摘 要：采用基于Agent的建模和仿真方法和輿情動(dòng)力學(xué)模型，利用Netlogo平臺(tái)實(shí)現(xiàn)了多Agent微信群輿情演化原型系統(tǒng)，并利用原型系統(tǒng)進(jìn)行仿真試驗(yàn)，考察了微信群輿情演化的特點(diǎn)，驗(yàn)證了模型的有效性。

關(guān)鍵詞：微信群；建模與仿真；輿情演化；Netlogo

隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)傳媒的影響日益突出，深刻影響著社會(huì)的政治、經(jīng)濟(jì)、科技和文化等各個(gè)領(lǐng)域，網(wǎng)絡(luò)已經(jīng)成為擁有強(qiáng)大社會(huì)影響力和輿論動(dòng)員力量的重要傳播工具。以微博、論壇、微信為代表的網(wǎng)絡(luò)媒體對(duì)輿情信息傳播的影響更加復(fù)雜深刻，我國(guó)正處于改革發(fā)展的關(guān)鍵期和矛盾突發(fā)期，網(wǎng)絡(luò)輿情信息變成了危害當(dāng)前社會(huì)和諧、穩(wěn)定的焦點(diǎn)問(wèn)題。本文采用基于Agent的建模與仿真方法，利用Netlogo平臺(tái)實(shí)現(xiàn)了微信群輿情傳播的仿真，并給出了試驗(yàn)結(jié)果和分析。

1 微信群輿情信息的傳播模型

根據(jù)傳播學(xué)奠基人之一拉扎斯菲爾德提出的“二階段傳播理論”，大眾傳播只有通過(guò)“意見(jiàn)領(lǐng)袖”的中介作用才能發(fā)揮影響，所以網(wǎng)絡(luò)信息的傳播通常分為兩個(gè)階段，首先會(huì)被意見(jiàn)領(lǐng)袖所獲取，然后通過(guò)憑借他的影響力傳播給群落中的普通大眾。在傳播過(guò)程中，意見(jiàn)領(lǐng)袖充當(dāng)著信息擴(kuò)散者的角色，能夠?qū)ζ胀ù蟊姷臎Q策過(guò)程施加影響。微信傳播是線上的人際傳播，也將經(jīng)歷這兩個(gè)階段。根據(jù)微信群傳播的實(shí)際情況，微信群輿情傳播將可以分為3個(gè)階段：點(diǎn)對(duì)點(diǎn)傳播、群落內(nèi)傳播、大范圍傳播。

首先，上網(wǎng)者通過(guò)自己的親身經(jīng)歷、所見(jiàn)所聞，或者僅僅從網(wǎng)上收集到一些信息，出于某種目的，在微信上向個(gè)別“好友”傳播。然后這個(gè)網(wǎng)友把信息發(fā)布在微信群中，群里的部分成員往往會(huì)簡(jiǎn)單地復(fù)制到他所屬的另一個(gè)微信群，或者直接轉(zhuǎn)發(fā)到“朋友圈”，讓所有的好友都能看到；也有一些成員會(huì)對(duì)這個(gè)信息保持沉默，不傳播這個(gè)信息；一些理性的成員會(huì)對(duì)信息產(chǎn)生質(zhì)疑，在群內(nèi)進(jìn)行討論，并在群內(nèi)形成一個(gè)壓倒性意見(jiàn)，新的壓倒性意見(jiàn)或許與原來(lái)的觀點(diǎn)完全相反導(dǎo)致信息“變異”，也可能“強(qiáng)化”了原來(lái)的信息，無(wú)論是“變異”還是“強(qiáng)化”，都有可能再次激發(fā)傳播動(dòng)力，于是開始大量向外傳播信息。一旦參與傳播的微信群達(dá)到一定規(guī)模，信息就開始大面積擴(kuò)散，導(dǎo)致網(wǎng)絡(luò)危機(jī)事件的出現(xiàn)。

由于研究的目的性，本文假設(shè)首次在微信中出現(xiàn)的輿情信息都是負(fù)面的。在信息傳播過(guò)程中，同樣的信息會(huì)再次被轉(zhuǎn)發(fā)到這個(gè)微信群，稱之為信息的“回流”。有些微信群將對(duì)于“回流”的信息保持沉默，不再進(jìn)行傳播，這樣的微信群稱之為處于“免疫”狀態(tài)。

