自适应时序网络上具有语义演化的多版本信息传播建模

《Physica A: Statistical Mechanics and its Applications》:Modeling multi-version information propagation with semantic evolution on adaptive temporal networks

【字体: 大 中 小 】 时间:2026年08月29日 来源:Physica A: Statistical Mechanics and its Applications 3.1

编辑推荐:

   ## 摘要 同一事件的多版本内容通常在社交网络中同时传播,从误导性言论、半真半假的信息到经过验证的真相以及强化性更正信息均有涵盖。这种共存现象形成了竞争性的信息扩散与语义演化,难以用单一状态或二元真/假模型来表示。我们提出了一种基于自适应时序网络的多版本信息传播模型,并纳入

  

## 摘要

同一事件的多版本内容通常在社交网络中同时传播,从误导性言论、半真半假的信息到经过验证的真相以及强化性更正信息均有涵盖。这种共存现象形成了竞争性的信息扩散与语义演化,难以用单一状态或二元真/假模型来表示。我们提出了一种基于自适应时序网络的多版本信息传播模型,并纳入语义演化机制。该模型定义了五种信息状态:普通谣言($R_1$)、极端谣言($R_2$)、半真信息($H$)、普通真相($T_1$)和强化真相($T_2$)。这些状态共同编码了语义类型与传播强度。跨层翻转(Flip)、信息变异(Mutate)以及平台反馈分别表征了更正、放大、误读、误判和动态调控过程。利用微观马尔可夫链近似(MMCA)方法,我们推导了该耦合系统的归一化状态概率演化方程。在八个真实世界数据集上的实验表明,该模型能够刻画多版本信息的竞争性与共进化扩散特征。Flip与Mutate机制重塑了收敛行为与稳态分布,而半真信息则作为谣言主导扩散与真相导向稳定化之间的中间状态发挥作用。这些研究结果提供了一个统一框架,用于分析语义转变与平台反馈如何在复杂社交网络中塑造谣言、半真信息与真相的动态演化。

## 引言

在线社交平台使信息扩散更加迅速、规模更大且更具异质性。扩散结果取决于网络拓扑结构与个体行为[1],同时也取决于所传播信息的内容及其可信度[2,3]。实证证据表明虚假信息与真实信息的传播方式存在差异,这进一步挑战了流行病类比的适用性以及二元真/假描述的有效性[4,5]。

经典谣言模型,包括DK模型与Maki–Thompson模型,建立了无知、传播和遏制状态之间类似流行病的转变机制[6,7]。后续研究将复杂网络、异质接触、记忆效应以及多重网络中的认知–流行病耦合等因素纳入模型[8,9,10]。这些模型仍然具有基础性意义,但其状态空间主要侧重于行为层面,并未显式表征多层平台交互或信息内容的语义变化。

近期研究通过多层、多体及耦合扩散模型在一定程度上弥补了上述不足。Du等人提出了一种双层竞争传播模型,纳入了媒体辟谣、个体辟谣和时间滞后效应[11]。Zhai等人将SAIR类型的人群动力学与媒体影响相耦合,构建了一种多层谣言–媒体交互模型[12]。相关模型还研究了多重流行病网络中的预防性信息[13]以及政策干预下的竞争信息扩散[14]。其他研究考虑了官方信息与行为采纳[15]、情绪驱动的信息–流行病耦合[16,17]以及多层系统中的高阶或跨层交互[18,19]。这些模型捕捉了跨层耦合、媒体反馈和行为适应机制。然而,其状态仍然主要依据行为或功能角色来定义,而非依据信息本身的语义版本。

例如,一个用户可能始终保持活跃传播者的身份,但其分享的内容却从被放大的虚假言论转变为部分更正,进而转变为经过验证的更正信息。

多状态谣言模型还引入了延迟传播、双重辟谣、反驳机制和行为异质性等要素,以提升动态真实性[20,21,22,23,24]。这些改进提供了更丰富的转变路径和干预机制,但仍然聚焦于用户角色的转变,而非信息内容的语义重构。

