多主體干預(yù)的網(wǎng)絡(luò)輿情傳播建模與仿真研究

張亞明 杜翠翠 蘇妍嫄

摘 要：[目的/意義]網(wǎng)絡(luò)空間輿情傳播成為關(guān)乎經(jīng)濟社會發(fā)展甚至國家安全的重大問題，“把握好網(wǎng)上輿論引導(dǎo)的時、度、效，使網(wǎng)絡(luò)空間清朗起來”，是網(wǎng)絡(luò)媒體和政府的重大責(zé)任與擔(dān)當(dāng)。[方法/過程]在僅考慮媒體干預(yù)的SIR模型和僅考慮政府干預(yù)的SEIR模型基礎(chǔ)上，將網(wǎng)絡(luò)媒體的干預(yù)影響抽象為網(wǎng)絡(luò)媒體強化度、網(wǎng)絡(luò)媒體分歧度及網(wǎng)絡(luò)媒體滲透率，政府的干預(yù)作用抽象為政府干預(yù)系數(shù)，提出一種新型的SHIsIoR多主體干預(yù)模型。[結(jié)果/結(jié)論]仿真實驗表明：1）網(wǎng)絡(luò)輿情在多主體干預(yù)作用下治理效果更佳;2）網(wǎng)絡(luò)媒體分歧度以及政府干預(yù)系數(shù)均對網(wǎng)絡(luò)輿情傳播影響顯著。網(wǎng)絡(luò)輿情治理應(yīng)著重降低話題分歧，加速大眾群體向免疫人群轉(zhuǎn)化的概率。

關(guān)鍵詞：網(wǎng)絡(luò)輿情;多主體干預(yù);SHIsIoR模型;政府干預(yù)系數(shù);網(wǎng)絡(luò)媒體分歧度

DOI：10.3969/j.issn.1008-0821.2020.05.016

〔中圖分類號〕G206.2 〔文獻標(biāo)識碼〕A 〔文章編號〕1008-0821（2020）05-0130-10

The Model and Simulation of Internet Public Opinion

Dissemination Under Multi-agent Intervention

Zhang Yaming1，2 Du Cuicui1 Su Yanyuan1，2

（1.School of Economics and Management，Yanshan University，Qinhuangdao 066004，China;

2.Research Center of Internet Plus and Industry Development of Yanshan University，

Qinhuangdao 066004，China）

Abstract：[Purpose/Significance]The dissemination of public opinion in cyberspace has become a major issue related to economic and social development and even national security，and it is the great responsibility of the Internet media and the government to“grasp the time，degree and effect of the guidance of online public opinion，and make cyberspace clear”.[Method/Process]Based on the SIR model which only considers media intervention and the SEIR model which only considers government intervention，a new model named SHIsIoR under the multi-agent intervention was proposed，and expressed the impact of Internet media with the concept of Internet Media Enhanced Degree，Internet Divergence and Internet Permeability.in addition，Government intervention coefficient expressed the impact of the government.[Result/Conclusion]The simulation experiments showed that：1）Internet public opinion had the better effect on governance under the multi-agent intervention;2）The degree of Internet media divergence and Government intervention coefficient had a significant impact on the spread of Internet public opinion.Accordingly，Internet public opinion governance should focus on reducing the differences on topics and on accelarating the probability of mass conversion to immune population.

Key words：internet public opinion;multi-agent intervention;SHIsIoR model;government intervention coefficient;internet media divergence

網(wǎng)絡(luò)空間輿情傳播成為關(guān)乎經(jīng)濟社會發(fā)展甚至國家安全的重大問題，“把握好網(wǎng)上輿論引導(dǎo)的時、度、效，使網(wǎng)絡(luò)空間清朗起來”[1]，是網(wǎng)絡(luò)媒體和政府的重大責(zé)任與擔(dān)當(dāng)。近年來，輿情事件頻繁發(fā)生，網(wǎng)絡(luò)輿情的影響力不容小覷，如2015年“天津大爆炸”事件、“青島天價蝦”事件、2017年“攜程親子園虐童”事件、“李文星”事件、2018年“鄭州空姐打車遇害”事件、“樂青滴滴順風(fēng)車命案”事件等等[2]。這些網(wǎng)絡(luò)輿情事件均有表達快捷、信息多元、傳播迅速、影響廣泛、方式互動的特點，突發(fā)事件網(wǎng)絡(luò)輿情更有移動性與膨脹性等特征[3]。習(xí)近平曾指出，網(wǎng)上輿論工作要作為宣傳工作中的重中之重來抓[4]。現(xiàn)今網(wǎng)絡(luò)輿情傳播交織著多方主體的干預(yù)，其中網(wǎng)絡(luò)媒體與政府扮演了兩個最為重要的角色，自媒體時代下，網(wǎng)絡(luò)媒體的介入加之政府的引導(dǎo)，使網(wǎng)絡(luò)輿情傳播模型與傳統(tǒng)模型千差萬別。