2 基于Agent的輿情傳播仿真

輿情信息在網(wǎng)絡(luò)中的傳播過(guò)程是復(fù)雜的，目前對(duì)它的傳播機(jī)理還沒(méi)有完全掌握。一般的傳播模型常用微分方程的形式加以描述[1]。但對(duì)于微信群輿情傳播建立類似的微分方程動(dòng)力學(xué)模型是不可行的，因?yàn)槲⑿湃旱妮浨樾畔鞑ナ菑?fù)雜信息網(wǎng)絡(luò)與復(fù)雜社會(huì)網(wǎng)絡(luò)相互作用、共同演化的非線性動(dòng)力學(xué)過(guò)程，存在大量復(fù)雜的、不確定的因素，而基于微分方程的動(dòng)力學(xué)模型則無(wú)法體現(xiàn)細(xì)節(jié)復(fù)雜性、結(jié)構(gòu)復(fù)雜性到適應(yīng)復(fù)雜性各個(gè)層面的復(fù)雜性需求。

輿情演化動(dòng)力學(xué)強(qiáng)調(diào)描述個(gè)體之間的信息交互過(guò)程，參與意見(jiàn)交換的人群構(gòu)成一定人際關(guān)系網(wǎng)絡(luò)，根據(jù)一定的規(guī)則交換意見(jiàn)[2]。采用仿真方法對(duì)微信群輿情傳播進(jìn)行研究則采用了另一種思路，它首先設(shè)定一些規(guī)則，讓系統(tǒng)在一定的環(huán)境中自發(fā)演變和發(fā)展，考察演化過(guò)程中涌現(xiàn)出的若干性質(zhì)。仿真方法的獨(dú)特的優(yōu)勢(shì)在于，它超越了還原論的思想，用基于局部個(gè)體空間相互作用的微觀離散動(dòng)力學(xué)模型代替宏觀的整體模型方法，在計(jì)算機(jī)病毒傳播、傳染病等領(lǐng)域中取得了不少研究成果[3]。本文根據(jù)微信群輿情傳播特有的復(fù)雜性，提出一種新的基于Agent的建模方法和思路[4]。

2.1 模型假定

為了便于研究，對(duì)建模條件進(jìn)行一些必要的、簡(jiǎn)化性的假設(shè)。

假設(shè)1：在微信群中，傳播的輿情信息只有兩類：負(fù)面信息、正面信息，首次出現(xiàn)在微信中的輿情信息總是負(fù)面信息，因?yàn)槲覀兘Ｖ饕P(guān)注負(fù)面信息的傳播。

假設(shè)2：一個(gè)微信群只能有一個(gè)代表性意見(jiàn)。盡管微信群的成員很多，持有的意見(jiàn)也不盡相同，但總是有一個(gè)壓倒性的態(tài)度，這個(gè)總體態(tài)度決定了此微信群在輿情傳播中的作用。

假設(shè)3：在微信群討論過(guò)程中，輿情信息可能發(fā)生變異。變異指的是負(fù)面信息轉(zhuǎn)變?yōu)檎嫘畔?，或者正面信息轉(zhuǎn)變?yōu)樨?fù)面信息。如果信息被強(qiáng)化，不算是變異。

假設(shè)4：微信群可以具有免疫能力。免疫指的是如果同樣的輿情信息再次傳播到此微信群，此微信群不再進(jìn)行二次傳播。

2.2 屬性設(shè)定

把每個(gè)微信群作為一個(gè)Agent看待，每個(gè)Agent具有自己的屬性，包括群內(nèi)活躍度、群間活躍度、對(duì)輿情（主要指負(fù)面信息）的態(tài)度、變異度和處于的免疫狀態(tài)。

Agent的群內(nèi)活躍度（D）：代表群內(nèi)成員的交流、討論的熱情，決定了輿情信息引發(fā)討論的概率。

Agent的群間活躍度（S）：代表了群內(nèi)成員與其他群交換意見(jiàn)的意愿，決定了向外傳播輿情的概率。

Agent的態(tài)度（A）：微信群對(duì)輿情信息的判斷。有3種可能：未接受到輿情信息、正面態(tài)度、負(fù)面態(tài)度。

Agent的變異度（H）：代表了此微信群成員對(duì)輿情信息的理性程度，決定了通過(guò)群內(nèi)討論，引發(fā)信息變異的概率。

Agent的免疫狀態(tài)（I）：對(duì)此輿情信息是否免疫。

2.3 規(guī)則設(shè)定

微信群從接收輿情信息被激活、內(nèi)部討論到向外傳播都需要遵循一定的局部規(guī)則，通過(guò)迭代性的自發(fā)演化，體現(xiàn)出涌現(xiàn)性。

