谣言传播模型研究综述

《谣言传播模型研究综述》由会员分享，可在线阅读，更多相关《谣言传播模型研究综述（11页珍藏版）》请在装配图网上搜索。

1、复杂系统与复杂性科学 COMPLEX SYSTEMS AND COMPLEXITY SCIENCE第 6 卷第 4 期2009 年 1 2 月Vol. 6 No. 4Dec.2009文章编号:1672 3813(2009)04 0001 11谣言传播模型研究综述芳1，2 ，司光亚1 ，罗批1张(1. 国防大学信息作战与指挥训练教研部，北京 100091;2. 第二炮兵青州士官学校，山东 青州 262500)摘要:简要介绍了自二战以来谣言现象的研究成果及不同领域的谣言传播模型，综述了现有模型的特点及进展。指出谣言传播模型建模过程中要对谣言传播的复杂 性、心理特征、蝴蝶效应、从无序到有序的演化等问

2、题进行深入思考，并借鉴舆论传 播等多学科的现有成果，以建立基于 Agent 的复杂网络上的谣言传播模型。 关键词:谣言传播;模型;建模仿真;Agent;复杂网络中图分类号:TP391. 9; E911;N94文献标识码:AA Survey for Rumor Propagation ModelsZHANG Fang1，2 ，SI Guang-ya1 ，LUO Pi1(1. Department of Information Operation Command Training，NDU of PLA，Beijing 100091，China;2. Sergeant School，the Seco

3、nd Artillery forces of PLA，Qingzhou 262500，China)Abstract:Rumor is a typical social phenomenon. This paper introduces reaserches of rumor phenomenonsince the second world war and some rumor propagation models，summarizes the characteristic of the exi- ting models and their progress. This paper indica

4、tes that some problems such as complexity，mental mech- anism，butterfly effect and evolvement from disorder to order must be paid close attention，and multi-disci- plinary theory such as public opinion propagation must be utilized，in order to establish agent-based rumor propagation model on the comple

5、x network.Key words: rumor propagation; model; modeling and simulation; Agent; complex network作为一种典型的社会现象，谣言在现代社会中不仅没有消失，而且其传播手段、传播途径等都发生了很大的变化。在突发事件、乃至各种危机中，谣言的作用不可低估。因此，对谣言传播机理进行研究非常重要。用模型研究谣言是学术界常用的方法，而且随着社会科学和自然科学中各个学科的相互渗透，用仿真模拟技术研究谣言传播成为主要手段。谣言现象理论研究对谣言比较系统科学的研究始于二战，Knapp 收集整理了 1942 年间的 1 000

6、个战时谣言，并作了系统性1分析，根据谣言的不同目的和内容进行了分类1，这项研究为后来谣言的相关理论研究奠定了重要基础。谣言语义研究一直是国内外学者广泛关注的问题，尽管谣言概念的界定至今仍有很多不同的说法2 15，但是研究者对谣言的概括在以下 3 点却是统一的:1 ) 信息性。谣言是一种信息，一种与某人、某事、某问题的收稿日期:2009 03 24基金项目:国家自然科学基金(60874086，60774035);国家 863 计划项目(2007AA01Z323)作者简介:张芳(1972 )，女，山东青州人，副教授，博士研究生，主要研究方向为战争复杂性、战略模拟及行为建模与仿真。事实有出入的信息;

7、2)传播性。谣言会在某一范围内一定数量的人群中流传，并为众多人所相信;3 ) 未知性。谣言都是未经证实的消息或信息，其证明结果不一定是虚假的，有时也会被证明是真实的。因此，谣言 既是信息的一种扩散过程，又是一种解释和评论的过程。这种过程具有匿名性、时效性、爆发性、重复性和刺 激性等特征。众多学者对谣言的研究表明:尽管不同时期的谣言有其特殊的产生背景，但其传播的基本要素是一致 的，即重要性和模糊性，而且还与个人的差异即谣言受众的批判能力以及事件的反常性和环境因素有 关16 20。谣言传播通常会经历孕育期、散播期、控制期21，也有研究称之为形成期、高潮期和衰退期。研究 还表明，谣言的传播还具有群体

8、性、反复性、变异性等特点22 23。从传播渠道看，谣言的发展可分为人际、大众和新媒介传播 3 个阶段24。近年来社会科学等领域的研 究主要集中于网络谣言的传播过程25 27及传播效果28，其理论基础包括谣言的传播29、谣言背后的社会 学现象9、谣言传播者的内心焦虑或恐慌30 33。这些网络谣言传播研究以电脑中介传播形态的互动性、非线性、非同步性等为基础，克服了传统检验法和调查法中忽视谣言传播时人与人之间的互动性34的缺点，进 一步印证了网络谣言传播是一种展现传播者之间互动能力的集体行为，且具有传播渠道多元化、传播速度 快、范围广、杀伤力大、复制性导致的版本单一化、科学含量高、可信性强、寿命短、

