農(nóng)產(chǎn)品安全網(wǎng)絡(luò)輿情演化分析與導(dǎo)控策略

傅麗芳, 裴城妍, 郭永瑞, 趙菲菲

(1.東北農(nóng)業(yè)大學(xué)理學(xué)院，哈爾濱 150030；2.東北農(nóng)業(yè)大學(xué)工程學(xué)院，哈爾濱 150030)

互聯(lián)網(wǎng)的高速發(fā)展使信息的傳輸和交換發(fā)生了巨大的變化，人們可以通過網(wǎng)絡(luò)參與討論并表達(dá)自己的觀點，但是一旦相關(guān)輿情的傳播超出可控范圍，將會對社會產(chǎn)生不良的影響。農(nóng)產(chǎn)品是民眾日常生活中不可缺少的一部分，關(guān)系著人們的健康，一旦發(fā)生質(zhì)量問題，更容易引起網(wǎng)民的關(guān)注甚至?xí)a(chǎn)生恐慌，傳播的速度和范圍更快更廣，甚至?xí)绊懴嚓P(guān)產(chǎn)業(yè)的發(fā)展[1]。所以農(nóng)產(chǎn)品安全網(wǎng)絡(luò)輿情的預(yù)防和導(dǎo)控有著很大的研究意義，有關(guān)農(nóng)產(chǎn)品安全的輿情研究引起了國內(nèi)外學(xué)者的廣泛關(guān)注。

目前，在研究農(nóng)產(chǎn)品安全網(wǎng)絡(luò)輿情傳播時，學(xué)者們主要通過利用結(jié)構(gòu)方程模型、Logistic模型、傳染病模型、BP(back propagation)神經(jīng)網(wǎng)絡(luò)模型、隱含狄利克雷分布(latent dirichlet allocation，LDA)模型來模擬真實的輿情傳播[2]。潘守慧等對Single-Pass算法進(jìn)行改進(jìn)，提出了可以有效檢測農(nóng)產(chǎn)品安全事件的方法[3]。劉楊等對中國食品安全問題中人為故意行為的作用機(jī)理路徑進(jìn)行了研究，并給出了相應(yīng)的風(fēng)險防控政策[4]。

元胞自動機(jī)模型用于研究輿情的演化主要有以下3個方面：一是在經(jīng)典模型的基礎(chǔ)上改進(jìn)演化規(guī)則。胡祖平等通過在元胞的演化規(guī)則中加入觀點堅守力和影響系數(shù)，探究觀點影響系數(shù)以及初始比例對于輿情演化的影響[5]；二是將元胞主體屬性的數(shù)值化分布和定界模糊化；毛乾任等將個體屬性模糊化并分析了元胞屬性和周圍鄰居對網(wǎng)絡(luò)輿情演化的影響[6]；Chen等將元胞情感傾向度、自信度、鄰域的影響度和情感傾向與模糊論相結(jié)合，構(gòu)造了模糊CA規(guī)則網(wǎng)絡(luò)輿情演化模型[7]；三是考慮元胞個體的異質(zhì)屬性；毛乾任等將元胞分為4類并定義了各自的轉(zhuǎn)換規(guī)則，通過仿真實驗分析異質(zhì)屬性和導(dǎo)控策略對輿情傳播的作用效果[8]。

元胞自動機(jī)作為研究輿情傳播的模型很少有學(xué)者將其應(yīng)用于農(nóng)產(chǎn)品安全事件網(wǎng)絡(luò)輿情的分析中，因此本文引入元胞自動機(jī)方法，根據(jù)農(nóng)產(chǎn)品輿情的特點，對元胞自動機(jī)模型中鄰域結(jié)構(gòu)、狀態(tài)轉(zhuǎn)移函數(shù)及演化規(guī)則進(jìn)行了改進(jìn)，并在狀態(tài)轉(zhuǎn)移函數(shù)中嵌入輿情導(dǎo)控因子，分析導(dǎo)控系數(shù)及信息干預(yù)時機(jī)對輿情發(fā)展態(tài)勢和演化規(guī)律的影響作用。最后以中國近期發(fā)生的“非洲豬瘟”事件進(jìn)行實證分析，驗證構(gòu)建模型的有效性。以期揭示農(nóng)產(chǎn)品安全事件網(wǎng)絡(luò)輿情演化的規(guī)律，并為相關(guān)職能部門進(jìn)行合理的輿情導(dǎo)控提供參考。

