一种考虑政府介入的SIR网...言传播模型构建及其仿真研究_吕鲲.pdf

晋图学刊2023(3):12 21Shanxi Library Journal收稿日期:2022 08 28定稿日期:2023 05 25基金项目:2022 年国家社会科学基金青年项目“双碳 目标下 技术 经济 区域 信息融合的创新生态系统构建及其协同演化研究”(项目编号:22CTQ028)作者简介:吕鲲(1988 )，男，博士，特聘副研究员，研究方向为情报分析。E-mail:351941281 qq com引文格式:吕鲲，金鸿飞 一种考虑政府介入的 SI 网络谣言传播模型构建及其仿真研究 J 晋图学刊，2023(3):12 21青年论坛一种考虑政府介入的 SI 网络谣言传播模型构建及其仿真研究吕鲲，金鸿飞(宁波大学 商学院，浙江 宁波 315211)摘要:当今，网络谣言的肆意传播对社会造成了较大的负面影响。本文通过建立政府介入的 SI 网络谣言传播模型，较为准确地描述舆情发展情况，为谣言的治理提供了理论依据。本研究以经典 SI 模型为基础，引入了政府介入因素，构建了一种改进的网络谣言传播模型，并使用 MATLAB 2016a 对模型进行数值仿真，再进一步通过控制变量法，分析政府在舆情发展的不同时期对网络谣言传播的影响。实验结果表明，政府的介入会对网络舆情的爆发时间、谣言规模等方面产生重要影响，能够较为准确地反映网络谣言传播趋势，为网络谣言的治理提供有价值的参考建议。关键词:网络谣言;政府介入;SI 模型;模拟仿真中图分类号:G206文献标识码:A文章编号:1004 1680(2023)03 0012 100引言在互联网高速发展的时代背景下，谣言的传播速度已经越来越快，涉及范围也越来越广。2019 年3 月，网络上流传着一则谣言称，“央行将从 4 月 1日起下调金融机构 5%的存款准备金率”1，同月还发生了“江苏盐城响水爆炸 18 名消防员牺牲”2 网络谣言事件，此外还有 2018 年 8 月的“湖北黄陂车祸导致 7 名路人死亡”3 网络谣言事件等。这些谣言歪曲了事件的实际情况，给公众制造了恐慌情绪，严重扰乱了社会秩序。若任由谣言在网络上肆意传播，则易引发各种社会问题。而政府作为权威机构，是消除此类谣言的主力军，同时政府通过政务微博、官方网站、新闻发布会等途径发布权威信息，能够在一定程度上遏制网络谣言的传播。因此，深入研究政府部门在网络谣言传播中的影响具有重要的现实意义。1文献综述网络谣言是指没有事实依据且带有针对性、攻击性的话语，一般借助网络媒介(比如短视频、博文等)进行传播。目前，网络谣言传播现象及其社会影响已经受到国内外学者的广泛重视，大多数学者从网络谣言的特征、形成原因及其危害等方面进行了研究:对比传统谣言的传播模式，巢乃鹏4 等人发现网络谣言借助互联网平台，几乎消除了信息传播的时间和空间限制，具有传播速度快、传播路径复杂、不易控制等特征;此外，蒋颖5 从传播内容方面分析得出，网络谣言大多数利用了大众的恐慌情绪，具有较强感官冲击力和误导性;针对网络谣言形成原因，唐玲6 分析了常见的社会心理，发现恐惧、希望、义愤、失衡和刻板等心理是网络谣言产生的根源;同时王国华7 等人以地震网络谣言为例，归纳出信息不对称、公众安全感缺乏、政府公信力危机是网络谣言传播的主要内在原因;而对网络谣言危害方面的研究，邓国峰8 等人发现，公众在网络谣言传播过程中大多带有负面情绪，从而在一定程度上破坏了社会安定。传染病传播与网络谣言传播在扩散过程和群体划分特征上具有很高的相似性，于是很多学者开始借助传染病模型研究网络谣言的传播规律。最早的传染病模型是由 Kermack 与 McKendrick 在研究黑死病时提出的 SI(Susceptible Infected emoved，易感 感染 免疫)传染病模型9，该模型规定将群体状态分成三种:易感状态、感染状态和免疫状态，感染节点会以一定的传染概率将接触的易感节点转化为感染状态，而处于感染状态的节点会以一定的免疫概率转化为免疫状态。在基于传染病模型的网络谣言相关研究中，大多数学者们结合不同实际情况对 SI 模型进行了改进，主要是从以下两个方面。