無標(biāo)度網(wǎng)絡(luò)機(jī)制下網(wǎng)絡(luò)輿情傳播演化規(guī)律分析

任立肖++張亮++張春莉

〔摘 要〕結(jié)合agent建模法、復(fù)雜網(wǎng)絡(luò)理論，基于Netlogo平臺進(jìn)行仿真實(shí)驗(yàn)和結(jié)果分析，著重研究在無標(biāo)度網(wǎng)絡(luò)機(jī)制下，網(wǎng)絡(luò)規(guī)模、個(gè)體間交互閾值、意見領(lǐng)袖數(shù)量、人為干預(yù)的時(shí)間點(diǎn)等因素對于網(wǎng)絡(luò)輿情的影響，總結(jié)網(wǎng)絡(luò)輿情傳播與演化的規(guī)律。

〔關(guān)鍵詞〕網(wǎng)絡(luò)輿情；傳播；仿真；Netlogo

DOI：10.3969/j.issn.1008-0821.2014.02.002

〔中圖分類號〕G250.73 〔文獻(xiàn)標(biāo)識碼〕A 〔文章編號〕1008-0821（2014）02-0008-05

2.0時(shí)代，每個(gè)網(wǎng)絡(luò)用戶都可能成為信息的發(fā)布者和傳播者，但是目前的網(wǎng)絡(luò)缺乏權(quán)威的中心節(jié)點(diǎn)，無法對各類信息的真?zhèn)芜M(jìn)行鑒別和控制，為謠言的傳播提供了溫床。負(fù)面輿情傳播的危害是很難預(yù)料的，但如果對輿情的發(fā)生、發(fā)展和演變的模式和規(guī)律進(jìn)行深入研究，就能及時(shí)了解負(fù)面網(wǎng)絡(luò)輿情或謠言的傳播規(guī)律，若能進(jìn)一步對其進(jìn)行有效的引導(dǎo)和控制，就有可能避免因任其擴(kuò)散而導(dǎo)致的災(zāi)難性后果。以微博為代表的社交網(wǎng)絡(luò)的迅速崛起，為網(wǎng)絡(luò)環(huán)境下輿情的傳播和演化提供了最為便利的方式，而社交網(wǎng)絡(luò)正是復(fù)雜網(wǎng)絡(luò)中最為典型的網(wǎng)絡(luò)形式，所以本文嘗試?yán)脧?fù)雜網(wǎng)絡(luò)理論，結(jié)合agent建模來探究網(wǎng)絡(luò)輿情的傳播演化規(guī)律。

1 模型的構(gòu)建

1.1 網(wǎng)絡(luò)的初始構(gòu)建在復(fù)雜網(wǎng)絡(luò)理論的研究基礎(chǔ)上，本文主要針對無標(biāo)度網(wǎng)絡(luò)機(jī)制來模擬現(xiàn)實(shí)社會人際關(guān)系網(wǎng)絡(luò)，同時(shí)采用隨機(jī)網(wǎng)絡(luò)作為參照網(wǎng)絡(luò)機(jī)制，進(jìn)行比較研究。隨機(jī)網(wǎng)絡(luò)模型是一種最為經(jīng)典的復(fù)雜網(wǎng)絡(luò)模型。最為經(jīng)典的是在20世紀(jì)60年代，由著名的數(shù)學(xué)家Erdos和Renyi提出的ER隨機(jī)圖模型[1]。隨機(jī)網(wǎng)絡(luò)中節(jié)點(diǎn)的度有個(gè)典型的特點(diǎn)，他們呈現(xiàn)出一個(gè)特征性的“平均值”，這是由于隨機(jī)網(wǎng)絡(luò)形成時(shí)各節(jié)點(diǎn)之間是隨機(jī)連接，使得節(jié)點(diǎn)的連接數(shù)呈現(xiàn)出鐘形的“泊松分布”[2]。隨機(jī)網(wǎng)絡(luò)的構(gòu)建過程如下：（1）設(shè)定一個(gè)具有N個(gè)節(jié)點(diǎn)的子網(wǎng)，每時(shí)間步長網(wǎng)絡(luò)會新增一個(gè)節(jié)點(diǎn)的無標(biāo)度網(wǎng)絡(luò)輿情演化情況，同時(shí)對照較小網(wǎng)絡(luò)規(guī)模的隨機(jī)網(wǎng)絡(luò)輿情演化情況、較大網(wǎng)絡(luò)規(guī)模的隨機(jī)網(wǎng)絡(luò)輿情演化情況（過程圖及數(shù)據(jù)略）。通過大量仿真數(shù)據(jù)表明，在無標(biāo)度網(wǎng)絡(luò)機(jī)制下，節(jié)點(diǎn)數(shù)量越小，其意見領(lǐng)袖的領(lǐng)導(dǎo)和影響作用越強(qiáng)。對應(yīng)現(xiàn)實(shí)社交網(wǎng)絡(luò)中，網(wǎng)絡(luò)圈子越小，其意見領(lǐng)袖的領(lǐng)導(dǎo)作用相對放大了，通過影響意見領(lǐng)袖來引導(dǎo)輿論傳播這種方式效果明顯。比較不同網(wǎng)絡(luò)機(jī)制，無標(biāo)度網(wǎng)絡(luò)下意見領(lǐng)袖在引導(dǎo)輿情傳播方面的效果要好于隨機(jī)網(wǎng)絡(luò)。這是由二者的網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)所決定的，隨機(jī)網(wǎng)絡(luò)由于單個(gè)節(jié)點(diǎn)度很平均，故它本身的"意見領(lǐng)袖"特征不明顯，當(dāng)期望通過引導(dǎo)意見領(lǐng)袖來引導(dǎo)隨機(jī)網(wǎng)絡(luò)中的輿情傳播時(shí)，可能達(dá)不到預(yù)期；而無標(biāo)度網(wǎng)絡(luò)最大的特點(diǎn)就是“意見領(lǐng)袖”性，故通過“意見領(lǐng)袖”來引導(dǎo)輿情傳播是一個(gè)較理想的出發(fā)點(diǎn)。