9、主动变异等特点。研究还 发现，网络谣言的传播除了建立在人际传播的链状、树状这两种传播模式的基础上，还有自己独特的传播形 态，即放射状和漩涡型复式传播。谣言传播模型研究及进展谣言传播模型的研究始于 20 世纪 60 年代，由于谣言在人际关系网络中的散布和病毒传播、扩散很相 似，因此现有的谣言传播模型大都借鉴了传染病模型。模型中种群内的个体被抽象为几类，每一类都处于一 种典型状态，其基本的状态包括:S ( Susceptible ) 易染状态，或健康状态;I ( Infected )感染状态; R(Recovered)被移除状态或免疫 / 恢复状态。通常用这些状态之间的转换过程来命名不同的传染模型

10、: SIR 模型(易染群体被感染，然后恢复健康并具有免疫性)、SIS 模型( 易染群体被感染后，又返回到易染状 态)等35 37。只是传染病的微分动力学方程是根据数据统计建立的宏观数学模型，没有考虑到微观机制。2. 1 D K 模型Daley 和 Kendall 于 20 世纪 60 年代提出了谣言传播的数学模型，后来的研究者以 Daley 和 Kendall 的名 字称之为 D K 模型。该模型是借助随机过程的方法来分析谣言问题的，它把受众按照谣言传播效果分成 了 3 类，并假定其中两类人之间角色转换的概率满足一定数学分布。假设在初始条件下(t = 0 时刻)有 X(0) = N 个人未曾听

11、说过某谣言(Susceptible)，Y(0 ) = 1 个人传播谣 言(Infected)，Z(0) = 0 个人听说过该谣言，t0 时，X(t) + Y(t) + Z(t) = N + 1，则描述 D K 模型的 Markov 链X(t)，Y(t)0在连续时间条件下的转移概率为xy (t) = PX(t) = x，Y(t) = y | X(0) = N，Y(0) = 1 这一概率分布在 0xN，0yN 的条件下满足方程:2dxy( x + 1 ) ( y + 1 )y 1= (x + 1)(y 1)x + 1，y 1 + (N x y)(y + 1)x，y + 1 +x，y + 1 y(N

12、 )xydt22当 x，y 超出上述范围时，xy = 0。这个模型尽管不完全符合谣言传播的实际过程，但在一定近似条件下还是合理的。此后，Maki D 和Thomson M38以及 Murray I D39相继利用数学模型对谣言进行了研究，这些研究主要集中于理论分析。基 于数学的谣言模型尽管具有高度的抽象性、严密的逻辑性和应用的广泛性，它对过程描述是非直观的，接近 显示的谣言传播可以用数学模型表示，但却不可求解。2. 2Potts 模型近年来，谣言问题除了继续受到社会学工作者关注外，也引起了物理学等自然科学工作者的关注40 45。第 6 卷第 4 期张 芳，等:谣言传播模型研究综述3谣言作为一个

13、社会集合行为，与物理系统的宏观行为具有相似性，而个体的动机与相互作用则相似于物理系统中的微观运动。目前，应用物理学研究谣言的主要理论是相变理论46 49。Potts 模型就是为研究谣言传 播问题而提出的一个物理学模型。华中科技大学的研究小组利用经过改变的 Potts 自旋系统对谣言传播进 行了量化并建立起了谣言传播的 Potts 模型，给出了自发谣言模型的精确解，并确定了谣言传播的一级相变 和二级相变，用一种定量的方法研究了简单谣言在传播中发生的语义变化50。图 2 谣言命题空间图 1 谣言谓词坐标轴如下面的几个命题:所有 m 只企鹅被杀死;所有 m 只企鹅被抓取;所有 m 只企鹅被放掉。这

14、3 个命题中，每一个命题都有一个个体变量“企鹅”、个体域即个体变量的个数 m 和谓词(分别是“被杀”、“被抓”、“被 放”，记为 l = 3)。谣言在传播过程中个体变量(企鹅) 不发生变化，而命题在传播中会改变其 l 或 m 值。每 一个命题可以表示为(x) m Fl (x)，如在传播过程的某个时刻，命题(x)3 F3 (x)表示所有 3 只企鹅被放掉;在另 一时刻命题可能变为(x)7 Fl (x)，即 7 只企鹅被杀死。使每一谓词 Fl (x) 对应一正实轴0， )，则每个命题 对应于轴上的整数点 m，如图 1;将 l 条轴在各轴的原点 0 上连接起来就构成了一个命题空间，如图 2。Pott

15、s模型就是在这个空间上利用物理学概念进行谣言传播研究，观察谣言在传播过程中被改变或放大的情况。华中科技大学研究小组也指出，由于模型中采用的物理自旋系统是由谣言社会系统经类比衍生出来的，并不是很严密，而且模型中的量化参数的估计通常需要借助民意测验结果，而由于这些结果的粗略性，导致模型 并未做到真正意义上的量化51 52。2. 3元胞自动机模型元胞自动机是一种离散的数学模型，具有物理图像清晰、完全并行、无截断误差等优点，成为近年来探索非线性复杂系统的有力工具。宣慧玉和张发在复杂系统仿真及应用一书中详细介绍了元胞自动机的流言模型，这一模型再现了流言通过个体之间的局部交互进行传播的过程53。模型一般采