一方面是结合个人特征及其社会行为属性，研究网络谣言传播的内在规律:赵剑华10 等人考虑到用户心理特征与行为因素也会影响网络谣言的传播，通过研究传统的 SI 传染病模型，构建了新型社交网络舆情传播动力学模型，深入研究了用户心理特征对舆情传播特性的影响;而对于网络谣言传播中存在的不相信网络谣言的理性者，任珈仪11 等人构建了理性者交互群组传播网络谣言模型，研究理性者的存在对网络谣言的传播时间和传播者密度峰值的影响。另一方面是细分经典 SI 模型中网络人群的类别和补充网络谣言传播的动态演化规律:陈波12 等人基于经典 SI 模型，增加了潜在状态并引入了直接免疫率和潜伏个体，通过建立 SEI 传播模型，更加真实表现了网民的心理;而魏静13 等人对舆情的传播规律进行分析后，发现在微博上存在有部分无知者直接转为免疫者的现象，于是提出了一种带有衍生效应的 SI 改进模型，以增加网络谣言动态传播的演化规律从而描述实际生活中微博网络舆情的传播变化;同样基于微博环境，丁学君14 新增了一个节点状态 接触状态，并引入 SI 模型进行研究，以此优化了微博网络中的舆情话题传播规律模型;此外，在研究社交平台的网络舆情发展机制时，邱泽国15 等人发现，不同的网民属性结构能够影响舆情的发展;同时，Lai-Jun Zhao 16 等通过分析大量的 Twitter 数据，发现了网络舆情与网络平台用户影响力之间具有相关性。综上所述，各位学者基于传染病模型从不同角度对网络谣言进行研究，并为舆论的治理提供了理论支持，但目前相关文献大多关注网民自身在谣言传播中的作用，鲜有学者直接研究政府的介入对于网络谣言传播的影响。因此，本文基于原有的 SI网络谣言传播模型，创新性地引入政府介入因素，构建新的 SI 网络谣言传播模型，并以真实案例验证其有效性;再利用 MATLAB 对上述模型进行仿真实验，分析政府介入对网络谣言传播的影响;最后，通过不同模型参数下的仿真结果提出相应的网络谣言管控手段，为网络谣言治理提供一定的理论依据。2网络谣言传播模型构建2 1SI 传染病模型概述为了更好地研究传染病的暴发和传播规律，大多数学者利用传染病模型对其传播过程进行模拟，其中 SI 模型是最为经典的传播模型之一17。根据模型的规则，将人口分为以下三个类别:易感者(Susceptibles)，其数量记为 s(t)，表示 t 时刻还未被该类疾病感染但有可能被传染的人数;感染者(In-fectives)，其数量记为 i(t)，表示 t 时刻已被感染而且具有传染能力的人数;免疫者(ecovered)，其数量记为 r(t)，表示 t 时刻该模型中已经痊愈且不再患病的人数。将上述定义用数学公式表示:N(t)=s(t)+i(t)+r(t)，其中 N(t)为总人口数。传染病模型的动态演化过程如图 1 所示。Fig 1The dynamic evolution of the SIinfectious disease model population图 1SI 传染病模型群体动态演化过程其演化规则可以描述为以下几点:第一，易感者以传染率 被某些感染者个体感染，并由易感者状态转化成为感染者状态;第二，处于感染状态的个体在单位时间内被移出的概率18 称为免疫率，其中感染者转化为免疫者后获得免疫能力，不再感染;第三，设 S(t)、I(t)、(t)分别为 t 时刻易感者、感染者以及免疫者在总人口中所占的比例，则 S(t)+I(t)+(t)=1。根据 SI 传染病模型群体动态演化规则可以构31吕鲲等:一种考虑政府介入的 SI 网络谣言传播模型构建及其仿真研究建如下微分方程来对传染病传播过程进行描述:dS(t)dt=I(t)S(t);dI(t)dt=I(t)S(t)I(t);d(t)dt=I(t)。(1)2 2模型构建2 2 1模型假设政府介入是指政府应对网络谣言时所采取的各种措施，以减少网络谣言传播危害为目的。而传统的网络谣言传播模型并没有考虑政府介入的因素对于网络谣言传播的影响，只是定义网络谣言以某一定的概率在用户之间传播。基于上述背景，本文在传统 SI 模型结构上构建了一种包含未知隔离者和已知隔离者的模型，并引入未知者受控率和已知者受控率定量描述政府介入情况，以探讨政府在网络谣言发展不同时期采取的管控手段对网络谣言传播产生的影响。定义模型中各状态转移规则如下。第一，定义网络谣言传播中不知道网络谣言的人称为未知者(S 态)、接收到网络谣言且可以传播的人称为传播者(I 态)和知道网络谣言但不传播的人称为免疫者(态)。