考慮媒體效應(yīng)的微博網(wǎng)絡(luò)熱點(diǎn)事件輿論演化模型

劉 泉榮莉莉顏克勝

(1.大連理工大學(xué)系統(tǒng)工程研究所,遼寧大連116024；2.南陽(yáng)師范學(xué)院計(jì)算機(jī)與信息技術(shù)學(xué)院,河南南陽(yáng)473061)

1 引 言

近年來(lái),Twitter、新浪微博等微博應(yīng)用在人們生活和交流中占據(jù)越來(lái)越重要的地位.以新浪微博為例,2014年12月的月活躍用戶數(shù)為1.757億個(gè),日均活躍用戶數(shù)為8 060萬(wàn)個(gè)[1].微博網(wǎng)絡(luò)中,較低的信息發(fā)布和傳播門檻,多樣的信息內(nèi)容形式(可以包含文字、網(wǎng)頁(yè)和視頻等),以及病毒式的信息傳播機(jī)制,使得某些網(wǎng)絡(luò)事件參與群體急劇增多,被迅速放大為網(wǎng)絡(luò)熱點(diǎn),短時(shí)間內(nèi)演化成廣泛關(guān)注的焦點(diǎn).作為網(wǎng)絡(luò)輿論熱點(diǎn)事件首曝媒介,在2013年微博首曝事件的比例為15%[2],微博網(wǎng)絡(luò)在網(wǎng)絡(luò)輿論演化中的地位越來(lái)越突出.2014年,近四成網(wǎng)絡(luò)輿論熱點(diǎn)事件得到涉事主體回應(yīng),回應(yīng)方式以接受記者采訪最多,通過(guò)官方網(wǎng)站及微博等網(wǎng)絡(luò)形式回應(yīng)的漲幅明顯[3].這說(shuō)明,網(wǎng)絡(luò)熱點(diǎn)事件的輿論受到網(wǎng)民、媒體和涉事主體等多方面的影響.因此,研究媒體在微博網(wǎng)絡(luò)輿論中的影響作用,為了有效應(yīng)對(duì)和引導(dǎo)微博網(wǎng)絡(luò)中的輿論,提高涉事主體的輿情應(yīng)對(duì)能力,具有非常重要的意義.

當(dāng)前,關(guān)于網(wǎng)絡(luò)輿論的定量研究以建立輿論傳播動(dòng)力學(xué)模型為主,通過(guò)仿真研究輿論涌現(xiàn)的規(guī)律.依據(jù)觀點(diǎn)的類型,輿論傳播動(dòng)力學(xué)模型主要分為:離散觀點(diǎn)模型和連續(xù)觀點(diǎn)模型.經(jīng)典的二維離散觀點(diǎn)模型主要是Sznajd模型[4],經(jīng)典的連續(xù)觀點(diǎn)模型主要是Deffuant有界信任模型[5]和H-K有界信任模型[6].有界信任模型的核心思想是個(gè)體同觀點(diǎn)差異在一定閾值(信任水平)內(nèi)的鄰居交流觀點(diǎn).目前,對(duì)連續(xù)觀點(diǎn)模型的擴(kuò)展主要集中在如下方面:1)對(duì)個(gè)體觀點(diǎn)受直接鄰居的影響進(jìn)行擴(kuò)展,有文獻(xiàn)考慮了最近鄰和次近鄰的影響[7]和更深層級(jí)鄰居節(jié)點(diǎn)的影響[8],以及隨機(jī)節(jié)點(diǎn)的影響[9,10]等;2)考慮外部環(huán)境的影響作用,有文獻(xiàn)引入了全局性周期擾動(dòng)[11],考慮排斥交互的影響[12],以及節(jié)點(diǎn)可以隨機(jī)改變自身觀點(diǎn)的影響[13]等;3)關(guān)于網(wǎng)絡(luò)結(jié)構(gòu)上的擴(kuò)展,已有研究研究者分析了分層正式組織[14]、有向小世界[15]、有向自適應(yīng)網(wǎng)絡(luò)[16]、交互網(wǎng)絡(luò)[17]和多層耦合網(wǎng)絡(luò)中的觀點(diǎn)演化[18,19]、考慮社團(tuán)結(jié)構(gòu)的影響[20]等;4)考慮節(jié)點(diǎn)異質(zhì)性的研究[21-23]等.在上述相關(guān)的輿論動(dòng)力學(xué)研究之外,目前運(yùn)用超網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)輿情的研究正在成為新的研究熱點(diǎn),其中以劉怡君等提出的包含社交子網(wǎng)、環(huán)境子網(wǎng)、心理子網(wǎng)和觀點(diǎn)子網(wǎng)的網(wǎng)絡(luò)輿論超網(wǎng)絡(luò)模型為代表[24,25].文獻(xiàn)[26]和文獻(xiàn)[27]對(duì)意見動(dòng)力學(xué)的研究進(jìn)行了詳細(xì)的綜述.劉怡君等[28]分別從數(shù)學(xué)、物理學(xué)、復(fù)雜性科學(xué)和社會(huì)物理學(xué)四個(gè)視角,對(duì)輿論動(dòng)力學(xué)模型進(jìn)行了全面的綜述。

