基于改進SIR的突發事件網絡情緒傳播機制研究

韓 普，顧 亮，張 偉

(1.南京郵電大學 管理學院，江蘇 南京 210003;2.江蘇省數據工程與知識服務重點實驗室，江蘇 南京 210023)

0 引 言

隨著互聯網技術的迅猛發展，網絡平臺已成為人們獲取、傳播和分享信息的重要渠道。近年來，各類突發事件頻發，大量網民參與由突發事件引起的網絡輿情[1]。在突發事件網絡輿情發展過程中，往往會伴隨著強烈的網絡情緒傳播。已有研究表明，網民情緒傳播對信息傳播和蔓延具有顯著影響，并且會進一步影響到突發事件網絡輿情的沖突升級[2]。因此，在突發事件網絡輿情治理中，探究網絡情緒的傳播規律，對突發事件輿情引導具有重要意義。

該文首先分析了突發事件中網絡情緒存在狀態；接著在傳染病模型基礎上構建了突發事件中網絡積極和消極情緒傳播模型；最后通過對模型的仿真模擬和案例分析來探究網絡情緒傳播的內在機理。

1 研究現狀

網絡情緒是一種相對穩定的網民情緒，其傳播主體是網民[3]。陳業華指出，網絡情緒傳播是網民傳播其情緒并直接誘發他人產生相似情緒的現象[4]。葉瓊元等[5]研究表明，網民情緒演化對突發事件網絡輿情走向具有重要影響。鑒于網絡情緒的傳播會影響到突發事件進一步發展和升級，國內外學者紛紛對網絡情緒傳播規律進行了研究。

基于改進的傳染病模型，Hill等[6]發現網絡情緒傳播規律類似于傳染病在人群中的傳播方式，并在SIS基礎上引入情緒自發感染因子a，提出了SISa模型。Liu[7]則在Hill研究基礎上將網民情緒進一步細分為積極狀態和消極狀態；Song等[8]在Liu基礎上加入網絡情緒可調性的因素，重點研究了積極、消極狀態的相互作用。

此外，基于SIS模型，林芹[9]、Wang[10]和陳衛明[11]從用戶心理、輿情信息傳播和現實情緒特性角度研究了網絡情緒傳播規律。Durupinar[12]等基于原始傳染病SIR模型研究了情緒感染現象。Fu等[13]結合元胞自動機CA和SIR模型，模擬了情緒的傳播過程。Wang等[14]考慮了網絡情緒的延遲和靈敏度，提出了針對消極情緒的控制策略。此外，也有學者[15-16]從群體與環境、情緒感染理論和用戶心理特征角度研究網絡情緒傳播規律。

除了傳染病模型以外，信息級聯模型[17-18]、系統動力學理論[19-20]、agent仿真[21-22]也是網絡情緒傳播規律研究的常用模型和理論。從已有研究發現，傳染病模型在網絡情緒研究中運用最為廣泛，已有文獻著重分析了網絡輿情演變中的負面情緒傳播規律。雖然也有學者考慮到消極、積極情緒相互影響的作用，提出正面情緒凈化概念，并驗證了網絡正負情緒動態交互過程對輿情態勢的影響[23]，但忽略了網絡情緒的不穩定性，即網絡中情緒暫時穩定的個體也有被再次感染的可能。

在傳染病模型基礎上，本研究引入網絡情緒不穩定性和調節性因素，在網絡情緒消亡過程中加入情緒暫時穩定階段T，并考慮政府情緒引導等現實因素，分析積極、消極情緒在網絡輿情中的動態演變過程，建立突發事件網絡情緒傳播模型，深入分析網絡情緒傳播規律。

