来源：《软件导刊》2019年第03期
摘 要：由经典传染病模型SIR衍生出的消息传播模型，对现实中的自媒体网络来说过于简单，无法适用。依据自媒体网络属于非均质的无标度网络、传染者自行退化特点建立了退化机制，并利用PageRank算法计算节点权威值，表达消息的传播概率，建立改进模型，提出新消息影响增强因子。考虑新消息发布的时机不同，在不同时间将传播概率叠加上增强因子，在原有传播人数达到最大值的时间前后发布，以增大传播者数量，延长传播时间。对不同消息的传播改变了固有的传播率。固有传播率越大，传播范围越广，传播时间越长，即越受社会关注的消息传播越快越广泛，延续时间也越长。
关键词：SIR模型;PageRank算法;自媒体;无标度网络
DOI：10. 11907/rjdk. 173234
中图分类号：TP393 文献标识码：A 文章编号：1672-7800（2019）003-0157-05
0 引言
相对于传统媒体，以互联网技术为基础的自媒体以其信息传播的即时性、交往方式的平等性和交往身份的虚拟性等特点，成为公民获取信息、表达感情与思想、参与社会公共生活的重要载体，并逐渐渗透到政治、经济、文化、社会等诸多领域。研究消息在这些自媒体上的传播，对于了解舆情、舆论掌控具有重要意义。
由于现实中的自媒体网络等信息交互系统十分复杂，受诸多因素影响，所以消息传播研究都从建立一个合理有效的数学传播模型开始，用这些模型进行仿真实验获得有价值的传播机理[1]。现今的传播模型大多改进于经典传染病模型SIR（Susceptible-Infective-Removal），如DK谣言传播模型[2-3]、考虑积极和消极两极社会加强的传播模型[4]、考虑潜伏期的SEIR模型[5]，但模型对现今以微博为代表的大规模自媒体网络来说不够完善，难以应用[6]。所以，要结合现实中自媒体网络用户活跃度，分析人们对事件兴趣的减退情况[7]，建立传染者退化机制。上述模型都基于场均假设[8]，考虑到现实自媒体网络是一个非均质网络，每个用户成为传播的可能性不同，因此用節点的权威度作为用户免疫力标准。PageRank[9]算法基于某网页A的重要性判断A的重要程度，故采用PageRank算法生成节点的权威程度[10]，并考虑外部社会因素对传播的影响效果[11-12]。
突发自然灾害事件微博舆情蔓延规律与控制研究
第３２卷第９期 ２０１３年９月 情报杂志
ＪＯＵＲＮＡＬ ＯＦ ＩＮＴＥＬＩＪＧＥＮＣＥ Ｖｏ１．３２ Ｎｏ．９ Ｓｅｐ． ２０１３
突发自然灾害事件微博舆情
蔓延规律与控制研究
王洪亮 周海炜
（河海大学战略管理研究所南京２１１１００）
摘要突发自然灾害事件导致的微博舆情蔓延迅速，影响巨大。建立了微博舆情蔓延ＳＩＲ模型，以２０１３年４月 ２０日四川省雅安地震这一自然灾害事件在新浪微博上的舆情蔓延为例，采用ＭＡＴＬＡＢ仿真，对微博舆情蔓延规律 进行实证研究。开创性地同时从情报学和传染病学的角度来研究突发自然灾害事件微博舆情蔓延特征：从微博舆 情蔓延的速度、广度、深度来分析微博舆情蔓延的离散分布、小世界、最小努力性的情报学特征；从“病原体”、传染
性、免疫性来分析微博舆情蔓延的传染病学特征。结合这两方面的特征，从微博舆情的“传染源”、“传播途径”、“易 感人群”的角度提出微博舆情蔓延控制措施，为突发自然灾害事件微博舆情应急管理提供理论和实践支持。 关键词 突发自然灾害 微博舆情传染病模型 蔓延规律控制策略
中圈分类号（３２０６ Ｇ２５０．２ 文献标识码Ａ 文章编号１００２—１９６５（２０１３）０９—００２３—０６
Ｒｅｓｅａｒｃｈ ｏｎ Ｍｉｃｒｏｂｌｏｇ Ｏｐｉｎｉｏｎ Ｄｉｓｓｅｍｉｎａｔｉｏｎ Ｌａｗ ａｎｄ Ｃｏｎｔｒｏｌｌｉｎｇ