但是,上述輿論演化模型均是隨機(jī)選擇兩個(gè)節(jié)點(diǎn)或多個(gè)鄰居進(jìn)行觀點(diǎn)交互,而微博網(wǎng)絡(luò)中觀點(diǎn)具有轉(zhuǎn)發(fā)傳播的特點(diǎn),故將上述模型直接應(yīng)用到微博網(wǎng)絡(luò)中還有一定的局限性.在微博網(wǎng)絡(luò)中,用戶發(fā)布或轉(zhuǎn)發(fā)的微博將向其粉絲進(jìn)行廣播,粉絲可以獲得所關(guān)注人的評(píng)論;而如果用戶不轉(zhuǎn)發(fā)該條微博,其粉絲將不能得到關(guān)于該信息的評(píng)論.鑒于以上分析,本文針對(duì)目前輿論動(dòng)力學(xué)中較少研究外部媒體影響的問(wèn)題,考慮媒體因素和微博網(wǎng)絡(luò)中轉(zhuǎn)發(fā)用戶才能影響其粉絲觀點(diǎn)的特性,以及節(jié)點(diǎn)信任界限異質(zhì)性對(duì)輿論的影響,構(gòu)建了微博網(wǎng)絡(luò)中考慮媒體效應(yīng)的輿論演化模型,研究影響微博網(wǎng)絡(luò)中輿論演化的主要因素.最后,在一個(gè)真實(shí)的Twitter網(wǎng)絡(luò)上對(duì)模型進(jìn)行了仿真分析,重點(diǎn)考察轉(zhuǎn)發(fā)概率、媒體效應(yīng)和節(jié)點(diǎn)信任界限異質(zhì)性等對(duì)輿論演化的影響.研究結(jié)果表明:存在媒體影響時(shí),個(gè)體對(duì)媒體觀點(diǎn)的采納幅度越大,媒體引導(dǎo)的效果越好;群體觀點(diǎn)易于改變的輿論熱點(diǎn)事件中,媒體首次報(bào)道時(shí)間越晚,媒體的引導(dǎo)效果越好.本文的結(jié)論同文獻(xiàn)[29]中“政府應(yīng)慎重發(fā)表言論”的結(jié)果相吻合.同時(shí),本文的仿真實(shí)驗(yàn)結(jié)果也同實(shí)例相符合,說(shuō)明了本文模型的正確性和適用性.本文在微博網(wǎng)絡(luò)的輿論演化中考慮了外部媒體的影響作用,根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)考慮了節(jié)點(diǎn)信任界限的異質(zhì)性和信息傳播過(guò)程,構(gòu)建了微博網(wǎng)絡(luò)中的輿論演化模型,研究結(jié)果可為微博網(wǎng)絡(luò)中的輿論引導(dǎo)與控制提供理論支持.

2 考慮媒體效應(yīng)的微博網(wǎng)絡(luò)輿論演化模型

借鑒經(jīng)典的傳染病模型—–SIR模型,結(jié)合微博網(wǎng)絡(luò)中信息和觀點(diǎn)傳播的特點(diǎn),本文把網(wǎng)絡(luò)中的節(jié)點(diǎn)狀態(tài)分為三類:未激活態(tài)節(jié)點(diǎn)(S態(tài))、激活態(tài)節(jié)點(diǎn)(I態(tài))、失去興趣節(jié)點(diǎn)(R態(tài)).未激活態(tài)節(jié)點(diǎn)表示尚未接收到消息,但可以接收消息的節(jié)點(diǎn),類似于SIR模型中的S態(tài).激活態(tài)節(jié)點(diǎn)表示該節(jié)點(diǎn)接收到來(lái)自其鄰居節(jié)點(diǎn)的消息,并轉(zhuǎn)發(fā)該消息,類似于SIR模型中的I態(tài).失去興趣節(jié)點(diǎn)表示該節(jié)點(diǎn)失去傳播該消息的興趣或能力,類似SIR模型中的R態(tài)(本文假設(shè),失去興趣節(jié)點(diǎn)雖不再轉(zhuǎn)發(fā)消息,但也可以受媒體影響).

微博平臺(tái)出現(xiàn)后,新媒體正悄然改變著熱點(diǎn)事件的傳播路徑:新媒體引發(fā)熱點(diǎn)事件—傳統(tǒng)媒體落地—網(wǎng)絡(luò)媒體轉(zhuǎn)載[30].微博中信息發(fā)布的零門檻,促使其逐漸成為熱點(diǎn)事件的發(fā)源地.當(dāng)事件在微博中傳播到一定規(guī)模時(shí),迅速得到媒體的關(guān)注,逐漸形成熱點(diǎn).為表述方便,本文把傳統(tǒng)媒體報(bào)道、網(wǎng)絡(luò)媒體報(bào)道、當(dāng)事人回應(yīng)和官方新聞發(fā)布會(huì)等統(tǒng)稱為媒體影響.下文把媒體觀點(diǎn)定義為Op.本文引用文獻(xiàn)[11]的思想,把媒體影響作為對(duì)全局觀點(diǎn)的周期性擾動(dòng),引入到觀點(diǎn)的交互過(guò)程中來(lái),進(jìn)而分析其在微博網(wǎng)絡(luò)中輿論演化的作用.

對(duì)于模型,做如下假設(shè):1)假設(shè)網(wǎng)絡(luò)中有N個(gè)個(gè)體,初始時(shí)刻每個(gè)個(gè)體的觀點(diǎn)值隨機(jī)的分布在觀點(diǎn)空間xi(0)∈[0,1].2)假設(shè)節(jié)點(diǎn)傳播微博信息時(shí)均附上自己的觀點(diǎn),即用戶轉(zhuǎn)發(fā)微博時(shí)附帶上自己的評(píng)論(某些節(jié)點(diǎn)在轉(zhuǎn)發(fā)時(shí)可能沒附上評(píng)論,為計(jì)算簡(jiǎn)單,本模型對(duì)此進(jìn)行了簡(jiǎn)化處理;同時(shí),模型不考慮微博中評(píng)論功能帶來(lái)的觀點(diǎn)傳播).有向邊的起點(diǎn)為源節(jié)點(diǎn),有向邊的終點(diǎn)為目的節(jié)點(diǎn).下文為描述方便,定義源節(jié)點(diǎn)為目的節(jié)點(diǎn)的直接鄰居.

