社會(huì)系統(tǒng)中輿情動(dòng)力學(xué)的統(tǒng)計(jì)物理研究

郭 龍， 李 煒， 蔡 勖

（1.中國地質(zhì)大學(xué)（武漢）數(shù)學(xué)與物理學(xué)院，武漢 430074；2.華中師范大學(xué)粒子物理研究所，武漢 430079；3.華中師范大學(xué)復(fù)雜科學(xué)中心，武漢430079）

人類社會(huì)是一個(gè)復(fù)雜的多組分系統(tǒng)，其最基本的組元不是粒子而是一個(gè)個(gè)具有思想的人，每一個(gè)個(gè)體都與其有限的同伴而不是系統(tǒng)中所有的個(gè)體發(fā)生相互作用，例如說服和被說服，合作出演一部電影等.由于人們不可能詳細(xì)知道人類社會(huì)中每一個(gè)個(gè)體的基本運(yùn)動(dòng)方程.因此，對(duì)人類社會(huì)現(xiàn)象的基本原理探究和數(shù)學(xué)協(xié)同學(xué)運(yùn)算就存在很大的挑戰(zhàn).盡管如此，人類社會(huì)還是具有極好的宏觀性質(zhì).社會(huì)現(xiàn)象中無序向有序的轉(zhuǎn)化，例如語言和文化的自發(fā)形成以及輿情一致態(tài)（即系統(tǒng)中所有個(gè)體都持有相同的輿情值）的涌現(xiàn)等.這些宏觀性質(zhì)要求統(tǒng)計(jì)物理方法和思想在社會(huì)中的應(yīng)用.實(shí)現(xiàn)社會(huì)分析的量化，促使自然科學(xué)和人文科學(xué)的交叉融合.

自從17世紀(jì)“政治算術(shù)”和人口性別“誤差曲線”的提出［1］，人們開始追尋用像物理學(xué)定理一樣來描述社會(huì)現(xiàn)象，揭示社會(huì)現(xiàn)象背后的物理和社會(huì)規(guī)律.直到19世紀(jì)30年代，“社會(huì)物理學(xué)”才被首次提出，而將社會(huì)物理學(xué)分為“社會(huì)靜力學(xué)”和“社會(huì)動(dòng)力學(xué)”.人們?cè)噲D從物質(zhì)世界的量化到社會(huì)系統(tǒng)中的量化的類比研究中去解釋“為什么人類行為如同粒子運(yùn)動(dòng)一樣”，以及從微觀角度的隨機(jī)性和無序性來揭示社會(huì)宏觀現(xiàn)象等一系列社會(huì)問題.

直到19世紀(jì)70年代，社會(huì)動(dòng)力學(xué)才被物理學(xué)家廣泛關(guān)注.社會(huì)物理學(xué)致力于用統(tǒng)計(jì)物理學(xué)方法和思想，對(duì)真實(shí)社會(huì)系統(tǒng)進(jìn)行研究，尋找社會(huì)系統(tǒng)的拓?fù)涮匦裕瑥亩M分析宏觀社會(huì)現(xiàn)象涌現(xiàn)的微觀機(jī)制.人們從微觀角度社會(huì)個(gè)體之間的相互作用的隨機(jī)性和無序性來模擬研究大尺度的社會(huì)現(xiàn)象.例如輿情動(dòng)力學(xué)形成和演化、社會(huì)網(wǎng)絡(luò)上傳播行為動(dòng)力學(xué)、社會(huì)經(jīng)濟(jì)運(yùn)行與安全的普適規(guī)律以及人類行為動(dòng)力學(xué).

從統(tǒng)計(jì)物理學(xué)角度來研究社會(huì)動(dòng)力學(xué)時(shí)，一般需要知道如何描述系統(tǒng)中個(gè)體的行為.整個(gè)系統(tǒng)的宏觀行為并不是這些個(gè)體的動(dòng)力學(xué)行為的簡單累積，而是依賴于系統(tǒng)中個(gè)體之間的相互作用，即社會(huì)系統(tǒng)的拓?fù)浣Y(jié)構(gòu).然而社會(huì)系統(tǒng)中的個(gè)體不同于物理中基本粒子，他們是智能個(gè)體，他們的行為受到復(fù)雜的心理和生理過程的影響，不可能十分精確地了解個(gè)體的動(dòng)力學(xué)行為，甚至包含個(gè)體之間的相互作用.因此，對(duì)社會(huì)現(xiàn)象的模擬描述不能面面俱到，否則，問題的極端復(fù)雜性將迫使人們束手無策.在對(duì)社會(huì)動(dòng)力學(xué)系統(tǒng)模擬研究時(shí)就會(huì)碰到兩個(gè)困難：一是模型構(gòu)造的仿真程度，二是構(gòu)造模型的微觀行為所導(dǎo)致的宏觀現(xiàn)象的涌現(xiàn)機(jī)制.

