自媒体时代的消息传播问题分析报告.docx

资源描述

自媒体时代的消息传播问题分析报告.docx

《自媒体时代的消息传播问题分析报告.docx》由会员分享，可在线阅读，更多相关《自媒体时代的消息传播问题分析报告.docx（28页珍藏版）》请在冰豆网上搜索。

自媒体时代的消息传播问题分析报告.docx

自媒体时代的消息传播问题分析报告

自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，选择适宜的自媒体平台和信息建立一系列相应的模型。

文过类比生物学中传播病的传播方式和物种增长的特点，分别建立改良的SIR传播模型、关联信息相互作用的IDM模型等。

然后使用MATLEB，R软件，通过具体数据，定量地对模型进展仿真模拟，探究出不同类型在同一自媒体和一样类型在不同自媒体中传播过程的差异，并根据建立的相关模型，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。

首先，选取很具有代表性的自媒体平台微博，作为信息发布的平台，并对其信息传播特点进展分析。

然后利用物理学中平均场近似法，把微博网络的节点信息交互作用平均化，并把微博的全部用户看做一个种群，把信息在微博用户中的传播看做病毒在种群中的传播，把各个用户看做节点，最后在此根底上，建立SIR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，建立关联信息之间相互作用的IDM模型，解决两个相关联信息之间的泛化竞争传播问题。

根据SIR传播模型的根底上，把两个相互关联的信息在自媒体中的传播，分解为在子网络中的子让增长过程和不同子网络间的扩散问题。

对Fisher模型和DiffusiveLogistic模型进展改良，建立关联信息之间相互作用的IDM模型，得出两个相关联信息之间相互促进或抑制的条件，进而得出关联信息出现后，原信息的传播变化。

针对问题三，在SIR传播模型的根底上，通过采集历史具体数据，定量的对不同类型的信息在一样自媒体平台和一样信息在不同自媒体平台中传播过程进展模拟，通过可视化的结果，具体分析出存在的相似与差异，并对问题一模型进展定量的验证。

针对问题四，在SIR传模型播关联信息相互的IDM的模型以与问题三定量的验证的根底上，在自媒体管理的管理中，对于不良信息，管者不能听之任之，应做到在关键节点，进展“疏〞，“堵〞有度，科学控管。

关键词：

自媒体SIR传播模型IDM模型信息传播

Abstrct

Inthispaper,aimingattheprocessofinformationdisseminationfromthemediaplatform,wechooseasuitableseriesofmediaplatformsandinformationtoestablishaseriesofcorrespondingmodels.Inthispaper,theimprovedSIRpropagationmodelandtheIDMmodeloftheinteractionoftheinformationareestablishedbythepropagationmodeofthetransmissiondiseaseandthecharacteristicsofthespeciesgrowthintheanalogybiology.Then,weuseMATLEB,Rsoftwaretosimulatethemodelquantitativelythroughtheconcretedata,andfindoutthedifferenceofdifferenttypesinthesamemediaandthesametypeofpropagationindifferentmedia.Accordingtotherelevantmodel,Platformmanagement.

Fortheproblemone,theSIRpropagationmodelisestablishedtostudythepropagationofinformationonthemediaplatform.Firstofall,selectaveryrepresentativefromthemediaplatformmicroblogging,asaplatformforinformationdissemination,anditsinformationdisseminationcharacteristicsoftheanalysis.Andthenusetheaveragefieldapproximationinphysics,themicrobloggingnetworknodeinformationinteractionisaveraged,andthemicrobloggingofallusersasapopulation,theinformationinthemicrobloggingusersasthespreadofthevirusinthepopulationmunication,theuserasanode,andfinallyonthisbasis,theestablishmentofSIRinfectionmodel,toachieveareasonableinformationinthemediaplatformfromtheprocessofsimulation.

