基于元胞自動機的輿情演化模型仿真

張年美　牛光學　麻莉　馬曉穩(wěn)

【摘 要】輿情演化分析是研究具有一定網絡結構、小社會的演化趨勢的重要方法，本文考慮個體的觀點以及相鄰個體態(tài)度對其的影響程度建立了基于元胞自動機的輿情演化模型。根據個體與個體之間影響程度即鄰居半徑的不同，提出了元胞堅定系數的概念，即每個元胞在鄰居影響下態(tài)度的易變程度。用元胞在 時刻時，鄰居元胞情緒指數以及元胞自身的堅定系數來確定元胞 時刻的狀態(tài)。在二維元胞空間中研究輿情的傳播規(guī)律，進行相應的計算機仿真，得到了較好的仿真結果。

【關鍵詞】元胞自動機；情緒指數；堅定系數；計算機仿真

0.引言

隨著互聯網的發(fā)展，網絡媒體被公認為是繼報紙、廣播、電視之后的第四媒體。2012年7月19日，中國互聯網絡信息中心（CNNIC）在京發(fā)布《第30次中國互聯網絡發(fā)展狀況統計報告》。《報告》顯示，截至2012年6月底，中國網民數量達到5.38億，增長速度更加趨于平穩(wěn)，互聯網普及率為39.9%。而輿情預警、輿情控制一直是我國政府關注的重要領域。因此有關網絡輿情安全性的研究成為當前一個熱點。

所謂網絡輿情，是指由于各種事件的刺激而產生的通過互聯網傳播的人們對于該事件的所有認知、態(tài)度、情感和行為傾向的集合[1]。網民對某一事件所持有的認知、態(tài)度、情感和行為傾向的變化過程，實際上就是網絡輿情的演化過程。如何有效地利用網絡對輿情進行引導，尤其是大學生對輿情的引導，是目前網絡輿情研究的重點工作。

到目前為止，國內外許多學者對網絡輿情都做了大量研究，但是大部分都是圍繞傳播學、社會學以及心理學等角度進行展開，進行的僅僅只是定性分析。本文通過對網絡輿情的演化研究，并用MATLAB進行仿真實驗。該模型能基本抓住網絡輿情的傳播趨勢，反映輿論形成過程中個體觀點、態(tài)度的變化，從而探索了網絡中熱點話題出現的原因和方式，分析了網民情感和行為傾向的變化規(guī)律，對網絡輿論的引導和預警有一定的指導意義，有利于網絡安全的研究。有利于分析和研究輿情傳播過程和發(fā)展趨勢。

1.網絡輿情演化模型

網絡輿情是一個復雜的系統[2]，影響輿情演化的因素眾多，為了簡化模型系統，做如下合理假設：

（1）假定每個個體在網絡中發(fā)表言論都是出于自己對討論話題的興趣。興趣越大.則表達自己看法、態(tài)度的可能性越大。

（2）大部分網民的言論、態(tài)度、行為都是理性的，只有極少數的人是毫無理由的情緒化宣泄。

（3）假設個體具有集群心理，即個體會做出與“大多數人”一致的選擇。

（4）在輿論的傳播過程中，極易發(fā)生群體的聚集現象，即擁有相同觀點的人在空間上結合在一起。

（5）假設在所研究的時間內認為所研究的網民總數量一定，不考慮這一時間段內新增的網民。

（6）研究中只考慮個體參與的一個熱點話題，不考慮此刻個體對其他熱點話題的影響。

（7）假設初始狀態(tài)時，輿論輿情的態(tài)度呈隨機、均勻分布。

1.1狀態(tài)空間

（a） （b） （c）

圖1網絡輿論演化模型的空間結構

利用元胞自動機的研究方法，首先將網絡空間抽象成一張二維平面，將這個平面平均分割為 個方格[3-4]，上圖3即為一個 的方格平面，則每一個方格就代表一個元胞，即網絡空間中的一個個體。

定義鄰居半徑：即從元胞到邊鄰居元胞所需要經歷的時步。如圖3（a）、（b）、（c）分別表示元胞鄰居半徑為：r=1、r=2、r=3時的元胞鄰居分布圖。當r=1時，定義元胞鄰居為4鄰居即為Von.Neumann結構。因為網絡空間是一個虛擬世界，網絡空間中的鄰居并不是空間距離的相鄰，而是心理距離的相鄰，其狀態(tài)轉換可以用個體間的影響來計算[5]。

