同時考慮對稱博弈與非對稱博弈的網絡輿情傳播研究

王家坤

摘要：[目的/意義]剖析網絡輿情的演化規律，加強對網絡輿情的管理與干預，有效抵制負面網絡輿情傳播對社會帶來的影響。[方法/過程]結合演化博弈論與復雜網絡理論，同時考慮對稱博弈與非對稱博弈關系，構建網絡輿情的演化博弈模型，并結合實驗結果，為網絡輿情的管理提出具有針對性的對策與建議。[結果/結論]在兩類博弈關系中，關鍵用戶與普通用戶群體的收益參數對網絡輿情傳播過程的影響具有顯著差異性;對于普通網民群體而言，對稱博弈關系對網絡輿情的傳播過程影響程度更大;而對于關鍵用戶群體而言，非對稱博弈關系在網絡輿情傳播過程中發揮了更重要的作用。

關鍵詞：對稱博弈;非對稱博弈;網絡輿情;傳播

《2020全球數字報告》顯示：全球使用互聯網的人數已增長至45.4億，社交媒體用戶突破38億[1]。隨著通信技術的快速發展及移動終端的普及，在線社交網絡已經成為當前網絡輿情生成、發酵、傳播最活躍的陣地，對經濟發展與社會穩定產生了重要影響。如網民可以更加便捷地參與社區互動;企業可以樹立品牌形象走近消費者;政府可以更準確地把握社情民意。但是考慮到網絡輿情傳播的迅速性、匿名性、互動性等特點，其也為負面或虛假信息、謠言的傳播與擴散創造了條件。如疫情期間，“板藍根可有效抑制新冠病毒”的謠言引起了巨大的社會動蕩;日本核泄漏事件中，“加碘鹽可以預防核輻射”的謠言引發的食鹽搶購風波等。因此，剖析網絡輿情的演化機制，加強對網絡輿情的管理與干預，對抵制負面網絡輿情傳播給社會帶來的負面影響具有重要意義。

網絡輿情的傳播涉及到諸多社會主體，如網民、媒體、政府等，并且其各自存在不同的利益動機，故從各主體的利益沖突與分配角度出發，利用博弈論可直觀地分析各利益主體的決策過程。另外在網絡輿情的傳播過程中，各參與主體的行為選擇并非完全理性，而是一個反復學習與不斷調整的動態過程，最終達到局部穩定。因此，利用演化博弈論研究網絡輿情的傳播與演化機制，進而尋求對網絡輿情傳播進行干預與管控的關鍵點，具備一定的適用性與合理性，也是當前網絡輿情研究領域的主流方法[2-3]。

目前，基于演化博弈論的網絡輿情研究主要從以下兩種路徑展開。一類是定性研究[3-5]。這一路徑下的研究大多基于傳播學的視角，從宏觀層面界定參與網絡輿情傳播過程的主體、闡述參與主體進行博弈等內在動因、分析主體策略選擇背后的利益因素等。如結合136個網絡輿情傳播案例，原光等[4]系統梳理了網絡輿情傳播過程中的影響因素，并從加強激勵機制等方面提出了政府的應對措施;另外，宋余超等[3]、孟驪超等[5]通過對當前國內相關文獻進行系統分析，總結了當前網絡輿情博弈研究中存在的主要問題，并提煉了未來的可持續研究方向。該類研究為復雜情境下博弈主體的識別、主體之間利益關系的分析、網絡輿情傳播應對策略等提供了研究基礎。但考慮到其主觀性較強，在主體利益分析量化方面缺少一定的依據，限制了研究結論在實踐管理中的應用。另一類為定量研究，重點通過構建演化博弈模型、仿真實驗等途徑，研究網絡輿情傳播過程中博弈主體的微觀交互，進而揭示網絡輿情的傳播規律[6-15]。相較于定性研究，該類研究的成果非常豐富，從研究視角來看，可劃分為主體特征的差異性[6-9]、參與主體的多樣性[10-13]、網絡輿情傳播環境的復雜性[14-15]等方面。