隨著統(tǒng)計(jì)物理的發(fā)展，它為物理學(xué)家研究社會(huì)現(xiàn)象提供了可能.因?yàn)榇蟪叨认律鐣?huì)現(xiàn)象一般不依賴于社會(huì)系統(tǒng)中個(gè)體的微觀行為.另外，系統(tǒng)宏觀呈現(xiàn)出來的對(duì)稱性、標(biāo)度率以及守恒律等是系統(tǒng)個(gè)體微觀行為相互作用的結(jié)果.因此，在對(duì)社會(huì)系統(tǒng)的模型描述時(shí)，需要對(duì)某一社會(huì)現(xiàn)象的最簡單的個(gè)體行為以及重要屬性進(jìn)行準(zhǔn)確描述，進(jìn)而研究社會(huì)系統(tǒng)中某一特殊現(xiàn)象的涌現(xiàn)行為.這就要求對(duì)社會(huì)系統(tǒng)的實(shí)證研究結(jié)果進(jìn)行分析比對(duì).

1 社會(huì)網(wǎng)絡(luò)

社會(huì)網(wǎng)絡(luò)是由個(gè)人或社會(huì)組織通過一定的相互作用關(guān)系而形成的一種網(wǎng)絡(luò)［2－3］.在社會(huì)網(wǎng)絡(luò)中，個(gè)人或社會(huì)組織稱為網(wǎng)絡(luò)的節(jié)點(diǎn)，而網(wǎng)絡(luò)中的邊體現(xiàn)在人與人之間或社會(huì)組織之間的相互作用關(guān)系.這種相互作用關(guān)系的方式是多樣的，例如：人與人之間的朋友關(guān)系［4］，企業(yè)之間的商業(yè)來往關(guān)系［5］、家庭之間的聯(lián)姻關(guān)系［6］、科學(xué)家之間的合作關(guān)系等［7－8］.

關(guān)于社會(huì)網(wǎng)絡(luò)的量化研究可以追溯到20世紀(jì)20年代.關(guān)于社會(huì)網(wǎng)絡(luò)的早期研究有：1926年Wellman研究了小學(xué)生朋友關(guān)系網(wǎng)［9］；1936年Davis及其合作者研究了南美婦女社交網(wǎng)絡(luò)［10］；以及在20世紀(jì)30年代Mayo關(guān)于工廠工人社會(huì)關(guān)系網(wǎng)絡(luò)的研究［11］.Rapoport是第一個(gè)用數(shù)學(xué)模型來模擬和研究社會(huì)網(wǎng)絡(luò)的科學(xué)家，他首次在網(wǎng)絡(luò)研究中引入了節(jié)點(diǎn)度分布的概念［10］.近年來，商業(yè)關(guān)系網(wǎng)絡(luò)以及性關(guān)系網(wǎng)絡(luò)的研究也得到了一定程度的關(guān)注.

一個(gè)關(guān)于社會(huì)網(wǎng)絡(luò)的實(shí)驗(yàn)是著名的Milgram“小世界”實(shí)驗(yàn)［12－13］.在這個(gè)實(shí)驗(yàn)中，要求志愿者把信交給自己所認(rèn)識(shí)的一個(gè)人，并且他認(rèn)為通過這個(gè)人這封信可以經(jīng)過盡可能少的傳遞次數(shù)最后轉(zhuǎn)交到給定對(duì)象的手上.盡管大部分信件在傳遞過程中丟失，還是有四分之一的信件被傳遞到給定對(duì)象的手中.通過對(duì)這些成功傳遞的信件分析，這些信件從開始寄出到最后被傳遞到給定對(duì)象手中平均需要6個(gè)人的協(xié)助才能完成.這就是著名的“六度分離”的起源實(shí)驗(yàn)，盡管這個(gè)概念直到幾十年后才被Guare提出來［14］.

社會(huì)網(wǎng)絡(luò)的傳統(tǒng)研究往往會(huì)碰到不精確、主觀因素以及小樣本等因素的影響.為了避免這些因素，許多研究者利用其它方法來研究社會(huì)網(wǎng)絡(luò).其中一個(gè)有豐富而又相對(duì)可靠的數(shù)據(jù)庫的社會(huì)網(wǎng)絡(luò)就是合作關(guān)系網(wǎng).在這些合作關(guān)系網(wǎng)絡(luò)中，合作的個(gè)體可以屬于同一個(gè)團(tuán)體也可以屬于不同的團(tuán)體，但是這些個(gè)體之間的合作關(guān)系卻是同一種合作關(guān)系.例如電影合作網(wǎng)絡(luò)中，演員可以具有不同的國籍，但是他們之間合作卻是出演在同一部電影中.關(guān)于電影演員合作網(wǎng)絡(luò)的數(shù)據(jù)庫來自在線網(wǎng)絡(luò)電影數(shù)據(jù)庫（http：／／www.imdb.com／）.在電影演員合作網(wǎng)絡(luò)中，節(jié)點(diǎn)就是出演電影的演員，而兩個(gè)演員之間如果存在一條邊表示這兩個(gè)演員合作出演同一部電影.另一個(gè)著名的合作網(wǎng)絡(luò)就是科學(xué)家合作網(wǎng)絡(luò).在科學(xué)家合作網(wǎng)絡(luò)中，科學(xué)家表示節(jié)點(diǎn)，而如果表示科學(xué)家的節(jié)點(diǎn)之間存在一條邊則表示這兩個(gè)科學(xué)家合作完成一篇論文.Newman研究了4個(gè)科學(xué)家合作網(wǎng)絡(luò)［7－8］，其中包括物理科學(xué)家合作網(wǎng)絡(luò)、生物醫(yī)學(xué)科學(xué)家合作網(wǎng)絡(luò)、高能物理科學(xué)家合作網(wǎng)絡(luò)以及計(jì)算機(jī)科學(xué)家合作網(wǎng)絡(luò).Barabási及其合作者研究了數(shù)學(xué)家合作網(wǎng)絡(luò)和神經(jīng)科學(xué)家合作網(wǎng)絡(luò)［15］.

