融入用户群体行为的移动社交网络舆情传播动态演化模型研究.docx

融入用户群体行为的移动社交网络舆情传播动态演化模型研究 张继东 蒋丽萍关键词：移动社交网络;舆情传播;用户群体行为;网络舆情;SEIR模型;群体规模;从众效应;社会强化效应移动社交网络在人们日常生活中占据着越来越大的比重，网络信息的传播模式和传播速度也相应受到影响移动社交网络中的信息传播真正实现了不受时空的限制，网民具备对热点事件不间断关注的条件，且能够随时转发分享，更容易在短时间内引爆热门话题因此，移动环境下的舆情传播具备交互性更强、传播速度更快、影响范围更广的特点此外，各类社交网络平台如微博、知乎、豆瓣等的普及性与便捷性降低了用户获取、评论、转发、传播信息的成本网络的匿名性和隐藏性助长了网民以群体为掩护，依据自己的感受和喜好来发布情感信息的倾向，话题不受控制，甚至出现传播失真，造成更大的影响由于网络意见对社会有着重大的影响，因此十分有必要对网络舆情的传播过程进行更加深入研究和分析由于移动社交网络的透明性.人们获取信息以及观察学习他人的意见和行为变得更加容易，特别是群体意见领袖的发声.会导致“沉默的螺旋”现象的出现.使得网络中的部分个体服从于群体意见或行为，甚至改变自己原有的意见和态度。

本文基于经典SEIR模型.通过建立适用于移动社交网络的舆情信息传播模型，探讨群体规模、群体从众效应以及社会强化效应对网络信息传播过程的影响，以达到对社交网络中舆情信息传播与发展进程进行预测的目的，进而为控制舆论走向和发布价值信息等工作提供参考基于此，本文提出了一个基于用户群体行为对舆情信息传播过程影响的改进了的SEIR模型，并引入舆情传播过程3个关键群体影响因素：群体规模大小、群体中从众效应强度和社会强化效应强度1文献综述网络舆情是指在特定的环境下，特定的社会群体通过互联网表达对社会事件、公共问题和社会管理者所持有的价值评论、主观情绪、意志态度等，网络用户通过评论、转发、点赞等行为就某一事件达成最终的共识网络舆情的发展推动了移动网络舆情的发展，随着智能，平板电脑为代表的移动设备的普及.人们更倾向于通过这些移动设备上的微博、等平台表达自己对社会事件的意見，因此使得移动环境下的舆情传播成了舆情传播的主要方式在一定的社会环境中，群体中的个体通过相互作用形成自己的观点，一个人在形成自己的观点或行为之前，需要从群体中其他成员那里得到多次提示社会科学对舆情的研究历史悠久，研究者基于社会学、复杂适应系统、统计学、系统动力学等建模方法，并结合人工智能和心理学，不断探索自然科学建模和跨学科视角下的观点形成过程中复杂的进化机制。

网络舆情传播规律与传染病传播规律具有诸多相似之处，近年来，各种传染病传播和仿真技术已经成为研究网络舆论传播的有效手段，如经典的SIS、SIR、SEIR模型，国内外学者从影响因素和传播模式两个方面对移动社交网络信息传播中网络结构属性展开了研究在影响因素方面，心理特征对舆论传播的影响受到一些学者的关注赵剑华等在传统的SIR传染病模型的基础上，研究用户心理特征对舆情的传播特性的影响，提出了新型的社交网络舆情传播动力学模型;林芹等提出了基于用户心理特征的、优化了的SIS模型，发现社交网络舆情的传播活动受到用户的沉浸体验水平、用户的情感距离、信息风险感知程度的影响与限制时间演变及环境变化对舆论传播的影响也受到一些学者的关注这些研究人员认为，时间的推移以及周围环境的变化会对人们的观点产生影响，进而影响信息的传播陈福集等在SEIR模型的基础上，通过分析传播阈值、平衡点以及话题衍生率对舆情传播的影响，提出了SEIRS传播模型;彭小兵等通过分析邻避效应在环境群体化舆论事件演变中的作用机制，提供了环境群体抗争事件的治理意见此外，一些研究者关注个体交互模式对舆情传播的影响张伟通过对网络舆情信息扩散中的个体交互模式、网络结构及初始传播者进行分析，提出了基于近邻响应的网络舆情信息扩散模型;杨瑞琪等则研究了舆情传播过程中的兴趣度与亲密度对舆情传播的影响，提出IC-SEIR网络舆情传播模型。