16、用二维网格，每个单元格代表一个个体。基本的流言模型的邻元数量为 8(摩尔邻域)，单元 格的颜色有两种状态:不相信流言和相信流言，将不相信流言的单元格涂成白色，相反则为黑色。单元格状 态 的更新遵循如下规则:若单元格为白色( 不相信) ，而它的邻元中有黑色( 相信)，则该单元格从白色变成黑 色;若单元格为黑色，则该单元格保持黑色不变。图 3 所 示为模型在 t = 0，t = 1，t = 2 时的状态。由于以上规则过于简单，模型又引入了流言传播的 更多因素，如相信概率、遗忘概率、多数规则等进行了扩图 3 基本流言模型的传播状态展，从而使流言传播模型更接近于真实的传播过程，构建的仿真模型和仿真结果

17、也更为可信。宣慧玉和张发在复杂系统仿真及应用一书中对流言模型及其扩展进行了详细的介绍53。利用元胞自动机对流言传播进行研究的一个突出特点是个体状态和交互规则简单，这也是其最大不足之处。2. 4 复杂网络上的谣言传播模型 不同个体间传播谣言的几率有差异，不同拓扑结构的社会网络中传播规律也不相同，复杂网络为进一步解决这些问题提供了基础，使得谣言传播的研究有了新的进展。Zanette D H 首先将复杂网络理论应用于谣言传播的研究，在小世界网络上建立谣言传播模型，得出一 些包括谣言传播临界值在内的结论54 55。Moreno Y 等人又在无标度网络上建立了谣言传播模型，同时把 由计算机仿真和通过随机

18、分析方法得出的结论进行了比较56。国内汪小帆等人的研究关注网络的聚类系 数，并发现可以通过增大网络聚类系数来有效地抑制谣言的传播57 58。Zanette 的小世界网络谣言传播模型2. 4. 1Zanette D H 采用 SIR 模型研究了谣言在小世界网络中的传播情况54 55，他把人群分成了 3 类:n ，n ，SInR 分别对应谣言易染、感染、免疫的人群数量，并简化了谣言传播的复杂机制，认为易染者一旦和感染者接触 就被感染，而感染者与免疫者或感染者接触就变为免疫者，并建立 SIR 平均场方程:nIn S = nSNnInI + nRn I = nS N nINnI + nRn R = n

19、IN其研究结果表明，随着谣言在人群分中的传播，人们最后分化成两部分，听过谣言而后免疫的人和从未听过谣言的易感染人群。当整个人群中个体的数量 N 趋向于无穷大时，免疫者在人群中所占的比例 r 最后稳定 在均态，约为 0. 796，这意味着有将近 20% 的人从来没有听说过谣言。研究结果还表明，当 nR 处于比较小的数值区域内时，nR 与 nI 、nR 以及灭绝时间 T 的相关性是服从幂率分布的;当 nR 处于比较大的数值区域内时，如果 p 增大，T 减小，nR 与 nI 都增大，说明整个网络的传播过程变得非常有效率。这个结论在动态小世界模型中也同样存在。小世界模型的网络连接度分布可近似用 Poi

20、sson 分布表示，其分布在度平均值k处有一峰值，然后呈 指数快速衰减。因此，这类网络也称为均匀网络或指数网络。近年来，复杂网络的研究表明，许多复杂网络 的连接度函数具有幂律形式，其节点度没有明显的特征长度，故称为无标度网络。Moreno 等人的无标度网络谣言传播模型2. 4. 2Moreno Y 等人发展了 Daley 等人在 1964 年提出的谣言传播模型，首先在小世界网络上对谣言传播进行了研究56。把人群分成没有听过谣言的人(Igorants，类似于 Susceptile)、谣言传播者( Spreaders) 和听到谣言 但并不传播谣言的人(Stiflers)3 种类型，用 i(t)，s

21、(t)，r(t)分别代表着 3 种类型在人群中的比例。并定义了 两个参数 和 。 是一个传播者在变成一个知道但不传谣的人之前所连接的传播者或知道但不传谣的人 的平均次数， 的意义就是谣言传播者对于传播谣言的兴趣和欲望程度，平均意义上他可以连接几个已经知 道谣言的邻居。谣言在传播者和没有听过谣言的人之间传播，每一步都由传播者向它的一个( 或者几个) 邻居节点发布信息。当接到谣言的节点是一个没有听过谣言的人的时候，后者以 的概率变成一个传谣者，参数 代表着信息传递过程中数据包也是会丢失的情况，即并不是每次连接都会成功。而如果谣言传给了一个传播者或者听到谣言但不传播谣言的人，则前者以 1 / 的概率

