賓寧+王鈺
〔摘 要〕為了研究多行為主體對社交網絡信息傳播的共同推動作用,本文針對正面信息的傳播,運用三方演化博弈理論構建三階段的博弈模型并進行仿真分析。將社交網絡正面信息傳播各階段所涉及到的網絡推手、意見領袖、普通網民、社交網絡媒體等多行為主體的策略選擇映射為三方博弈模型中的參數(shù),設計實驗方案。通過仿真分析得到實驗結論,進而提出積極推動正面信息傳播的相應舉措。
〔關鍵詞〕社交網絡;正面信息傳播;網絡推手;普通網民;社交網絡媒體;三方博弈
DOI:10.3969/j.issn.1008-0821.2017.11.010
〔中圖分類號〕G206.2 〔文獻標識碼〕A 〔文章編號〕1008-0821(2017)11-0058-11
Positive Information Spreading and Simulation in Social Network
—— Based on Three-side Game
Bin Ning Wang Yu
(School of Management,Guangdong University of Technology,Guangzhou 510520,China)
〔Abstract〕Focusing on the characteristics of positive information,the paper adopted the three-side evolutionary game theory to build a three-stage model to study the mutual role of various behavior subjects in promoting the information spreading in social networks.The strategy choice of various behavior subjects such as network pushers,opinion leaders,ordinary Internet users,social network media were corresponded into parameters of three-side evolutionary game models.The paper then designed simulation experiments and obtained experiment results by simulation analysis.Finally,it put forwards measures to promote the spreading of positive information.
〔Key words〕social network;positive information spreading;network pushers;ordinary internet users;social network media;three-side evolutionary game theory
自從我國于20世紀90年代接入互聯(lián)網以來,人們的社交方式日漸由日常社交轉為日常社交與網絡社交并重的模式。這一轉變也使得社交網絡信息開始變得越來越具有影響力,社交網絡信息傳播也愈加受到人們的重視。
目前學術界關于網絡信息傳播的研究主要集中在以下2個方面:1)從生命周期的角度,運用“生、老、病、死”的思想,將信息傳播的網絡演變劃分成各個不同階段,探討各個階段的輿情表現(xiàn)特點和產生機制。有代表性的如顧明毅等(2009)將網絡議題升級劃分為早期傳播、社會知情、社會表達、社會行動和媒體紀念5個[1];史波(2010)則指出突發(fā)事件網絡輿情內在演變的機理包括形成機理、發(fā)展機理、變異機理、作用機理和終結機理這5個方面的內容[2];方付建(2011)將突發(fā)事件網絡輿情演變分為孕育、擴散、變換和衰減4個階段[3];李綱等(2014)則認為根據(jù)生長曲線的特點突發(fā)事件網絡輿情發(fā)展過程應分為潛伏、爆發(fā)、成熟和衰退4個階段[4]。2)從神經網絡和社會動力學的角度去分析信息傳播的網絡演變規(guī)律。