论文部分内容阅读
摘 要：互联网的普及和发展壮大了社交网络的规模，扩大了社交网络的范围。但由于社交网络的出现时间较短，社交网络对传播信息的质量难以把控。为研究社交网络中的不良信息传播问题，该文以新浪微博用户数据为基础，建立用户关注网络，对传播不良信息的影响因素进行回归分析，研究发现社交网络传播的决定性要素为粉丝数量，粉丝的数量越多，越是能够达到更好的传播效果。在影响粉丝数量增长的因素中，转发和点赞的影响效果更显著。该文研究对识别、预测、指导网络信息传播事件的发生和发展具有重要意义。
关键词：不良信息 信息传播 信息控制 社交网络
中图分类号：G206;F49 文献标识码：A文章编号：1672-3791（2021）05（b）-0046-04
Abstract： The popularity and development of internet have expanded the scale and scope of social networks. However， due to the short emergence of social network， the quality control of information transmitted by social network is weak. Bad for the study of the social network information transmission problems， in this paper， based on the Sina MicroBlog user data， established the network user attention， carries on the regression analysis of the influence factors of adverse information dissemination， the study found that social networks to spread the decisive factor for the number of fans， the more the number of fans， the more able to achieve better communication effect. Among the factors affecting the growth of the number of fans， forwarding and thumb up have more obvious and effective effects. The research of this paper is of great significance to identify， predict and guide the occurrence and development of network information communication events.
Key Words： Dad information; Information dissemination; Information control; The social network
隨着科学技术的发展，各种网络服务随之而来，互联网社交网络就是其中之一。人们的日常生活逐渐从现实社交网络转移到互联网虚拟社交网络中。互联网社交网络下，人们可以跟不在身边的朋友进行面对面的交流，还可以寻找有共同爱好的陌生人。从而形成在线社区，构成了庞大的社交网络平台，为用户提供便捷交流的渠道。社交网络服务，是基于哈佛大学斯坦利·米尔格拉姆教授提出的六度分类理论的互联网社交网络服务。比如：在国内外的Facebook、人人网、开心网以及微博（一般指新浪微博，下同）等。与传统的交友网站和博客相比，微博具有“社交网络”和“媒体平台”的特征。微博短消息的快速发布，极大地方便了用户共享和讨论社交热点信息，并扩大了与他人的联系。
正是因为社交网站具有人际交流、传播速度快等特点。社交网络中的不良信息广泛分布，很难在第一时间有效控制其传播，如色情、诈骗、代孕等违反了健康社会道德观念的不良信息。这种信息甚至对社会有害，误导、扭曲网民意识形态，给人们造成精神和身体损伤以及财产损失[1]。Glenski M等研究者通过统计1 100万帖子中转发和提及行为发现，错误信息的扩散与传播中存在不平衡状态，即部分活跃用户负责传播多数错误信息，教育程度低和收入低的用户扩散错误信息，年龄较大的用户比较容易相信错误信息[2]。Tucher J A等研究者认为个人误解对造成大众意见扭曲，虚假信息的传播会影响人们精神和行为[3]。栾碧雅认为大量虚假信息增加人们辨别信息的成本，误导公众舆论，故运用S-O-R模型、风险感知和感知价值理论，对社交网络下虚假信息的传播特征和治理路径进行研究，以期降低虚假信息对网民的危害[4]。梦非等研究者从虚假信息、少数极端化、偏见和传播途径4个角度分析社交网络，认为社交网络受外力影响会产生意见偏差[5]。因此，该文以新微博用户数据为基础，建立了用户关注网络，对社会网络的理论结构以及不良信息传播的影响因素进行回归分析，研究发现社交网络传播决定性要素为粉丝数量，粉丝的数量越多，越是能够达到更好的传播效果。而在影响粉丝数量增长的因素中，转发和点赞的影响效果更显著。该文研究对识别、预测、指导网络信息传播事件的发生和发展具有重要意义。