3.3 意見領(lǐng)袖對輿情傳播的引導(dǎo)作用第三組實(shí)驗(yàn)的目的是探究當(dāng)意見領(lǐng)袖所占比例不同時(shí)，其引導(dǎo)輿情傳播的效果。研究結(jié)果顯示，在不同的網(wǎng)絡(luò)機(jī)制中，意見領(lǐng)袖的比例變動給輿情傳播帶來的影響大致是一樣的，即意見領(lǐng)袖的比例設(shè)置越大，通過引導(dǎo)意見領(lǐng)袖來引導(dǎo)輿情傳播的作用就越明顯。如：當(dāng)期望將輿論和謠言引向有利于社會發(fā)展的方向時(shí)，意見領(lǐng)袖比例越大，對立群體和中立群體向目標(biāo)群體轉(zhuǎn)移的比例也就越大，但為了使模型能夠更好地對真實(shí)網(wǎng)絡(luò)進(jìn)行仿真，該取值不宜過大。同時(shí)，加入了對輿情傳播進(jìn)行人為控制的時(shí)間點(diǎn)的研究，探究當(dāng)ticknumber取不同值時(shí)，意見領(lǐng)袖的引導(dǎo)作用如何變化。在無標(biāo)度網(wǎng)絡(luò)中，若初始網(wǎng)絡(luò)中，與opinion-last取值所屬群體相同的節(jié)點(diǎn)數(shù)量占比最大，那么在自由交互過程中，這類群體可以帶動輿情向好的方面發(fā)展，期間可以“靜觀其變”，當(dāng)這種帶動作用明顯減弱時(shí)，此時(shí)人為介入引導(dǎo)意見領(lǐng)袖來引導(dǎo)輿情傳播向有利方向發(fā)展的效果最佳。若初始網(wǎng)絡(luò)中，與opinion-last取值所屬群體對立的群體數(shù)量占比重最大，為了更好地引導(dǎo)輿情向好的方向傳播，一旦爆發(fā)輿情，應(yīng)盡快進(jìn)行人為干預(yù)，且越早越好。這與劉林沙等的實(shí)證研究[9]相符，意見領(lǐng)袖應(yīng)在微博事件的爆發(fā)階段表明立場和價(jià)值取向，引導(dǎo)輿論事件的發(fā)展方向。在隨機(jī)網(wǎng)絡(luò)中，不論初始構(gòu)建的網(wǎng)絡(luò)輿情是如何分布的，從任何一個(gè)時(shí)間點(diǎn)進(jìn)入去引導(dǎo)意見領(lǐng)袖，對輿情傳播的引導(dǎo)效果都很難達(dá)到期望值。

3.4 意見領(lǐng)袖的引導(dǎo)方式最后一組實(shí)驗(yàn)為了研究無標(biāo)度網(wǎng)絡(luò)機(jī)制下，意見領(lǐng)袖的最佳引導(dǎo)方式。首先設(shè)置“一步到位”方式來引導(dǎo)網(wǎng)絡(luò)輿情發(fā)展，這種方式的參數(shù)設(shè)置如圖5所示。這種方式較極端，結(jié)果顯示，經(jīng)過輿情的傳播和演化，持3種意見的人群所占比值數(shù)據(jù)變化不明顯，可見“一步到位”方式引導(dǎo)網(wǎng)絡(luò)輿情的效果不明顯。

圖5 “一步到位”方式參數(shù)設(shè)置圖 實(shí)驗(yàn)繼續(xù)嘗試采用循序漸進(jìn)改變意見領(lǐng)袖的值，使opinion-last取值由0.6逐漸變?yōu)?.1，稱之為“循序漸進(jìn)”法，此時(shí)的持3種觀點(diǎn)的人群比例比值由37.8%、14.8%、47.4%分別變化為44.6%，19.4%，36%。數(shù)據(jù)可見，大量減少了持反對意見人群的數(shù)量?？梢娭饾u不斷地改變意見領(lǐng)袖意見值能比較有效引導(dǎo)輿情傳播，同時(shí)亦能抵消其他節(jié)點(diǎn)給意見領(lǐng)袖帶來的負(fù)面影響。對隨機(jī)網(wǎng)絡(luò)的研究結(jié)果與無標(biāo)度網(wǎng)絡(luò)一致，但兩種方式差距不明顯，根本原因還是在于其自身網(wǎng)絡(luò)構(gòu)造特點(diǎn)。

