网络群体行为模型中传染病模型对比实证

本节探究传染病的传播特性对群体极化效果的影响，通过控制网络结构、初始态度值等参数保持不变［10-11］，仅改变个体间信息的交互方式实现。传染病模型采用传染病传播方式进行个体的信息交互，如图5-6（a）所示，利用传染病模型筛选处于不同状态的节点。观测下一时刻由健康状态转变为感染状态的个体受周围个体的影响，若其由易感者变为感染者，显然他们态度和观点受到了影响且发生了改变。再通过搜索上一时刻和其相连接的为感染状态的个体，综合这些个体的态度值，计量其改变量。一对多的信息交互方式如图5-6（b）所示，中间个体A需要和周围所有个体交换信息后再判断是否改变自己的观点值，同时综合周围所有个体的意见，确定是否改变态度值。融入传染病模型和未融入传染病模型的极化情况分别如图5-7和图5-8所示。

从图5-7和图5-8可以发现，两种模型均有较为明显的极化趋势，极化效果较为显著。对比图5-7（A）和图5-7（B），在相同的交互次数下，融入传染病模型的极化效果更好。其效果有差异的原因在于：个体间信息交互模式的不同在很大程度上影响最终的极化效果。联系生活实际，当个体在面对一个舆情话题时，尽可能地汲取周围所有个体的意见，这会导致中和过后的观点往往偏于理智，极端化趋势会有所减缓，除非周围个体一开始就已经形成较为明显的一个极化观点，但这种情况的可能性较低，所以最终的极化过程较慢［12-13］。而通过传染病模型筛选的由健康状态转为感染状态的个体，将个体态度的转变看作传染病的感染，传播者通过消息传递，以一定的概率感染周围的非传播者，进而影响非传播者的观点，并使他们成为传播者继续传播消息。［14］这种方式使得个体态度的改变仅受周围传播者的影响，这极易形成强弱两方的观点，而个体的从众性促使其向强势一方妥协、屈服，最终做出的决策往往会偏向强势的一方，促使极化现象的发生，所以本模型的极化效果相对较好。

图5-6　极化模型中个体的信息交互模式

(www.xing528.com)

图5-7　不同交互模式下个体态度值随交互次数演化图

图5-8　极化模型不同交互次数下个体态度分布直方图

此外，由于传染病病毒在传播过程中具有较难控制的特点，传染病型的舆情传播能够形成较大的社会影响力。通常传染病型的舆情在传播过程中会攻击网络中的所有节点，并且迅速蔓延至整个网络，使个体间极易受到影响而朝着舆情极端方向发展。