另一個(gè)具有可靠數(shù)據(jù)庫的社會(huì)網(wǎng)絡(luò)就是人們之間的個(gè)人交往網(wǎng)絡(luò).例如，可以構(gòu)建一個(gè)社會(huì)網(wǎng)絡(luò)，其中節(jié)點(diǎn)之間的連線表示人與人之間的郵件來往關(guān)系.Newman等對(duì)郵件網(wǎng)絡(luò)進(jìn)行了研究［16］.Barabási等通過分析個(gè)人郵件網(wǎng)絡(luò)來分析研究人類行為動(dòng)力學(xué)［17－22］.國內(nèi)中科大汪秉宏小組研究了人類城市出行的回轉(zhuǎn)半徑［23］以及人類空間運(yùn)動(dòng)的層次性模型［24］.

大量實(shí)證分析表明：真實(shí)社會(huì)系統(tǒng)具有其特有的特性，例如小世界特性、節(jié)點(diǎn)度分布的無標(biāo)度性和社團(tuán)結(jié)構(gòu).一個(gè)顯而易見的問題：這些拓?fù)涮匦缘漠a(chǎn)生機(jī)制是什么，這些拓?fù)涮匦匀绾斡绊懓l(fā)生在社會(huì)網(wǎng)絡(luò)中的動(dòng)力學(xué)現(xiàn)象，例如疾病的傳播、輿情的形成和演化等.本文將目光聚焦在社會(huì)網(wǎng)絡(luò)的輿情動(dòng)力學(xué)方向，對(duì)前人的工作進(jìn)行簡要的概述，以期能為初學(xué)者提供基本的參考和幫助.

2 輿情模型（opinion models）

達(dá)成協(xié)議是社會(huì)系統(tǒng)中最重要的活動(dòng)之一［25］.在日常生活中會(huì)碰到各種各樣的問題，這就需要與周圍的小團(tuán)體達(dá)成協(xié)議，例如觀點(diǎn)、觀念、行為甚至是意識(shí)形態(tài)等等，統(tǒng)稱為輿情（opinion）.達(dá)成協(xié)議能促使其更強(qiáng)，進(jìn)而增強(qiáng)其在社會(huì)中的地位和影響力［25］.社會(huì)系統(tǒng)中人們之間相互作用相互影響的復(fù)雜性決定了人們達(dá)成協(xié)議與否的動(dòng)力學(xué)行為的復(fù)雜性.統(tǒng)計(jì)物理學(xué)家利用輿情動(dòng)力學(xué)模型來定義社會(huì)系統(tǒng)中個(gè)體的輿情值以及個(gè)體之間的相互作用的基本過程.在數(shù)學(xué)模型中，輿情值往往是一個(gè)變量集，每一個(gè)個(gè)體的輿情值只能取變量集中的元素.變量集中的元素可以是離散的也可以是連續(xù)的.這樣，面臨的挑戰(zhàn)就是如何構(gòu)造足夠的數(shù)學(xué)規(guī)則來描述系統(tǒng)中個(gè)體之間的相互影響和系統(tǒng)輿情值的演化.目前，較著名的輿情模型有：選舉模型，Sznajd模型和Deffuant模型.

2.1 選舉模型（voter model）

選舉模型最早由Clifford和Sudbury在考慮物種競爭中提出來的.選舉模型規(guī)則：首先，系統(tǒng)中每一個(gè)個(gè)體都賦予一個(gè)二進(jìn)制變量s＝±1做為其輿情值；然后，每一演化步，個(gè)體i從它的鄰居中選擇一個(gè)鄰居j并改變自己的輿情值而采用其所選鄰居的輿情值sj.系統(tǒng)中個(gè)體輿情的效仿來自其鄰居的壓力.在選舉模型中，個(gè)體只受到其所選擇的一個(gè)鄰居的影響而具有較大的漲落.早期，人們研究了規(guī)則格子上的選舉模型，例如二維格子上演化成具有相同輿情值中心團(tuán)增長而邊緣蓬亂的斑圖.