22、变成听到谣言但不传播谣言的人。传播者把谣言告诉给自己的一个熟人时，如果对方是不知道谣言的人，那么后者也将以概率 变成一 个传播者，如果后者已经知道了谣言，那么就会导致传播谣言的人对谣言传播失去兴趣，从而以概率 1 / 变 成一个知道但不传谣的人，从而不再继续传播谣言。对于小世界模型等指数型均匀网络，Moreno Y 等人引入了平均场方程:第 6 卷第 4 期张 芳，等:谣言传播模型研究综述5di(t) = ki(t)s(t)dt ds( t)= ki(t)s(t) ks(t)s(t) + r(t)dt dr( t)= ks(t)s(t) + r(t)dtk为不知道谣言的人遇到传播者而被感染的概

23、率，k为传播者遇到不传谣的人而变为不传谣者的概率。结果显示:谣言在均匀网络中的传播并不存在非零临界值。把均匀网络的谣言传播方程扩展到幂律分布的非均匀网络，得到相应的平均场方程后，Moreno Y 等人 研究了非均匀网络的谣言传播方程式，以可靠性(最终不传谣者的密度) 和时间代价作为衡量传播效率的指标，指出谣言在非均匀网络传播过程中，最终不传谣的人数与感染概率有着紧密关系，而与传播源的度无关。Moreno Y 等人的实验结果还表明，背景网络的拓扑结构和参数的设置对于谣言的传播都有影响。小世界网络比无标度网络的传播可靠度要大，也就是说，均匀的背景网络拓扑结构要比拥有 HUB 节点的背景网 络结构拥

24、有更强的传播可靠度。因为 HUB 节点不止有很强的传播能力，而且还有很强的不稳定性，拥有这 种结构的小世界网络的传播可靠度比较小。随着 的增加，无论是 BA 网络还是小世界网络的传播可靠度 R 也在增加。无标度网络模型的传播效率要比小世界网络模型的传播效率要大，因为 HUB 节点可以直通更多的邻 点，因此，它的传播能力更大、更有效。随着 的增加，无论是无标度网络还是小世界网络的传播效率都在 减少。这是由于 的增加会带来更多的“无效”连接，导致了效率的减少。为了解决上述矛盾，全面挖掘 HUB 节点的潜力，大连的许鹏远在此模型上进行了改进59:根据节点度 数的大小，赋予不同的 值，对于 HUB 节

25、点，给予更大的 值，使得它的大度数所具有的潜力能更有效地被挖掘，而对于那些“平庸”的节点，因为他们的潜力小，如果赋予他们大的 值，也是一种“浪费”。因此，可以只选择 HUB 节点增加它的 值。他们不仅通过大量的实验证明策略是有效的，并且通过数学推导证明了理 论的正确，并提出了一个方程进行定量刻画，解得参数 的具体大小，但是解方程的计算量很大，而且其应用还有待进一步研究。2. 4. 3 汪小帆等的可变聚类系数无标度网络谣言传播模型汪小帆等人的模型基于 Moreno Y 等人的无标度网络谣言传播模型，只是引入了两个新的衡量谣言传播 效果的指标:传播者所占比例的峰值和传播结束后免疫者的比重57 58

26、。传播者所占比例的峰值表示在整个 谣言的传播过程中出现的最大传播者数目，它在一定程度上反映了谣言传播所造成的最大影响。传播结束 后免疫者的比重则表示谣言传播作造成的影响，由于谣言传播到了最后就只剩下免疫者和无知者了，所以免 疫者的比重越大就说明谣言传播所造成的影响越大，受影响的人也就越多，反之则造成的影响越小。他们在有 N 个节点的可变聚类系数的无标度网络上研究了网络聚类系数的大小对谣言传播的影响。研究结果表明:聚类系数越大，传播者所占比例的峰值在整个演化过程中越小，传播结束后免疫者的比重也越小，即聚类系数越大，谣言传播所造成的影响反而越小;而聚类系数越小，谣言传播所造成的影响反而越 大。换句

27、话说，聚类系数越大，网络中信息的透明度肯定会增强，人与人加强了了解和信任，从而使谣言被限 制在一定范围内，解释了为什么信息的透明有利于抑制谣言等的传播。所以，可以通过增大网络聚类系数来 有效地抑制谣言的传播。谣言传播建模中应注意的问题3在研究谣言传播模型时，由于各方面的原因，众多研究者都对谣言传播的演化过程进行了必要的简化，而正是这种简化，使得各个传播模型缺失了谣言传播特有的一些性质。因此，谣言传播建模中应该注意如下几个问题:1) 重视谣言传播的复杂性。谣言传播具有 3 个环节:传播者(制谣者)、环境中介和接受者。事件发生后，由于社会的暂时不稳定而 滋生谣言。谣言的传播者 / 制谣者将谣言传送

28、给环境中介，然后通过环境中介传送给接受者。而接受者接收 到谣言后，经过自身的加工、处理后，自己又变为谣言的传播者 / 制谣者，然后又将谣言信息传送到环境中介 中，这样循环往复。环境中介包括人际网络、通信网络、互联网、传统媒体等。谣言的形成和传播过程中必然存在大量不确定因素:个体心理、个体信息认知和理解能力、政府行为、公 共媒体行为等等，都体现了从细节复杂性、结构复杂性到适应复杂性的不同层次的复杂性。此外，谣言的形 成和传播还存在某些不良信息制造源，为了达到某种特定的目的，借机造谣惑众，混淆视听，制造恐慌，这些 因素更加剧了谣言形成和传播的复杂性。可以说，从混乱、无序局部谣言到具有明显倾向的大众