Inordertosolvetheproblem,theIDMmodeloftheinteractionbetweentherelatedinformationisestablished,andtheproblemofgeneralizedpetitionpropagationbetweenthetworelatedinformationissolved.thediffusionprocessinthesub-networkandthediffusionbetweendifferentsub-networks.TheFishermodelandtheDiffusiveLogisticmodelareimprovedtoestablishtheIDMmodeloftheinteractionbetweentherelatedinformation,andtheconditionsofmutualpromotionorsuppressionbetweenthetworelatedinformationareobtained.Then,aftertheoccurrenceoftherelatedinformation,thepropagationoftheoriginalinformationThe

BasedontheSIRpropagationmodel,thedataofdifferenttypesofinformationaresimulatedinthesamemediaplatformandthesameinformationindifferentmediaplatformsbycollectingthehistoricaldata.Throughthevisualizationresults,Analyzestheexistingsimilaritiesanddifferences,andquantifiestheproblem-modelquantitatively.

Inthecaseofthemanagementofthemediamanagement,forthebadinformation,thesupervisorcannotletitbe,andshouldbedoneatthekeynode,andinthecaseoftheIDMmodeloftheSIRtransmissionmodel,Tocarryout"sparse","blocking"adegree,scientificcontrol.

Keywords:

mediaSIRpropagationmodelIDMmodelinformationdissemination

1.问题重述

电视剧《人民的名义》中人物侯亮平说：

“现在是自媒体时代，任何突发性事件几分钟就传播到全世界。

〞相对于传统媒体，以互联网技术为根底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，已经成为公民获取信息、表达情感与思想、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。

本文将结合实际情况，建立数学模型，解决以下问题：

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、国务院决定设立雄安新区〞这条消息为例，分析其传播过程。

2.假如某条消息在自媒体传播的过程中，如果出现了新的与之高度关联的消息〔例如相关单位或知名人士发布了新的消息〕，建立数学模型，分析并说明新消息出现后传播过程的变化情况

。

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是否存在差异？

〔2〕同一消息在不同自媒体平台上传播是否存在差异？

并通过数值算例进展验证。

4.结合所建立的模型，写一份分析报告，阐述对自媒体时代消息传播的见解或看法，并进一步提出自媒体平台管理的建议。

2.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步骤：

第一、利用文献资料查找出各类自媒体平台的特点，并选取微博这类主流的自媒体平台为代表作深层次的探究。

。

第二、由于信息在微博的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，把自媒体中的所有用户以与社交关系相当于整个生态圈，信息在自媒体中的传播过程，相当于生物从一个种群利用所在的生态环境中的资源来开展自身规模的过程，因此选取适合传染病传播的SIR模型并参考了Fisher模型和DiffusiveLogistic模型之后，提出IDM模型。

第三、通过所建立的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、三的结论阐述了我们对自媒体时代消息传播的见解或看法，向自媒体管理平台提出关于自媒体平台管理的建议。

本文的总体结题思路如下列图。

图1解题思路流程图

具体问题的分析：

〔1〕问题一的分析

问题一要求我们以中共中央、国务院决定设立雄安新区〞这条消息为例，分析其传播过程。

针对问题一，首先，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一样，我们选取微博这一主流自媒体平台为代表进展研究。

在认真的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，所以我们需要对传统的SIR模型改良。

〔2〕问题二的分析

问题二要求我们建立了数学模型，分析并说明当某条消息在自媒体传播的过程中，出现了新的与之高度关联的消息之后的传播过程的变化情况，受问题分析结果的影响，针对问题二，我们将某一条信息类比成某个物种，把自媒体中的所有用户以与社交关系相当于整个生态圈，信息在自媒体中的传播过程，相当于生物从一个种群利用所在的生态环境中的资源来开展自身规模的过程。

我们参考Fisher模型和DiffusiveLogistic模型之后，提出IDM模型。

〔3〕问题三的分析

问题三要求通过比照分析探究不同类型的信息在一样自媒体平台和一样类型的信息在不同自媒体平台上的传播过程的是否存在差异，因此，需要在问题一建立的SIR感染模型的根底上通过采集到的定量数据代入模型进展验证，进而得到可视化结果，通过比拟结果的差异从而得出信息在自媒体中真实的传播过程。

