基于復(fù)雜網(wǎng)絡(luò)理論的輿情信息傳播與治理研究

張瑞

〔摘 要〕文章首先將復(fù)雜網(wǎng)絡(luò)研究方法引入到輿情網(wǎng)絡(luò)信息分析之中，并介紹了該方法的基本研究步驟；重點介紹了目前比較成熟且與復(fù)雜網(wǎng)絡(luò)結(jié)合緊密的網(wǎng)絡(luò)病毒傳播理論和輿情網(wǎng)絡(luò)模型；最后，文章提出了基于復(fù)雜網(wǎng)絡(luò)的輿情信息治理的具體辦法，包括3種免疫策略和靴襻滲流模型策略。文章為搭建高效合理的輿情網(wǎng)絡(luò)環(huán)境提供了一種研究新思路，進而可以幫助政府提升對網(wǎng)絡(luò)輿情信息管理的水平。

〔關(guān)鍵詞〕復(fù)雜網(wǎng)絡(luò)；輿情信息；免疫預(yù)防；靴襻滲流

DOI：10.3969/j.issn.1008-0821.2016.04.005

〔中圖分類號〕G250.7；TY391 〔文獻標(biāo)識碼〕A 〔文章編號〕1008-0821（2016）04-0026-04

〔Abstract〕Firstly，the paper introduced the research methods of complex network into the analysis of public opinion network and describes its basic research steps；Next，it focused on the more mature of virus propagation network model theory and public opinion model which has a close connection with complex network；Finally，the paper proposed some specific measures of public opinion based on complex network including three immunization strategy and bootstrap percolation modeling strategy.The paper provided a new idea to build an efficient and rational public opinion network environment.And thus it enhanced the Governments overall management of the network of public opinion information.

〔Key words〕complex network；public opinion；immunity and prevention；bootstrap percolation

進入21世紀(jì)以來，我國大量的社會矛盾和經(jīng)濟矛盾疊加在一起，預(yù)示著我國已經(jīng)進入到一個關(guān)鍵社會變革期，而伴隨而來的就是一件件的群體性沖突事件。據(jù)報道，此類事件的總數(shù)已經(jīng)多達6萬起，參與人數(shù)陡然增加到300多萬人，這些突發(fā)事件給國家?guī)淼挠绊懖还馐墙?jīng)濟損失，更多的是社會穩(wěn)定根基問題。所以，對于這些事件的分析與對策研究已經(jīng)顯得十分迫切。通過我們的觀察發(fā)現(xiàn)，伴隨通信與交流方式的改變，網(wǎng)絡(luò)輿情已經(jīng)成為群體性事件發(fā)展演變的一大要素，許多謠言乃至群體性惡性事件的發(fā)生背后都有網(wǎng)絡(luò)傳播的推動。對于網(wǎng)絡(luò)輿情信息的具體研究而言，首先是網(wǎng)絡(luò)輿情研判的方式方法。簡而言之，就是如何發(fā)現(xiàn)網(wǎng)絡(luò)中的非正常輿論信息及傾向。目前，全世界對網(wǎng)絡(luò)輿情的研究已經(jīng)非常普遍，但還沒有形成一套標(biāo)準(zhǔn)化的操作模式和規(guī)范。這其中最具代表的方法包括人海瀏覽法、關(guān)鍵詞搜索法、多文檔精選法、模板因子法及網(wǎng)絡(luò)實驗法[1]。這些方法基本上都是建立在傳統(tǒng)的人文領(lǐng)域，主要是闡述了信息在網(wǎng)絡(luò)中傳遞的過程。這些方法的側(cè)重點在于定性的衡量突發(fā)事件在網(wǎng)絡(luò)中傳播的規(guī)律和因果關(guān)系。這些方法的分析結(jié)果往往多是一級文本信息，而目前輿情分析更多的關(guān)注點在于網(wǎng)民在某一事件之后的情緒變化，特別是信息轉(zhuǎn)發(fā)率與信息評論。這些內(nèi)容如果單純依靠人工收集和分析判斷就顯得心有余而力不足。另外，現(xiàn)在許多輿情傳播預(yù)測及治理方法還在依靠輿情員進行分理，這極有可能造成有價值信息的流失。我們目前更需要的是準(zhǔn)確分析傳播信息網(wǎng)絡(luò)結(jié)構(gòu)的研究，及其能夠詳細(xì)到信息傳播時機，以及傳播的方式與途徑及演化方式的模擬[6]。

