同時考慮對稱博弈與非對稱博弈的網(wǎng)絡(luò)輿情傳播研究

王家坤

摘要：[目的/意義]剖析網(wǎng)絡(luò)輿情的演化規(guī)律，加強(qiáng)對網(wǎng)絡(luò)輿情的管理與干預(yù)，有效抵制負(fù)面網(wǎng)絡(luò)輿情傳播對社會帶來的影響。[方法/過程]結(jié)合演化博弈論與復(fù)雜網(wǎng)絡(luò)理論，同時考慮對稱博弈與非對稱博弈關(guān)系，構(gòu)建網(wǎng)絡(luò)輿情的演化博弈模型，并結(jié)合實驗結(jié)果，為網(wǎng)絡(luò)輿情的管理提出具有針對性的對策與建議。[結(jié)果/結(jié)論]在兩類博弈關(guān)系中，關(guān)鍵用戶與普通用戶群體的收益參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響具有顯著差異性;對于普通網(wǎng)民群體而言，對稱博弈關(guān)系對網(wǎng)絡(luò)輿情的傳播過程影響程度更大;而對于關(guān)鍵用戶群體而言，非對稱博弈關(guān)系在網(wǎng)絡(luò)輿情傳播過程中發(fā)揮了更重要的作用。

關(guān)鍵詞：對稱博弈;非對稱博弈;網(wǎng)絡(luò)輿情;傳播

《2020全球數(shù)字報告》顯示：全球使用互聯(lián)網(wǎng)的人數(shù)已增長至45.4億，社交媒體用戶突破38億[1]。隨著通信技術(shù)的快速發(fā)展及移動終端的普及，在線社交網(wǎng)絡(luò)已經(jīng)成為當(dāng)前網(wǎng)絡(luò)輿情生成、發(fā)酵、傳播最活躍的陣地，對經(jīng)濟(jì)發(fā)展與社會穩(wěn)定產(chǎn)生了重要影響。如網(wǎng)民可以更加便捷地參與社區(qū)互動;企業(yè)可以樹立品牌形象走近消費者;政府可以更準(zhǔn)確地把握社情民意。但是考慮到網(wǎng)絡(luò)輿情傳播的迅速性、匿名性、互動性等特點，其也為負(fù)面或虛假信息、謠言的傳播與擴(kuò)散創(chuàng)造了條件。如疫情期間，“板藍(lán)根可有效抑制新冠病毒”的謠言引起了巨大的社會動蕩;日本核泄漏事件中，“加碘鹽可以預(yù)防核輻射”的謠言引發(fā)的食鹽搶購風(fēng)波等。因此，剖析網(wǎng)絡(luò)輿情的演化機(jī)制，加強(qiáng)對網(wǎng)絡(luò)輿情的管理與干預(yù)，對抵制負(fù)面網(wǎng)絡(luò)輿情傳播給社會帶來的負(fù)面影響具有重要意義。

網(wǎng)絡(luò)輿情的傳播涉及到諸多社會主體，如網(wǎng)民、媒體、政府等，并且其各自存在不同的利益動機(jī)，故從各主體的利益沖突與分配角度出發(fā)，利用博弈論可直觀地分析各利益主體的決策過程。另外在網(wǎng)絡(luò)輿情的傳播過程中，各參與主體的行為選擇并非完全理性，而是一個反復(fù)學(xué)習(xí)與不斷調(diào)整的動態(tài)過程，最終達(dá)到局部穩(wěn)定。因此，利用演化博弈論研究網(wǎng)絡(luò)輿情的傳播與演化機(jī)制，進(jìn)而尋求對網(wǎng)絡(luò)輿情傳播進(jìn)行干預(yù)與管控的關(guān)鍵點，具備一定的適用性與合理性，也是當(dāng)前網(wǎng)絡(luò)輿情研究領(lǐng)域的主流方法[2-3]。

目前，基于演化博弈論的網(wǎng)絡(luò)輿情研究主要從以下兩種路徑展開。一類是定性研究[3-5]。這一路徑下的研究大多基于傳播學(xué)的視角，從宏觀層面界定參與網(wǎng)絡(luò)輿情傳播過程的主體、闡述參與主體進(jìn)行博弈等內(nèi)在動因、分析主體策略選擇背后的利益因素等。如結(jié)合136個網(wǎng)絡(luò)輿情傳播案例，原光等[4]系統(tǒng)梳理了網(wǎng)絡(luò)輿情傳播過程中的影響因素，并從加強(qiáng)激勵機(jī)制等方面提出了政府的應(yīng)對措施;另外，宋余超等[3]、孟驪超等[5]通過對當(dāng)前國內(nèi)相關(guān)文獻(xiàn)進(jìn)行系統(tǒng)分析，總結(jié)了當(dāng)前網(wǎng)絡(luò)輿情博弈研究中存在的主要問題，并提煉了未來的可持續(xù)研究方向。該類研究為復(fù)雜情境下博弈主體的識別、主體之間利益關(guān)系的分析、網(wǎng)絡(luò)輿情傳播應(yīng)對策略等提供了研究基礎(chǔ)。但考慮到其主觀性較強(qiáng)，在主體利益分析量化方面缺少一定的依據(jù)，限制了研究結(jié)論在實踐管理中的應(yīng)用。另一類為定量研究，重點通過構(gòu)建演化博弈模型、仿真實驗等途徑，研究網(wǎng)絡(luò)輿情傳播過程中博弈主體的微觀交互，進(jìn)而揭示網(wǎng)絡(luò)輿情的傳播規(guī)律[6-15]。相較于定性研究，該類研究的成果非常豐富，從研究視角來看，可劃分為主體特征的差異性[6-9]、參與主體的多樣性[10-13]、網(wǎng)絡(luò)輿情傳播環(huán)境的復(fù)雜性[14-15]等方面。