4 結(jié) 論本文對輿情傳播與演化的模式進(jìn)行研究，構(gòu)建了基于多agent的網(wǎng)絡(luò)輿情演化模型，并利用Netlogo平臺對該模型進(jìn)行了模擬仿真。通過仿真，本文得出了一些重要結(jié)論：（1）無標(biāo)度網(wǎng)絡(luò)機(jī)制下，網(wǎng)絡(luò)中個(gè)體交流“門檻”越低，輿情傳播就越迅速，此時(shí)通過意見領(lǐng)袖引導(dǎo)輿情傳播效果越好；（2）網(wǎng)絡(luò)規(guī)模越小，意見領(lǐng)袖的作用就越被放大，其對該網(wǎng)絡(luò)輿情的傳播影響就越大；（3）在無標(biāo)度網(wǎng)絡(luò)機(jī)制下，如果擬采用意見領(lǐng)袖來引導(dǎo)網(wǎng)絡(luò)輿情的發(fā)展，“循序漸進(jìn)”法要優(yōu)于“一步到位”法；（4）在本文構(gòu)建的兩種網(wǎng)絡(luò)中，由于隨機(jī)網(wǎng)絡(luò)的自身網(wǎng)絡(luò)特點(diǎn)決定，其網(wǎng)絡(luò)輿情不易采取通過意見領(lǐng)袖來引導(dǎo)輿情傳播。本文存在的不足之處主要在于對人際關(guān)系的復(fù)雜性描述不夠，網(wǎng)絡(luò)構(gòu)建略顯粗糙。下一步工作中，將對人際關(guān)系復(fù)雜網(wǎng)絡(luò)模型進(jìn)行更深入一步的學(xué)習(xí)和理解，使構(gòu)造的網(wǎng)絡(luò)更貼近真實(shí)社會網(wǎng)絡(luò)，相應(yīng)的對網(wǎng)絡(luò)輿情傳播的研究結(jié)果也會更加有現(xiàn)實(shí)意義。

參考文獻(xiàn)

[1]Erdos P，A R.On Random Graphs[J].Publications Mathematical，1959：290-297.

[2]潘新.基于復(fù)雜網(wǎng)絡(luò)的輿情傳播模型研究[D].大連：大連理工大學(xué)，2010.

[3]Barabasi A-L，Albert R.Statistical Mechanics of Complex Network[J].Reviews of Modern Physics，2002：47-97.

[4]王平，謝耕耘.突發(fā)公共事件中微博意見領(lǐng)袖的實(shí)證研究——以“溫州動車事故”為例[J].現(xiàn)代傳播，2012，（3）：82-85.

[5]遲準(zhǔn)，等.網(wǎng)絡(luò)危機(jī)信息傳播仿真研究——基于政府干預(yù)的傳播[J].情報(bào)雜志，2012，（11）：27-30.

[6]劉小波.基于Netlogo平臺的輿情演化模型實(shí)現(xiàn)[J].情報(bào)資料工作，2012，（1）：55-57.

[7]郭強(qiáng).基于個(gè)體局部交互作用的輿情傳播模型研究[J].計(jì)算機(jī)應(yīng)用研究，2012，（11）：4086-4112.

[8]Alberto Caballero et al.Using Cognitive Cgents in Social Simulations[J].Engineering Applications of Artificial Intelligence，2011，（24）：1098-1109.

[9]劉林沙，陳默.突發(fā)事件中的微博意見領(lǐng)袖與輿情演變[J].電子政務(wù)，2012，（10）：50-55.

（本文責(zé)任編輯：馬 卓）

〔摘 要〕結(jié)合agent建模法、復(fù)雜網(wǎng)絡(luò)理論，基于Netlogo平臺進(jìn)行仿真實(shí)驗(yàn)和結(jié)果分析，著重研究在無標(biāo)度網(wǎng)絡(luò)機(jī)制下，網(wǎng)絡(luò)規(guī)模、個(gè)體間交互閾值、意見領(lǐng)袖數(shù)量、人為干預(yù)的時(shí)間點(diǎn)等因素對于網(wǎng)絡(luò)輿情的影響，總結(jié)網(wǎng)絡(luò)輿情傳播與演化的規(guī)律。

〔關(guān)鍵詞〕網(wǎng)絡(luò)輿情；傳播；仿真；Netlogo

DOI：10.3969/j.issn.1008-0821.2014.02.002

〔中圖分類號〕G250.73 〔文獻(xiàn)標(biāo)識碼〕A 〔文章編號〕1008-0821（2014）02-0008-05

2.0時(shí)代，每個(gè)網(wǎng)絡(luò)用戶都可能成為信息的發(fā)布者和傳播者，但是目前的網(wǎng)絡(luò)缺乏權(quán)威的中心節(jié)點(diǎn)，無法對各類信息的真?zhèn)芜M(jìn)行鑒別和控制，為謠言的傳播提供了溫床。負(fù)面輿情傳播的危害是很難預(yù)料的，但如果對輿情的發(fā)生、發(fā)展和演變的模式和規(guī)律進(jìn)行深入研究，就能及時(shí)了解負(fù)面網(wǎng)絡(luò)輿情或謠言的傳播規(guī)律，若能進(jìn)一步對其進(jìn)行有效的引導(dǎo)和控制，就有可能避免因任其擴(kuò)散而導(dǎo)致的災(zāi)難性后果。以微博為代表的社交網(wǎng)絡(luò)的迅速崛起，為網(wǎng)絡(luò)環(huán)境下輿情的傳播和演化提供了最為便利的方式，而社交網(wǎng)絡(luò)正是復(fù)雜網(wǎng)絡(luò)中最為典型的網(wǎng)絡(luò)形式，所以本文嘗試?yán)脧?fù)雜網(wǎng)絡(luò)理論，結(jié)合agent建模來探究網(wǎng)絡(luò)輿情的傳播演化規(guī)律。

