觀點動力學研究現狀及進展述評

劉舉勝， 何建佳，韓景倜，于長銳

(1.上海財經大學信息管理與工程學院，上海 200433；2.上海理工大學管理學院，上海 200093；3.上海金融智能工程技術研究中心，上海 200433)

0 引言

觀點作為個體的一種思維、意見和態度的表現形式，廣泛存在于公眾生活之中。近年來，隨著Web2.0的迅速崛起，利用互聯網平臺在網絡社區中進行發聲與評議逐漸成為公眾的日常活動。在網絡社區中，公眾利用微信，微博，QQ等互聯網平臺表達自我觀點，發表個體看法。多個觀點的出現以及個體間觀點的不斷交互，使得群體觀點逐步呈現出一致、分散和極化等不同現象。不同的觀點演變結果在傳播信息的同時也為網絡輿情治理帶來了各種挑戰，如消極觀點的蔓延和恐慌觀點的傳播就會給輿情的治理帶來一定困難。因此如何對不同觀點的演化進行深入研究，對理清觀點演變機制，實現輿情的合理管控，構建媒體融合發展態勢具有重要的理論與現實意義。

演變作為一種動態變化過程廣泛存在于自然界與人類發展史中，一致、分裂與極化是演變過程中存在的三種現象。觀點作為個體主觀意愿的表現形式，也具有上述特征。學術界最早對觀點的演化研究起始于Degroot[1]在《Journal of the American Statistical Association》發表的“Reaching a Consensus”一文，在該文中Degroot探討并解析了群體觀點的共識過程，指出觀點是服從于含參的某種概率分布。在此基礎上，研究者們結合社會學、心理學、組織行為學等多種學科知識，對觀點演化模型進行了大量研究，形成了不同的觀點演化模型。其中根據觀點的表現形式將觀點分為離散形式和連續形式；根據個體的數量將觀點演化模型又分為二元觀點演化模型和群體觀點演化模型。

目前，已有文獻[2-3]對觀點動力學現有研究進展進行了相關綜述，然而，研究多集中于展現國外研究成果，對國內觀點動力學研究進展介紹較少，雖然任立肖等[4]也對國內觀點動力學研究現狀進行了梳理，然而該文獻對二元觀點演化動力學介紹較少，難以呈現二元觀點演變研究范式以及二元觀點與群體觀點之間的聯系。基于此，本文通過對國內外二元觀點動力學及群體觀點動力學的基本模型及現有研究進展進行梳理，以期為未來觀點動力學研究提供一定啟示與參考。

1 國內外觀點動力學研究現狀

從國內外現有觀點動力學研究來看，根據個體的數量，觀點演化可以分為二元觀點演化和群體觀點演化，此處，“元”代表個體數量。其中，在二元觀點演化研究方面，現有研究在充分考慮個體交互過程中呈現的“經濟人”特征和“有限理性”特征基礎上，大多借鑒博弈論思維進行研究。其中，Mare[5]和Ding[6]較早對二元觀點演化動力學進行了探究，作者將觀點的演化過程類比為兩個體博弈過程，并假定參與方的博弈策略選擇分別為改變，保持和同意三種策略，通過求解不同條件下系統的均衡狀態，最后得出了若干有價值的結論。該研究為二元觀點演化提供了一定研究范式，后續研究在此基礎上進行了大量改進，為探究二元觀點演化提供了很好的研究基礎。在群體觀點動力學方面，研究者根據觀點的離散和連續表現形式，綜合個體交互形式，提出了一系列群體觀點演化模型。其中較為經典的離散觀點動力學模型有：Ising模型[7]；Sznajd模型[8]；投票模型(Voter model)[9]；大多數模型(Majority Vote model)[10]。連續觀點動力學模型主要包括DW模型[11]和HK模型[12]。觀點動力學研究框架如圖1所示。

