基于區塊鏈的知識共享平臺演化博弈研究

摘要：隨著互聯網新興媒體的迅速發展，基于區塊鏈的社交網絡平臺也逐漸興起。運用演化博弈的理論方法，建立了基于區塊鏈的知識共享平臺中知識創造方、知識傳播方和平臺方的演化博弈模型，并在博弈模型中引入通證獎勵與監管強度，通過理論分析和仿真模擬的方法對平臺中各方的策略進行分析，進而識別出影響知識共享的重要因素。最后得出結論，平臺方對投票成本以及獎懲力度的控制是影響知識共享主體策略選擇的關鍵，對完善平臺的激勵與監督體系，提高知識共享效率以及加速內容平臺生態化進程具有重要意義。

關鍵詞：區塊鏈；知識共享；演化博弈

一、前言

隨著互聯網新興媒體的迅速發展，社交網絡平臺逐漸成為人們獲取知識、拓寬視野以及溝通交流的主要途徑。然而，傳統的中心化社交網絡平臺也暴露出很多方面的問題：在內容質量方面，平臺中會出現眾多低質或缺乏深度的內容；在創作動力方面，平臺缺乏創作激勵，導致創作者創作意愿不足，創作熱情減退；在版權方面，平臺中易出現盜版的現象。基于區塊鏈的社交網絡平臺的興起，為社交網絡平臺的改進提供了一個新的方向。

目前，區塊鏈技術與網絡社區的結合還在初級階段。Steemit作為國際知名的區塊鏈社區，因其龐大的用戶基礎和2019年的幣值暴跌事件成為了研究的焦點。Li等人針對Steemit系統的設計基礎、當前應用狀況以及代幣激勵機制的現狀和潛在風險進行了深入討論，并指出了此類社交網絡中普遍存在的機器人可以控制投票權而導致平臺無法正常運行[1]。李志宏等構建了一個基于區塊鏈的群體協作創新社區的知識共享理論框架，涵蓋了知識分類技術、價值信息管理系統和價值評估機制[2]。在知識共享與激勵機制研究方面，Holtshouse認為知識共享是知識在個體間的轉移和流動[3]。Ipe M則認為知識共享的本質是向組織內成員分享知識，這種行為不會導致分享知識的人失去對知識的所有權，而是會使分享知識的人與接收知識的人可以共同獲得知識的所有權[4]。在輿情傳播研究方面，趙丹等運用復雜網絡理論，構建了基于區塊鏈的輿情傳播模型，并通過仿真模擬分析了基于區塊鏈的社交網絡平臺的特有屬性和輿情傳播規律[5]。然而，僅依靠區塊鏈的框架并不能完全保證平臺的正常運行，因此，通過博弈模型識別出影響知識共享的重要因素，對完善平臺的激勵與監督體系具有重要意義。

二、模型構建

（一）模型的假設與定義

本研究采用演化博弈模型對基于區塊鏈的知識共享平臺中用戶和平臺方的行為進行分析。陳國蘭將用戶歸納為兩大主要類別：知識創造者和知識傳播者[6]。知識創造方在平臺中提供新知識。知識傳播方則可以識別平臺中高質量內容，并利用投票機制對其進行推廣，但他們同樣可以為低質量內容投票。此外，瀏覽者雖然不參與投票，但他們通過瀏覽和閱讀，也參與了知識的發現和傳播過程，可以被視為非投票類的知識傳播方。平臺方負責對知識創造方和知識傳播方的行為進行監管，確保知識共享過程的秩序。故本文做出如下假設：

第一，參與博弈的三類主體分別為知識創造方、知識傳播方、平臺方。

第二，三類主體均為有限理性。

第三，三類主體均可采取兩種策略。知識創造方的策略為發布優質內容或發布低質內容，知識傳播方的策略為投票或不投票，平臺方的策略為強監管或弱監管。

第四，知識創造方選擇發布優質內容的概率為x（0≤x≤1） ， 選擇發布低質內容的概率為1-x。知識傳播方選擇投票的概率為y（0≤y≤1） ，選擇不投票的概率為1-y。平臺方選擇強監管的概率為z（0≤z≤1） ，選擇弱監管的概率為1-z。