1 農(nóng)產(chǎn)品網(wǎng)絡(luò)輿情

1.1 農(nóng)產(chǎn)品網(wǎng)絡(luò)輿情相關(guān)概念

農(nóng)產(chǎn)品網(wǎng)絡(luò)輿情是指民眾對發(fā)生的農(nóng)產(chǎn)品安全事件通過網(wǎng)絡(luò)傳播和表達(dá)的各種觀點，情感態(tài)度以及意見的總和。公眾的高敏感度和關(guān)注度使得農(nóng)產(chǎn)品安全事件容易產(chǎn)生情緒化的報道以及炒作，干擾公眾對農(nóng)產(chǎn)品安全事件的理性認(rèn)識，引發(fā)農(nóng)產(chǎn)品安全恐慌。因此以農(nóng)產(chǎn)品網(wǎng)絡(luò)輿情為研究對象，構(gòu)建輿情傳播與導(dǎo)控模型，通過仿真模擬農(nóng)產(chǎn)品輿情傳播的本質(zhì)和機(jī)理，為有效應(yīng)對農(nóng)產(chǎn)品安全網(wǎng)絡(luò)輿情提供一定的理論依據(jù)。

1.2 農(nóng)產(chǎn)品網(wǎng)絡(luò)輿情的特點

(1)農(nóng)產(chǎn)品的質(zhì)量安全關(guān)系著人們的身體健康，關(guān)注度更高，一旦發(fā)生，傳播速度和范圍更快更廣，容易引發(fā)農(nóng)產(chǎn)品安全恐慌。

(2)出于對健康風(fēng)險的防范意識，網(wǎng)民在農(nóng)產(chǎn)品安全事件中更容易傾向于負(fù)面情緒，在信息傳播過程中負(fù)面態(tài)度的影響更大，出現(xiàn)明顯的羊群效應(yīng)。

(3)相關(guān)職能部門適時的信息披露是減少農(nóng)產(chǎn)品安全事件信息的不對稱性和不完整性的有效手段，有助于引導(dǎo)網(wǎng)民態(tài)度向客觀、公正的方向轉(zhuǎn)變，有效導(dǎo)控輿情發(fā)展，避免網(wǎng)絡(luò)輿情的爆發(fā)。

2 基于元胞自動機(jī)的輿情演化模型

2.1 元胞自動機(jī)理論

元胞自動機(jī)(cellular automata, CA)是定義在一個具有離散、有限狀態(tài)的元胞組成的元胞空間上,并按照一定局部規(guī)則,在離散的時間維上演化的動力學(xué)系統(tǒng)[9]。其基本的組成部分包括元胞、元胞空間、鄰居、元胞狀態(tài)和元胞演化規(guī)則，組成結(jié)構(gòu)如圖1所示。二維CA模型的鄰域主要有馮·諾依曼(Von Neumann) 型、摩爾(Moore)型和擴(kuò)展的Moore型，如圖2所示[10]。

圖1 元胞自動機(jī)的構(gòu)成Fig.1 Composition of cellular automata

圖2 二維元胞自動機(jī)鄰域模型Fig.2 Neighborhood model of cellular automata

2.2 改進(jìn)的CA模型

根據(jù)以上農(nóng)產(chǎn)品網(wǎng)絡(luò)輿情傳播的特點，在CA理論模型的基礎(chǔ)上，做了以下幾個方面的改進(jìn)，使得模型中各元胞的交互與影響更符合此類輿情中網(wǎng)民之間的相互關(guān)系，從而更準(zhǔn)確地模擬輿情的演化過程。

2.2.1 鄰域模型的選擇

以往的CA模型研究中以4鄰域結(jié)構(gòu)為主，但農(nóng)產(chǎn)品安全事件的輿情傳播和影響范圍更大，網(wǎng)民之間的交互更頻繁，因此選取Moore型8鄰域結(jié)構(gòu)構(gòu)建元胞模型。每個處于中心的元胞將與周圍8個相鄰的元胞進(jìn)行信息交互，以此模仿現(xiàn)實中網(wǎng)民之間的相互作用過程。

2.2.2 元胞情感態(tài)度傾向性

在農(nóng)產(chǎn)品輿情的傳播過程中，可將網(wǎng)民對于輿情的態(tài)度劃分為正面、中立、負(fù)面三類，并設(shè)置對應(yīng)元胞的情感傾向度函數(shù)St(i,j)，表示元胞(i,j)在t時刻的態(tài)度傾向。令St(i,j)∈[-1,1]，并對其取值區(qū)間和情感傾向做出以下的劃分[12]：

(1)

函數(shù)St(i,j)越大，表示態(tài)度越傾向于正面，越小越傾向于負(fù)面的態(tài)度。

2.2.3 元胞狀態(tài)轉(zhuǎn)換函數(shù)

在農(nóng)產(chǎn)品網(wǎng)絡(luò)輿情演化時，元胞的狀態(tài)即為對輿情事件的態(tài)度。每個元胞下一時刻的狀態(tài)受到自身當(dāng)前狀態(tài)、自身免疫力、周圍元胞狀態(tài)以及外部干預(yù)的影響，結(jié)合上述幾個方面的影響作用，定義t+1時刻元胞狀態(tài)的轉(zhuǎn)換規(guī)則為

St+1(i,j)=αi,jSt(i,j)+βi,j(w正∑S正+w中∑S中+w負(fù)∑S負(fù))+γS導(dǎo)控

(2)