〔4〕问题四的分析

问题四要求我们根据问题一、二、三的研究结果，写一份报告，阐述我们对自媒体时代消息传播的见解或看法，向自媒体管理平台提出关于自媒体平台管理的建议。

针对问题四，在本文研究结果的根底上结合实际情况，阐述了我们队对自媒体时代消息传播的见解和看法，最后我们想自媒体管理平台平台提出了关于自媒体管理的建议。

3.模型假设

假设一：

所针对的自媒体平台用户短时间数量根本不变；

假设二：

不考虑独特的信息类型；

假设三：

假设各类信息传输条件一样；

假设四：

假设只考虑信息的三个指标；

符号

含义

S（t）

I（t

R（t）

λ（k）

β（k）

n（k）

微博用户节点的有限集合

节点总数目

未听说过信息的微博网络节点

听说过信息并传播的微博网络节点

听到过信息但并不传播的微博网络节点

未感染节点密度

传播节点密度

免疫节点密度

微博网络中的平均节点度

S转化为I的概率

K转化为不传播信息的R的概率

S与R交互时S转化为R的概率

表示子网络中点到相应信息源的跳数

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性与非规性信息的新媒体的总称。

自媒体平台包括：

博客、微博、微信、XX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，所以对于问题一，主要以“中共中央、国务院决定设立雄安新区〞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

在微博平台中，每个用户可以都看到他们所关注的用户发布的微博，并且会以一定的概率评论转发，评论转发的微博同样也会被其他关注的用户看到．在微博的信息传播过程中，相信信息的真实性并且转发微博的用户成为信息传播者；如果对信息的容不感兴趣或者从一开始就不相信信息的真实性从而不转发，这些用户成为信息免疫者。

而微博信息的传播过程可以很好地满足以上三个假设。

首先，某条微博的转发人数是一个确定的数；其次，每个读过已转发用户微博都有可能再次转发；而且已转发的读者里有相当一局部不会再次转发。

因此我们选取SIR模型[2]对微博信息的传播进展仿真，并以此讨论其传播规律。

SIR模型的大致过程如下：

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幂指数分布的，所以微博网络可以被认为是所有节点的度都近似相等的均匀网络．利用统计物理学中的平均场近似方法，忽略那些局部不平等的相互作用，把微博网络中的节点信息交互作用平均化．由此微博网络可表示为一个二元组｛U,T｝。

U代表微博用户节点的有限集合，ui∈U代表具体的节点，令节点总数目为N，如此

U=｛u1，u2，…，uN｝；

T为U×U的任一子集合，T={（ui,uj）|ui,uj∈U}。

假如存在〔ui,uj〕∈T，如此表示ui与uj进展信息交互，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示为一个四元组{S，I，R，T}。

S代表从未听说过信息的微博网络节点，处于未感染状态，类似于传染病模型中的易感者，设总数为l，

S={s1，s2,…,sl}。

I代表听说过信息并传播的微博网络节点，处于传播状态，类似于传染病模型中的感染者，设总数为m，如此有：

I={i1，i2，…，im}.

R代表听到过信息但并不传播的微博网络节点，处于免疫状态，类似于传染病模型中的免疫者，设总数为n，如此：

R={r1,r2,…,rn}.

其中S⊆U，I⊆U，R⊆U，并且

l+m+n=N.

有六种情况，代表着，以与相互交互的6种结果，即微博网络息交互有6种情况，分别如如下图所示是：

第①种情况第②种情况

第③种情况第④种情况

第⑤种情况第⑥种情况

图3信息交互转化图

由以上6种交互结果来看，产生变化的有三种，分别是第②、第③和第⑤种情况．其中第③种情况显示si没有经过ii的状态转换，而是直接变为ri，产生了直接免疫的情况。

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．同时，假设微博网络中未感染节点和传播节点均匀混合．根据上面的相关定义和假设，研究微博信息传播规律和预测方法．

