无标度网络机制下网络舆情传播演化规律分析

任立肖++张亮++张春莉

〔摘 要〕结合agent建模法、复杂网络理论，基于Netlogo平台进行仿真实验和结果分析，着重研究在无标度网络机制下，网络规模、个体间交互阈值、意见领袖数量、人为干预的时间点等因素对于网络舆情的影响，总结网络舆情传播与演化的规律。

〔关键词〕网络舆情；传播；仿真；Netlogo

DOI：10.3969/j.issn.1008-0821.2014.02.002

〔中图分类号〕G250.73 〔文献标识码〕A 〔文章编号〕1008-0821（2014）02-0008-05

2.0时代，每个网络用户都可能成为信息的发布者和传播者，但是目前的网络缺乏权威的中心节点，无法对各类信息的真伪进行鉴别和控制，为谣言的传播提供了温床。负面舆情传播的危害是很难预料的，但如果对舆情的发生、发展和演变的模式和规律进行深入研究，就能及时了解负面网络舆情或谣言的传播规律，若能进一步对其进行有效的引导和控制，就有可能避免因任其扩散而导致的灾难性后果。以微博为代表的社交网络的迅速崛起，为网络环境下舆情的传播和演化提供了最为便利的方式，而社交网络正是复杂网络中最为典型的网络形式，所以本文尝试利用复杂网络理论，结合agent建模来探究网络舆情的传播演化规律。

1 模型的构建

1.1 网络的初始构建在复杂网络理论的研究基础上，本文主要针对无标度网络机制来模拟现实社会人际关系网络，同时采用随机网络作为参照网络机制，进行比较研究。随机网络模型是一种最为经典的复杂网络模型。最为经典的是在20世纪60年代，由著名的数学家Erdos和Renyi提出的ER随机图模型[1]。随机网络中节点的度有个典型的特点，他们呈现出一个特征性的“平均值”，这是由于随机网络形成时各节点之间是随机连接，使得节点的连接数呈现出钟形的“泊松分布”[2]。随机网络的构建过程如下：（1）设定一个具有N个节点的子网，每时间步长网络会新增一个节点的无标度网络舆情演化情况，同时对照较小网络规模的随机网络舆情演化情况、较大网络规模的随机网络舆情演化情况（过程图及数据略）。通过大量仿真数据表明，在无标度网络机制下，节点数量越小，其意见领袖的领导和影响作用越强。对应现实社交网络中，网络圈子越小，其意见领袖的领导作用相对放大了，通过影响意见领袖来引导舆论传播这种方式效果明显。比较不同网络机制，无标度网络下意见领袖在引导舆情传播方面的效果要好于随机网络。这是由二者的网络结构特点所决定的，随机网络由于单个节点度很平均，故它本身的"意见领袖"特征不明显，当期望通过引导意见领袖来引导随机网络中的舆情传播时，可能达不到预期；而无标度网络最大的特点就是“意见领袖”性，故通过“意见领袖”来引导舆情传播是一个较理想的出发点。

3.3 意见领袖对舆情传播的引导作用第三组实验的目的是探究当意见领袖所占比例不同时，其引导舆情传播的效果。研究结果显示，在不同的网络机制中，意见领袖的比例变动给舆情传播带来的影响大致是一样的，即意见领袖的比例设置越大，通过引导意见领袖来引导舆情传播的作用就越明显。如：当期望将舆论和谣言引向有利于社会发展的方向时，意见领袖比例越大，对立群体和中立群体向目标群体转移的比例也就越大，但为了使模型能够更好地对真实网络进行仿真，该取值不宜过大。同时，加入了对舆情传播进行人为控制的时间点的研究，探究当ticknumber取不同值时，意见领袖的引导作用如何变化。在无标度网络中，若初始网络中，与opinion-last取值所属群体相同的节点数量占比最大，那么在自由交互过程中，这类群体可以带动舆情向好的方面发展，期间可以“静观其变”，当这种带动作用明显减弱时，此时人为介入引导意见领袖来引导舆情传播向有利方向发展的效果最佳。若初始网络中，与opinion-last取值所属群体对立的群体数量占比重最大，为了更好地引导舆情向好的方向传播，一旦爆发舆情，应尽快进行人为干预，且越早越好。这与刘林沙等的实证研究[9]相符，意见领袖应在微博事件的爆发阶段表明立场和价值取向，引导舆论事件的发展方向。在随机网络中，不论初始构建的网络舆情是如何分布的，从任何一个时间点进入去引导意见领袖，对舆情传播的引导效果都很难达到期望值。