節(jié)點(diǎn)的觀點(diǎn)傾向和狀態(tài)采用異步更新的方式進(jìn)行.在每一個(gè)時(shí)步t,對(duì)所有節(jié)點(diǎn)的狀態(tài)和觀點(diǎn)傾向更新一次.在每一時(shí)刻隨機(jī)抽取一個(gè)節(jié)點(diǎn),根據(jù)其上一時(shí)步的狀態(tài)和觀點(diǎn)傾向、鄰居節(jié)點(diǎn)的狀態(tài)和觀點(diǎn)傾向來(lái)決定該時(shí)步的狀態(tài)和觀點(diǎn)傾向,當(dāng)所有節(jié)點(diǎn)更新一遍時(shí),該時(shí)步結(jié)束.具體地,節(jié)點(diǎn)狀態(tài)和觀點(diǎn)傾向的更新遵循如下規(guī)則:

1)如果在t時(shí)步,節(jié)點(diǎn)i處在未激活態(tài),有β的概率退出演化,在t+1時(shí)刻變?yōu)槊庖邞B(tài),否則判斷其鄰居中激活態(tài)節(jié)點(diǎn)數(shù)量ΔI,如果ΔI≥1,則其在t+1時(shí)刻有λ的概率變?yōu)榧せ顟B(tài);i在t+1時(shí)刻的觀點(diǎn)改變公式為

其中Ni(t)={j|Statej(t)=1且|xj(t)-xi(t)|＜di}是節(jié)點(diǎn)i的信任界限內(nèi)且為激活態(tài)的鄰居集.|Ni(t)|表示集合Ni(t)的基數(shù).Statej(t)=1表示節(jié)點(diǎn)j在t時(shí)刻為激活態(tài).α表示個(gè)體i上一時(shí)步觀點(diǎn)在該時(shí)步觀點(diǎn)中所占權(quán)重,本文中取α=1/(1+|Ni(t)|),即權(quán)重相等.

為節(jié)點(diǎn)i的信任界限,表示對(duì)自己觀點(diǎn)的不確定性或者思想的開放性等,其中ki表示節(jié)點(diǎn)i的出度,kmax表示所有節(jié)點(diǎn)中出度的最大值.

式(2)說(shuō)明出度大的節(jié)點(diǎn)具有較小的信任界限,出度小的節(jié)點(diǎn)具有較大的信任界限.值得注意的是,每個(gè)時(shí)步未激活態(tài)節(jié)點(diǎn)并不是采納信任界限內(nèi)的所有鄰居節(jié)點(diǎn)的觀點(diǎn),而是僅僅采納信任界限內(nèi)的激活態(tài)鄰居的觀點(diǎn).如果取d1=d2=···=dn,并且去掉Statej(t)=1的限制,本文改進(jìn)模型退化為經(jīng)典的H-K模型.

2)如果在t時(shí)步,節(jié)點(diǎn)i處在激活態(tài),則在t+1時(shí)刻,有β的概率失去對(duì)該消息的興趣,退出演化,變?yōu)槊庖邞B(tài),否則變?yōu)槲醇せ顟B(tài);i在t+1時(shí)刻的觀點(diǎn)同t時(shí)刻保持一致.

3)如果在t時(shí)步,節(jié)點(diǎn)i處在免疫態(tài),則節(jié)點(diǎn)i退出t+1及以后時(shí)步的演化,一直保持免疫態(tài),并且觀點(diǎn)跟隨上一時(shí)刻不變.

4)在第T個(gè)時(shí)步,所有個(gè)體有q的概率會(huì)同時(shí)受到媒體的影響,其觀點(diǎn)受媒體影響的改變公式為

其中Opj表示第j個(gè)媒體的觀點(diǎn),Opj∈[0,1];μi為收斂參數(shù),表示個(gè)體i接收媒體觀點(diǎn)的幅度,μi∈[-1,1].這里μi的值取決于媒體觀點(diǎn)的可信性、論據(jù)的詳實(shí)程度等方面.假設(shè)q=0.5,θ(y)函數(shù)表示個(gè)體僅與媒體觀點(diǎn)之差在其信任界限之內(nèi)時(shí)才進(jìn)行觀點(diǎn)交互,即

值得注意的是,由于上述的媒體作用,觀點(diǎn)演化規(guī)則式(3)可能導(dǎo)致個(gè)體的觀點(diǎn)超出區(qū)間[0,1],為了保持xi(t)∈[0,1],附加如下的強(qiáng)制條件

3 仿真分析

為分析微博網(wǎng)絡(luò)中的觀點(diǎn)傳播和輿論演化規(guī)律,本文對(duì)提出的模型在一個(gè)真實(shí)的Twitter網(wǎng)絡(luò)上進(jìn)行了蒙特卡洛仿真.從文獻(xiàn)[31]的Twitter網(wǎng)絡(luò)數(shù)據(jù)集中,采用滾雪球的方法和寬度優(yōu)先的策略抽取了由1 550個(gè)節(jié)點(diǎn),33 732條有向邊所構(gòu)成的子網(wǎng)絡(luò),平均出度為21.76,平均聚類系數(shù)為0.372,平均路徑長(zhǎng)度為3.466,網(wǎng)絡(luò)的出度分布如圖1所示,Twitter網(wǎng)絡(luò)為有向網(wǎng)絡(luò).目前已有的實(shí)測(cè)研究表明,新浪微博和Twitter網(wǎng)絡(luò)具有小世界和無(wú)標(biāo)度特性,出度和入度均服從冪率分布[32-35].這說(shuō)明本文抽取的子網(wǎng)絡(luò)符合微博網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征.本文中,節(jié)點(diǎn)的信任界限根據(jù)式(2)計(jì)算,信任界限的取值分布如圖2所示.從圖2中可以發(fā)現(xiàn),Twitter網(wǎng)絡(luò)中60%的節(jié)點(diǎn)信任界限取值在區(qū)間[0.9,1]之間,這說(shuō)明由于網(wǎng)絡(luò)中節(jié)點(diǎn)的出度呈冪律分布,使大多數(shù)節(jié)點(diǎn)的信任界限取值較大,僅有極少數(shù)節(jié)點(diǎn)的信任界限取值較小.這對(duì)目前的部分網(wǎng)絡(luò)熱點(diǎn)事件來(lái)說(shuō),無(wú)疑是符合現(xiàn)實(shí)情況的.