主體特征的差異性主要體現(xiàn)在博弈主體的理性程度、偏好程度等方面。如張立凡等[6]與郭東偉等[7]分別基于用戶的完全理性與有限理性構(gòu)建了網(wǎng)絡(luò)輿情的演化博弈模型，并基于實驗結(jié)果總結(jié)了政府對網(wǎng)絡(luò)輿情傳播的應(yīng)對策略;考慮到用戶的主觀偏好與公平偏好等因素，WenS等[8]與王治瑩等[9]分別構(gòu)建了不同情境下的網(wǎng)絡(luò)輿情傳播模型，并結(jié)合案例分析驗證了研究結(jié)論的有效性。參與主體的多樣性方面，根據(jù)博弈主體的數(shù)量，目前的研究主要集中在兩方博弈與三方博弈。如針對突發(fā)事件網(wǎng)絡(luò)輿情的傳播與治理，祁凱等[10]構(gòu)建了網(wǎng)絡(luò)媒體與地方政府的兩方演化博弈模型，并分析了媒體與地方政府的策略演化均衡，為突發(fā)事件網(wǎng)絡(luò)輿情的治理提供了新思路;類似地，以社交網(wǎng)絡(luò)中的謠言傳播為研究對象，丁學(xué)君等[11]構(gòu)建了謠言傳播者與接受者的兩方演化博弈模型，為了解謠言傳播的內(nèi)在機(jī)理、遏制謠言傳播擴(kuò)散提供了理論依據(jù)。另外，考慮到政府、網(wǎng)民與意見領(lǐng)袖在突發(fā)事件網(wǎng)絡(luò)輿情傳播過程中的重要作用，馮蘭萍等[12]提出了三方演化博弈模型，重點分析了政府不同延遲干預(yù)程度下各主體策略的演化過程;針對負(fù)面輿情信息的傳播與擴(kuò)散，尹玨力等[13]構(gòu)建了“網(wǎng)民—網(wǎng)媒—政府”的三方演化博弈模型，明確了政府對負(fù)面輿情傳播的關(guān)鍵干預(yù)點。網(wǎng)絡(luò)輿情傳播環(huán)境的復(fù)雜性，主要體現(xiàn)在網(wǎng)絡(luò)輿情的傳播載體以及網(wǎng)絡(luò)輿情傳播過程中外界因素的干預(yù)等方面。結(jié)合演化博弈論與復(fù)雜網(wǎng)絡(luò)理論，學(xué)者們利用網(wǎng)絡(luò)演化博弈論對網(wǎng)絡(luò)輿情的傳播規(guī)律進(jìn)行了一些初步的探索，如陳婷等[14]將三方演化博弈模型引入到無標(biāo)度網(wǎng)絡(luò)，分析了主要參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響;通過分析網(wǎng)絡(luò)輿情在不同空間的演化特點，遲鈺雪等[15]提出了一種基于超網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情演化模型。該類研究的突出特點為可對網(wǎng)絡(luò)輿情傳播過程中涉及主體之間的利益關(guān)系進(jìn)行定量分析，并通過理論分析與數(shù)值模擬網(wǎng)絡(luò)輿情的傳播過程，為輿情治理方案的提出提供了理論支撐。

綜上所述，利用演化博弈的相關(guān)理論與方法研究網(wǎng)絡(luò)輿情的傳播過程，學(xué)者們進(jìn)行了諸多深入研究，推動了輿情傳播動力學(xué)的發(fā)展，為本文的研究奠定了理論基礎(chǔ)。但通過分析仍存在進(jìn)一步研究的空間：①當(dāng)前基于演化博弈對網(wǎng)絡(luò)輿情傳播進(jìn)行的研究工作，均是單獨在對稱博弈或非對稱博弈情景下的演化博弈模型，而鮮有學(xué)者同時考慮網(wǎng)絡(luò)輿情傳播過程中的對稱與非對稱博弈關(guān)系;②當(dāng)前大部分的演化博弈研究未考慮在線社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，利用網(wǎng)絡(luò)演化博弈論分析網(wǎng)絡(luò)輿情傳播過程的研究相對較少，而作為網(wǎng)絡(luò)輿情傳播的載體，在線社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)對其演化過程具有重要影響?；谏鲜鰡栴}，本文計劃結(jié)合演化博弈論與復(fù)雜網(wǎng)絡(luò)理論，構(gòu)建同時考慮對稱博弈與非對稱博弈關(guān)系的網(wǎng)絡(luò)輿情演化模型，識別網(wǎng)絡(luò)輿情傳播過程的關(guān)鍵參數(shù)，為網(wǎng)絡(luò)輿情的傳播與管理提供理論依據(jù)。

1演化博弈模型的構(gòu)建

1.1經(jīng)典演化博弈模型

1.1.1問題描述

由于網(wǎng)絡(luò)輿情傳播的即時性、便捷性、互動性、匿名性等特點，圍繞社會某熱點事件，網(wǎng)民更傾向于通過社交網(wǎng)絡(luò)平臺獲取相關(guān)信息，發(fā)表自己的意見與觀點，參與社區(qū)互動等，進(jìn)而為網(wǎng)絡(luò)輿情的大范圍傳播與擴(kuò)散創(chuàng)造了條件。尤其當(dāng)網(wǎng)民的常規(guī)利益表達(dá)缺乏渠道時，互聯(lián)網(wǎng)則成為網(wǎng)民利益訴求、情緒宣泄甚至是謠言傳播的重要途徑與平臺，如奔馳女車主、特斯拉女車主車頂維權(quán)事件等。因此，在線社交網(wǎng)絡(luò)中的輿情傳播主要依賴于用戶的傳播或轉(zhuǎn)發(fā)行為，網(wǎng)民是網(wǎng)絡(luò)輿情傳播過程中的重要參與主體。