在規(guī)則格子上，選舉模型可以精確地映射為隨機(jī)行走模型，個(gè)體選擇其一個(gè)鄰居并采用其輿情值，猶如隨機(jī)行走者被隨機(jī)引導(dǎo).因此，可以利用隨機(jī)行走理論來研究選舉模型.在d維格子中，每一個(gè)格點(diǎn)代表一個(gè)具體的個(gè)體.用集合S＝｛si｝表示系統(tǒng)的狀態(tài)，其中si表示第i個(gè)格點(diǎn)的輿情值.然后，給出格點(diǎn)的輿情值發(fā)生反轉(zhuǎn)的躍變概率Wk（S）＝W（sk→－sk）［26］，給出概率分布函數(shù)P（S）滿足的主方程.從主方程中可知任意階的關(guān)聯(lián)函數(shù)都是收斂的，即它們不依賴于更高階的函數(shù).因此，關(guān)聯(lián)函數(shù)是可解的［27］.許多學(xué)者分析研究了一階關(guān)聯(lián)函數(shù)和二階關(guān)聯(lián)函數(shù)，得到有意義的結(jié)果［27－28］.在完全圖中，磁化強(qiáng)度幾率分布的?？耍绽士朔匠叹哂信c一維含位置依賴的擴(kuò)散參數(shù)的擴(kuò)散方程一樣的形式［29］.因此，可以給出解析解.對(duì)于任意初始的磁化強(qiáng)度，有限系統(tǒng)達(dá)到一致相（即系統(tǒng)中所有節(jié)點(diǎn)擁有相同的輿情值）的平均時(shí)間可以精確計(jì)算，且與系統(tǒng)的大小N成比例.

實(shí)證研究表明，社會(huì)網(wǎng)絡(luò)的節(jié)點(diǎn)度分布滿足冪律分布，即網(wǎng)絡(luò)中節(jié)點(diǎn)度的差異性很大，例如節(jié)點(diǎn)的活躍性、節(jié)點(diǎn)的影響力等，稱之為網(wǎng)絡(luò)節(jié)點(diǎn)的異質(zhì)性（heterogeneous）.近年來，許多學(xué)者研究了網(wǎng)絡(luò)的異質(zhì)性對(duì)選舉輿情演化的影響［30－34］以及小世界網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對(duì)選舉模型演化的影響［35－36］.例如，Sood和Redner研究了無標(biāo)度網(wǎng)絡(luò)上的選舉模型，發(fā)現(xiàn)系統(tǒng)達(dá)到一致相的平均時(shí)間TN與節(jié)點(diǎn)度分布指數(shù)γ滿足N（2γ－4）／（γ－1）［30］.Yang等［37］提出了非線性選舉模型，其中節(jié)點(diǎn)按照一定的概率采納輿情值，其采用＋1的概率函數(shù)為p＋＝n＋a／（n＋a＋n－a），采用－1的概率為p－＝1－p＋，其中n＋a和n－a分別為節(jié)點(diǎn)及其鄰居中持有＋1和－1的個(gè)數(shù)，α為可調(diào)參數(shù).然后再規(guī)則格子和無標(biāo)度網(wǎng)絡(luò)上研究了非線性選舉模型的達(dá)到一致相的時(shí)間與可調(diào)參數(shù)α之間的關(guān)系.

2.2 Sznajd模型

社會(huì)影響理論（social impact theory）是社會(huì)心理學(xué)中一個(gè)重要的理論.它描述了社會(huì)中個(gè)體如何受其同伴的影響以及它又如何影響其同伴.社會(huì)團(tuán)體影響力的大小取決于社會(huì)團(tuán)體中個(gè)體數(shù)量、個(gè)體或團(tuán)體的說服力以及團(tuán)體與被影響個(gè)體之間的距離.這一距離可以使空間距離表現(xiàn)為抽象空間中個(gè)體之間關(guān)系的親疏性.Sznajd模型［38］就是基于這一原理提出來的.這里，以一維環(huán)為例闡述Sznajd模型的演化規(guī)則.由N個(gè)個(gè)體相連圍成一維的環(huán)，每一個(gè)節(jié)點(diǎn)都與其左右鄰居相連.si表示節(jié)點(diǎn)i的輿情值，且si是二進(jìn)制變量±1表示節(jié)點(diǎn)i對(duì)某一事物的態(tài)度.每一時(shí)間演化步，隨機(jī)選擇兩個(gè)相鄰的節(jié)點(diǎn)作為說服者，例如節(jié)點(diǎn)i和節(jié)點(diǎn)（i＋1）.他們將根據(jù)其輿情值來說服其鄰居（i－1）和（i＋2）改變他們的輿情值，其說服規(guī)則為

其中，規(guī)則（1）是鐵磁規(guī)則，規(guī)則（2）是反鐵磁規(guī)則.因此，如果說服者具有相同的輿情值，他們將成功說服其鄰居采用與之相同的輿情值；反之，兩個(gè)說服者分別說服對(duì)方的鄰居采用與之相同的輿情值，從而瓦解對(duì)方.這就是所謂的“和則成，離則敗”（united we stand，divided we fall）.

