超网络概念
现实系统是由多种主体，多种关系组成的复杂系统，在网络中表现为节点与边的不同质性．在有些情况下用一般的网络图并不能完全刻画真实的世界网络特征。例如，在合作撰写论文的网络中，用简单图可表示作者之间是否合作，但是不能表示是否有三个或者更多的作者合作来写一篇论文．原来处理这类问题是用二部图的方法解决的，用一组不相交的点集来表示论文，用另外一组不相交的点集来表示作者。然而在这种情况下，点的定义的同质性就失去了，因为一组点代表论文，另外一组点代表作者。在研究连通性，集聚性和其他拓扑性质的时候，两组的点有着完全不同的解释，这很容易产生歧义。２１世纪初，随着计算机处理技术与运 算能力的快速发展，开始有研究者系统研究超网络，并将其用于解决现实问题．目前常见的超网络概念 主要有以下几种：
一．基于图的超网络（supernetwork）提出于１９８５ 年，当时把规模巨大、连接复杂且网络嵌套网络的大型网络称为超网络．最早明确提出超网络概念的是美国科学家 Nagurney，她在处理物流网络、资金网络和信息网络相交织的问题时，将“高于而又超于现存网络”的网络，用supernetwork来描述．“高于而又超于”就是网络嵌套网络，且存在虚拟的节点、边和流等的网络。该类超网络含部分以下特征：），其特性体现在如下七个方面。
（1）异质性：超网络中的节点具有异质性（Ｈｅｔｅｒｏ－ ｇｅｎｅｉｔ ｙ）。
（2）多属性：异质节点具有不同的属性（Ａｔｔｒｉｂｕｔｅ），其行为遵循不同的准则。
（3）多层性：超网络 由多层子网络（Ｓｕｂｎｅｔｗｏｒｋ）构成，各层内部与各层 之间都存在连接。
（4）多级性：超网络内存在层级性 （Ｈｉｅｒａｒｃｈｙ），各级内部与各级之间都存在连接。
（5）多维性：超网络具有多维度（Ｄｉｍｅｎｓｉｏｎ）特性。
（6）拥塞性：由于超网络结构的复杂性，极易出现拥塞（Ｃｏｎｇｅｓｔｉｏｎ）现象。
（7）协调性：超网络各层、各级、各维之间 存在必要的协调性（Ｈａｒｍｏｎｙ）。
２００３年９月的罗马会议上，Ｂａｒａｂａｓｉ等几位复杂网络研究领域的权威人物，提出了未来网络研究的十大问题，其中一个 是“网络的网络”（Ｎｅｔｗｏｒｋ ｏｆ Ｎｅｔｗｏｒｋｓ），即超网络，用以研究不同性质网络间的相互作用。
《超网络理论及其应用》由王志平、王众托编著。是国内关于超网络介绍比较早并且相对全面的一本书。
二．基于超图的超网络
由于复杂网络点与边的同质性，其只能描述两节点间的关系，无法描述多节点间的合作关系．有研究者用二部图弥补此缺陷，但节点类的不同，使得网络特性的研究结果充满歧义。遂有研究者采用超图理论：以作者为节点，以成果为边集，完美描述了该类网络．在保证节点与边的同质性前提下，又清晰显示作者间关系和成果作者等信息，这就是基于超图的超网络（ ｈｙｐｅｒｎｅｔｗｏｒｋ）． Ｂｅｒｇｅ于１９７０年提出超图的概念，并描述了 无向超图理论(可以理解为超网络的拓扑表示为超图)．随后有学者对有向超图理论，超图的超回路、着色和ｔ－设计等进行研究．
定义 超图
则二元关系 Ｈ＝（Ｅ，Ｖ）为一个超图， Ｖ的元素ｖ１，ｖ２，…，ｖｎ为超图的顶点， Ｅ＝｛Ｅ１，Ｅ２，…，Ｅｍ｝为超图的边集，集合
（ ｉ ＝１， ２，…，ｍ ； ｊ＝１，２，…，ｎ）即为超边.