圖1 觀點動力學研究框架

2 二元觀點動力學模型及研究現狀

博弈論作為一種策略選擇和演化理論，在二元觀點動力學建模過程中，發揮了重要的作用。國外方面，現有研究大多借鑒Mare等[5]和Ding等[6]的研究思想，將改變觀點、保持觀點、妥協到中間值，以及退出交互等策略作為博弈方的策略空間，對二元觀點的演化進行探究。其中，Mare等較早對二元觀點動力學演化進行了建模，提出一種包含改變觀點、保持觀點、妥協到中間值的觀點博弈模型。在該模型中，作者分別利用Si(t)和Sj(t)表示參與者i和j的觀點，利用d=Sj(t)-Si(t)表示觀點的距離。并且定義各策略收益：令j的觀點完全改變時，i獲取的收益為a；j的觀點沒有改變時，i損失的收益為b；j的觀點改變一半，即達到中間值時，i獲得的收益為c；其中0

在該模型中，當d≤1/(b+c)，支付矩陣的納什均衡策略為(3,3)，這意味著兩個參與者觀點將達到一致；當d≥1/(b+c)，支付矩陣的納什均衡策略為(2,2)，這意味著兩參與者都選擇保持策略。此時，該博弈模型可以簡化為一個固定參數a，b，c，閾值ε=1/(b+c)，u=0.5的一個DW觀點動力學模型，具體表達形式為：Si(t+1)=Si(t)+μ[Sj(t)-Si(t)]，Sj(t+1)=Sj(t)+μ[Sj(t)-Si(t)]，這種轉化體現了二元觀點動力學與群體觀點動力學之間的內在聯系。Mare主要對博弈雙方交互過程中觀點的演化過程進行模型化，該模型能夠較好地展現參與方觀點演化特征，對后續在二元觀點建模方面的研究提供一定參考。

隨后Ding在Mare的基礎上，進一步考慮了交流成本和交流可退出的情形，設計了保持觀點、改變觀點到中間值，交互退出三策略的博弈模型，具體博弈支付矩陣如表2所示。在該模型中，e表示參與討論所浪費的時間和精力，此處，e

表1 i的博弈支付矩陣[5]

表2 i的博弈支付矩陣[6]

基于上述研究，后續研究大多通過對博弈雙方收益函數的精確刻畫并利用參與方觀點相互博弈的思維范式對二元觀點動力學展開探究，如Abtoy[13]利用Petri網刻畫收益函數，提出了一種基于在線視頻社交網絡(OVSN)的在線用戶個體意見模型；Chen[14]等通過引入社會偏好理論將互聯網用戶分為利己、利他和公平偏好三種群體，并采用收益函數對不同偏好個體在互動過程中所獲得的收益進行定義，分析了不同偏好以及個人收入對輿論兩級分化效應的影響；Bu等[15]將情感計算與觀點演化進行結合，利用博弈理論以天涯論壇的評論對情感的進化進行了預測研究。在該研究中，作者認為若一方對另一方的評論是積極的，另一方就會感到高興，其效用就會增加，反之其效用就會衰減，研究從評論交互視角出發，對二元觀點演化機制進行了新的拓展。

國內方面，學者們從個體交互特征出發對二元觀點動力學進行了進一步拓展，如引入話題引力和阻力概念，決策主體的記憶和學習機制等，并將二元觀點動力學應用于輿情治理和行為決策中。熊菲等[16]根據個體觀點的更新過程，將改變觀點和保持觀點作為博弈方的策略空間，建立了不完全信息下連續觀點演化博弈模型；宋彪等[17]將話題阻力和引力概念引入觀點演化過程中，構建了信任與不信任某一話題觀點博弈策略空間，對網絡輿情的疏導進行了相關研究；雷麗彩等[18]在考慮決策者不同個性特征的基礎上，通過引入決策主體的記憶和學習機制，將改變觀點、保持觀點和妥協到中間值三種策略作為博弈方的策略選擇，對大型工程復雜大群體動態決策行為進行了研究。

