基于傳播模型的輿情演化研究

曹寧+吳菊華+陳曉璇

摘 要 在信息快速發(fā)展的時(shí)代，輿情反轉(zhuǎn)事件頻頻出現(xiàn)，對(duì)輿情演化過(guò)程的研究是當(dāng)前的研究熱點(diǎn)。文章對(duì)國(guó)內(nèi)外關(guān)于輿情傳播模型的相關(guān)文獻(xiàn)進(jìn)行梳理，從整體網(wǎng)絡(luò)和用戶兩個(gè)角度對(duì)現(xiàn)有文獻(xiàn)進(jìn)行了綜述，一方面探討了網(wǎng)絡(luò)結(jié)構(gòu)對(duì)輿情傳播范圍和周期的影響，一方面分析了影響用戶傳播的影響因素，供輿情研究和信息傳播領(lǐng)域的學(xué)者進(jìn)一步研究和探討。

關(guān)鍵詞 網(wǎng)絡(luò)輿情；信息傳播；輿情演化；傳播模型

中圖分類號(hào) G2 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1674-6708（2018）205-0052-02

2016年以來(lái)，網(wǎng)絡(luò)上出現(xiàn)了“上海女逃離江西農(nóng)村”，接著是“哈爾濱天價(jià)魚(yú)事件”，然后是“右腎丟失”等熱門(mén)話題。輿情反轉(zhuǎn)現(xiàn)象接連上演，已成為網(wǎng)民普遍關(guān)注和討論的熱點(diǎn)話題。輿情反轉(zhuǎn)事件受到學(xué)術(shù)界越來(lái)越大的關(guān)注，研究輿情演反轉(zhuǎn)事件傳播過(guò)程的關(guān)鍵在于找到相關(guān)的“反轉(zhuǎn)點(diǎn)”，更進(jìn)一步研究輿情演化過(guò)程。在宏觀方面，立足于從整體網(wǎng)絡(luò)分析，輿情發(fā)展過(guò)程中網(wǎng)絡(luò)大環(huán)境的變化，研究的重點(diǎn)在于預(yù)測(cè)輿情的傳播范圍和傳播周期，在微觀方面，從用戶的角度出發(fā)，分析影響用戶傳播的因素，關(guān)注個(gè)體傳播行為。

1 輿情傳播模型研究現(xiàn)狀

我們從整體網(wǎng)絡(luò)和用戶兩個(gè)角度整理信息傳播模型的研究進(jìn)展，分析輿情傳播模型的研究現(xiàn)狀。從整體網(wǎng)絡(luò)的角度，關(guān)于信息傳播的網(wǎng)絡(luò)結(jié)構(gòu)的分析，輿情傳播模型分為社會(huì)影響力模型和傳染病模型。從用戶角度，基于用戶過(guò)往行為、用戶文本興趣、所受群體影響的因素，輿情傳播模型分為有限信任模型、主題模型等。

1.1 基于整體網(wǎng)絡(luò)的信息傳播模型

關(guān)于社會(huì)影響力模型的相關(guān)研究。Galuba et al在線性閾值模型的基礎(chǔ)上提出At-LeastOne（ALO）模型， 可以用于個(gè)性化URL推薦[ 1 ]。Tripathy et al提出了多嘗試獨(dú)立級(jí)模型（MutiTry Independent Cascade，MTIC）對(duì)抗社交網(wǎng)絡(luò)的謠言[2]。

基于傳染病模型的相關(guān)研究。林芹，郭東強(qiáng)基于個(gè)體的心理特征對(duì)模型中的傳播個(gè)體進(jìn)行分類，考慮個(gè)體的沉浸體驗(yàn)，情感距離和對(duì)信息風(fēng)險(xiǎn)的感知程度[3]。黃遠(yuǎn)等提出集社交、信息、心理、觀點(diǎn)四層子場(chǎng)為一體的微博輿論場(chǎng)超網(wǎng)絡(luò)模型，對(duì)加入輿論場(chǎng)的新個(gè)體態(tài)度進(jìn)行預(yù)測(cè)[4]。吳尤可以SI模型為基礎(chǔ)提出微信輿情控制模型，一定數(shù)量的免疫節(jié)點(diǎn)（智者）來(lái)抑制、減緩輿論傳播的擴(kuò)散速度及范圍[5]。

基于整體網(wǎng)絡(luò)的信息傳播模型，強(qiáng)調(diào)了網(wǎng)絡(luò)結(jié)構(gòu)以及網(wǎng)絡(luò)節(jié)點(diǎn)之間的互相影響。以獨(dú)立級(jí)聯(lián)模型和線性閾值模型為代表的信息級(jí)聯(lián)模型，用戶的傳播行為取決于所有相鄰節(jié)點(diǎn)對(duì)它的影響是否超過(guò)激活閾值，強(qiáng)調(diào)影響傳播的積累性，傳統(tǒng)的級(jí)聯(lián)模型通常將激活概率和激活閾值設(shè)置為固定值或固定分布，在后續(xù)的研究中，將激活概率和激活閾值設(shè)置為關(guān)于用戶之間影響、時(shí)間、信息文本等多種因素的函數(shù)，強(qiáng)調(diào)在網(wǎng)絡(luò)傳播過(guò)程中，識(shí)別節(jié)點(diǎn)的影響力，以及如何將其的影響力最大化。在對(duì)傳染病模型的研究方面，借助SI模型，SIS模型，SIR模型，SIRS模型以及其優(yōu)化模型，對(duì)社會(huì)網(wǎng)絡(luò)中存在的謠言信息。輿情信息及廣告信息的傳播機(jī)制提供了一個(gè)有效的分析方法。因?yàn)樾畔⒈旧泶嬖诘奶厥庑砸约叭巳簝?nèi)部存在的“從眾效應(yīng)”，使得社區(qū)網(wǎng)絡(luò)的信息傳播機(jī)制與模式在傳染病的基礎(chǔ)上還存在一些新的特點(diǎn)，值得我們對(duì)網(wǎng)絡(luò)中的信息、輿情以及知識(shí)傳播的動(dòng)力學(xué)機(jī)制進(jìn)一步研究。