1 模型的構(gòu)建

1.1 網(wǎng)絡(luò)的初始構(gòu)建在復(fù)雜網(wǎng)絡(luò)理論的研究基礎(chǔ)上，本文主要針對無標(biāo)度網(wǎng)絡(luò)機(jī)制來模擬現(xiàn)實(shí)社會人際關(guān)系網(wǎng)絡(luò)，同時(shí)采用隨機(jī)網(wǎng)絡(luò)作為參照網(wǎng)絡(luò)機(jī)制，進(jìn)行比較研究。隨機(jī)網(wǎng)絡(luò)模型是一種最為經(jīng)典的復(fù)雜網(wǎng)絡(luò)模型。最為經(jīng)典的是在20世紀(jì)60年代，由著名的數(shù)學(xué)家Erdos和Renyi提出的ER隨機(jī)圖模型[1]。隨機(jī)網(wǎng)絡(luò)中節(jié)點(diǎn)的度有個(gè)典型的特點(diǎn)，他們呈現(xiàn)出一個(gè)特征性的“平均值”，這是由于隨機(jī)網(wǎng)絡(luò)形成時(shí)各節(jié)點(diǎn)之間是隨機(jī)連接，使得節(jié)點(diǎn)的連接數(shù)呈現(xiàn)出鐘形的“泊松分布”[2]。隨機(jī)網(wǎng)絡(luò)的構(gòu)建過程如下：（1）設(shè)定一個(gè)具有N個(gè)節(jié)點(diǎn)的子網(wǎng)，每時(shí)間步長網(wǎng)絡(luò)會新增一個(gè)節(jié)點(diǎn)的無標(biāo)度網(wǎng)絡(luò)輿情演化情況，同時(shí)對照較小網(wǎng)絡(luò)規(guī)模的隨機(jī)網(wǎng)絡(luò)輿情演化情況、較大網(wǎng)絡(luò)規(guī)模的隨機(jī)網(wǎng)絡(luò)輿情演化情況（過程圖及數(shù)據(jù)略）。通過大量仿真數(shù)據(jù)表明，在無標(biāo)度網(wǎng)絡(luò)機(jī)制下，節(jié)點(diǎn)數(shù)量越小，其意見領(lǐng)袖的領(lǐng)導(dǎo)和影響作用越強(qiáng)。對應(yīng)現(xiàn)實(shí)社交網(wǎng)絡(luò)中，網(wǎng)絡(luò)圈子越小，其意見領(lǐng)袖的領(lǐng)導(dǎo)作用相對放大了，通過影響意見領(lǐng)袖來引導(dǎo)輿論傳播這種方式效果明顯。比較不同網(wǎng)絡(luò)機(jī)制，無標(biāo)度網(wǎng)絡(luò)下意見領(lǐng)袖在引導(dǎo)輿情傳播方面的效果要好于隨機(jī)網(wǎng)絡(luò)。這是由二者的網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)所決定的，隨機(jī)網(wǎng)絡(luò)由于單個(gè)節(jié)點(diǎn)度很平均，故它本身的"意見領(lǐng)袖"特征不明顯，當(dāng)期望通過引導(dǎo)意見領(lǐng)袖來引導(dǎo)隨機(jī)網(wǎng)絡(luò)中的輿情傳播時(shí)，可能達(dá)不到預(yù)期；而無標(biāo)度網(wǎng)絡(luò)最大的特點(diǎn)就是“意見領(lǐng)袖”性，故通過“意見領(lǐng)袖”來引導(dǎo)輿情傳播是一個(gè)較理想的出發(fā)點(diǎn)。

