融入用戶群體行為的移動社交網絡輿情傳播動態演化模型研究

張繼東 蔣麗萍

關鍵詞：移動社交網絡;輿情傳播;用戶群體行為;網絡輿情;SEIR模型;群體規模;從眾效應;社會強化效應

移動社交網絡在人們日常生活中占據著越來越大的比重，網絡信息的傳播模式和傳播速度也相應受到影響。移動社交網絡中的信息傳播真正實現了不受時空的限制，網民具備對熱點事件不間斷關注的條件，且能夠隨時轉發分享，更容易在短時間內引爆熱門話題。因此，移動環境下的輿情傳播具備交互性更強、傳播速度更快、影響范圍更廣的特點。此外，各類社交網絡平臺如微博、知乎、豆瓣等的普及性與便捷性降低了用戶獲取、評論、轉發、傳播信息的成本。網絡的匿名性和隱藏性助長了網民以群體為掩護，依據自己的感受和喜好來發布情感信息的傾向，話題不受控制，甚至出現傳播失真，造成更大的影響。由于網絡意見對社會有著重大的影響，因此十分有必要對網絡輿情的傳播過程進行更加深入研究和分析。

由于移動社交網絡的透明性.人們獲取信息以及觀察學習他人的意見和行為變得更加容易，特別是群體意見領袖的發聲.會導致“沉默的螺旋”現象的出現.使得網絡中的部分個體服從于群體意見或行為，甚至改變自己原有的意見和態度。本文基于經典SEIR模型.通過建立適用于移動社交網絡的輿情信息傳播模型，探討群體規模、群體從眾效應以及社會強化效應對網絡信息傳播過程的影響，以達到對社交網絡中輿情信息傳播與發展進程進行預測的目的，進而為控制輿論走向和發布價值信息等工作提供參考。基于此，本文提出了一個基于用戶群體行為對輿情信息傳播過程影響的改進了的SEIR模型，并引入輿情傳播過程3個關鍵群體影響因素：群體規模大小、群體中從眾效應強度和社會強化效應強度。

1文獻綜述

網絡輿情是指在特定的環境下，特定的社會群體通過互聯網表達對社會事件、公共問題和社會管理者所持有的價值評論、主觀情緒、意志態度等，網絡用戶通過評論、轉發、點贊等行為就某一事件達成最終的共識。網絡輿情的發展推動了移動網絡輿情的發展，隨著智能手機，平板電腦為代表的移動設備的普及.人們更傾向于通過這些移動設備上的微博、微信等平臺表達自己對社會事件的意見，因此使得移動環境下的輿情傳播成了輿情傳播的主要方式。

在一定的社會環境中，群體中的個體通過相互作用形成自己的觀點，一個人在形成自己的觀點或行為之前，需要從群體中其他成員那里得到多次提示。社會科學對輿情的研究歷史悠久，研究者基于社會學、復雜適應系統、統計學、系統動力學等建模方法，并結合人工智能和心理學，不斷探索自然科學建模和跨學科視角下的觀點形成過程中復雜的進化機制。網絡輿情傳播規律與傳染病傳播規律具有諸多相似之處，近年來，各種傳染病傳播和仿真技術已經成為研究網絡輿論傳播的有效手段，如經典的SIS、SIR、SEIR模型，國內外學者從影響因素和傳播模式兩個方面對移動社交網絡信息傳播中網絡結構屬性展開了研究。

在影響因素方面，心理特征對輿論傳播的影響受到一些學者的關注。趙劍華等在傳統的SIR傳染病模型的基礎上，研究用戶心理特征對輿情的傳播特性的影響，提出了新型的社交網絡輿情傳播動力學模型;林芹等提出了基于用戶心理特征的、優化了的SIS模型，發現社交網絡輿情的傳播活動受到用戶的沉浸體驗水平、用戶的情感距離、信息風險感知程度的影響與限制。

時間演變及環境變化對輿論傳播的影響也受到一些學者的關注。這些研究人員認為，時間的推移以及周圍環境的變化會對人們的觀點產生影響，進而影響信息的傳播。陳福集等在SEIR模型的基礎上，通過分析傳播閾值、平衡點以及話題衍生率對輿情傳播的影響，提出了SEIRS傳播模型;彭小兵等通過分析鄰避效應在環境群體化輿論事件演變中的作用機制，提供了環境群體抗爭事件的治理意見。