1.2 基于用戶角度的信息傳播模型

有限信任模型的相關(guān)研究。陳桂茸等提出基于影響力和信任閾值、含有雙重選擇機(jī)制的網(wǎng)絡(luò)輿論演化模型[6]。姜磊等借鑒石油開(kāi)發(fā)中油藏?cái)?shù)值模擬技術(shù)，通過(guò)對(duì)所監(jiān)控社區(qū)的歷史事件進(jìn)行擬合，來(lái)確定所使用的網(wǎng)絡(luò)輿情演化模型的有效性，并獲取符合真實(shí)情況的模型參數(shù)[7]。

主題模型的相關(guān)研究。曹麗娜&唐錫晉建立動(dòng)態(tài)主題模型（DTM）挖掘隨時(shí)間變化的動(dòng)態(tài)話題鏈，從詞語(yǔ)變化的微觀角度分析熱門(mén)事件下公眾意見(jiàn)的變遷[8]。陳曉美等利用LDA模型的文本摘要和內(nèi)容深度識(shí)別的方法，構(gòu)建主要觀點(diǎn)提取與深度評(píng)論判定的方法框架[9]。

基于用戶角度的信息傳播模型，注重的是個(gè)體觀點(diǎn)的交互過(guò)程以及個(gè)體的差異性。在有限信任模型的研究方面，存在兩個(gè)問(wèn)題：一是個(gè)體在進(jìn)行觀點(diǎn)更新時(shí)需計(jì)算并比較其他全部個(gè)體與自己觀點(diǎn)的距離，計(jì)算量過(guò)大；二是在網(wǎng)絡(luò)環(huán)境下，用戶數(shù)量巨大不可能去參考其他全部個(gè)體的觀點(diǎn)。主題模型一般用于對(duì)社交網(wǎng)絡(luò)用戶文本興趣建模對(duì)于文本內(nèi)容較少的用戶一般很難挖掘到其真正感興趣的內(nèi)容，時(shí)間因素是其傳播過(guò)程中重點(diǎn)考慮的，即實(shí)時(shí)熱點(diǎn)和用戶興趣的變化。

2 結(jié)論

隨著技術(shù)的不斷突破與革新，可能會(huì)出現(xiàn)更為復(fù)雜難控的突發(fā)事件網(wǎng)絡(luò)輿情。因此，輿情演化規(guī)律的分析，是一個(gè)長(zhǎng)期性課題，與時(shí)俱進(jìn)的包容性視野以及多維研究視角的綜合運(yùn)用，將成為未來(lái)研究的必然方向，輿情反轉(zhuǎn)事件頻發(fā)，結(jié)合整體網(wǎng)絡(luò)和用戶角度的輿情傳播模型才能更好地運(yùn)用到現(xiàn)實(shí)的反轉(zhuǎn)事件演化研究中。

參考文獻(xiàn)

[1]Galuba W， Aberer K， Chakraborty D， et al. Outtweeting the twitterers-predicting information cascades in microblogs[J]. WOSN， 2010， 10： 3-11.

[2]Tripathy R M， Bagchi A， Mehta S. Towards combating rumors in social networks： Models and metrics[J]. Intelligent Data Analysis， 2013， 17（1）： 149-175.

[3]林芹，郭東強(qiáng).優(yōu)化SIS模型的社交網(wǎng)絡(luò)輿情傳播研究——基于用戶心理特征[J].情報(bào)科學(xué)，2017（3）：53-56，75.

[4]黃遠(yuǎn)，沈乾，劉怡君.微博輿論場(chǎng)：突發(fā)事件輿情演化分析的新視角[J].系統(tǒng)工程理論與實(shí)踐，2015，35（10）：2564-2572.

[5]吳尤可.微信輿情“涌現(xiàn)”機(jī)制及控制方法研究[J].情報(bào)理論與實(shí)踐，2017（3）：24-29.

[6]陳桂茸，蔡皖東，徐會(huì)杰，等.網(wǎng)絡(luò)輿論演化的高影響力優(yōu)先有限信任模型[J].上海交通大學(xué)學(xué)報(bào)，2013，47（1）：155-160.

[7]姜磊，楊濟(jì)運(yùn)，陳芳，等.網(wǎng)絡(luò)輿情歷史擬合研究與實(shí)現(xiàn)[J].情報(bào)雜志，2014（7）：141-145.

[8]曹麗娜，唐錫晉.基于主題模型的BBS話題演化趨勢(shì)分析[J].管理科學(xué)學(xué)報(bào)，2014，17（11）：109-121.

[9]陳曉美，高鋮，關(guān)心惠.網(wǎng)絡(luò)輿情觀點(diǎn)提取的LDA主題模型方法[J].圖書(shū)情報(bào)工作，2015，59（21）：21-26.endprint