為討論網(wǎng)絡(luò)結(jié)構(gòu)對(duì)觀點(diǎn)演化的影響,本文又在有向無(wú)標(biāo)度網(wǎng)絡(luò)上進(jìn)行了仿真研究.用Price有向網(wǎng)絡(luò)模型[36]來(lái)構(gòu)建有向無(wú)標(biāo)度網(wǎng)絡(luò).Price有向網(wǎng)絡(luò)模型的構(gòu)造算法為:1)初始網(wǎng)絡(luò)為m0個(gè)相互連接的節(jié)點(diǎn),在每個(gè)時(shí)間步t增加一個(gè)新的節(jié)點(diǎn)i,同時(shí)生成m條由m個(gè)已存節(jié)點(diǎn)指向新節(jié)點(diǎn)i的有向邊.2)已存節(jié)點(diǎn)被選擇的概率依賴于其出度.理論解析表明Price有向網(wǎng)絡(luò)模型的出度服從冪率.這里產(chǎn)生一條已存節(jié)點(diǎn)指向新節(jié)點(diǎn)的有向邊對(duì)應(yīng)于一個(gè)新注冊(cè)用戶會(huì)收聽一些老用戶.仿真中m0=10,m=10,Price網(wǎng)絡(luò)結(jié)點(diǎn)個(gè)數(shù)為1 000,平均出度為9.945,平均聚類系數(shù)為0.032,平均路徑長(zhǎng)度為3.197,從圖1中可以看出網(wǎng)絡(luò)的出度服從冪律分布.Price網(wǎng)絡(luò)和Twitter實(shí)際網(wǎng)絡(luò)不同之處在于,Price網(wǎng)絡(luò)中節(jié)點(diǎn)的入度均為10,Twitter網(wǎng)絡(luò)中節(jié)點(diǎn)出度為冪律分布.

圖1 網(wǎng)絡(luò)節(jié)點(diǎn)出度分布圖Fig.1 Out-degree distribution of network nodes

圖2 節(jié)點(diǎn)信任界限分布圖Fig.2 The distribution of node confidence limit

本文運(yùn)用終態(tài)觀點(diǎn)均值M和觀點(diǎn)標(biāo)準(zhǔn)差σx[19]作為參數(shù)衡量網(wǎng)絡(luò)輿論的總體情況,

其中N表示節(jié)點(diǎn)總數(shù),xi(t)表示節(jié)點(diǎn)i在t時(shí)刻的觀點(diǎn),(t)表示t時(shí)刻觀點(diǎn)平均值.觀點(diǎn)標(biāo)準(zhǔn)差σx值越大,表示觀點(diǎn)越無(wú)序;當(dāng)達(dá)到一致性的公共輿論時(shí),σx的值趨近于零.

仿真流程主要分為如下部分:首先,在沒有媒體作用下,考察觀點(diǎn)傳播過(guò)程的影響作用;其次,重點(diǎn)研究媒體的作用,并結(jié)合觀點(diǎn)傳播過(guò)程進(jìn)行分析.仿真步數(shù)為100個(gè)時(shí)步,每個(gè)參數(shù)上的結(jié)果取100次獨(dú)立實(shí)驗(yàn)的平均值,以減小交互過(guò)程中隨機(jī)性的影響.仿真中隨機(jī)選擇一個(gè)節(jié)點(diǎn)作為初始節(jié)點(diǎn)為I態(tài),其余節(jié)點(diǎn)為S態(tài),初始節(jié)點(diǎn)的觀點(diǎn)值取0.8.

3.1 觀點(diǎn)傳播過(guò)程的影響作用

在t=0時(shí)刻,每個(gè)節(jié)點(diǎn)觀點(diǎn)xi(0)均勻分布在區(qū)間[0,1]之內(nèi).圖3(a)中,當(dāng)轉(zhuǎn)發(fā)概率比較小時(shí),終態(tài)觀點(diǎn)標(biāo)準(zhǔn)差σx較大,此時(shí)網(wǎng)絡(luò)中很難形成一致性的輿論;隨著轉(zhuǎn)發(fā)概率的增大,終態(tài)觀點(diǎn)標(biāo)準(zhǔn)差σx逐漸減小,直至趨于穩(wěn)定值.當(dāng)轉(zhuǎn)發(fā)概率增大到一定程度時(shí),σx值穩(wěn)定在0.15左右(Twitter網(wǎng)絡(luò)),近似達(dá)到一致性輿論,具體的觀點(diǎn)分布見圖4.隨著轉(zhuǎn)發(fā)概率的增大,觀點(diǎn)傳播的范圍逐漸增大,節(jié)點(diǎn)之間的觀點(diǎn)交互次數(shù)也逐漸增多,此時(shí)網(wǎng)絡(luò)中的觀點(diǎn)逐漸趨同.當(dāng)轉(zhuǎn)發(fā)概率λ增大到一定程度時(shí),觀點(diǎn)標(biāo)準(zhǔn)差σx不再變化,這說(shuō)明交互次數(shù)達(dá)到一定程度時(shí),對(duì)觀點(diǎn)演化的影響作用逐漸減小.本文也對(duì)比了初始節(jié)點(diǎn)出度不同的影響,如圖3(a)所示.當(dāng)初始節(jié)點(diǎn)的出度較小時(shí)(k0=8),σx值也隨著轉(zhuǎn)發(fā)概率的增大而減小,但是減小的速度較快,形成穩(wěn)態(tài)時(shí)需要的轉(zhuǎn)發(fā)概率值也較大;當(dāng)k0=49,100時(shí),曲線較為相似,這說(shuō)明當(dāng)初始節(jié)點(diǎn)出度足夠大時(shí),初始節(jié)點(diǎn)的不同造成的影響較為有限.這說(shuō)明對(duì)于有較大吸引力的話題,無(wú)論是誰(shuí)最先發(fā)布的,都能夠引起一致性的輿論,達(dá)成系統(tǒng)共識(shí);對(duì)于吸引力較小的話題,發(fā)布者的影響力就較為關(guān)鍵,僅僅影響力較大的發(fā)布者才可能形成較為一直性的輿論.