1.2演化規(guī)則

我們將網絡中的每一個個體抽象成為一個元胞，每一個元胞對某一事件都存在3種可能狀態(tài)：支持、中立以及反對。并用情緒指數Xij（t）表示二維空間中坐標為（i，j）的元胞在t時刻對于某一事件、輿論或輿情所呈現的狀態(tài)，情緒指數Xij（t）∈[-1，1]，并作如下規(guī)定：

當0.3

當-0.3≤Xij（t）≤0.3時，元胞（i，j）所呈現的狀態(tài)為保持中立，并且 Xij（t）越接近于0，中立態(tài)度越堅定。

當-1≤Xij（t）<-0.3時，元胞（i，j）所呈現的狀態(tài)為反對輿論，并且Xij（t）越接近于-1，反對態(tài)度越強烈。

事實上，Xij（t）取值不僅僅與鄰域相關，還與該元胞本身對輿情的認知程度和堅定性系數有關。

當r=1時，可用下式表示：

Xij（t+1）=λ×Xij（t）+（1-λ）×[ω1×Xi-1j（t）+ω2×Xij+1（t）+ω3×Xi+1j（t）+ω4×Xij-1（t）] （1）

當r=2時，可用下式表示：

Xij（t+1）=λ×Xij（t）+（1-λ）×[ω1×Xi-2j（t）+ω2×Xi-1j（t）+ω3×Xij+2（t）+ω4×Xi+1j+1（t）+ω5×Xi+2j（t）+ω6×Xi+1j-1（t）+ω7×Xij-2（t）+ω8×Xi-1j-1（t）+ω9×Xi-1j（t）+ω10×Xij+1（t）+ω11×Xi+1j（t）+ω12×Xij-1（t）] （2）

其（1）、（2）式中：λ為元胞個體的堅定性系數，λ∈[0，1]，它反映元胞（i，j）的意見與態(tài)度在外界因素影響下易變程度。λ越大表示元胞（i，j）自我控制能力越強，鄰域元胞態(tài)度對其狀態(tài)改變的影響程度越小。極端情況下，當λ=0時，不考慮當前元胞態(tài)度，完全順從鄰域元胞態(tài)度，即簡單多數規(guī)則；當λ=1時，只遵從當前元胞態(tài)度，不考慮鄰域影響。而ω1，ω2，ω3，ω4分別表示不同鄰居對元胞（i，j）的影響權值。其中：

ω=1

那么，由以上我們給出仿真時，元胞自動機的元胞狀態(tài)演化更新規(guī)則如下：

（1）對元胞（i，j）隨時間演化的元胞狀態(tài)設定隨機值。

（2）對周圍所有近鄰的元胞狀態(tài)分別乘以對應影響程度權值再求和。

（3）當0.3

2.仿真結果與分析

根據以上分析，利用MATLAB編程，進行計算機仿真。首先設定影響仿真系統的主要參數：元胞堅定系數λ，元胞鄰居（考慮4鄰居）影響權值ω1，ω2，ω3，ω4，迭代時步τ。當如下設置時：

（1）元胞堅定系數λ=0.3；

（2）當r=1時，鄰居影響權值分別為：

ω1=ω2=ω3=ω4=0.25

當r=2時，鄰居影響權值分別為：

ω1=ω2=ω3=ω4=ω5=ω6=ω7=ω8=

ω9=ω10=ω11=ω12=

（3）迭代時步τ=200。

隨著輿情演化的發(fā)生，元胞個體之間發(fā)生交互作用，觀點、態(tài)度開始發(fā)生改變，圖2為每仿真一次得到的狀態(tài)圖，包括初始狀態(tài)、演化過程中的兩個狀態(tài)和最終狀態(tài)。則模型演化結果如下：（白色表示該元胞持支持態(tài)度，灰色表示中立態(tài)度，黑色表示反對態(tài)度）。

元胞初始狀態(tài) τ=20元胞狀態(tài) τ=200元胞狀態(tài)

圖2 元胞狀態(tài)仿真圖

由圖2可以看出，在觀點均勻、隨機分布的初始狀態(tài)下，隨著鄰居元胞和時間的影響，輿情的發(fā)展變化趨于支持觀點和反對觀點都會達到相對穩(wěn)定的狀態(tài)，并且一種觀點很難最終占據整個群體。另一方面由于從眾心理的影響，系統中輿情的發(fā)展最終趨于集群的現象，即一定區(qū)域內人員的觀點趨于一致。而且持支持態(tài)度的元胞相比于持反對和中立態(tài)度元胞更容易出現集群現象。如圖2中的白色斑塊。與此同時，我們還對元胞狀態(tài)數目和頻率變化做了統計，如圖3所示。

