💻 computer science

Higher-order Rumor Propagation Dynamics in Hypergraph Networks with Hyperedge Selection and Information Overload

本文提出了一种基于超图网络的 Hyper-ISDR 模型，该模型整合了群体级相互作用、超边选择策略以及信息过载，用于分析谣言与辟谣传播的竞争动力学，并推导出了通过模拟和实证数据验证的稳定性阈值与随机持久性准则。

原作者： Lixiang Liu, Hongxing Han, Xiaokun Wu, Keke Shang, Shanshan Chen

发布于 2026-09-24

📖 1 分钟阅读☕ 轻松阅读

原作者： Lixiang Liu, Hongxing Han, Xiaokun Wu, Keke Shang, Shanshan Chen

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在数字时代，信息的传递很少是以一种简单的、直线的方式从一个人传到另一个人。相反，它通过复杂的社交网络进行移动，一条动态可以在家庭聊天群、职业网络和公共论坛中同时产生涟漪效应。研究思想如何传播的科学家长期以来一直使用数学模型来绘制这些流动图谱，通常将社交连接视为一系列一对一的握手。然而，现实生活比握手要复杂得多。人们经常在朋友圈、社区或基于主题的圈子内分享新闻，在这些圈子里，每个人都会同时听到这条消息。这种“群体效应”改变了故事传播的速度和范围。此外，现代互联网充斥着过多的内容，人们常常会感到不堪重负，仅仅因为信息太多而选择屏蔽或忽略消息。理解谣言及其辟谣事实如何在这样一个拥挤且以群体为导向的环境中竞争，对于预测误导性信息如何扎根或消退至关重要。

一个研究小组构建了一个新的数学框架来捕捉这种复杂性，超越了简单的点对点连接，转而模拟信息如何同时通过整个群体进行传播。他们创建了一个系统，将社交网络视为“超边”（hyperedges）的集合，这些超边本质上是由共同兴趣或讨论连接在一起的人群，而非仅仅是朋友间的配对。在他们的模型中，他们追踪了四类人：对故事一无所知的人、传播谣言的人、传播真相以进行纠正的人，以及完全停止参与该话题的人。研究人员想要观察当两种力量同时作用时，这些群体是如何相互作用的：一是群体激活以分享信息的方式，二是人们因听得太多而感到疲劳的方式。

该研究引入了两种截然不同的群体分享信息的方式。在第一种情景中，一个掌握秘密的人可能会向其所属的所有群体同时广播该信息，就像走进每个房间时都在大声喊叫一样。而在另一种情景中，他可能会只选择一个群体进行讲述，将注意力集中在局部。研究人员发现，当人们同时向所有群体进行广播时，谣言更容易传播且持续时间更长，即使传播者并不是最受欢迎的个体。这种“广播式”的分享方式降低了谣言广泛传播的门槛，一旦开始，就很难阻止。

为了使模型更具现实意义，团队还加入了一个信息过载的因素。他们观察到，当太多人在同时大声散布谣言或纠正信息时，平均每个人的倾听或反应的可能性就会降低。研究人员将此描述为一种“阻尼效应”：随着活跃信息的音量上升，每条新消息的有效性就会下降。他们的模拟显示，虽然这种过载并不能阻止谣言在条件合适的情况下开始传播，但它会显著减少最终相信该谣言的人数。它起到了自然刹车的作用，限制了传播的强度，防止系统达到绝对可能的最大饱和度，即使该谣言具有高度的传染性。

研究人员利用合成网络进行了计算机模拟，这些网络模仿了真实社交媒体的结构，即有些人属于许多群体，而有些人只属于少数几个。他们还将模型应用于发生在两个中国社交媒体平台上的特定谣言事件。其中一个涉及关于一位知名作家作品的虚假故事，另一个涉及关于上海住房费用的谣言。通过将这些故事的实际每小时传播情况输入其方程，他们发现该模型能够准确地重现这些谣言如何增长、达到顶峰并消退的总体形状。该模型成功捕捉到了这些事件的宏观趋势，表明它能够描述误导性信息在人群中移动的宏观演变过程。

然而，这项研究也强调了预测的局限性。虽然模型可以追踪谣言的整体兴衰，但它无法预测实时发生的每一次突然激增或局部波动。这些短期的爆发往往是由不可预测的人类行为或外部新闻周期驱动的，而数学公式无法预见这些。为了解决这个问题，研究人员在方程中加入了一层随机性，模拟人类互动中的自然噪声和不确定性。这种随机版本的模型表明，虽然谣言的平均路径是可预测的，但实际路径总会在该平均值附近波动，从而创造出一种可能的结果范围，而非单一的固定线条。

研究结果表明，我们在线上的群体结构比我们想象的更为重要。如果一个社交网络由大量成员同时互动的大家庭主导，或者群体规模的分布是不均匀的，那么谣言就更有可能生存并壮大。相反，如果网络主要由小型、紧密的圈子组成，传播速度就会较慢且持续性较低。研究还证实，人们选择分享信息的方式——无论是向所有人广播还是针对特定群体——都从根本上改变了系统的稳定性。通过理解这些动态，我们可以更清晰地了解为什么有些故事消失得很快，而有些则变得根深蒂固，以及我们所消费的信息总量如何反过来通过让我们降低对每一条新主张的反应能力，从而在某种程度上保护我们。