Ｓｔｒａｔｅｇｙ ｏｆ Ｓｕｄｄｅｎ Ｎａｔｕｒａｌ Ｃａｌａｍｉｔｙ
Ｗａｎｇ Ｈｏｎｇｌｉａｎｇ Ｚｈｏｕ Ｈａｉｗｅｉ
（Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｓｔｒａｔｅｇｉｃ Ｍａｎａｇｅｍｅｎｔ，Ｈｏｈａｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１１１００）
Ａｔｍｒａｃｔ Ｔｈｅ ｍｉｅｒｏｂｌｏｇ ｏｐｉｎｉｏｎ ｇｅｎｅｒａｔｅｄ ｂｙ ｓｕｄｄｅｎ ｎａｔｕｒａｌ ｃａｌａｍｉｔｙ ｓｐｒｅａｄｓ ｒａｐｉｄｌｙ，ａｎｄ ｈａｓ ｇｒｅａｔ ｉｍｐａｃｔ．Ｗｅ ｂｕｉｌｄ ｔｈｅ ｅｐｉｄｅｍｉｃ ｍｏｄｅｌ（ＳＩＲ ｍｏｄｅ１）－ｔｈｅｎ ｗｅ ｓｉｍｕｌａｔｅ ｔｈｅ ｄｉｓｓｅｍｉｎａｔｉｏｎ ｏｆ ｍｉｃｒｏｂｌｏｇ ｏｐｉｎｉｏｎ ｃａｕｓｅｄ ｂｙ ｔｈｅ Ｙａ’ａｎ Ｅａｒｔｈｑｕａｋｅ ｏｎ Ａｐｒｉｌ ２０ ｉｎ Ｓｉｃｈｕａｎ ｐｍｖｍ￣ｂｙ ＭＡＴＬＡＢ．Ｅｍｐ￣ｃａｌ ｒｅｓｅａｒｃｈ ｍｅｔｈｏｄ ｉｓ ａｄｏｐｔｅｄ ｔｏ ｓｔｕｄｙ ｔｈｅ ｄｉｓｓｅｍｉｎａｔｉｏｎ ｌａｗ ｏｆ ｍｉｃｒｏｂｌｏｇ ｏｐｉｎｉｏｎ．Ｔｈｅ ｍｅｔｈｏｄ ｕｓｅｄ ｉｎ ｓｍｄｙｍｇ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅ ｄｉｓｓｅｍｉｎａｔｉｏｎ ｏｆ ｍｉｃｒｏｂｌｏｇ ｏｐｉｎｉｏｎ ｆｒｏｍ ｂｏｔｈ ｔｈｅ ２ ｐｅｒｓｐｅｃｔｉｖｅｓ ｏｆ ｉｎｔｅｌｌｉｇｅｎｃｅ ｓｃｉｅｎｃｅ ａｎｄ ｅｐｉｄｅｍｉｏｌｏｇｙ ｉｓ ｇｒｏｕｎｄ—ｂｒｅａｋｉｎｇ．Ｓｃａｔｔｅｒｅｄ ｄｉｓｔｒｉｂｕｔｉｏｎ ｐｒｉｎｃｉｐｌｅ。ｓｍａｌｌ ｗｏｒｌｄ ｐｒｉｎｃｉｐａｌ。ａｎｄ ｔｈｅ ｌｅａｓｔ ｅｆｆｏｒｔ ｐｒｉｎｃｉｐｌｅ ａｌｅ ｔｈｅ ｆｅａｔｕｒｅｓ ｆｒｏｍ ｉｎｔｅｌｌｉｇｅｎｃｅ ｓｃｉｅｎｃｅ ａｎａｌｙｓｉｓ。ａｎｄ ｐａｔｈｏｇｅｎ。ｉｎｆｅｃｔｉｖｉｔｙ。ａｎｄ ｉｍｍｕｎｉｔｙ ｆｅａｔｕｒｅｓ ｃｏｍｅｓ ｆｒｏｍ ｅｐｉｄｅｍｉｏｌｏｇｙ ａｎａｌｙｓｉｓ．Ｆｉｎａｌｌｙ，ｔｏ ｐｒｏｖｉｄｅ ｔｈｅｏｒｅｔｉｃａｌ ａｎｄ ｐｒａｃｔｉｃａｌ ｓｕｐｐｏｒｔ ｆｏｒ ｔｈｅ ｍａｎａｇｅｍｅｎｔ ｏｆ ｓｕｄｄｅｎ ｎａｔｕｒａｌ ｃａｌａｍｉｔｙ。ｗｅ ｐｕｔ ｆｏｒｗａｒｄ ｔｈｅ ｃｏｎｔｒｏｌｌｉｎｇ ｓｔｒａｔｅｇｙ ｏｆ ｔｈｅ ｄｉｓｓｅｍｉｎａｔｉｏｎ ｌａｗ ｏｆ ＩＩｌｉ－ ｃｒｏｂｌｏｇ ｏｐｉｎｉｏｎ． Ｋｅｙ ｗｏｒｄｓ ｓｕｄｄｅｎ ｎａｔｕｒａｌ ｃａｌａｍｉｔｙ ｍｉｃｒｏｂｌｏｇ ｏｐｉｎｉｏｎ ｅｐｉｄｅｍｉｃ ｍｏｄｅｌ ｄｉｓｓｅｍｉｎａｔｉｏｎ ｌａｗ ｃｏｎｔｒｏｌｌｉｎｇ ｓｔｒａｔｅｇｙ
基于微博博主情感的信息传播模型研究
基于微博博主情感的信息传播模型研究
社交媒体已经成为了我们生活中不可缺少的一部分，而微博，作为中国最大的社交媒体平台之一，那么基于微博博主情感的信息传播模型研究，就成为了一个非常值得深入探究的问题。
一、情感分析
我们知道，每一个微博都有其对应的情感倾向。这种情感倾向可以是喜欢，可以是不喜欢，也可以是中立的。而情感分析，就是用不同的算法来分析微博中的情感倾向。其中比较流行的有基于规则的方法和基于机器学习的方法。
基于规则的方法比较要求人工干预，需要先提前定义好一系列规则，再根据这些规则来分析情感倾向。而基于机器学习的方法则更为封装和自动化一些。基于机器学习的方法则需要建立一个情感标注的数据集，让算法根据这些数据集的学习结果，来预测未来微博的情感分析。