式(2)中：α為元胞自身免疫力系數(shù)，表示其受鄰域元胞影響時對自我觀點的堅持力。α屬于[0,1]，免疫系數(shù)越大，越不容易受鄰域元胞的影響。t時刻元胞(i,j)觀點的免疫值為αi,jSt(i,j)。

特別地，當(dāng)α=0時，元胞態(tài)度轉(zhuǎn)變完全取決于鄰域元胞的影響，此類元胞用來模擬現(xiàn)實中自我立場不堅定的網(wǎng)民。當(dāng)α=1時，該元胞有著很強(qiáng)的免疫力，堅守當(dāng)前元胞自身態(tài)度而完全不受鄰域元胞的影響，此類元胞用來模擬現(xiàn)實中始終堅持自我意識的網(wǎng)民。

β表示受鄰域元胞影響的系數(shù)，值越小越不容易受鄰域的影響。系數(shù)w表示不同情感態(tài)度鄰域的元胞對其周圍元胞的影響力。

對于狀態(tài)轉(zhuǎn)移函數(shù)最主要的改進(jìn)體現(xiàn)在嵌入了政府干預(yù)的影響作用γS導(dǎo)控。參數(shù)γ表示職能部門的導(dǎo)控系數(shù)，令γ∈[0,1]，導(dǎo)控系數(shù)越接近1，表示輿情導(dǎo)控強(qiáng)度越大，γ越接近0，政府干預(yù)的力度越小。職能部門尚未采取輿情干預(yù)與導(dǎo)控措施時，系數(shù)γ設(shè)置為0；當(dāng)管理部門采取輿情干預(yù)措施時系數(shù)γ大于零。上述三個系數(shù)一般情況下滿足α+β+γ=1。

由于政府職能部門的信息披露和輿情干預(yù)目的是引導(dǎo)網(wǎng)民客觀、正確認(rèn)識農(nóng)產(chǎn)品安全事件事實，在輿情事件中采取積極正確的態(tài)度，因此職能部門態(tài)度傾向是正面的或者中立客觀的，參數(shù)S導(dǎo)控在取值區(qū)間為[0,1]。

通過在狀態(tài)轉(zhuǎn)移函數(shù)中嵌入導(dǎo)控因子，能夠直觀地體現(xiàn)職能部門的信息披露和輿情干預(yù)對于網(wǎng)民情感變化的影響，并通過模擬實驗針對不同的輿情發(fā)展態(tài)勢，探究合理的導(dǎo)控系數(shù)設(shè)置和信息披露時機(jī)，制定科學(xué)的輿情導(dǎo)控策略。

2.2.4 各類情感影響權(quán)值的設(shè)定

據(jù)狀態(tài)轉(zhuǎn)移函數(shù)式(2)，t時刻不同傾向度的鄰域元胞的觀點影響值為β(w正∑S正+w中∑S中+w負(fù)∑S負(fù))。

根據(jù)農(nóng)產(chǎn)品安全事件網(wǎng)絡(luò)輿情中民眾的一般心理和相互影響作用，合理設(shè)置各類情感傾向的影響權(quán)值。由于農(nóng)產(chǎn)品安全問題關(guān)乎民眾自身健康，網(wǎng)民更容易被此類輿情信息吸引并出現(xiàn)盲目跟風(fēng)現(xiàn)象，而且出于風(fēng)險規(guī)避的心理，網(wǎng)民更容易受負(fù)面情緒的影響改變自身態(tài)度。因此，在探討元胞間影響作用時，將對正面、負(fù)面、中立元胞分別賦予不同的影響權(quán)值，通過模擬實驗研究不同權(quán)重對于輿情演化趨勢的影響作用，并著重討論負(fù)面情緒影響權(quán)重偏大時網(wǎng)民觀點的聚集效應(yīng)。

3 輿情仿真實驗與結(jié)果分析

通過仿真實驗來模擬輿情發(fā)展過程網(wǎng)民情感傾向的變化以及輿情演化趨勢，并根據(jù)輿情發(fā)展態(tài)勢進(jìn)一步探討合理有效的輿情導(dǎo)控策略。

仿真實驗通過MATLAB R2018a編程來實現(xiàn)，共分為兩大類3組對比實驗。第一類是在輿情發(fā)展前期暫時沒有相關(guān)職能部門信息披露和輿情干預(yù)情況下，數(shù)值模擬輿情演化和發(fā)展過程的網(wǎng)絡(luò)自發(fā)輿情傳播模擬實驗，在這一類實驗中設(shè)計了2組實驗分別討論元胞初始情感比例以及不同傾向度的影響權(quán)重對輿情發(fā)展的影響；第二類模擬實驗主要討論不同信息披露時機(jī)和導(dǎo)控系數(shù)對輿情演化態(tài)勢的影響。三組實驗中元胞的空間大小為100×100。