3.3 意見領(lǐng)袖對輿情傳播的引導(dǎo)作用第三組實(shí)驗(yàn)的目的是探究當(dāng)意見領(lǐng)袖所占比例不同時(shí)，其引導(dǎo)輿情傳播的效果。研究結(jié)果顯示，在不同的網(wǎng)絡(luò)機(jī)制中，意見領(lǐng)袖的比例變動給輿情傳播帶來的影響大致是一樣的，即意見領(lǐng)袖的比例設(shè)置越大，通過引導(dǎo)意見領(lǐng)袖來引導(dǎo)輿情傳播的作用就越明顯。如：當(dāng)期望將輿論和謠言引向有利于社會發(fā)展的方向時(shí)，意見領(lǐng)袖比例越大，對立群體和中立群體向目標(biāo)群體轉(zhuǎn)移的比例也就越大，但為了使模型能夠更好地對真實(shí)網(wǎng)絡(luò)進(jìn)行仿真，該取值不宜過大。同時(shí)，加入了對輿情傳播進(jìn)行人為控制的時(shí)間點(diǎn)的研究，探究當(dāng)ticknumber取不同值時(shí)，意見領(lǐng)袖的引導(dǎo)作用如何變化。在無標(biāo)度網(wǎng)絡(luò)中，若初始網(wǎng)絡(luò)中，與opinion-last取值所屬群體相同的節(jié)點(diǎn)數(shù)量占比最大，那么在自由交互過程中，這類群體可以帶動輿情向好的方面發(fā)展，期間可以“靜觀其變”，當(dāng)這種帶動作用明顯減弱時(shí)，此時(shí)人為介入引導(dǎo)意見領(lǐng)袖來引導(dǎo)輿情傳播向有利方向發(fā)展的效果最佳。若初始網(wǎng)絡(luò)中，與opinion-last取值所屬群體對立的群體數(shù)量占比重最大，為了更好地引導(dǎo)輿情向好的方向傳播，一旦爆發(fā)輿情，應(yīng)盡快進(jìn)行人為干預(yù)，且越早越好。這與劉林沙等的實(shí)證研究[9]相符，意見領(lǐng)袖應(yīng)在微博事件的爆發(fā)階段表明立場和價(jià)值取向，引導(dǎo)輿論事件的發(fā)展方向。在隨機(jī)網(wǎng)絡(luò)中，不論初始構(gòu)建的網(wǎng)絡(luò)輿情是如何分布的，從任何一個(gè)時(shí)間點(diǎn)進(jìn)入去引導(dǎo)意見領(lǐng)袖，對輿情傳播的引導(dǎo)效果都很難達(dá)到期望值。

3.4 意見領(lǐng)袖的引導(dǎo)方式最后一組實(shí)驗(yàn)為了研究無標(biāo)度網(wǎng)絡(luò)機(jī)制下，意見領(lǐng)袖的最佳引導(dǎo)方式。首先設(shè)置“一步到位”方式來引導(dǎo)網(wǎng)絡(luò)輿情發(fā)展，這種方式的參數(shù)設(shè)置如圖5所示。這種方式較極端，結(jié)果顯示，經(jīng)過輿情的傳播和演化，持3種意見的人群所占比值數(shù)據(jù)變化不明顯，可見“一步到位”方式引導(dǎo)網(wǎng)絡(luò)輿情的效果不明顯。

圖5 “一步到位”方式參數(shù)設(shè)置圖 實(shí)驗(yàn)繼續(xù)嘗試采用循序漸進(jìn)改變意見領(lǐng)袖的值，使opinion-last取值由0.6逐漸變?yōu)?.1，稱之為“循序漸進(jìn)”法，此時(shí)的持3種觀點(diǎn)的人群比例比值由37.8%、14.8%、47.4%分別變化為44.6%，19.4%，36%。數(shù)據(jù)可見，大量減少了持反對意見人群的數(shù)量。可見逐漸不斷地改變意見領(lǐng)袖意見值能比較有效引導(dǎo)輿情傳播，同時(shí)亦能抵消其他節(jié)點(diǎn)給意見領(lǐng)袖帶來的負(fù)面影響。對隨機(jī)網(wǎng)絡(luò)的研究結(jié)果與無標(biāo)度網(wǎng)絡(luò)一致，但兩種方式差距不明顯，根本原因還是在于其自身網(wǎng)絡(luò)構(gòu)造特點(diǎn)。

4 結(jié) 論本文對輿情傳播與演化的模式進(jìn)行研究，構(gòu)建了基于多agent的網(wǎng)絡(luò)輿情演化模型，并利用Netlogo平臺對該模型進(jìn)行了模擬仿真。通過仿真，本文得出了一些重要結(jié)論：（1）無標(biāo)度網(wǎng)絡(luò)機(jī)制下，網(wǎng)絡(luò)中個(gè)體交流“門檻”越低，輿情傳播就越迅速，此時(shí)通過意見領(lǐng)袖引導(dǎo)輿情傳播效果越好；（2）網(wǎng)絡(luò)規(guī)模越小，意見領(lǐng)袖的作用就越被放大，其對該網(wǎng)絡(luò)輿情的傳播影響就越大；（3）在無標(biāo)度網(wǎng)絡(luò)機(jī)制下，如果擬采用意見領(lǐng)袖來引導(dǎo)網(wǎng)絡(luò)輿情的發(fā)展，“循序漸進(jìn)”法要優(yōu)于“一步到位”法；（4）在本文構(gòu)建的兩種網(wǎng)絡(luò)中，由于隨機(jī)網(wǎng)絡(luò)的自身網(wǎng)絡(luò)特點(diǎn)決定，其網(wǎng)絡(luò)輿情不易采取通過意見領(lǐng)袖來引導(dǎo)輿情傳播。本文存在的不足之處主要在于對人際關(guān)系的復(fù)雜性描述不夠，網(wǎng)絡(luò)構(gòu)建略顯粗糙。下一步工作中，將對人際關(guān)系復(fù)雜網(wǎng)絡(luò)模型進(jìn)行更深入一步的學(xué)習(xí)和理解，使構(gòu)造的網(wǎng)絡(luò)更貼近真實(shí)社會網(wǎng)絡(luò)，相應(yīng)的對網(wǎng)絡(luò)輿情傳播的研究結(jié)果也會更加有現(xiàn)實(shí)意義。

參考文獻(xiàn)

[1]Erdos P，A R.On Random Graphs[J].Publications Mathematical，1959：290-297.

