分享者：中國傳媒大學(xué)大數(shù)據(jù)分析與挖掘?qū)嶒炇也┦可鷱堉緩?/p>

眾所周知，我們處于網(wǎng)絡(luò)信息大爆炸的時代?，F(xiàn)代互聯(lián)網(wǎng)產(chǎn)生了大量的輿情信息，其中很多信息并不是正常的信息，是因為在網(wǎng)絡(luò)中存在著大量水軍或部分惡意造謠者。國家非常重視輿情治理，它與整個國家的安全息息相關(guān)。網(wǎng)絡(luò)中許多貌似無用的熱點話題，也與我們的日常生活具有緊密關(guān)聯(lián)，引起大眾的廣泛關(guān)注，在某種意義上也會影響到整個社會生活的方方面面。

圖?部分具有網(wǎng)絡(luò)輿情監(jiān)測或輿情治理功能的平臺

在整個信息傳播過程中，引起人們關(guān)注的話題，往往是遵循某一規(guī)律進(jìn)行傳播的。此處我重點關(guān)注網(wǎng)絡(luò)中微博的信息傳播情況。這里借用了殷復(fù)蓮教授在2020年出版的《網(wǎng)絡(luò)信息傳播建模與分析》一書，書中將網(wǎng)絡(luò)信息傳播的整個過程，抽象為一種單信息傳播的模式。例如在微博中有一個大V發(fā)布了一條信息，隨后會產(chǎn)生很多的評論數(shù)據(jù)以及累計轉(zhuǎn)發(fā)量數(shù)據(jù)。

?

在此背景之下，可以將整個網(wǎng)絡(luò)信息傳播抽象成如圖所示形式。

?

這種形式仿造了醫(yī)學(xué)領(lǐng)域傳染病動力學(xué)的研究基礎(chǔ)，把網(wǎng)民劃分為四類群體：第一類是易受影響的群體，他們沒有接觸到這些信息；第二類是已經(jīng)接觸到信息的群體；在這個群體之中會有一部分人進(jìn)行轉(zhuǎn)發(fā)，這類人群被稱之為轉(zhuǎn)發(fā)者。轉(zhuǎn)發(fā)之后，一部分人因已接觸過這些信息而失去興趣，因而變成免疫者。

單信息傳播SFI動力學(xué)模型

圖?單信息傳播SFI動力學(xué)模型

簡單將這一單信息傳播過程進(jìn)行抽象的建模，可以用SFI動力學(xué)模型表示。模型中有三個主要的群體，即S、F和I，分別代表易受影響人群、傳播人群和信息免疫人群。

這一模型與傳染病動力學(xué)模型的不同之處在于：傳染病領(lǐng)域是可以實時獲得各個群體的狀態(tài)，例如某個個體處于感染病毒或免疫病毒的狀態(tài)。但在信息傳播領(lǐng)域，往往只能獲得已經(jīng)接收到信息群體的數(shù)據(jù)。例如可以將微博中的轉(zhuǎn)發(fā)量作為已接受到信息的群體數(shù)量。難點在于獲得信息免疫人群的數(shù)據(jù)。所以在此引入新的變量C代表累積傳播人群。以微博為例，可以用某一條微博信息的累計轉(zhuǎn)發(fā)量來代表這個群體。其中存在一些參數(shù)，比如說貝塔、阿爾法、P，此處類似傳染病動力學(xué)模型，它們各有特殊含義。借此完成對整個單信息傳播的動力學(xué)建模，圖3為模型的基本的微分方程形式。引入累計轉(zhuǎn)發(fā)量，可以通過爬蟲的方法獲得某一條新聞或輿論的累計轉(zhuǎn)發(fā)人群，或是接觸到信息的人群的具體情況。

?嵌入物理神經(jīng)網(wǎng)絡(luò)

我的方法是將PINN方法引入到信息傳播過程，關(guān)注在時間推進(jìn)的情境下，各個群體的數(shù)量變化。此處的輸入數(shù)據(jù)僅為時間，輸入數(shù)據(jù)也可以包含一些其他變量，如距離，但并非現(xiàn)實生活中的物理距離，它可能是網(wǎng)絡(luò)中的兩個節(jié)點或網(wǎng)絡(luò)社交的距離，如好友關(guān)系。通過某種方式遞出距離，同時也需要獲得各個群體的初值。

通過PINN方法，可以對整個單信息傳播的過程進(jìn)行建模。建模過程中主要想獲得輿論傳播某條信息的未來發(fā)展趨勢，這一行為對于探索傳播規(guī)律、輿情信息的監(jiān)控和治理等大有裨益。

?

基于Paddle的實驗結(jié)果

?

圖 基于經(jīng)典最小二乘法、蒙特卡洛采樣法的擬合效果

此類方法非常依賴于真實數(shù)據(jù)的情況。同時也對各個狀態(tài)的初值非常敏感。

?

圖 基于飛槳平臺，使用PINN的方法擬合單信息傳播模型的效果

基于PINN的方法，首先其整體擬合效果往往優(yōu)于傳統(tǒng)方法。其次，使用PINN的方法可以加入一些其他變量。在嘗試過程中，我加入了部分社交距離的變量，驗證它相比于經(jīng)典方法，做偏微分的擬合效果更突出。最后，這一方法對初值和邊界并不敏感。無論傳染病動力學(xué)還是信息傳播動力學(xué)，初值和邊界對整個結(jié)果的重要性不言而喻，很多情況下結(jié)果的偏差是不合理的初值和邊界選擇導(dǎo)致的。

此外，我也做了部分信息傳播方面的其他研究：引入情感變量，將轉(zhuǎn)發(fā)群體進(jìn)行情感的分類，包含正面情感、負(fù)面情感或中性情感三種情況。

基于傳統(tǒng)方法的擬合情況，尤其是在輿論發(fā)展到快速傳播階段時，擬合效果并不理想。關(guān)于非常經(jīng)典的謠言的兩個階段，一是謠言的傳播階段，二是辟謠信息的傳播階段，這類信息的傳播結(jié)果，需要分階段各自進(jìn)行動力學(xué)的擬合，然而使用PINN的方法可以將整個過程進(jìn)行建模。

總結(jié)與展望

1.使用PINN的方法在多個傳播動力學(xué)模型上均可取得優(yōu)于傳統(tǒng)方法的擬合結(jié)果；

2.相比于純數(shù)據(jù)驅(qū)動方法，結(jié)合動力學(xué)模型能夠預(yù)測更長階段且減少誤差累積；

3.PINN方法在反問題求解上受初值或邊界值影響不明顯，擬合更加高效；

4.處理多輸入問題（如偏微分方程），擬合參數(shù)同時獲得各個狀態(tài)值的輸出，PINN方法更加高效；

5.在信息傳播動力學(xué)問題中，除時間t外的自變量比較難確定，關(guān)于傳播動力學(xué)中偏微分方程的擬合還有待實驗驗證。

?