1 社交网络信息传播的特征
信息传输具有永生性、无限性、即时性以及方向性的特征。永生性指尽管在传播过程中可以将信息控制，但它并不会被破坏或者消灭。比如：到一条信息，且尚未传播该消息，但该消息实实在在的存在，信息的载体还可以继续传播。无限性是指信息可以像病毒一样无限的传播下去。即时性是社交网络信息传播的速度从通信器向接收者传播信息的时间大大缩短，甚至可以忽略。方向性意味着信息传播具有目的性，某些信息的传播仅是为了传递给特定的人。 随着互联网的发展，在互联网上传播信息已成为信息扩散主要渠道。互联网的特性使信息可以跨越时间和地理障碍在网络上迅速传播。社交网络跟真实社会很是相似，人们通过网络结交朋友或跟随他人，以形成自己的社交圈。但是社交网络的显著特征是群体的存在，通常由一些特殊特征组成用户群体，信息的接收者可以是朋友、同学、网民等。如果他们都接受这个信息，就可以实現一对多的交流。其中，用户不仅是好友发布信息的接收者，更是多对一的实现者。当用户接收到身边的人的信息时，用户对该信息的兴趣和信任就会再深一步。网络信息可以重复发送多次，大量信息存储在互联网上，每种信息都有多种传播机会。信息可以通过音频、动画、文本、视频等多种方式传播。网络平台可以为用户阐述自己的想法、观点、意见，并通过该平台向其他用户传达自己的观点和意见，实现了信息的发送与接收。方向信息的发送者发生了变化，这种转变打破了以前的简单接受和固定角色。
2 社交网络数据的SPSS分析
2.1 数据整理
在该次抽样调查中，从社交网络数据样本中选择了相关样本，并分析了不同因素对整个社交网络信息传播的影响。根据选择样本的各种指标以及整体效果值，选择因素分别是样本、粉丝数、过去1个月的转发数、过去1个月的评论数、过去1个月的点赞数。使用这5个因素来预测社交网络传播的影响。研究不良信息的样本账号选择具有代表性的公众治安警察或新闻账号，因为这些账号经常公布权威性的信息以及澄清网络上的不良信息。
2.2 构建相关关系模型
数据处理汇总，将不同数据因子转化为不同函数项，其中：样本=（Y）、粉丝量=（X1）、近1个月转发数=（X2）、近1个月评论数=（X3）、近1个月点赞数=（X4），因此将其进行SPSS相关分析中的数据模型建立工作。
通过构建相关关系模型，利用相关分析去研究X1和X2、X3、X4之间的相关关系。X1与X2、X3、X4之间都呈现出显著性，相关系数值分别是0.991、0.928、0.997。而且它们相关系数值都大于0，这就意味着X1与X2、X3、X4它们之间有着正相关关系。
2.3 模型检验
从表1数据可知，利用单样本t检验X1、X2、X3、X4这4项明显不等于数字0.0，X1和X4的平均值都非常接近0.0（P>0.05），所以没有统计意义上的差异性。另外，X2、X3这两项的平均值均与数字0.0有着统计意义上的差异。分析可知，X2、X3这两项，它们的平均值会大大地高于0.0。所以X1和X4的平均值均都非常接近0.0，其中sig.有两项的平均值均与数字0.0都有着很明显的差异。
2.4 回归分析法
在模型摘要中，确定系数R2通常认为高于60%。从结果可以看出该值为1，这是该模型非常适合的初步判断。方差分析的显著性值等于0.000<0.01<0.05，从而可以知道自变量和因变量之间的线性关系。建模的最直接结果，读取未标准化系数，因此函数公式为：X1=-868 405.542+6 961.511X2-3 260.680X3+
3 892.457X4，t检验之前假设回归系数没有意义，然而回归系数显著性值等于0.000<0.01<0.05，这也就证明了回归系数b存在，具有统计学意义。模型残差的独立检验DW=1.932。通过查询Durbin Watson表[6]，可知该例的DW值只是出现在非自相关区域。
将X2、X3、X4作为自变量，将X1作为因变量对其线性回归分析，模型R2值为0.999，表示X2、X3、X4可以作为变化原因来解释X1的99.9%。F检验时模型通过了F检验（F=1403.673，P=0.000<0.05），这也就说明在X2、X3、X4之中至少有一项会对X1产生影响的关系[7]。所以，模型公式为：X1=-868 405.542+6 961.511X2-