二、谣言检测
谣言是我们社交媒体中非常常见的一个现象。当有人想要传播假消息时，他们会尽可能地编造一些信息，来让这个谣言看起来比较可信。因此，检测谣言也成为了一个非常重要的问题。
在微博中，我们可以基于微博博主的情感分析来检测谣言。如果一个微博博主的情感分析结果明显偏向于某一种情感，则我们可以认为这个博主可能存在一定的主观性。因为当我们有过多的情感倾向时，我们可能会对信息进行一定的扭曲，让整个信息形成更加有利于自己的情感倾向。
三、影响因素 我们知道，在信息传播中，情感因素只是其中的一个因素。还有非常多因素会影响我们的信息传播。例如，信息的编写当中是否存在错别字，是否存在对应的图片或视频，以及信息是否具有独到的角度等。
因此，当我们在研究基于微博博主情感的信息传播模型时，也需要考虑到这些因素。只有当我们全面考虑这些因素，并且找到各个因素之间的关系时，我们才能够真正地让信息传播变得更好。
四、结论
基于微博博主情感的信息传播模型研究，是一个非常具有挑战性的问题。然而，我相信只要我们用心去思考，并且不断地进行尝试和实践，我们一定能够找到一个有效的解决方案。未来的信息传播模型，将会更加趋近于完美，提供更加完美的用户体验。
微博信息传播规律及其利用探讨
ＡＰＰＬＩＥＤ ＲＥＳＥＡＲＣＨ＜＜＜
微博信息传播规律及其利用探讨
文／袁满
摘要：微博作为“自媒体”时代的信息共享和交流工具，
其传播价值日益显露。本文从实证角度出发，以“环球企业家
杂志”账户的一条微博为样本数据，研究了微博信息传播范围
逐层急剧增加、短时间快速衰减，微博用户因共同兴趣、爱好
聚集的规律，探讨了有效利用微博进行信息传播的方法。 关键词：微博；信息传播；传播规律；利用
引言
微博在国内流行以来，微博营销、政务微博、富微博等概
念开始流行，政府机构利用微博了解民意、引导舆论；企业利
用微博发布信息、监测口碑、了解消费者；个人利用微博释放
情绪、记录生活、表达观点。
微博主要是一个社交媒体，同时兼有一些社交网络性质，
因为微博主要由较弱的人际关系所组成，这种松散的社交网络
只是用户访问微博的副产品，彼此之间由共同的兴趣爱好而聚
集在一起，并关注某些议题。
微博传播效力已经被政府、机构、企业和个人所重视，仅
新浪微博截止２０１１年１０月３１日前认证的党政机构和公务员微博
数已达１８１３２个，活跃和影响力大的微博账户其粉丝数达百万以 上，一年发微博几千、上万条…。企业微博与个人微博数量更是
上亿计。微博的信息传播功能已被大众认识，本文在这里通过实
例分析微博的信息传播规律，并探讨微博传播效应发挥的问题。
１、微博信息传播实例测试
近日来，个人隐私信息安全的话题广为关
注，成为各种媒体的焦点话题。笔者在新浪微
博上选择一条新发布的有关个人信息安全的微
博信息，地址ｈｔｔｐ：／／ｗｅｉｂｏ．ｃｏｍ／１ ６５７２３６１ ２５／
ｙｋｅｐｑＢｔＢＷ，发布者名叫“环球企业家杂
志”，发布时间：２Ｏ１ ２年５月２１日２０：２４，内
容如下：
【你的网银不安全】朱凯华，９０后江西人，
初中文化，看看他的生财之道：从网上购买大批
含身份证号的上海车主信息，按车档次初次筛
选，然后向三大银行员工购买相应个人银行卡
基于改进SEIR模型的突发传染病传播规律研究
基于改进SEIR模型的突发传染病传播规律研究
王蓓蓓;袁金凤;马亚萍
【期刊名称】《武汉理工大学学报（信息与管理工程版）》
【年(卷),期】2024(46)1