此外，一些研究者關注個體交互模式對輿情傳播的影響。張偉通過對網絡輿情信息擴散中的個體交互模式、網絡結構及初始傳播者進行分析，提出了基于近鄰響應的網絡輿情信息擴散模型;楊瑞琪等則研究了輿情傳播過程中的興趣度與親密度對輿情傳播的影響，提出IC-SEIR網絡輿情傳播模型。

在傳播模式方面，一些學者則研究不同網絡拓撲結構特征對輿論傳播的影響，Moreno Y等基于SIR模型，分析了信息在不同的復雜網絡結構中的傳播模式與進程，發現不同網絡結構下，輿情信息擴散的敏感度不同：韓忠明等融合了話題內容與網絡結構，基于SIRS模型，提出了話題傳播模型，并在無標度網絡、小世界網絡、隨機網絡和真實社會網絡進行實驗仿真。

上述模型從不同方面較好地詮釋了網絡輿情傳播過程，為后續的研究提供了一定的參考價值和現實意義。不過仍存在一些未考慮的因素，如信息傳播的人際關系比較復雜，個體對信息傳播與否受到網絡中其他群體行為的影響，然而現有對SEIR傳染病模型的研究中，關于不同群體的觀點在傳播中的變化及其對輿情傳播過程的影響的分析卻很少。針對以上問題，本文結合群體規模、群體從眾效應和社會加強效應對傳統SEIR模型進行改進，以期為進一步解釋真實社會網絡中的輿情傳播規律做貢獻。

2相關概念

2.1移動社交網絡

隨著移動通訊和互聯網的發展，移動設備和互聯網變得越來越便捷，微信、QQ等在線社交平臺發展迅速。人們可以隨時隨地獲取、交流或發布信息，信息的傳播變得更加快速、便捷。

與其他社交群體一樣.移動社交網絡中用戶的關系本質上是一種由網絡參與者以及他們之間的二元關系構成的社會結構。因此，它具有高密度集、強弱關系并存的特點。強關系網絡是指網絡群體成員間聯系密切，群體中的個體更容易受到群體觀念和行為影響，弱關系網絡是指網絡群體成員間聯系疏散，個體受本群體的觀念和行為影響較小，但會受到其他強關系群體的影響，從而有利于信息的傳播與擴散。

2.2用戶群體行為

網絡群體指由擁有相似特質、共同目標和價值觀的兩個或者兩個以上的用戶在互聯網上構成的用戶群體，成員間有著強烈的認同感與歸屬感。與一般的社會群體不同，網絡群體不受地理位置和時間條件的影響，分布范圍更廣、時效性更強。

王志明等認為，群體成員在群體環境中的行為產生是由其動機決定的，但是群體所處的環境以及與群體成員的互動會影響其行為，進而影響群體行為。張靜等認為，網絡群體行為是指人們聚集在網絡中，通過點贊、評論、轉發等方式與網絡其他成員進行互動的具體行為。受上述文獻之啟發.本文認為群體行為是指由網絡用戶構成的有機群體在環境、價值觀以及與其他成員的互動中所形成的統一的對外行為傾向。網絡群體內部用戶間的互動是社交活動最重要的組成部分，也是信息能夠得到快速、有效傳播的關鍵。

2.3用戶狀態分類

在對信息在社交網絡中傳播規律分析的基礎上，本文將用戶狀態分為4類：

1）未感染狀態s（susceptible）。即對輿情信息處于未接觸的狀態，此類節點有接收輿情信息的可能，但自身尚未接觸輿情信息。

2）受感染狀態E（Exposed）。即猶豫狀態，此類節點已經接收到網絡中其他節點發送的信息。一方面，可能以一定的概率在網絡中進行信息傳播;另一方面，出于對信息價值的懷疑，或暫時處于離線狀態，存在暫不傳播信息的可能。

3）信息傳播狀態I（Infected）。即傳播狀態，此類節點十分認同接收到的輿情信息，并在網絡中以一定的概率進行傳播。

4）信息免疫狀態R（Removed）。此類節點已完成輿情信息傳播，并決定不再參與傳播。

與疾病傳播不同，在社交網絡中，除廣告媒體等少數特殊用戶之外.一般用戶的各狀態行為只會發生1次，即只發生1次轉發行為，并經過該信息的生命周期后，就處于信息免疫狀態，此后不再發生狀態的改變。

