面向精英群體沉默的網絡觀點演化偏差仿真研究

虞穎映，紀 浩，夢 非

近年來，以抖音、微博、微信、WhatsApp、Twitter 和Facebook 等為代表的在線社交平臺迅猛發展，改變著信息分享和觀點交流的方式。公開數據顯示，截至2022 年3 月，僅抖音平臺月均活躍用戶量便超過8 億人次，日均使用時長約為150分鐘［1］。與傳統媒介相比，在線社交平臺具有實時性、便捷性及低進入門檻等特征。但同時，數量龐大的虛假信息也日益盛行，并引起諸多的偏差性演化效應。其一，在線社交網絡用戶中普通群體占比最大，而他們對網絡信息的辨別能力有限，對具有針對性質的消息推送更加容易偏信；其二，部分“超級用戶”（如少數擁有千萬數量級粉絲的自媒體賬號）出于噱頭、引流或盈利性考慮，通常會發布夸大甚至虛假性言論，這些內容爭議性大、傳播性強，易引發級聯效應（information cascade）［2］；其三，網絡團伙與暴力等現象日益突出，而具有一定知識背景、影響能力的精英群體越來越傾向于沉默，導致社交網絡上的理性發聲日漸稀少，造成真實信息源日益衰減［3］。上述因素極大加劇了網絡虛假言論的盛行，極易導致個人行為或政府決策出現偏差，若處理不當則會引發災難性后果。

鑒于此，本文基于傳統的意見領袖影響理論［4-5］，將網絡用戶細化為普通群體、精英群體、超級用戶［6］3 類，并結合有界信任模型，設計針對性的網絡觀點交換方程，建立聚焦精英群體的網絡觀點演化模型并進行仿真，重點研究精英群體沉默行為導致的權威真實信息缺失現象及其對個體、整體網絡觀點造成的偏差性和扭曲性影響。

1 文獻綜述

當前，在線網絡觀點演化越來越成為政界、學界等多方關注的熱點。本文從網絡用戶角色、信息級聯效應、觀點偏差演化3 個視角進行文獻回顧。

1.1 網絡用戶角色視角

在學術界，從網絡用戶角色視角研究網絡觀點傳播與演化是當前的主流。有學者通過仿真實驗模擬意見領袖觀點的傳播軌跡，得出網絡中關鍵節點能夠加速信息傳播的結論［4］。有學者發現在無標度網絡中存在一類“獨立傳播者”（independent spreader）的特殊節點，該類節點不受“鄰居”影響，可以通過鏈路以外的其他路徑傳播消息，并改變鄰居節點的觀點值，進而造成整體網絡輿論的跨范圍偏移［3］。還有一類基于伊辛模型（Ising model）的研究，認為網絡中低度值節點傾向于與高度值節點相連接，并以高度值節點為標尺（benchmark）加以參照和模仿，導致網絡觀點扭曲［7］。也有研究關注網絡中精英群體對觀點傳播的影響，如有學者根據用戶影響力和信息傳播方式，把精英群體定義為博客達人、社會名流、媒體機構和官方組織［8］。有學者通過實時數據分析發現，僅有10%～15%的用戶轉發傳統媒介發送的推文，被大量轉載、分享和收藏的信息一般源自精英群體的原創觀點和優質內容［9］。2019 年的一篇綜述研究從定性角度提及精英群體沉默會導致整體網絡的輿論走向發生偏差，但并未進行驗證性分析［2］。

1.2 信息級聯效應視角

關于信息級聯效應的研究，最早可以追溯至Sushil Bikhchandani于1992年發現的在信息決策過程中出現的“群集（herding）”現象，即群體的決策行為會受到前決策者的影響，尤其當前決策者有一定影響力時，后決策者極有可能會放棄自己的原有觀點，轉而遵循前決策者的觀點［10］。隨著社交網絡的發展，信息級聯效應對網絡輿論演化的影響也廣泛存在。如有學者融合獨立級聯模型和連續時間擴散模型，構建了連續獨立級聯模型，更加貼切地描述了輿論在社交網絡中的演化［11］；有學者提出將獨立級聯模型中的傳播概率分為兩個部分，即節點m將偽信息傳播給其鄰域任意一個不活躍節點n的概率和節點n接受該偽信息的概率，以此模擬輿論的演化規律［12］；有學者將Hegselmann-Krause（HK）級聯模型拓展成多維觀點模型，研究群體觀點在矢量下的聚合過程［13］；有學者基于線性閾值模型，認為每個網絡節點的激活與否取決于其狀態為自身帶來的效益［14］。國內有學者基于改進的Deffuant-Weisbuch（DW）模型，并考慮節點、節點關系及網絡噪聲等因素，設計了融合網絡內容和網絡社團的輿論傳播模型，用以仿真輿論偏差產生過程［15］。