1 復(fù)雜網(wǎng)絡(luò)與輿情信息結(jié)合

近年來，復(fù)雜網(wǎng)絡(luò)已逐漸成為研究復(fù)雜系統(tǒng)的一種重要方法，對復(fù)雜網(wǎng)絡(luò)的研究正受到來自不同領(lǐng)域的越來越多的研究人員的關(guān)注，復(fù)雜網(wǎng)絡(luò)已經(jīng)成為一個跨學(xué)科的研究熱點。復(fù)雜網(wǎng)絡(luò)的理論及實證研究對網(wǎng)絡(luò)安全、網(wǎng)絡(luò)控制、計算機病毒傳播的控制與防御等研究產(chǎn)生了重大影響。用圖論的語言來描述，一個網(wǎng)絡(luò)可以抽象為一個由節(jié)點的集合V和邊集E組成的圖G=（V，E）。節(jié)點數(shù)記為N=V，邊數(shù)記為M=E。E中每條邊都有V中一對點與之相對應(yīng)。對于社會輿情網(wǎng)絡(luò)而言，點集指的是在社會某一具體環(huán)境下的社會成員（如圖1中U1～U4）與實際存在的信息頁面（如圖1中P1～P6），而邊集就是成員與發(fā)生在社會中某一具體話題之間的關(guān)系，這些關(guān)系可以是有向的，也可以是無向的，當(dāng)我們將這些信息提取出來就構(gòu)成了一個完整的復(fù)雜網(wǎng)絡(luò)，如圖1所示。我們嘗試去發(fā)現(xiàn)呈現(xiàn)在這些表象之中的內(nèi)在機制和模式，進而試圖找尋出支配和影響網(wǎng)絡(luò)輿情發(fā)生和演化的規(guī)律。