許多學(xué)者模擬研究了不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)上的Sznajd模型，以及改進(jìn)Sznajd模型演化動(dòng)力學(xué)［29，39－50］.研究了小世界網(wǎng)絡(luò)上的Sznajd模型，發(fā)現(xiàn)長程連接具有增強(qiáng)系統(tǒng)創(chuàng)成關(guān)聯(lián)的作用，從而促使系統(tǒng)演化到一致相［51］.一些學(xué)者利用統(tǒng)計(jì)物理方法對(duì)Sznajd模型進(jìn)行理論分析.Slanina等研究了完全圖中類Sznajd模型的精確解［30］.Sznajd等給出了Sznajd模型演化動(dòng)力學(xué)的合理的哈密頓形式［52－54］.

Sznajd模型被廣泛應(yīng)用到不同領(lǐng)域，可用來描述政治競選行為［43，46］.被選舉者的支持者分布滿足冪律關(guān)系P（n）～1／n，其中P（n）表示被選舉者有n個(gè)支持者的概率.它也可用描述個(gè)人傾向之間的相互作用與經(jīng)濟(jì)活動(dòng)之間的關(guān)系，以及開放市場中不同產(chǎn)品之間的競爭行為［55］和不同團(tuán)體之間的輿情傳播行為［56］.

2.3 Deffuant模型

前文提到的選舉模型和Sznajd模型是特殊的離散輿情動(dòng)力學(xué)模型.然而，在某些情況下，人們對(duì)某一事物的輿情值是可以從一個(gè)極端向另一個(gè)極端連續(xù)變化的［25］.例如，一個(gè)人對(duì)某一事物的關(guān)注程度，例如教育，它不僅僅局限于“非此即彼”而是可以處于這兩者之間的某一取向.在日常生活中，人們之間的依據(jù)其輿情值的不同區(qū)分出親疏關(guān)系.并不是任何人之間都可以信息交流，人們對(duì)與其交流有一定的信任范圍，稱之為有限信任（bounded confidence）原理.在模型中，用一個(gè)實(shí)數(shù)ε來表示有限信任原理，稱之為信任參數(shù).兩人之間的輿情值差異如果小于ε，他們將協(xié)商各自做出讓步向著對(duì)方輿情值的方向改變自己的輿情值.反之，什么也不做.其中，Deffuant模型就是一個(gè)典型的連續(xù)輿情模型［57］.

考慮含有N個(gè)個(gè)體的群體.用含有N個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)來描述這個(gè)群體，其中節(jié)點(diǎn)表示群體中的個(gè)體，而節(jié)點(diǎn)之間的邊表示這兩個(gè)節(jié)點(diǎn)將會(huì)相互彼此影響.起始，每一個(gè)節(jié)點(diǎn)i都隨機(jī)地從［0，1］中選擇一個(gè)數(shù)作為此節(jié)點(diǎn)的輿情值si.每一演化步，隨機(jī)地選擇一個(gè)節(jié)點(diǎn)和這個(gè)節(jié)點(diǎn)的一個(gè)鄰居.假設(shè)在t時(shí)刻選中了一對(duì)鄰居節(jié)點(diǎn)i和節(jié)點(diǎn)j，它們的輿情值分別為si（t）和sj（t）.Deffuant模型的演化規(guī)則為：如果｜si（t）－sj（t）｜＞ε節(jié)點(diǎn)i和j什么也不做；如果｜si（t）－sj（t）｜＜ε，他們將協(xié)商各自做出讓步，向著對(duì)方輿情值的方向改變自己的輿情值，即

其中，μ∈［0，0.5］為收斂參數(shù)，它反應(yīng)了兩節(jié)點(diǎn)的輿情值各自向?qū)Ψ捷浨橹档姆较蚋淖兊拇笮?如果μ＝0.5，兩節(jié)點(diǎn)協(xié)商后采用的輿情值相同且等于他們商談前輿情值的平均值，即si（t＋1）＝sj（t＋1）＝si（t）＋sj（t）／2.因此，Deffuant模型的演化基于妥協(xié)原理.無論ε和μ取何值，系統(tǒng)的平均輿情值都為1／2，其在Deffuant模型中是不變的.

Deffuant模型的演化依賴于輿情空間邊界處的不穩(wěn)定性.輿情傳播的不穩(wěn)定性將促使系統(tǒng)中節(jié)點(diǎn)的輿情值之差拉大，從而形成具有不同輿情值的子團(tuán)體.一旦不同團(tuán)體之間的輿情值的差距就會(huì)被拉開從而大于ε.最后，系統(tǒng)演化成一系列的δ函數(shù).通常而言，子團(tuán)體中節(jié)點(diǎn)的數(shù)目與信任參數(shù)有關(guān)，而μ影響系統(tǒng)演化的收斂時(shí)間.然而，當(dāng)μ很小時(shí)，子團(tuán)體構(gòu)型也會(huì)受到μ的影響［58］.在完全圖、規(guī)則圖、隨機(jī)圖和無標(biāo)度網(wǎng)絡(luò)中，當(dāng)ε＞εc＝0.5，系統(tǒng)中所有的節(jié)點(diǎn)擁有一樣的輿情值s＝0.5.稱之為一致相［59－60］，與網(wǎng)絡(luò)結(jié)構(gòu)無關(guān).當(dāng)ε＜εc時(shí)，系統(tǒng)中出現(xiàn)多個(gè)具有明顯輿情值差異的子團(tuán)體，其中每個(gè)子團(tuán)體中的節(jié)點(diǎn)具有相同的輿情值.