3.1 實驗1 情感初始分布對輿情演化的影響

3.1.1 實驗參數(shù)設(shè)置

為探究不同的初始情感分布對輿情演化的影響，設(shè)置不同的初始情感分布進(jìn)行模擬仿真，元胞的初始情感傾向值為[-1,1]之間的隨機(jī)分布，本組實驗設(shè)置元胞的初始情感分布中負(fù)面、中立、正面的比例分別為2∶1∶1、1∶2∶1、1∶1∶2，具體的參數(shù)設(shè)置見表1。

3.1.2 實驗1輿情演化示意圖

選取元胞空間的初始狀態(tài)、迭代20次以及50次時的情感傾向演化圖為代表進(jìn)行對照，元胞正面、中立和負(fù)面的情感傾向分別用黑色、灰色和白色點來表示，各類情感傾向的分布與演化如圖3所示。

表1 實驗1參數(shù)設(shè)置

仿真實驗1-1、1-2、1-3迭代50次后，3類情感傾向的元胞在遍歷過程中產(chǎn)生的變化曲線如圖4中所示。

圖3 實驗1仿真實驗的傾向度轉(zhuǎn)換圖Fig.3 Trend conversion graph of simulation of experiment 1

圖4 實驗1仿真實驗的傾向度曲線Fig.4 Trend curve of simulation experiment of experiment 1

3.1.3 實驗1仿真結(jié)果分析

(1)輿情中觀點聚集效應(yīng)分析

首先從圖4中可以看出，情感傾向相同的元胞逐漸聚集，即在交流過程中，情感傾向相同或者相似的人逐漸集中，迭代到50次時，形成了不一樣的觀點群，這與現(xiàn)實社會中的“人以類聚，物以群分”高度相似。類比到網(wǎng)絡(luò)群體中，網(wǎng)民將在網(wǎng)上獲取的信息與周圍網(wǎng)民進(jìn)行交流，網(wǎng)民的信息不斷交互，最終觀點相同的個體逐漸集中，形成了輿情中聚集效應(yīng)。

實驗顯示，無論初始情感分布如何變化，中立態(tài)度的比例在初期小幅的增長后就迅速下降，在輿情發(fā)展前期就基本消失。這說明在農(nóng)產(chǎn)品安全事件的輿情傳播過程中，會形成明顯的觀點兩極分化情況，由于信息缺失和認(rèn)知水平等原因，能夠始終保持客觀公正態(tài)度的民眾數(shù)量極少。

(2)情感傾向分布對輿情演化的影響

對比實驗中，當(dāng)初始元胞負(fù)面、中立、正面的比例為2∶1∶1時，中立和正面元胞的數(shù)量在迭代到15次時將近消失，迭代到最后負(fù)面元胞占滿整個空間。實驗1-3的演化趨勢圖呈現(xiàn)出與實驗1-1相同的規(guī)律，不同的是迭代到最后為正面元胞占滿整個空間。當(dāng)初始元胞的中立情感傾向居多時，迭代結(jié)束后，并沒有出現(xiàn)初始時占比大的觀點在迭代最后也占比高的現(xiàn)象，而是負(fù)面和正面的數(shù)量各占50%。這也符合實際輿情的傳播，在傳播初期雖然大多數(shù)網(wǎng)民呈中立態(tài)度，但是在群體的討論后逐漸形成了意見傾向，從而出現(xiàn)情感傾向向兩端極化這樣的趨勢。

上述實驗說明，元胞的初始情感比例影響著迭代到最后空間中不同觀點的數(shù)量以及輿情整體的發(fā)展。因此控制輿情傳播時的網(wǎng)民初始觀點是抑制不良負(fù)面情緒持續(xù)蔓延和過快增長的有效途徑。在輿情的傳播過程中，事件在社會中帶來的影響決定著網(wǎng)民對于事件的初始態(tài)度傾向。因此，相關(guān)職能部門應(yīng)該在農(nóng)產(chǎn)品輿情發(fā)生的初期對該事件進(jìn)行適時的信息披露和情況說明，減少信息的不對稱性和不完整性，提高網(wǎng)民對農(nóng)產(chǎn)品安全問題的正確認(rèn)知，避免出現(xiàn)以訛傳訛，負(fù)面情緒迅速蔓延的不良輿情爆發(fā)。

3.2 實驗2 影響力權(quán)重對輿情演化的影響

3.2.1 實驗參數(shù)設(shè)置

為討論各類情感態(tài)度的相互影響力輿情對輿情演化的影響，設(shè)計不同的影響力權(quán)值進(jìn)行模擬仿真。對比實驗中分別取3種態(tài)度權(quán)重相同和負(fù)面態(tài)度的權(quán)重稍大兩種設(shè)置。因此，在等權(quán)的基礎(chǔ)上加入隨機(jī)的微小擾動，分別取權(quán)值w正、w負(fù)分別為區(qū)間(0.330,0.335)和(0.345,0.350)上的隨機(jī)數(shù)，w中=1-w負(fù)-w正，具體的實驗參數(shù)見表2。