1.3 觀點偏差演化視角

觀點的偏差性演化容易造成非理性集群行為，尤其是通過在線社交網絡傳播的方式更進一步加劇了偏差性觀點的傳播范圍，極易引發輿論恐慌事件，嚴重擾亂社會秩序［16］。近年來，學術界圍繞網絡觀點偏差性演化的研究開始增多。有學者以社交網絡用戶之間的“關系”作為研究參數，基于單向邊、雙向邊、跟隨者與模仿者、友誼關系4 種狀態，通過仿真實驗模擬觀點演化過程和觀點偏差產生的原因［17］。有學者發現用戶之間的非信任關系廣泛存在于社交網絡中，并基于真實數據驗證輿論可以通過非信任關系網絡無阻礙傳播，從而引發網絡觀點的嚴重偏差（即觀點扭曲）［14,18］。除用戶之間的關系因素外，輿論內容本身也是影響觀點偏差性演化的重要因素，有學者通過對社交網絡上虛假新聞等傳播與擴散趨勢進行研究，發現偽信息能夠加快偏差觀點傳播速率、加大傳播范圍，進而對整體網絡產生不良影響［19］；有學者針對2017 年的“英國大選”進行了一項有趣實驗，其通過分析博客、交互式論壇、新聞報道和網絡用戶信息行為4 類數據，發現“小道消息”共享是導致投票偏差的重要因素［20］；有學者以社交媒體中的爭議性內容為對象，定量分析用戶的偏差意見，發現觀點值會隨時間波動［21］；有學者認為政治選舉的投票趨勢與在線偽信息關系密切，而社交網絡的使用對這一關系起到正向放大效應的作用［22］。

綜上可知，盡管部分研究關注節點身份對輿論傳播的影響力，最近一些文獻也開始關注超級用戶對觀點演化的作用［6,15］，但絕大多數研究忽略了精英群體沉默行為及效應。精英群體雖不具備超級用戶的強大能力，但其代表著專業性、知識性、科學性。然而，在日益復雜的網絡環境下，精英群體的理性發聲日漸稀少，逐漸演變為一類“沉默用戶”，而其沉默行為將如何影響網絡觀點演化，又將如何對網絡群體觀點產生影響，本文著重對此進行研究與分析。

2 模型構建

在基于節點角色建模方面，有學者認為意見領袖與普通群體的區別主要體現在影響力、活躍度和認同度3 項指標上，并基于灰色關聯分析模型對社交輿論中的意見領袖進行挖掘與識別［23］。該學者的另一項研究則基于模糊信任體系對在線社交網絡意見領袖進行識別，納入的指標包括中心性、活躍性、表層吸聚力和深層吸聚力等［24］。有學者提出一種綜合拓撲勢網紅度、傳播力和關注度3 項指標的意見領袖識別模型［25］。還有研究從自信程度、固執程度、吸引力和極端程度等特征對普通群體和意見領袖加以區分。本文結合一些學者的研究［6］，認為基于自信度、活躍性、吸聚力、固執度等因素，意見領袖還可以進一步細分為超級意見領袖（超級用戶）和一般意見領袖。一般意見領袖即本文所謂的精英群體，具有以下3 個特征。一是精英群體的觀點具有穩定性，即所持的觀點不會輕易受到鄰居節點，尤其是普通群體的影響；二是精英群體擁有一定的專業知識和技術水平，其觀點的傳播與滲透能力較強，受到觀點交換閾值影響的程度較?。蝗蔷⑷后w的觀點具有敏感性，鑒于精英群體的職業與身份特征，使得其參與網絡發言的時間較少，尤其在充斥“噪聲”和攻擊性輿論的嘈雜網絡環境下，其觀點表達行為一般遵循從“專業性發言”到“選擇性發言”再到“逐漸沉默”演化規律。