第二，对于网络谣言爆发前，政府拦截网络谣言传播并限制未知者接收到网络谣言的成功率定义为未知者受控率(m)，其中这些措施针对的受控人群定义为未知隔离者(Sq 态)。第三，对于网络谣言爆发时，政府通过一定的管控手段限制传播者传播网络谣言的成功率定义为已知者受控率(n)，其中这些措施针对的受控人群定义为已知隔离者(Iq 态)。第四，考虑到受控人群能够通过其他途径越过管控，这意味着隔离者仍然有一定概率接收到网络谣言，因此将未知隔离者重新转化为未知者的概率定义为未知者转化率()，已知隔离者重新转化为传播者的概率定义为已知者转化率()。第五，当一个未知者接触到一个传播者时，未知者会以一定概率接受网络谣言并转化成为传播者，该概率定义为网络谣言传染率()。第六，传播者会以一定的概率不相信网络谣言或者没兴趣传播网络谣言而成为免疫者，该概率定义为网络谣言免疫率()。第七，在网络谣言产生前，人群中只可能存在网络谣言未知者和未知隔离者，因此将初始状态下的这两种人群类别分别定义为初始未知者(A)和初始未知隔离者(B)，初始已知隔离者(C)人数定义为0。上述定义的具体参数意义如表 1 所示。表 1参数定义及意义Table 1Definition and meaning of parameters参数参数定义参数意义S未知者比例不知道网络谣言的人占总人口比例I传播者比例接收到网络谣言且可以传播的人占总人口比例免疫者比例知道网络谣言但不传播的人占总人口比例传染率接触到网络谣言的网民传播该网络谣言的概率免疫率由于某种原因不相信该网络谣言从而成为免疫者的概率m未知者受控率未知者在政府介入下被阻止接收到网络谣言的概率未知者转化率未知隔离者通过其他途径重新转化为未知者的概率n已知者受控率传播者在政府介入下被阻止传播网络谣言的概率已知者转化率已知隔离者通过其他途径重新转化为传播者的概率Sq未知隔离者比例未知者中成为无法收到网络谣言的人占总人口比例Iq已知隔离者比例传播者中成为无法传播网络谣言的人占总人口比例A初始未知者比例网络谣言产生前初始状态下的未知者人数占总人口比例B初始未知隔离者比例一开始就被阻止接收网络谣言的人占总人口比例C初始已知隔离者比例一开始就被阻止传播网络谣言的人占总人口比例N总人口与网络谣言传播相关的所有人41晋图学刊2023(3)综上，政府介入的 SI 网络谣言传播模型的动态演化过程如图 2 所示。Fig 2The dynamic evolution of the SI online rumorspread model with government intervention图 2政府介入的 SI 网络谣言传播模型动态演化过程2 2 2模型推导由上述模型假设可知:t 时刻传播者的人数为 N I，网络谣言传播者在单位时间内会以概率 让总人口中 S的未知者接收到网络谣言，则单位时间内将有 S N I个未知者变为传播者，传播者人数增加 NSI。同理，政府以已知者受控率 n 成功阻止传播者传播网络谣言，则有 N n I 个传播者变为已知隔离者，传播者人数减少 NnI。传播者以免疫率 对网络谣言不再感兴趣并不再传播，则有 N I 个传播者变为免疫者，传播者人减少 NI。已知隔离者以的概率重新接收到网络谣言，则有N Iq 个已知隔离者变为传播者，传播者增加 NIq。综上，在 t 时刻下传播者人数可表示为 NdIdt=NSI NI+NIq NnI。同理可得未知者人数为 NdSdt=NA NSI+NSq NmS，免疫者人数为:Nddt=NI，未知隔离者人数为:NdSqdt=NB+NmS NSq，已知隔离者人数为 NdIqdt=NC+NnI NIq。因此，政府介入的 SI 网络谣言传播模型方程组如下所示dSdt=A SI+Sq mSS(0)=S0;(2)dIdt=SI I+Iq nII(0)=I0;(3)ddt=I(0)=0;(4)dSqdt=B+mS SqSq(0)=Sq0;(5)dIqdt=C+nI IqIq(0)=Iq0。(6)2 2 3模型平衡点根据 模 型 的 实 际 背 景，在 有 界 区 域 D=S，I，Sq，()Iq|S0，I0，0，Sq0，Iq0 且S+I+Sq+Iq 1 范围内考虑模型的平衡点。参考张发19 关于传染病传播模型的研究结果可知，传染病在传播过程中存在着阈值 0，当 0 1 时，系统只有零平衡点，表示随着时间推移传染病的传播会自行消亡;而 0 1 时，系统存在非零平衡点，表示传染病将在某一时刻爆发，因此网络谣言的传播阈值 0 对网络谣言传播趋势起着决定性的作用。