國內學者早期如張一文、齊佳音等(2010)利用系統(tǒng)動力學建模的方法分析了非常規(guī)突發(fā)事件網絡輿情中主客體之間的相互影響關系[5];莊亞明、余海林(2013)結合復雜網絡理論分析信息傳播網絡的要素及網絡結構特性[6]。近年來戴建華,廖瑞丹考慮個體意見演變的時間記憶問題并結合卷積理論提出了新思路,建立基于HK模型的具有時間累積效應的意見交互規(guī)則模型,并給出算法實現(xiàn)[7]。游丹丹,陳福集采用粒子群算法和BP神經網絡算法構建了基于改進粒子群算法和BP神經網絡的網絡輿情預測模型[8]。林芹、郭東強(2017)基于傳播主體的特性,利用系統(tǒng)動力學原理,通過建模和仿真對情感距離、信息風險感知、企業(yè)形象和企業(yè)輿情事件處理效果這4個因素進行敏感性分析和對比分析[9]。
而目前國外關于輿情演變的研究主要以物理學視角的粒子交互作用為思路,運用數(shù)學和物理學的建模方式,對輿情形成機制建立動力學模型。比較經典的有Sznajd-Weron和Sznajd(2000)提出的一種輿情交互模型Sznajd模型[10]。近年來,Crokidakis等(2010,2013)在Sznajd模型中引入說服力機制來限制Agent的勸說能力,還運用二維Sznajd模型來考察大眾媒體對于意見傳播的影響[11-12]。Chen等(2014)研究了基于有向網絡結構的網絡輿情演化的模糊元胞自動機模型[13];Yao等(2012)使用元胞自動機模型仿真了互聯(lián)網絡輿情的進化[14]。
國內外學者從多角度對網絡信息的傳播進行了深入研究,但隨著社交網絡媒體的縱深發(fā)展,隨著社交網絡信息傳播所涉及主體的日趨多元化,網絡信息傳播的演變過程不再是單一或某兩個行為主體單獨影響控制的結果,而是多方行為主體在多維利益沖突時的最優(yōu)決策結果。為了更準確地描述網絡推手、普通網民、社交網絡媒體等行為主體對網絡信息傳播的共同推動作用,本文針對社交網絡正面信息的傳播,運用三方演化博弈理論構建三階段的博弈模型并進行仿真分析。endprint
1 社交網絡正面信息及其各階段參與主體的分類與定位1.1 社交網絡信息傳播中的正面信息
在本文中, 社交網絡傳播中的正面信息,是指積極向上的、能體現(xiàn)社會正能量、可以促進事件解決的、能緩和社會矛盾的、并能平復人民心情的、好的、積極的社交網絡信息[15],包括弘揚美德類信息,如“最美鄉(xiāng)村教師”“長征精神”等;促進信任類信息,如2017年南京南站列車事故中的網絡辟謠信息;維護國家主權利益類信息,如“南海仲裁案”等以及其他飽含正能量、能緩和社會矛盾類信息[2],如吏治反腐相關信息、勵志信息等[15]。通常與負面信息相比區(qū)別最明顯的是其產生的正面影響遠大于其產生負面影響,并且該信息本身更具有真實性以及正面感染力。
1.2 社交網絡中正面信息傳播的參與主體
社交網絡正面信息傳播的參與主體可以分為以下4類:網絡推手、意見領袖、普通網民、官方網絡媒體。
1)網絡推手:主要是指接受某方委托后,利用網絡作為媒介對網絡熱點輿論進行策劃推廣,使之產生影響力并提高事件熱度的網絡推廣者。網絡推手通常是以團隊的形式出現(xiàn)于社交網絡中,并以其對網絡信息傳播規(guī)則、網民心理的專業(yè)性以及網絡社會資源豐富性對社交網絡輿論信息傳播進行操控。
2)意見領袖:意見領袖主要指在社交網絡中具有較大影響力、公信力、感染力的活躍網民,對于網絡輿情信息熱點等通常具有獨特的見解以及深刻的邏輯分析能力,同時可能對社交網絡信息能起到過濾作用并因此在日常社交網絡信息交流傳播中凝聚有大量信息受眾的輿論領袖[16]。
3)普通網民:普通網民主要指的是常使用社交網絡的用戶,其個體數(shù)量特征在社交網絡信息傳播中起到基礎性作用,是較為普遍的信息傳播者,同時也是信息的接受者。普通網民主要是以個體的形式存在于社交網絡中,不存在面向其個人的大量信息受眾,也不具備突出的獨特見解及深刻分析能力,活躍程度不及意見領袖。
4)網絡媒體:網絡媒體主要指代表主流媒體如新華社、中國新聞社、CCTV、人民日報、中國日報等在社交網絡中的信息傳播媒體體現(xiàn)形式,以及社交網絡平臺本身的媒體如新浪網、搜狐網等,對正面信息網絡輿論具有很強的解釋權、定義權,其公信力極高、權威性極強。
2 社交網絡正面信息傳播的三方博弈模型研究
根據(jù)社交網絡信息傳播的階段性變化,本文按照初始傳播、迅速擴散以及消退這3個階段分別進行博弈建模。