3改進的SEIR模型

3.1傳統的SEIR模型

SEIR模型最初應用于流行病領域，Stehle J等發現信息傳播與病毒傳播過程具有相似性，將SEIR模型引入信息傳播領域。傳統的SEIR模型根據傳播過程的不同將人群劃人4類倉室：易感染人群（s）、潛伏人群（E）、傳染人群（I）、免疫人群（R）。在均勻混合的網絡條件下，也就是假設人群具有相同的接觸率與傳染性，不同狀態的人群發生接觸后，其狀態的轉移如圖1所示，其中b、c、d分別為各狀態之間轉移的概率。

在真實網絡社交環境中，網絡組成更為復雜且具有聚集性，傳統的SEIR倉室模型沒有考慮復雜的社交網絡的拓撲結構以及群體因素對于信息傳播過程的影響，因此傳統的倉室傳播模型不能充分反映網絡輿情信息傳播的真實情況。但網絡輿情傳播仍有其內在機制與規律。由前文可知，除受到社交網絡的拓撲結構影響外.網絡輿情傳播還會受到網絡中群體因素的影響。因此，本文從網絡輿情信息傳播中群體互動的特征著手，提出了一種融人用戶群體行為的網絡輿情傳播動態演化模型，并通過仿真實驗分析了群體行為對網絡輿情信息傳播效果的影響。

3.2改進的模型及傳播規則

網絡群體意見與行為會對輿情信息的傳播產生影響，個體所處群體規模、社會強化和從眾的心理對個體的網絡行為具有重大的影響。

1）未感染狀態（S）節點在接收到鄰居節點的發布信息后，可能以概率a+q轉變為信息傳播狀態（I）節點，否則以概率1-a轉變為受感染狀態（E）節點。

2）受感染狀態（E）節點在接收到鄰居節點的發布信息后，可能以概率β轉變為信息傳播狀態（I）節點，參加傳播過程，否則以概率1-β轉換為信息免疫狀態（R）節點，結束傳播過程。

3）信息傳播狀態（I）節點會積極地將自身獲取并認可的輿情信息向其鄰近節點進行傳播.在其多次接觸到鄰居的免疫節點后可能以y的概率進入信息免疫狀態（R），否則以1-Y的概率保持原狀態，即信息傳播狀態不變。

網絡輿情傳播的動態過程如下：個體通過“微博”“微信”等渠道爆料某一事件或話題，引起網友討論與意見交換，進而出現“意見領袖”并形成認知群體，不同的認知群體的意見會對其他群體中的個體行為產生影響（伴隨著從眾效應與社會加強效應），即傳播或不傳播輿情，有關部門在合適的時間采取合理的應對措施會使網友注意力發生轉移，從而使不良的網絡輿論消退。網絡節點之間的狀態轉移如圖2所示。

根據以上狀態轉移規則，改進后的SEIR網絡輿情信息傳播的動力學方程如下所示：

其中.Ⅳ表示社交網絡中節點的總數量，在一段時間內網絡中的節點數量都是保持不變的。

3.3群體行為影響因素

在傳統的傳染病模型中，研究者沒有考慮現實中用戶間信息傳播的特征與過程，通常對于節點狀態之間的轉化概率設定了固定參數值，然而現實網絡狀態下.個體節點各狀態之間的轉移會受到諸多外界因素的影響，其概率不是固定不變的。本文將群體網絡規模、從眾心理、社會強化效應3個變量納入影響因素，并結合已有的相關研究，量化它們對信息傳播的影響程度，定義如下。

3.3.1跨社群傳播概率q

個體在群體壓力的影響下，為避免與群體意見或行為產生沖突、增強自身的安全感與集體的統一性.會主動或被動地以網絡中多數人的意見為準則，按照與群體大多數人一致的方向變化自身的意見與行為。在從眾效應下，信息傳播概率與群體中傳播者的數量成正相關關系，即信息傳播者在網絡中所占比例越大，其傳播的信息越容易被其他人相信并繼續傳播;反之，免疫者所占比例越大，信息被傳播的概率則越小。本文以傳播概率a刻畫從眾群體影響力的變化趨勢.即：

社交網絡中的信息密集多樣，其中很多信息是真實的或虛假的，普通人很難做出判斷，因此個體往往參考群體中意見領袖的行為做出行為決策。在社會群體中進行頻繁信息交流的個體常被提名為群

4仿真實驗

本文依據無標度網絡對建立的數學模型進行仿真，模擬群體視角下輿情演化模型的變化過程，探究輿情演化的規律。本文假設系統內用戶群容量為5 000，即N=5 000，并根據模型特點，作出以下假設：初始狀態網絡中未感染狀態節點數Js（0）=4999，信息傳播狀態節點數，（0）=1，受感染狀態節點數E（0）和信息免疫狀態節點數R（0）均為0，相關概率參數設置為：a=0.6、β=0.75、y=0.25。迭代次數T=200，隨著實驗時間的變化.得出的未感染節點密度、受感染節點密度、信息傳播節點密序和信息免疫節點的演化情況如圖3所示。