2 突發事件中網絡情緒傳播模型構建

2.1 模型假設

(1)網民情緒狀態。SIR模型將人群分為S、I、R三類，其中S代表易感類、I代表感病類、R代表免疫類。由于網民情緒不穩定，易受外部影響，因此網民情緒在穩定之前會經歷情緒暫時穩定的波動階段。基于此，構建了E-SPNTR模型，其中，E表示突發事件(Emergency)，S表示情緒易感狀態(Susceptible)，P表示積極情緒傳播狀態(Positive)，N表示消極情緒傳播狀態(Negative)，T表示情緒暫時穩定狀態(Temporary)，R表示情緒穩定狀態(Recovered)。在突發事件網絡輿情中，S狀態表示部分網民雖然關注了此類事件，但尚未被影響，其情緒處于平穩狀態；P狀態表示網民在網絡傳播積極情緒，N狀態表示網民在網絡傳播消極情緒，P、N狀態網民通過轉發、評論等行為將情緒傳遞給他人，使他人產生相似情緒；T狀態是一種情緒暫時穩定的狀態，網民情緒雖然恢復了穩定狀態，但可能受到新的輿情影響再次轉變為情緒爆發狀態；R狀態表示網民對突發事件不再感興趣，情緒恢復穩定。

(2)網絡情緒傳播階段。在突發事件網絡輿情中，假設所有網民均處于一個封閉系統中，網民情緒處于“感染-爆發-消亡”的動態過程。基于此，將網絡情緒傳播分為感染期、爆發期和消亡期三個階段。突發事件發生后，在網絡情緒感染期，部分網民由于自身共同經歷等原因迅速成為情緒傳播者，但大部分網民處于情緒平靜狀態；在網絡情緒爆發期，隨著輿情信息的廣泛傳播，越來越多的網民在網上傳遞情緒并引導他人產生相同情緒，最終形成網絡群體情緒；在網絡情緒消亡期，網民在自身遺忘規律的作用下，情緒逐漸恢復穩定，但也可能因為網絡上任何變動而進入情緒二次爆發狀態。

(3)網民情緒狀態轉換規則。在突發事件網絡輿情中，網民情緒轉換遵循一定規律，如圖1所示。首先，在網絡情緒感染期，部分網民開始傳播積極、消極情緒，但由于有限理性的屬性[4]，消極情緒傳播者較多；其次，在網絡情緒爆發期，大量網民在網上傳播情緒，之后隨著相關部門的引導，部分網民進入情緒暫時穩定狀態，消極情緒傳播者逐漸轉化為積極情緒傳播者；最后，在網絡情緒消亡期，一旦網絡輿情發生新的轉折，網民有可能重新進入情緒爆發狀態，直至網絡輿情平息，網民情緒恢復穩定。

圖1 突發事件中網民情緒狀態轉換

(4)參數說明。假設在突發事件網絡輿情中，所有網民處于相對封閉的系統，t時刻各情緒狀態網民數量比例分別為S(t)、P(t)、N(t)、T(t)和R(t)，新加入網民的概率為A，情緒平靜網民被積極情緒感染的概率為α1，被消極情緒感染的概率為α2，接觸突發事件信息進入情緒暫時穩定的概率為α3；網民通過引導從消極情緒轉變為積極情緒的概率為μ；積極情緒狀態下的網民在自身遺忘作用下恢復暫時穩定狀態的概率為ω1，消極情緒狀態的網民恢復暫時穩定的概率為ω2，情緒暫時穩定者進入穩定的概率為ω3。此外，當突發事件的網絡輿情信息出現反彈時，情緒暫時穩定的網民重新進入消極情緒狀態的概率為β。

2.2 模型建立及求解

根據圖1設定的突發事件中網絡積極和消極情緒轉換規則，基于SIR模型和文獻[4，19]建模思想，構建了包含網絡積極和消極情緒的E-SPNTR模型，如式(1)。

(1)

由于式(1)前4個方程不含R，因此只需考慮前4個方程構成的方程組。令前4個方程左邊等于0，得到式(2)。

(2)