2.1 正面信息初始傳播階段的三方博弈模型
2.1.1 博弈模型假設
在初始傳播階段,由于信息剛開始傳播,網絡媒體對于該正面信息的關注度不高,因此參與到本階段的主體主要有網絡推手、意見領袖、普通網民。
在初始傳播階段,網絡推手有接受委托推廣和拒絕委托不推廣兩種策略選擇。意見領袖有不轉發(fā)擴散和轉發(fā)擴散這兩種策略選擇。而普通網民有參與傳播和不參與傳播兩種策略選擇。3個參與主體具體涉及的各參數(shù)(成本、收益、損失)的假設總結如表1所示。
假設p為網絡推手本階段選擇接受委托推廣策略的概率,q為意見領袖本階段選擇轉發(fā)擴散策略的概率,r 為普通網民本階段選擇參與傳播策略的概率。其中, p、q、r均大于 0 且小于 1。
2.1.2 博弈模型建立
根據(jù)上節(jié)的博弈模型假設,可以建立社交網絡正面信息初始傳播階段中,“網絡推手-意見領袖-普通網民”這三者的三方博弈模型,其博弈過程及模型具體如圖1所示。
網絡推手、意見領袖、普通網民三者收益結果的收益矩陣如表2所示。
2.1.3 博弈模型求解
1)網絡推手選擇接受委托策略的復制動態(tài)方程式建立與求解
假設網絡推手選擇接受委托策略的期望收益為E11;選擇不接受委托策略的期望收益為E12;平均期望收益為E13,則具體計算如下:
仿真的情況下,隨著時間t的變化,數(shù)值迭代后最終均趨向于1的結果。這個仿真結果主要說明實際情況中,網絡推手、意見領袖以及普通網民在社交網絡正面信息初始傳播階段,在其利益及成本的大小關系符合本文博弈假設的情況下,通常會選擇積極的措施來推動正面信息的傳播,這種仿真結果趨向也是對于正面信息初始傳播階段的一個期望趨向,即參與主體對于正面信息的傳播都有出力并有所得,并且其傳播所得收益比不傳播所得收益要多,這樣情況下的趨向會使正面信息在初始傳播階段被較快較積極地推廣于社交網絡中,有利于其傳播正能量以及發(fā)揮正面作用。
2.2 正面信息迅速擴散階段的三方博弈模型
2.2.1 博弈模型假設
正面信息進入迅速擴散階段后,由于經過第一階段的關注度累積,網絡媒體在這一階段會提高對該信息傳播的關注,并介入進來。因此,參與到本階段的主體主要有網絡媒體、意見領袖、普通網民。3個參與主體具體涉及的各參數(shù)(成本、收益、損失)的假設總結如表5所示。
假設p1為網絡媒體本階段選擇積極傳播策略的概率,q1為意見領袖本階段選擇轉發(fā)擴散策略的概率,r1 為普通網民本階段選擇參與傳播策略的概率。其中, p1、q1、r1均大于 0 且小于 1。
2.2.2 博弈模型建立
根據(jù)上節(jié)的博弈模型假設,可以建立社交網絡正面信息迅速擴散階段中,“官方網絡媒體-意見領袖-普通網民”這三者的三方博弈模型,其博弈過程及模型具體如圖3所示。
網絡媒體、意見領袖、普通網民三者收益結果的收益矩陣,具體如表6所示。
2.2.3 博弈模型求解與仿真
類似2.1.3,可得網絡媒體選擇接受委托策略的復制動態(tài)方程式為:
從仿真結果圖4可以看出,p1、q1、r1 3個分別代表網絡媒體選擇積極傳播策略、意見領袖選擇轉發(fā)擴散策略以及普通網民選擇參與傳播策略的概率,在根據(jù)式子endprint
所設置的參數(shù)以及概率初值進行仿真的情況下,隨著時間t的變化,p1、q1、r1數(shù)值迭代的結果均趨向于1。這個仿真結果主要說明實際情況中,當意見領袖以及普通網民對于正面信息傳播十分積極時,由于該正面信息在迅速擴散階段的影響擴大,網絡媒體出于利益或其他原因考慮,會選擇積極傳播策略。而意見領袖以及普通網民在社交網絡正面信息迅速擴散階段,在其利益及成本的大小關系符合博弈假設的情況下,通常都會選擇積極的措施來繼續(xù)推動正面信息的傳播。同時,這種仿真結果趨向也是對于正面信息迅速擴散階段的一個期望趨向,會使正面信息在迅速擴散階段較真正達到迅速擴散狀態(tài)傳播于社交網絡中,有利于形成社會正面風氣及和諧生活,同時能夠傳遞正能量并緩解社會矛盾。
從仿真結果圖5可以看出,p1在根據(jù)式子