表2 實驗2參數(shù)設(shè)置

3.2.2 實驗2輿情演化示意圖

元胞空間中各元胞初始傾向度狀態(tài)如圖5(a)所示，其中將元胞的情感傾向分為正面、中立和負(fù)面，圖5中分別用黑色、灰色和白色的點表示。選取遍歷20次以及趨于穩(wěn)定時的元胞傾向度轉(zhuǎn)化圖為代表，其元胞情感傾向度的轉(zhuǎn)換和輿情演化如圖5所示。

仿真實驗2-1、2-2迭代50次后，3種傾向的元胞的在遍歷過程中產(chǎn)生的傾向度曲線如圖6所示。

圖5 實驗2仿真實驗的傾向度轉(zhuǎn)換圖Fig.5 Trend conversion graph of simulation experiment of experiment 2

圖6 實驗2仿真實驗的傾向度曲線Fig.6 Trend curve of simulation experiment of experiment 2

3.2.3 實驗2仿真結(jié)果分析

首先，在無監(jiān)督網(wǎng)絡(luò)自發(fā)輿情傳播的情況下，最終都會呈現(xiàn)正面、負(fù)面兩種態(tài)度的集聚效應(yīng)，出現(xiàn)兩種對立態(tài)度對持狀態(tài)；中立態(tài)度比例在輿情醞釀階段有小幅的上升，說明在輿情初期小部分網(wǎng)民基于客觀公正的認(rèn)識表現(xiàn)出中立的態(tài)度，但這部分網(wǎng)民往往不熱衷于發(fā)表評論和轉(zhuǎn)發(fā)，同時部分還可能受到其他網(wǎng)民的影響而轉(zhuǎn)變態(tài)度，所以在兩個實驗中立態(tài)度的比例都在迭代10次左右就急劇下降到零。

對比實驗還表明，當(dāng)負(fù)面態(tài)度影響權(quán)值略微大于其他兩種時就會對其他元胞態(tài)度轉(zhuǎn)變產(chǎn)生顯著的影響，使得網(wǎng)絡(luò)中負(fù)面態(tài)度比例持續(xù)增長，后期將出現(xiàn)負(fù)面態(tài)度的聚合現(xiàn)象。模擬實驗揭示出農(nóng)產(chǎn)品安全事件中，由于健康風(fēng)險規(guī)避意識以及盲從和從眾等心理，網(wǎng)民中的負(fù)面情緒更容易傳播和擴(kuò)散，如果沒有適當(dāng)?shù)男畔⑴逗洼浾摳深A(yù)，容易造成社會恐慌等不良影響。在實際應(yīng)用案例分析中，可通過情感態(tài)度影響權(quán)值的適當(dāng)調(diào)整和設(shè)置，使得模擬實驗數(shù)據(jù)與實際統(tǒng)計數(shù)據(jù)更加吻合，更好地體現(xiàn)具體事件輿情發(fā)展的勢態(tài)。

3.3 實驗3 輿情導(dǎo)控策略分析

輿情導(dǎo)控策略主要通過信息披露和輿情監(jiān)管來實現(xiàn)，需要根據(jù)輿情發(fā)展態(tài)勢選擇合理的輿情干預(yù)時機(jī)和干預(yù)的力度。通過仿真實驗探討合理的輿情導(dǎo)控系數(shù)和輿情干預(yù)時間。

3.3.1 實驗參數(shù)設(shè)置

根據(jù)輿情演化迭代過程，將輿情導(dǎo)控時機(jī)分為前期和中期兩種，分別在迭代第9次和第17次時介入。導(dǎo)控系數(shù)γ越接近1，導(dǎo)控強(qiáng)度越大，因此在設(shè)計實驗時，分別觀察γ為0.55和0.40兩種情況下對于輿情演化的影響。設(shè)置導(dǎo)控介入前元胞影響權(quán)值α=β=0.5，3種態(tài)度的影響權(quán)重與第2組相同。參數(shù)S導(dǎo)控對輿情的演變有很大影響，本部分以S導(dǎo)控=0.5為例進(jìn)行探討，并且在導(dǎo)控介入后，3種態(tài)度的影響權(quán)重發(fā)生改變，具體的實驗參數(shù)見表3。

3.3.2 實驗3輿情演化示意圖

元胞空間中各元胞初始傾向度狀態(tài)與實驗1、實驗2相同。這一組實驗的元胞情感傾向度的分布以及輿情演化如圖7所示。

仿真實驗3-1～3-4迭代50次后，3種傾向的元胞的在遍歷過程中產(chǎn)生的傾向度曲線如圖8所示。

表3 實驗3參數(shù)設(shè)置

圖7 實驗3仿真實驗的傾向度轉(zhuǎn)換圖Fig.7 Trend conversion graph of simulation experiment of experiment 3