以下针对不同传播阈值的平衡点进行分析。2 2 3 1零平衡点变量 I、Sq 和 Iq 均为零，表示在此时刻网络谣 言 并 未 在 系 统 中 传 播。显 然 边 界 点0，0，0，0，()0 和Am，0，0，0，()0 都是模型的零平衡点。2 2 3 2内部平衡点零平衡点是一种理想状态，在现实中比较难以实现，因此本文需要着重讨论的是内部平衡点。由于方程表达式(2)、(3)、(5)、(6)都不含有变量，所以不考虑ddt的等式。设等式左边为零，得到方程组:A SI+Sq mS=0;(7)SI I+Iq nI=0;(8)B+mS Sq=0;(9)C+nI Iq=0。(10)结合方程(7)(10)，可得到非零平衡点:S*=(A+B)(A+B+C);I*=A+B+C;Sq*=B+(A+B)m(A+B+C);Iq*=C+n(A+B+C)。(11)利用公式(2)(6)分别对 S、I、Sq、Iq 求偏导。令 X=A SI+Sq mS，Y=SI I+Iq nI，Z=I，O=B+mS Sq，P=C+nI Iq则有:XS=I mXI=SX=0XSq=XIq=051吕鲲等:一种考虑政府介入的 SI 网络谣言传播模型构建及其仿真研究YS=IYI=S n;Y=0YSq=0YIq=;ZS=0ZI=Z=0ZSq=0ZIq=0OS=mOI=0O=0OSq=OIq=0PS=0PI=nP=0PSq=0PIq=。因此将平衡点(11)入得到 Jacobian 矩阵为:(A+B+C)m(A+B)A+B+C00(A+B+C)(A+B)(A+B+C)n0000000m00 00n00结合网络谣言传播中实际人数不能小于 0 这个条件，所以模型参数设置均大于0，且m、n，根据 outh Hurwitz 判别条件20 可 知，平 衡 点(A+B)(A+B+C)、A+B+C、B+(A+B)m(A+B+C)、C+n(A+B+C)是局部渐近稳定的。因此，政府介入的网络谣言传播动态模型能够描述一段时间内网络谣言的演变过程及其变化规律。3模型仿真实验3 1模型验证为了验证模型的有效性，本文将结合实际案例对网络谣言传播模型进行仿真实验，具体过程如下所示。2020 年 1 月 29 日，山东潍坊寿光捐赠的 350吨蔬菜一经运抵湖北武汉，网上就有传言称，蔬菜将由武汉中商集团以低于市场售价销售，有网友认为寿光人民捐的蔬菜被红十字会拿去销售了，引发了广泛的争议21。基于上述事件，在百度指数中用“武汉红十字会售卖寿光援助的蔬菜”作为关键词进行搜索，将 2020 年 1 月 29 日至 31 日的关注趋势视为该事件的舆情传播情况。根据实际情况，结合 Zan22 等学者设置情景的方法，通过多组数值模拟设定较优模型参数(=0 75;=0 2;m=0 3;=0 15;n=0 1;=0 05;A=0 99;B=0;C=0)，利用 MATLAB 仿真，得到“武汉红十字会售卖寿光援助的蔬菜”事件网络谣言传播者人数变化趋势仿真图(图 3)。该图中的传播者人数变化反映了此段时间内网络谣言传播情况，而对于现实传播状况的描述，则是利用百度指数进行表示，如图 4 所示。Fig 3Simulation of diagram of Infectives of the“Wuhan ed Cross sells vegetables fromShouguang aid”incident图 3“武汉红十字会售卖寿光援助的蔬菜”事件传播者人数仿真图Fig 4Baidu index chart for“Wuhan ed Cross sellsvegetables from Shouguang aid”incident图 4“武汉红十字会售卖寿光援助的蔬菜”事件百度指数图对比上述仿真结果与实际演化状况发现，网络谣言前期均存在爆炸性传播，且随着官方发布辟谣消息，该事件热度逐渐下降。因此，仿真结果与实际结果趋势保持一致，这对于描述现实中政府介入的网络谣言传播具有一定的实际意义。3 2仿真实验通过已建立的网络谣言传播模型，可以计算出某段时间内各类人群的数量变化，从而有效模拟该61晋图学刊2023(3)段时间内舆情传播情况及传播趋势。本文使用MATLAB 2016a，通过引入政府介入的 SI 网络谣言传播模型进行仿真实验，研究模型中未知者受控率(m)和已知者受控率(n)对网络谣言传播的影响情况。