如圖3所示.該模型中，未感染狀態節點在初期呈現驟減趨勢，在t=40時，已經接近零值，此時網絡中受感染狀態、信息傳播狀態和信息免疫狀態節點密度分別為0.2、0.009和0.76。存在少量未感染狀態節點一方面是因為傳播者密度很?。毫硪环矫媸且驗榫W絡阻斷效應導致大量受感染狀態節點難以接觸到傳播節點所致。受感染狀態節點和信息傳播狀態節點在初始階段均呈現迅速上升趨勢，但受感染狀態節點比信息傳播狀態節點上升趨勢更加明顯，隨后二者均呈現下降趨勢并逐漸趨于穩定。信息免疫狀態節點曲線呈現先慢后快的上升趨勢，這是由于后期大量的信息傳播狀態節點轉化為信息免疫狀態，之后趨于穩定。

由此可知，影響范圍廣、傳播速度和消散速度快是信息在無標度網絡中呈現的特點。雖然理論上網絡輿情信息幾乎會影響到每個人，但由于現實網絡中阻斷效應的存在，許多未知者實際上并未受到輿情信息的影響，輿情信息的傳播會受到限制。

4.1社群規模對傳播過程的影響

用戶處于不同群體時，個體節點除了受到來自群體內部的影響外，還會受到其他群體行為意見的影響。為了便于分析，本文特別構建了1個相對密集的B社群和1個稀疏的A社群，且A社群從一開始沒有感染節點，B社群存在感染節點。群落A和仿真結果如圖4所示。

如圖4所示.A社群從一開始就沒有形成輿情信息，直到B社群的信息通過社群間的鏈接傳播到這個稀疏的群體.從而使得該輿情信息在A社群內發生傳播。因為基本的傳播系數低（R<1），信息在A社群間斷持續存在，即在一段時間內，信息存在于A社群，之后的一段時間內信息在A社群停止傳播，但此時社群中的所有節點都是易受影響的。這種無信息傳播時間隨著下一次社群間傳播的成功而結束。

結果表明：在稠密的群落中輿情信息持續存在，而在稀疏的群落中輿情信息在短暫的輿情傳播和無信息傳播之間交替發生。通過以上分析，可以得出規模大社群的輿情傳播會對規模小社群的輿情傳播產生間歇性影響。

4.2群體從眾效應對傳播過程的影響

在社交網絡信息傳播中，單個用戶節點在其他用戶行為的影響下容易產生從眾心理，導致盲從。網絡輿論就是一種典型的由從眾效應引起的信息傳播。網絡中擁有從眾心理的用戶比重與信息傳播的傾向性之間成正相關關系。因此，依次設置從小到大的試驗參數，進行實驗仿真，A表示群體傳播系數，分別取值0.1、0.5、0.7和0.9，并將信息價值V設定為0.5，其他參數保持不變。從而觀察在不同的從眾效應取值下，信息的傳播與發展進程，仿真結果如圖5所示。

由圖5所示可知，S（t）曲線隨著群體傳播系數的增大，越來越陡峭，下降速度越來越快，說明群體影響力隨著社交網絡中從眾心理的增強而變大，從而使得用戶更傾向于進行信息傳播的行為，促使E（t）曲線也加速增長，峰值越來越高;I（t）曲線在拐點前更加陡峭，在更短的時間內即可達到峰值;R（t）曲線則隨著的增加變化趨勢趨于平緩，且穩定值逐漸變小，說明隨著群體影響力的不斷增加，移動社交網絡大量節點會快速轉化為受感染狀態的節點，進而轉化為信息傳播狀態的節點，并隨著信息的不斷傳播逐步轉為信息免疫狀態.最終趨于穩定。

通過以上分析可以看出，群體影響力越大，從眾效應就越明顯，人們接受并進行傳播輿情信息的意愿就越大，進一步提升了信息獲取與傳遞的速度，使信息能夠在較短時間內產生較大影響。

4.3社會加強效應對傳播過程的影響

由社會強化效應的發展過程可以看出.一段時間內同一信息在用戶面前出現的次數越多，社會強化效應越明顯。本文根據信息出現頻次依次設置試驗參數，進行仿真，分別取值n=1、n=10、n=20、n=50，并將V的值設定為0.5，其他參數保持不變。得到仿真結果如圖6所示。