與此同時，社交網絡中還存在個別極具影響力的超級用戶，如某些超級媒體，包括《華爾街日報》《英國衛報》等，相對精英群體，其勸服力更強、輻射力更廣、態度閾值更高，往往具備統領全網輿論觀點的強大能力［6］。鑒于此，本文考慮精英群體和超級用戶兩類角色節點，構建網絡觀點交換模型在仿真各類情境下，尤其是精英群體“沉默”時的網絡觀點演化現象，以期為政府等機構有效引導輿論、治理網絡亂象等提供參考。

2.1 基礎模型選擇與改進

傳統HK 模型認為持有不同觀點值的節點相互影響程度相同，但更為現實的情況是，人們往往會更傾向于接受與自己更相近的觀點，對觀點持有者的可信度更是會謹慎考慮［26］。為更加真實地模擬網絡輿論交互，本文對傳統HK 模型做出如下改進。

第一，規定社交網絡N中所有節點的觀點值集合為αi(t)={α1(t),α2(t),···,αn(t)}。其中，αi(t)表示節點i在t時刻的觀點值，且此觀點值在區間[0,1]上取任意值。本文將0 作為極端消極觀點，將1 作為極端積極觀點。αi(0)表示節點i的初始觀點。

第二，規定有限集合Gi(t)={j∈[1,2,···,G]:|xi-xj| ≤ε}為節點i在t時刻的相鄰節點集合，表示節點的觀點可以相互交換。

第三，定義非負矩陣Z為G×G的信任度矩陣，用Zij表示節點i對節點j的信任程度（i,j∈N），當i=j時，Zij表示節點i的自信程度。其中，自信程度在區間[0,1]上取任意值，數值越大表示自信程度越高。

第四，規定μi為節點i的影響力系數。

第五，規定fij為節點i對節點j的影響力，fij的值越大，代表節點i對節點j的影響力越大，其計算公式定義為：

式中，dij為節點i和節點j之間的距離，δ是一個無窮小的正實數。

第六，規定εZij為節點i對節點j的觀點交換閾值，當且僅當|αi(t)-αj(t)|≤εZij時，節點i才能夠對節點j進行觀點交換。其中，ε稱為信任閾值系數，取值范圍為[0,1]。

第七，規定ωij(t)為在t時刻，節點i對節點j的影響權重，當|αi(t)-αj(t)|≤εZij時，ωij(t)=μjfij；其他情況下，ωij(t)=0。

2.2 精英群體的引入

依據改進的HK 模型的觀點演化規律，當網絡中只考慮精英群體和普通群體時，節點之間的觀點交換條件滿足以下公式：

上述觀點交換的思想認為，“在觀點交換時，節點會基于不同權重值考慮是否接納其相鄰節點觀點”。本文則認為，由于不同節點都具有不同活躍性、影響力和信任程度，應該將不同類型節點的影響權重值加以區分。因此，觀點值的更新規則有以下4 種。

第一，當普通群體i的鄰居節點中不存在精英群體e時，即所有相鄰節點均為普通節點，交換規則為

第二，當普通群體i的鄰居節點中存在精英群體e時，普通群體i與精英群體e的觀點交換的條件為，其余節點的觀點交換規則同第一種情況。

第三，當精英群體e的相鄰節點中只有普通群體j時，即普通群體的鄰居節點均為精英群體，其觀點交換規則為

第四，當精英群體互為鄰居節點時，精英群體e1、e2的交換規則為

2.3 超級用戶的引入

在引入精英群體的基礎上，繼續考慮超級用戶的觀點交換。在不同類型節點的交互過程中，網絡觀點值的更新條件分為下述4 種。

第一，若普通群體i的鄰居節點均為普通群體j，則觀點交換規則為

第二，若普通群體i的鄰居節點僅有精英群體e，則觀點交換規則為

第三，若普通群體i的鄰居節點同時包含超級用戶S和精英群體e，則普通群體之間的觀點交換規則同第一種情況；普通群體i和精英群體e之間的觀點交換規則為；普通群體i和超級用戶S的觀點交換不受閾值制約，且超級用戶S不會改變原有觀點值。