本文首先將復(fù)雜網(wǎng)絡(luò)理論的研究方法與應(yīng)用技術(shù)引入到網(wǎng)絡(luò)輿情傳播規(guī)律的研究之中，然后結(jié)合我國目前網(wǎng)絡(luò)突發(fā)事件的具體特點，著重闡述了網(wǎng)絡(luò)輿情傳播研究中的網(wǎng)絡(luò)傳播模型。對于網(wǎng)絡(luò)傳播媒介模型的研究緊扣模型的真實性和應(yīng)用性。在研究過程中，將網(wǎng)絡(luò)輿情信息復(fù)雜網(wǎng)絡(luò)化，也就是產(chǎn)生輿情信息網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，觀察在該結(jié)構(gòu)上信息傳播的特點以及形成特點和演化的規(guī)律。一旦掌握這些內(nèi)容，將極大地幫助管理層開展事件的引導(dǎo)與危機處理。該研究內(nèi)容對知識、預(yù)測和引導(dǎo)事件具有重要的理論意義和應(yīng)用價值[2-3]。對于復(fù)雜網(wǎng)絡(luò)與輿情信息結(jié)合的研究問題，需要定義兩個復(fù)雜性的問題。一個是突發(fā)性群體性事件信息的傳播復(fù)雜化；另一個是輿情信息傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的復(fù)雜化[4]。嘗試在復(fù)雜化的輿情信息中找到擾動因子，尋找發(fā)現(xiàn)、引導(dǎo)與控制輿情信息傳播的方法。我們將所有的研究內(nèi)容定義為3個步驟，第一步：經(jīng)過對輿情信息網(wǎng)絡(luò)進行抽象和模擬，建立具有小世界特性和無標(biāo)度性質(zhì)的模擬復(fù)雜網(wǎng)絡(luò)，然后比較這兩種網(wǎng)絡(luò)的異同。我們利用多種方法來建立網(wǎng)絡(luò)，其中最直接的方式就是來自城市中某一階段的通話記錄來建立網(wǎng)絡(luò)，其中每位用戶代表節(jié)點，存在的通話用連線代表，由此構(gòu)成了一個巨大的模擬網(wǎng)絡(luò)。第二步：對于輿情復(fù)雜網(wǎng)絡(luò)的研究起始于基本的復(fù)雜網(wǎng)絡(luò)研究參數(shù)，具體包括了聚集系數(shù)，平均度和度分布特征。嘗試發(fā)現(xiàn)這些參數(shù)與模擬網(wǎng)絡(luò)的關(guān)系，這就是建立輿情信息網(wǎng)絡(luò)生長模型的過程。這一過程的特點規(guī)律與網(wǎng)絡(luò)疾病的傳播非常相似，網(wǎng)絡(luò)節(jié)點在整個復(fù)雜網(wǎng)絡(luò)中表現(xiàn)出的狀態(tài)包括正面認(rèn)知、負(fù)面認(rèn)知和不確定認(rèn)知。不同個體對同一信息所表現(xiàn)出的狀態(tài)各不相同。我們要嘗試求解這3種認(rèn)知的傳播概率。這3種狀態(tài)的遷移伴隨著信息的沖突，個人處理時間的延續(xù)等一系列問題。第三步：該步驟就是系統(tǒng)仿真的過程，將上一步得到的模擬圖進行驗證，運用隨機分析和統(tǒng)計技術(shù)的手段改變參數(shù)，去揭示模型與實際輿情信息傳播的契合度，進而驗證出一個合理且有效的模型框架，并試圖以時間變化為基準(zhǔn)，嘗試去預(yù)測輿情信息可能發(fā)展的范圍。

2 基于復(fù)雜網(wǎng)絡(luò)信息傳播預(yù)測研究

2.1 輿情傳播預(yù)測

輿情信息的傳播與網(wǎng)絡(luò)的生命力直接相關(guān)。而英特網(wǎng)上的謠言導(dǎo)致的群體事件已經(jīng)給社會穩(wěn)定帶來了巨大的威脅，我們必須采用一系列的對策來解決它。通過實際輿情信息傳播的分析，我們需要利用現(xiàn)有的網(wǎng)絡(luò)的特定狀況，來推測出網(wǎng)絡(luò)演化過程。這一問題，現(xiàn)在學(xué)術(shù)界引入了一種簡單而且有效的網(wǎng)絡(luò)疾病傳播概率預(yù)測方法[6]。其中最實用的傳染病模型分別是SIR和SIS模型，還有SI與SIRS模型如表1所示。經(jīng)典的病毒傳播理論與復(fù)雜網(wǎng)絡(luò)分析相結(jié)合發(fā)現(xiàn)，對于一個均勻網(wǎng)絡(luò)，往往存在一個臨界值，當(dāng)傳染強度大于該臨界值時，病毒會在網(wǎng)絡(luò)中長期存在，并且大量傳播開去。而小于該臨界值的話，病毒會逐漸以指數(shù)強度消失。而對于一個無標(biāo)度網(wǎng)絡(luò)，不存在這樣的一個臨界值，該結(jié)構(gòu)中病毒會長期存在，但是不會大量爆發(fā)。這和輿情信息中的突發(fā)性謠言病毒的發(fā)作原理是完全一樣的。臨界值與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的界定，對于輿情信息的引導(dǎo)具有指導(dǎo)意義和現(xiàn)實價值。