技术摘要：具有超边选择与信息过载特征的超图网络中高阶谣言传播动力学

1. 问题陈述

在线社交系统中的谣言传播表现出非线性、异质性且具有竞争性的扩散模式，尤其是在公共突发事件期间。现有的模型通常依赖于成对交互（普通图），这无法捕捉到诸如讨论组、话题社区和集体暴露事件等群体层面的动力学特征。此外，当前的研究面临三个具体的空白点：

激活机制： 许多模型假设单一的超边激活规则，而现实世界的扩散涉及在多个群体中的广泛广播以及在选定群体内的局部传输。
信息过载： 活动传播者（包括谣言传播者和辟谣者）产生的累积效应导致的认知疲劳或选择性回避（衰减）在探讨其对传播阈值与长期流行率的影响方面，尚未得到明确区分。
随机性与确定性分析： 在统一的分析框架内，很少有人研究异质超图中再生阈值、平衡稳定性以及随机灭绝/持续性之间的关系。

2. 研究方法

作者提出了一个基于异质超图网络的**超级——无知者-传播者-辟谣者-移除者（Hyper-ISDR）**模型。

2.1 模型框架

网络结构： 系统被建模为一个超图 $H=(V, E)$ ，其中超边连接两个以上的节点以代表群体交互。节点被分为四个组成部分：无知者 ( $I$ )、传播者 ( $S$ )、辟谣者 ( $D$ ) 和移除者 ( $R$ )。
混合超边激活： 模型引入了两种激活策略的加权组合：
- 反应式过程 (RP)： 一个活跃节点同时激活其所属的所有超边（广度多超边广播）。
- 接触式过程 (CP)： 一个活跃节点在每一步仅激活一个所属超边（基于局部群体的传输）。
- 路径指示函数 $e_p(k)$ 根据权重 $\omega_{RP}$ 和 $\omega_{CP}$ 在这两种机制之间进行插值。
信息过载衰减： 引入了一个衰减函数 $g(A(t)) = \exp(-\beta A(t))$ ，其中 $A(t)$ 是活跃个体（ $S+D$ ）的总密度。该函数通过非线性方式，随着信息暴露量的增加，降低有效的传播强度。
动力学系统：
- 确定性模型： 通过异质平均场近似导出，形成一个描述不同超度类密度宏观演化的常微分方程 (ODE) 系统。
- 随机模型： 使用带有乘性扰动的随机微分方程 (SDE) 进行扩展，以解释用户活动和行为异质性中的随机波动。

2.2 理论分析

阈值： 作者推导了谣言传播的基本再生数 ( $R_0^S$ ) 和辟谣的基本再生数 ( $R_0^D$ )。
稳定性： 他们确立了谣言无处不在平衡 (RFE)、辟谣边界平衡 (DBE) 以及共存平衡 (Ec) 的局部和全局渐近稳定性条件。
随机性准则： 推导了 SDE 系统的灭绝与持续性准则，展示了噪声强度如何修正确定性阈值。

3. 主要贡献

统一激活机制： 提出了一个具有混合 RP–CP 激活机制的异质平均场 Hyper-ISDR 模型，允许在单一框架内表示多超边广播和局部传输。
过载衰减函数： 引入了过载诱导的衰减函数，将信息过载对传播阈值的影响与其对阈后流行率的影响进行了解耦。
全面的稳定性分析：
- 推导了确定性系统中用于实现 RFE 和 DBE 全局稳定性的基本再生数和阈值条件。
- 表征了共存平衡的存在性。
- 建立了在乘性扰动下随机系统全局正解的存在性，并推导了灭绝/持续性准则。
实证验证： 将模型应用于实证谣言事件数据（短文谣言和住房养老金谣言），以评估其重现宏观传播模式和瞬态波动的能力。

4. 结果

激活权重： 增加 RP 权重 ( $\omega_{RP}$ ) 会降低持续性谣言传播的阈值，并提高最终的谣言流行率。这是因为 RP 策略允许高超度节点同时激活多条路径。
超边结构： 与以小超边为主的分布相比，由大超边主导或具有双峰超边规模分布的网络能维持更高水平的谣言和辟谣活动。
信息过载： 过载参数 $\beta$ 不会改变基本传播阈值 ( $R_0$ )。相反，它通过抑制有效传播强度来降低阈后流行率（流行水平）。
随机效应： 与纯 CP 模型相比，所提出的混合 RP–CP 机制导致了更高的随机阈值。噪声强度对所提阈值的影响较弱，但对纯 CP 模型的持续性阈值有显著影响。
实证拟合： 确定性模型成功捕捉了真实谣言事件的主要宏观演化模式（增长、高峰、衰减）。随机扩展版本捕捉到了确定性模型所缺失的瞬态波动和短期变化，提供的是一个不确定性范围而非精确的点对点拟合。

5. 意义与主张

本文声称为分析复杂社交系统中竞争性信息扩散提供了一个更真实的数学框架。通过整合高阶交互（超图）、混合激活策略和信息过载效应，该模型为理解谣言的持续性如何受网络拓扑和用户行为的影响提供了细致的见解。

作者谦虚地指出，虽然模型可以重现宏观趋势和瞬态波动，但其目的并非追求事件级的预测精度。其意义在于阐明了超边激活规则、结构异质性和随机波动如何影响竞争性谣言-辟谣动力学的稳定性与持续性。研究表明，控制谣言传播可能不仅需要针对传播率，还需要针对结构化激活模式（例如限制广泛广播）进行管理，并妥善处理信息负荷以减轻认知疲劳。