3 260.680X3+3 892.457X4。然而，在模型的多重共线性测试时发现，模型中的VIF值大于10，也就是说存在共线性的问题，所以能用Ridge回归或逐步回归用来解决共线性问题，同时检查紧密相关的自变量，在去掉紧密相关的自变量过后再次进行分析。
最后分析结果显示，X2的回归系数值为6 961.511（t=4.370，P=0.012<0.05），也就是说X2会对X1产生显著的正向影响关系;X3的回归系数值为-3 260.680（t=-0.996，P=0.376>0.05），也就是说X3并不会对X1产生影响关系;X4的回归系数为3 892.457（t=8.591，P=0.001<0.01），说明X4对X1有显著的正向影响关系。综上可知，X2， X4会对X1产生显著的正向影响关系。只有X3并不会对X1产生影响关系。
研究结果得知，粉丝量与近1个月转发数、近1个月点赞数之间，存在一定关系，存在正态分布，而用从社交网络的影响程度，以及对于社交网络之间的传播影响力来看，最为重要的是作为社交网络传播主体的粉丝数量，与其被转发、被点赞的数量有着最为直接的关联。因此，可以判断出在该次计算中X1、X2、X4之间存在关系。
2.5 性能分析
经计算曲线下面积为0.714，P=0.41，有统计学意义，说明检验有意义。曲线下面积越大，说明该项检验的性能越大。在该次检验中，对于该次检验结果产生了一定的基础效应，从而使得整体效应值上比重的再次检验，通过检验证明，实际情况下X1、X2、X3、X4这4个子象限其检验性能较强。
综上所述，对社交网络传播的决定性要素为粉丝数量，粉丝的数量越多，越是能够达到更好的传播效果。而在使粉丝数量增长的因素中，转发和点赞的效果更加明显且有效。该次分析采集为近一月的数据，其中必然有着一定的局限性，但以小见大，由以上数据可以窥见未来社交网络的发展趋势和路径。想要达到更好的传播效果，如何组织粉丝之间更多的点赞和转发将成为传播有效性最大化的决定性因素之一。 3 建议
针对社会网络中各种不良信息的快速传播问题，对社会网络中的信息传播与控制进行了研究并提出以下控制建议。
3.1 规范良好信息传播模式
现有通信模型主要是基于自身网络特性和信息传播，通过对传统的SIR病毒模型进行改进，建立良好的社交网络信息传输模型。规范一对多的传播模式，控制公众网络环境的舆论走向，不能让网络成为不良信息滋养和扩散的聚集地。
3.2 制定通信管制战略
根据社会网络的特点，运用相应的通信控制策略。社会网络中有大量的社区，它们相互联系，传播迅速，但社会外部部门的联系相对薄弱。针对这些特点，提出了基于群体的通信控制策略。切断通信用户与其他通信用户的联系，使信息的传播控制在通信用户的范围之内。
3.3 建立现实与网络契合机制
运用大数据分析技术，总结信息传播的影响因子和传播路径，为社交网络设置使网络和现实相契合的机制。结合理论和实践，对社交网络领域的仿真实验做有效补充。分析社交网络的属性特征，在此基础上，利用大数据有效识别用户性质，分析用户社交动态，可以极大地提高社交网络与现实生活的契合性。
参考文献
[1] 俞山青，郑钧，殳欣成，等.一种真假信息传播能力评估的动态规划算法[J].小型微型计算机系统，2021，42（1）：85-90.
[2] GLENSKI M，WENINGER T，VOLKOVA S. Propagation from Deceptive News Sources： Who Shares， How Much， How Evenly， and How Quickly？[J].IEEE Transactions on Computational Social Systems，2018，5（4）：1071-1082.
[3] TUCKER J A， GUESS A， BARBERA P，et al. Social Media， Political Polarization， and Political Disinformation： A Review of The Scientific Literature[J].SSRN Electronic journal， 2018.
[4] 欒碧雅.社交网络虚假信息传播影响因素及治理策略研究[D].吉林大学，2020.
[5] 梦非，朱庆华.社交网络信息传播中意见偏差的国外研究进展[J/OL].情报理论与实践：1-11[2021-06-24].http：//kns.cnki.net/kcms/detail/11.1762.g3.20210528.1549.002.html.