【摘 要】突发传染病严重威胁着人民的健康和社会的稳定,已经成为社会各界广泛关注的焦点问题,为了更好地预防和控制传染病的发生和传播。综合考虑突发传染病的传播特性,在传统SEIR模型的基础上,引入接触者类型,考虑接触者的延迟隔离时间,提出一种改进的SEIR模型(SCH_(c)EIUHRD模型)。结果验证了模型的有效性,明确了接触者延迟隔离对突发传染病传播的影响机理,表明接触者的及时隔离对疫情控制的必要性。研究能够为传染病防控措施的制定提供理论依据。
【总页数】7页(P14-20)
【作 者】王蓓蓓;袁金凤;马亚萍
【作者单位】武汉理工大学中国应急管理研究中心;安全预警与应急联动技术湖北省协同创新中心;武汉理工大学安全科学与应急管理学院
【正文语种】中 文
【中图分类】C931;R184
【相关文献】
1.基于SEIR模型的地铁站传染病传播仿真研究2.基于SEIR模型改进的疫情传播模型的研究与验证3.基于ARIMA与SEIR模型的突发传染病发病特征与趋势预测4.一种改进的SEIR高校突发事件传播模型 因版权原因，仅展示原文概要，查看原文内容请购买
传染病的传播模型与分析
传染病的传播模型与分析
传染病是指通过接触、空气传播、飞沫传播等途径从一个人传播到另一个人的疾病。了解传染病的传播模型以及相应的分析方法对预防与控制传染病具有重要意义。本文将探讨传染病的传播模型以及常用的分析方法。
一、传染病的传播模型
1. SIR模型
SIR模型将人群分为易感者(Susceptible)、感染者(Infectious)和康复者(Recovered)三个互不重叠的类别，描述了传染病在人群中的传播过程。在这个模型中，一个人从易感者状态转变为感染者状态后再转变为康复者状态，整个过程是一个动态的流程。
2. SEIR模型
SEIR模型在SIR模型的基础上增加了一个潜伏期状态(Exposed)，即感染者已经被病原体感染但尚未表现出明显症状。该模型可以更准确地描述某些疾病的传播特征，例如新冠病毒。
3. 网络传播模型
网络传播模型基于人与人之间复杂的联系，将人与人之间的接触关系表示为网络结构，从而可以更好地研究疾病在社交网络中的传播过程。该模型为防控传染病提供了新的思路和方法。
二、传染病的分析方法 1. 流行病学调查
流行病学调查是研究传染病传播规律的核心方法之一。通过对患者、病原体、传播途径等进行全面的调查，可以了解感染源、传播途径、传染力大小等信息，从而为疫情防控提供科学依据。
2. 数学模型
数学模型是传染病研究中常用的工具之一。基于传染病的传播机理以及传染力大小等参数，可以建立相应的数学模型，并通过模型推导出预测结果，如疫情的发展趋势、传播速度等。常用的数学模型包括微分方程模型、积分方程模型、格点模型等。
3. 统计分析
统计分析是对大量传染病数据进行处理和分析的重要手段。通过对病例数据进行整理、汇总和统计，可以得到病例分布、死亡率、复发率等重要指标。同时，还可以运用统计学方法对数据进行建模和预测。
4. 传播网络分析
传播网络分析是一种基于网络结构的方法，可以研究传染病在社交网络中的传播特征。通过分析网络拓扑结构、节点特征以及传播路径等信息，可以发现传播的薄弱环节和高风险群体，并制定有针对性的防控策略。
新浪微博的大规模信息传播规律研究
新浪微博的大规模信息传播规律研究
易成岐;鲍媛媛;薛一波;姜京池
【期刊名称】《计算机科学与探索》
【年(卷),期】2013(007)006
【摘 要】以Web2.0为代表的社会媒体正在深刻影响和改变信息的传播方式、人们的社交方式、大众的生活理念,社会网络也成为学术界和工业界的研究热点.以中国著名社交网站“新浪微博”的大规模数据为依托,研究了社会网络的信息传播问题,揭示了社会网络的信息传播机制,提出了几种信息传播模型,尝试剖析社会网络的信息传播规律.这些研究成果既可以应用于信息传播预测、传播态势感知、个性化信息推荐、广告精准投放等多个领域,也可以用于发现不良用户和信息,保障网络和信息安全.