3.4 意见领袖的引导方式最后一组实验为了研究无标度网络机制下，意见领袖的最佳引导方式。首先设置“一步到位”方式来引导网络舆情发展，这种方式的参数设置如图5所示。这种方式较极端，结果显示，经过舆情的传播和演化，持3种意见的人群所占比值数据变化不明显，可见“一步到位”方式引导网络舆情的效果不明显。

图5 “一步到位”方式参数设置图 实验继续尝试采用循序渐进改变意见领袖的值，使opinion-last取值由0.6逐渐变为0.1，称之为“循序渐进”法，此时的持3种观点的人群比例比值由37.8%、14.8%、47.4%分别变化为44.6%，19.4%，36%。数据可见，大量减少了持反对意见人群的数量。可见逐渐不断地改变意见领袖意见值能比较有效引导舆情传播，同时亦能抵消其他节点给意见领袖带来的负面影响。对随机网络的研究结果与无标度网络一致，但两种方式差距不明显，根本原因还是在于其自身网络构造特点。

4 结 论本文对舆情传播与演化的模式进行研究，构建了基于多agent的网络舆情演化模型，并利用Netlogo平台对该模型进行了模拟仿真。通过仿真，本文得出了一些重要结论：（1）无标度网络机制下，网络中个体交流“门槛”越低，舆情传播就越迅速，此时通过意见领袖引导舆情传播效果越好；（2）网络规模越小，意见领袖的作用就越被放大，其对该网络舆情的传播影响就越大；（3）在无标度网络机制下，如果拟采用意见领袖来引导网络舆情的发展，“循序渐进”法要优于“一步到位”法；（4）在本文构建的两种网络中，由于随机网络的自身网络特点决定，其网络舆情不易采取通过意见领袖来引导舆情传播。本文存在的不足之处主要在于对人际关系的复杂性描述不够，网络构建略显粗糙。下一步工作中，将对人际关系复杂网络模型进行更深入一步的学习和理解，使构造的网络更贴近真实社会网络，相应的对网络舆情传播的研究结果也会更加有现实意义。

参考文献

[1]Erdos P，A R.On Random Graphs[J].Publications Mathematical，1959：290-297.

[2]潘新.基于复杂网络的舆情传播模型研究[D].大连：大连理工大学，2010.

[3]Barabasi A-L，Albert R.Statistical Mechanics of Complex Network[J].Reviews of Modern Physics，2002：47-97.

[4]王平，谢耕耘.突发公共事件中微博意见领袖的实证研究——以“温州动车事故”为例[J].现代传播，2012，（3）：82-85.

[5]迟准，等.网络危机信息传播仿真研究——基于政府干预的传播[J].情报杂志，2012，（11）：27-30.

[6]刘小波.基于Netlogo平台的舆情演化模型实现[J].情报资料工作，2012，（1）：55-57.

[7]郭强.基于个体局部交互作用的舆情传播模型研究[J].计算机应用研究，2012，（11）：4086-4112.

[8]Alberto Caballero et al.Using Cognitive Cgents in Social Simulations[J].Engineering Applications of Artificial Intelligence，2011，（24）：1098-1109.

[9]刘林沙，陈默.突发事件中的微博意见领袖与舆情演变[J].电子政务，2012，（10）：50-55.