在传播模式方面，一些学者则研究不同网络拓扑结构特征对舆论传播的影响，Moreno Y等基于SIR模型，分析了信息在不同的复杂网络结构中的传播模式与进程，发现不同网络结构下，舆情信息扩散的敏感度不同：韩忠明等融合了话题内容与网络结构，基于SIRS模型，提出了话题传播模型，并在无标度网络、小世界网络、随机网络和真实社会网络进行实验仿真上述模型从不同方面较好地诠释了网络舆情传播过程，为后续的研究提供了一定的参考价值和现实意义不过仍存在一些未考虑的因素，如信息传播的人际关系比较复杂，个体对信息传播与否受到网络中其他群体行为的影响，然而现有对SEIR传染病模型的研究中，关于不同群体的观点在传播中的变化及其对舆情传播过程的影响的分析却很少针对以上问题，本文结合群体规模、群体从众效应和社会加强效应对传统SEIR模型进行改进，以期为进一步解释真实社会网络中的舆情传播规律做贡献2相关概念2.1移动社交网络随着移动通讯和互联网的发展，移动设备和互联网变得越来越便捷，、等社交平台发展迅速人们可以随时随地获取、交流或发布信息，信息的传播变得更加快速、便捷与其他社交群体一样.移动社交网络中用户的关系本质上是一种由网络参与者以及他们之间的二元关系构成的社会结构。

因此，它具有高密度集、强弱关系并存的特点强关系网络是指网络群体成员间联系密切，群体中的个体更容易受到群体观念和行为影响，弱关系网络是指网络群体成员间联系疏散，个体受本群体的观念和行为影响较小，但会受到其他强关系群体的影响，从而有利于信息的传播与扩散2.2用户群体行为网络群体指由拥有相似特质、共同目标和价值观的两个或者两个以上的用户在互联网上构成的用户群体，成员间有着强烈的认同感与归属感与一般的社会群体不同，网络群体不受地理位置和时间条件的影响，分布范围更广、时效性更强王志明等认为，群体成员在群体环境中的行为产生是由其动机决定的，但是群体所处的环境以及与群体成员的互动会影响其行为，进而影响群体行为张静等认为，网络群体行为是指人们聚集在网络中，通过点赞、评论、转发等方式与网络其他成员进行互动的具体行为受上述文献之启发.本文认为群体行为是指由网络用户构成的有机群体在环境、价值观以及与其他成员的互动中所形成的统一的对外行为倾向网络群体内部用户间的互动是社交活动最重要的组成部分，也是信息能够得到快速、有效传播的关键2.3用户状态分类在对信息在社交网络中传播规律分析的基础上，本文将用户状态分为4类：1）未感染状态s（susceptible）。

即对舆情信息处于未接触的状态，此类节点有接收舆情信息的可能，但自身尚未接触舆情信息2）受感染状态E（Exposed）即犹豫状态，此类节点已经接收到网络中其他节点发送的信息一方面，可能以一定的概率在网络中进行信息传播;另一方面，出于对信息价值的怀疑，或暂时处于离线状态，存在暂不传播信息的可能3）信息传播状态I（Infected）即传播状态，此类节点十分认同接收到的舆情信息，并在网络中以一定的概率进行传播4）信息免疫状态R（Removed）此类节点已完成舆情信息传播，并决定不再参与传播与疾病传播不同，在社交网络中，除广告媒体等少数特殊用户之外.一般用户的各状态行为只会发生1次，即只发生1次转发行为，并经过该信息的生命周期后，就处于信息免疫状态，此后不再发生状态的改变3改进的SEIR模型3.1传统的SEIR模型SEIR模型最初应用于流行病领域，Stehle J等发现信息传播与病毒传播过程具有相似性，将SEIR模型引入信息传播领域传统的SEIR模型根据传播过程的不同将人群划人4类仓室：易感染人群（s）、潜伏人群（E）、传染人群（I）、免疫人群（R）在均匀混合的网络条件下，也就是假设人群具有相同的接触率与传染性，不同状态的人群发生接触后，其状态的转移如图1所示，其中b、c、d分别为各状态之间转移的概率。