〔3〕节点密度

微博网络中，S（t）表示群体中在t时刻，处于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；I（t）表示群体中在t时刻，处于传播状态的节点占微博网络节点总数的比例，称为传播节点密度；R（t）表示群体在t时刻，处于免疫状态的节点占微博网络节点总数的比例，称为免疫节点密度．

S（t）,I（t）,R（t）三者满足归一化条件：

R（t）+I（t）+S（t）＝１．

本文只建立一般情况下的数学模型，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的影响，我们将人群中所有的个体N分成三类：

即易感染者、已感染者、已免疫者。

其中，易感染者以一定概率𝜆被已感染者感染，已感染者以一定概率𝛽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。

基于以上的说明，我们把未转发的终端S看作易感染者，将已经转发微博了的终端I看作已感染者，将已淹没的用户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，对应的微分方程模型为：

dS（t）/dt=-𝜆〔k〕S〔t〕I〔t〕〔1〕

dI（t）/dt=𝜆〔k〕S〔t〕I〔t〕-𝛽〔k〕I〔t〕〔2〕

dR（t）/dt=𝛽〔k〕I〔t〕〔3〕

〔4〕转换概率

k为微博网络中的平均节点度，如此：

λ（k）：

从未听过信息的S遇到传播信息的I时S转化为I的概率；β（k）：

传播信息的k转化为不传播信息的R的概率；n（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，易感者必须经过传播者这个状态才能转变成免疫者，即上文中T的6种情况中第②和第⑤种情况，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，其息易感者和信息免疫者双方群体人数的变化与他们相互接触是有关系的，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，一局部信息易感者在了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．

在交互中表示si与rj接触，si会以一定概率变为ri，rj不变，即T中第③种情况〔si，rj〕→〔ri，rj〕．

在本文提出的改良SIR微博信息传播模型微分方程中用nS（t）R（t）这一项来表示直接免疫．nS（t）R（t）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局部．

直接免疫性质：

性质1.nS（t）R（t）会减少未感染节点的密度，在标准SIR微博信息传播模型微分方程组中第一个式子中要减去这一项；

性质2.nS（t）R（t）会加快免疫节点的密度，在标准SIR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．考到直接免疫的情况，本文提出的改良的SIR微博信息传播模型微分方程如下：

dS（t）/dt=-λI（t）S（t）-n（k）S（t）R（t）（4）

dI（t）/dt=λI（t）S（t）-βI（t）（5）

dR（t）/dt=βI（t）+nS（t）R（t）（6）

在式（4）（5）（6）微分方程组中：

第一个方程表示未感染节点密度的变化率；第二个方程表示传播节点密度的变化率；第三个方程表示免疫节点密度的变化率．微博信息传播模型微分方程中的λ，β与n无法直接求得，本文根据原始数据，利用最小二乘法，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，绝大局部节点为未感染节点，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，从而可得改良SIR微博信息传播模型初始条件：

S〔0〕≈1；

I〔0〕≈0；

R〔0〕≈0；

稳定状态：

随着信息在微博网络中的传播，S（t）会随着时间的推移逐渐减少到0；I（t）随着时间的推移会达到一个峰值，然后再逐渐减少到0；R（t）随着时间的推移逐渐逼近数值1，从而可得改良SIR微博信息传播模型稳定状态：

局部稳定解：

对于改良的SIR微博信息传播模型式（4）（5）（6）微分方程组R（t）＝1-S（t）-I（t），所以考虑前两个式子，令dS（t）/dt=0并且dI（t）/dt得到式

（2）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〕。

为改良SIR传播模型初始状态和稳定状态，

为改良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，依照改良SIR微博信息传播模型，在微博息的传播过程和规律如下：

〔Ⅰ〕在某个话题信息开始传播的初始时刻，一小局部节点为传播节点，其他所有节点为未感染节点；

〔Ⅱ〕在每个时刻t之，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；

〔Ⅲ〕在每个时刻t之，某些传播节点对信息不再感兴趣，以一定概率转变成免疫节点；

〔Ⅳ〕考虑直接免疫的情况，在每个时刻t之，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，最终网络中所有的节点都转变成免疫节点．