第四，若精英群體e1、e2的觀點交換規則滿足，則精英群體e1、e2和超級用戶S的觀點交換不受閾值制約，且超級用戶S不會改變原有觀點值。

2.4 精英群體沉默的網絡觀點演化模型

本文基于改進的HK 模型，認為網絡觀點演化不僅與個體之間的交互方式和限制條件相關，更與不同身份的用戶在復雜網絡環境下的行為變化相連，如逐漸盛行的精英群體沉默導致的全網偽信息流行問題。為此，本文采用高斯白噪聲模擬網絡噪聲，研究精英群體在受到干擾時表現出的沉默行為及其對信息傳播的影響，對模型做出如下改進。

第一，在普通群體之間的觀點交換算法中加入噪聲因子，即：

式中，θ(t)指普通群體i被網絡噪聲影響的程度，在區間[0,1]上服從均勻分布；I為普通群體i接受的網絡噪聲強度，I∈[0,1]。

第二，在噪聲環境下，若普通群體i的鄰居節點為精英群體e，則兩者之間的觀點交換規則為；若鄰居節點為超級用戶S，則觀點交換規則不受閾值限制，且超級用戶S不會改變原有觀點值。

第三，在噪聲環境下，若精英群體e的鄰居節點僅為普通群體j時，則觀點交換規則為，觀點更新算法為αe(t+1)=

第四，在噪聲環境下，精英群體e1、e2之間的觀點交換規則滿足；若精英群體的鄰居節點為超級用戶S，則觀點交換規則不受閾值限制，觀點更新算法同上，且超級用戶S不會改變原有觀點值。

3 實驗設計與仿真分析

3.1 實驗設計

本文在預實驗的基礎上，參考文獻［27］中對網絡節點數量、節點初始觀點值分布的設定，構建基于度值非概率加邊算法的無標度網絡，網絡節點數量設定為3 000，其中精英群體的數量約占整體網絡節點的5%，度數最大的節點為超級用戶，其余節點為普通群體。規定所有節點的初始觀點值在區間［0,1］上服從均勻分布，其中精英群體的觀點值范圍為［0.65,0.75］，超級用戶的消極觀點值為0.25、積極觀點值為0.95。同時，約定觀點交換閾值ε=0.5，當群體觀點值差異 ≤0.01時網絡觀點收斂，交互迭代次數為500 次，仿真平臺選擇MATLAB。

3.2 仿真分析

3.2.1 理想網絡環境下的觀點演化仿真

圖1 理想網絡環境下的網絡觀點演化仿真結果

3.2.2 引入精英群體的網絡觀點演化仿真

在理想網絡環境下的觀點演化仿真實驗的基礎上引入精英群體，精英群體規模和初始觀點值符合初始設定，通過改變精英群體的影響力系數eμ觀察整體網絡趨勢的演化情況，結果如圖2 所示。通過分析發現，其一，網絡觀點值高于理想網絡環境下的觀點演化仿真實驗水平，收斂范圍位于［0.65,0.7］區間，與精英群體的初始觀點值一致；其二，網絡觀點值的收斂速度隨著精英群體影響力系數eμ的增加而加快，與理想網絡環境下的觀點演化仿真實驗相比，引入精英群體的網絡通過100次迭代便可實現觀點值的統一。

圖2 普通群體、精英群體共存的網絡觀點演化仿真結果

由此推斷，在現實世界，精英的發聲對各領域達成決策共識起到關鍵作用，如政策執行、法律完善、規劃制定等。

3.2.3 引入超級用戶的網絡觀點演化仿真

在引入精英群體的網絡觀點演化仿真實驗的基礎上引入超級用戶，使其與網絡中的普通群體、精英群體共同存在，并賦予超級用戶的消極觀點值為0.25，繼而通過調整精英群體的影響力系數eμ觀察整體網絡趨勢的演化情況，結果如圖3 所示。通過分析發現，其一，網絡觀點值從偏向精英群體觀點值的固定收斂值轉變為一個觀點值區間［0.3,0.45］，與引入精英群體的網絡觀點演化仿真實驗相比，其觀點值范圍靠向超級用戶的觀點值，說明部分精英用戶對輿論的影響力被一定程度地弱化，但整體觀點值并沒有完全被超級用戶所主導；其二，在輿論對抗中，精英群體能夠在一定程度上削弱超級用戶的影響力，隨著影響力系數eμ的增加，網絡觀點值逐漸偏向精英群體的觀點值，顯示出精英群體對整體網絡觀點值演化的重要作用。