29、谣言的形 成，是一个典型的社会复杂系统的演化过程。对这一复杂系统进行分析，难以运用传统的微分方程传播模型 进行研究。而复杂适应系统理论(CAS)为此提供了超越还原论思想的建模方法:将系统成员视为具有适应 性的主体(Agent)，通过设计主体间不同的交互规则，以研究系统演化过程中涌现的各种性质。随着复杂系 统理论与计算机技术的发展，基于多主体的建模仿真方法，成为研究复杂系统整体行为的有效手段，并已经 在传染病、计算机病毒等传播研究中取得了一定成果60 62。2) 表现谣言传播的心理特征。谣言是一种社会现象，更是一种典型的社会群体心理行为。社会心理学的研究告诉我们，凡是符合或迎 合人们主观愿望、主

30、观印象或主观偏见的谣言，最容易使人相信，并乐于被人传播，而且还有可能依据传播者 特定的心理倾向被随意进行加工。即无论是在传播中产生的谣言，还是某人出于某种动机而故意捏造的谣 言，都具有一个连续流动的波动过程，因此谣言传播建模与仿真中要充分考虑和表现社会群体的心理特性。 群体心理学研究63为此提供了理论基础。但是目前群体心理行为的研究方法，仍依赖于传统的观察法、问卷调查法以及面试法。虽然很多心理学概念，如感知、情绪、注意、记忆、认知、意识、决策等早被确立，并有大量定性或定量的分析研究，但如何整合这些概念，建立一个统一有效的数学模型，进而模拟出可信的心理行为，仍然是一个巨大难题。可喜的是，目前部分

31、研究者已在群体行为模型研究中引入了心理学因素，如 Reynolds C W，Tu X D64 65和 Terzopoulos D66应用了群体心理学中个体相互模仿的规律，而 Musse SR67和 Thalmann D68则应用了群体心理学中的另一原则:群体中的个人会表现出明显的从众心理，也就是 勒庞69称为“群体精神统一性”的心理学规律。这些都为谣言传播研究提供了有益的借鉴。3) 体现谣言传播的蝴蝶效应。蝴蝶效应70由美国气象学家 Edward Lorenz 在 1963 年提交给纽约科学院的一篇论文中提出，是指在一 个动力系统中，初始条件下微小的变化能带动整个系统的长期的巨大的连锁反应，是

32、一种混沌现象。此效应说明，事物发展的结果，对初始条件具有极为敏感的依赖性，初始条件的极小偏差将会引起结果 的极大差异。初始条件的误差是蝴蝶效应产生的基本条件，由于事物之间有相互依赖性，使得一个小小的误 差有可能通过一条条相关链传送放大，最后导致不堪设想的后果。而不可预测性的非线性因素的介入，扰乱 了原有线性系统内的正常秩序，事物间可确定的关系被不可确定所替代，使得由初始条件误差引起的一系列 后发事件发生在混沌与秩序的边缘，从而产生不可测度的多样性后果。在谣言形成与传播中，谣言借以传播的开放性网络也有类似的功能，信息传播过程中出现的一丝小小的 扰动有可能借助某一便利演变成轩然大波，即:谣言产生通

33、过一定方式传播传播过程中变异扭曲群体 效果控制方式的仓促或误差恶性循环。这在互联网谣言传播中更为明显，而网络谣言更容易形成蝴蝶 效应，不仅与网络本身的特殊性质有关，还有赖于谣言在网络中所呈现的特殊的传播逻辑，以及大部分人群 的心理认同。4) 反映谣言传播从无序到有序演化的主要规律。由联邦德国斯图加特大学教授、著名物理学家哈肯创立的协同学理论71建立在多学科联系的基础上 (如动力系统理论和统计物理学之间的联系)，是在研究事物从旧结构转变为新结构的机理的共同规律上形第 6 卷第 4 期张 芳，等:谣言传播模型研究综述7成和发展的，它的主要特点是通过类比对从无序到有序的现象建立了一整套数学模型和处理

34、方案，并推广到广泛的领域。哈肯在协同论中，描述了临界点附近的行为，阐述了慢变量支配原则和序参量概念:漫变量是 数目较少，随时间变化缓慢，对相变起决定作用的变量，与此对应，数目较多，随时间变化很快，对相变不起决 定作用的变量为快变量;对相变过程起决定作用的慢变量也称序参量。协同学认为事物的演化受序参量的 控制，演化的最终结构和有序程度决定于序参量。不同的系统序参量的物理意义也不同。协同论强调不同系统之间的类似，因此它试图以远离热动平衡的物理系统或化学系统来类比和处理生 物系统和社会系统，所以协同论除设计了许多物理、化学的模型外，还设计了许多生态群体网络和社会现象 模型，如“社会舆论模型”等等，这