（本文责任编辑：马 卓）

〔摘 要〕结合agent建模法、复杂网络理论，基于Netlogo平台进行仿真实验和结果分析，着重研究在无标度网络机制下，网络规模、个体间交互阈值、意见领袖数量、人为干预的时间点等因素对于网络舆情的影响，总结网络舆情传播与演化的规律。

〔关键词〕网络舆情；传播；仿真；Netlogo

DOI：10.3969/j.issn.1008-0821.2014.02.002

〔中图分类号〕G250.73 〔文献标识码〕A 〔文章编号〕1008-0821（2014）02-0008-05

2.0时代，每个网络用户都可能成为信息的发布者和传播者，但是目前的网络缺乏权威的中心节点，无法对各类信息的真伪进行鉴别和控制，为谣言的传播提供了温床。负面舆情传播的危害是很难预料的，但如果对舆情的发生、发展和演变的模式和规律进行深入研究，就能及时了解负面网络舆情或谣言的传播规律，若能进一步对其进行有效的引导和控制，就有可能避免因任其扩散而导致的灾难性后果。以微博为代表的社交网络的迅速崛起，为网络环境下舆情的传播和演化提供了最为便利的方式，而社交网络正是复杂网络中最为典型的网络形式，所以本文尝试利用复杂网络理论，结合agent建模来探究网络舆情的传播演化规律。

1 模型的构建

1.1 网络的初始构建在复杂网络理论的研究基础上，本文主要针对无标度网络机制来模拟现实社会人际关系网络，同时采用随机网络作为参照网络机制，进行比较研究。随机网络模型是一种最为经典的复杂网络模型。最为经典的是在20世纪60年代，由著名的数学家Erdos和Renyi提出的ER随机图模型[1]。随机网络中节点的度有个典型的特点，他们呈现出一个特征性的“平均值”，这是由于随机网络形成时各节点之间是随机连接，使得节点的连接数呈现出钟形的“泊松分布”[2]。随机网络的构建过程如下：（1）设定一个具有N个节点的子网，每时间步长网络会新增一个节点的无标度网络舆情演化情况，同时对照较小网络规模的随机网络舆情演化情况、较大网络规模的随机网络舆情演化情况（过程图及数据略）。通过大量仿真数据表明，在无标度网络机制下，节点数量越小，其意见领袖的领导和影响作用越强。对应现实社交网络中，网络圈子越小，其意见领袖的领导作用相对放大了，通过影响意见领袖来引导舆论传播这种方式效果明显。比较不同网络机制，无标度网络下意见领袖在引导舆情传播方面的效果要好于随机网络。这是由二者的网络结构特点所决定的，随机网络由于单个节点度很平均，故它本身的"意见领袖"特征不明显，当期望通过引导意见领袖来引导随机网络中的舆情传播时，可能达不到预期；而无标度网络最大的特点就是“意见领袖”性，故通过“意见领袖”来引导舆情传播是一个较理想的出发点。

3.3 意见领袖对舆情传播的引导作用第三组实验的目的是探究当意见领袖所占比例不同时，其引导舆情传播的效果。研究结果显示，在不同的网络机制中，意见领袖的比例变动给舆情传播带来的影响大致是一样的，即意见领袖的比例设置越大，通过引导意见领袖来引导舆情传播的作用就越明显。如：当期望将舆论和谣言引向有利于社会发展的方向时，意见领袖比例越大，对立群体和中立群体向目标群体转移的比例也就越大，但为了使模型能够更好地对真实网络进行仿真，该取值不宜过大。同时，加入了对舆情传播进行人为控制的时间点的研究，探究当ticknumber取不同值时，意见领袖的引导作用如何变化。在无标度网络中，若初始网络中，与opinion-last取值所属群体相同的节点数量占比最大，那么在自由交互过程中，这类群体可以带动舆情向好的方面发展，期间可以“静观其变”，当这种带动作用明显减弱时，此时人为介入引导意见领袖来引导舆情传播向有利方向发展的效果最佳。若初始网络中，与opinion-last取值所属群体对立的群体数量占比重最大，为了更好地引导舆情向好的方向传播，一旦爆发舆情，应尽快进行人为干预，且越早越好。这与刘林沙等的实证研究[9]相符，意见领袖应在微博事件的爆发阶段表明立场和价值取向，引导舆论事件的发展方向。在随机网络中，不论初始构建的网络舆情是如何分布的，从任何一个时间点进入去引导意见领袖，对舆情传播的引导效果都很难达到期望值。