另外，在長期演化形成的在線社交網(wǎng)絡(luò)中，不可避免地存在著用戶在網(wǎng)絡(luò)地位上的差異，出現(xiàn)了類似于微博中的“大V”“領(lǐng)域?qū)＜摇保兑衾锏摹熬W(wǎng)紅”“流量主播”等一類用戶。由于其所掌握的信息量顯著異于普通網(wǎng)民的信息量，故在信息傳播過程中往往扮演著“觀點領(lǐng)袖”的角色，與普通網(wǎng)民形成了不對等的網(wǎng)絡(luò)地位關(guān)系。如疫情期間，部分網(wǎng)民曲解鐘南山院士的“板藍(lán)根顆粒對新冠病毒體外抑制有效”的言論，導(dǎo)致民眾瘋狂搶購板藍(lán)根。因此，本文將在線社交網(wǎng)絡(luò)中，具有較強(qiáng)社會影響力，對普通網(wǎng)民的行為可以產(chǎn)生重要影響的“大V”“網(wǎng)紅”“專家”等一類用戶，稱為關(guān)鍵用戶群體，將其他用戶定義為普通網(wǎng)民群體。

針對社會某一熱點事件，用戶往往具有不同的觀點，進(jìn)而衍生出不同類型的輿情信息。因此，圍繞社會熱點事件，本文將客觀描述、發(fā)表正面言論、有利于維護(hù)社會穩(wěn)定的一類網(wǎng)絡(luò)輿情（網(wǎng)民的觀點或意見）定義為正面輿情;將發(fā)布的負(fù)面或不正當(dāng)言論、不利于社會穩(wěn)定的一類網(wǎng)絡(luò)輿情（網(wǎng)民的觀點或評論）定義為負(fù)面輿情。隨后在網(wǎng)絡(luò)輿情的傳播過程中，定義用戶的行為策略集合為“傳播正面輿情”“傳播負(fù)面輿情”以及“不參與傳播”。

1.1.2演化博弈模型構(gòu)建

在社交網(wǎng)絡(luò)中，定義普通網(wǎng)民與關(guān)鍵用戶的比例分別為x與y（x+y=1）。在普通網(wǎng)民群體中，選擇傳播正面輿情策略的人群比例為x1，選擇傳播負(fù)面輿情策略的人群比例為x2，x-x1-x2比例的人群不參與網(wǎng)絡(luò)輿情的傳播;類似地，定義在關(guān)鍵用戶群體中選擇傳播正面輿情策略的人群比例為y1，選擇傳播負(fù)面輿情策略的人群比例為y2，y-y1-y2比例的人群選擇不傳播網(wǎng)絡(luò)輿情。

假定在線社交網(wǎng)絡(luò)中的普通網(wǎng)民之間無差異，滿足對稱博弈關(guān)系，根據(jù)上述分析，在普通網(wǎng)民之間，定義不同策略組合下的收益矩陣如表1所示。

αi（i=1，2，…，9）分別對應(yīng)特定策略組合中前者的收益。如網(wǎng)民Ⅰ在傳播正面輿情，而網(wǎng)民Ⅱ在傳播負(fù)面輿情時，網(wǎng)民Ⅰ的收益為α2。需要注意的是，當(dāng)網(wǎng)民不參與網(wǎng)絡(luò)輿情傳播過程時，雖然其可能通過獲取其他網(wǎng)民傳播的信息而取得收益，但相較于其傳播行為帶來的收益而言非常小，故假定當(dāng)網(wǎng)民選擇不傳播策略時，其收益為0，即α7=α8=α9=0。

類似地，假定在線社交網(wǎng)絡(luò)中關(guān)鍵用戶之間無顯著差異，定義關(guān)鍵用戶之間發(fā)生對稱博弈時，不同策略組合下的收益矩陣如表2所示。

βi（i=1，2，…，9）分別對應(yīng)特定策略組合中前者的收益。如關(guān)鍵用戶Ⅰ在傳播正面輿情，而關(guān)鍵用戶Ⅱ也在傳播正面輿情時，關(guān)鍵用戶Ⅰ的收益為β1。類似地，當(dāng)網(wǎng)絡(luò)中的關(guān)鍵用戶選擇不傳播策略時，假定其收益為0，即β7=β8=β9=0。

而普通網(wǎng)民與關(guān)鍵用戶為兩個有差別的群體，二者之間滿足非對稱博弈關(guān)系。定義普通網(wǎng)民與關(guān)鍵用戶兩個群體分別選擇不同的策略時，收益矩陣如表3所示。

γ1，δ1（i=1，2，…，9）分別對應(yīng)特定策略組合中普通網(wǎng)民與關(guān)鍵用戶的收益。如普通網(wǎng)民在傳播正面輿情，而關(guān)鍵用戶在傳播負(fù)面輿情時，其各自的收益分別為γ2與δ2。與上述類似，當(dāng)普通網(wǎng)民與關(guān)鍵用戶選擇不傳播策略時，其收益為0。定義γ7=γ8=γ9=0;δ3=δ6=δ9=0。

假定在線社交網(wǎng)絡(luò)中，普通網(wǎng)民群體與關(guān)鍵用戶群體之間以均勻混合的方式進(jìn)行交互，故根據(jù)表1～3所列不同策略組合下群體的收益，可得在普通網(wǎng)民群體中，選擇傳播正面輿情策略用戶的收益為：

同理，可以分別得出在關(guān)鍵用戶群體中，選擇傳播正面輿情、選擇傳播負(fù)面輿情、不參與網(wǎng)絡(luò)輿情傳播過程3類用戶的收益分別為：

根據(jù)達(dá)爾文的生物進(jìn)化思想，假定選擇某一策略人群比例的調(diào)整速度正比于其平均收益超過混合策略平均收益的幅度，則在普通網(wǎng)民與關(guān)鍵用戶兩類群體中，選擇傳播正面（負(fù)面）輿情策略人群比例的復(fù)制子動態(tài)方程可分別表示為：