圖3 轉(zhuǎn)發(fā)概率λ與終態(tài)觀點(diǎn)標(biāo)準(zhǔn)差σx之間的關(guān)系Fig.3 The relationship between the forwarding probability λ and the standard deviation of the final view σx

本文也對(duì)比了不同網(wǎng)絡(luò)結(jié)構(gòu)的影響,在Twitter網(wǎng)絡(luò)和Price有向網(wǎng)絡(luò)中,兩者總體的曲線趨勢(shì)相同,僅在初始節(jié)點(diǎn)出度較小時(shí),曲線有差別,這是由兩個(gè)網(wǎng)絡(luò)的連通性不同造成的.在Twitter網(wǎng)絡(luò)上,不同的初始節(jié)點(diǎn)所造成的終態(tài)觀點(diǎn)標(biāo)準(zhǔn)差σx的差異較小,這說(shuō)明由于網(wǎng)絡(luò)的連通性較好,網(wǎng)絡(luò)輿論逐漸呈現(xiàn)去中心化的趨勢(shì),這符合實(shí)際微博網(wǎng)絡(luò)中輿論的特點(diǎn).在兩個(gè)網(wǎng)絡(luò)中,當(dāng)k0=49,100時(shí),隨著λ增至0.4,觀點(diǎn)標(biāo)準(zhǔn)差σx的穩(wěn)定值在Price有向網(wǎng)絡(luò)中反而大于Twitter網(wǎng)絡(luò),是由于Price有向網(wǎng)絡(luò)中有更多的大信任界限節(jié)點(diǎn)(見圖2),并且Twitter網(wǎng)絡(luò)中有部分節(jié)點(diǎn)入度為零,其觀點(diǎn)始終未發(fā)生變化,而根據(jù)網(wǎng)絡(luò)構(gòu)建規(guī)則,Price有向網(wǎng)絡(luò)中無(wú)入度為零的節(jié)點(diǎn).

圖3(b)中,比較了節(jié)點(diǎn)信任界限同質(zhì)性和異質(zhì)性之間的差異.取同質(zhì)性時(shí),隨著信任界限取值的增大,終態(tài)時(shí)觀點(diǎn)逐漸趨同,觀點(diǎn)標(biāo)準(zhǔn)差σx逐漸減小,這同經(jīng)典H-K模型相吻合.但值得注意的是,即使所有節(jié)點(diǎn)信任界限取值較大時(shí)(例如di=0.8時(shí)),本文模型也不能形成完全一致性輿論(σx=0),這與經(jīng)典H-K模型不同.在無(wú)媒體影響時(shí),本文模型不能形成完全一致性輿論,這可能是三方面因素造成的,一是由于模型中節(jié)點(diǎn)存在有界信任的特點(diǎn),有些信任界限較小的節(jié)點(diǎn)改變自己觀點(diǎn)的機(jī)會(huì)較小,甚至不改變觀點(diǎn)(例如di=0時(shí));二是在信息傳播過(guò)程中,并不是所有的節(jié)點(diǎn)都能進(jìn)行觀點(diǎn)交互,即某些節(jié)點(diǎn)從始至終未參與到輿論討論中來(lái);三是由于免疫概率β的存在,某些節(jié)點(diǎn)在討論的途中失去興趣,觀點(diǎn)不再改變.本文的異質(zhì)性信任界限取值方法與同質(zhì)性信任界限di=0.5所得到的結(jié)果相似,但是本文的異質(zhì)性信任界限值在區(qū)間[0,0.5]之內(nèi)的比例為2.4%.這說(shuō)明對(duì)出度較大的節(jié)點(diǎn)賦予較小的信任界限,對(duì)輿論演化結(jié)果產(chǎn)生了顯著的影響.

針對(duì)Twitter網(wǎng)絡(luò)中,個(gè)體觀點(diǎn)隨時(shí)間的演化做了具體分析,如圖4所示.由于節(jié)點(diǎn)個(gè)數(shù)較多,為了圖示清楚直觀,本文把節(jié)點(diǎn)觀點(diǎn)分為5個(gè)區(qū)間[0,0.2),[0.2,0.4),[0.4,0.6),[0.6,0.8),[0.8,1],分別在轉(zhuǎn)發(fā)概率λ=0.05,0.1,0.3,0.6四種情形下分析了隨時(shí)步落在各個(gè)區(qū)間的節(jié)點(diǎn)數(shù)量變化情況.

圖4 隨時(shí)間變化的各區(qū)間觀點(diǎn)數(shù)量,Twitter網(wǎng)絡(luò),初始節(jié)點(diǎn)為k0=49Fig.4 Time evolution of opinion number with different spreading rate,Twitter network,the initial node k0=49

從圖4(a)中可以看出,當(dāng)轉(zhuǎn)發(fā)概率λ=0.05時(shí),五個(gè)區(qū)間上的觀點(diǎn)比例差別不大,均集中在0.2左右;圖4(b)中,隨著轉(zhuǎn)發(fā)概率λ的增加(λ=0.1時(shí)),區(qū)間[0.4,0.6)內(nèi)的觀點(diǎn)數(shù)量急劇增加,區(qū)間[0,0.2)和[0.8,1]內(nèi)的觀點(diǎn)數(shù)量逐漸減少;當(dāng)轉(zhuǎn)發(fā)概率λ=0.3,0.6時(shí),兩者保持了相同的曲線趨勢(shì),同λ=0.1相比,區(qū)間[0,0.2)和[0.8,1]內(nèi)的觀點(diǎn)比例更少,均在5%左右.這說(shuō)明隨著轉(zhuǎn)發(fā)概率的增大,觀點(diǎn)交互次數(shù)的增多,系統(tǒng)中的極端觀點(diǎn)越來(lái)越少,大部分節(jié)點(diǎn)的觀點(diǎn)集中在中間部分,這種觀點(diǎn)的演化趨勢(shì)同經(jīng)典H-K模型相吻合.