主體特征的差異性主要體現在博弈主體的理性程度、偏好程度等方面。如張立凡等[6]與郭東偉等[7]分別基于用戶的完全理性與有限理性構建了網絡輿情的演化博弈模型，并基于實驗結果總結了政府對網絡輿情傳播的應對策略;考慮到用戶的主觀偏好與公平偏好等因素，WenS等[8]與王治瑩等[9]分別構建了不同情境下的網絡輿情傳播模型，并結合案例分析驗證了研究結論的有效性。參與主體的多樣性方面，根據博弈主體的數量，目前的研究主要集中在兩方博弈與三方博弈。如針對突發事件網絡輿情的傳播與治理，祁凱等[10]構建了網絡媒體與地方政府的兩方演化博弈模型，并分析了媒體與地方政府的策略演化均衡，為突發事件網絡輿情的治理提供了新思路;類似地，以社交網絡中的謠言傳播為研究對象，丁學君等[11]構建了謠言傳播者與接受者的兩方演化博弈模型，為了解謠言傳播的內在機理、遏制謠言傳播擴散提供了理論依據。另外，考慮到政府、網民與意見領袖在突發事件網絡輿情傳播過程中的重要作用，馮蘭萍等[12]提出了三方演化博弈模型，重點分析了政府不同延遲干預程度下各主體策略的演化過程;針對負面輿情信息的傳播與擴散，尹玨力等[13]構建了“網民—網媒—政府”的三方演化博弈模型，明確了政府對負面輿情傳播的關鍵干預點。網絡輿情傳播環境的復雜性，主要體現在網絡輿情的傳播載體以及網絡輿情傳播過程中外界因素的干預等方面。結合演化博弈論與復雜網絡理論，學者們利用網絡演化博弈論對網絡輿情的傳播規律進行了一些初步的探索，如陳婷等[14]將三方演化博弈模型引入到無標度網絡，分析了主要參數對網絡輿情傳播過程的影響;通過分析網絡輿情在不同空間的演化特點，遲鈺雪等[15]提出了一種基于超網絡的網絡輿情演化模型。該類研究的突出特點為可對網絡輿情傳播過程中涉及主體之間的利益關系進行定量分析，并通過理論分析與數值模擬網絡輿情的傳播過程，為輿情治理方案的提出提供了理論支撐。

綜上所述，利用演化博弈的相關理論與方法研究網絡輿情的傳播過程，學者們進行了諸多深入研究，推動了輿情傳播動力學的發展，為本文的研究奠定了理論基礎。但通過分析仍存在進一步研究的空間：①當前基于演化博弈對網絡輿情傳播進行的研究工作，均是單獨在對稱博弈或非對稱博弈情景下的演化博弈模型，而鮮有學者同時考慮網絡輿情傳播過程中的對稱與非對稱博弈關系;②當前大部分的演化博弈研究未考慮在線社交網絡的拓撲結構，利用網絡演化博弈論分析網絡輿情傳播過程的研究相對較少，而作為網絡輿情傳播的載體，在線社交網絡的拓撲結構對其演化過程具有重要影響。基于上述問題，本文計劃結合演化博弈論與復雜網絡理論，構建同時考慮對稱博弈與非對稱博弈關系的網絡輿情演化模型，識別網絡輿情傳播過程的關鍵參數，為網絡輿情的傳播與管理提供理論依據。

1演化博弈模型的構建

1.1經典演化博弈模型

1.1.1問題描述

由于網絡輿情傳播的即時性、便捷性、互動性、匿名性等特點，圍繞社會某熱點事件，網民更傾向于通過社交網絡平臺獲取相關信息，發表自己的意見與觀點，參與社區互動等，進而為網絡輿情的大范圍傳播與擴散創造了條件。尤其當網民的常規利益表達缺乏渠道時，互聯網則成為網民利益訴求、情緒宣泄甚至是謠言傳播的重要途徑與平臺，如奔馳女車主、特斯拉女車主車頂維權事件等。因此，在線社交網絡中的輿情傳播主要依賴于用戶的傳播或轉發行為，網民是網絡輿情傳播過程中的重要參與主體。