3.3.3 實驗3仿真結(jié)果分析

(1)輿情演化趨勢分析

仿真實驗表明，無論輿情干預(yù)的時機(jī)和導(dǎo)控系數(shù)如何變化，負(fù)面情緒的元胞數(shù)量都出現(xiàn)不同程度的下降。盡管在不同監(jiān)管力度情況下，各類情感比例的曲線變化過程有明顯區(qū)別，但總體變化趨勢具有一致性，中立、正面的比例有不同程度的增加，迭代結(jié)束時，沒有出現(xiàn)負(fù)面情感集聚的不良情況，說明職能部門輿情導(dǎo)控的有效性。

對比不同的導(dǎo)控策略的輿情演化結(jié)果，當(dāng)在輿情發(fā)展前期進(jìn)行干預(yù)并設(shè)置導(dǎo)控系數(shù)為0.55時，負(fù)面情緒的元胞數(shù)量在將迅速下降，迭代22次時完全轉(zhuǎn)換為中立、或正面情感傾向，輿情后期負(fù)面情緒將基本消失；若干預(yù)時機(jī)改為輿情中期，三種情感傾向的元胞數(shù)變化速度明顯趨緩[見圖8(b)]，正面和中立態(tài)度的數(shù)量將在很長一段時間內(nèi)保持基本不變，但最終還是會出現(xiàn)正面情感占優(yōu)的狀態(tài)。

圖8 仿真實驗的傾向度曲線Fig.8 Trend curve of simulation experiment

降低導(dǎo)控系數(shù)到0.4時，實驗3-3到演化迭代結(jié)束仍存在著20%負(fù)面傾向的元胞，實驗3-4在迭代結(jié)束時正面傾向的元胞僅占比40%。

當(dāng)信息干預(yù)都為前期時，對比實驗3-1和實驗3-3的仿真結(jié)果可以看出，不同導(dǎo)控系數(shù)在最后迭代時正面態(tài)度占比以及3種情緒的元胞的改變速度都不同，導(dǎo)控系數(shù)越大，轉(zhuǎn)變越迅速，正面傾向的元胞占比越高。當(dāng)在后期加入干預(yù)時，由圖8(b)、圖8(d)可以看出，導(dǎo)控系數(shù)較小時，迭代結(jié)束時正面情緒的元胞占比也相應(yīng)的小。

(2)導(dǎo)控系數(shù)和干預(yù)時機(jī)對輿情演化的影響

上述對比實驗說明，導(dǎo)控系數(shù)和輿情干預(yù)時機(jī)對輿情的發(fā)展態(tài)勢和演化規(guī)律有著顯著的影響。在輿情發(fā)展的前期通過適當(dāng)?shù)男畔⑴逗洼浾撘龑?dǎo)，能夠快速有效的引地網(wǎng)民從盲目跟風(fēng)或以訛傳訛的不良情緒向客觀、公正的方向轉(zhuǎn)變，有效避免負(fù)面情緒的持續(xù)蔓延和網(wǎng)絡(luò)輿情的爆發(fā)，維護(hù)社會安定。因此相關(guān)職能部門應(yīng)加強(qiáng)對網(wǎng)絡(luò)輿情的監(jiān)測和監(jiān)管，結(jié)合農(nóng)產(chǎn)品安全問題的實際情況，及時有效地發(fā)現(xiàn)潛在或正在醞釀的相關(guān)網(wǎng)絡(luò)輿情動態(tài)，持續(xù)跟蹤和監(jiān)測輿情發(fā)展態(tài)勢和擴(kuò)散規(guī)模，必要時在恰當(dāng)?shù)臅r機(jī)進(jìn)行相關(guān)信息的披露和權(quán)威認(rèn)證，提高信息透明度和公開性，有效引導(dǎo)網(wǎng)絡(luò)輿情向客觀、公正的方向發(fā)展，避免不良網(wǎng)絡(luò)輿情造成的社會恐慌和產(chǎn)業(yè)損害。

4 “非洲豬瘟”事件網(wǎng)絡(luò)輿情實證分析

4.1 輿情事件概述

從發(fā)現(xiàn)“非洲豬瘟”疫情起就引起了廣大網(wǎng)民的恐慌，并對市場上銷售的豬肉安全問題產(chǎn)生了極大的懷疑，豬肉及其加工品的銷售量急劇下降，對中國的養(yǎng)豬業(yè)造成了巨大的經(jīng)濟(jì)損失。該事件發(fā)展的情況如表4所示。

表4 “非洲豬瘟”事件初期發(fā)展歷程

4.2 數(shù)據(jù)收集與整理

研究選取新浪微博中“頭條新聞”“新浪新聞”“中國新聞網(wǎng)”“人民日報”“央視新聞”這5個自媒體發(fā)布的相關(guān)新聞下的評論作為數(shù)據(jù)研究的樣本，并將評論內(nèi)容分為正面、中立、反對3種態(tài)度，收集每天的3種態(tài)度的比值，事件選取的時間為2018年8月3日—12月31日，共收集到評論19 215條，將評論數(shù)過少的天合并，其中有效評論為14 316條，天數(shù)為32天。