接著對式(2)進行求解，共得到兩組解，如下：

其中，

由于S(t)、P(t)、N(t)、T(t)和R(t)分別是各網絡情緒狀態下的網民數量比例，所以S(t)、P(t)、N(t)和T(t)≥0，且S(t)+P(t)+N(t)+T(t)≤1。因此，當F>1時，S(t)<0，P1解不成立；當F<1時，P1解成立。

(1)對于P0解，此時為網絡情緒零傳播平衡點。突發事件發生后，該狀態下，網絡情緒傳播現象不會發生，所有網民均處于情緒未感染狀態S，網民幾乎不會受到突發事件網絡輿情的影響，即突發事件的網絡情緒未進行大范圍傳播并很快消失。

(2)對于P1解，此時為網絡情緒傳播平衡點。突發事件發生后，該狀態下，處于P和N狀態的網民數量在一定時間內趨于一個相對穩定的數值，即網絡中會出現大量情緒爆發的網民，并持續一定時間。

總體而言，突發事件網絡輿情發生后，網絡中只有極少數網民傳播情緒時不會發生情緒的大范圍傳播；只有當網民情緒達到一定限度后才會引起網絡情緒的傳播，并且網絡情緒在一定時間內將長期存在。

3 基于SIR的突發事件網絡情緒傳播模型仿真分析

針對上文構建的E-SPNTR模型，在Matlab R2019a環境下，利用ode45方法對突發事件中網民積極和消極情緒傳播模型進行數值仿真，并采用控制變量法設置對照組和實驗組來分析模型各參數對網絡情緒傳播的影響。

3.1 對照組仿真

假定在突發事件的網絡輿情中，網民處于一個相對封閉的環境中，處于S、P、N、T和R狀態的網民初始數量比例分別為0.7、0.05、0.15、0.05、0.05，實驗參數設置如下：新網民加入率A=0、積極情緒感染率α1=0.3、消極情緒感染率α2=0.6、易感者情緒暫時穩定率α3=0.1、消極情緒凈化率μ=0.3、積極情緒暫時穩定率ω1=0.6、消極情緒暫時穩定率ω2=0.1、暫時情緒永久穩定率ω3=0.7、情緒波動率β=0.3。網絡情緒傳播仿真如圖2所示。

圖2 對照組網絡情緒傳播仿真

由圖2，突發事件引起網絡輿情后，在情緒感染期，情緒易感狀態的網民初始數量較多，消極、積極網民數量較少；其次在情緒爆發期，大量網民接觸到輿情信息，消極狀態的網民數量開始急劇增多，積極狀態網民略有增多；接著政府部門引導網絡輿情情緒，消極狀態的網民數量開始下降；最后在情緒消亡期，網絡中仍存在少量消極情緒。

3.2 實驗組仿真

為了驗證各參數對網絡情緒傳播不同階段的影響，本實驗采用控制變量法進行實驗組仿真。由對照組實驗仿真圖可知，首先，在網絡情緒感染期，網民接觸到突發事件相關信息，此時輿情信息會影響積極、消極情緒的感染速率；如果網絡輿情包含負面信息內容較多，則消極情緒的感染率較高，反之則較低。其次，在網絡情緒爆發期，大量網民開始傳播其情緒并引導他人產生同樣情緒，此時對輿情情緒的引導效果將影響網絡情緒的凈化率和遺忘率。最后，在網絡情緒消亡期，突發事件的網絡輿情反彈將會引起網民情緒的二次爆發。

表1 突發事件中網絡情緒傳播影響因素

由表1，突發事件網絡輿情信息內容可影響網民情緒的初始感染率，即積極情緒感染率α1、消極情緒感染率α2和易感者情緒暫時穩定率α3；當政府部門引導網民情緒時，積極情緒對消極情緒的凈化率μ將會提高，積極、消極情緒進入暫時穩定狀態的概率ω1、ω2也會提高；當網絡輿情發生反彈時，消極情緒的二次爆發率β將會受到影響。