超网络在舆情方面的应用举例
超边的属性定义
主体Ａｉ的舆论态度，取决于其所在的超边ＳＥｉ，ＳＥｉ＝ ｛ Ａｉ，Ｅｉ，Ｐｉ，Ｋｉ ｝。
Ａｉ表示舆论中的社交情况，取值为0、0.5和1；0表示邻居中相信谣言者占多数，1表示邻居中不相信谣言者占多数，0.5表示邻居中相信与不相信谣言者比例相当。
Ｐｉ表示舆论中的心理情况，取值为0, 0.5和1； 0表示愿意相信谣言， １表示不愿相信谣言，0.5表示心理动摇不定。
Ｅｉ表示舆论中的环境情况，取值为０和１；０表示信息是不透明的，１表示信息是透明的。Ｋｉ表示舆论中的观点情况，取值为０、0.5和１； ０表示观点是负面的，１表示观点是正面的，0.5表示观点中立。
ＳＥｉ＝ｆ （ Ａｉ，Ｅｉ，Ｐｉ，Ｋｉ ），是一个抽象函数，可根据实际情况调整其具体形式。超边综合包含了舆论主体、舆论环境、舆论心理和舆论观点的信息，取值在［ ０， １］区间，越接近０表示越支持谣言，越接近１表示越不支持谣言。通过参数β来调节超边属性的分界线，即支持谣言与否的分界线.
对舆论实施引导，可通过引导超边ＳＥｉ的方式进行.
设一个含有Ｎ条超边的超网络：加入“领袖”超边ＳＥ０ ，它遵循规则１，2进行演化。
“领袖”超边与“最差”超边连接（或“最差”的超边之一，即
Ｓ（ｔ）=
一．“领袖”超边ＳＥ０的更新规则为：
当“最差”超边的属性为支持谣言时，“领袖”超边对其施加引导力为α大小的引导；
当“最差”超边的 属性为不支持谣言时，“领袖”超边不作为。
二．在“领袖”超边的引导下，其他普通超边按如下规则更新自己的属性值：
1）普通超边的属性为不支持谣言的情况下：当它周围邻居属性的平均值为支持谣言时，邻居对其存在γ大小的内部影响力；当它周围邻居属性的平均值为不支持谣言时，邻居对其无影响；当它周围邻居属性的平均值为中立时，它以概率ｋ接受邻居的内部影响。
（2）普通超边的属性为支持谣言的情况下：当它周围邻居属性的平均值为不支持谣言时，邻居对其存 在 γ 大小的内部影响力；当它周围邻居属性的平均值同为支持谣言时，邻居对其无影响；当它周围邻居属性的平均值为中立时，它以概率ｋ接受邻居的内部影响。
上述公式中ｎ为超边ＳＥｉ邻居超边的总数，α 、 β 和 γ为可控参数，α体现“领袖”超边的引导力，β体现超边属性的分界线，γ体现超边间的内部影响力。
进行仿真
基于超网络中超边排序算法的网络舆论领袖识别
超边排序算法
超边排序算法(SuperEdgeRank)是基于PageRank算法而来的。
PageRank算法是一种由搜索引擎根据网页之间相互的超链接计算的技术，通过网络浩瀚的超链接关系来确定一个页面的等级。把从Ａ页面到Ｂ页面的链接解释为Ａ页面给Ｂ页面投票，再根据投票来源（甚至来源的来源，即链接到 Ａ页面的页面）和投票目标的等级来决定新的等级。简单的说一个高等级的页面可以使其他低等级页 面的等级提升。一个页面的 PageRank值是由其他页面的PageRank值计算得到，即表示每个页面重要性的PageRank值不只取决于链接到该页面的数量，还受到指向该 页面的质量和重要程度的影响，而且该页面的PageRank值也会被平均分配给它链出的页面。经过不断的重复计算，这些页面的PageRank值会趋向于正常和稳定。
以PageRank算法思想为基础，在超边排序算法中考虑了不同超边之间所包含的信息的传播影响度、心理类型的转化关系和观点的相似性程度等因素。在环境子网中，某超边所包含的信息节点的信息传播影响度越高，则该条超边越容易被“发现”，即被其它超边链接的概率越大；在心理子网中，某超边所包含的心理类型与其它超边若心理倾向相同且心理强度相近，则该超边与其它超边链接获得“分值”越大；在观点子网中，某超边所包含的观点关键词与其它超边观点关键词相似性越大，则该超边与其它超边链接获得“分值”也越大。由此，得出以下SuperEdgeRank算法：
其中，Ｎ表示所有超边数， 表示信息的传播影响度， 表示心理与心理之间的关联关系， 表示超边与超边所包含关键词的相似性； 表示超边的超边连接度。
信息传播超网络