由于网络谣言传播的时间相对较短，本文暂不考虑人数的动态变化，即认为在网络谣言传播过程中用户总数量不变。同时，为了更好地研究模型参数变化对于网络谣言传播的影响，本节采用控制变量法，通过数值仿真来研究网络谣言传播模型中政府介入可能存在的两种状态:舆情爆发前政府介入状态与舆情爆发时政府介入状态。3 2 1舆情爆发前政府介入对网络谣言的影响为了研究舆情爆发前政府介入程度对于网络谣言传播的影响，本文将改变未知者受控率(m)大小，并控制其他参数不变，具体如表 2 所示。表 2舆情爆发前政府介入的参数设置Table 2Parameters Setting forgovernment intervention before public opinion erupts方案分组mnA10 80 20000A20 80 20 150 0800A30 80 20 30 0800*2A1 组设定未知者受控率(m)和已知者受控率(n)都为 0，意味着谣言没有政府的管控而能够在网上任意传播。A2 组设定未知者受控率(m)为 0 15，未知者转化率为 0 08()，意味着在舆情爆发前政府采取一定的管控手段限制了网络谣言传播。A3组设定未知者受控率(m)为 0 3，未知者转化率()为 0 08，意味着在舆情爆发前政府增加管控手段限制网络谣言传播。根据表 2 参数，分别对网络谣言传播过程进行数值仿真，得到不同方案下各类人群数量所占比例随时间推移的变化轨迹，具体如图 5 至图 9 所示。根据上述仿真结果可知，图 5 显示未知者曲线在初期下降得快，而达到平衡时平衡点逐渐上移;图6 显示传播者曲线峰度依次减小、最大值出现时间左移;图 7 显示免疫者曲线随未知者受控率的增大不断向右下方移动;图 8 显示未知隔离者的曲线大幅向左上方移动;图9显示已知隔离者人数为0。上述结果说明，舆情爆发前政府的介入能够使舆情爆发点提前，同时减少传播者人数，进而削弱网络谣言带来的影响。Fig 5Graph of changes in the proportion of Susceptibles图 5未知者人数比例变化图Fig 6Graph of changes in the proportion of Infectives图 6传播者人数比例变化图Fig 7Graph of changes in the proportion of ecovered图 7免疫者人数比例变化图71吕鲲等:一种考虑政府介入的 SI 网络谣言传播模型构建及其仿真研究Fig 8Graph of changes inthe proportion of Susceptible Quarantines图 8未知隔离者人数比例变化图Fig 9Graph of changes in the proportion ofInfective Quarantines图 9已知隔离者人数比例变化图3 2 2舆情爆发时政府介入对网络谣言的影响为了研究舆情爆发时政府介入程度对于网络谣言传播的影响，本文将改变已知者受控率(n)大小，并控制其他参数不变，具体如表 3 所示。表 3舆情爆发时政府介入的参数设置Table 3Parameters Setting for the governmentintervenes when public opinion breaks out方案分组mnB10 80 20000B20 80 2000 10 05B30 80 2000 20 05B1 组未知者受控率(m)和已知者受控率(n)都为 0，意味着网络谣言没有政府的管控而能够在网上任意传播。B2 组设定已知者受控率(n)为0 1，已知者转化率()为 0 05，意味着在舆情爆发时政府采取一定的管控手段限制网络谣言传播。B3 组设定已知者受控率(n)为 0 2，已知者转化率()为0 05，意味着在舆情爆发前政府增加管控手段限制网络谣言传播。根据表 3 参数，分别对网络谣言传播过程进行数值仿真，得到不同方案下各类人群比例随时间推移的变化轨迹，具体如图 10 至图 14 所示。