另外，在長期演化形成的在線社交網絡中，不可避免地存在著用戶在網絡地位上的差異，出現了類似于微博中的“大V”“領域專家”，抖音里的“網紅”“流量主播”等一類用戶。由于其所掌握的信息量顯著異于普通網民的信息量，故在信息傳播過程中往往扮演著“觀點領袖”的角色，與普通網民形成了不對等的網絡地位關系。如疫情期間，部分網民曲解鐘南山院士的“板藍根顆粒對新冠病毒體外抑制有效”的言論，導致民眾瘋狂搶購板藍根。因此，本文將在線社交網絡中，具有較強社會影響力，對普通網民的行為可以產生重要影響的“大V”“網紅”“專家”等一類用戶，稱為關鍵用戶群體，將其他用戶定義為普通網民群體。

針對社會某一熱點事件，用戶往往具有不同的觀點，進而衍生出不同類型的輿情信息。因此，圍繞社會熱點事件，本文將客觀描述、發表正面言論、有利于維護社會穩定的一類網絡輿情（網民的觀點或意見）定義為正面輿情;將發布的負面或不正當言論、不利于社會穩定的一類網絡輿情（網民的觀點或評論）定義為負面輿情。隨后在網絡輿情的傳播過程中，定義用戶的行為策略集合為“傳播正面輿情”“傳播負面輿情”以及“不參與傳播”。

1.1.2演化博弈模型構建

在社交網絡中，定義普通網民與關鍵用戶的比例分別為x與y（x+y=1）。在普通網民群體中，選擇傳播正面輿情策略的人群比例為x1，選擇傳播負面輿情策略的人群比例為x2，x-x1-x2比例的人群不參與網絡輿情的傳播;類似地，定義在關鍵用戶群體中選擇傳播正面輿情策略的人群比例為y1，選擇傳播負面輿情策略的人群比例為y2，y-y1-y2比例的人群選擇不傳播網絡輿情。

假定在線社交網絡中的普通網民之間無差異，滿足對稱博弈關系，根據上述分析，在普通網民之間，定義不同策略組合下的收益矩陣如表1所示。

αi（i=1，2，…，9）分別對應特定策略組合中前者的收益。如網民Ⅰ在傳播正面輿情，而網民Ⅱ在傳播負面輿情時，網民Ⅰ的收益為α2。需要注意的是，當網民不參與網絡輿情傳播過程時，雖然其可能通過獲取其他網民傳播的信息而取得收益，但相較于其傳播行為帶來的收益而言非常小，故假定當網民選擇不傳播策略時，其收益為0，即α7=α8=α9=0。

類似地，假定在線社交網絡中關鍵用戶之間無顯著差異，定義關鍵用戶之間發生對稱博弈時，不同策略組合下的收益矩陣如表2所示。

βi（i=1，2，…，9）分別對應特定策略組合中前者的收益。如關鍵用戶Ⅰ在傳播正面輿情，而關鍵用戶Ⅱ也在傳播正面輿情時，關鍵用戶Ⅰ的收益為β1。類似地，當網絡中的關鍵用戶選擇不傳播策略時，假定其收益為0，即β7=β8=β9=0。

而普通網民與關鍵用戶為兩個有差別的群體，二者之間滿足非對稱博弈關系。定義普通網民與關鍵用戶兩個群體分別選擇不同的策略時，收益矩陣如表3所示。

γ1，δ1（i=1，2，…，9）分別對應特定策略組合中普通網民與關鍵用戶的收益。如普通網民在傳播正面輿情，而關鍵用戶在傳播負面輿情時，其各自的收益分別為γ2與δ2。與上述類似，當普通網民與關鍵用戶選擇不傳播策略時，其收益為0。定義γ7=γ8=γ9=0;δ3=δ6=δ9=0。

假定在線社交網絡中，普通網民群體與關鍵用戶群體之間以均勻混合的方式進行交互，故根據表1～3所列不同策略組合下群體的收益，可得在普通網民群體中，選擇傳播正面輿情策略用戶的收益為：

同理，可以分別得出在關鍵用戶群體中，選擇傳播正面輿情、選擇傳播負面輿情、不參與網絡輿情傳播過程3類用戶的收益分別為：

根據達爾文的生物進化思想，假定選擇某一策略人群比例的調整速度正比于其平均收益超過混合策略平均收益的幅度，則在普通網民與關鍵用戶兩類群體中，選擇傳播正面（負面）輿情策略人群比例的復制子動態方程可分別表示為：