由圖6所示可知，隨著社會強化效應的增強，信息出現的次數越來越大?？梢园l現信息出現次數為10次和20次時，S（t）曲線下降趨勢明顯，E（t）、I（t）曲線則呈現快速增加的趨勢，且峰值出現更早;而隨著信息出現次數的不斷增大，當信息出現次數達到一定值時，S（t）曲線下降速率趨緩，E（t）、I（t）曲線則不斷下降，且峰值緩慢出現。R（t）曲線在一定信息出現次數內上升趨勢增強，峰值變小，隨著信息出現次數的上升，S（t）曲線下降速率逐漸趨緩，峰值變大。說明在一定數量范圍內，人們成為某輿情信息的潛在傳播者的可能性隨著在同一時間看到同一信息的次數的增大而增大，在此情況下，移動社交網絡大量節點會快速轉化為受感染狀態的節點，進一步轉化為信息傳播狀態的節點，最終隨著信息的不斷傳播而轉為信息免疫狀態并最終趨于穩定;超出該范圍，人們則不愿意瀏覽該信息或進行信息傳播，這可以從兩方面進行解釋。一方面可能是輿情本身價值低，不能引起網民群體的興趣，網民群體對該輿情的傳播失去動力，從而導致輿情值較低：另一方面可能是出現次數過多.網民群體對該信息產生厭惡感和免疫力，不愿意傳播該類信息，使得該輿情在演化過程中峰值比較低，信息難以在社交網絡中繼續傳播。

4.4實驗總結

從社群規模對傳播過程的影響分析，在無標度網絡中，輿情在稠密群落中持續存在，而在稀疏群落中，它在短暫的輿情爆發和滅絕之間交替。社群間感染的時間模式啟示人們在每個時間段后對稀疏社群中的節點加強引導.平息負面信息對節點的影響，以免不良信息再次傳播;并對稠密的社群的輿情動向展開監督，重點監查處在非變動情況下的輿情，推斷輿情是否又會被觸發從而造成新的傳播周期出現。

從群體從眾效應對傳播過程的影響分析，社交網絡中的從眾效應能夠明顯提高輿情傳播與消散速度，積極發揮領導者在群體決策中的組織、引導作用;重視與網絡媒體交流互動，改造組織環境，優化組織構成，努力營造輕松、積極的群體氛圍，弱化群體壓力對個體節點意見和行為的影響。

從社會加強效應對傳播過程的影響分析，社會強化效應在初始階段能夠明顯提高輿情信息傳播與消散速度，擴大傳播范圍，可以在此階段加強對積極輿情信息的引導與強化，增加傳播量;對不良信息傳播渠道進行管控，減少其對個體節點的影響和傳播規模。

5結束語

移動環境下網絡輿情的傳播是學界和政府普遍關注的熱點課題，移動環境下信息傳播效果研究對于信息發布、熱點搜集以及輿論監控具有重要意義。本文基于網絡群體行為視角，考慮了移動網絡環境下輿情傳播的特征以及結合輿情傳播的實際情況，在SEIR模型的基礎上建立了群體行為影響下的移動社交網絡輿情信息傳播的動態模型，引入了輿情信息傳播中的群體規模、從眾效應和社會強化效應，并結合理論分析和仿真實驗揭示了3種社會效應對輿情信息傳播與演化的影響規律，結果表明：

1）在稠密的群落中信息持續存在，而在稀疏的群落中信息在短暫的輿情爆發和滅絕之間交替發生。

2）社交輿情網絡中的群體從眾效應，使得輿情演化更容易發生，且從眾效應值越大，網民群體交互越容易，輿情演化越容易發生。

3）社交網絡中的社會強化效應在初始階段能夠明顯提高輿情信息傳播與消散速度，擴大傳播范圍，但隨著強化效應的不斷增加，網民群體對該信息產生厭惡感和免疫力，不愿意進行信息傳播，從而使得信息難以在社交網絡中繼續傳播。

群體行為中的社會效應是社交網絡中普遍存在的現象，它對輿情信息的傳播與演化具有明顯的影響.下一步將刻畫群體行為中其他社會效應，如破窗效應、權威效應等，以深入認識輿情信息傳播的普遍規律和特殊機制。此外，由于信息在網絡傳播過程中的外界影響因素很多，如媒體和政府的干預，網絡的拓撲結構等，這些都有待于對模型進行進一步的改進與優化，這也為以后的工作指明了努力的方向。