所設置的參數(shù)以及概率初值進行仿真的情況下,是趨向于0的,此時q1、r1的初值設置為滿足上述式子的情況,其數(shù)值要低于本階段上一種仿真情況。換言之,這種情況下,意見領袖以及普通網民對于正面信息的傳播參與積極度不高,意見領袖選擇轉發(fā)擴散策略以及普通網民選擇參與傳播策略的概率不高。此時,受意見領袖選擇轉發(fā)擴散策略以及普通網民選擇參與傳播策略的概率的影響,網絡媒體將考慮不積極傳播,反映于仿真結果圖上就是p1的值隨著時間t的變化,自身迭代后的數(shù)值變化會趨向于0,即網絡媒體的策略傾向于消極應對。而對于意見領袖和普通網民而言,在滿足其傳播正面信息所得比不傳播所得要多的情況下,兩者對于正面信息迅速擴散階段的傳播所持態(tài)度都是積極的。
由于在圖5所反映的社交網絡正面信息迅速擴散階段的第二種博弈仿真中,由于參數(shù)設置以及根據(jù)概率關系式子判斷設置的初值兩者聯(lián)合得到的概率最終值趨向,即其仿真結果,雖然符合該仿真類型,反映了網絡媒體對于正面信息傳播的策略會受另兩個參與主體的影響而變消極;但其仿真類型以及仿真結果并不是我們所期望的社交網絡正面信息在迅速擴散階段被迅速擴散的理想情況。根據(jù)正面信息本身的特點,我們對于正面信息實際所期望的結果應該是在這一階段該信息能得到迅速擴散,形成正面效應。此時,在不改變概率初值的情況下,考慮改變某些參數(shù)值,即如同上一節(jié)的模型分析中提到的,當利用各種手段提高網絡媒體對于正面信息傳播采取消極態(tài)度時的各種損失eL1、L1、L2,使其意識到積極傳播正面信息對其帶來的正面效應,同時給予網絡平臺傳播正面信息的便利減小傳播成本C4以促進正面信息的迅速擴散時,再次進行博弈仿真,其參數(shù)設置如表9所示:
仿真類型變?yōu)槿绫?0所示:
從圖6仿真結果可以看出,p1、q1、r1均趨向于1。這說明在不改變概率初值的情況下,當利用各種手段提高網絡媒體對于正面信息傳播采取消極態(tài)度時的各種損失eL1、L1、L2,使其意識到積極傳播正面信息對其帶來的正面效應,同時給予網絡平臺傳播正面信息的便利減小傳播成本C4以促進正面信息的迅速擴散時,可以驅使網絡媒體傾向于選擇積極傳播正面信息,從而使正面信息在社交網絡上迅速擴散,進而達到我們所期望的形成積極的正面社會效益的目標。
2.3 正面信息消退階段的兩方博弈模型
2.3.1 博弈模型假設
在消退階段,正面信息的網絡傳播主要取決于是否有網民繼續(xù)對其關注,以及是否有網絡推手對其繼續(xù)推廣。因此本階段的參與主體主要有網絡推手和普通網民。兩個參與主體具體涉及的各參數(shù)(成本、收益)的假設總結如表11所示。
假設p2為網絡推手本階段選擇繼續(xù)推廣策略的概率,q2為普通網民本階段選擇繼續(xù)關注策略的概率。其中, p2、q2均大于 0 且小于 1。
2.3.2 博弈模型建立
根據(jù)上節(jié)的博弈模型假設,可以建立社交網絡正面信息消退階段中,“網絡推手-普通網民”這兩者的博弈模型,其博弈過程及模型具體如圖7所示。
根據(jù)2.3.1的模型假設以及圖7所示的“網絡推手-普通網民”博弈模型,可得出如表12、圖8的收益矩陣。
2.3.3 博弈模型求解與仿真
類似,可得網絡推手選擇繼續(xù)推廣策略的復制動態(tài)方程式為:
圖8 消退階段網絡推手和普通網民得益矩陣
普通網民選擇繼續(xù)關注策略的復制動態(tài)方程式為:
假設本階段中,網絡推手在t時刻選擇積極傳播策略的概率為pt=f(t),普通網民在t時刻選擇轉發(fā)擴散策略的概率為qt=g(t);在下一個時間段t+1時刻,網絡推手選擇接受委托策略的概率為pt+1=f(t+1),普通網民選擇轉發(fā)擴散策略的概率為qt+1=g(t+1)[17]。根據(jù)拉格朗日中值定理可以得到公式如下:
下面設置模型中各個參數(shù)的值以及p2、q2的初值,并利用利用Matlab(R2010b)進行仿真,分析在給定時間內p2、q2的變化。具體參數(shù)設置如表13所示:
仿真類型如表14所示。
根據(jù)表14的情況類型得到的仿真結果如圖8所示。(概率初始值:p2=0.6,q 2=0.3)
根據(jù)圖9的仿真結果可以看出,p2、q2這兩個分別代表網絡推手繼續(xù)推廣、普通網民繼續(xù)關注的概率值隨著時間的變化迭代后分別趨向于1和0。也就是說,從結果圖看,網絡推手在消退階段會趨向于選擇繼續(xù)推廣,而普通網民在消退階段由于被其他熱點信息吸引了注意力后會更傾向于選擇不再關注。由于普通網民的基礎性作用,即從其作為信息接收方來看,這種選擇傾向反映了正面信息的傳播在該階段會慢慢失去熱度,呈現(xiàn)消退的形勢。