在網(wǎng)絡(luò)傳播的SIR模型之中，我們可以將網(wǎng)絡(luò)信息中傳播的節(jié)點分為3類，第一種節(jié)點表現(xiàn)在具體現(xiàn)實中為一般的受眾，他們不會去傳播謠言信息，但卻容易受到謠言信息的感染，我們稱其為易染節(jié)點（S）。第二類節(jié)點代表為信息傳播中接收謠言并信任接下來進行傳播信息的節(jié)點，他們對于輿情事件的發(fā)展具有決定性影響，我們稱其為感染節(jié)點（I）；第三類節(jié)點代表為網(wǎng)絡(luò)中的可信節(jié)點，對于謠言信息具有鑒別能力，不會被傳染也不會被影響，我們稱之為免疫節(jié)點（R）。在網(wǎng)絡(luò)病毒傳播模型中，我們用V代表被感染的概率，用U代表被治愈的概率，將λ=V/U定義為有效感染率，一些書籍中將感染節(jié)點占總節(jié)點數(shù)的比例，稱之為穩(wěn)態(tài)傳染概率。把穩(wěn)態(tài)感染率從零向正實數(shù)變化的那個點對應(yīng)的值稱為傳播臨界值。其感染密度的時間化方程式ρ[-1+λ〈κ〉（1-ρ）]=0，其傳播臨界值為λc=〈κ〉-1，也就是

ρ=0 （if?"λ<λc）

ρ≈λ-λc （if?"λ≥λc）

現(xiàn)在存在的許多網(wǎng)絡(luò)其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是均勻的泊松分布，其最大的特點是網(wǎng)絡(luò)節(jié)點的平均度與各節(jié)點的度趨向于一致，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2（a）所示，根據(jù)我們實驗得出，一般的網(wǎng)絡(luò)謠言的病毒傳播臨界值在P=0.16%，當(dāng)整個網(wǎng)絡(luò)中1 000個節(jié)點中有16個節(jié)點被謠言感染時，該謠言就會在整個網(wǎng)絡(luò)中快速傳播，產(chǎn)生爆發(fā)之式，產(chǎn)生群體性事件的可能也會激增。

網(wǎng)絡(luò)中的第二種模型是我們稱之為SIS模型。它將網(wǎng)絡(luò)中所有的節(jié)點也劃分為3類：第一類節(jié)點是易感染節(jié)點（S），在整個網(wǎng)絡(luò)中表現(xiàn)為可能被謠言影響，但不會主動參與到信息傳播中去；第二類節(jié)點是染病節(jié)點（I），在整個網(wǎng)絡(luò)中的表現(xiàn)是輕信謠言并且去傳播謠言，是網(wǎng)絡(luò)中極具破壞性的節(jié)點部分；第三類是免疫節(jié)點（S），他們表現(xiàn)為對謠言信息具有一定的判斷力，但不是絕對性的，還有可能輕信謠言再次被感染。該種網(wǎng)絡(luò)中單個感染節(jié)點產(chǎn)生的新感染節(jié)點的平均密度，它與有效傳播率λ，節(jié)點的平均度〈k〉，健康節(jié)點相連概率1-ρ（t）成比例。在均勻網(wǎng)絡(luò)中存在一個有限的正值傳播臨界值λc。如果有效傳播率λ>λc，則病毒可以在網(wǎng)絡(luò)中傳播開來，并最終穩(wěn)定于ρ=1-λc/λ，此時為激活相態(tài)。如果有效傳播率λ<λc，病毒呈現(xiàn)指數(shù)衰減，無法大范圍傳播，最終不能傳播，此時網(wǎng)絡(luò)為吸收相態(tài)。這種節(jié)點也稱之為冪率分布的無標(biāo)度網(wǎng)絡(luò)，其最大的特點和我們目前的微信與微博中的大V類似，很多隨意的節(jié)點更傾向于去聯(lián)結(jié)有影響力的節(jié)點，一旦這種大V節(jié)點被謠言感染或者就是謠言源頭的話，它的謠言傳播速度比SIR模型更快，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2（b）所示。我們將其中的傳播臨界值定義為λc=〈k〉/〈k2〉。通過我們的研究發(fā)現(xiàn)，這種拓?fù)浣Y(jié)構(gòu)的網(wǎng)絡(luò)，謠言信息會長期在這種結(jié)構(gòu)中存在，永遠(yuǎn)無法根除，甚至在傳染幾率很小的情況下，也可能造成大爆發(fā)[7-8]。