3.4 意见领袖的引导方式最后一组实验为了研究无标度网络机制下，意见领袖的最佳引导方式。首先设置“一步到位”方式来引导网络舆情发展，这种方式的参数设置如图5所示。这种方式较极端，结果显示，经过舆情的传播和演化，持3种意见的人群所占比值数据变化不明显，可见“一步到位”方式引导网络舆情的效果不明显。

图5 “一步到位”方式参数设置图 实验继续尝试采用循序渐进改变意见领袖的值，使opinion-last取值由0.6逐渐变为0.1，称之为“循序渐进”法，此时的持3种观点的人群比例比值由37.8%、14.8%、47.4%分别变化为44.6%，19.4%，36%。数据可见，大量减少了持反对意见人群的数量。可见逐渐不断地改变意见领袖意见值能比较有效引导舆情传播，同时亦能抵消其他节点给意见领袖带来的负面影响。对随机网络的研究结果与无标度网络一致，但两种方式差距不明显，根本原因还是在于其自身网络构造特点。

4 结 论本文对舆情传播与演化的模式进行研究，构建了基于多agent的网络舆情演化模型，并利用Netlogo平台对该模型进行了模拟仿真。通过仿真，本文得出了一些重要结论：（1）无标度网络机制下，网络中个体交流“门槛”越低，舆情传播就越迅速，此时通过意见领袖引导舆情传播效果越好；（2）网络规模越小，意见领袖的作用就越被放大，其对该网络舆情的传播影响就越大；（3）在无标度网络机制下，如果拟采用意见领袖来引导网络舆情的发展，“循序渐进”法要优于“一步到位”法；（4）在本文构建的两种网络中，由于随机网络的自身网络特点决定，其网络舆情不易采取通过意见领袖来引导舆情传播。本文存在的不足之处主要在于对人际关系的复杂性描述不够，网络构建略显粗糙。下一步工作中，将对人际关系复杂网络模型进行更深入一步的学习和理解，使构造的网络更贴近真实社会网络，相应的对网络舆情传播的研究结果也会更加有现实意义。

参考文献

[1]Erdos P，A R.On Random Graphs[J].Publications Mathematical，1959：290-297.

[2]潘新.基于复杂网络的舆情传播模型研究[D].大连：大连理工大学，2010.

[3]Barabasi A-L，Albert R.Statistical Mechanics of Complex Network[J].Reviews of Modern Physics，2002：47-97.

[4]王平，谢耕耘.突发公共事件中微博意见领袖的实证研究——以“温州动车事故”为例[J].现代传播，2012，（3）：82-85.

[5]迟准，等.网络危机信息传播仿真研究——基于政府干预的传播[J].情报杂志，2012，（11）：27-30.

[6]刘小波.基于Netlogo平台的舆情演化模型实现[J].情报资料工作，2012，（1）：55-57.

[7]郭强.基于个体局部交互作用的舆情传播模型研究[J].计算机应用研究，2012，（11）：4086-4112.

[8]Alberto Caballero et al.Using Cognitive Cgents in Social Simulations[J].Engineering Applications of Artificial Intelligence，2011，（24）：1098-1109.

[9]刘林沙，陈默.突发事件中的微博意见领袖与舆情演变[J].电子政务，2012，（10）：50-55.