3 結 論
社交網絡中的正面信息傳播,可以促進社會事件的解決,同時可以緩和社會矛盾并平復人民心情,如果能通過在正面信息傳播的各個階段采取促進性的手段來積極傳播正面信息,將更容易達到人們所期望的形成積極的正面社會效應的目標。本文通過運用演化博弈理論,對社交網絡正面信息進行分階段的三方博弈研究,并通過MATLAB工具對結果進行仿真分析,最后給出針對正面信息傳播各個階段各個參與主體的有積極推廣傳播正面信息作用的建議。但是由于社交網絡信息傳播的復雜性,模型建立的情況假設還有待進一步的改進研究。因此在之后的研究中,將著重完善這一方面,使模型更加貼近現(xiàn)實,符合社交網絡傳播的復雜性,進而得出更科學的建議。endprint
參考文獻
[1]顧明毅,周忍偉.網絡輿情及社會性網絡信息傳播模式[J].新聞與傳播研究,2009,(5):67-73,109.
[2]史波.公共危機事件網絡輿情內在演變機理研究[J].情報雜志,2010,(4):41-45.
[3]方付建.突發(fā)事件網絡輿情演變研究[D].武漢:華中科技大學,2011.
[4]李綱,陳璟浩.突發(fā)公共事件網絡輿情研究綜述[J].圖書情報知識,2014,(2):111-119.
[5]張一文,齊佳音,馬君,等.網絡輿情與非常規(guī)突發(fā)事件作用機制——基于系統(tǒng)動力學建模分析[J].情報雜志,2010,29(9):1-6.
[6]莊亞明,余海林.群體性突發(fā)事件信息傳播網絡特性研究——以搶蠟燭事件為例[J].情報雜志,2013,(7):37-42.
[7]戴建華,廖瑞丹.基于時間記憶的網絡輿情意見交互模型研究[J].現(xiàn)代情報,2016,(2):8-11,42.
[8]游丹丹,陳福集.基于改進粒子群和BP神經網絡的網絡輿情預測研究[J].情報雜志,2016,(8):156-161.
[9]林芹,郭東強.企業(yè)網絡輿情傳播的系統(tǒng)動力學仿真研究——基于傳播主體特性[J].情報科學,2017,(4):54-60,67.
[10]Sznajd-Weron K.,Sznajd J..Opinion Evolution in Closed Community[J].International Journal of Modern Physics C,2000,11(6):1157-1165.
[11]Crokidakis N.The influence of local majority opinions on the dynamics of the Sznajd model[C]// arXiv,2013:392-392.
[12]Crokidakis N,F(xiàn)orgerini F L.Consequence of reputation in the Sznajd consensus model[J].Physics Letters A,2010,374(34):3380-3383.
[13]Chen T,Lin J.A Novel Model for the Evolution of Online Public Opinion Based on Fuzzy Cellular Automata Rules in Directed World Networks[J].Applied Mathematics & Information Sciences,2014,7(7):2335-2343.
[14]Yao C Y.The Application Study of Simulation Model Based on Cellular Automata in the Evolution of Internet Public Opinion[J].Applied Mechanics & Materials,2012,198-199:828-832.
[15]李書甜.論對突發(fā)事件負面輿論的正面引導[J].今傳媒, 2016,(8):48-50.
[16]王澍賢,陳福集.意見領袖參與下微博輿情演化的三方博弈分析[J].圖書館學研究,2016,(1):19-25.
[17]魏德志,陳福集,鄭小雪.基于博弈論的微信虛假信息傳播的仿真研究[J].情報科學,2016,34(11):146-149.endprint