基于改進(jìn)SEIR模型的短視頻輿情網(wǎng)民情感傳播研究

[摘 要]在當(dāng)今互聯(lián)網(wǎng)時代，短視頻已成為網(wǎng)絡(luò)輿情發(fā)酵與擴(kuò)散的核心載體之一，其融合圖像、音頻與文字三類異構(gòu)信息，使輿情信息更具感染力，對于網(wǎng)絡(luò)輿情傳播具有深刻影響。為了深入探究網(wǎng)民情感的傳播規(guī)律及其對短視頻輿情傳播的影響，文章構(gòu)建了研究網(wǎng)民情感傳播的改進(jìn)SEIR模型，在此基礎(chǔ)上進(jìn)行數(shù)值仿真，分析了異構(gòu)信息、情感轉(zhuǎn)變、用戶興趣等影響因素對于短視頻網(wǎng)絡(luò)輿情傳播的影響，以期揭示短視頻網(wǎng)絡(luò)輿情的內(nèi)在傳播邏輯，為管理和決策提供科學(xué)支撐。

[關(guān)鍵詞]短視頻輿情；網(wǎng)民情感；輿情傳播；傳染病模型

中圖分類號：G203 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-1722（2024）17-0058-03

★基金項目：首都經(jīng)濟(jì)貿(mào)易大學(xué)研究生科技創(chuàng)新項目“多源信息融合視域下輿情風(fēng)險動態(tài)演化機(jī)理分析”

第52次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2023年6月，我國網(wǎng)絡(luò)短視頻用戶規(guī)模為10.26億，用戶使用率為95.2%，短視頻普及性極強，贏得眾多網(wǎng)民青睞，已經(jīng)成為推動網(wǎng)絡(luò)輿情傳播的關(guān)鍵力量。由于短視頻發(fā)布具有便捷性與低成本性，加之短視頻融合了圖像、音頻和文字三類異構(gòu)信息，更具有情緒感染力。因此，當(dāng)部分事件發(fā)生后，大多數(shù)網(wǎng)民通過發(fā)布短視頻或?qū)τ诙桃曨l進(jìn)行評論的方式表達(dá)情感，增加事件熱度，導(dǎo)致短視頻輿情的形成。此種表達(dá)方式以更加直觀與生動的方式傳遞網(wǎng)民的情感態(tài)度，更易于引發(fā)網(wǎng)民之間的情感共鳴。情感作為輿情傳播的驅(qū)動因素之一，高強度的情感水平與大范圍的情感共鳴能夠進(jìn)一步提高輿情信息的擴(kuò)散速度，擴(kuò)大其覆蓋范圍。

一、關(guān)于短視頻的相關(guān)研究

近年來，隨著網(wǎng)絡(luò)短視頻的興起，輿情研究領(lǐng)域逐漸拓展至短視頻平臺。李磊等學(xué)者從政務(wù)短視頻的適用性出發(fā)，關(guān)注政務(wù)短視頻的輿情引導(dǎo)，提出大數(shù)據(jù)驅(qū)動的應(yīng)對策略[ 1 ]。陳璟浩等學(xué)者提出了一個突發(fā)事件短視頻輿情演化模型，從而分析突發(fā)事件短視頻輿情的演化規(guī)律[ 2 ]。張海濤等學(xué)者構(gòu)建了短視頻傳播效果評價模型，可為短視頻傳播效果研究提供一定程度的決策支持[ 3 ]。當(dāng)前，研究傾向于利用多方法、多視角探索短視頻輿情的傳播特性和管理策略，但鮮有學(xué)者對于短視頻輿情中網(wǎng)民情感傳播開展研究。在已有的網(wǎng)民情感研究中，由于疾病傳播與信息傳播的相似性，眾多學(xué)者常利用傳染病模型進(jìn)行研究。魏靜等學(xué)者通過挖掘輿情傳播過程中的情感傾向、親密度等影響因素，構(gòu)建輿情傳播模型，以此進(jìn)行輿情疏導(dǎo)[ 4 ]。張亞明等學(xué)者基于情緒感染理論及傳染病模型，加入了負(fù)面情緒累積效應(yīng)，創(chuàng)立了IESR模型，探究相關(guān)影響因素對網(wǎng)民負(fù)面情緒傳播的影響[ 5 ]。祁凱等學(xué)者以政務(wù)短視頻為背景，考慮網(wǎng)民的情感傾向，細(xì)分網(wǎng)民的情緒種類，據(jù)此設(shè)計了S3EIR模型，揭示網(wǎng)絡(luò)輿情中網(wǎng)民的情緒傳播路徑[ 6 ]。