由上述定義可知，相較于傳播輿情而言，普通網民（關鍵用戶）不參與網絡輿情傳播過程策略的收益為0，而其他策略下的收益均為非負。故在利益的驅使下，隨著網絡輿情傳播過程的演化，普通網民與關鍵用戶均會逐漸參與到網絡輿情的傳播過程，在社交網絡中選擇傳播正面或負面輿情，即在穩態中，兩類人群的比例參數滿足x1+x2=x;y1+y2=y。另外，在網絡輿情演化過程穩定后，普通網民與關鍵用戶中選擇各類策略的人群比例不再變。

由式（9）可知，該微分系統的解析解非常難以確定，故本文在下一節嘗試借助網絡演化博弈求解其數值解，并分析兩類群體的策略選擇對網絡輿情傳播過程的影響。

1.2網絡演化博弈模型

雖然傳統的演化博弈在一定程度上有助于從微觀視角深入了解網絡輿情傳播過程中網民的策略選擇過程，但其個體間均勻混合的假設，與現實中社區用戶之間的交互關系具有一定的差距，故復雜網絡上的演化博弈應運而生。

將在線社交網絡視為具有特定拓撲結構的復雜網絡，網民之間通過微觀交互等動力學機制實現網絡輿情的傳播與擴散。基于此，本節將結合復雜網絡理論與演化博弈理論，采用網絡演化博弈論分析社交網絡中的網絡輿情傳播過程。

1.2.1社交網絡拓撲結構

作為網絡輿情傳播的載體，社交網絡（如微博、微信、Facebook、Twitter等）的拓撲結構對網絡輿情的演化過程具有顯著影響，并且該結論得到了大量研究的證實[16-17]。

近年來，隨著通信技術的快速發展，在線社交網絡平臺種類迅速增多，但不同網絡平臺中用戶好友的增長機制卻呈現出顯著的差異。如在微博、抖音、Twitter等社交網絡平臺中，用戶之間關系（連接）的建立具備單向認證的特點，即用戶A只需對用戶B進行關注，二者之間便可以進行信息交互;另外，在該類社交網絡中，用戶好友的增加往往存在偏好選擇，即優先關注社交網絡中的明星、公眾人物等權威賬號。結合愛丁堡大學2019年發布的Facebook的部分網絡結構數據（22469個節點，171002條邊，度分布如圖1所示），其呈現出顯著的冪率分布特征，符合預期的理論分析，故選擇該部分在線社交網絡作為網絡輿情傳播的載體。

1.2.2網絡演化博弈規則

根據前文演化博弈的定義，在引入網絡拓撲結構的基礎上，本文選擇將交互網絡博弈作為網絡演化博弈的規則。在該類網絡博弈中，網絡中每一對相鄰節點均進行一個兩人博弈，每個節點的收益則為它與所有鄰居節點進行兩人博弈后所產生的收益之和。因此，在每個網絡輿情傳播周期結束后，每一名用戶體均會在對比自己與鄰居用戶收益（策略）的基礎上，決定下一步的決策行為。具體而言：

1）計算t時刻每個用戶的累計收益。根據表1～3的定義，在某一時刻，根據用戶自身的狀態以及鄰居用戶的狀態，計算當前時刻用戶的累計收益。如在t時刻，對于一個正在傳播正面輿情的普通網民用戶，其擁有k個鄰居節點，其中普通網民與關鍵用戶的數量分別為kO與kV。在普通網民中，kOp個用戶在傳播正面輿情，kOn個用戶在傳播負面輿情，其余用戶處于未傳播狀態;在關鍵用戶中，正面輿情傳播者與負面輿情傳播者的數量分別為kVp與kVn。因此，該網民當前時刻的收益可表示為：

2）隨后，通過比較自身與鄰居的收益更新自己的策略。目前常用的策略更新規則包括模仿規則（模仿最優者、模仿優勝者）、配對比較規則以及基于Moran過程的自然選擇規則[2]。由于在線社交網絡中用戶的鄰居節點眾多（節點的最大度為498），用戶難以在規模眾多的相鄰用戶中確定收益最大的鄰居，故考慮到用戶的有限理性以及在線社交網絡的外部因素干擾，本文選擇配對比較規則更新用戶的策略。在t時刻，用戶隨機在鄰居用戶中選擇一位鄰居，根據彼此的收益，在t+1時刻，模仿對方策略的概率為：

