基于差異性微博角色的傳播仿真研究代

摘要：微博中存在的不同的用戶類型，其互動(dòng)習(xí)慣存在較大差異?；谠撐闹行畔鞑ツＰ?，根據(jù)帕累托定律對(duì)實(shí)驗(yàn)對(duì)象進(jìn)行角色劃分，區(qū)別計(jì)算明星用戶和普通用戶兩種微博用戶的權(quán)威性，并利用上述模型進(jìn)行信息傳播模擬實(shí)驗(yàn)。

關(guān)鍵詞：微博；差異；傳播規(guī)律

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）35-0024-02

1 背景

微博通過用戶互動(dòng)支持了更快地信息流動(dòng)。一條微博在發(fā)出后可能數(shù)分鐘內(nèi)就能達(dá)到數(shù)以萬(wàn)計(jì)的轉(zhuǎn)發(fā)量[1]。正是因?yàn)槲⒉┦褂瞄T檻的降低和信息借助于其傳播的高速性，使得微博在信息管理方面容易出現(xiàn)失控現(xiàn)象[2]。因此，微博中用戶的信息傳播習(xí)慣的研究具有很實(shí)質(zhì)性的意義。

用戶在微博網(wǎng)絡(luò)中充當(dāng)著信息制造者和接受者兩種角色。本文抓取了Twitter和新浪的用戶數(shù)據(jù)，其粉絲的分布情況如圖1。

大多數(shù)用戶的粉絲都是從幾十到幾百，而少數(shù)的用戶的粉絲超過數(shù)千或甚至更多。根據(jù)帕累托定律，本文劃分擁有前80%的粉絲的用戶為明星用戶G1。剔除零散數(shù)據(jù)后，明星用戶的粉絲至少超過3000，而普通用戶G2粉絲數(shù)一般不高于800。

2 微博用戶的類型差異

3 信息傳播模型

根據(jù)信息的傳播模型[3]：

[Pjt=1-1-ΔtP0AA（j）δi（t）A（i）]

本文中△t=1，P0=0.5。

將信息的傳播規(guī)則定義如下：

規(guī)則1 在時(shí)刻 t=0， S（0）=N， I（0）=0.

規(guī)則2 在時(shí)刻t， 若Pj（t）>0.5，則認(rèn)為下一個(gè)節(jié)點(diǎn)j會(huì)被傳播，則將其加入I（t）集合，否則將該節(jié)點(diǎn)加入集合S（t）。

規(guī)則3 以規(guī)則2遍歷網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)直至S（t）狀態(tài)穩(wěn)定。

4 實(shí)驗(yàn)結(jié)果分析

將Twitter和新浪微博用戶均劃分為兩部分：明星用戶（G1S、G2S）和普通用戶（G1N、G2N）。信息傳播實(shí)驗(yàn)結(jié)果見圖2至圖3。

從兩組圖（a）可見，在期初，明星用戶的傳播速度遠(yuǎn)大于普通用戶，且其增長(zhǎng)趨勢(shì)非常陡峭。但在T =20，普通用戶的傳播率超越了明星用戶。

最終，明星用戶的傳播率趨近于零，普通用戶的卻始終保持為正值。這表明在消息傳播中的普通用戶的傳播效益更持久。信息在普通用戶群中傳播時(shí)，曾出現(xiàn)過一個(gè)平臺(tái)期，這表明普通用戶較明星用戶而言更易二次傳播。由于比新浪微博更為活躍，G1的實(shí)驗(yàn)變化總是比G2劇烈。Twitter中兩種用戶的差距更大。

5 結(jié)束語(yǔ)

微博是一種高效的通信手段，由于其信息和質(zhì)量的復(fù)雜性，導(dǎo)致微博管理的復(fù)雜性增大。微博信息的傳播速度迅速，有可能被謠言借以廣泛宣傳。微博的信息流動(dòng)依賴于用戶間的互動(dòng)，基于這個(gè)事實(shí)，本文從Twitter和新浪微博獲取數(shù)據(jù)，根據(jù)信息傳播模型，將微博用戶進(jìn)行角色劃分，分別觀察其傳播信息的規(guī)律。

最終得出明星用戶的信息傳播能力爆發(fā)強(qiáng)度大，但持久力差。而普通微博用戶的傳播能力則不容小覷。普通微博用戶更易二次傳播，這些傳播規(guī)律的發(fā)現(xiàn)可用于支撐對(duì)微博信息的管理。

參考文獻(xiàn)：

[1] 新聞網(wǎng). 新浪微博用戶數(shù)超5億 日活躍用戶達(dá)到4620萬(wàn)[EB/OL]. （2013-02-21） [2015-07-23]. http：//news.xinhuanet.com/info/2013-02/21/c_132181760.htm.

[2] 趙麗， 袁睿翕， 管曉宏. 博客網(wǎng)絡(luò)中具有突發(fā)性的話題傳播模型[J]. 軟件學(xué)報(bào)， 2009， 20（5）： 1384-1392.

[3] 石磊， 代琳娜. 微博污染檢測(cè)模型[J]. 計(jì)算機(jī)應(yīng)用， 2013（6）： 1558-1562.