1.知識創造方的收益

（1）知識創造方的初始收益為πA。

（2）知識創造方的通證收益Rs：知識創造方和知識傳播方會按照一個既定的比例對Rs進行分配，知識創造方依據比例k獲得收益kRs，假設發布優質內容可獲得較高收益RsT，而發布低質內容可獲得較低的收益Rs1。

（3）創作高質量作品時的創作成本IA1：知識創造方創作高質量作品時，不可避免地要投入大量時間和精力，同時還需面對知識泄露的潛在風險。

（4）創作低質量作品時的創作成本IA2。

（5）創作低質量作品時平臺方的懲處FA：知識創造方在創作低質量作品時，可能被平臺發現并受到平臺方的懲處。

2.知識傳播方的收益

（1）知識傳播方的初始收益為πB。

（2）知識傳播方的通證收益Rs：為優質內容投票，可獲得收益（1-k）RsT。若為低質內容投票，獲得收益（1-k）Rs1。

（3）投票成本IB：為了防止用戶惡意刷票，平臺會對每個用戶的投票權進行限制，知識傳播方在投票時將會產生投票成本。

（4）為低質內容投票時平臺方的懲處FB：知識傳播方在為創作低質量作品投票時，可能被平臺發現并受到平臺方的懲處。

（5）知識創造方選擇發布低質內容導致知識傳播方的損失R1。

（6）知識創造方選擇發布優質內容使知識傳播方獲得的收益W1。

3.平臺方的收益

（1）強監管成本C1。

（2）弱監管成本C2。

（3）知識創造方發布低質內容導致平臺方的損失R2。

（4）知識創造方發布優質內容使平臺方獲得的收益W2。

（5）平臺多次監管可能產生的信任損失D。

（二）收益矩陣的建立

基于上述假設，由知識創造方、知識傳播方及平臺方構成的三方演化博弈模型的收益矩陣見表1。

三、模型穩定性分析

（一）復制動態方程

1.知識創造方的復制動態方程

假設E11為知識創造方發布優質內容的期望收益， E12為知識創造方發布低質內容的期望收益，故有：

則知識創造方的復制動態方程為：

2.知識傳播方的復制動態方程

假設E21為知識傳播方投票的期望收益，E22為知識傳播方不投票的期望收益，故有：

則知識傳播方的復制動態方程為：

3.平臺方的復制動態方程

假設E31為平臺方強監管的期望收益， E32為平臺方弱監管的期望收益，故有：

則平臺方的復制動態方程為：

（二）三方演化博弈的穩定性分析

由F（x）=0，F（y）=0，F（z）=0可得系統均衡點為 E1（0，0，0） ，E2（0，1，0） ，E3（0，0，1） ，E4（0，1，1 ）， E5（1，0，0） ，E6（1，1，0） ，E7（1，0，1） ，E8（1，1，1） 。將E1～E8代入該博弈的雅可比矩陣，依據上述RsTgt;Rs1， IA1gt;IA2，C1gt;C2的假設，計算不同均衡點對應的特征值，進而對其穩定性進行分析，各特征值及穩定性見表2。

當Rs1-IB-kRs1lt;0時，E1（0，0，0）為均衡點。當 Rs1-IB-kRs1gt;0且IA2-IA1-kRs1+kRsTlt;0時，E2（0，1，0）為均衡點。當IA2-IA1-kRs1+kRsTgt;0且IB-W1-RsT+kRsTlt;0時，E6（1，1，0）為均衡點。