由上述定義可知，相較于傳播輿情而言，普通網(wǎng)民（關(guān)鍵用戶）不參與網(wǎng)絡(luò)輿情傳播過程策略的收益為0，而其他策略下的收益均為非負(fù)。故在利益的驅(qū)使下，隨著網(wǎng)絡(luò)輿情傳播過程的演化，普通網(wǎng)民與關(guān)鍵用戶均會逐漸參與到網(wǎng)絡(luò)輿情的傳播過程，在社交網(wǎng)絡(luò)中選擇傳播正面或負(fù)面輿情，即在穩(wěn)態(tài)中，兩類人群的比例參數(shù)滿足x1+x2=x;y1+y2=y。另外，在網(wǎng)絡(luò)輿情演化過程穩(wěn)定后，普通網(wǎng)民與關(guān)鍵用戶中選擇各類策略的人群比例不再變。

由式（9）可知，該微分系統(tǒng)的解析解非常難以確定，故本文在下一節(jié)嘗試借助網(wǎng)絡(luò)演化博弈求解其數(shù)值解，并分析兩類群體的策略選擇對網(wǎng)絡(luò)輿情傳播過程的影響。

1.2網(wǎng)絡(luò)演化博弈模型

雖然傳統(tǒng)的演化博弈在一定程度上有助于從微觀視角深入了解網(wǎng)絡(luò)輿情傳播過程中網(wǎng)民的策略選擇過程，但其個體間均勻混合的假設(shè)，與現(xiàn)實中社區(qū)用戶之間的交互關(guān)系具有一定的差距，故復(fù)雜網(wǎng)絡(luò)上的演化博弈應(yīng)運而生。

將在線社交網(wǎng)絡(luò)視為具有特定拓?fù)浣Y(jié)構(gòu)的復(fù)雜網(wǎng)絡(luò)，網(wǎng)民之間通過微觀交互等動力學(xué)機(jī)制實現(xiàn)網(wǎng)絡(luò)輿情的傳播與擴(kuò)散。基于此，本節(jié)將結(jié)合復(fù)雜網(wǎng)絡(luò)理論與演化博弈理論，采用網(wǎng)絡(luò)演化博弈論分析社交網(wǎng)絡(luò)中的網(wǎng)絡(luò)輿情傳播過程。

1.2.1社交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

作為網(wǎng)絡(luò)輿情傳播的載體，社交網(wǎng)絡(luò)（如微博、微信、Facebook、Twitter等）的拓?fù)浣Y(jié)構(gòu)對網(wǎng)絡(luò)輿情的演化過程具有顯著影響，并且該結(jié)論得到了大量研究的證實[16-17]。

近年來，隨著通信技術(shù)的快速發(fā)展，在線社交網(wǎng)絡(luò)平臺種類迅速增多，但不同網(wǎng)絡(luò)平臺中用戶好友的增長機(jī)制卻呈現(xiàn)出顯著的差異。如在微博、抖音、Twitter等社交網(wǎng)絡(luò)平臺中，用戶之間關(guān)系（連接）的建立具備單向認(rèn)證的特點，即用戶A只需對用戶B進(jìn)行關(guān)注，二者之間便可以進(jìn)行信息交互;另外，在該類社交網(wǎng)絡(luò)中，用戶好友的增加往往存在偏好選擇，即優(yōu)先關(guān)注社交網(wǎng)絡(luò)中的明星、公眾人物等權(quán)威賬號。結(jié)合愛丁堡大學(xué)2019年發(fā)布的Facebook的部分網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)（22469個節(jié)點，171002條邊，度分布如圖1所示），其呈現(xiàn)出顯著的冪率分布特征，符合預(yù)期的理論分析，故選擇該部分在線社交網(wǎng)絡(luò)作為網(wǎng)絡(luò)輿情傳播的載體。

1.2.2網(wǎng)絡(luò)演化博弈規(guī)則

根據(jù)前文演化博弈的定義，在引入網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上，本文選擇將交互網(wǎng)絡(luò)博弈作為網(wǎng)絡(luò)演化博弈的規(guī)則。在該類網(wǎng)絡(luò)博弈中，網(wǎng)絡(luò)中每一對相鄰節(jié)點均進(jìn)行一個兩人博弈，每個節(jié)點的收益則為它與所有鄰居節(jié)點進(jìn)行兩人博弈后所產(chǎn)生的收益之和。因此，在每個網(wǎng)絡(luò)輿情傳播周期結(jié)束后，每一名用戶體均會在對比自己與鄰居用戶收益（策略）的基礎(chǔ)上，決定下一步的決策行為。具體而言：

1）計算t時刻每個用戶的累計收益。根據(jù)表1～3的定義，在某一時刻，根據(jù)用戶自身的狀態(tài)以及鄰居用戶的狀態(tài)，計算當(dāng)前時刻用戶的累計收益。如在t時刻，對于一個正在傳播正面輿情的普通網(wǎng)民用戶，其擁有k個鄰居節(jié)點，其中普通網(wǎng)民與關(guān)鍵用戶的數(shù)量分別為kO與kV。在普通網(wǎng)民中，kOp個用戶在傳播正面輿情，kOn個用戶在傳播負(fù)面輿情，其余用戶處于未傳播狀態(tài);在關(guān)鍵用戶中，正面輿情傳播者與負(fù)面輿情傳播者的數(shù)量分別為kVp與kVn。因此，該網(wǎng)民當(dāng)前時刻的收益可表示為：

2）隨后，通過比較自身與鄰居的收益更新自己的策略。目前常用的策略更新規(guī)則包括模仿規(guī)則（模仿最優(yōu)者、模仿優(yōu)勝者）、配對比較規(guī)則以及基于Moran過程的自然選擇規(guī)則[2]。由于在線社交網(wǎng)絡(luò)中用戶的鄰居節(jié)點眾多（節(jié)點的最大度為498），用戶難以在規(guī)模眾多的相鄰用戶中確定收益最大的鄰居，故考慮到用戶的有限理性以及在線社交網(wǎng)絡(luò)的外部因素干擾，本文選擇配對比較規(guī)則更新用戶的策略。在t時刻，用戶隨機(jī)在鄰居用戶中選擇一位鄰居，根據(jù)彼此的收益，在t+1時刻，模仿對方策略的概率為：