(1)突發事件網絡輿情信息對網絡情緒傳播的影響。

當突發事件負面信息較多時，輿情事件更易受到網民的關注，特別是大部分網民很少能保持相對理性且當網民存在群體記憶時，其被消極情緒感染的可能性較大。基于此，保持其他參數不變，通過改變實驗組α1、α2、α3參數分析輿情信息對網絡情緒傳播的影響，參數值見表2。仿真結果如圖3所示。

表2 網絡輿情信息相關參數數值表

圖3 仿真結果

圖3(a)中，網絡消極情緒爆發迅猛，消極情緒感染者數量與對照組相比急劇增多，而積極情緒傳播者數量始終保持較低水平。由此可知，當輿情信息以負面信息為主時，網民很難保持相對理智狀態，消極情緒則以極快的速度在網絡上爆發，這也表明網民對輿情中的消極信息非常敏感。圖3(b)中，整個情緒傳播過程中積極情緒傳播者在網民中的比例高于對照組比例，此外，消極情緒傳播者的增長速率也低于對照組，且到達峰值的消極情緒網民比例也有所下降，這也表明網民對負面信息較少的網絡輿情不敏感。總得來說，突發事件網絡輿情信息是影響網絡情緒初期爆發的主要因素。此外，消極情緒爆發速度遠高于積極情緒，這表明網民極易受到消極情緒的感染。

(2)政府部門情緒引導對網絡情緒傳播的影響。

在網絡情緒爆發期，相關部門對網絡輿情情緒的引導力度將直接影響到網民情緒傳播過程。由于網民情緒具有可調節性、易受到外部影響的特征，政府部門的情緒引導將會改變情緒爆發狀態的網民數量。基于此，保持其他參數不變，設置實驗組改變參數μ、ω1、ω2的數值，進而分析政府部門引導力度對網絡情緒傳播的影響，參數值見表3。仿真結果如圖4所示。

表3 政府部門引導力度相關參數數值表

圖4 仿真結果

從圖4(a)可知，消極情緒傳播者的數量比例最高值超過0.5，高于對照組消極情緒比例的最高值。此外還發現，消極情緒爆發速度也高于對照組，并且消極情緒在網絡中長期存在。從圖4(b)可知，當積極引導網絡輿情情緒時，消極情緒傳播者的數量比例最高值不高于0.2，遠遠低于對照組的0.4，且消極情緒下降速率高于積極情緒。在t=20時，網民積極、消極情緒已恢復穩定，與對照組相比，突發事件網絡輿情對網民情緒的影響大大降低。

總得來說，政府部門的情緒引導力度對輿情事件中網民情緒傳播有很大影響，當政府部門積極面對突發事件、引導網絡輿情時，網民對政府部門會有相當高的認可度和支持力，網民情緒也會盡快恢復穩定。政府積極引導可有效減少網絡中消極情緒的傳播，避免網絡輿情次生事件的爆發，減少突發事件網絡輿情帶來的不利影響。

(3)突發事件網絡輿情反彈程度對網絡情緒傳播的影響。

在網絡情緒消亡期，一旦網絡輿情發生反彈則有可能導致網民情緒出現二次波動，并延長網絡情緒最終穩定時間。基于此，保持其他參數不變，通過調整參數β的數值來分析網絡輿情反彈程度對網絡情緒傳播的影響，參數值見表4。仿真結果如圖5所示。

表4 網絡輿情反彈程度相關參數數值表

圖5 仿真結果

在圖5(a)中，與對照組相比，同樣在t=50時，積極、消極情緒已經全部趨于穩定，即網絡輿情反彈小的突發事件，網民更易恢復平穩情緒。圖5(b)中，突發事件網絡輿情反彈較大時會造成整個網絡情緒傳播過程中消極情緒傳播者的增加，當t=50時，網絡中仍有部分消極情緒，與對照組相比網絡情緒最終穩定的時間將會延遲。總得來說，突發事件網絡輿情反彈易引起網絡情緒的二次爆發，主要表現在延長消極情緒在網絡中傳播的時間周期。