[6] 杨德钦，岳奥博.科技投入效率与建筑业发展水平：协调状态及影响因素[J].西安建筑科技大学学报：社会科学版，2019，38（3）：49-57.
[7] 孟艳红.社交网络用户影响力分析及信息传播建模[D].西安电子科技大学，2019.
关键词：不良信息 信息传播 信息控制 社交网络
中图分类号：G206;F49 文献标识码：A文章编号：1672-3791（2021）05（b）-0046-04
Abstract： The popularity and development of internet have expanded the scale and scope of social networks. However， due to the short emergence of social network， the quality control of information transmitted by social network is weak. Bad for the study of the social network information transmission problems， in this paper， based on the Sina MicroBlog user data， established the network user attention， carries on the regression analysis of the influence factors of adverse information dissemination， the study found that social networks to spread the decisive factor for the number of fans， the more the number of fans， the more able to achieve better communication effect. Among the factors affecting the growth of the number of fans， forwarding and thumb up have more obvious and effective effects. The research of this paper is of great significance to identify， predict and guide the occurrence and development of network information communication events.
Key Words： Dad information; Information dissemination; Information control; The social network
隨着科学技术的发展，各种网络服务随之而来，互联网社交网络就是其中之一。人们的日常生活逐渐从现实社交网络转移到互联网虚拟社交网络中。互联网社交网络下，人们可以跟不在身边的朋友进行面对面的交流，还可以寻找有共同爱好的陌生人。从而形成在线社区，构成了庞大的社交网络平台，为用户提供便捷交流的渠道。社交网络服务，是基于哈佛大学斯坦利·米尔格拉姆教授提出的六度分类理论的互联网社交网络服务。比如：在国内外的Facebook、人人网、开心网以及微博（一般指新浪微博，下同）等。与传统的交友网站和博客相比，微博具有“社交网络”和“媒体平台”的特征。微博短消息的快速发布，极大地方便了用户共享和讨论社交热点信息，并扩大了与他人的联系。
正是因为社交网站具有人际交流、传播速度快等特点。社交网络中的不良信息广泛分布，很难在第一时间有效控制其传播，如色情、诈骗、代孕等违反了健康社会道德观念的不良信息。这种信息甚至对社会有害，误导、扭曲网民意识形态，给人们造成精神和身体损伤以及财产损失[1]。Glenski M等研究者通过统计1 100万帖子中转发和提及行为发现，错误信息的扩散与传播中存在不平衡状态，即部分活跃用户负责传播多数错误信息，教育程度低和收入低的用户扩散错误信息，年龄较大的用户比较容易相信错误信息[2]。Tucher J A等研究者认为个人误解对造成大众意见扭曲，虚假信息的传播会影响人们精神和行为[3]。栾碧雅认为大量虚假信息增加人们辨别信息的成本，误导公众舆论，故运用S-O-R模型、风险感知和感知价值理论，对社交网络下虚假信息的传播特征和治理路径进行研究，以期降低虚假信息对网民的危害[4]。梦非等研究者从虚假信息、少数极端化、偏见和传播途径4个角度分析社交网络，认为社交网络受外力影响会产生意见偏差[5]。因此，该文以新微博用户数据为基础，建立了用户关注网络，对社会网络的理论结构以及不良信息传播的影响因素进行回归分析，研究发现社交网络传播决定性要素为粉丝数量，粉丝的数量越多，越是能够达到更好的传播效果。而在影响粉丝数量增长的因素中，转发和点赞的影响效果更显著。该文研究对识别、预测、指导网络信息传播事件的发生和发展具有重要意义。