式（11）中，u（t）i與u（t）j代表用戶i，j在t時刻的收益;m代表了用戶的理性程度：當(dāng)m→0代表用戶完全理性，只會模仿高于自身收益的策略;而隨著m的增加，用戶的理性程度逐漸降低，模仿低收益策略的概率逐漸增加。

2仿真結(jié)果及分析

在上述網(wǎng)絡(luò)演化博弈規(guī)則的基礎(chǔ)上，本部分利用Matlab對演化博弈模型進(jìn)行仿真實驗，模擬網(wǎng)絡(luò)輿情的傳播過程。隨后，分析普通網(wǎng)民與關(guān)鍵用戶的收益參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響，識別影響網(wǎng)絡(luò)輿情傳播趨勢的關(guān)鍵參數(shù)，并根據(jù)實驗結(jié)果，針對在線社交網(wǎng)絡(luò)中網(wǎng)絡(luò)輿情的傳播，提出針對性的對策與建議。

在實驗初始狀態(tài)，根據(jù)在線社交網(wǎng)絡(luò)中節(jié)點的度，將節(jié)點劃分為普通網(wǎng)民與關(guān)鍵用戶兩類，將節(jié)點度前10%的節(jié)點定義為關(guān)鍵用戶（y=0.1），其余節(jié)點定義為普通網(wǎng)民（x=0.9）。隨后，在關(guān)鍵用戶中，隨機(jī)選擇1%節(jié)點處于正面輿情傳播狀態(tài)（y1=0.01），隨機(jī)選擇1%的節(jié)點處于負(fù)面輿情傳播狀態(tài)（y2=0.01）;在普通網(wǎng)民中，隨機(jī)選擇10%的節(jié)點處于正面輿情傳播狀態(tài)（x1=0.1），隨機(jī)選擇10%的節(jié)點處于負(fù)面輿情傳播狀態(tài)（x2=0.1），其余各實驗參數(shù)定義如式（12）所示。另外，為了避免實驗結(jié)果的隨機(jī)性導(dǎo)致的誤差，每次實驗獨立進(jìn)行100次，選擇100次實驗結(jié)果的平均值作為最終結(jié)果進(jìn)行分析。

在當(dāng)前的實驗參數(shù)設(shè)置下，如圖2所示實驗結(jié)果可知，在網(wǎng)絡(luò)輿情開始傳播之后，兩類人群均快速參與到網(wǎng)絡(luò)輿情的傳播過程（在t=10后，網(wǎng)絡(luò)中選擇不傳播策略的用戶比例下降至0，符合實驗預(yù)期），并且隨著時間的推移，正、負(fù)面輿情傳播者同時存在，各自圍繞非零數(shù)值上下波動。

值得注意的是，在網(wǎng)民群體中，負(fù)面輿情的傳播占據(jù)優(yōu)勢，約為60%的人群（x2/x）在傳播負(fù)面輿情，而正面輿情的傳播者比例約為40%;在關(guān)鍵用戶群體中，正、負(fù)面輿情的傳播不分伯仲，兩類輿情傳播者的數(shù)量幾乎一致，均在50%上下波動。

為了更好地分析普通網(wǎng)民與關(guān)鍵用戶的收益參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響，并且有效地識別出影響網(wǎng)民與關(guān)鍵用戶網(wǎng)絡(luò)輿情傳播策略選擇的關(guān)鍵參數(shù)，接下來將分別分析兩類對稱博弈關(guān)系中，普通網(wǎng)民與關(guān)鍵用戶的收益參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響。

2.1對稱博弈關(guān)系下用戶收益對網(wǎng)絡(luò)輿情傳播過程的影響

2.1.1普通網(wǎng)民之間的收益對網(wǎng)絡(luò)輿情傳播過程的影響

本節(jié)將重點討論對稱博弈關(guān)系中，普通網(wǎng)民之間的收益參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響。在式（12）的基礎(chǔ)上分別調(diào)整αi∈[0，1]（i=1，2，3，…，6），實驗結(jié)果如圖3所示。

由實驗結(jié)果可知：

1）隨著普通網(wǎng)民之間的相對收益參數(shù)（α1、α2、α4、α5）的增加，網(wǎng)絡(luò)中正、負(fù)面輿情傳播者的數(shù)量呈現(xiàn)出顯著的趨向性變化;而隨著絕對收益參數(shù)（α3、α6）的增加，網(wǎng)絡(luò)輿情的傳播過程并未呈現(xiàn)出明顯的趨向性變化。因此可知，普通網(wǎng)民間的相對收益顯著影響網(wǎng)絡(luò)輿情的傳播過程，而其之間的絕對收益對網(wǎng)絡(luò)輿情傳播過程的影響較小。究其原因，由圖2可知，當(dāng)網(wǎng)絡(luò)輿情在社交網(wǎng)絡(luò)中開始傳播后，在經(jīng)濟(jì)收益的影響下，普通網(wǎng)民以很快的速度加入傳播過程中，選擇不傳播策略的用戶比例逐漸下降為0，故普通網(wǎng)民之間的絕對收益無法顯著影響網(wǎng)絡(luò)輿情的傳播過程。