將評論中包含不傳染人、沒有傷害、不造謠、無害化處理、安心、贊揚(yáng)、有效控制等含有正向意義的詞語定義為正面評論；將含有不吃豬肉、病毒變異、失望、不舒服等關(guān)鍵詞的評論定義為負(fù)面傾向，其余含有觀望、可憐、關(guān)注、圍觀、補(bǔ)償?shù)汝P(guān)鍵詞的評論定義為中立傾向。經(jīng)過分類統(tǒng)計，“非洲豬瘟事件”網(wǎng)民的初始態(tài)度比為正面：負(fù)面：中立=0.21∶0.42∶0.37。其中一周的態(tài)度數(shù)據(jù)的統(tǒng)計值如表5所示。同時，事件發(fā)生后，中國農(nóng)業(yè)部在輿情發(fā)生的第7天左右報道了疫情得到有效控制并對網(wǎng)民進(jìn)行科普，對輿情進(jìn)行干預(yù)。

表5 “非洲豬瘟”事件的網(wǎng)民態(tài)度數(shù)據(jù)

4.3 輿情實驗仿真

調(diào)節(jié)構(gòu)造的CA模型的各項參數(shù)，使擬合的曲線與事件實際的曲線盡可能吻合，根據(jù)收集到的數(shù)據(jù)，設(shè)置仿真迭代次數(shù)為32，元胞的初始態(tài)度比例為正面∶負(fù)面∶中立=0.21∶0.42∶0.37，其中干預(yù)介入時間為迭代第7次，并且干預(yù)帶來的效果在迭代第23次減弱，經(jīng)多次調(diào)參后參數(shù)的具體設(shè)置如表6所示。

表6 具體實驗參數(shù)設(shè)置

隨著事件的繼續(xù)發(fā)酵，在迭代到23次時，干預(yù)系數(shù)減弱到初始的一半，3種態(tài)度的權(quán)重與干預(yù)介入前相同，這也說明了在事件的傳播中，職能部門的干預(yù)效果會逐漸減弱，因此要持續(xù)的關(guān)注事件的傳播進(jìn)程，仿真曲線與實際數(shù)據(jù)的對比如圖9所示，其中用實線、虛線和點線分別表示實際事件中每天網(wǎng)民的負(fù)面、中立、正面3中態(tài)度所占的比例，星號實線、正方形實線以及圓形實線表示模擬的曲線。

圖9 模擬與實際曲線Fig.9 Analog and actual curves

4.4 擬合誤差分析

決定系數(shù)又稱為擬合優(yōu)度,可以用來衡量仿真曲線和實際的觀測值之間的擬合效果，因此本文通過計算決定系數(shù)(R2)來計算仿真曲線與實際曲線的擬合效果，其中決定系數(shù)的計算公式為

(3)

決定系數(shù)越接近1，模型的擬合效果越好，越接近0，模型的擬合效果越差，其中當(dāng)R2大于0.8時，表示仿真曲線與實際曲線在誤差范圍內(nèi)認(rèn)為是擬合有效的。通過計算，負(fù)面態(tài)度的決定系數(shù)為0.979，中立態(tài)度的決定系數(shù)為0.843，正面態(tài)度的決定系數(shù)為0.917。因此，模型仿真數(shù)據(jù)實現(xiàn)了對實測數(shù)據(jù)的高度擬合，說明輿情演化模型的有效性。

4.5 仿真結(jié)果評價

通過以上的分析，在實際案例數(shù)據(jù)的支撐下，調(diào)整構(gòu)造的農(nóng)產(chǎn)品網(wǎng)絡(luò)輿情傳播模型的相關(guān)參數(shù)，仿真曲線與實際曲線的誤差在可接受范圍內(nèi)，模型的擬合是有效的。圖9與圖8(d)具有高度的相似性，說明職能部門的信息披露發(fā)揮了良好的輿情引導(dǎo)作用，在一定時期內(nèi)能夠引導(dǎo)該事件網(wǎng)絡(luò)輿情向客觀、公正的方向發(fā)展。但值得注意的是，該事件是一個不斷有新疫情出現(xiàn)的過程，相應(yīng)的網(wǎng)絡(luò)輿情也會隨著事件的發(fā)展而變化。隨著事件不斷出現(xiàn)的新情況，前期信息披露和輿論干預(yù)產(chǎn)生的效果會逐漸衰減，新的輿情高潮可能再次。因此職能部門應(yīng)該時刻關(guān)注網(wǎng)絡(luò)輿情走勢，及時向網(wǎng)民公布事件最新動態(tài)，并對該事件相關(guān)知識進(jìn)行科普教育和宣傳，引導(dǎo)輿情向客觀、公正的方向發(fā)展，維護(hù)社會安定秩序。