盡管上述研究探究了情感因素在網(wǎng)絡(luò)輿情傳播中的作用，但研究過程中仍以文字信息為主，大多忽略了圖像、音頻等異構(gòu)信息中表達(dá)的網(wǎng)民情感。綜上所述，對于短視頻輿情的研究仍處于起步階段，鮮有學(xué)者將其與網(wǎng)民情感因素相結(jié)合，并利用短視頻中的異構(gòu)信息進(jìn)行研究。

二、模型構(gòu)建

（一）網(wǎng)絡(luò)載體構(gòu)建

（二）融合情緒因素的短視頻傳播模型構(gòu)建

傳統(tǒng)的SEIR模型僅能描述網(wǎng)民從易感者向康復(fù)者轉(zhuǎn)變的單向過程，未考慮傳播過程中的影響因素，這與實際輿情傳播過程存在差距。因此，文章改進(jìn)了傳統(tǒng)SEIR模型，根據(jù)網(wǎng)民情感，將傳播者分為積極情緒傳播者與消極情緒傳播者，并考慮到網(wǎng)民情感轉(zhuǎn)換、對于輿情信息的興趣程度等情況，具體如圖1所示。

在短視頻輿情中網(wǎng)民情感傳播的改進(jìn)SEIR模型中，網(wǎng)民用戶節(jié)點總數(shù)為N，共分為五個狀態(tài)，分別為易感者（S），表示沒有接收到輿情信息的人群；潛伏者（E），表示接收到輿情信息但未傳播的人群；具有積極情緒的傳播者（Ip），表示傳播輿情信息，并對輿情事件持有積極情感的人群；具有消極情緒的傳播者（In），表示傳播輿情信息，對輿情事件持有消極情感的人群；免疫者（R），表示接收輿情信息但不感興趣的人群。群體狀態(tài)轉(zhuǎn)移規(guī)則為以下幾點。

S→E表示易感者將接收到輿情信息轉(zhuǎn)變?yōu)闈摲撸邮盏叫畔⒌母怕蕿閭魅韭师恕?/p>

S→R表示易感者未接收到輿情信息，直接轉(zhuǎn)變?yōu)槊庖哒撸涓怕蕿橹苯用庖呗师痢?/p>

E→Ip表示潛伏者傳播了輿情信息，并轉(zhuǎn)變?yōu)閷浨槭录哂蟹e極情感的傳播者，其概率為感染率β1。

E→In表示潛伏者傳播了輿情信息，并轉(zhuǎn)變?yōu)閷浨槭录哂邢麡O情感的傳播者，其概率為感染率β2。

E→R表示易感者接收到輿情信息后，對信息不感興趣，轉(zhuǎn)變?yōu)槊庖哒撸涓怕蕿殚g接免疫率μ。

Ip→R表示具有積極情感的傳播者不再對輿情事件感興趣，從而退出傳播，其概率為免疫率γ1。

Ip→In表示具有積極情感的傳播者受到具有消極情感的傳播者的影響，轉(zhuǎn)變?yōu)榫哂邢麡O情感的傳播者，其概率為情感轉(zhuǎn)換率ω1。

In→R表示具有消極情感的傳播者不再對輿情事件感興趣，從而退出傳播，其概率為免疫率γ2。

In→Ip表示具有消極情感的傳播者受到具有積極情感的傳播者的影響，轉(zhuǎn)變?yōu)榫哂蟹e極情感的傳播者，其概率為情感轉(zhuǎn)換率ω2。

三、數(shù)值仿真

（一）異構(gòu)信息影響分析

相較于文字信息，短視頻中異構(gòu)信息能夠更為直觀地表達(dá)情感，從而影響輿情信息傳播，即對于感染率β1與β2具有影響，因此，文章將感染率分為受異構(gòu)信息影響的情況與受文字信息影響的情況分別進(jìn)行仿真實驗，以此探究異構(gòu)信息對于網(wǎng)民情緒及短視頻輿情傳播的影響。為進(jìn)一步體現(xiàn)兩種情況的差異，文章將兩種情況中的感染率β1與β2設(shè)置為文章收集短視頻平臺中輿情事件的異構(gòu)信息與文字信息的實際數(shù)據(jù)后計算的情感值。異構(gòu)信息因素對于短視頻輿情傳播的影響如圖2所示。