上述研究從研究方法和個體交互特征出發，利用博弈論對二元觀點演化模式進行了探究，指出了探究二元觀點演化的研究途徑和方法，為后續研究提供了一定的啟示。然而關于二元觀點動力學研究仍存在一定探索空間：首先，現有研究沒有結合具體場景，對特定群體的觀點演化研究比較缺乏，如醫患二元交互與觀點演化，電商平臺買家賣家觀點演化相關研究等。事實上，不同群體的特征其實有所差異，如醫患交互對話時，醫生由于具有較高的專業素養，豐富的專業知識，因此，醫生和患者容易產生信息不對稱現象，也即醫患觀點博弈屬于不完全信息博弈，同理，電商平臺的買賣家觀點交互同樣如此。因此，如何將信息不對稱考慮到觀點交互模型中，也是對現有觀點動力學模型進行拓展的一種嘗試。其次，現有研究多從模型層面出發，較少從實證研究視角，基于現實生活挖掘個體觀點演化機制，由于觀點是個體的一種主觀態度、想法與思維結晶，會受到個體的心理因素和外部復雜環境的干擾，因此，僅從數值建模層面對觀點演化進行研究，難以發掘觀點演化的全部特征。如個體在交互過程中，交互的頻次、交互的語氣、交互的環境、交互的媒介(文本，語音，表情)都可能影響雙方觀點的演化，借鑒語言學與傳播學的相關理論與知識，利用實證研究方法對觀點的演化進行研究，也是對現有研究多集中于模型層面的一個補充。

3 群體觀點動力學模型

目前，在群體觀點演化方面，學者們根據觀點的表示形式將觀點的動態變化分為離散型和連續型。其中，離散模型通常會將觀點賦值為離散的數值，如+1表示贊同，0.5表示中立，-1表示反對。連續型觀點演化模型會對觀點進行連續取值，如[-1,1]表示觀點從反對到贊同的變化。從研究模型來看，現有研究主要對離散和連續觀點演化模型進行相關探究。

3.1 離散模型

3.1.1 Ising模型

Ising模型作為離散模型的一種，是一類描述物質相變的隨機過程，最初被應用于物理和計算機領域[19]。在Ising模型中，其構成的系統由多維周期性陣點組成，每一個陣點表示一個自旋方向，相鄰的陣點之間在一定磁場下可以與其最近的鄰居相互作用，進而改變自身的旋向，若自旋方向向上，該點取值為+1，自旋方向向下，該點取值為-1。每個陣點上動力學方程可表示為[20]

(1)

(2)

其中，kB是玻爾茲曼常數，T是無量綱溫度，單位為J/kB。參數T反映了熱漲落的影響，T越大，表明節點旋向改變的概率越大。隨著Ising模型以及統計物理學的不斷發展，學者們逐步將Ising模型應用于社會科學領域，利用節點的旋向表示觀點的贊成和反對，積極或者消極等，探究了觀點的演化等社會現象。

3.1.2 Sznajd模型

Ising模型根據節點的旋向將觀點取值為+1或者-1，Sznajd模型中同樣利用Si=+1以及Si=-1表示觀點的正反兩面[8]。Sznajd模型可以用以下3個步驟進行描述：1)一對相鄰的自旋態Si和Si+1將會影響并改變其周圍最近的鄰居節點Si-1和Si+2；2)如果Si=Si+1，那么Si-1=Si且Si+2=Si；3)如果Si=-Si+1，那么Si-1=Si+1且Si+2=Si。該模型主要借鑒磁場的順鐵和反鐵磁性對觀點的演化進行類比，反映的主要思想為“團結生存，分化消亡”，最終觀點的演化結果為完全一致或者一半一致，一半反對。上述模型為Sznajd一維模型，由于一維模型將維度僅僅限定為一維視角，難以展現現實世界中個體與周圍鄰居的交互狀態，因此，在社會科學中較少使用。Stauffer[21]進一步對一維Sznajd模型進行改進，形成了Sznajd二維模型，Sznajd二維模型演化如圖2所示。