蒙特卡洛模擬顯示系統(tǒng)最終演化成不同子團(tuán)體的數(shù)目nc近似滿足表達(dá)式1／2ε［25］.不同子團(tuán)體的節(jié)點(diǎn)之間的輿情值相差至少一個(gè)信任參數(shù)，他們之間不能發(fā)生相互作用.因此，在相差兩個(gè)信任參數(shù)的子團(tuán)體中間不會(huì)存在另一個(gè)子團(tuán)體，所以比率1／2ε可以準(zhǔn)確地確定nc.關(guān)于Deffuant模型的大部分結(jié)果都是通過模擬得到的.然而，在特殊情況下，一些學(xué)者理論分析了Deffuant模型演化動(dòng)力學(xué)，例如，Ben－Naim利用幾率方程描述了完全圖中的Deffuant模型動(dòng)力學(xué)［61］.

受到Deffuant模型的啟發(fā)，大量學(xué)者研究了改進(jìn)的Deffuant模型.這些模型都各有側(cè)重地研究了社會(huì)系統(tǒng)中某些現(xiàn)象和特性.Lorenz等考慮了個(gè)體信任參數(shù)ε的差異性［62－66］；Ben－Naim考慮了系統(tǒng)中個(gè)體對(duì)其opinion的自發(fā)改變［67］；Carletti及其合作者考慮了外在周期擾動(dòng)對(duì)個(gè)體的影響［68］；以及我們考慮了個(gè)體收斂參數(shù)μ的差異性［69］.

3 總結(jié)與討論

以上扼要介紹了3種著名的輿情演化動(dòng)力學(xué)模型，以及前人在規(guī)則格子和復(fù)雜網(wǎng)絡(luò)上開展的一些工作，旨在期望能為初學(xué)者提供一定的參考和幫助.對(duì)社會(huì)系統(tǒng)上輿情動(dòng)力學(xué)的研究目前仍主要處于模擬研究階段，其理論分析仍面臨著巨大的挑戰(zhàn).第一，在理論物理中，系統(tǒng)遵循的基本原理是最小作用量原理，那么在社會(huì)系統(tǒng)中人類行為遵循什么樣的基本原理，羊群效應(yīng)還是個(gè)人收益最大還是其它，以往模型中往往只能考慮其中一個(gè)對(duì)社會(huì)輿情動(dòng)力學(xué)的影響，比如多數(shù)模型（Majority－rule model）考慮的是羊群效應(yīng).尋找人類社會(huì)系統(tǒng)中遵循的基本原理仍是一個(gè)重要的研究方向，如研究人類行為動(dòng)力學(xué)，國內(nèi)的中國科技大學(xué)和上海理工大學(xué)在這方面做了大量的研究工作.第二，在互聯(lián)網(wǎng)發(fā)達(dá)的今天，輿情演化似乎可以擺脫地域的限制，但是人類活動(dòng)的局域頻繁性和全局隨機(jī)性將導(dǎo)致真實(shí)空間網(wǎng)絡(luò)中輿情傳播的研究的必要性.第三，媒體網(wǎng)絡(luò)化和互聯(lián)網(wǎng)的發(fā)展對(duì)輿情演化產(chǎn)生了重要的影響，例如藥家鑫事件，媒體的這種外在屬性在社會(huì)系統(tǒng)的輿情演化中扮演怎樣的角色.第四，社會(huì)系統(tǒng)網(wǎng)絡(luò)是一個(gè)耗散系統(tǒng)和多樣性系統(tǒng)，其拓?fù)浣Y(jié)構(gòu)又是如何與輿情動(dòng)力學(xué)相互耦合進(jìn)行演化的.這些問題的探討有助于進(jìn)一步理解社會(huì)復(fù)雜系統(tǒng)，為輿情的防控提供一定的理論依據(jù).

［1］ 范澤孟，劉怡君，汪云林，等.社會(huì)物理學(xué)國際前沿研究透視［M］.付允譯.北京：科學(xué)出版社，2007.

［2］ Wasserman S，F(xiàn)aust K.Social network analysis：methods and applications［M］.Cambridge：Cambridge University Press，1994.

［3］ Scott J.Social network analysis：a handbook［M］.London：SAGE Publications，2000.

［4］ Moody J.Race，school integration，and friendship segregation in America［J］.Amer J Sociol，2001，107（3）：679－716.

［5］ Mariolis P.Interlocking directorates and control of corporations：the theory of bank control［J］.Social Sci Quart，1975，56：425－439.

［6］ Padgett J F.Ansell C K.Robust action and the rise of the medici［J］.Amer J Sociol，1993，98（6）：1259－1319.