35、为谣言模型的研究提供了良好的借鉴和有力的支持。5) 借鉴舆论传播模型的研究成果。谣言是一种畸变的信息传播过程，它与舆论传播有着一定的关系。所以，谣言传播模型研究中可以借鉴 一般的舆论传播研究的方法。如 Axelrod R72和 Kasperski K73利用元胞自动机和 Agent 理论来建立舆论传播模型，但个体状态与交互规则都非常简单。而 Krause U74提出的 BC 模型将个体意见用离散整数值表示，当两个个体意见之差小于某个阈值时，个体意见会按照一定规则相互吸引。而 Jager W75将 BC 模型推广，当两个个体意见之差小于某个阈值时，个体意见按照一定规则相互吸引，而当两个个体意见之

36、差大于该阈值时，个体意见则按照一定规则相互排斥，体现了“近的更近，远的更远”。此外，Salzarulo L 提出的“偏对比”舆论传播模型76以及 Stauffer D 等人将复杂网络中的 BA 模型、WS 模型分别与舆论传播中的 BC 模型结合起来的所做的工作77 78，广西师范大学的刘慕仁教授等79 80对舆论传播进行的研究，国防大学81的虚拟 全球战争空间课题组将复杂性理论、复杂网络理论与计算机仿真结合起来进行舆论涌现过程的研究，都为谣 言传播提供了有益的借鉴。谣言模型研究的进一步思考作为一个典型的社会现象，谣言传播模型的研究越来越引起不同领域研究者的关注:1)目前谣言传播模型的研究主要集

37、中在 3 个方面:(1 ) 用统计学及物理学的方法对谣言传播进行定量 的研究;(2) 基于谣言传播信道对网络谣言传播和手机谣言传播进行传播学和社会学研究;(3) 利用病毒传 播模型在复杂网络上建立平均场方程，研究谣言在不同网络上传播的临界概率。这些研究方法各有其侧重 点，但多属于感性认识和定性分析，基本上都是停留在理论层面的探讨和分析，缺少对谣言传播机理的系统 而深入的研究。2)谣言传播过程是一种群体行为，而目前群体行为建模可有自底向上和自顶向下两种方式。自底向上4的建模方式通过微观的、个体的、简单的、局部的、非线性的相互作用来涌现出异常复杂的、群体的宏观行为，主要有基于经典物理学理论的建模方

38、法、基于心理学理论的建模方法和基于社会学理论的建模方法。自顶向下的建模方式则将研究对象看成是一个系统，在系统的不同层次对系统整体进行研究。两种建模方式各 有优缺点，自顶向下的方式被认为存在解聚困难的问题，自底向上的方式存在涌现行为结果的证明问题，而 复杂系统理论的发展为此提供了新的思路。3)由于谣言的形成及传播是一个典型的社会复杂系统的演化过程，具有复杂系统理论所认为的一切复 杂系统的特征，所以可以利用复杂网络理论新成果、复杂网络的许多性质和结论，采用人工生命方法建立谣 言传播的微观 Agent 模型来模拟个体的行为模式以及个体之间的交互过程，通过它们的相互作用涌现出宏 观谣言传播的态势。主要

39、思路如下:(1)以基于 Agent 的建模思想为主线。基于 Agent 的建模思想把注意力集中于相关的个体行为，从底向 上地观察和描述系统的行为，是一种由低到高、从微观到宏观、跨层次的研究思路。由于其具有方便的可操 作性，又同计算机技术的紧密联系，因此用用这种方法建立的模型可以充分利用现代计算机的巨大能力，对 模型进行定量的运行与观测。拟设计的谣言传播模型中，包括 3 类主体:社会公众、政府和公共媒体。其中 的每个 Agent 具有环境感知、通信、决策和行动 4 种行为能力。每种行为都会对交互关系网络产生影响，同时也会改变其它 Agent 的状态。Agent 通过环境感知和通信组件，获得对当前

40、谣言信息由决策组件综合做出行动决策。每一类主体由于其在谣言传播过程中的不同作用具有不同的属性，对于社会公众，要详细刻画 Agent 个体的属性，主要包括年龄、性别、家庭、职业、收入、文化程度、信息传播手段和能力等。由于政府 Agent决策模型复杂，且在实际中扮演的是谣言控制方的角色，拟采用人在回路的方式进行构建，即由外部输 入决策控制措施。而对公共媒体 Agent，则采用拟人化建模，将媒体看作是一个特殊的社会公众个体，只考虑 媒体意见、意见强度、公信力、影响力、影响范围等。(2)与复杂网络理论及模拟技术有机结合起来。复杂网络研究已经成为 21 世纪科学技术前沿领域战 略性研究课题之一，相关研究