Fig 10Graph of changes in the proportion of Susceptibles图 10未知者人数比例变化图Fig 11Graph of changes in the proportion of Infectives图 11传播者人数比例变化图根据上述仿真结果可知:图 10 显示未知者曲线逐渐向右上方移动，且平衡点向上移动;图 11 显示传播者曲线峰度不断减小，但传播者曲线在时间 t趋向于+时，B1组传播者趋向于 0，而 B2、B3组则趋向于某一个大于 0 的数;图 12 显示免疫者曲线随已知者受控率向右下方移动;图 13 显示未知隔离者人数为 0;图 14 显示已知隔离者的曲线向左上方移动。上述结果说明，舆情爆发时政府的介入，虽然抑制了传播者人数的增长，一定程度上削弱了网络谣言带来的影响，但仍然无法使其彻底消失。81晋图学刊2023(3)Fig 12Graph of changes in the proportion of ecovered图 12免疫者人数比例变化图Fig 13Graph of changes in the proportion ofSusceptible Quarantines图 13未知隔离者人数比例变化图Fig 14Graph of changes in the proportion ofInfective Quarantines图 14已知隔离者人数比例变化图3 3结果讨论根据上文模型仿真结果可知，在舆情爆发前和爆发时，提高未知者受控率(m)和已知者受控率(n)均能在一定程度上限制网络谣言的传播。以下将基于上述两个受控率，对政府如何应对突发网络舆情的措施进行以下讨论。第一，从仿真结果可以看出，大多数未知者通常出现在网络谣言传播的初期，一旦有新的热点事件出现，必然会引起公众的普遍关注，容易使得未知者迅速转化成传播者，并且网络谣言具有隐匿性强、传播速度快等特征，增加了政府对舆情监管的难度。因此政府应采取适当的方法，通过分析可能引发网络谣言的信息和事件，跟踪网络舆情发展趋势，实施对网络谣言的监测预警，提高未知者受控率，让其免于网络谣言的影响。具体方法如下:首先，建立舆情预警监测与处置小组，在面对网络舆情热点事件时，第一时间对其进行分类和定位，做到全方位动态监控，切实了解和掌握舆情状况;其次，对监测中发现的不稳定因素及时进行分析，并从多维度研判舆情走向，若发现舆情会对网络环境带来不利影响，应及时发布预警信号并对舆情发展进行干预，从而阻止网络谣言进一步地扩散。第二，由于模型中未知隔离者数量的增加能够显著影响谣言的传播，让未知者主动转化成未知隔离者是有效限制网络谣言扩散的方式之一，然而公众存在对网络谣言的辨别能力不足等问题，削弱了网络谣言治理效果，因此政府若要提高网络谣言治理水平，必须提升公众的科学文化素养，可通过开展多途径科普宣传教育，构建辟谣协同体系。具体措施如下:首先，政府相关部门应注重对新媒体等社交平台的应用，多渠道、多形式宣传必要的科学知识，切实提高公众对网络谣言的理性判断力和辨识能力;其次，实现辟谣必须依靠全社会的共同努力，加强政府与公众的联系，形成辟谣协同体系，提高公众的社会责任感，使其在面对网络谣言传播时，发挥个人辟谣能力，及时公开传播事情真相，避免网络谣言的进一步扩散。第三，根据传播模型的定义，在舆情爆发时若公众没有及时获取到公共信息，会使得大量未知者转化成传播者，造成网络谣言的大范围扩散，而这在某种程度上是由于当下政府公信力的降低与信息公开的欠缺所导致，因此政府部门应当完善行政管理方式，加强政务信息公开，提升政府公信力，增大传播者受控率。具体方式如下:首先，政府在回应公众对突发事件的质疑时，应建立职责明确的行政管理体91吕鲲等:一种考虑政府介入的 SI 网络谣言传播模型构建及其仿真研究系，及时、全面地向公众披露信息，合理引导公众舆论;其次，提升政务工作的公开性和透明性，对与公众切身利益相关的问题予以重点公开，接受社会的监督。4结束语近些年，互联网的发展很大程度上拓宽了公众发表言论的渠道，但同时也造成了网络谣言的大量传播，扰乱了社会正常秩序、破坏了社会稳定。政府作为网络舆情的引导者，在网络谣言治理方面发挥着重要作用。本文根据网络谣言传播的主要特征，结合 SI 传染病模型，提出了一种政府介入的 SI网络谣言传播模型。该模型基于控制变量法，分别对舆情爆发前与爆发时的两种情景设定不同的参数进行仿真实验，研究该参数变化对网络谣言传播的影响。实验结果表明，在舆情的不同阶段，政府的介入会对网络谣言的传播产生不同影响。