2）普通網(wǎng)民之間的相對收益參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響效果存在差異。如在圖3（a、e）中，隨著α1的增加，在線社交網(wǎng)絡(luò)中的正面輿情傳播逐漸由絕對劣勢演化至占據(jù)上風(fēng)，最終占據(jù)絕對優(yōu)勢（α5的變化導(dǎo)致的結(jié)果與其相反，不再贅述），故本文將其稱為普通網(wǎng)民群體的關(guān)鍵參數(shù);而在圖3（b、d）中，隨著α2的增加，雖然在線社交網(wǎng)絡(luò)中的正面輿情傳播也由劣勢逐漸演化為占據(jù)優(yōu)勢，但變化幅度要小于關(guān)鍵參數(shù)引起的變化幅度，故本文將其稱為普通網(wǎng)民群體的次關(guān)鍵參數(shù)。

3）隨著普通網(wǎng)民群體收益參數(shù)的變化，普通網(wǎng)民與關(guān)鍵用戶群體的策略選擇變化并不同步，相較于普通網(wǎng)民，關(guān)鍵用戶群體策略的變化對普通網(wǎng)民的相對收益參數(shù)要求更高。如當(dāng)α1>0.2時，在普通網(wǎng)民群體中，正面輿情的傳播已經(jīng)占據(jù)了優(yōu)勢，而直到α1>0.4，在關(guān)鍵用戶群體中，正面輿情的傳播才可占據(jù)優(yōu)勢，并且這種差距在次關(guān)鍵參數(shù)（α2與α4）中更加明顯。上述實驗結(jié)果進(jìn)一步證實了參數(shù)α1、α5與α2、α4對網(wǎng)絡(luò)輿情傳播過程不同的影響力。

2.1.2關(guān)鍵用戶之間的收益對網(wǎng)絡(luò)輿情傳播過程的影響

類似地，借助仿真實驗，本節(jié)將討論關(guān)鍵用戶之間的收益參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響。分別調(diào)整βi∈[0，1]（i=1，2，3，…，6），實驗結(jié)果如圖4所示。

由實驗結(jié)果可知：

1）關(guān)鍵用戶之間的相對收益參數(shù)（β1、β2、β4、β5）顯著影響網(wǎng)絡(luò)輿情的傳播過程，而絕對收益參數(shù)（β3、β6）對網(wǎng)絡(luò)輿情傳播過程的影響力度較小。

2）關(guān)鍵用戶之間的相對收益參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響程度也存在差異。如在圖4（a、e）中，隨著β1的增加，在線社交網(wǎng)絡(luò)中的正面輿情傳播由絕對劣勢逐漸演化至占據(jù)上風(fēng)，尤其當(dāng)β1>0.7后，正面輿情的傳播在社交網(wǎng)絡(luò)中占據(jù)絕對優(yōu)勢，故將其稱為關(guān)鍵用戶群體的關(guān)鍵參數(shù);而在圖4（b，d）中，隨著β2的增加，雖然在線社交網(wǎng)絡(luò)中的正面輿情傳播也逐漸由劣勢演化為占據(jù)優(yōu)勢，但變化幅度要小于關(guān)鍵參數(shù)引起的變化幅度，故將其稱為關(guān)鍵用戶群體的次關(guān)鍵參數(shù)。

3）隨著關(guān)鍵用戶群體收益的增加，普通網(wǎng)民群體的策略選擇與關(guān)鍵用戶群體的策略選擇幾乎同步變化，即關(guān)鍵用戶群體的收益參數(shù)可以同步地改變普通網(wǎng)民群體與關(guān)鍵用戶群體的網(wǎng)絡(luò)輿情傳播行為。這種現(xiàn)象在實際社會中非常普遍，憑借在社交網(wǎng)絡(luò)中強(qiáng)大的影響力，關(guān)鍵用戶群體在網(wǎng)絡(luò)輿情的傳播過程中，往往扮演著“觀點領(lǐng)袖”的角色，其策略選擇可以引領(lǐng)社交網(wǎng)絡(luò)中普通網(wǎng)民的觀點與行為策略;反之，少量普通網(wǎng)民的策略選擇無法有效地左右關(guān)鍵用戶群體的行為，除非大勢所趨，社交網(wǎng)絡(luò)中大量普通網(wǎng)民的觀點趨于一致，才可以有效地改變關(guān)鍵用戶的策略選擇。

通過上述兩部分的分析可知，在對稱博弈關(guān)系中，網(wǎng)絡(luò)輿情的傳播主要取決于網(wǎng)民群體與關(guān)鍵用戶群體之間的相對收益，受雙方群體絕對收益的影響微乎其微;另外，在影響網(wǎng)絡(luò)輿情演化過程的收益參數(shù)中，存在關(guān)鍵參數(shù)與次關(guān)鍵參數(shù)，關(guān)鍵參數(shù)的變化可以迅速改變社交網(wǎng)絡(luò)中正、負(fù)面輿情傳播的相對優(yōu)勢;最后，關(guān)鍵用戶群體的收益參數(shù)可以同步地改變兩類人群的網(wǎng)絡(luò)輿情傳播行為;而普通網(wǎng)民群體的收益參數(shù)無法同步改變兩類人群的網(wǎng)絡(luò)輿情傳播行為。普通網(wǎng)民與關(guān)鍵用戶對稱博弈關(guān)系中的收益參數(shù)對社交網(wǎng)絡(luò)中輿情傳播過程影響程度的大小順序.

