復雜網絡上的輿情演化模型研究現狀與展望

錢亞飛

（西華大學計算機與軟件工程學院，成都610039）

0 引言

近年來，在飛速發展的互聯網的帶動下，各種各樣的社交平臺給廣大網民提供了很多的開放式的交換意見的平臺。根據《中國互聯網發展狀況統計報告》顯示，當前中國網民數量已經超過8.3 億人，當很多謠言或者是輿論在如此巨大的網絡流量中傳播時，相比傳統的社會網絡如今的復雜網絡系統傳播輿情的范圍會更加的寬廣，對社會的和諧穩定會產生更大的影響。因此，探索輿情在復雜網絡系統中的網民傳播輿情演化的規律來為相關監管部門提供理論的一些指導這一研究趨勢成為了廣大國內外學者的研究方向。20 世紀末，Watts[1]發現大千世界中的復雜系統都有類似的網絡拓撲結構屬性，其中最突出的就是一個節點經過幾步就可以到達另外一個節點，于是用“六度分離”理論構建了小世界網絡模型。Watts[2-3]在規則網絡的基礎上建立了WS 小世界模型和NW 小世界模型。在這之后復雜網絡上最重要的發現當數無標度網絡的發現，Barabasi 和Albert[4]發現復雜網絡系統中都具有“增長”和“優先鏈接”的特點，而且證明了互聯網、電網等網絡都具有這個特性，這使得對網絡模型的研究從以前的靜態模型轉到了動態的演化。但是隨著現實復雜系統的發展，無標度網絡已經不足以描述現實的網絡，于是Yook S H[5]在無標度網絡的基礎上衍生出了加權無標度網絡，它可以很好地描述各連接邊之間的異質性。

隨著Web2.0 時代的到來，各類的輿情傳播變得更加的復雜多變，伴隨著復雜網絡理論的飛速發展，很大程度使得輿論方面的研究得到很好的發展。從最早的個體行為傳播到集體活動的演化，很多的經典動力學模型都和復雜網絡模型結合起來，產生了很多經典的輿情傳播模型。

1 復雜網絡上的輿情演化模型研究現狀

國內外學者結合社會學、社會心理學、計算機科學以及統計物理和管理學等方面的學科背景，對觀點之間的交互以及觀點的形成有了很深的研究，提出了很多經典的理論模型，給后面的研究起了很大的作用。現有的復雜網絡上的輿情演化模型大多數都是從觀點形成是怎樣引起輿情傳播以及在達到一個什么樣的度的時候觀點傳播會上升為輿情。下文將著重分析當前主流的輿情研究模型的一些優缺點。

1.1 元胞自動機模型

基元胞自動機（CA），是一個離散的數學模型，最早根據設定好的更新規則然后給每個元胞賦值決定其狀態來研究生物的繁殖。Sakoda[6]用元胞自動機模型來研究了二戰之后的美國的一個搬遷中心的疏散過程，這也就成了元胞自動機在社會科學領域的開端。Alves[7]把元胞自動機應用在投票模型中，他認為選民會根據新聞媒體的報道以及知識的更新來改變自己的意向。方薇[8]把細胞堅定性的特點用在了遍歷移動細胞的傳播模型。戴建華等人[9]將觀點的傾向力和頑固力這兩個模糊的規則和元胞自動機相結合，建立了模糊規則下網絡輿情的傳播模型。

元胞自動機最大的特點就是個體的態度確定以及交互規則簡單，所以得到了廣大學者的喜愛。但是也正是因為這種情況，使得它很難適合當今的復雜的社會網絡，不能更加深入地探討復雜系統中人們之間的交互。

1.2 多數決定模型

多數決定模型（Majority Rule Model），該模型的核心思想就是少數服從多數。每次迭代之前將鄰居中大多數人的意見作為自己觀點，也就是網民在選擇某個觀點的可能性與其鄰居中保持該觀點的人數是成正比的。經常用多數決定模型來研究投票或者辯論的意見傳播。在所有的多數決定模型中，最為出名的莫過于Galam 模型。Galam[10]用Ising 模型模擬選舉過程，其認為網絡的初始狀態的狀態對最終的觀點演化方向有很大的影響。Stauffer[11]把該模型的傳播規則變為點陣擴散，建立了觀點演化模型。陳福集等人[12]把觀點的動態變化變量用該模型來研究了輿情演化機制。