爆发前政府的介入会促使舆情爆发点的提前并使传播者曲线峰度减小，从而降低了网络谣言带来的危害;爆发时政府的介入同样能够减小传播者曲线的峰度，但由于谣言传播者的长期存在，影响了网络谣言的治理效果。因此，为有效整治网络谣言问题，政府应当加强科普宣传，提高公众的科学素养;同时，健全网络舆情预警机制，加大对网络谣言的监管力度，切实提升政府公信力，最终建立一个良好的网络舆情环境。然而，本文采用的模型仿真数据主要来源于经验设定，对现实网络谣言传播规律的描述仍不够客观。在未来的研究中，将立足现实情境，收集公众在网络平台上的不良言论作为实验的研究数据，从而构建更符合网络谣言传播规律的数理模型。参考文献:1 央行微播“央行下调存款准备金率 0 5 个百分点”为不实消息EB/OL (2019 03 29)2023 05 19 https:/weibo com/3921015143/Hnd8IfSs 2 平安江苏 响水“321”爆炸事故“18 名消防员因吸入大量致癌气体而牺牲”系谣言 EB/OL (2019 03 24)2023 05 19 https:/weibo com/1935167034/HmrnqonTh 3 长江日报 拘留!无人死亡的车祸竟被造谣死了 7 人 EB/OL (2019 07 30)2023 05 19 https:/baijiahao baidu com/s?id=1640460332892121954wfr=spiderfor=pc 4 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(6):586 589，575 5 蒋颖 公共危机事件中网络谣言的传播特征与治理策略 J 新闻界，2021(11):71 75 6 唐玲 控制与引导:新时代网络谣言治理现代化的路径选择:以新冠肺炎防疫运动中的鉴真辟谣为例 J 西南科技大学学报(哲学社会科学版)，2021(6):98 104 7 王国华，方付建，陈强 网络谣言传导:过程、动因与根源:以地震谣言为例 J 北京理工大学学报(社会科学版)，2011(2):112 116 8邓国峰，唐贵伍 网络谣言传播及其社会影响研究 J 求索，2005(10):92 94 9 KEMACK W O，MCKENDICK A G Contribution tothe mathematical theory of epidemics J Proceedings ofthe oyal Society of London Series A Containing Papersof a Mathematical and Physical Character，1927(772):700 721 10 赵剑华，万克文 基于信息传播模型:SI 传染病模型的社交网络舆情传播动力学模型研究J 情报科学，2017(12):34 38 11 任珈仪，王友国，柴允，等 社交网络上理性者交互的群组传播谣言模型J 计算机技术与发展，2021(7):105 112 12 陈波，于泠，刘君亭，等 泛在媒体环境下的网络舆情传播控制模型 J 系统工程理论与实践，2011(11):2140 2150 13 魏静，黄阳江豪，林萍，等 基于改进 SI 模型的微博网络舆情传播研究 J 情报科学，2019(6):16 22 14 丁学君 基于 SCI 的微博舆情话题传播模型研究 J 计算机工程与应用，2015(8):20 26，78 15 邱泽国，袁秀昂 基于改进 SI 模型的短视频平台网络舆情演化研究 J 商业经济，2021(2):135 138 16 ZHAO L，QIN W，CHENG J，et al The impact of au-thoritiesmedia and rumor dissemination on the evolu-tion of emergencyJ Physica A Statistical Mechanics Its Applications，2012(15):3978 3987 17 赵剑华，万克文 基于信息传播模型:SI 传染病模型的社交网络舆情传播动力学模型研究J 情报科学，2017(12):34 38 18 LIU D，WANG W，LI H Evolutionary mechanism andinformation supervision of public