2.2非對稱博弈關(guān)系下利益相關(guān)者收益對網(wǎng)絡(luò)輿情傳播過程的影響

由上述實驗及分析可知，網(wǎng)絡(luò)輿情傳播過程主要取決于網(wǎng)民與關(guān)鍵用戶之間的相對收益，而受到彼此之間絕對收益的影響較小。故在本節(jié)，借助光譜圖將重點討論非對稱博弈關(guān)系中，雙方利益相關(guān)者之間的相對收益參數(shù)（δi，γi（i=1，2，4，5））對網(wǎng)絡(luò)輿情傳播過程的影響。在式（12）的基礎(chǔ)上，分別調(diào)整δi，γi（i=1，2，4，5）∈[0，1]，實驗結(jié)果如圖5所示。

圖5分別展示了非對稱博弈關(guān)系下，在線社交網(wǎng)絡(luò)中正面輿情傳播者的比例（x1+y1）隨普通網(wǎng)民群體與關(guān)鍵用戶群體收益參數(shù)的變化過程（負(fù)面輿情傳播者的數(shù)量變化趨勢與之相反，故不再單獨展示，下同）。

由上述實驗結(jié)果可知，在非對稱博弈關(guān)系下：

1）普通網(wǎng)民與關(guān)鍵用戶之間的相對收益對網(wǎng)絡(luò)輿情傳播過程的影響程度存在顯著差異，整體而言，關(guān)鍵用戶的收益參數(shù)對網(wǎng)絡(luò)輿情的傳播過程具有更強(qiáng)的影響。如在圖5（a、d）中，在線社交網(wǎng)絡(luò)中正面輿情傳播者的比例沿著δi的方向存在顯著變化，而沿著γi的方向變化不顯著。以圖5（a）為例，當(dāng)δ1<0.2，即關(guān)鍵用戶選擇傳播正面輿情策略的收益較低時，即使普通網(wǎng)民群體選擇傳播正面輿情策略的收益非常高（γ1→1），仍無法有效地促進(jìn)正面輿情在社交網(wǎng)絡(luò)大范圍傳播;反之，當(dāng)δ1>0.2，即關(guān)鍵用戶選擇傳播正面輿情策略的收益較高時，即使普通網(wǎng)民群體選擇傳播正面輿情策略的收益非常低（γ1→0），仍可促進(jìn)正面輿情在社交網(wǎng)絡(luò)中大范圍擴(kuò)散。

2）關(guān)鍵用戶不同策略對應(yīng)的收益參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響程度也具有差異性。對比上述4種組合下的實驗過程，在圖5（a、d）中，δ1與δ5基本統(tǒng)治了在線社交網(wǎng)絡(luò)中網(wǎng)絡(luò)輿情的傳播過程：網(wǎng)絡(luò)輿情的傳播在δ1=0.2（δ5=0.15）前后呈現(xiàn)出不同的傳播趨勢，但是在δ1∈[0，0.2]、[0.2，1]（δ5∈[0，0.15]、[0.15，1]）兩個區(qū)間內(nèi)部，網(wǎng)絡(luò)輿情的傳播結(jié)果幾乎一致，隨著普通網(wǎng)民群體收益（γ1與γ5）的變化未呈現(xiàn)出顯著的變化;而在圖5（b～c）中，關(guān)鍵用戶的收益參數(shù)（δ2與δ4）并未展現(xiàn)出較強(qiáng)的統(tǒng)治力，而是與普通網(wǎng)民的收益參數(shù)（γ2與γ4）共同決定了網(wǎng)絡(luò)輿情的傳播過程。

結(jié)合上述分析可知，在非對稱博弈關(guān)系中，關(guān)鍵用戶的收益參數(shù)在網(wǎng)絡(luò)輿情的傳播過程中占據(jù)絕對的主導(dǎo)地位，而普通網(wǎng)民的收益參數(shù)所起到的作用非常有限。

上述兩部分的研究結(jié)果對管理實踐中網(wǎng)絡(luò)輿情的引導(dǎo)與管控具有一定的啟示。首先，針對在線社交網(wǎng)絡(luò)中的正面輿情信息，監(jiān)管主體應(yīng)該加強(qiáng)宣傳，對于在社交網(wǎng)絡(luò)中積極參與傳播的網(wǎng)民給予一定的支持與獎勵，如“學(xué)習(xí)強(qiáng)國”平臺中通過轉(zhuǎn)發(fā)積極的言論可以賺取積分，進(jìn)而兌換物質(zhì)獎勵，引導(dǎo)更多的網(wǎng)民積極參與到正面輿情的傳播中，促進(jìn)正能量信息的擴(kuò)散;而針對在線社交網(wǎng)絡(luò)中參與負(fù)面輿情傳播的網(wǎng)民群體，要進(jìn)行嚴(yán)格懲罰，并將相關(guān)情況進(jìn)行通報與推廣，以案例的形式在社交網(wǎng)絡(luò)中進(jìn)行傳播，引起整個社交網(wǎng)絡(luò)用戶的注意，以起到警示作用。如2019年，網(wǎng)絡(luò)主播“MC天佑”由于公開在網(wǎng)絡(luò)中發(fā)布低俗信息，國家網(wǎng)信辦對其實施跨平臺封禁，隨后諸多網(wǎng)絡(luò)主播紛紛修改昵稱、主播內(nèi)容等。另外，在當(dāng)今的流量社會，在線社交網(wǎng)絡(luò)中的關(guān)鍵用戶群體發(fā)布的輿情信息往往能夠引起大量粉絲用戶的追隨，并快速擴(kuò)散，造成較大規(guī)模的社會影響。故監(jiān)管主體應(yīng)該重點關(guān)注社交網(wǎng)絡(luò)平臺中的關(guān)鍵用戶群體，如微博中的“大V”、抖音中的網(wǎng)紅主播等用戶，通過約談等方式嚴(yán)格規(guī)范其網(wǎng)絡(luò)行為，防范負(fù)面輿情信息在社交網(wǎng)絡(luò)中的大范圍擴(kuò)散，營造清朗的網(wǎng)絡(luò)空間。

2.3兩種博弈關(guān)系對網(wǎng)絡(luò)輿情傳播過程的影響程度對比

通過上述兩部分的分析可知，不管是在對稱博弈還是非對稱博弈關(guān)系中，相較于普通網(wǎng)民的收益，關(guān)鍵用戶的收益參數(shù)均以更高強(qiáng)度影響著網(wǎng)絡(luò)輿情的傳播過程。接下來本節(jié)將重點對比分析，兩類群體兩種博弈關(guān)系中的收益參數(shù)網(wǎng)絡(luò)輿情傳播過程的影響程度，判斷究竟是對稱博弈關(guān)系還是非對稱博弈關(guān)系決定了網(wǎng)絡(luò)輿情的傳播過程。