圖3 引入超級用戶的網絡觀點演化仿真結果

真實世界中，某一領域的專家在針對特定問題發布觀點時，可能會受到更高權威或擁有更多“粉絲”的超級用戶反駁或攻擊，面對挑戰，精英群體只有據理力爭，堅持自己的觀點，社會輿論才能夠不被隨意顛覆或扭曲。

3.2.4 引入噪聲的網絡觀點演化仿真

分別在引入精英群體的網絡觀點演化仿真實驗和引入超級用戶的網絡觀點演化仿真實驗的基礎上引入網絡噪聲影響因子I，本組分以下兩種情況。

聯盟成立以來，不斷完善規章制度，規范工作程序，加強執行力度，提高機構自身能力，共發布14項制度文件（見表2），保證聯盟各項工作有序開展。

第一種，網絡中包含普通群體、精英群體及噪聲，沒有超級用戶。在這種情況下，設置精英群體的影響力系數eμ為其觀點中值0.7，通過改變網絡噪聲強度研究觀點演化走勢，結果如圖4 所示。通過分析發現，其一，整體的網絡觀點值不再完全收斂，且隨著噪聲強度的增加，用戶之間的觀點差異加劇；其二，隨著網絡噪聲的增加，整體的網絡觀點值逐步向消極方向發展，從最初的［0.65,0.7］區間逐步發展到［0.4,0.5］區間，在噪聲水平達到0.9 時，網絡觀點中值接近0.45，為明確的負面觀點。由此可以推斷，在網絡噪聲的干擾下，精英群體沉默行為已經呈現出了一定跡象。

圖4 網絡噪聲、精英群體共存的網絡觀點演化仿真結果

第二種，網絡中包含普通群體、超級用戶及噪聲，沒有精英群體。在這種情況下，設置超級用戶的積極觀點值為0.95，通過改變網絡噪聲強度研究整體網絡觀點演化走勢，結果如圖5 所示。通過分析發現，與網絡噪聲相比，超級用戶對整體的網絡觀點有更強的影響力，當網絡噪聲水平達到0.9 時，觀點值仍向超級用戶的觀點值趨近。由此可以推斷，在經歷足夠多的迭代次數后，整體網絡觀點值將收斂至超級用戶的觀點值。

圖5 網絡噪聲、超級用戶共存的網絡觀點演化仿真結果

3.2.5 精英群體沉默下的網絡觀點演化仿真

進一步地，在網絡中同時融入普通群體、精英群體、超級用戶及網絡噪聲，分別在超級用戶持有不同的初始觀點值下進行網絡觀點演化仿真。

設定超級用戶持有的積極觀點值為0.95。通過調整噪聲強度研究網絡觀點演化狀況，仿真結果如圖6 所示。通過分析發現，其一，在噪聲強度較小的情況下，整體網絡觀點值很快收斂到精英群體觀點值的水平；其二，隨著噪聲的加劇，整體觀點值將在迭代一定的次數后，維持在一個趨向精英群體觀點值的區間范圍。這一結果說明，當精英群體和超級用戶持有相似的觀點時，精英群體未表現出沉默行為，會和超級用戶協同引導整體網絡輿論的形成。

圖6 超級用戶持有積極觀點值時的網絡觀點演化仿真結果

設定超級用戶持有的消極觀點值為0.25。通過調整噪聲強度研究網絡觀點演化狀況，仿真結果如圖7 所示。通過分析發現，其一，超級用戶比精英群體有更強的輿論引導能力，整體的網絡觀點在經過一定次數的迭代后，逐漸遠離精英群體觀點值，更趨向超級用戶的消極觀點值；其二，隨著噪聲強度的提升，網絡觀點不再收斂，而是在0.4 以下的消極觀點區間波動，波動幅度與網絡噪聲強度相關；其三，當超級用戶與精英群體的觀點相左時，精英群體在輿論交互期間表現出明顯的沉默行為，尤其當加入高強度的噪聲因子時，精英群體的沉默效應更為突出，即使網絡輿論在經過足夠長的迭代次數后，也很難平復與統一。