41、迅速在诸多领域展开，已成为研究复杂系统拓扑结构和动力学性质的强有力工 具。如果将复杂系统内部的各个元素抽象为结点，元素之间的关系视为连接，那么就构成了一个具有复杂连 接关系的网络，该网络反映了系统的拓扑结构。而网络的拓扑结构对包括计算机病毒、传染病、谣言等在内 的传播行为具有决定性的影响，因此把复杂系统抽象成复杂网络，从网络拓扑结构的角度进行复杂系统中谣 言传播的研究，是一种重要的研究方法。现有的复杂网络理论多采用 WS 或者 BA 模型研究人际关系，其基 本特征是网络具有较大的集聚系数、较小的平均距离和幂律度分布。事实上，突发公共事件谣言传播还具有 明显的社区性和层次性，因此，谣言传播网络还

42、应该同时包括上述特征，以体现谣言传播网络的独特性。另 外，有关复杂网络的许多性质和结论，诸如基础性的复杂网络拓扑结构，工具性的计算机病毒传播模型，理论 性的临界值现象等等，都可以借鉴到本项目的研究中。(3)谣言传播机理量化研究。谣言传播建模是要对谣言传播机理进行量化研究，这是仿真分析过程中 谣言态势的定量化描述的基础，也是谣言各种机理研究中可比对的、客观的评价标准以及评估现实谣言控制 效果的指标。谣言传播机理定量研究包括:事件重要性、事件模糊性、社会公共的静态属性、动态活动、易感 度、谣言强度(谣言扩散度和谣言与社会公众的共鸣度)、谣言态势、环境特性( 专制，自由民主，还是中间状 态)等。由于

43、谣言传播过程中存在着从细节复杂性、结构复杂性到适应复杂性的不同层次的复杂性，涉及多 类主体、多种相互作用和时变行为，因此建模时要对所选取的变量进行反复筛选、状态组合、算法修正及仿真 实验，以尽可能把握混沌状态中隐藏的“确定的随机性”。(4) 以传播学等学科理论为基础进行校验。目前谣言传播模型的研究融合了不同学科的理论基础，社 会学、心理学等的研究成果为利用模型研究谣言传播这一社会复杂现象提供了理论基础与指导。因此模型 的仿真结果要与社会学领域研究传播学的某些结论进行比对，以校验仿真模型的合理性和准确性。结论对某一具体的谣言事件，其传播机理是复杂多变的，也有很多不确定因素在其中，但是谣言传播的过

44、程 中，也隐含着某些共同规律。采用建模仿真方法研究谣言传播，可利用模型进行多次试验，针对运行的结果 和数据，对谣言传播行为进行分析，探究影响谣言形成的因素及其演化规律，为科学地调控谣言传播，有效降 低谣言负面效应作理论指导，为突发公共事件应急管理提供辅助。由此可见，建立谣言传播模型具有十分重 要的研究和应用价值。参考文献:1 Knapp R H. A psychology of rumorJ. Public Opinion Quarterly，1944，8(1):22 37.52 Proctor P. Longman English-Chinese Dictionary of Contempo

45、rary English M. Hong Kong:Longman Group ( Far East) Ltd，1988:1243.3 辞海编辑委员会. 辞海M1989 版. 上海:上海辞书出版社，1990:458.4 胡钰. 大众传播效果M. 北京:新华出版社. 2000:113 116.5 Allport G W，Postman L. An analysis of rumorJ. Public Opinion Quatrerly，1947，10(4):501 517.6 Peterson W，Gist N. Rumor and public opinionJ. American Journ

46、al of Sociology，1951，57(2):159 167.7 Berenson B. Rumor and ReflectionM. New York:Simon and Schuster，1952.第 6 卷第 4 期张 芳，等:谣言传播模型研究综述98 Schacter S，Burdick H. A field experiment on rumor transmission and distortionJ. Journal of Abnormal Social Psychology，1955，50:363 371.9 卡普费雷. 谣言M. 郑若麟，边芹，译. 上海:上海人民出版

47、社，1991:11.10Rasnow R. Rumor as communication:a contextual approachJ. Journal of Communication1988，38:1 17.11Kapferer J N. Les Chemins de la PersuasionM. Paris:Dunod，1984:15.12Fisher D R. Runoring theory and interneta framework for analyzing the grass rootsJ. Social Science Computer Review，1998，16(2)

48、:158 168.13Pendleton S C. Rumor research revisited and expandedJ. Language Communication，1998，1(18):69 86.14张华葆. 社会心理学M. 台北:三民出版社，1994.15刘建明. 舆论传播M. 北京:清华人学出版社，2000.16Mowen J. Consumer Behavior，Tercera Edicion，an Introduction to Consumer BbehaviorM. E U A:Macmillan，1990:490.17Allport G W，Postman L.