四、數值仿真與模擬

（一）三方博弈行為的演化路徑

本文采用Matlab2022a模擬演化過程，設置滿足Rs1-IB-kRs1gt;0，IA2-IA1-kRs1+kRsTgt;0，IB-W1-RsT+kRsTlt;0的參數：k=0.7，RsT=60，Rs1=30，FA=20，FB=20，W1=10，C1=40，C2=10，D=10，IB=5，IA1=20，IA2=10。圖1展示了在上述設定的參數條件下不同利益相關方所采取策略的傾向性，圖中曲線的密集程度反映了博弈三方選擇各策略的可能性大小。由圖1可知，此時只存在一個均衡點E6（1，1，0） ，即（發布優質內容，投票，弱監管），與穩定性分析中的結論一致，此時的狀態適合該平臺的長遠發展。

（二）不同因素對三方策略的影響

1.FA對系統利益方的影響

設置參數k=0.7，RsT=60，Rs1=30，FB=20，W1=10，C1=40，C2=10，D=10，IB=5，IA1=20，IA2=10，將知識傳播方創作低質量作品時受到的懲處FA分別賦以150，75，10。保持除FA以外的參數與4.1中相同，通過改變FA的大小來確定該參數對博弈結果的影響。仿真結果如圖2所示。

由圖2可知，在系統演化至穩定點的過程中，對創作低質量作品時平臺方的懲處FA的提升能夠加快此博弈達到均衡的速度，使知識創造方更傾向于發布優質內容。演化過程中，知識創造方發布優質內容和知識傳播方為優質作品投票的概率增加，平臺方采取強監管的概率降低。

2.I_B對系統利益方的影響

設置參數k=0.7，RsT=60，Rs1=30，FA=20，FB=20，W1=10，C1=40，C2=10，D=10，IA1=20，IA2=10，將投票成本IB分別賦以30，20，5。保持除IB以外的參數與4.1中相同，通過改變IB的大小來確定該參數對博弈結果的影響。仿真結果如圖3所示。

由圖3可知，在系統演化至穩定點的過程中，系統有兩個均衡點，隨著投票成本IB的增加，此博弈的均衡點由E6（1，1，0）改變為E1（0，0，0） ，投票成本較低時，知識創造方選擇發布優質內容，知識傳播方為優質作品投票，平臺方采取弱監管；而投票成本較高時，知識創造方選擇發布低質內容，知識傳播方不為作品投票，平臺方采取弱監管，此時不利于平臺的發展，因此平臺方應控制投票成本不能過高。

五、結語

本研究構建了基于區塊鏈的知識共享平臺中各主體策略選擇的演化博弈模型，該模型結合了通證機制以及監管強度等因素，并利用MATLAB進行仿真模擬，分析不同因素對博弈演化進程的影響，最后得出結論：在基于區塊鏈的知識共享平臺中，監管機制對于遏制用戶的不端行為、維護平臺秩序有至關重要的作用，但由于在此類平臺中監管成本過高，宜采用弱監管的方式。平臺的獎懲力度能夠顯著影響用戶分享知識的積極性。投票成本對雙方的策略選擇有顯著影響，如果過度降低投票成本可能會誘發不正當的投票行為，而投票成本過高，可能會降低知識傳播者的投票意愿，導致系統收斂到不理想的穩定狀態。

參考文獻

[1]LI C，PALANISAMY B.Incentivized Blockchain－based Social Media Platforms： A Case Study of Steemit[C].Boston： ACM.2019：145-154．

[2]張江甫，顧新，許世英.區塊鏈技術視角下分布式創新的知識區塊鏈研究[J].情報科學，2022，40（03）：55-62.

[3]Holtshouse D.Knowledge research issues[J].California management review，1998，40（03）：277-280.

[4]Ipe M.Knowledge sharing in organizations：A conceptual framework[J].Human" resource development review，2003，2（04）：337-359.

[5]趙丹，王晰巍，韓潔平，等.區塊鏈環境下的網絡輿情信息傳播特征及規律研究[J].情報雜志，2018，37（09）：127-133+105.

[6]陳國蘭，原雨奇，張志武.基于區塊鏈的內容平臺知識共享演化博弈分析[J].情報探索，2022（09）：29-38.

作者單位：首都經濟貿易大學

■ 責任編輯：張津平、尚丹