近几年，以微博、微信为代表的新型媒体快速发展，开始基于微博微信构建超网络模型。目前，信息传播超网络研究主要集中在三个方面：
（1）突发事件信息传播
在突发事件信息传播超网络方面，《超网络上突发事件的信息传播模式构建》一文在韦斯特利—麦克莱恩传播模式的基础上，建立了基于超网络模型的突发事件信息传播模式，提出了对突发事件的应对策略。最后得出了无论是哪种传播模式都不可能是万能的结论。传播模式只能是从一个角度切入来分析复杂的传播现象揭示事件传播的规律，以期能对人们有所启发。文章在研究突发事件的超网络模型中，发现随着突发事件发生频率的不断增高，突发事件的种类也不断增多，如何防范与应对已成为当前研究突发事件所面临的最重要问题之一
图 3 中，A为超网络模型即信息传播过程中的传播者 A，它是把突发事件传播的各种网络按一定的属性结合起来新建的一个传播模型; X为传播者 A 直接向受众传递信息，当信息量过大时，手机运营商或网站运营机构等在一定程度上会对信息进行监控与过滤; X'为传播者 A 为进入信息传播渠道而作出的选择; X″为经“把关人”筛选、过滤后向受众传递的信息; fBA 为受众向传播者 A 的反馈; fBC为受众向把关人 C 的反馈; fCA为把关人向传播 者 A 的反馈; fXnB为受众直接从周围环境中感知信息; fXnC为把关人直接从周围环境中感知信息。 该模式中包括传播者、把关人和接收者三个传播主体。传播者传递信息受两个因素的影响，即传播者对其传递内容的选择以及传播者制作信 息的方法。一般而言，大众传播过程中的传播者在开始时所拥有的材料或潜在信息的数量远远超过他将要传递的内容，在这种情形下，他只能根据某些标准从大量的材料中选择一部分。在决定如何组织和制作信息时，传播者也面临着一个选 择的局面，如何进行选择和制作，取决于传播者 的自我形象、传播者的个性结构、传播者的社会 环境、来自信息本身的“压力”和“约束”等等。接收者接收信息时也会受到以下因素的影响: 接收者的自我形象、接收者的个性结构、接收者的社会环境、接收者心目中的媒体形象及来自外界环 境的“压力”与“约束”等等。
（2）微博信息传播
在微博信息传播超网络方面，《基于微博上信息传播的超网络模型》对新型虚拟社区网络上的信息传播规律进行研究。研究过程中以微博为代表，更好地探讨了单条微博所表达话题与用户中两个维度之间的相互联系与作用。
《基于超网络的微博讨论数幂律分布研究 》在研究新型虚拟社区网络上的信息传播规律时，选择微博案例进行研究，采用超网络的研究方法，探讨微博用户表达话题数和用户数两个维度之间的相互联系和作用，结合超图的数学理论，建立了超网络拓扑结构图。
《基于超网络的微博反腐舆情研究》关注舆情信息的传播，以反腐舆情为切入点，分析了微博反腐舆情传播网络和社会网络这两个网络之间相互影响、相互制约的关系。通过构建微博反腐舆情超网络模型，描述了基于微博网络社群的反腐舆情传播的行为结构和演化过程，重点研究了政府在微博反腐舆情传播中所起的作用。
（3）舆情信息传播
《基于超网络的舆情信息传播机制分析》在研究信息传播的过程中，通过对网络舆情的分析，首先将舆情系统映射为网络舆情事件和网民社会网络两个超网络体系，其次利用网络链接分析法，分别对舆情事件网络、网民社会关系网络和事件的机制进行系统分析，最后从舆情事件链接预测、网络意见领袖的传播影响、网络信息推荐方式三个方面，提出了作者对于网络舆情信息传播控制的建议。
从以上对信息传播超网络的研究可知:
( 1) 国内外有关信息传播超网络的研究刚刚开始，成果还比较少，人们尝试利用超网络研究特殊环境下信息传播载体和信息传播规律，分析信息传播的特征和规律。该领域的研究还有许多工作要做。
( 2) 随着新媒体信息传播的快速发展，国内外开始重视新媒体信息传播领域的超网络模型研究。目前国内基于微博新媒体信息传播超网络模 型的研究较多，主要通过微博话题分析、舆情信息传播、微博反腐等角度切入，但在微信领域的超网络模型研究还比较鲜见。
( 3) 运用超网络研究信息传播，可以描述和显现信息流的各种属性以及在多层间传播或流动 规律，为网络信息流的动态平衡和优化管控提供 工具。