［7］ Newman M E J.Scientific collaboration networks I network construction and fundamental results［J］.Phys Rev E，2001，64（1）：016131.

［8］ Newman M E J.Scientific collaboration networksⅡshortest paths，weighted networks，and centrality［J］.Phys Rev E，2001，64（1）：016132.

［9］ Boccaletti S，Latora V，Moreno Y，et al.Complex networks：structure and dynamics［J］.Phys Rep，2006，424（4／5）：175－308.

［10］ Newman M E J.The structure and function of complex networks［J］.SIAM Rev，2003，45（2）：167－256.

［11］ Scott J.Social network analysis：a handbook［M］.London：SAGE Publications.2000.

［12］ Milgram S.The small－world problem［J］.Psych Todat，1967，1（1）：60－67.

［13］ Travers J，Milgram S.An experimental study of small world problem［J］.Sociometry，1969，32（4）：425－443.

［14］ Guare J.Six degrees of separation：aplay［M］.New York：Vintage，1990.

［15］ Barabási A L，Jeong H，Néda Z，et al.Evolution of the social network of scientific collaborations［J］.Physica A，2002，311（3／4）：590－614.

［16］ Newman M E J，F(xiàn)orrest S，Balthrop J.Email networks and the spread of computer Viruses［J］.Phys Rev E，2002，66（3）：035101（R）.

［17］ Vázquez A，Oliveira J G，Dezs?Z，et al.Modeling bursts and heavy tails in human dynamics［J］.Phys Rev E，2006，73（3）：036127.

［18］ Barabási A L.The origin of bursts and heavy tails in human dynamics［J］.Nature，2005，435（7039）：207－211.

［19］ Vázquez A，Rácz B，Lukács A，et al.Impact of nonpoissonian activity patterns on spreading processes［J］.Phys Rev Lett，2007，98（15）：158702.

［20］ Vázquez A.Exact results for the Barabási model of human dynamics［J］.Phys Rev Lett，2005，95（24）：248701.

［21］ Dezs?Z，Almaas E，Lukács A，et al.Dynamics of information access on the web［J］.Phys Rev E，2006，73（6）：066132.

［22］ Oliveira J G，Barabási A L.Human dynamics：Darwin and Einstein correspondence patterns［J］.Nature，2005，437（7063）：1251.

［23］ Yan X Y，Han X P，Zhou T，et al.Exact solution of gyration radius of individual’s trajectory for a simplified human regular mobility model［J］.Chin Phys Lett，2011，28（12）：120506.

［24］ Han X P.Hao Q，Wang B H，et al.Origin of the scaling law in human mobility：hierarchy of traffic systems［J］.Phys Rev E，2011，83（3）：036117.

［25］ Castellano C，F(xiàn)ortunato S，Loreto V.Statistical physics of social dynamics［J］.Rev Mod Phys，2009，81（2）：591－646.

［26］ Frachebourg L，Krapivsky P L.Exact results for kinetics of catalytic reactions［J］.Phys Rev E，1996，53（4）：3009－3012.

［27］ Scheucher M，Spohn H.A soluble kinetic model for spinodal decomposition［J］.J Stat Phys，1988，53（1／2）：279－294.

［28］ Evans J W，Ray T R.Kinetics of the monomermonomer surface reaction model［J］.Phys Rev E，1993，47（2）：1018－1025.

［29］ Slanina F，Laviccka H.Analytical results for the Sznajd model of opinion formation［J］.Eur Phys J B，2003，35（2）：279－288.

［30］ Sood V，Redner S.Voter model on heterogeneous graphs［J］.Phys Rev Lett，2005，94（17）：178701.

［31］ Sood V，Antal T，Redner S.Voter models on heterogeneous networks［J］.Phys Rev E，2008，77（4）：041121.

［32］ Castellano C，Loreto V，Barrat A，et al.Comparison of voter and Glauber ordering dynamics on networks［J］.Phys Rev E，2005，71（6）：066107.

［33］ Sychecki K，Eguíluz V M，Miguel M S.Conservation laws for the voter model in complex networks［J］.Europhys Lett，2005，69（2）：228－234.

［34］ Baxter G J，Blythe R A，Mckane A J.Fixation and consensus times on a network：a unified approach［J］.Phys Rev Lett，2008，101（25）：258701.

［35］ Castellano C，Vilone D，Vespignani A.Incomplete ordering of the voter model on small－world networks［J］.Europhys Lett，2003，63（1）：153－158.

［36］ Vilone D，Castellano C.Solution of voter model dynamics on annealed small－world networks［J］.Phys Rev E，2004，69（1）：016109.

［37］ Yang H X，Wang W X，Lai Y C，et al.Convergence to global consensus in opinion dynamics under a nonlinear voter model［J］.Phys Lett A，2012，376（4）：282－285.

［38］ Sznajd－Weron K，Sznajd J，Opinion evolution in closed community［J］.Int J Mod Phys C，2000，11（6）：1157－1165.

