基于小集團集散觀點模型的網絡輿情傳播研究

張勃 高玲

【摘 要】隨著信息時代的爆炸式發展，網絡輿情傳播研究變得越來越為重要。本文提出了一種新的更具現實意義的傳播模型，該模型在整個網絡中劃分為各自聯系緊密的很多小集團，然后小集團內部個體之間進行信息觀點集散并最終整合，最后整個網絡上各小集團之間再進行意見平衡，使其可以對整個網絡的意見分布進行分時統計。

【關鍵詞】輿情傳播 演化模型 小集團觀點集散

【中圖分類號】 C931.6【文獻標識碼】A【文章編號】1672-5158（2013）07-0158-01

一、引言

1、社會網絡輿情傳播研究的時代要求

信息在現代社會生活中的作用越來越大，甚至很多時候，它已經成為制約事情成敗的關鍵性因素。人們獲得信息的渠道也越來越廣泛，毫無疑問，互聯網讓這個信息時代有了爆炸式的發展，并當之無愧成為引導現代社會信息交流的排頭兵，社交網站、微博論壇等互聯網衍生的服務應用也已成為了人們信息傳播和交流溝通的主要方式。隨之而來的，社會網絡輿情的控制和引導，成為一個迫在眉睫需要解決的重大問題。

2、網絡輿情研究現狀

對輿情的研究最初發源于社會學領域，其是作為傳播學的研究內容出現的，但隨著社會信息化程度的加深和輿情傳播形式的復雜多樣化，對輿情傳播的研究涉及經濟、物理、數學、計算機等多種科學領域，是輿情研究成為一個名符其實的交叉性學科。人們利用不同領域的方法試圖對現實社會網絡輿情進行量化描述，以期望可以對輿情的傳播和演化過程實現更加客觀的分析。

在自然科學領域內，關于輿情傳播的研究主要體現在建模演化上，這些模型用以解釋在各自不同的定義上輿情如何表達以及如何演進。例如，以Sznajd模型和KH模型為代表的一系列節點交互模型，其主要思路是定義節點間簡單的交互形式，并將這種交互方式在特定的網絡結構上多次迭代，從而觀察整個網絡上節點的共同宏觀效應得出輿情傳播規律。

二、研究內容

1、小集團型網絡拓撲結構

網絡的拓撲結構對輿情演化有著重要的影響，而現實中人們之間意見交換的方式具有非常復雜的拓撲特征，比如小世界特性、無標度特性等等。本文討論的結構，可以稱之為小集團型網絡結構?？梢赃@樣理解，現實社會中人們更為關心也更加傾向和本身距離相近的個體進行信息交換，該結構初始化過程中在整個網絡中加入節點時，必要首先選擇其確定加入的小集團，也就是每個節點的產生必要依附于某個小集團，即每個節點必屬于某一個小集團之內。每個節點的觀點值只能影響本集團成員，而無法影響其他集團中節點的觀點值。令ηi 為小集團i的觀點熱量參數。各個集團之間，通過ηi 互相影響各自節點的觀點值。

2、小集團型觀點傳播類型特征

一般情況下，人們在形成看法過程中，總是容易受到周圍的人觀點態度的影響，而當自身接受一種觀點時，經過分析判斷也會形成對原觀點某種程度上的偏移，轉而發表繼續影響周圍人的觀點。就這樣，當形成看法過程中，總要經歷各種反復，并在小范圍內達成某種共識，這也就是小范圍內觀點的集散過程。我們從一個相對小的范圍，即一個聯系相對密切的小的集團著手，以一個小范圍節點整體為單位，該小范圍內觀點自組織集散共同形成。同KH模型一樣，采用連續的方式定義觀點值，并令觀點值α∈[0， 1]，0表示觀點極左，1表示觀點極右，這樣可以用小規模的觀點簡單相加得出大小判斷意見傾向?？紤]N個節點組成的緊密貼合的小集團，其中個體i的觀點值在t時刻用Xi（t）表示，0≤Xi（t）≤1。在下一時刻，個體i的觀點值由下式決定：

Xi（t+1）=λ[ri1X1（t）+ri2X2（t）+…+rinXn（t）]ηi （1）

其中：

λ 表示在下一時刻Xi進行觀點改變的概率；

rij 為節點i與節點j之間的權重，并且滿足如下約束條件：

ηi 表示本集團內的觀點熱量參數，可以認為，集團內的總體觀點也遵循類似于自然界“熱脹冷縮”的現象：即比較“熱”的觀點會更快的進行傳播，而比較“冷”的觀點，會以更快的速度冷卻。

n為Xi節點的度，也就是說，Xi節點只能和與其相鄰的節點進行意見交流。

另外，在本集團網絡中，我們還要給節點之間的交流加上某種限制，因為容易理解，在現實社會中，并不是隨意的兩個人都會產生意見交流，只有當兩個人的意見相差在某個范圍之內時，才有可能進行觀點交換。對此，我們定義一個距離參數？，只有當 |Xi-Xj|≤？時，Xi和Xj 才有可能進行觀點值交換。

3、小集團型集散觀點演進過程分析

由于各自集團的節點無法影響其他集團節點的意見，所以討論各個集團之間的相互影響。各個小集團之間通過觀點熱量參數ηi相互影響。本文定義，任何兩個小集團之間交互之后，觀點熱量參數為

表示為相互交換的兩個小集團的距離權重。

由（1）式可見，一個節點所持的意見，不僅和自己周圍節點有關，也和該集團的整體輿論熱度有關。在每一個時刻，節點都需要根據整個網絡熱度均值進行自身的調整，調整的同時也必將對其他節點的觀點進行影響。

對于式（1），我們希望研究其某個節點在下一個時間步的變化趨勢，即對Xi（t+1）在t上求微分，于是得到下式：d（Xi（t+1））=λd[ri1X1（t）+ri2X2（t）+…+rinXn（t）]ηi+λXi（t+1）/ηi+dηi

從上面的微分方程中，我們可以得出，在某一個小集團內，觀點會在最終趨于一致，收斂時間和下一時刻Xi進行觀點改變的概率λ成正比。

而在整個網絡中，各個小集團間的意見評價熱度則趨向于穩定。

參考文獻

[1] HolystJ.A.，KaePerskiK.，SchweitZer F.Social impact models of opinion dynamies.World Scientific Publishing Company：2001

[2] K.Sznajd-Weron，J.Sznajd.Opinion evolution in elosed community.Int. J.Mod.Phys.C，2000，11（6）：1157-1165

[3] R.Hegselmann，U.Krause.Opinion dynamics and bounded confidence models，analysis，and simulation.Joural of Artificial Societies and Social Simulation（JASSS），2002，5（3）：2-34