由圖10所示，在猶豫者的影響程度方面，與無政府干預(yù)的初始情況相比，各種情景均對猶豫者的數(shù)量占比產(chǎn)生了影響。其中情景五使得猶豫者人群下降速度最快，情景三下降速度最慢。由此可得在降低猶豫者數(shù)量方面，情景五（干預(yù)猶豫者到免疫者的轉(zhuǎn)變概率）效果最好，情景三（干預(yù)猶豫者到傳播支持者的轉(zhuǎn)變概率）效果最差。

由圖11和圖12可知，傳播支持者和傳播反對者的人數(shù)占比與無政府干預(yù)的初始情況相比均發(fā)生了或多或少的改變，且開始均會出現(xiàn)一個高峰，緊接著由峰值逐漸降低趨于0。具體地，圖11顯示了傳播支持者人數(shù)在情景三狀態(tài)下峰值最小，情景四狀態(tài)下峰值最大。這是因為情景三遏制了猶豫者向傳播支持者的轉(zhuǎn)化，而情景四遏制了猶豫者向傳播反對者的轉(zhuǎn)化，也就加大了向傳播支持者轉(zhuǎn)化的概率。特別地，情景六的峰值數(shù)量雖然并非最小，下降速度卻最快，最先達到穩(wěn)定的狀態(tài)，說明在降低傳播支持者人數(shù)方面，情景六（干預(yù)傳播支持者到免疫者的轉(zhuǎn)變概率）效果最好。

圖12顯示了傳播反對者人數(shù)在情景四狀態(tài)下峰值最小，情景三狀態(tài)下峰值最大，與傳播支持者情況正好相反。同樣地，情景七中雖然傳播反對者人數(shù)峰值并非最高但卻下降最快，最先趨于穩(wěn)定?？梢娫诮档蛡鞑シ磳φ呷藬?shù)方面，情景七（干預(yù)傳播反對者到免疫者的轉(zhuǎn)變概率）效果最好。

據(jù)圖13可知，加入政府干預(yù)系數(shù)，不同情景均使免疫者的數(shù)量占比較初始情景發(fā)生改變。網(wǎng)絡(luò)輿情發(fā)生初期，情景五狀態(tài)下免疫者數(shù)量增加較為顯著，但隨著時間的推移，情景五的增幅開始下降，情景六所示圖形曲線后來居上，最先使傳播化為穩(wěn)定狀態(tài)。所以就長遠來看，情景六（干預(yù)傳播支持者到免疫者的轉(zhuǎn)變概率）可以更快速地增加免疫者數(shù)量，干預(yù)效果最佳。

網(wǎng)絡(luò)輿情的治理體現(xiàn)為管控每類人群的數(shù)量。首先要控制網(wǎng)絡(luò)輿情的波及范圍與所影響的人群數(shù)量，即降低未知者數(shù)量。由分析可得，情景二中未知者下降最快，管控策略應(yīng)首先考慮增大由未知者向免疫者轉(zhuǎn)化的概率以達到控制知情人數(shù)的目的。其次要極力穩(wěn)定人群情緒，降低猶豫者數(shù)量。由分析知在情景五中猶豫者下降速度最快，得出應(yīng)盡力提高由猶豫者向免疫者轉(zhuǎn)化概率的策略。再次，傳播者的人數(shù)代表著網(wǎng)絡(luò)輿情的散布范圍，因此控制傳播者的人數(shù)是網(wǎng)絡(luò)輿情管理的關(guān)鍵一步，增加傳播支持者和傳播反對者向免疫者轉(zhuǎn)化的概率可以最大程度地降低傳播者人數(shù)，從而控制網(wǎng)絡(luò)輿情傳播。最后，網(wǎng)絡(luò)輿情得到有效治理的標(biāo)志為所有狀態(tài)的人群是否全部轉(zhuǎn)化為免疫者，因而提高轉(zhuǎn)向免疫者人群的概率極為緊要，例如情景六在增大免疫者人數(shù)方面效果最佳，所以應(yīng)優(yōu)先考慮提高傳播支持者向免疫者的轉(zhuǎn)化概率。