3.1.3 Voter模型

Voter模型表示個體受相鄰個體的影響，并且從相鄰個體中隨機選擇一個個體的觀點作為自身的觀點，其觀點的演化受周圍大多數個體觀點演化的影響較小，具體如圖3所示。若兩節點距離最近，并產生連接，該節點向其周圍距離最近節點轉化的概率為[22]

(3)

此處，ki是節點i的度，也是節點i的最近鄰居數，νi即為節點i的鄰居。

3.1.4 Majority Vote模型

Majority Vote模型作為一種多數決定少數的模型，在社會生活中得到了廣泛應用，在Majority Vote模型中，存在N個節點，每個節點的取值為+1或者-1，節點將根據其周圍大多數鄰居節點的取值更新自我觀點，單位時間內節點值變化概率為[23]

(4)

(5)

此處，00，sign(x)=+1，nni表示節點i的最近的鄰居。在Majority Vote模型中，較為經典的模型為Galam model[24]，在該模型中，Galam利用局部多數原則對選舉過程進行了模擬，具體如圖4所示。

3.2 連續模型

3.2.1 DW模型

DW模型作為連續模型的一種，其主要的演化規則為選取群體中任意兩個體，若其觀點差值|x′-x|≤d，d為信任半徑，則該觀點將會改變，若大于該閾值，則該觀點不會改變。DW模型與HK模型相類似，然而HK模型是個體觀點需要與其周圍所有個體進行比較，DW模型則是個體觀點與其周圍個體中的任意一個比較即可。DW模型動力學方程可以表示為

(6)

此處，μ表示收斂參數，其取值范圍為[0,0.5]。

3.2.2 HK模型

(7)

此處，aij為觀點影響權重，ε為觀點影響閾值。DW和HK觀點動力學模型均屬于連續觀點動力學模型，連續觀點動力學模型如圖5所示。

圖4 Galam模型[24]

圖5 連續觀點動力學模型

4 群體觀點動力學模型研究現狀

從群體觀點動力學提出以來，學者們圍繞群體觀點動力學融合個體交互的新特征對群體動力學模型進行了廣泛研究，本文主要從個體特征、行為特征、觀點特征、外部環境、觀點動力學的應用等方面對觀點的演化進行了相關梳理。

4.1 個體特征

個體作為群體中的一員，會在群體觀點演化中表現出自身的某些特征，如個體的堅定性、對觀點的偏見性和極端性以及個體的知識水平等。在此方面，鄧磊和劉云[25]研究了極端個體的建模與觀點演化情況，發現社區中的個體觀點總具有極端化趨勢；楊雷和習鵬[26]以DW模型為例，在考慮群體異質性的基礎上，探究了無主見型個體，偏執型個體，以及固執型個體對觀點演化的影響，發現不同類型個體的增加將會使群體觀點達到一致的步長呈現不同程度的增加；張亮等[27]在DW模型上通過引入個體信息量研究了個體知識水平對輿論傳播的影響，發現當信息量服從均勻分布或者冪律分布時，群體認知能力與觀點收斂速度成反比，服從正態分布時，認知能力正比于觀點收斂速度；邵鵬和胡平[28]從偏執度、影響程度、影響范圍界定了粉絲用戶、權威用戶、大V用戶，研究了三類特殊用戶對網絡群體觀點演化的影響，發現特殊用戶特征并非直接作用于群體觀點形成，而是作為調節變量在特殊用戶初始觀點與群體平均觀點的關系中起到正向或負向調節作用。國外方面，Fu等[29]通過對HK模型進行改進，研究了群體中包含開放型，隨和型和封閉型個體情況下觀點的動態演化，發現開放型個體觀點最容易形成一致，隨和型次之，封閉型個體最不容易形成一致觀點；Fan和Pedrycz[30]研究了知情個體在觀點演化中的作用，發現如果普通個體的初始意見接近于零，知情個體可以在觀點演化過程中發揮作用，影響觀點的演化，如果普通個體初始時刻有明確的意見，就無法在預先設定的意見上達成充分一致的意見；Xie等[31]研究了群體中含有固執個體的觀點演化動態過程，發現固執個體的存在會促使共識的出現；Proskurnikov等[32]對群體中含有偏見個體的觀點演化進行了研究，發現偏見個體對觀點“錨定”可能會妨礙達成共識，并在社會影響網絡中引起分歧。上述研究主要通過改變部分群體觀點閾值ε，使得群體內部成員產生異質性(如開放型、隨和型和封閉型)，進而影響觀點的演化結果。若ε較小，該個體則為封閉型，其觀點不容易被改變，觀點最終結果會比較分散；若ε較大，該個體則為開放型，其觀點容易被改變，觀點最終結果會比較一致。個體特征視角下的觀點演化研究如表3所示。