1 社交网络信息传播的特征
信息传输具有永生性、无限性、即时性以及方向性的特征。永生性指尽管在传播过程中可以将信息控制，但它并不会被破坏或者消灭。比如：到一条信息，且尚未传播该消息，但该消息实实在在的存在，信息的载体还可以继续传播。无限性是指信息可以像病毒一样无限的传播下去。即时性是社交网络信息传播的速度从通信器向接收者传播信息的时间大大缩短，甚至可以忽略。方向性意味着信息传播具有目的性，某些信息的传播仅是为了传递给特定的人。 随着互联网的发展，在互联网上传播信息已成为信息扩散主要渠道。互联网的特性使信息可以跨越时间和地理障碍在网络上迅速传播。社交网络跟真实社会很是相似，人们通过网络结交朋友或跟随他人，以形成自己的社交圈。但是社交网络的显著特征是群体的存在，通常由一些特殊特征组成用户群体，信息的接收者可以是朋友、同学、网民等。如果他们都接受这个信息，就可以实現一对多的交流。其中，用户不仅是好友发布信息的接收者，更是多对一的实现者。当用户接收到身边的人的信息时，用户对该信息的兴趣和信任就会再深一步。网络信息可以重复发送多次，大量信息存储在互联网上，每种信息都有多种传播机会。信息可以通过音频、动画、文本、视频等多种方式传播。网络平台可以为用户阐述自己的想法、观点、意见，并通过该平台向其他用户传达自己的观点和意见，实现了信息的发送与接收。方向信息的发送者发生了变化，这种转变打破了以前的简单接受和固定角色。
2 社交网络数据的SPSS分析
2.1 数据整理
在该次抽样调查中，从社交网络数据样本中选择了相关样本，并分析了不同因素对整个社交网络信息传播的影响。根据选择样本的各种指标以及整体效果值，选择因素分别是样本、粉丝数、过去1个月的转发数、过去1个月的评论数、过去1个月的点赞数。使用这5个因素来预测社交网络传播的影响。研究不良信息的样本账号选择具有代表性的公众治安警察或新闻账号，因为这些账号经常公布权威性的信息以及澄清网络上的不良信息。
2.2 构建相关关系模型
数据处理汇总，将不同数据因子转化为不同函数项，其中：样本=（Y）、粉丝量=（X1）、近1个月转发数=（X2）、近1个月评论数=（X3）、近1个月点赞数=（X4），因此将其进行SPSS相关分析中的数据模型建立工作。
通过构建相关关系模型，利用相关分析去研究X1和X2、X3、X4之间的相关关系。X1与X2、X3、X4之间都呈现出显著性，相关系数值分别是0.991、0.928、0.997。而且它们相关系数值都大于0，这就意味着X1与X2、X3、X4它们之间有着正相关关系。
2.3 模型检验
从表1数据可知，利用单样本t检验X1、X2、X3、X4这4项明显不等于数字0.0，X1和X4的平均值都非常接近0.0（P>0.05），所以没有统计意义上的差异性。另外，X2、X3这两项的平均值均与数字0.0有着统计意义上的差异。分析可知，X2、X3这两项，它们的平均值会大大地高于0.0。所以X1和X4的平均值均都非常接近0.0，其中sig.有两项的平均值均与数字0.0都有着很明显的差异。
2.4 回归分析法
在模型摘要中，确定系数R2通常认为高于60%。从结果可以看出该值为1，这是该模型非常适合的初步判断。方差分析的显著性值等于0.000<0.01<0.05，从而可以知道自变量和因变量之间的线性关系。建模的最直接结果，读取未标准化系数，因此函数公式为：X1=-868 405.542+6 961.511X2-3 260.680X3+
3 892.457X4，t检验之前假设回归系数没有意义，然而回归系数显著性值等于0.000<0.01<0.05，这也就证明了回归系数b存在，具有统计学意义。模型残差的独立检验DW=1.932。通过查询Durbin Watson表[6]，可知该例的DW值只是出现在非自相关区域。
将X2、X3、X4作为自变量，将X1作为因变量对其线性回归分析，模型R2值为0.999，表示X2、X3、X4可以作为变化原因来解释X1的99.9%。F检验时模型通过了F检验（F=1403.673，P=0.000<0.05），这也就说明在X2、X3、X4之中至少有一项会对X1产生影响的关系[7]。所以，模型公式为：X1=-868 405.542+6 961.511X2-