[2]潘新.基于復(fù)雜網(wǎng)絡(luò)的輿情傳播模型研究[D].大連：大連理工大學(xué)，2010.

[3]Barabasi A-L，Albert R.Statistical Mechanics of Complex Network[J].Reviews of Modern Physics，2002：47-97.

[4]王平，謝耕耘.突發(fā)公共事件中微博意見領(lǐng)袖的實(shí)證研究——以“溫州動車事故”為例[J].現(xiàn)代傳播，2012，（3）：82-85.

[5]遲準(zhǔn)，等.網(wǎng)絡(luò)危機(jī)信息傳播仿真研究——基于政府干預(yù)的傳播[J].情報(bào)雜志，2012，（11）：27-30.

[6]劉小波.基于Netlogo平臺的輿情演化模型實(shí)現(xiàn)[J].情報(bào)資料工作，2012，（1）：55-57.

[7]郭強(qiáng).基于個(gè)體局部交互作用的輿情傳播模型研究[J].計(jì)算機(jī)應(yīng)用研究，2012，（11）：4086-4112.

[8]Alberto Caballero et al.Using Cognitive Cgents in Social Simulations[J].Engineering Applications of Artificial Intelligence，2011，（24）：1098-1109.

[9]劉林沙，陳默.突發(fā)事件中的微博意見領(lǐng)袖與輿情演變[J].電子政務(wù)，2012，（10）：50-55.

（本文責(zé)任編輯：馬 卓）

〔摘 要〕結(jié)合agent建模法、復(fù)雜網(wǎng)絡(luò)理論，基于Netlogo平臺進(jìn)行仿真實(shí)驗(yàn)和結(jié)果分析，著重研究在無標(biāo)度網(wǎng)絡(luò)機(jī)制下，網(wǎng)絡(luò)規(guī)模、個(gè)體間交互閾值、意見領(lǐng)袖數(shù)量、人為干預(yù)的時(shí)間點(diǎn)等因素對于網(wǎng)絡(luò)輿情的影響，總結(jié)網(wǎng)絡(luò)輿情傳播與演化的規(guī)律。

〔關(guān)鍵詞〕網(wǎng)絡(luò)輿情；傳播；仿真；Netlogo

DOI：10.3969/j.issn.1008-0821.2014.02.002

〔中圖分類號〕G250.73 〔文獻(xiàn)標(biāo)識碼〕A 〔文章編號〕1008-0821（2014）02-0008-05

2.0時(shí)代，每個(gè)網(wǎng)絡(luò)用戶都可能成為信息的發(fā)布者和傳播者，但是目前的網(wǎng)絡(luò)缺乏權(quán)威的中心節(jié)點(diǎn)，無法對各類信息的真?zhèn)芜M(jìn)行鑒別和控制，為謠言的傳播提供了溫床。負(fù)面輿情傳播的危害是很難預(yù)料的，但如果對輿情的發(fā)生、發(fā)展和演變的模式和規(guī)律進(jìn)行深入研究，就能及時(shí)了解負(fù)面網(wǎng)絡(luò)輿情或謠言的傳播規(guī)律，若能進(jìn)一步對其進(jìn)行有效的引導(dǎo)和控制，就有可能避免因任其擴(kuò)散而導(dǎo)致的災(zāi)難性后果。以微博為代表的社交網(wǎng)絡(luò)的迅速崛起，為網(wǎng)絡(luò)環(huán)境下輿情的傳播和演化提供了最為便利的方式，而社交網(wǎng)絡(luò)正是復(fù)雜網(wǎng)絡(luò)中最為典型的網(wǎng)絡(luò)形式，所以本文嘗試?yán)脧?fù)雜網(wǎng)絡(luò)理論，結(jié)合agent建模來探究網(wǎng)絡(luò)輿情的傳播演化規(guī)律。