表3 個體特征視角下的觀點演化研究

綜上所述，現有研究從個體的堅定性，認知水平，固執性等個體特征視角出發對觀點的演化進行了相關研究，這類研究以個體特征為研究對象，通過充分挖掘個體的諸多特性，將這些特性與觀點的演化聯系起來，為豐富觀點動力學研究提供了很好的素材，也為學者們從個體特征視角研究觀點動力學開辟了新的視角。

4.2 行為特征

圖6 親和度對輿論觀點演化的影響[34]

綜上所述，現有研究結合個體在觀點演化過程中出現的諸多行為特征對觀點的演化進行了相關分析，研究主要基于個體在觀點演化過程中所表現出的相關行為，進行提煉和分析，進而找到影響觀點演化的相關因素，如個體之間的信任、親和度、社會相似性、認知失調、篡改行為等，最后將上述因素進行模型化表達。因此，基于個體行為視角，將個體在觀點演化過程中表現出的行為特征，考慮到觀點演化模型之中，也是當前學界進一步豐富觀點動力學模型的一種方法。

4.3 觀點特征

在個體表達觀點時，部分群體表達的觀點處于一個區間之中，是一個不確定值，此外，在觀點演化過程中，部分觀點信息也可能會相互沖突，學者們對上述情況進行了相關探究。在不確定觀點方面，萬貽平等[39]探究了個體觀點不確定對群體觀點多元化的影響，發現觀點呈現出類似均勻分布或正態分布時容易形成群體觀點多元化，而呈現出“極端子群體”分布時難以形成觀點多元化；Zhan等[40]研究了不確定觀點在社交網絡上的演化，發現初始意見的不確定將會使得群體意見的不確定程度增大，但是隨著時間的推進，群體中不確定意見的平均寬度將會小于初始意見的寬度；Cho等[41]通過構建一個主觀邏輯(Subjective Logic，SL)觀點演化模型，探究了當個體面對沖突信息和不確定信息時，個體意見的演化過程，區別于傳統研究利用數值對觀點進行表示，該模型從不同維度出發對個體的觀點進行了組合定義，利用wi從不同維度對個體的觀點進行了表示，wi={bi,di,ui,ai}，其中，bi為個體對觀點的相信程度，di為個體對觀點的不相信程度，ui表示個體對觀點的不確定程度，ai表示個體的背景知識；考慮到觀點的影響是連續的，陸安和劉業政[42]提出了一種區別于HK模型中觀點影響是間斷的情形(個體觀點之差小于觀點影響閾值ε則發生作用，大于ε則不發生作用)，提出了一種基于連續影響函數的群體觀點演化模型，該模型對現有的觀點演化模型進行了一定補充；此外學者們還對觀點演化過程中出現的同步現象[43]、收斂速度[44]、意見領袖[45]等現象進行了相關研究。觀點特征視角下的觀點演化研究如表5所示。

表4 行為特征視角下的觀點演化研究

表5 觀點特征視角下的觀點演化研究

綜上所述，現有研究挖掘了觀點的不確定性、模糊性、觀點沖突等特征，從觀點特征視角豐富了觀點演化相關結論。對觀點特征的挖掘，不僅有利于對個體的觀點產生機制有進一步的認識，而且還有利于從不同視角對觀點動力學展開研究，未來可進一步在明確觀點產生機制上，結合心理學、語言學等多種學科知識，從觀點的產生、表達特征、影響特征等多個層面出發，對觀點演化模型更為客觀地建模。