首先，在式（12）的基礎(chǔ)上，分別定義αi，γi∈[0，1]（i=1，2，4，5），分析普通網(wǎng)民群體兩種博弈關(guān)系中的收益參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響，實驗結(jié)果如圖6所示。

圖6展示了隨著普通網(wǎng)民群體兩種博弈關(guān)系中收益參數(shù)的變化，社交網(wǎng)絡(luò)中正面輿情傳播者數(shù)量的變化趨勢。由實驗結(jié)果可知，整體而言，在普通網(wǎng)民群體中，兩種博弈關(guān)系對網(wǎng)絡(luò)輿情傳播過程的影響程度存在一定差異，相較于非對稱博弈關(guān)系，對稱博弈關(guān)系發(fā)揮著更重要的作用。如在圖6（a、d）中，普通網(wǎng)民群體的對稱博弈參數(shù)（α1與α5）基本決定了網(wǎng)絡(luò)輿情的傳播過程，而與之相比，非對稱博弈參數(shù)（γ1與γ5）所發(fā)揮的作用非常有限。

隨后，分別定義βi，δi∈[0，1]（i=1，2，4，5），分析關(guān)鍵用戶群體兩種博弈關(guān)系中收益參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響。

由圖7可知，整體而言，關(guān)鍵用戶群體的兩種博弈關(guān)系對網(wǎng)絡(luò)輿情傳播過程的影響程度，并未呈現(xiàn)出顯著的差異，而是共同決定了網(wǎng)絡(luò)輿情的傳播過程。但是，通過比較實驗結(jié)果中正面輿情傳播者數(shù)量發(fā)生顯著相變的位置發(fā)現(xiàn)，相較于對稱博弈參數(shù)，在線社交網(wǎng)絡(luò)中網(wǎng)絡(luò)輿情的傳播對非對稱博弈參數(shù)的變化更加敏感。如在圖7（a）中，社交網(wǎng)絡(luò)中正面輿情傳播者的數(shù)量隨δ1的增加以更快的速度占據(jù)了優(yōu)勢，而隨β1的增加，正面輿情傳播占據(jù)優(yōu)勢的速度較慢。同樣，在圖7（b～d）中，均呈現(xiàn)出類似的變化過程。

綜上所述，對于普通網(wǎng)民群體而言，對稱博弈關(guān)系對網(wǎng)絡(luò)輿情的傳播過程影響程度更大;而對于關(guān)鍵用戶群體而言，非對稱博弈關(guān)系在網(wǎng)絡(luò)輿情傳播過程中發(fā)揮了更重要的作用。因此，在應(yīng)用演化博弈論研究網(wǎng)絡(luò)輿情的傳播過程時，不能僅考慮普通網(wǎng)民與關(guān)鍵用戶的非對稱關(guān)系，還應(yīng)該同時考慮普通網(wǎng)民群體之間的對稱博弈關(guān)系，才能更準(zhǔn)確地描述網(wǎng)絡(luò)輿情的傳播過程。

3結(jié)論

在線社交網(wǎng)絡(luò)中的網(wǎng)絡(luò)輿情傳播，因其對社會穩(wěn)定與經(jīng)濟(jì)發(fā)展的重大影響而受到學(xué)術(shù)界與管理實踐的關(guān)注。結(jié)合演化博弈論與復(fù)雜網(wǎng)絡(luò)理論，將網(wǎng)絡(luò)用戶劃分為普通網(wǎng)民群體與關(guān)鍵用戶群體，本文構(gòu)建了同時考慮對稱博弈與非對稱博弈關(guān)系的網(wǎng)絡(luò)輿情演化模型，并通過仿真實驗識別了網(wǎng)絡(luò)輿情傳播過程中的關(guān)鍵參數(shù)，結(jié)合實驗分析，為網(wǎng)絡(luò)輿情的管理提出了更具有針對性的對策與建議。

研究結(jié)果表明：①網(wǎng)絡(luò)輿情的傳播主要取決于兩類群體的相對收益，受絕對收益的影響非常小;②在對稱博弈關(guān)系中，兩類人群的收益參數(shù)對網(wǎng)絡(luò)輿情傳播過程的影響程度存在差異，均存在關(guān)鍵參數(shù)與次關(guān)鍵參數(shù);關(guān)鍵用戶群體的收益參數(shù)可以同步地改變兩類人群的網(wǎng)絡(luò)輿情傳播行為;而普通網(wǎng)民群體的收益參數(shù)無法同步地改變兩類人群的網(wǎng)絡(luò)輿情傳播行為;③在非對稱博弈關(guān)系中，關(guān)鍵用戶的收益參數(shù)在網(wǎng)絡(luò)輿情的傳播過程中占據(jù)絕對的主導(dǎo)地位，而普通網(wǎng)民的收益參數(shù)所起到的作用非常有限;④對于普通網(wǎng)民群體而言，對稱博弈關(guān)系對網(wǎng)絡(luò)輿情的傳播過程影響程度更大;而對于關(guān)鍵用戶群體而言，非對稱博弈關(guān)系在網(wǎng)絡(luò)輿情傳播過程中發(fā)揮了更重要的作用。

本文的相關(guān)研究結(jié)論能夠為政府、社交網(wǎng)絡(luò)平臺等監(jiān)管主體積極合理地應(yīng)對在線社交網(wǎng)絡(luò)中的輿情傳播提供了一定的決策依據(jù)，但網(wǎng)絡(luò)輿情的傳播與管理是一個非常復(fù)雜的公共管理問題，本研究為更復(fù)雜情景下的網(wǎng)絡(luò)輿情傳播與干預(yù)研究提供了一定的理論基礎(chǔ)。

3796500338273