式（11）中，u（t）i與u（t）j代表用戶i，j在t時刻的收益;m代表了用戶的理性程度：當m→0代表用戶完全理性，只會模仿高于自身收益的策略;而隨著m的增加，用戶的理性程度逐漸降低，模仿低收益策略的概率逐漸增加。

2仿真結果及分析

在上述網絡演化博弈規則的基礎上，本部分利用Matlab對演化博弈模型進行仿真實驗，模擬網絡輿情的傳播過程。隨后，分析普通網民與關鍵用戶的收益參數對網絡輿情傳播過程的影響，識別影響網絡輿情傳播趨勢的關鍵參數，并根據實驗結果，針對在線社交網絡中網絡輿情的傳播，提出針對性的對策與建議。

在實驗初始狀態，根據在線社交網絡中節點的度，將節點劃分為普通網民與關鍵用戶兩類，將節點度前10%的節點定義為關鍵用戶（y=0.1），其余節點定義為普通網民（x=0.9）。隨后，在關鍵用戶中，隨機選擇1%節點處于正面輿情傳播狀態（y1=0.01），隨機選擇1%的節點處于負面輿情傳播狀態（y2=0.01）;在普通網民中，隨機選擇10%的節點處于正面輿情傳播狀態（x1=0.1），隨機選擇10%的節點處于負面輿情傳播狀態（x2=0.1），其余各實驗參數定義如式（12）所示。另外，為了避免實驗結果的隨機性導致的誤差，每次實驗獨立進行100次，選擇100次實驗結果的平均值作為最終結果進行分析。

在當前的實驗參數設置下，如圖2所示實驗結果可知，在網絡輿情開始傳播之后，兩類人群均快速參與到網絡輿情的傳播過程（在t=10后，網絡中選擇不傳播策略的用戶比例下降至0，符合實驗預期），并且隨著時間的推移，正、負面輿情傳播者同時存在，各自圍繞非零數值上下波動。

值得注意的是，在網民群體中，負面輿情的傳播占據優勢，約為60%的人群（x2/x）在傳播負面輿情，而正面輿情的傳播者比例約為40%;在關鍵用戶群體中，正、負面輿情的傳播不分伯仲，兩類輿情傳播者的數量幾乎一致，均在50%上下波動。

為了更好地分析普通網民與關鍵用戶的收益參數對網絡輿情傳播過程的影響，并且有效地識別出影響網民與關鍵用戶網絡輿情傳播策略選擇的關鍵參數，接下來將分別分析兩類對稱博弈關系中，普通網民與關鍵用戶的收益參數對網絡輿情傳播過程的影響。

2.1對稱博弈關系下用戶收益對網絡輿情傳播過程的影響

2.1.1普通網民之間的收益對網絡輿情傳播過程的影響

本節將重點討論對稱博弈關系中，普通網民之間的收益參數對網絡輿情傳播過程的影響。在式（12）的基礎上分別調整αi∈[0，1]（i=1，2，3，…，6），實驗結果如圖3所示。

由實驗結果可知：

1）隨著普通網民之間的相對收益參數（α1、α2、α4、α5）的增加，網絡中正、負面輿情傳播者的數量呈現出顯著的趨向性變化;而隨著絕對收益參數（α3、α6）的增加，網絡輿情的傳播過程并未呈現出明顯的趨向性變化。因此可知，普通網民間的相對收益顯著影響網絡輿情的傳播過程，而其之間的絕對收益對網絡輿情傳播過程的影響較小。究其原因，由圖2可知，當網絡輿情在社交網絡中開始傳播后，在經濟收益的影響下，普通網民以很快的速度加入傳播過程中，選擇不傳播策略的用戶比例逐漸下降為0，故普通網民之間的絕對收益無法顯著影響網絡輿情的傳播過程。