（本文责任编辑：马 卓）

〔摘 要〕结合agent建模法、复杂网络理论，基于Netlogo平台进行仿真实验和结果分析，着重研究在无标度网络机制下，网络规模、个体间交互阈值、意见领袖数量、人为干预的时间点等因素对于网络舆情的影响，总结网络舆情传播与演化的规律。

〔关键词〕网络舆情；传播；仿真；Netlogo

DOI：10.3969/j.issn.1008-0821.2014.02.002

〔中图分类号〕G250.73 〔文献标识码〕A 〔文章编号〕1008-0821（2014）02-0008-05

2.0时代，每个网络用户都可能成为信息的发布者和传播者，但是目前的网络缺乏权威的中心节点，无法对各类信息的真伪进行鉴别和控制，为谣言的传播提供了温床。负面舆情传播的危害是很难预料的，但如果对舆情的发生、发展和演变的模式和规律进行深入研究，就能及时了解负面网络舆情或谣言的传播规律，若能进一步对其进行有效的引导和控制，就有可能避免因任其扩散而导致的灾难性后果。以微博为代表的社交网络的迅速崛起，为网络环境下舆情的传播和演化提供了最为便利的方式，而社交网络正是复杂网络中最为典型的网络形式，所以本文尝试利用复杂网络理论，结合agent建模来探究网络舆情的传播演化规律。

1 模型的构建

1.1 网络的初始构建在复杂网络理论的研究基础上，本文主要针对无标度网络机制来模拟现实社会人际关系网络，同时采用随机网络作为参照网络机制，进行比较研究。随机网络模型是一种最为经典的复杂网络模型。最为经典的是在20世纪60年代，由著名的数学家Erdos和Renyi提出的ER随机图模型[1]。随机网络中节点的度有个典型的特点，他们呈现出一个特征性的“平均值”，这是由于随机网络形成时各节点之间是随机连接，使得节点的连接数呈现出钟形的“泊松分布”[2]。随机网络的构建过程如下：（1）设定一个具有N个节点的子网，每时间步长网络会新增一个节点的无标度网络舆情演化情况，同时对照较小网络规模的随机网络舆情演化情况、较大网络规模的随机网络舆情演化情况（过程图及数据略）。通过大量仿真数据表明，在无标度网络机制下，节点数量越小，其意见领袖的领导和影响作用越强。对应现实社交网络中，网络圈子越小，其意见领袖的领导作用相对放大了，通过影响意见领袖来引导舆论传播这种方式效果明显。比较不同网络机制，无标度网络下意见领袖在引导舆情传播方面的效果要好于随机网络。这是由二者的网络结构特点所决定的，随机网络由于单个节点度很平均，故它本身的"意见领袖"特征不明显，当期望通过引导意见领袖来引导随机网络中的舆情传播时，可能达不到预期；而无标度网络最大的特点就是“意见领袖”性，故通过“意见领袖”来引导舆情传播是一个较理想的出发点。

3.3 意见领袖对舆情传播的引导作用第三组实验的目的是探究当意见领袖所占比例不同时，其引导舆情传播的效果。研究结果显示，在不同的网络机制中，意见领袖的比例变动给舆情传播带来的影响大致是一样的，即意见领袖的比例设置越大，通过引导意见领袖来引导舆情传播的作用就越明显。如：当期望将舆论和谣言引向有利于社会发展的方向时，意见领袖比例越大，对立群体和中立群体向目标群体转移的比例也就越大，但为了使模型能够更好地对真实网络进行仿真，该取值不宜过大。同时，加入了对舆情传播进行人为控制的时间点的研究，探究当ticknumber取不同值时，意见领袖的引导作用如何变化。在无标度网络中，若初始网络中，与opinion-last取值所属群体相同的节点数量占比最大，那么在自由交互过程中，这类群体可以带动舆情向好的方面发展，期间可以“静观其变”，当这种带动作用明显减弱时，此时人为介入引导意见领袖来引导舆情传播向有利方向发展的效果最佳。若初始网络中，与opinion-last取值所属群体对立的群体数量占比重最大，为了更好地引导舆情向好的方向传播，一旦爆发舆情，应尽快进行人为干预，且越早越好。这与刘林沙等的实证研究[9]相符，意见领袖应在微博事件的爆发阶段表明立场和价值取向，引导舆论事件的发展方向。在随机网络中，不论初始构建的网络舆情是如何分布的，从任何一个时间点进入去引导意见领袖，对舆情传播的引导效果都很难达到期望值。