opinions in internet e-mergencyJ Procedia Computer Science，2013(5):973 980 19 张发，李璐，宣慧玉 传染病传播模型综述J 系统02晋图学刊2023(3)工程理论与实践，2011(9):1736 1744 20 ANAGNOST J J，DESOE C A An elementary proofof the outh Hurwitzstability criterionJ Circuits，Systems，and Signal Processing，1991(1):101 114 21 武汉市红十字会 武汉市红十字会关于“红十字会售卖寿光蔬菜”的郑重申明 EB/OL (2020 01 30)2023 05 19 http:/www wuhanrc org cn/info/1003/2621 htm 22ZAN Y，WU J，LI P，et al SIC rumor spreadingmodel in complex networks:counterattack and self re-sistance J Physica A Statistical Mechanics Its Ap-plications，2014(5):159 170Construction and Simulation of SI Network umorSpreading Model Considering Government InterventionLV Kun，JIN Hongfei(Business School，Ningbo University，Ningbo 315211，China)Abstract:Today，the uncontrolled spread of online rumors has caused large negative impact on society This paperprovides a theoretical basis for the management of rumors by building an improved SI model of online rumor propa-gation with government intervention to more accurately describe the development of public opinion This study usesthe classical SI model as the basis，introduces government intervention factors，constructs an improved model ofonline rumor propagation，and uses MATLAB 2016a to numerically simulate the model，then further analyses thegovernment s influence on online rumor propagation in different periods of public opinion development through thecontrol variables method The experimental results show that government intervention will have an important influ-ence on the outbreak time and rumor scale of online public opinion，which can reflect the trend of online rumorpropagation more accurately and provide valuable reference suggestions for the management of online rumorsKey words:Internet rumors;government involvement;SI model;simulation(责任编辑:李倩)12吕鲲等:一种考虑政府介入的 SI 网络谣言传播模型构建及其仿真研究