［39］ Stauffer D，Sousa A O，Oliveira S M.Generalization to square lattice of Sznajd sociophysics model［J］.Int J Mod Phys C，2000，11（6）：1239－1245.

［40］ Chang I.Sznajd sociophysics model on a triangular lattice：ferro and antiferromagnetic opinions［J］.Int J Mod Phys C，2001，12（10）：1509－1512.

［41］ Rodrigues F A，Costa L D F.Surviving opinions in Sznajd models on complex networks［J］.Int J Mod Phys C，2005，16（11）：1785－1792.

［42］ Elgazzar A S.Applications of small－world networks to some socio－economic systems［J］.Physica A，2003，324（1／2）：402－407.

［43］ González M C，Sousa A O，Hermann H J.Opinion formation on a deterministic pseudo－fractal network［J］.Int J Mod Phys C，2004，15（1）：45－57.

［44］ He M，Li B，Luo L.Sznajd model with“social temperature”and defender on small－world networks［J］.Int J Mod Phys C，2004，15（7）：997－1003.

［45］ Bartolozzi M，Leinweber D B，Thomas A W.Stochastic opinion formation in scale－free networks［J］.Phys Rev E，2005，72（4）：046113.

［46］ Bernardes A T，Stauffer D，Kertész J.Election results and the Sznajd model on Barabási network［J］.Eur Phys J B，2002，25（1）：123－127.

［47］ Bonnekoh J.Monte carlo simulations of the ising and the Sznajd model on growing Barabási－albert networks［J］.Int J Mod Phys C，2003，14（9）：1231－1235.

［48］ Sousa A O.Consensus formation on a triad scale－free network［J］.Physica A，2005，348：701－710.

［49］ Sousa A O，Sánchez J R.Outward－inward information flux in an opinion formation model on different topologies［J］.Physica A.2006，361（1）：319－328.

［50］ González－Avella J C，Eguíluz V M，Cosenza M G，et al.Local versus global interactions in nonequilibrium transitions：a model of social dynamics［J］.Phys Rev E，2006，73（4）：046119.

［51］ Guo L，Cai X，The key role of shortcuts of smallworld network in opinion formation［J］.Int J Mod Phys C，2008，19（6）：867－873.

［52］ Sznajd－Weron K.Controlling simple dynamics by a disagreement function［J］.Phys Rev E，2002，66（4）：046131.

［53］ Sznajd－Weron K.Dynamical model of Ising spins［J］.Phys Rev E，2004，70（3）：037104.

［54］ Sznajd－Weron K.Mean－field results for the two component model［J］.Phys Rev E，2005，71（4）：046110.

［55］ Sznajd－Weron K，Weron R.How effective is advertising in duopoly markets［J］.Physica A，2003，324（1／2）：437－444.

［56］ Sznajd－Weron K，Weron R.A simple model of price Formation［J］.Int J Mod Phys C，2002，13（1）：115－123.

［57］ Deffuant G，Neau D，Amblard F，et al.Mixing beliefs among interacting agents［J］.Adv Complex Systems，2000，3（1／2／3／4）：87－98.

［58］ Porfiri M，Bollt E M，Stilwell D J.Decline of minorities in stubborn societies［J］.Eur Phys J B，2007，57（4）：481－486.

［59］ Fortunato S.Universality of the threshold for complete consensus for the opinion dynamics of Deffuant et al［J］.Int J Mod Phys C，2004，15（9）：1301－1307.

［60］ Lorenz J，Urbig D.About the power to enforce and prevent consensus by manipulating communication rules［J］.Adv Complex System，2007，10（2）：251－269.

［61］ Ben－Naim E，Krapivsky P L，Rednes R.Bifurcations and patterns in compromise processes［J］.Physica D，2003，183（3／4）：190－204.

［62］ Lorenz J.Heterogeneous bounds of confidence：meet，discuss and find consensus［J］.Complexity，2010，15（4）：43－52

［63］ Deffuant G，Amblard F，Weisbuch G，et al.How can extremism prevail？a study based on the relative agreement interaction model［J］.J Artif Soc Soc Simul，2002，5（4）：1－2.

［64］ Deffuant G，Amblard F，Weisbuch G.Modelling group opinion shift to extreme：the smooth bounded confidence model［C］∥Proceedings of the European Social Simulation Association Conference.Valladolid：2004.

［65］ Deffuant G.Comparing extremism propagation patterns in continuous opinion models［J］.J Artif Soc Soc Simul，2006，9（3）：8－9.

［66］ Aldashev G，Carletti T.Benefits of diversity，communication costs，and public opinion dynamics［J］.Complexity，2009，15（2）：54－63

［67］ Ben－Naim E，Redner S.Dynamics of social diversity［J］.J Stat Mech：Theory Exp，2005，2005（11）：L11002.

［68］ Carletti T，F(xiàn)anelli D，Grolli S，et al.How to make an efficient propaganda［J］.Europhys Lett，2006，74（2）：222－228.

［69］ Guo L，Cai X.Continuous opinion dynamics in complex networks［J］.Commun Comput Phys，2009，5（5）：1045－1053.