4 結(jié) 論

本研究以網(wǎng)絡(luò)輿情為研究對象，分析了網(wǎng)絡(luò)輿情的傳播特點，參考媒體干預(yù)的SIaIbR模型和政府干預(yù)的SEIR模型，把傳播者劃分為支持與反對兩類人群，建立網(wǎng)絡(luò)媒體與政府多主體干預(yù)的SHIsIoR網(wǎng)絡(luò)輿情傳播模型。由數(shù)值仿真可知，SHIsIoR模型更加符合網(wǎng)絡(luò)輿情發(fā)展的現(xiàn)實規(guī)律，并得出以下結(jié)論：1）相比于單一主體干預(yù)，網(wǎng)絡(luò)媒體與政府多主體干預(yù)可有效降低傳播支持者和傳播反對者的人數(shù)，使免疫人群數(shù)量快速達到穩(wěn)定狀態(tài)，傳播得到控制，網(wǎng)絡(luò)輿情治理效果顯著。這為網(wǎng)絡(luò)輿情的治理提供了思路，網(wǎng)絡(luò)媒體與政府應(yīng)達成合作關(guān)系，互利共贏;2）網(wǎng)絡(luò)媒體分歧度對網(wǎng)絡(luò)輿情傳播作用較大，主要體現(xiàn)在影響傳播者數(shù)量層面。據(jù)此在尚未弄清真相之前應(yīng)控制各方網(wǎng)絡(luò)媒體對于網(wǎng)絡(luò)輿情的盲目報道，加強網(wǎng)絡(luò)媒體對于網(wǎng)絡(luò)輿情報道的全面度與真實度，從而掌控傳播者人群比例;3）不同人群向免疫者轉(zhuǎn)化的概率對網(wǎng)絡(luò)輿情信息步入正軌直至輿情最終消散尤為重要。因此政府管控方向應(yīng)在網(wǎng)絡(luò)媒體分歧度相對平穩(wěn)的基礎(chǔ)上應(yīng)注重提升各類人群向免疫者的轉(zhuǎn)化概率，提高免疫者人群占比，使網(wǎng)絡(luò)輿情不再傳播。結(jié)論為網(wǎng)絡(luò)媒體與政府多主體干預(yù)網(wǎng)絡(luò)輿情進而凈化網(wǎng)絡(luò)環(huán)境指明了方向。

參考文獻

[1]習(xí)近平.習(xí)近平談治國理政[M].北京：外文出版社，2014：197-199.

[2]黃揚，李偉權(quán).網(wǎng)絡(luò)輿情下間斷-均衡模型如何更好解釋中國的政策變遷？——基于30個輿情案例的清晰集定性比較分析[J].情報雜志，2019，38（3）：114-120，100.

[3]胡婷婷.突發(fā)事件網(wǎng)絡(luò)輿情的演化要素及治理策略研究[J].現(xiàn)代情報，2018，38（10）：51-56.

[4]王潤玨.信息時代的輿情特征與政府應(yīng)對機制建設(shè)路徑研究[J].情報雜志，2019，38（7）：111-114，145.

[5]Zhou J，Liu Z，Li B.Influence of Network Structure on Rumor Propagation[J].Physics Letters A，2007，368（6）：458-463.

[6]Han S，Zhuang F，He Q，et al.Energy Model for Rumor Propagation on Social Networks[J].Physica A：Statistical Mechanics & Its Applications，2014，394：99-109.

[7]Zanette D.Dynamics of Rumor Propagation on Small-world Networks[J].Physical Review E，2002，65（4）：110-126.

[8]Moreno Y，Nekovee M，Pacheco A F.Dynamics of Rumor Spreading in Complex Networks[J].Physical Review E，2004，69（6）：279-307.

[9]Crokidakis N.Effects of Mass Media on Opinion Spreading in the SznajdSociophysics Model[J].Physica A：Statistical Mechanics & Its Applications，2012，391：1729-1734.