在真实网络社交环境中，网络组成更为复杂且具有聚集性，传统的SEIR仓室模型没有考虑复杂的社交网络的拓扑结构以及群体因素对于信息传播过程的影响，因此传统的仓室传播模型不能充分反映网络舆情信息传播的真实情况但网络舆情传播仍有其内在机制与规律由前文可知，除受到社交网络的拓扑结构影响外.网络舆情传播还会受到网络中群体因素的影响因此，本文从网络舆情信息传播中群体互动的特征着手，提出了一种融人用户群体行为的网络舆情传播动态演化模型，并通过仿真实验分析了群体行为对网络舆情信息传播效果的影响3.2改进的模型及传播规则网络群体意见与行为会对舆情信息的传播产生影响，个体所处群体规模、社会强化和从众的心理对个体的网络行为具有重大的影响1）未感染状态（S）节点在接收到邻居节点的发布信息后，可能以概率a+q转变为信息传播状态（I）节点，否则以概率1-a转变为受感染状态（E）节点2）受感染状态（E）节点在接收到邻居节点的发布信息后，可能以概率β转变为信息传播状态（I）节点，参加传播过程，否则以概率1-β转换为信息免疫状态（R）节点，结束传播过程3）信息传播状态（I）节点会积极地将自身获取并认可的舆情信息向其邻近节点进行传播.在其多次接触到邻居的免疫节点后可能以y的概率进入信息免疫状态（R），否则以1-Y的概率保持原状态，即信息传播状态不变。

网络舆情传播的动态过程如下：个体通过“微博”“”等渠道爆料某一事件或话题，引起网友讨论与意见交换，进而出现“意见领袖”并形成认知群体，不同的认知群体的意见会对其他群体中的个体行为产生影响（伴随着从众效应与社会加强效应），即传播或不传播舆情，有关部门在合适的时间采取合理的应对措施会使网友注意力发生转移，从而使不良的网络舆论消退网络节点之间的状态转移如图2所示根据以上状态转移规则，改进后的SEIR网络舆情信息传播的动力学方程如下所示：其中.Ⅳ表示社交网络中节点的总数量，在一段时间内网络中的节点数量都是保持不变的3.3群体行为影响因素在传统的传染病模型中，研究者沒有考虑现实中用户间信息传播的特征与过程，通常对于节点状态之间的转化概率设定了固定参数值，然而现实网络状态下.个体节点各状态之间的转移会受到诸多外界因素的影响，其概率不是固定不变的本文将群体网络规模、从众心理、社会强化效应3个变量纳入影响因素，并结合已有的相关研究，量化它们对信息传播的影响程度，定义如下3.3.1跨社群传播概率q个体在群体压力的影响下，为避免与群体意见或行为产生冲突、增强自身的安全感与集体的统一性.会主动或被动地以网络中多数人的意见为准则，按照与群体大多数人一致的方向变化自身的意见与行为。

在从众效应下，信息传播概率与群体中传播者的数量成正相关关系，即信息传播者在网络中所占比例越大，其传播的信息越容易被其他人相信并继续传播;反之，免疫者所占比例越大，信息被传播的概率则越小本文以传播概率a刻画从众群体影响力的变化趋势.即：社交网络中的信息密集多样，其中很多信息是真实的或虚假的，普通人很难做出判断，因此个体往往参考群体中意见领袖的行为做出行为决策在社会群体中进行频繁信息交流的个体常被提名为群4仿真实验本文依据无标度网络对建立的数学模型进行仿真，模拟群体视角下舆情演化模型的变化过程，探究舆情演化的规律本文假设系统内用户群容量为5 000，即N=5 000，并根据模型特点，作出以下假设：初始状态网络中未感染状态节点数Js（0）=4999，信息传播状态节点数，（0）=1，受感染状态节点数E（0）和信息免疫状态节点数R（0）均为0，相关概率参数设置为：a=0.6、β=0.75、y=0.25迭代次数T=200，随着实验时间的变化.得出的未感染节点密度、受感染节点密度、信息传播节点密序和信息免疫节点的演。