仿真結(jié)果表明，消極情感傳播者相較于積極情感傳播者的傳播規(guī)模更大，傳播速度更快。在異構(gòu)信息融合的條件下，具有積極和消極情感的傳播者的峰值明顯增加，到達(dá)峰值的時間提前，可見異構(gòu)信息融合對于短視頻網(wǎng)絡(luò)輿情傳播的規(guī)模與速度具有正向影響。

（二）情感轉(zhuǎn)變影響分析

為驗證情感轉(zhuǎn)變對于短視頻網(wǎng)絡(luò)輿情傳播的影響，文章保持其余參數(shù)不變，情感轉(zhuǎn)變概率ω1和ω2分別調(diào)整為0.15、0.35、0.55進(jìn)行仿真實驗，參數(shù)設(shè)置如表1所示。情緒轉(zhuǎn)變概率ω1對于短視頻輿情傳播的影響如圖3所示。情緒轉(zhuǎn)變概率ω2對于短視頻輿情傳播的影響如圖4所示。

圖3仿真結(jié)果表明，當(dāng)參數(shù)ω1增加時，更多的積極情感感染者將會轉(zhuǎn)變?yōu)橄麡O情感感染者，消極情感感染者數(shù)量不斷提升，但由于情感轉(zhuǎn)變，用戶多次參與輿情傳播，因此輿情傳播持續(xù)時間增長。圖4仿真結(jié)果表明，當(dāng)參數(shù)ω2增加時，更多的消極情感感染者將會轉(zhuǎn)變?yōu)榉e極情感感染者，具有積極情緒的傳播者的數(shù)量增長明顯。

（三）用戶興趣影響分析

由于用戶興趣對于輿情信息的傳播具有影響，為驗證該影響，文章將間接屏蔽率μ調(diào)整0.08、0.18、028分別進(jìn)行仿真實驗，如圖5所示。

圖5仿真結(jié)果表明，隨著間接屏蔽率μ的提升，更多網(wǎng)民對于輿情信息的興趣程度減弱，導(dǎo)致選擇不傳播輿情信息。因此，感染者的數(shù)量減少，輿情傳播規(guī)模縮小，持續(xù)時間減少。當(dāng)網(wǎng)民對于事件的興趣度較高時，將進(jìn)一步促進(jìn)輿情的傳播。

四、結(jié)語

文章旨在為政府、媒體機(jī)構(gòu)及相關(guān)組織提供更深層次理解短視頻網(wǎng)絡(luò)輿情傳播規(guī)律的理論基礎(chǔ)，以及在面對輿情事件時，實施更加精準(zhǔn)、高效的管理與應(yīng)對策略，以期為維護(hù)網(wǎng)絡(luò)環(huán)境的健康與社會穩(wěn)定，促進(jìn)信息的有效溝通與理性對話。

參考文獻(xiàn)：

[1]李磊，肖新月，王潤琪.短視頻時代政府網(wǎng)絡(luò)輿情引導(dǎo)研究[J].湘潭大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2021（04）：80-84.

[2]陳璟浩，王有峰，聶卉梓.突發(fā)事件短視頻網(wǎng)絡(luò)輿情演化分析模型研究[J].信息資源管理學(xué)報，2022（03）：152-164+180.

[3]張海濤，張鑫蕊，周紅磊.融合用戶偏好與內(nèi)容特征的短視頻傳播效果評價研究[J].圖書情報工作，2020（16）：81-91.

[4]魏靜，丁樂蓉，朱恒民，等.基于情感和親密度的社交網(wǎng)絡(luò)輿情傳播模型研究[J].情報科學(xué)，2021（04）：37-46.

[5]張亞明，何旭，杜翠翠，等.負(fù)面情緒累積效應(yīng)下網(wǎng)民群體情緒傳播的IESR模型研究[J].情報科學(xué)，2020（10）：29-34.

[6]祁凱，李昕.基于S3EIR模型的政務(wù)短視頻網(wǎng)民情緒感染路徑研究[J].情報理論與實踐，2022（10）：124+164-168.

[7]GENG L， ZHENG H， QIAO G， et al. Online public opinion dissemination model and simulation under media intervention from different perspectives[J].Chaos， Solitons and Fractals， 2023.