2.2 輿情謠言治理

目前，針對網(wǎng)絡(luò)輿情信息傳播進行防護提出了一種基于復(fù)雜網(wǎng)絡(luò)病毒預(yù)防的新辦法，該方法主要基于網(wǎng)絡(luò)的基本拓?fù)浣Y(jié)構(gòu)，能夠從最大限度上防范網(wǎng)絡(luò)輿情信息導(dǎo)致的群體性事件的發(fā)生，其中的辦法主要包括3種：（1）隨機免疫（均勻免疫）；（2）目標(biāo)免疫（選擇免疫）；（3）熟人免疫[7]?；趶?fù)雜網(wǎng)絡(luò)的輿情信息的第一種免疫策略我們采用隨機免疫策略，其主要內(nèi)容是隨機的選取一部分節(jié)點進行免疫保護。所有網(wǎng)絡(luò)中的節(jié)點都一視同仁，而無論它的度的大小區(qū)別。換個說法，該免疫策略很難達到謠言信息的徹底消滅。該種免疫方式對于節(jié)點較少的網(wǎng)絡(luò)比較容易使用，而且效果較好。隨機免疫策略對于冪律分布的無標(biāo)度網(wǎng)絡(luò)的效果有限，而對于泊松分布的均勻網(wǎng)絡(luò)則顯示出非常好的效果。第二種免疫策略我們將使用目標(biāo)免疫方法，它特別針對冪律分布的網(wǎng)絡(luò)，在實際的操作過程中，即選取網(wǎng)絡(luò)中個別度最大的節(jié)點進行控制免疫，抓住這些節(jié)點也就是抓住了整個網(wǎng)絡(luò)謠言傳播的重要通道，這樣就可以最大程度上的減少謠言傳播的可能途徑。目標(biāo)免疫的前提條件是必須了解整個網(wǎng)絡(luò)的結(jié)構(gòu)，對于小型網(wǎng)絡(luò)是適用的，而對于大型網(wǎng)站來說實現(xiàn)是不可能的。第三種免疫策略我們稱之為熟人免疫，其基本思想是從已知的節(jié)點中隨機選取一定比例的節(jié)點，如5%或者10%，再從選中的節(jié)點中找到一個鄰居節(jié)點進行免疫。該種免疫策略的最大特點在于計算機操作性強，工作效率高，同時不需要對每個節(jié)點進行免疫。