2）普通網民之間的相對收益參數對網絡輿情傳播過程的影響效果存在差異。如在圖3（a、e）中，隨著α1的增加，在線社交網絡中的正面輿情傳播逐漸由絕對劣勢演化至占據上風，最終占據絕對優勢（α5的變化導致的結果與其相反，不再贅述），故本文將其稱為普通網民群體的關鍵參數;而在圖3（b、d）中，隨著α2的增加，雖然在線社交網絡中的正面輿情傳播也由劣勢逐漸演化為占據優勢，但變化幅度要小于關鍵參數引起的變化幅度，故本文將其稱為普通網民群體的次關鍵參數。

3）隨著普通網民群體收益參數的變化，普通網民與關鍵用戶群體的策略選擇變化并不同步，相較于普通網民，關鍵用戶群體策略的變化對普通網民的相對收益參數要求更高。如當α1>0.2時，在普通網民群體中，正面輿情的傳播已經占據了優勢，而直到α1>0.4，在關鍵用戶群體中，正面輿情的傳播才可占據優勢，并且這種差距在次關鍵參數（α2與α4）中更加明顯。上述實驗結果進一步證實了參數α1、α5與α2、α4對網絡輿情傳播過程不同的影響力。

2.1.2關鍵用戶之間的收益對網絡輿情傳播過程的影響

類似地，借助仿真實驗，本節將討論關鍵用戶之間的收益參數對網絡輿情傳播過程的影響。分別調整βi∈[0，1]（i=1，2，3，…，6），實驗結果如圖4所示。

由實驗結果可知：

1）關鍵用戶之間的相對收益參數（β1、β2、β4、β5）顯著影響網絡輿情的傳播過程，而絕對收益參數（β3、β6）對網絡輿情傳播過程的影響力度較小。

2）關鍵用戶之間的相對收益參數對網絡輿情傳播過程的影響程度也存在差異。如在圖4（a、e）中，隨著β1的增加，在線社交網絡中的正面輿情傳播由絕對劣勢逐漸演化至占據上風，尤其當β1>0.7后，正面輿情的傳播在社交網絡中占據絕對優勢，故將其稱為關鍵用戶群體的關鍵參數;而在圖4（b，d）中，隨著β2的增加，雖然在線社交網絡中的正面輿情傳播也逐漸由劣勢演化為占據優勢，但變化幅度要小于關鍵參數引起的變化幅度，故將其稱為關鍵用戶群體的次關鍵參數。

3）隨著關鍵用戶群體收益的增加，普通網民群體的策略選擇與關鍵用戶群體的策略選擇幾乎同步變化，即關鍵用戶群體的收益參數可以同步地改變普通網民群體與關鍵用戶群體的網絡輿情傳播行為。這種現象在實際社會中非常普遍，憑借在社交網絡中強大的影響力，關鍵用戶群體在網絡輿情的傳播過程中，往往扮演著“觀點領袖”的角色，其策略選擇可以引領社交網絡中普通網民的觀點與行為策略;反之，少量普通網民的策略選擇無法有效地左右關鍵用戶群體的行為，除非大勢所趨，社交網絡中大量普通網民的觀點趨于一致，才可以有效地改變關鍵用戶的策略選擇。

通過上述兩部分的分析可知，在對稱博弈關系中，網絡輿情的傳播主要取決于網民群體與關鍵用戶群體之間的相對收益，受雙方群體絕對收益的影響微乎其微;另外，在影響網絡輿情演化過程的收益參數中，存在關鍵參數與次關鍵參數，關鍵參數的變化可以迅速改變社交網絡中正、負面輿情傳播的相對優勢;最后，關鍵用戶群體的收益參數可以同步地改變兩類人群的網絡輿情傳播行為;而普通網民群體的收益參數無法同步改變兩類人群的網絡輿情傳播行為。普通網民與關鍵用戶對稱博弈關系中的收益參數對社交網絡中輿情傳播過程影響程度的大小順序.