3.2 媒體的影響作用

在本節(jié)的仿真中,主要考察媒體因素的影響,僅在Twitter網(wǎng)絡(luò)中進(jìn)行了仿真,設(shè)定參數(shù)λ=0.3,k0=49,β=0.05.假設(shè)T=T0+5h,h=0,1,2,...,9時(shí)步,節(jié)點(diǎn)同時(shí)與媒體信息進(jìn)行觀點(diǎn)交互,T0為媒體首次報(bào)道時(shí)間,媒體觀點(diǎn)為OP=0.8.為簡(jiǎn)單起見,本文仿真中將所有媒體的觀點(diǎn)統(tǒng)一設(shè)置為OP,但是也可以將本文模型推廣到媒體觀點(diǎn)不同的情況.

圖5為不同的媒體影響次數(shù)m下,終態(tài)觀點(diǎn)均值M與μ的關(guān)系圖.本文中μ為收斂參數(shù),表示個(gè)體對(duì)媒體觀點(diǎn)的采納程度,同媒體觀點(diǎn)的說(shuō)服力有關(guān).在圖5(a)中,t=0時(shí)刻,90%的節(jié)點(diǎn)觀點(diǎn)均勻分布在[0,0.2]內(nèi),剩余10%節(jié)點(diǎn)的觀點(diǎn)均勻分布在[0.2,1]內(nèi),可得系統(tǒng)初始觀點(diǎn)平均值M0=0.15;在圖5(b)中,t=0時(shí)刻,每個(gè)節(jié)點(diǎn)觀點(diǎn)在[0,1]之間服從均勻分布,系統(tǒng)初始觀點(diǎn)平均值M0=0.5.從圖5能夠看出,對(duì)于固定的媒體影響次數(shù)m,隨著μ值的增加,終態(tài)觀點(diǎn)均值M增大.對(duì)于固定的μ值,當(dāng)μ＞0時(shí),隨著媒體影響次數(shù)m的增加,終態(tài)觀點(diǎn)均值M增大;μ＜0時(shí),隨著媒體影響次數(shù)m的增加,終態(tài)觀點(diǎn)均值M減小.對(duì)比圖5(a)和圖5(b)時(shí)可以發(fā)現(xiàn),兩者在總體上有著相同的變化趨勢(shì),在細(xì)節(jié)上可以發(fā)現(xiàn),相同的m和μ值下,初始時(shí)觀點(diǎn)均值大時(shí),終態(tài)M值也較大.圖5表明,在相同的影響次數(shù)下,媒體的論據(jù)越詳實(shí),觀點(diǎn)說(shuō)服力越強(qiáng),才越能有力的引導(dǎo)輿論;當(dāng)不知道事情真相,論據(jù)含糊時(shí),不要過(guò)多的得出結(jié)論,謹(jǐn)防說(shuō)的越多,錯(cuò)的越多的情況發(fā)生,沒有起到正面的效果,反而引起公眾的質(zhì)疑.上述結(jié)論同文獻(xiàn)[29]的結(jié)果吻合,其認(rèn)為“當(dāng)非常規(guī)突發(fā)事件引發(fā)公共恐慌時(shí),政府應(yīng)該慎重發(fā)表言論,注重自身的公眾形象,并在應(yīng)急政策準(zhǔn)備充分情況下,盡快公布事件真相”.值得注意的是,圖5中還可以發(fā)現(xiàn),即使提供了有力的論據(jù),也需要經(jīng)過(guò)多次影響,才能達(dá)到預(yù)設(shè)的引導(dǎo)目標(biāo).

圖5 有媒體時(shí),終態(tài)觀點(diǎn)均值M與μ的函數(shù)關(guān)系,OP=0.8Fig.5 The final magnetization M as the function ofμ,when there is an influence of media,OP=0.8

由于觀點(diǎn)平均值并不能完全反映觀點(diǎn)的有序性,本文又使用觀點(diǎn)標(biāo)準(zhǔn)差σx來(lái)輔助觀測(cè)終態(tài)時(shí)的觀點(diǎn)一致性,如圖6所示.從圖6(a)可以看出,對(duì)于固定的μ值,當(dāng)μ＞0時(shí),σx值隨著m值的增大,先增大后減小;σx的最大值出現(xiàn)在m=3,μ=1時(shí).這說(shuō)明媒體觀點(diǎn)同公眾初始觀點(diǎn)相左時(shí),經(jīng)過(guò)三次左右的宣傳,輿論達(dá)到最混亂,隨著影響次數(shù)的增多輿論逐漸趨于一致,這同現(xiàn)實(shí)生活中公眾對(duì)新事物的認(rèn)知過(guò)程相一致.對(duì)于一個(gè)新生事物、新產(chǎn)品或新技術(shù),公眾的認(rèn)知同樣是從未知、恐懼到混亂,再到一致和接受的過(guò)程.對(duì)比圖3(a)與圖6(b)可以發(fā)現(xiàn),媒體的影響作用是十分顯著的,當(dāng)媒體宣傳起正向作用時(shí),媒體可以促使系統(tǒng)的觀點(diǎn)更為一致.

圖6 有媒體影響時(shí),終態(tài)觀點(diǎn)標(biāo)準(zhǔn)差σx與μ的關(guān)系,OP=0.8Fig.6 The standard deviation of final opinion σxas the function ofμ,when there is an influence of media,OP=0.8

通過(guò)調(diào)節(jié)系統(tǒng)初始觀點(diǎn)平均值,進(jìn)一步觀測(cè)初始觀點(diǎn)分布對(duì)系統(tǒng)觀點(diǎn)演化的影響.從圖7中可以發(fā)現(xiàn),在初始觀點(diǎn)分布不同時(shí),達(dá)到相同的M值,M0=0.15時(shí)比M0=0.5均需要多花費(fèi)4次左右的宣傳;對(duì)于固定的m值,M值隨著M0的增大而增大,當(dāng)m=10時(shí),M值趨同.橫向比較可以看出,初始觀點(diǎn)分布的不同,使媒體需要提供不同的影響次數(shù)才能達(dá)到相同的宣傳效果.值得注意的是,即使初始時(shí)社會(huì)輿論同媒體觀點(diǎn)相差較大,經(jīng)過(guò)多次的引導(dǎo)(m≥10),同樣可以達(dá)到預(yù)設(shè)的效果.