3.3 仿真結論

由仿真實驗可以發現，在網絡情緒感染期，情緒感染速度主要與突發事件網絡輿情信息內容有關；在網絡情緒爆發期，隨著政府部門對網絡情緒引導力度的加大，消極情緒開始逐漸趨于穩定，因此網絡情緒引導和調控在此階段尤為重要；在網絡情緒消亡期，消極、積極情緒已經逐步趨于穩定，此階段一旦發生網絡輿情反彈，消極情緒也可能再次爆發，所以在情緒消亡期，網絡情緒最終平穩時間與輿情反彈程度有關。

4 基于“新冠肺炎”突發衛生事件的實證研究

新冠肺炎是指由新型冠狀病毒感染而導致的突發衛生事件。自疫情發生以來，網民在線參與度高，網絡情緒也出現多次波動。該文根據百度疫情大數據報告中的相關事件進行篩選梳理，分析了網民情緒發展過程：在國內疫情爆發初期，由于新型肺炎具有人傳人特性，疫情初期網上恐慌情緒蔓延。隨后，政府采取了積極有效措施，國內感染人數逐步得以控制，網絡消極情緒也逐步趨于穩定，陸續出現了更多積極正面情緒。此后，疫情出現輕微反彈，網上恐慌情緒稍有反彈，但從整體趨勢上，治愈人數不斷增加，疫情得到控制，網民情緒逐漸恢復穩定，不會出現大面積恐慌現象。

圖6 傳播趨勢與仿真

總體而言，在新型肺炎突發衛生事件中，網民的情緒隨著疫情信息實時更新而出現波動。結合上述分析及新華網發布的疫情期間網民情緒變化的相關信息，繪制了疫情間網絡積極情緒和消極情緒傳播趨勢圖(見圖6(a))。根據圖6(a)，疫情過程中網絡情緒的傳播演變趨勢圖與本研究中政府部門引導下的情緒仿真圖相似，如圖6(b)所示。通過上述分析和仿真結論可知，突發事件發生后，只有當政府積極引導網絡情緒，謹防情緒的二次爆發，才能盡可能降低網絡情緒對現實生活帶來的危害。

根據國內現實經歷和仿真實驗結論，針對網絡情緒引導提出以下建議：(1)在突發事件網絡輿情初期，政府部門可通過開展意見領袖、普及教育活動等方法，降低網民消極情緒的感染率。(2)當網絡上出現較多消極情緒時，政府部門應及時公布輿情信息，提高網民對政府的信任，減少不利影響。(3)當網絡情緒逐漸趨于穩定時，警惕情緒二次波動現象。一旦輿情信息發生新變動，有關部門需及時提供應對方案，減少消極情緒爆發概率。

5 結束語

在經典傳染病模型的基礎上，著重考慮了突發事件網絡情緒不穩定性和調節性特征，將處于情緒穩定狀態的網民分為暫時穩定和穩定兩種狀態，并加入積極情緒對消極情緒的凈化作用，構建了積極情緒與消極情緒的傳播演化模型E-SPNTR，通過對模型仿真分析得出以下結論：(1)突發事件網絡輿情信息是影響網絡情緒傳播速度的重要因素；(2)網民自身情緒調節能力比較有限，政府部門對網民情緒的引導可提高積極情緒對消極情緒的凈化作用；(3)網絡輿情的反彈易引起情緒二次爆發，并延長網民情緒穩定時間。在今后研究中，將繼續完善突發事件中網絡積極、消極情緒傳播模型，并用定量化數據進行檢驗，從而更全面地挖掘網絡傳播特征，提出更有效的網絡情緒引導建議。