另外，針對網(wǎng)絡(luò)輿情信息傳播治理還有一種比較成熟的補充方法，我們稱之為復(fù)雜網(wǎng)絡(luò)靴襻滲流研究。該理論最早于1979年提出，主要研究對象是磁鐵由于非磁性雜質(zhì)致磁有序的降低并最終消失的現(xiàn)象[9]。該理論的基本模型如下：在網(wǎng)絡(luò)空間中所有的節(jié)點都存在兩種狀態(tài)：一種是活躍狀態(tài)；另一種是非活躍狀態(tài)，而且各個節(jié)點是獨立的。在初始時刻，各個節(jié)點都處于非活躍狀態(tài)，并以一定的概率值變?yōu)榛钴S狀態(tài)。而且，當(dāng)其中一個節(jié)點周圍的活躍節(jié)點達到一定系數(shù)時，該節(jié)點由非活躍節(jié)點變成活躍節(jié)點并一直保持下去。該模型的描述與網(wǎng)絡(luò)輿情中謠言的病毒性傳播特性具有絕對的一致性[10-11]。目前該研究始發(fā)于兩個方面：一個是臨界概率的發(fā)現(xiàn)；另一個是最大活躍子圖的發(fā)現(xiàn)。如圖3所示，在我們對于泊松分布網(wǎng)絡(luò)的實證研究中，發(fā)現(xiàn)該類型網(wǎng)絡(luò)隨初始活躍節(jié)點的變化，存在一個非常明顯的跳躍，這個變化點恰恰是網(wǎng)絡(luò)謠言大面積爆發(fā)的初始臨界點。該值會伴隨節(jié)點平均度k的變小而逐步消失。這就說明用戶相互連通較少的網(wǎng)絡(luò)出現(xiàn)謠言爆發(fā)的可能性就小一點。給我們的實際指導(dǎo)意義在于要適當(dāng)控制網(wǎng)絡(luò)的規(guī)模及其連通度，適當(dāng)調(diào)節(jié)網(wǎng)絡(luò)的活躍度。圖4所示的冪率分布的無標(biāo)度網(wǎng)絡(luò)，它的連通能力直接與冪指數(shù)a相關(guān)。正如圖中的實驗數(shù)據(jù)結(jié)果所示，當(dāng)冪指數(shù)a在[-5，-4]之間時，有明顯的相變點出現(xiàn)，也就是出現(xiàn)所謂的網(wǎng)絡(luò)謠言大爆發(fā)概率變大，需給予足夠的關(guān)注。而當(dāng)冪指數(shù)在[-3，-2]之間時，無明顯的相變點出現(xiàn)，也就是不會出現(xiàn)所謂的網(wǎng)絡(luò)謠言大爆發(fā)[11]。

3 結(jié)束語

目前，基于傳統(tǒng)人文領(lǐng)域的研究方法對于網(wǎng)絡(luò)輿情的研究越來越顯示出局限性，其主要原因在于對網(wǎng)絡(luò)信息傳播的成因、流程和規(guī)律無法定量的加以研究。基于復(fù)雜網(wǎng)絡(luò)的輿情研究提供了一條新的思路，其核心內(nèi)容發(fā)自對網(wǎng)絡(luò)核心架構(gòu)的搭建，以及演化機理的闡述，嘗試從結(jié)構(gòu)方面進行趨勢的研究，從而引導(dǎo)網(wǎng)絡(luò)輿情信息發(fā)展的趨勢，加強對社會群體事件的管理。

參考文獻

[1]王蘭成.網(wǎng)絡(luò)輿情分析技術(shù)[M].北京：國防工業(yè)出版社，2014.

[2]李維杰，劉暉，吳世忠.互聯(lián)網(wǎng)輿情理論分析[M].北京：科學(xué)出版社，2015.

[3]楊興坤.輿情引導(dǎo)與危機處理[M].北京：中國傳媒大學(xué)出版社，2015.

[4]何大韌，劉宗華，汪秉宏.復(fù)雜系統(tǒng)與復(fù)雜網(wǎng)絡(luò)[M].北京：高等教育出版社，2009.

[5]郭雷，許曉鳴.復(fù)雜網(wǎng)絡(luò)[M].上海：上海科技教育出版社，2006.

[6]燕道成.群體事件中的網(wǎng)絡(luò)輿情研究[M].北京：新華出版社，2013.

[7]林敏.網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對自組織臨界行為影響的研究[D].天津：南開大學(xué)，2005.

[8]韓定定.復(fù)雜網(wǎng)絡(luò)的拓?fù)洹恿W(xué)行為及其實證研究[D].上海：華東師范大學(xué)，2008.

[9]陳小龍.復(fù)雜網(wǎng)絡(luò)爆炸滲流研究綜述[J].電子科技大學(xué)學(xué)報，2015，27（1）：12-21.

[10]萬寶惠，張鵬，張晶，等.二分網(wǎng)上的靴襻滲流[J].物理學(xué)報，2012，61（16）：369-374.

[11]張.滲流相變現(xiàn)象的行為特征與演化機制研究[D].北京：北京航空航天大學(xué)，2014.

（本文責(zé)任編輯：孫國雷）