圖7 終態(tài)觀點(diǎn)均值M和媒體影響次數(shù)m之間的關(guān)系Fig.7 The relationship between the mean of the final state view point M and the number of media influence m

圖8 不同的媒體首次報(bào)道時(shí)間下,媒體影響次數(shù)m與終態(tài)觀點(diǎn)均值M和觀點(diǎn)標(biāo)準(zhǔn)差σx的關(guān)系Fig.8 The relationship between the number of media influence m and the mean of the final state view point M and the standard deviation of final opinion σxunder different media first reported time

本文也分析了媒體首次報(bào)道時(shí)間對(duì)終態(tài)觀點(diǎn)均值M和觀點(diǎn)標(biāo)準(zhǔn)差σx的影響.圖8(a)中,在初始平均觀點(diǎn)同媒體觀點(diǎn)差異較大時(shí)(M0=0.15,OP=0.8),固定m值時(shí),終態(tài)觀點(diǎn)均值M隨著T0增加而增加,當(dāng)T0達(dá)到一定程度時(shí),其影響作用變得不再明顯.圖8(b)中,固定m值時(shí),觀點(diǎn)標(biāo)準(zhǔn)差σx隨著T0增大而增大,當(dāng)T0增大一定程度時(shí),觀點(diǎn)標(biāo)準(zhǔn)差σx保持不變;T0＞25時(shí),觀點(diǎn)標(biāo)準(zhǔn)差σx的峰值提前至m=3處,說(shuō)明媒體首次報(bào)道時(shí)間越晚,將導(dǎo)致觀點(diǎn)混亂的時(shí)間提前.從圖8可以發(fā)現(xiàn)一個(gè)有趣的現(xiàn)象,隨著T0增大,終態(tài)觀點(diǎn)均值M和觀點(diǎn)標(biāo)準(zhǔn)差σx同時(shí)增大,這說(shuō)明系統(tǒng)觀點(diǎn)平均值增大的同時(shí),系統(tǒng)中觀點(diǎn)卻更加混亂.

本文對(duì)比了終態(tài)時(shí)節(jié)點(diǎn)的觀點(diǎn)分布,如圖9所示.

圖9 終態(tài)節(jié)點(diǎn)觀點(diǎn)分布比例圖Fig.9 Distribution proportion diagram of final state node point of view

圖9表明,造成上述狀況的原因是,T0=25,50時(shí),70%以上的節(jié)點(diǎn)觀點(diǎn)集中在[0.6,0.8]區(qū)間內(nèi),而在[0,0.2]區(qū)間的數(shù)量多于T0=5時(shí),這造成了觀點(diǎn)標(biāo)準(zhǔn)差較大.當(dāng)T0較大時(shí),系統(tǒng)中已經(jīng)初步形成較為統(tǒng)一的觀點(diǎn),此時(shí)同媒體觀點(diǎn)交互,由于信任界限的存在,少部分極端節(jié)點(diǎn)不再采納媒體觀點(diǎn),但絕大部分節(jié)點(diǎn)觀點(diǎn)向媒體觀點(diǎn)靠近,這說(shuō)明隨著初次介入時(shí)間推遲,反而取得了更好的宣傳效果,這一結(jié)論與人們的常識(shí)相反.由于本文對(duì)于信任界限的設(shè)置方式,絕大部分節(jié)點(diǎn)具有較大的信任界限,故對(duì)媒體觀點(diǎn)的采納影響較小,這說(shuō)明本文的結(jié)論較適用于部分群體觀點(diǎn)易于改變的輿論熱點(diǎn)事件中.對(duì)于群體觀點(diǎn)難以改變的網(wǎng)絡(luò)群體性事件,媒體介入的越晚,其起到的作用則將可能有所不同.

4 實(shí)例驗(yàn)證

為研究真實(shí)熱點(diǎn)事件中網(wǎng)絡(luò)輿論的演化過(guò)程和演變規(guī)律,針對(duì)“成都女司機(jī)變道被暴打事件”隨機(jī)從新浪微博中分兩個(gè)時(shí)間點(diǎn)(第一個(gè)時(shí)間點(diǎn)為5月3日,第二個(gè)時(shí)間點(diǎn)為5月5日)分別抓取了300條消息,然后對(duì)這些數(shù)據(jù)進(jìn)行了觀點(diǎn)分析.為保證準(zhǔn)確率,對(duì)微博消息的觀點(diǎn)分類采取了人工判別方法[37],三人交叉標(biāo)注消息觀點(diǎn),至少兩人標(biāo)注結(jié)果一致或相近時(shí),認(rèn)為該結(jié)果正確.

實(shí)例簡(jiǎn)介:2015–05–03,成都商報(bào)官方微博發(fā)布消息“嬌子立交發(fā)生暴力打人事件”,稱成都市一名男性司機(jī)逼停一名女性司機(jī)后,將其拉下車痛毆.該報(bào)道迅速引起眾多網(wǎng)絡(luò)媒體和傳統(tǒng)媒體報(bào)道和轉(zhuǎn)發(fā),一時(shí)引起網(wǎng)絡(luò)熱議.05–04晚,該男司機(jī)行車記錄儀拍下的視頻被多個(gè)媒體曝光,顯示女司機(jī)多次變道在先,別車險(xiǎn)造成事故.