3 260.680X3+3 892.457X4。然而，在模型的多重共线性测试时发现，模型中的VIF值大于10，也就是说存在共线性的问题，所以能用Ridge回归或逐步回归用来解决共线性问题，同时检查紧密相关的自变量，在去掉紧密相关的自变量过后再次进行分析。
最后分析结果显示，X2的回归系数值为6 961.511（t=4.370，P=0.012<0.05），也就是说X2会对X1产生显著的正向影响关系;X3的回归系数值为-3 260.680（t=-0.996，P=0.376>0.05），也就是说X3并不会对X1产生影响关系;X4的回归系数为3 892.457（t=8.591，P=0.001<0.01），说明X4对X1有显著的正向影响关系。综上可知，X2， X4会对X1产生显著的正向影响关系。只有X3并不会对X1产生影响关系。
研究结果得知，粉丝量与近1个月转发数、近1个月点赞数之间，存在一定关系，存在正态分布，而用从社交网络的影响程度，以及对于社交网络之间的传播影响力来看，最为重要的是作为社交网络传播主体的粉丝数量，与其被转发、被点赞的数量有着最为直接的关联。因此，可以判断出在该次计算中X1、X2、X4之间存在关系。
2.5 性能分析
经计算曲线下面积为0.714，P=0.41，有统计学意义，说明检验有意义。曲线下面积越大，说明该项检验的性能越大。在该次检验中，对于该次检验结果产生了一定的基础效应，从而使得整体效应值上比重的再次检验，通过检验证明，实际情况下X1、X2、X3、X4这4个子象限其检验性能较强。
综上所述，对社交网络传播的决定性要素为粉丝数量，粉丝的数量越多，越是能够达到更好的传播效果。而在使粉丝数量增长的因素中，转发和点赞的效果更加明显且有效。该次分析采集为近一月的数据，其中必然有着一定的局限性，但以小见大，由以上数据可以窥见未来社交网络的发展趋势和路径。想要达到更好的传播效果，如何组织粉丝之间更多的点赞和转发将成为传播有效性最大化的决定性因素之一。 3 建议
针对社会网络中各种不良信息的快速传播问题，对社会网络中的信息传播与控制进行了研究并提出以下控制建议。
3.1 规范良好信息传播模式
现有通信模型主要是基于自身网络特性和信息传播，通过对传统的SIR病毒模型进行改进，建立良好的社交网络信息传输模型。规范一对多的传播模式，控制公众网络环境的舆论走向，不能让网络成为不良信息滋养和扩散的聚集地。
3.2 制定通信管制战略
根据社会网络的特点，运用相应的通信控制策略。社会网络中有大量的社区，它们相互联系，传播迅速，但社会外部部门的联系相对薄弱。针对这些特点，提出了基于群体的通信控制策略。切断通信用户与其他通信用户的联系，使信息的传播控制在通信用户的范围之内。
3.3 建立现实与网络契合机制
运用大数据分析技术，总结信息传播的影响因子和传播路径，为社交网络设置使网络和现实相契合的机制。结合理论和实践，对社交网络领域的仿真实验做有效补充。分析社交网络的属性特征，在此基础上，利用大数据有效识别用户性质，分析用户社交动态，可以极大地提高社交网络与现实生活的契合性。
参考文献
[1] 俞山青，郑钧，殳欣成，等.一种真假信息传播能力评估的动态规划算法[J].小型微型计算机系统，2021，42（1）：85-90.
[2] GLENSKI M，WENINGER T，VOLKOVA S. Propagation from Deceptive News Sources： Who Shares， How Much， How Evenly， and How Quickly？[J].IEEE Transactions on Computational Social Systems，2018，5（4）：1071-1082.
[3] TUCKER J A， GUESS A， BARBERA P，et al. Social Media， Political Polarization， and Political Disinformation： A Review of The Scientific Literature[J].SSRN Electronic journal， 2018.
[4] 欒碧雅.社交网络虚假信息传播影响因素及治理策略研究[D].吉林大学，2020.
[5] 梦非，朱庆华.社交网络信息传播中意见偏差的国外研究进展[J/OL].情报理论与实践：1-11[2021-06-24].http：//kns.cnki.net/kcms/detail/11.1762.g3.20210528.1549.002.html.
[6] 杨德钦，岳奥博.科技投入效率与建筑业发展水平：协调状态及影响因素[J].西安建筑科技大学学报：社会科学版，2019，38（3）：49-57.
[7] 孟艳红.社交网络用户影响力分析及信息传播建模[D].西安电子科技大学，2019.