本部分的改进思路主要是将SIRS传染病模型和J-A模型相融合［5］，以传染病的传染原理体现群体极化过程中信息的传播、扩散过程；同时，扩充原有J-A模型，弥补模型中的不足，例如：通过在节点间采用不同程度的关系强度，反映现实个体之间的亲疏差别；而由于网络舆情的特点，每个节点能够获取与之相连节点的观点态度，需将原有模型中个体间两两随机交互方式改为相连节点之间一对多交互模式，以大大降低信息的不对称性，使得个体在拥有周边充分信息的支持下，进行“站队”选择。
模型中涉及的参数定义如表5-1所示。
表5-1 参数定义
基于以上分析，模型具体构建过程如下。
第一，利用SIRS模型、公式（5-1）仿真个体之间信息的传播过程。
第二，选取t时刻为健康状态，而t+1时刻为感染状态的节点，即由健康状态转变为感染状态的个体。在本模型中，这些个体在信息的传播过程中发生了态度的改变。
第三，该个体的态度值演化规则为：
其一，同化规则。当个体i所持有的观点和周围个体的综合观点差距小于d1时，个体i的态度值更新为：
(www.xing528.com)
其中，
如公式（5-3）所示；α表示态度改变的同化程度系数，范围在（0，1）。
其二，相斥规则。当个体所持有的观点和周围个体的综合观点差距大于d2时，个体i的态度值更新为：
其三，中立规则。其他情况下，个体i不改变态度值。
本部分沿用J-A模型中的社会评价理论，应用同化效应和排斥效应。上述d1≤d2。本模型融入SIRS传染病模型，更好地模拟群体极化过程中的信息扩散传播过程，同时将个体间信息的交互改变为一对多模式，使得信息的搜集相对全面。
群体态度极化流程如图5-2所示，具体过程如下：①按照不同的比例将BA网络中的个体分为健康者（S）、感染者（I）和免疫者（R）；②随机选择一个个体X，根据周围个体的角色、不同角色的数量及感染率α、免疫率β、恢复率γ来综合确定个体X是否转变角色，并对所有个体进行遍历；③搜索角色由S变为I的个体，他们由健康者变成感染者，表现在本模型中即是态度受到影响而发生改变；④通过改进的极化模型计算态度的转变量；⑤重复上述②—④步骤多次。
图5-2 群体态度极化模型流程图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