根據(jù)從新浪微博平臺(tái)中抽取的5月3日的300條評(píng)論作為樣本,得到了該事件的初始網(wǎng)絡(luò)輿情分布,如 圖10(a)所示.從圖10(a)中可以看出,主要的網(wǎng)絡(luò)觀點(diǎn)為“反對(duì)暴力,無(wú)論誰(shuí)有過(guò)錯(cuò),男司機(jī)都不應(yīng)該打人”.如果假設(shè)最極端觀點(diǎn)“完全是女司機(jī)過(guò)錯(cuò)”的觀點(diǎn)值為1,“完全是男司機(jī)過(guò)錯(cuò)”的觀點(diǎn)值為0.為圖形表示方便,將實(shí)際存在觀點(diǎn)歸結(jié)為四類:“男司機(jī)過(guò)錯(cuò)”、“女司機(jī)過(guò)錯(cuò)”、“雙方均有過(guò)錯(cuò)”、“無(wú)論雙方誰(shuí)有過(guò)錯(cuò),不該打女人”.采用人工標(biāo)注的觀點(diǎn)值,根據(jù)式(6),可計(jì)算得此時(shí)該事件的初始平均觀點(diǎn)為0.369.

圖10 “成都女司機(jī)被打事件”觀點(diǎn)分布圖Fig.10 The viewpoint distribution diagram of“Chengdu women driver beaten event”

根據(jù)5月5日的300條評(píng)論作為樣本,得到了該事件的終態(tài)網(wǎng)絡(luò)輿情分布,如圖10(b)所示.由于媒體公布的視頻可信程度較高,造成了網(wǎng)民觀點(diǎn)的急劇轉(zhuǎn)變,網(wǎng)絡(luò)中主流觀點(diǎn)變?yōu)椤芭緳C(jī)該打”.此時(shí),存在的觀點(diǎn)可以歸納為三類:“女司機(jī)該打”、“男司機(jī)該罰”、“雙方均有過(guò)錯(cuò)”.根據(jù)式(6),可計(jì)算得終態(tài)觀點(diǎn)均值為0.809.從該實(shí)例可以看出,在媒體的不斷報(bào)道之下,網(wǎng)絡(luò)輿論呈現(xiàn)極大多數(shù)支持男司機(jī)的局面,形成了網(wǎng)絡(luò)意見的近似一致狀態(tài).此時(shí)網(wǎng)絡(luò)中的觀點(diǎn)分布情形對(duì)應(yīng)于本文仿真實(shí)驗(yàn)圖5和圖6中μ=1,m＞5時(shí)的結(jié)果,仿真實(shí)驗(yàn)表明,在論據(jù)充分時(shí),經(jīng)過(guò)多次報(bào)道可以形成群體意見的基本趨于一致.從以上的對(duì)比可以看出,本文的仿真實(shí)驗(yàn)結(jié)果與實(shí)際統(tǒng)計(jì)數(shù)據(jù)基本吻合,說(shuō)明了本文模型的正確性.

5 結(jié)束語(yǔ)

本文針對(duì)微博網(wǎng)絡(luò)中只有轉(zhuǎn)發(fā)節(jié)點(diǎn)才能影響其鄰居節(jié)點(diǎn)觀點(diǎn)的特性,并著重考慮媒體影響以及節(jié)點(diǎn)信任界限異質(zhì)性對(duì)輿論的影響,提出了一種微博網(wǎng)絡(luò)中考慮媒體效應(yīng)的輿論演化模型,研究了影響微博網(wǎng)絡(luò)中輿論演化的一些主要因素.研究結(jié)果表明:無(wú)外部影響時(shí),對(duì)于極具吸引力的話題,微博網(wǎng)絡(luò)中有較大概率形成近似一致性輿論;有媒體影響時(shí),媒體論據(jù)的說(shuō)服力決定著媒體宣傳的效果;初始觀點(diǎn)分布影響著媒體需要宣傳的次數(shù),同時(shí)媒體首次報(bào)道時(shí)間也影響著宣傳的效果.

本文提出的模型能夠較好的反映微博網(wǎng)絡(luò)中輿論演化的真實(shí)情況,可以還原諸多的輿論現(xiàn)象,如在媒體影響下的輿論反轉(zhuǎn)等.知名博主在微博網(wǎng)絡(luò)中具有較強(qiáng)的影響力和話語(yǔ)權(quán),能夠較大的影響網(wǎng)絡(luò)中輿論的發(fā)展.普通微博用戶只有在發(fā)布一些具有吸引力的話題時(shí),才可能在網(wǎng)絡(luò)中形成較一致性的輿論.當(dāng)社會(huì)中的個(gè)體普遍具有較高的信任界限時(shí),媒體介入時(shí)間越早并非總能取得較好的引導(dǎo)效果.媒體觀點(diǎn)需要有力的論據(jù)作為支撐,否則只能適得其反,同時(shí),即使提供了有力的證據(jù),也需要多次宣傳,才能達(dá)到預(yù)設(shè)的引導(dǎo)目標(biāo).本文的工作有助于深入剖析微博網(wǎng)絡(luò)中的輿論演化規(guī)律,為進(jìn)一步研究網(wǎng)絡(luò)群體性事件在微博網(wǎng)絡(luò)中的輿情演化和預(yù)警提供理論基礎(chǔ).本文研究的考慮媒體效應(yīng)的微博網(wǎng)絡(luò)觀點(diǎn)演化機(jī)制,具有一般性,可以推廣應(yīng)用到其他研究領(lǐng)域,例如,能夠?qū)ρ芯啃录夹g(shù)的傳播過(guò)程,新產(chǎn)品的廣告投放策略等提供有益的補(bǔ)充.本文模型主要適用于個(gè)體觀點(diǎn)易于改變的網(wǎng)絡(luò)熱點(diǎn)事件,未來(lái)的工作是研究更多類型事件中輿論的特點(diǎn),同時(shí)研究媒體觀點(diǎn)變化時(shí)輿論的演化規(guī)律,為微博網(wǎng)絡(luò)中的輿論控制提供具體的建議.