2.2非對稱博弈關系下利益相關者收益對網絡輿情傳播過程的影響

由上述實驗及分析可知，網絡輿情傳播過程主要取決于網民與關鍵用戶之間的相對收益，而受到彼此之間絕對收益的影響較小。故在本節，借助光譜圖將重點討論非對稱博弈關系中，雙方利益相關者之間的相對收益參數（δi，γi（i=1，2，4，5））對網絡輿情傳播過程的影響。在式（12）的基礎上，分別調整δi，γi（i=1，2，4，5）∈[0，1]，實驗結果如圖5所示。

圖5分別展示了非對稱博弈關系下，在線社交網絡中正面輿情傳播者的比例（x1+y1）隨普通網民群體與關鍵用戶群體收益參數的變化過程（負面輿情傳播者的數量變化趨勢與之相反，故不再單獨展示，下同）。

由上述實驗結果可知，在非對稱博弈關系下：

1）普通網民與關鍵用戶之間的相對收益對網絡輿情傳播過程的影響程度存在顯著差異，整體而言，關鍵用戶的收益參數對網絡輿情的傳播過程具有更強的影響。如在圖5（a、d）中，在線社交網絡中正面輿情傳播者的比例沿著δi的方向存在顯著變化，而沿著γi的方向變化不顯著。以圖5（a）為例，當δ1<0.2，即關鍵用戶選擇傳播正面輿情策略的收益較低時，即使普通網民群體選擇傳播正面輿情策略的收益非常高（γ1→1），仍無法有效地促進正面輿情在社交網絡大范圍傳播;反之，當δ1>0.2，即關鍵用戶選擇傳播正面輿情策略的收益較高時，即使普通網民群體選擇傳播正面輿情策略的收益非常低（γ1→0），仍可促進正面輿情在社交網絡中大范圍擴散。

2）關鍵用戶不同策略對應的收益參數對網絡輿情傳播過程的影響程度也具有差異性。對比上述4種組合下的實驗過程，在圖5（a、d）中，δ1與δ5基本統治了在線社交網絡中網絡輿情的傳播過程：網絡輿情的傳播在δ1=0.2（δ5=0.15）前后呈現出不同的傳播趨勢，但是在δ1∈[0，0.2]、[0.2，1]（δ5∈[0，0.15]、[0.15，1]）兩個區間內部，網絡輿情的傳播結果幾乎一致，隨著普通網民群體收益（γ1與γ5）的變化未呈現出顯著的變化;而在圖5（b～c）中，關鍵用戶的收益參數（δ2與δ4）并未展現出較強的統治力，而是與普通網民的收益參數（γ2與γ4）共同決定了網絡輿情的傳播過程。

結合上述分析可知，在非對稱博弈關系中，關鍵用戶的收益參數在網絡輿情的傳播過程中占據絕對的主導地位，而普通網民的收益參數所起到的作用非常有限。

上述兩部分的研究結果對管理實踐中網絡輿情的引導與管控具有一定的啟示。首先，針對在線社交網絡中的正面輿情信息，監管主體應該加強宣傳，對于在社交網絡中積極參與傳播的網民給予一定的支持與獎勵，如“學習強國”平臺中通過轉發積極的言論可以賺取積分，進而兌換物質獎勵，引導更多的網民積極參與到正面輿情的傳播中，促進正能量信息的擴散;而針對在線社交網絡中參與負面輿情傳播的網民群體，要進行嚴格懲罰，并將相關情況進行通報與推廣，以案例的形式在社交網絡中進行傳播，引起整個社交網絡用戶的注意，以起到警示作用。如2019年，網絡主播“MC天佑”由于公開在網絡中發布低俗信息，國家網信辦對其實施跨平臺封禁，隨后諸多網絡主播紛紛修改昵稱、主播內容等。另外，在當今的流量社會，在線社交網絡中的關鍵用戶群體發布的輿情信息往往能夠引起大量粉絲用戶的追隨，并快速擴散，造成較大規模的社會影響。故監管主體應該重點關注社交網絡平臺中的關鍵用戶群體，如微博中的“大V”、抖音中的網紅主播等用戶，通過約談等方式嚴格規范其網絡行為，防范負面輿情信息在社交網絡中的大范圍擴散，營造清朗的網絡空間。