4.4 外部環境

表6 外部環境視角下的觀點演化研究

上述研究將觀點演化過程中所面臨的外部環境因素納入到觀點演化過程中，構建了考慮外部環境的觀點演化動力學模型，研究從個體所處的環境視角對觀點動力學模型進行了進一步改進，具有一定的啟示意義。在觀點演化過程中，基于外部環境視角，若進一步考慮外部壓力(群體中包含上級領導)、群體偏好等因素對觀點演化的影響，將會使觀點動力學模型更為合理地展示現實情況。

4.5 觀點動力學的應用

部分學者也研究了觀點動力學在不同領域內的應用情況。如表7所示，Dou等[52]將Hegselmann-Krause模型引入到產品改進過程中，從觀點動力學的角度建立了一個動態模型，研究了不同意見之間的相互作用機制以及意見與產品方案之間的作用機制；林自展等[53]以“大眾點評”為例，將觀點動力學應用于在線點評，構建了適用于在線點評的觀點動力學模型，該模型的提出有助于提高對在線點評觀點演化內在機理的深入認識；Wan等[54]提出了一種適用于在線消費者的意見演化動力學模型，該模型可以有效分析消費者的意見隨時間的演變情況；雷麗彩等[18]利用觀點動力學對大型工程復雜大群體決策的個體觀點交互過程和自主博弈行為進行仿真和分析，使得大型工程群體決策管理方法更加貼近項目決策者實際決策心理和行為特征；Gonzalez等[55]提出了一個基于Sznajd模型的選舉模型，該模型可應用于選舉過程中；此外，部分學者將觀點動力學研究成果應用于交通[56]和市場營銷[57]等領域。

表7 觀點動力學的應用場景

現有研究將觀點動力學模型及其演化機理應用于不同的領域之中，使得觀點動力學模型的實踐價值得以體現。在進行觀點動力學研究時，將理論與實踐進行結合，不僅有利于創新現有模型，而且還將使得研究更為嚴謹與可靠，因此，研究者可以基于不同場景，對觀點動力學展開研究，這樣不僅可以將模型與場景結合起來，而且可以利用應用場景實際數據驗證模型的正確性與合理性。未來研究同樣可以將觀點演化模型應用于假新聞的檢測、群體中易感染個體的識別以及推薦系統等領域[3]。

綜上所述，現有研究從不同視角出發，對觀點的演化進行了大量探索，就觀點動力學模型而言，部分學者也利用SJBO模型[58-59]、多智能體模型[60]、貝葉斯網絡模型[61]、馬爾可夫鏈模型[62]、網絡意見動態模型[63]、社會級聯影響模型[64]對觀點的演化問題進行了相關研究，這些研究都拓寬了觀點動力學研究邊界，對后續觀點動力學研究具有一定啟示意義。

5 研究述評與展望

觀點作為個體的一種態度、情感與意見，在輿情演化過程中具有重要的地位。對觀點的演化進行合理探究對促進輿情合理治理、明確意見演變機理具有重要作用。鑒于當前國內較少研究對觀點動力學研究現狀進行梳理，本文對國內外現有觀點動力學研究現狀進行了回顧與梳理，最后對現有研究進行了述評，并對未來研究進行了展望。