1 模型的構(gòu)建

1.1 網(wǎng)絡(luò)的初始構(gòu)建在復(fù)雜網(wǎng)絡(luò)理論的研究基礎(chǔ)上，本文主要針對無標(biāo)度網(wǎng)絡(luò)機(jī)制來模擬現(xiàn)實(shí)社會人際關(guān)系網(wǎng)絡(luò)，同時(shí)采用隨機(jī)網(wǎng)絡(luò)作為參照網(wǎng)絡(luò)機(jī)制，進(jìn)行比較研究。隨機(jī)網(wǎng)絡(luò)模型是一種最為經(jīng)典的復(fù)雜網(wǎng)絡(luò)模型。最為經(jīng)典的是在20世紀(jì)60年代，由著名的數(shù)學(xué)家Erdos和Renyi提出的ER隨機(jī)圖模型[1]。隨機(jī)網(wǎng)絡(luò)中節(jié)點(diǎn)的度有個(gè)典型的特點(diǎn)，他們呈現(xiàn)出一個(gè)特征性的“平均值”，這是由于隨機(jī)網(wǎng)絡(luò)形成時(shí)各節(jié)點(diǎn)之間是隨機(jī)連接，使得節(jié)點(diǎn)的連接數(shù)呈現(xiàn)出鐘形的“泊松分布”[2]。隨機(jī)網(wǎng)絡(luò)的構(gòu)建過程如下：（1）設(shè)定一個(gè)具有N個(gè)節(jié)點(diǎn)的子網(wǎng)，每時(shí)間步長網(wǎng)絡(luò)會新增一個(gè)節(jié)點(diǎn)的無標(biāo)度網(wǎng)絡(luò)輿情演化情況，同時(shí)對照較小網(wǎng)絡(luò)規(guī)模的隨機(jī)網(wǎng)絡(luò)輿情演化情況、較大網(wǎng)絡(luò)規(guī)模的隨機(jī)網(wǎng)絡(luò)輿情演化情況（過程圖及數(shù)據(jù)略）。通過大量仿真數(shù)據(jù)表明，在無標(biāo)度網(wǎng)絡(luò)機(jī)制下，節(jié)點(diǎn)數(shù)量越小，其意見領(lǐng)袖的領(lǐng)導(dǎo)和影響作用越強(qiáng)。對應(yīng)現(xiàn)實(shí)社交網(wǎng)絡(luò)中，網(wǎng)絡(luò)圈子越小，其意見領(lǐng)袖的領(lǐng)導(dǎo)作用相對放大了，通過影響意見領(lǐng)袖來引導(dǎo)輿論傳播這種方式效果明顯。比較不同網(wǎng)絡(luò)機(jī)制，無標(biāo)度網(wǎng)絡(luò)下意見領(lǐng)袖在引導(dǎo)輿情傳播方面的效果要好于隨機(jī)網(wǎng)絡(luò)。這是由二者的網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)所決定的，隨機(jī)網(wǎng)絡(luò)由于單個(gè)節(jié)點(diǎn)度很平均，故它本身的"意見領(lǐng)袖"特征不明顯，當(dāng)期望通過引導(dǎo)意見領(lǐng)袖來引導(dǎo)隨機(jī)網(wǎng)絡(luò)中的輿情傳播時(shí)，可能達(dá)不到預(yù)期；而無標(biāo)度網(wǎng)絡(luò)最大的特點(diǎn)就是“意見領(lǐng)袖”性，故通過“意見領(lǐng)袖”來引導(dǎo)輿情傳播是一個(gè)較理想的出發(fā)點(diǎn)。

3.3 意見領(lǐng)袖對輿情傳播的引導(dǎo)作用第三組實(shí)驗(yàn)的目的是探究當(dāng)意見領(lǐng)袖所占比例不同時(shí)，其引導(dǎo)輿情傳播的效果。研究結(jié)果顯示，在不同的網(wǎng)絡(luò)機(jī)制中，意見領(lǐng)袖的比例變動給輿情傳播帶來的影響大致是一樣的，即意見領(lǐng)袖的比例設(shè)置越大，通過引導(dǎo)意見領(lǐng)袖來引導(dǎo)輿情傳播的作用就越明顯。如：當(dāng)期望將輿論和謠言引向有利于社會發(fā)展的方向時(shí)，意見領(lǐng)袖比例越大，對立群體和中立群體向目標(biāo)群體轉(zhuǎn)移的比例也就越大，但為了使模型能夠更好地對真實(shí)網(wǎng)絡(luò)進(jìn)行仿真，該取值不宜過大。同時(shí)，加入了對輿情傳播進(jìn)行人為控制的時(shí)間點(diǎn)的研究，探究當(dāng)ticknumber取不同值時(shí)，意見領(lǐng)袖的引導(dǎo)作用如何變化。在無標(biāo)度網(wǎng)絡(luò)中，若初始網(wǎng)絡(luò)中，與opinion-last取值所屬群體相同的節(jié)點(diǎn)數(shù)量占比最大，那么在自由交互過程中，這類群體可以帶動輿情向好的方面發(fā)展，期間可以“靜觀其變”，當(dāng)這種帶動作用明顯減弱時(shí)，此時(shí)人為介入引導(dǎo)意見領(lǐng)袖來引導(dǎo)輿情傳播向有利方向發(fā)展的效果最佳。若初始網(wǎng)絡(luò)中，與opinion-last取值所屬群體對立的群體數(shù)量占比重最大，為了更好地引導(dǎo)輿情向好的方向傳播，一旦爆發(fā)輿情，應(yīng)盡快進(jìn)行人為干預(yù)，且越早越好。這與劉林沙等的實(shí)證研究[9]相符，意見領(lǐng)袖應(yīng)在微博事件的爆發(fā)階段表明立場和價(jià)值取向，引導(dǎo)輿論事件的發(fā)展方向。在隨機(jī)網(wǎng)絡(luò)中，不論初始構(gòu)建的網(wǎng)絡(luò)輿情是如何分布的，從任何一個(gè)時(shí)間點(diǎn)進(jìn)入去引導(dǎo)意見領(lǐng)袖，對輿情傳播的引導(dǎo)效果都很難達(dá)到期望值。