【总页数】11页(P551-561)
【作 者】易成岐;鲍媛媛;薛一波;姜京池
【作者单位】哈尔滨理工大学计算机科学与技术学院,哈尔滨150080;清华大学信息技术研究院,北京100084;清华大学信息科学技术国家实验室(筹),北京100084;清华大学信息技术研究院,北京100084;清华大学信息科学技术国家实验室(筹),北京100084;哈尔滨理工大学计算机科学与技术学院,哈尔滨150080
【正文语种】中 文
【中图分类】TP393
【相关文献】 1.新浪微博信息传播的影响因素分析与效果预测 [J], 柯赟
2.新浪微博信息传播效果评价及实证研究——基于DEA方法的分析 [J], 刘健;孙小明
3.传播学视阈下的"韩流"信息传播初探r——以新浪微博账号"韩国me2day"为例
[J], 赵瑞楠
4.传播学视阈下的“韩流”信息传播初探——以新浪微博账号“韩国me2day”为例 [J], 赵瑞楠;
5.公共事件信息传播失真原因及对策探究
——以新浪微博为例 [J], 吴昊;李杨浩;李曼;胡晓晶
因版权原因，仅展示原文概要，查看原文内容请购买
微博信息传播的可信度分析与建模研究
微博信息传播的可信度分析与建模研究
随着互联网时代的到来，社交媒体平台如今已成为了信息传播的主要渠道之一。其中，微博作为中国最大的社交媒体平台之一，具有庞大的用户群体和广泛的信息传播范围。然而，随着信息量的急剧增加和信息可信度的不确定性，如何准确、可靠地评估微博信息的可信度，成为了一个亟待解决的问题。因此，本文将从微博信息传播的可信度分析与建模研究进行探讨，并提出相应的解决方案。
第一部分：微博信息传播的特点分析
1.1 信息传播速度快：微博作为一种实时社交媒体平台，传播速度快，能够迅速将信息传递给广大用户。
1.2 信息传播范围广：微博用户庞大，覆盖了各行各业的人群，信息传播范围广泛。
1.3 信息可信度难以判断：由于信息的快速传播，信息的真实性和可信度往往难以判断，存在较大的不确定性。
第二部分：微博信息可信度评估的研究方法
2.1 文本特征分析：通过对微博文本进行特征提取，包括文本的关键词、表情符号、语气等，进而对微博的可信度进行预测。
2.2 用户行为分析：通过分析用户的行为模式、关注度和质量等指标，评估微博发布者的可信度。 2.3 网络结构分析：通过分析微博间的关联关系和转发关系，进一步判断微博信息的可信度。
2.4 机器学习方法：利用机器学习算法对大量的微博信息及其相关数据进行训练，构建可信度预测模型。
第三部分：微博信息可信度建模研究
3.1 建立评估体系：根据上述研究方法，构建微博信息可信度的评估指标体系，包括文本特征指标、用户行为指标和网络结构指标。
3.2 构建可信度预测模型：基于机器学习算法，通过训练大量的微博样本数据，构建可信度预测模型，实现对微博信息可信度的自动判断。
3.3 验证与优化：对建立的可信度预测模型进行验证与优化，通过真实的数据集进行测试，不断完善模型的准确性和稳定性。
第四部分：微博信息可信度分析与建模的实际应用
4.1 舆情监测与预警：利用微博信息可信度分析与建模的方法，对热点事件进行舆情监测与预警，迅速发现和处理谣言等不实信息，起到维护社会稳定的作用。