現有研究大多基于數值仿真與模擬分析，所使用的數據集往往為隨機模擬數據，很少有研究用真實數據進行動力學仿真分析。這使得現有研究缺乏一定的驗證過程，難以明晰觀點演化的相關作用機理。此外，現有研究雖然已經在觀點動力學方面進行了諸多探索，然而在觀點的演化方面，仍有較大探索空間，如在群體中含有虛假觀點的觀點動力學建模方面[2]現有研究較少涉及。現有研究從個體特征、行為特征、觀點特征、外部環境對觀點動力學進行了諸多有益探索，對觀點動力學的建模具有一定的啟示意義，然而對觀點和意見的強化與爭議的消減研究較少。從實踐層面來看，對觀點演化進行研究，其目的是將研究成果應用于輿情治理、市場營銷、公共管理等諸多實踐領域中，然而現有的成果卻主要集中于觀點動力學模型的設計層面，沒有對觀點演化過程中意見的強化以及爭議的消減進行探索，這使得研究成果的實踐意義體現較少。現有研究在觀點的表示與演化方面進行了相關研究，研究多注重利用數值仿真方法對二元及群體觀點的演變進行建模與仿真，對觀點與決策之間的作用機制探究較少，這使得觀點與決策之間產生了一定研究鴻溝。對觀點與決策之間的作用和影響機制進行研究，不僅有利于發掘觀點與決策之間的作用路徑，而且對彌合觀點與決策之間的鴻溝具有重要作用。

觀點演化作為一種物理現象和社會行為廣泛存在于社會生活中，如何深入挖掘觀點和意見的演變機制，對理清清觀點作用機理和明確觀點演化過程具有重要的理論與實踐意義。在觀點演化動力學方面，現有研究已經取得了一定的研究進展，然而較少有學者在實證視角下的觀點演化機制、意見的強化和爭議的消減、觀點演化與群體決策的聯系等方面進行探究。結合本文研究發現，未來可從以下方向對觀點演化進一步探究:1)實證視角下的觀點演化機制。現有研究多集中于模型層面，利用隨機模擬數據對觀點演化進行建模。然而，單一的數理模型方法和隨機模擬數據難以揭示觀點演化的微觀機理[2]。如在二元觀點演化過程中，醫生和個體的觀點如何演化？在線消費者與賣家的觀點如何演化？這些問題的解決離不開從實證層面對觀點演化進行有效探究，然而現有觀點動力學研究對這些問題沒有深入探討。隨著海量數據的涌現以及大數據分析技術的不斷成熟，利用實證數據和方法對觀點的演變機制進行研究成為可能，這對挖掘觀點演化機理，構建更加穩健的觀點演化模型具有重要理論意義。2)意見的強化和爭議的消減”對觀點和意見的強化和爭議的消減機制進行探究，有利于挖掘觀點相互作用機理。在實際生活中，對觀點和意見強化以及爭議消減進行研究，往往會對解決實踐問題如矛盾的消減和積極意見的加強具有重要意義。未來可在明確觀點和意見強化以及爭議消減機制的基礎上，結合語言學、溝通學以及心理學等多種學科知識，構建意見強化和爭議消減模型，對意見的強化和爭議的消減進行研究，這對解決爭議消減如醫患對話矛盾以及促使正向輿情傳播和演化等相關問題具有一定啟示意義。3)觀點演化與群體決策的聯系。對觀點演化與群體決策的作用路徑和機制展開研究，有利于彌合觀點的演化與決策之間的鴻溝，對建立觀點演化與決策之間的聯系也具有重要意義[2]。決策存在于生活中的方方面面，尤其離不開人的參與。而觀點也是決策過程中存在的一種形式。現有研究多集中于觀點的演化，對觀點與決策之間的關系探究較少，未來研究可注重探究觀點與決策之間的關系，建立觀點演化與群體決策之間的聯系。如可利用多屬性決策和模糊決策方法對群體決策進行建模[65]，其表達式可初步寫成v=f(a,b,u,w)，v表示群體的決策，a表示觀點的一致性，b表示專家的權威性，u表示專家的知識水平，w表示專家的偏好。雖然上式給出了觀點與群體決策之間的模型表達，然而單就如何衡量群體觀點的一致性這一問題，學者們已經進行了大量討論[66]，并且仍在繼續探究這一問題。因此，建立觀點演化與群體決策的聯系，對于解決群體決策問題以及彌合觀點與決策之間的關系具有重要的研究價值。