2.3兩種博弈關系對網絡輿情傳播過程的影響程度對比

通過上述兩部分的分析可知，不管是在對稱博弈還是非對稱博弈關系中，相較于普通網民的收益，關鍵用戶的收益參數均以更高強度影響著網絡輿情的傳播過程。接下來本節將重點對比分析，兩類群體兩種博弈關系中的收益參數網絡輿情傳播過程的影響程度，判斷究竟是對稱博弈關系還是非對稱博弈關系決定了網絡輿情的傳播過程。

首先，在式（12）的基礎上，分別定義αi，γi∈[0，1]（i=1，2，4，5），分析普通網民群體兩種博弈關系中的收益參數對網絡輿情傳播過程的影響，實驗結果如圖6所示。

圖6展示了隨著普通網民群體兩種博弈關系中收益參數的變化，社交網絡中正面輿情傳播者數量的變化趨勢。由實驗結果可知，整體而言，在普通網民群體中，兩種博弈關系對網絡輿情傳播過程的影響程度存在一定差異，相較于非對稱博弈關系，對稱博弈關系發揮著更重要的作用。如在圖6（a、d）中，普通網民群體的對稱博弈參數（α1與α5）基本決定了網絡輿情的傳播過程，而與之相比，非對稱博弈參數（γ1與γ5）所發揮的作用非常有限。

隨后，分別定義βi，δi∈[0，1]（i=1，2，4，5），分析關鍵用戶群體兩種博弈關系中收益參數對網絡輿情傳播過程的影響。

由圖7可知，整體而言，關鍵用戶群體的兩種博弈關系對網絡輿情傳播過程的影響程度，并未呈現出顯著的差異，而是共同決定了網絡輿情的傳播過程。但是，通過比較實驗結果中正面輿情傳播者數量發生顯著相變的位置發現，相較于對稱博弈參數，在線社交網絡中網絡輿情的傳播對非對稱博弈參數的變化更加敏感。如在圖7（a）中，社交網絡中正面輿情傳播者的數量隨δ1的增加以更快的速度占據了優勢，而隨β1的增加，正面輿情傳播占據優勢的速度較慢。同樣，在圖7（b～d）中，均呈現出類似的變化過程。

綜上所述，對于普通網民群體而言，對稱博弈關系對網絡輿情的傳播過程影響程度更大;而對于關鍵用戶群體而言，非對稱博弈關系在網絡輿情傳播過程中發揮了更重要的作用。因此，在應用演化博弈論研究網絡輿情的傳播過程時，不能僅考慮普通網民與關鍵用戶的非對稱關系，還應該同時考慮普通網民群體之間的對稱博弈關系，才能更準確地描述網絡輿情的傳播過程。

3結論

在線社交網絡中的網絡輿情傳播，因其對社會穩定與經濟發展的重大影響而受到學術界與管理實踐的關注。結合演化博弈論與復雜網絡理論，將網絡用戶劃分為普通網民群體與關鍵用戶群體，本文構建了同時考慮對稱博弈與非對稱博弈關系的網絡輿情演化模型，并通過仿真實驗識別了網絡輿情傳播過程中的關鍵參數，結合實驗分析，為網絡輿情的管理提出了更具有針對性的對策與建議。

研究結果表明：①網絡輿情的傳播主要取決于兩類群體的相對收益，受絕對收益的影響非常小;②在對稱博弈關系中，兩類人群的收益參數對網絡輿情傳播過程的影響程度存在差異，均存在關鍵參數與次關鍵參數;關鍵用戶群體的收益參數可以同步地改變兩類人群的網絡輿情傳播行為;而普通網民群體的收益參數無法同步地改變兩類人群的網絡輿情傳播行為;③在非對稱博弈關系中，關鍵用戶的收益參數在網絡輿情的傳播過程中占據絕對的主導地位，而普通網民的收益參數所起到的作用非常有限;④對于普通網民群體而言，對稱博弈關系對網絡輿情的傳播過程影響程度更大;而對于關鍵用戶群體而言，非對稱博弈關系在網絡輿情傳播過程中發揮了更重要的作用。

本文的相關研究結論能夠為政府、社交網絡平臺等監管主體積極合理地應對在線社交網絡中的輿情傳播提供了一定的決策依據，但網絡輿情的傳播與管理是一個非常復雜的公共管理問題，本研究為更復雜情景下的網絡輿情傳播與干預研究提供了一定的理論基礎。

3796500338273