49、The Psychology of RumorM. New York:Henry Holt，1947.18Kapferer J N. RumorsUses，Interpretations，and ImagesM. New Brunswick:Transaction Publishers，1990.19Chorus A. The basic law of rumorJ. The Journal of Abnormal and Social Psychology，1952，48:313 314.20巢乃鹏，黄娴. 网络传播中的“谣言”现象研究J. 情报理论与实践，2004，27(6):586 58

50、9.Chao Naipeng，Huang Xian. Research on rumor phenomena in networksJ . Intelligence Theory and Practice，2004，27 (6 ):586 589.21Rosnow R L. On rumorJ. Journal of Communication，1974，24 (3):26 38.22Dodd S C. Formulas for spreading opinionsJ. Public Opinion Quarterly，1958，22(4):537 554.23沙莲香. 社会心理学M. 北京:

51、中国人民大学出版社，1987:314.24赵越. 谣言传播与控制纵横谈D. 沈阳:辽宁大学，2005:3 18.Zhao Yue. Discussion on rumor spreading and controlD. Shenyang:Liaoning University，2005:3 18.25Bordia P. Studying verbal interaction on the internet:the case of rumor transmission researchJ. Behavior Research Methods，In- struments Computers，199

52、6，28(2):149 151.26Bordia R，Rosnow R L. Rumor rest stops on the information highwaytransmission patterns in a computer-mediated rumor chainJ. Human Communication Research，1998，25(2):163 179.27DiFonzo N，Bordia P，Rosnow R L. Reining in rumorsJ. Organizational Dynamics，1994，23(1):47 62.28DiFonzo N，Bordi

53、a P. How top PR professionals handle hearsay:corporate rumors，their effects，and strategies to manage themJ.Public Relations Review，2000，26(2):173 190.29Jaeger M E，Anthony S M. Rosnow R L. Who hears what from whom and with what effect:a study of rumorJ. Personality andSocial Psychology Bulletin，1980，

54、6(3):473 478.30Anthony S. Anxiety and rumorJ. Journal of Social Psychology，1973，89:91 9831Rosnow R L. Inside rumor:a personal journeyJ. American Psychologist，1991，46(5):484 496.32Rosnow R L，Fine G A. Rumor and Gossip:The Social Psychology of HearsayM. New York:Elsevier North-Holland，1976.33Walker C

55、J，Beckerle C A. The effect of anxiety on rumor transmissionJ. Journal of Social Behavior and Personality，1987，2(3):353 360.34Bordia R，Rosnow R L. Rumor rest stops on the information highwaytransmission patterns in a computer-mediated rumor chainJ. Human Communication Research，1998，25(2):163 179.35Ba

56、iley N T J. The Mathemtaical Theory of Infectious Diseases and Its ApplicationsM. New York:Hafner Press，1975.36Anderson R M，May R M. Infectious Diseases of HumansM. Oxford:Oxford University Press，1992.37Hethcote H W. The mathematics of infectious diseasesJ. SIMA Review，2000，42(4):599 653.38Maki D，Th

57、omson M. Mathematical Models and Applications M. New Jersey:Prentice-Hall，Englewood Cliff，1973.39Murray J D. Mathematical Modelling in Epidemiology M. Berlin:Springer，1980.40Encyclopedia BritannicaM. Chicago:Encyclopaedia Britannica Inc，1988，16:556.41Allport G W，Postman L. The Psychology of RumorM.

58、New York:Henry Holt. 1947:164.42Hibutani T. Improvised News:A Sociological Study of RumorM. Indianapolis:Bobbs Merrill，1966.43Allport G W，Postman L. The Psychology of RumorM. 2nd ed. New York:Russell and Russell，1975.44Bartholomew D J. Social ProcessesM. 2nd ed. London:Wiley，1963.45DiFonzo N，Bordia

59、P. Organizational behavior and human decision processes J. 2002，88(2):785 800.46Domb C，Green M S. Phase Transitions and Critical PhenomenaM. London:Academic，1974，3:1 12.47Pathria R K. Statistical MechanicsM. Oxford:Pergamon，1996.48Kerson H. Statistical MechanicsM. 2nd ed. New York:John Wiley Sons，19

60、87.49马本堃，高尚惠，孙熠. 热力学与统计物理学M. 2 版. 北京:高等教育出版社. 1995:204 286.50邵成刚. 胆小的传谣人传播谣言的 Potts 模型D. 武汉:华中科技大学，2003: 10 20.Shao Chenggang. Potts model for rumor by recreant rumormongersD. Wuhan:Huazhong University of Science and Technology，2003:10 20.51王俊峰. 谣言传播的 Potts 模型中相变特性的研究D. 武汉:华中科技大学，2004:9 20.Wang Junf

61、eng. Investigation on phase transition of Potts model for rumorD. Wuhan:Huazhong University of Science and Tech- nology，2004:9 20.52王俊峰，谈效俊. 谣言传播的 Potts 模型中的正则和微正则相变J. 湖北大学学报( 自然科学版)，2004，26 (4 ):303 306.Wang Junfeng，TAN Xiaojun. The canonical and micro-canonical transitions of Potts model for rumor

62、J. Journal of Hubei Uni- versity (Natual Science Edition)，2004，26(4):303 306.53宣慧玉，张发. 复杂系统仿真及应用M. 北京:清华大学出版社，2008:3 101.54Zanette D H. Criticality of rumor propagation on small-world networks DB / OL. 2009 03 01 . http: / / arxiv. org / PS _cache / cond-mat / pdf /0109 /0109049v1. pdf.55Zanette D H. Dynamics of rumor propagation on small-world networksDB / OL.2009 03 01. http: / / arxiv. org / PS_cache /cond-mat