3.4 意见领袖的引导方式最后一组实验为了研究无标度网络机制下，意见领袖的最佳引导方式。首先设置“一步到位”方式来引导网络舆情发展，这种方式的参数设置如图5所示。这种方式较极端，结果显示，经过舆情的传播和演化，持3种意见的人群所占比值数据变化不明显，可见“一步到位”方式引导网络舆情的效果不明显。

图5 “一步到位”方式参数设置图 实验继续尝试采用循序渐进改变意见领袖的值，使opinion-last取值由0.6逐渐变为0.1，称之为“循序渐进”法，此时的持3种观点的人群比例比值由37.8%、14.8%、47.4%分别变化为44.6%，19.4%，36%。数据可见，大量减少了持反对意见人群的数量。可见逐渐不断地改变意见领袖意见值能比较有效引导舆情传播，同时亦能抵消其他节点给意见领袖带来的负面影响。对随机网络的研究结果与无标度网络一致，但两种方式差距不明显，根本原因还是在于其自身网络构造特点。

4 结 论本文对舆情传播与演化的模式进行研究，构建了基于多agent的网络舆情演化模型，并利用Netlogo平台对该模型进行了模拟仿真。通过仿真，本文得出了一些重要结论：（1）无标度网络机制下，网络中个体交流“门槛”越低，舆情传播就越迅速，此时通过意见领袖引导舆情传播效果越好；（2）网络规模越小，意见领袖的作用就越被放大，其对该网络舆情的传播影响就越大；（3）在无标度网络机制下，如果拟采用意见领袖来引导网络舆情的发展，“循序渐进”法要优于“一步到位”法；（4）在本文构建的两种网络中，由于随机网络的自身网络特点决定，其网络舆情不易采取通过意见领袖来引导舆情传播。本文存在的不足之处主要在于对人际关系的复杂性描述不够，网络构建略显粗糙。下一步工作中，将对人际关系复杂网络模型进行更深入一步的学习和理解，使构造的网络更贴近真实社会网络，相应的对网络舆情传播的研究结果也会更加有现实意义。

参考文献

[1]Erdos P，A R.On Random Graphs[J].Publications Mathematical，1959：290-297.

[2]潘新.基于复杂网络的舆情传播模型研究[D].大连：大连理工大学，2010.

[3]Barabasi A-L，Albert R.Statistical Mechanics of Complex Network[J].Reviews of Modern Physics，2002：47-97.

[4]王平，谢耕耘.突发公共事件中微博意见领袖的实证研究——以“温州动车事故”为例[J].现代传播，2012，（3）：82-85.

[5]迟准，等.网络危机信息传播仿真研究——基于政府干预的传播[J].情报杂志，2012，（11）：27-30.

[6]刘小波.基于Netlogo平台的舆情演化模型实现[J].情报资料工作，2012，（1）：55-57.

[7]郭强.基于个体局部交互作用的舆情传播模型研究[J].计算机应用研究，2012，（11）：4086-4112.

[8]Alberto Caballero et al.Using Cognitive Cgents in Social Simulations[J].Engineering Applications of Artificial Intelligence，2011，（24）：1098-1109.

[9]刘林沙，陈默.突发事件中的微博意见领袖与舆情演变[J].电子政务，2012，（10）：50-55.

（本文责任编辑：马 卓）