社交媒体观点极化的传播动力学建模与干预策略研究

这篇综述创新性地将流行病学模型（SEIR）引入社交媒体观点传播研究，提出了包含混合情绪传播者（Im）的五室模型（S-E-Ip-In-Im），通过基本再生数（R0）阈值分析揭示了观点极化的控制机制，为数字社会治理提供了量化分析框架。

　　

社交媒体观点极化的传播动力学研究

1 引言

在数字时代，社交媒体已成为观点传播的主要阵地。传统观点动力学模型如Deffuant-Weisbuch模型和Hegselmann-Krause模型虽然能描述观点趋同现象，但难以捕捉现代社交媒体的复杂交互特征。本研究创新性地引入流行病学中的SEIR（易感-暴露-感染-恢复）模型框架，特别增加了混合情绪传播者（I_m）这一独特群体，他们能同时传播对立观点，更真实地模拟了现实中的观点交互。

2 建模方法

2.1 数学模型

研究构建的五室模型包含：

• •

  易感者（S）：未接触观点的群体

• •

  暴露者（E）：接触观点但未明确表态的"潜水者"

• •

  正向传播者（I_p）

• •

  负向传播者（I_n）

• •

  混合情绪传播者（I_m）

模型引入关键参数：

• •

  传播率λ

• •

  转化率α₁, α₂, α₃

• •

  衰减率μ₁, μ₂, μ₃

• •

  交互系数ω

2.2 模型特性

通过构造Lyapunov函数，证明了系统在Ω={(S,E,I_p,I_n,I_m)∈R⁵₊|S+E+I_p+I_n+I_m≤A/μ}内的正定性和有界性。这一数学性质确保了模型解的生物学合理性。

3 稳定性分析

3.1 基本再生数

推导得到关键阈值R₀=Aλ(1-μ₂/(α₁+α₂+α₃+μ₂))/(μ₁μ₃)，当R₀<1时系统趋于无传播平衡点，R₀>1时出现地方病平衡点。

3.2 平衡点稳定性

通过Jacobian矩阵特征值分析发现：

• •

  无传播平衡点全局渐近稳定（R₀<1）

• •

  地方病平衡点局部渐近稳定（R₀>1）

特别值得注意的是，混合情绪传播者I_m的存在使系统在R₀≈1时表现出更丰富的动力学行为。

4 干预策略

模型通过时变函数u(t)模拟外部干预：

u(t)={

0, t<>_int

A, t_int≤t≤t_int+T_int

0, t>t_int+T_int

}

数值模拟显示，适时适度的干预（A=0.9, T_int=15）能有效降低观点极化程度。特别发现干预时机对效果有显著影响：在观点传播初期（t_int=5）干预效果优于后期（t_int=10）干预。

5 讨论

本研究的主要创新在于：

1. 1.

   首次将混合情绪传播者纳入观点传播模型

2. 2.

   建立了可量化的干预效果评估体系

3. 3.

   为社交平台内容管理提供了理论依据

模型参数如λ=0.1，μ₃=0.8等的设定基于真实社交媒体数据分析，确保了模型的实用性。未来研究可进一步考虑网络拓扑结构对传播动力学的影响。