Galam 模型能直觀地看出復雜網絡的演化過程，可以通過控制初始網絡中網民的偏好來控制輿情走向，使其往好的方向發展。但是由于現實生活中人們的知識水平層次不齊，所以也僅僅是提供了理論的支撐，并不能很好地運用于現實生活中。

1.3 Ising模型

Ising 模型，又叫伊辛模型，最早是在物理學領域用+1 或-1 來表示磁鐵的兩極，然后研究鐵磁物質相變的過程。因為在輿情傳播中，我們的個體觀點也是二值觀點，+1 表示支持，-1 表示對立，觀點的取值受到鄰居的影響，所以Ising 模型被廣泛用于觀點傳播中。Pekalski[13]研究了其在小世界網絡中的溫度相變。Bartolozzi 等人[14]用Ising 模型發現了BA 無標度網絡上的觀點傳播的時間序列近似于高斯分布。Grabowski[15]把網民的空間位置以及社交關系考慮進來再結合BA 無標度網絡結構構建了意見形成模型。該模型認為個體的權威性可以有影響力來決定。

雖然Ising 模型應用起來有很大的局限性，但是它是輿情演化模型的開端，對輿情演化領域的研究有著很大的推動作用。后來的Aznajd 以及Galam 模型都是在該模型的理論基礎上演化過來的。

1.4 有界信任模型

有界信任模型（Bounded Confidence Model）[16]是將觀點值刻畫成連續的區間。因為現實生活中我們的觀點不僅僅是贊成或者反對這樣極端，可能會有多種選擇。按照社會網絡的網民交互的實際情況來看，只有狀態類似的網民才會產生交互，于是引入了連續態度模型。這類模型最為經典的當數Hwgselmann[17]和Krause 提出的HK 模型和Deffuant[18]提出的D 模型，這二者都將個體觀點抽象成連續的實數，然后設定一個閾值，通過鄰居觀點的值來和閾值比較如果大于閾值則按照規則交互如果低于閾值則不交互。

但是龐大的互聯網社區隨著規模的增加這種逐一比較其他觀點與自身觀點的區別操作起來相對復雜，這也就導致很難與其他用戶之間的觀點交互。

1.5 Sznajd模型

Sznajd 模型是Sznajd-Weron[22]提出的一個觀點動力學模型，因為其對社會網絡領域做出相當大的貢獻，所以后來學者們將其稱為Sznajd 模型。Sznajd 認為個體觀點取值只要兩個并且只會和鄰居進行交互，在交互的過程中有的個體會采取鄰居的策略，基本更新規則就是個體的觀點受社會中鄰居的影響而且鄰居中觀點相同的人更容易說服另外的人。Bonnekoh[23]用Sznajd 模型在BA 無標度網絡上建立了輿情演化模型，得出在輿情機制開始后，新加入的個體對輿情走向不會產生很大的影響。Stauffer[24]將該模型推廣到了二維鏈中，更加合適地描述了社會網絡。

雖然Sznajd 模型在輿情傳播領域有了很深的應用，但是考慮的社會特性并不是很多。很多模型都僅僅是建立在理論基礎上，然后數據仿真，并沒有拿到真實數據集中去檢驗。所以后來才將說服力[25]和局部意見機制[26]來研究觀點傳播的過程。

2 復雜網絡上輿情演化模型研究總結及發展趨勢

通過對文獻的梳理，我們不難發現復雜網絡上的輿情演化模型可以分為兩大類，一是離散的觀點模型，也就是把所有的觀點都限制在二值觀點內，要么贊成要么反對。這種模型可以很好地解釋二進制觀點可以描述的問題，而且個體也沒必要了解以前的觀點。但是社會網絡中觀點的表達并非如此簡單。因為人們的觀點可能在兩者之間，有很多種程度，所以出現了第二類觀點演化模型，也就是連續觀點模型。二者都為觀點傳播學提供了很好的理論依據，都產生了很多經典的模型。

當前網絡輿情的研究主要就是用經典理論為基礎然后用仿真軟件進行仿真，很少用現實的輿情事件的數據集來驗證模型的有效性，當前大型社交網絡非常多但是數據集的獲得確實相當的困難，所以以后的研究應該更多的建立在真實的數據集上借助數據挖掘技術獲得大量實例然后再和理論相結合。其次網絡輿情的研究注定不是單一的學科研究，我們必須將社會學、心理學、物理科學、管理科學等學科有機的結合起來才能很好地研究社會網絡這個復雜系統。最好在有了很多的傳播規律的基礎上我們更應該對于輿情的預測以及引導有一個更深的研究。