圖7 超級用戶持有消極觀點值時的網絡觀點演化仿真結果

經綜合分析發現，當超級用戶與精英群體的觀點相似時，精英群體不會表現出沉默行為，盡管加入高強度的網絡噪聲，整體網絡觀點值也會趨向精英群體的觀點值；而當超級用戶持有消極觀點時，在觀點交換期間，精英群體表現出顯著的沉默行為，即使在較小的噪聲環境下，網絡觀點值也會靠向超級用戶的觀點值。當然，隨著噪聲的加劇，精英群體的沉默行為更加放大。

4 結果與建議

當前，網絡觀點的偏差性演化越來越成為影響公共決策的重要因素。本文從“噪聲-用戶-沉默”因果關系出發，建立面向精英群體沉默的網絡觀點演化模型，通過仿真實驗對比用戶類型及其沉默與否對整體網絡觀點值演化的影響。本文研究結果主要分為以下3 方面。

第一，網絡噪聲是擾亂觀點演化的重要因素。在無精英群體、超級用戶和噪聲的理想網絡環境下，整體網絡觀點值能夠在較短的仿真時間內達到收斂。而在加入以網絡暴力為代表的噪聲因子時，觀點演化呈現出很大的不確定性。

第二，超級用戶是影響整體網絡觀點值的核心節點。在社交網絡中，超級用戶屬于極稀少的網絡節點，相比精英群體，它能夠在社交網絡中發揮扭轉輿論走向的巨大作用，甚至對網絡整體的觀點值產生根本性影響。即使在充斥大量噪聲的網絡中，超級用戶也不容易受到影響，并隨著觀點交換次數的增加，整體網絡觀點值將會逐步趨向超級用戶的觀點值。

第三，精英群體不耐噪聲，在噪聲環境下，它容易表現出沉默行為，進而導致整體網絡觀點值出現偏差性演化。在無超級用戶的情境下，精英群體沉默效應直接與網絡噪聲相關，隨著噪聲因子值的加大，網絡觀點波動區間增加；在超級用戶存在時，精英群體的沉默效應同時受到超級用戶初始觀點值和噪聲因子的影響，尤其當精英群體與超級用戶的觀點相左時，精英群體的沉默效應將進一步放大，整體網絡觀點值的偏差幅度也更大。

根據上述結果，本文提出如下針對性的建議。

一是以政府部門牽頭，進一步強化健全以網絡實名制為基礎的互聯網管理體系，加強對在網絡上有造謠、誹謗、侮辱、欺詐、惡意人身攻擊等行為的用戶的追蹤、監管與懲治，切實減少虛假網絡言論。

二是以人工智能為手段，不斷優化網絡文本、圖像及音視頻識別算法，實時關注擁有大體量“粉絲”等超級用戶的輿論動態，對其“帶節奏”式的不當言論進行限流，及時消除其對整體網絡的不良影響。

三是推進信息網絡立法進程，充分保證精英群體理性發聲的權利和底氣，鼓勵精英群體對違背常理、“偽”科學、偏離真相的負面反動輿情及時澄清。同時，建議政府部門積極培養自己的“精英群體”和“超級用戶”，在發生網絡突發事件時，充分發揮其影響力，及時對輿論事件進行干預，引導網絡輿情的健康、有序發展。

5 結語

近年來，隨著網絡信息技術的迅猛發展，在線社交平臺全面興起，以開放、互動、共享為特征的網絡空間日益成為互聯網用戶公開表達觀點、發表意見的重要載體。本文基于網絡用戶角色視角，將網絡用戶劃分為普通群體、精英群體和超級用戶3類，并基于改進的HK 模型建立面向精英群體沉默的網絡觀點演化模型，重點研究因精英群體沉默行為導致的整體網絡觀點值的偏差現象，以期為政府等部門有效引導輿論走向、科學處置負面輿情、打造清朗網絡環境提供決策參考。但本文也存在一定不足，未能考慮網絡初始觀點值的偏態分布情形，社交網絡中還可能有網絡社團的存在。今后研究可將上述因素納入，構建更為完善的網絡觀點演化模型。