3.4 意見領(lǐng)袖的引導(dǎo)方式最后一組實(shí)驗(yàn)為了研究無標(biāo)度網(wǎng)絡(luò)機(jī)制下，意見領(lǐng)袖的最佳引導(dǎo)方式。首先設(shè)置“一步到位”方式來引導(dǎo)網(wǎng)絡(luò)輿情發(fā)展，這種方式的參數(shù)設(shè)置如圖5所示。這種方式較極端，結(jié)果顯示，經(jīng)過輿情的傳播和演化，持3種意見的人群所占比值數(shù)據(jù)變化不明顯，可見“一步到位”方式引導(dǎo)網(wǎng)絡(luò)輿情的效果不明顯。

圖5 “一步到位”方式參數(shù)設(shè)置圖 實(shí)驗(yàn)繼續(xù)嘗試采用循序漸進(jìn)改變意見領(lǐng)袖的值，使opinion-last取值由0.6逐漸變?yōu)?.1，稱之為“循序漸進(jìn)”法，此時(shí)的持3種觀點(diǎn)的人群比例比值由37.8%、14.8%、47.4%分別變化為44.6%，19.4%，36%。數(shù)據(jù)可見，大量減少了持反對意見人群的數(shù)量?？梢娭饾u不斷地改變意見領(lǐng)袖意見值能比較有效引導(dǎo)輿情傳播，同時(shí)亦能抵消其他節(jié)點(diǎn)給意見領(lǐng)袖帶來的負(fù)面影響。對隨機(jī)網(wǎng)絡(luò)的研究結(jié)果與無標(biāo)度網(wǎng)絡(luò)一致，但兩種方式差距不明顯，根本原因還是在于其自身網(wǎng)絡(luò)構(gòu)造特點(diǎn)。

4 結(jié) 論本文對輿情傳播與演化的模式進(jìn)行研究，構(gòu)建了基于多agent的網(wǎng)絡(luò)輿情演化模型，并利用Netlogo平臺對該模型進(jìn)行了模擬仿真。通過仿真，本文得出了一些重要結(jié)論：（1）無標(biāo)度網(wǎng)絡(luò)機(jī)制下，網(wǎng)絡(luò)中個(gè)體交流“門檻”越低，輿情傳播就越迅速，此時(shí)通過意見領(lǐng)袖引導(dǎo)輿情傳播效果越好；（2）網(wǎng)絡(luò)規(guī)模越小，意見領(lǐng)袖的作用就越被放大，其對該網(wǎng)絡(luò)輿情的傳播影響就越大；（3）在無標(biāo)度網(wǎng)絡(luò)機(jī)制下，如果擬采用意見領(lǐng)袖來引導(dǎo)網(wǎng)絡(luò)輿情的發(fā)展，“循序漸進(jìn)”法要優(yōu)于“一步到位”法；（4）在本文構(gòu)建的兩種網(wǎng)絡(luò)中，由于隨機(jī)網(wǎng)絡(luò)的自身網(wǎng)絡(luò)特點(diǎn)決定，其網(wǎng)絡(luò)輿情不易采取通過意見領(lǐng)袖來引導(dǎo)輿情傳播。本文存在的不足之處主要在于對人際關(guān)系的復(fù)雜性描述不夠，網(wǎng)絡(luò)構(gòu)建略顯粗糙。下一步工作中，將對人際關(guān)系復(fù)雜網(wǎng)絡(luò)模型進(jìn)行更深入一步的學(xué)習(xí)和理解，使構(gòu)造的網(wǎng)絡(luò)更貼近真實(shí)社會網(wǎng)絡(luò)，相應(yīng)的對網(wǎng)絡(luò)輿情傳播的研究結(jié)果也會更加有現(xiàn)實(shí)意義。

參考文獻(xiàn)

[1]Erdos P，A R.On Random Graphs[J].Publications Mathematical，1959：290-297.

[2]潘新.基于復(fù)雜網(wǎng)絡(luò)的輿情傳播模型研究[D].大連：大連理工大學(xué)，2010.

[3]Barabasi A-L，Albert R.Statistical Mechanics of Complex Network[J].Reviews of Modern Physics，2002：47-97.

[4]王平，謝耕耘.突發(fā)公共事件中微博意見領(lǐng)袖的實(shí)證研究——以“溫州動車事故”為例[J].現(xiàn)代傳播，2012，（3）：82-85.

[5]遲準(zhǔn)，等.網(wǎng)絡(luò)危機(jī)信息傳播仿真研究——基于政府干預(yù)的傳播[J].情報(bào)雜志，2012，（11）：27-30.

[6]劉小波.基于Netlogo平臺的輿情演化模型實(shí)現(xiàn)[J].情報(bào)資料工作，2012，（1）：55-57.

[7]郭強(qiáng).基于個(gè)體局部交互作用的輿情傳播模型研究[J].計(jì)算機(jī)應(yīng)用研究，2012，（11）：4086-4112.

[8]Alberto Caballero et al.Using Cognitive Cgents in Social Simulations[J].Engineering Applications of Artificial Intelligence，2011，（24）：1098-1109.

[9]劉林沙，陳默.突發(fā)事件中的微博意見領(lǐng)袖與輿情演變[J].電子政務(wù)，2012，（10）：50-55.

（本文責(zé)任編輯：馬 卓）