（d） （e）

圖3 r=1時元胞態(tài)度變化數目統計與頻率變化統計圖

由圖3可以看出，在迭代到50步（即τ=50）之后，系統內支持、反對、中立三種態(tài)度的元胞數目趨于穩(wěn)定，支持觀點最終穩(wěn)定頻率在0.48左右，中立的最終穩(wěn)定頻率保持在0.34左右，反對觀點最終穩(wěn)定頻率在0.18左右。

當r=2時，通過MATLAB仿真。在相同的初始條件下，對同一初始狀態(tài)的仿真可得圖4。

元胞初始狀態(tài) τ=20元胞狀態(tài) τ=200元胞狀態(tài)

圖4 元胞狀態(tài)仿真圖

通過圖4與圖2的對比我們發(fā)現，當元胞影響的鄰居的半徑增大時，不僅僅是持支持態(tài)度的元胞出現集群現象，此時條件下持反對和中立態(tài)度的元胞也開始出現了集群現象。持支持態(tài)度的元胞集群范圍開始縮小，持反對和中立態(tài)度的元胞集群范圍開始變大。同樣，我們也對元胞在此條件下狀態(tài)數目和頻率變化做了統計，如圖5所示。

（f） （g）

圖5 r=2時元胞態(tài)度變化數目統計與頻率統計圖

把圖3與圖5相比可發(fā)現，圖5中支持者的數目明顯減少，而反對者與中立者的數目都有所增加。同時，在迭代到50步（即τ=50）之后，系統內支持、反對、中立三種態(tài)度的元胞數目也趨于穩(wěn)定的。支持觀點最終穩(wěn)定頻率在0.34左右，中立的最終穩(wěn)定頻率保持在0.4左右，反對觀點最終穩(wěn)定頻率在0.26左右。

3.結語

本文是對網絡輿情傳播模型的一個初步探測。通過對網絡輿情的分析，建立了一個基于元胞自動機的網絡輿情演化模型。利用該模型我們可以發(fā)現，處于均勻、隨機分布的初始狀態(tài)下的元胞，通過迭代20步、和迭代200步的狀態(tài)顯示，發(fā)現一種觀點很難最終占據整個群體。而又由于從眾現象的影響，系統中輿情的發(fā)展最終趨于集群現象，即一定區(qū)域內人員的觀點趨于一致。網絡輿情信息在網絡中有著高效的傳播性，網民有著渴求新知、獵奇探究、減輕壓力、跟風從眾、強烈創(chuàng)新的心理。因此網絡輿情才能飛速的傳播，面對這一現象我們應該積極的引導合法的輿論，對熱點事件可能存在疑點和容易引起誤解的信息，及時披露，預防謠言的滋生，對虛假信息要及時向公眾證實。治理好網絡中那些不和法的輿論。

通過網絡輿情演化行為仿真的研究，可以深化對輿情演化規(guī)律的認識，有助于政府和企業(yè)相關職能部門在突發(fā)性事件發(fā)生后能以最快速度收集網上相關輿情信息，跟蹤事態(tài)發(fā)展，及時向有關部門通報，快速應對處理。有利于政府監(jiān)督網絡輿情的傳播，改善網絡環(huán)境，提前判斷網絡輿情趨勢，同時，更有利于政府對公共事件的引導和調控，維護社會、國家的和諧與安定團結！

我們研究個體之間關系最簡單和現實較吻合，人們聯系越多，各種態(tài)度便都會出現，力量差距就不會太大。為進一步研究更復雜的輿情傳播過程研究趨勢提供參考。

【參考文獻】

[1]曾潤喜.網絡輿情信息資源共享研究[J].情報雜志，2009，28（8）：187-191.

[2]ALBERTR，BARABASIAL.Statistical mechanics of complex net works[J].Reviews of Modern Physica A，2001，74（1）：47-91.

[3]吳青峰.用元胞自動機研究輿論傳播的復雜性[D].桂林：廣西師范大學，2005.

[4]TOFFOLIT，MARGLOUSN.Cellular automatic machine：a new environment for modeling [M].Cambridge，MA：MIT Press，1987.

[5]MATSUMURAN，EGOLDBERGDE，LLORAX.Mining directed social network from message board[C].Special Interest T racks and Posters of the 14th Inter national World Wide Web Conference （WWW 2005）. New York： [s. n.]，2005：1092-1093.

[6]李蘭瑛.基于CA的網絡輿論傳播因素的研究[J].科學技術與工程，2008， 8（22）：6179-6186.