基于信息风险感知理论的虚假信息点对点传播建模与仿真研究

在计算社会科学研究中,受传染病启发的传播模型被广泛用于模拟虚假信息传播,但传统的传染病模型不区分个体间的差异。现实世界中,个体间的差异有助于理解虚假信息如何在个体间传播,这对于探究社交网络中虚假信息的传播规律、抑制虚假信息的传播具有重要意义。文中基于信息风险感知理论,利用在线社交用户的情绪、知识水平、信任度和媒体的接触数量等对传播个体的差异加以区分,构建更加符合现实的虚假信息点对点传播模型。在传播过程中,个体间的差异表现为不同的传播概率,高传播概率的个体更容易转化为传播状态,同时使用人工标注的Facebook数据集进行仿真模拟来研究虚假信息的传播规律。结果发现,相比平均概率传播系统,在点对点传播模式下传播虚假信息的时间跨度更长,波及范围更广。此外,通过控制高传播概率节点,能够实现对虚假信息传播的事前控制,且其相比随机控制、控制高影响力节点的方法取得了更好的效果,但依次增加节点控制比例并未按照预想得到更好的控制效果,出现了“反常识”的特征。

恐慌情绪与虚假信息双传播网络建模与仿真

考虑个体犹豫机制、自净率以及停止率等因素对传播的影响,同时引入个体情绪,构建一种个体情绪与虚假信息的SEIR(Susceptible(易感者)-Exposed(潜伏者)-Infected(感染者)-Removed(康复者))双层传播模型.利用数学分析给出平均场方程,在此基础上推导出虚假信息与恐慌情绪的传播阈值,继而通过仿真模拟和实证分析进行验证.实验结果表明:虚假信息的传播较易引发恐慌情绪,恐慌情绪的出现增加了虚假信息影响的深度和广度;仅通过控制虚假信息的传播来抑制恐慌可能会适得其反.传播阈值是抑制虚假信息和恐慌情绪传播的关键,且阈值变化在很小范围内即可有效控制传播.