5 結(jié)論與建議

針對農(nóng)產(chǎn)品安全網(wǎng)絡(luò)輿情這一關(guān)乎民眾健康和社會安定的重大問題，采用元胞自動機(jī)方法構(gòu)建了輿情演化模型分析和探討這一類網(wǎng)絡(luò)輿情的規(guī)律和特點?；趯r(nóng)產(chǎn)品安全事件及參與網(wǎng)民心理特點等的剖析，對元胞鄰域結(jié)構(gòu)、狀態(tài)轉(zhuǎn)移函數(shù)及演化規(guī)則進(jìn)行了適當(dāng)?shù)母倪M(jìn)，并通過仿真實驗重點討論了元胞情感傾向度、初始情感比例以及鄰域元胞影響規(guī)則等重要因素對輿情演化規(guī)律的影響作用，在對比實驗中揭示和發(fā)現(xiàn)農(nóng)產(chǎn)品網(wǎng)絡(luò)輿情的傳播特征和演化規(guī)律。

在此基礎(chǔ)上，通過在狀態(tài)轉(zhuǎn)移函數(shù)中嵌入導(dǎo)控因子，對比分析了在無監(jiān)督和有監(jiān)督的不同情形下網(wǎng)絡(luò)輿情發(fā)展的特點和趨勢，量化分析了相關(guān)職能部門對農(nóng)產(chǎn)品安全事件的信息披露對輿情擴(kuò)散的導(dǎo)控作用，分析了導(dǎo)控系數(shù)及信息干預(yù)時機(jī)對輿情發(fā)展態(tài)勢和演化規(guī)律的影響作用。

通過模型構(gòu)建和大量仿真實驗，可以得到以下主要結(jié)論。

(1)在輿情傳播過程中，元胞初始情感傾向的比例對空間中不同觀點的數(shù)量有顯著的影響，控制輿情傳播時的網(wǎng)民初始觀點是抑制不良負(fù)面情緒持續(xù)蔓延和過快增長的有效途徑。因此，相關(guān)職能部門應(yīng)該在農(nóng)產(chǎn)品輿情發(fā)生的初期對該事件進(jìn)行適時的信息披露和情況說明，減少信息的不對稱性和不完整性，提高網(wǎng)民對農(nóng)產(chǎn)品安全問題的正確認(rèn)知，避免出現(xiàn)以訛傳訛，負(fù)面情緒迅速蔓延的不良輿情暴發(fā)。

(2)由于農(nóng)產(chǎn)品安全事件的信息不對稱性和不完整性，絕大多數(shù)民眾具有風(fēng)險規(guī)避和跟風(fēng)的心理，使得負(fù)面情緒在此類事件的網(wǎng)絡(luò)傳播中具有相對較強(qiáng)的影響力和傳染力。在無監(jiān)督無信息披露的情況下，負(fù)面情緒將迅速蔓延，其所占比例隨著輿情擴(kuò)散持續(xù)增長，在輿情發(fā)展中后期，負(fù)面情緒將形成明顯的觀點聚集現(xiàn)象并占據(jù)統(tǒng)治地位，出現(xiàn)羊群效應(yīng)，容易引發(fā)社會恐慌等不良影響。

(3)相關(guān)職能部門進(jìn)行實時的網(wǎng)絡(luò)輿情監(jiān)控，在適當(dāng)?shù)臅r機(jī)進(jìn)行必要的信息披露和政府監(jiān)管，能夠有效地遏制信息不對稱性造成以訛傳訛的現(xiàn)象，提高網(wǎng)民對農(nóng)產(chǎn)品安全問題的正確認(rèn)知，避免負(fù)面情緒迅速蔓延，有助于控制網(wǎng)絡(luò)輿情發(fā)展態(tài)勢，引導(dǎo)輿論向客觀、公正的方向發(fā)展，避免造成社會恐慌和產(chǎn)業(yè)損害。

最后，針對中國近期發(fā)生的“非洲豬瘟”事件進(jìn)行實際案例分析。結(jié)果表明，所構(gòu)建輿情傳播模型實現(xiàn)了該事件輿情演化過程的高度擬合，證實了該模型的有效性。通過仿真實驗剖析了該輿情事件中各項關(guān)鍵因素的影響作用，量化分析了信息披露與導(dǎo)控策略對該事件輿情發(fā)展趨勢的引導(dǎo)作用。

研究成果將有助于進(jìn)一步揭示農(nóng)產(chǎn)品安全事件網(wǎng)絡(luò)輿情的特點，發(fā)現(xiàn)這一類事件網(wǎng)絡(luò)輿情發(fā)展的基本規(guī)律和演化趨勢，并為相關(guān)職能部門進(jìn)行合理的輿情監(jiān)管和輿情導(dǎo)控提供科學(xué)的參考。