内容感知研究为虚假信息、平台干预和认知响应提供了补充视角。综述与建模研究考察了错误信息与虚假信息扩散、真/假信息交互以及内容感知的假新闻传播[3,25,26,27]。FakeNewsNet等数据资源进一步通过新闻内容、社会语境和时间信息支持假新闻研究[28]。近期工作还考虑了真假新闻传播、基于逻辑的表征方式、语义或叙事因素、算法环境以及用户认知[29,30,31,32,33,34,35]。基于众包的核实和社区笔记等平台机制也凸显了更正与治理的实际作用[36,37]。然而,内容感知与认知视角很少与自适应传播动力学相结合。信息类别通常也被视为固定标签,而非演化的语义状态。

尽管已取得上述进展,仍存在三个缺口。第一,多层模型主要描述结构耦合与媒体反馈,而信息层之间的语义转变很少被显式建模。第二,多状态传播模型通常依据用户行为而非信息版本(如谣言、半真信息、真相)来定义状态。第三,语义和认知视角往往与自适应网络动力学割裂开来。因此,需要一个统一框架来连接语义演化、多版本信息状态和自适应多层结构。

为应对这些局限,本文提出了一种基于自适应时序网络的多版本信息扩散模型,并纳入语义演化机制。本文的贡献体现在三个方面。第一,我们建立了一个五状态语义框架,区分普通谣言、极端谣言、半真信息、普通真相和强化真相。第二,我们引入了跨层翻转和语义变异机制,以描述更正路径和非理想转变过程。这些转变包括放大、回退、误读和误判。第三,我们开发了基于MMCA的动态模型,包含自适应网络重构和平台反馈。该模型能够联合分析状态概率演化、网络适应以及机制层面的消融实验。

## 各章节片段

### 动态社交网络表示

我们将社交系统表示为动态交互网络,而非同一网络的多个物理副本。在时刻 $t$,网络表示为 $G(t) = (V, E(t))$,其中 $V$ 为节点集合,$E(t)$ 为时变边集合。节点通过其信息状态进行区分,$C$ 表示完整状态空间。其中 $C = \{S, R_2, R_1, H, T_1, T_2\}$,$S$ 为辅助易感状态,其余元素为语义信息状态。

对应的邻接矩阵为 $A(t)$……

### 模型假设与语义状态定义

多版本信息指同一事件或话题在传播过程中并存的语义变体。这些变体在事实性、模糊性和传播强度等方面可能存在差异。因此,我们用五种语义信息状态 $L \in \{R_2, R_1, H, T_1, T_2\}$ 来表示它们,而非采用二元的谣言–真相标签。$R_1$ 表示普通谣言,$R_2$ 表示由更强曝光、歪曲、放大或社会强化所驱动的强化谣言。$H$ 表示半真信息……

### 实验设计与结果分析

本节评估所提出的多版本信息传播模型的有效性、鲁棒性和泛化能力。实验在八个真实社交媒体数据集上进行。分析涵盖数据集构建、参数设置、机制消融、基线对比、参数敏感性、自适应重连敏感性以及跨数据集稳定性。

实验结果通过迭代求解投影MMCA演化方程获得……

## 结论

本研究开发了一种多版本信息传播模型,将语义演化与自适应时序网络相结合。其五状态表示与基于投影MMCA的公式化方法在统一框架内共同捕捉了平台反馈、网络重构、跨层翻转和语义变异机制。

研究结果得出三个主要发现。第一,半真信息是一个具有显著影响的中间状态,其持续存在改变了路径和稳态结果……

## CRediT作者贡献声明

Xiao Yanzhen:初稿撰写、可视化、验证、软件开发、调查研究、形式化分析、数据整理。Liang Zongwen:审校与编辑、指导、方法论、经费获取、概念构思。Liu Chuanlin:审校与编辑、验证、调查研究。Wang Zihao:审校与编辑、验证、调查研究。

## 利益冲突声明

作者声明不存在已知可能影响本文所报告工作的竞争性财务利益或个人关系。

Xiao Yanzhen | Liang Zongwen | Liu Chuanlin | Wang Zihao

西南石油大学 计算机科学与软件工程学院,中国四川省成都市
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号