步驟1：在網(wǎng)絡(luò)中隨機(jī)激活一個(gè)或者多個(gè)Agent，此時(shí)這些Agent接收負(fù)面的輿情信息，處于負(fù)面態(tài)度。

步驟2：被激活的Agent的邊也被激活，根據(jù)群間活躍度（S）進(jìn)行第一次傳播，周邊部分Agent被負(fù)面信息侵占。

步驟3：某個(gè)Agent根據(jù)群內(nèi)活躍度（D）判斷是否進(jìn)行群內(nèi)討論，如果選擇討論，信息以變異度（H）的概率發(fā)生變異。

步驟4：某個(gè)Agent根據(jù)免疫度，確定向外傳播，或者保持沉默讓輿情在此Agent消亡。

步驟5：某個(gè)Agent根據(jù)群間活躍度（S）進(jìn)行第二次傳播。

步驟6：重復(fù)步驟2到步驟6。

3 仿真結(jié)果及結(jié)論

根據(jù)上文的設(shè)定的規(guī)則，在Netlogo[5]平臺(tái)上進(jìn)行仿真實(shí)現(xiàn)。如圖1所示，其中綠色表示對(duì)輿情持正面態(tài)度（或者尚未接收到這個(gè)輿情），紅色表示對(duì)輿情持負(fù)面態(tài)度；藍(lán)色表示對(duì)輿情處于免疫狀態(tài)，橫坐標(biāo)是運(yùn)行時(shí)步，縱坐標(biāo)是持不同態(tài)度微信群所占的百分比。

通過(guò)不斷修改和調(diào)整Agent的屬性值，可以有效模擬不同情況下微信群輿情信息傳播的過(guò)程，從而考察微信群輿情信息演化的規(guī)律特點(diǎn)

3.1 輿情信息傳播存在著明顯的周期性特征

輿情信息傳播都體現(xiàn)了初期快速擴(kuò)散、中期穩(wěn)定傳播、后期逐步消亡的過(guò)程特征，即存在一個(gè)共性的生命周期。在輿情傳播的初期，由于對(duì)此信息的免疫能力普遍不夠，因此傳播的速度會(huì)很快，然后進(jìn)入傳播的中期，微信群內(nèi)的一些理性討論會(huì)引導(dǎo)信息發(fā)生變異，不同的微信群呈現(xiàn)“拉鋸戰(zhàn)”特征，隨著真相的逐步厘清，具有免疫能力的微信群數(shù)量增加，輿情信息的傳播會(huì)逐步消失。

3.2 微信群的拓?fù)潢P(guān)系決定了輿情演化的初期效果

微信群之間通過(guò)其成員的“好友”關(guān)系，構(gòu)成了一定拓?fù)浣Y(jié)構(gòu)的網(wǎng)絡(luò)結(jié)構(gòu)，這個(gè)結(jié)構(gòu)對(duì)輿情演化起到了較大影響。每個(gè)微信群的相關(guān)群的數(shù)量稱之為度（Degree）。通過(guò)仿真發(fā)現(xiàn)，微信群的度影響的是輿情處于傳播初期狀態(tài)的時(shí)間長(zhǎng)短，度越大則傳播的時(shí)間越短，輿情很快進(jìn)入蔓延階段。一旦將微信群之間的關(guān)系數(shù)量降下來(lái)，輿情初期傳播的速度也隨之降低。

3.3 微信群的活躍度影響輿情傳播速度

微信群的活躍程度對(duì)輿情傳播的速度有很大影響。在現(xiàn)實(shí)世界中，微信群成員的的在線率、理性程度是決定群活躍程度的主要因素。通過(guò)仿真發(fā)現(xiàn)，群間活躍度越大，輿情信息傳播速度呈幾何級(jí)數(shù)影響。如果群間活躍度很大，只要經(jīng)過(guò)幾個(gè)步長(zhǎng)，其傳播覆蓋面就可以達(dá)到很大比例。

3.4 微信的變異度極大影響輿情演化的走勢(shì)

變異度代表了信息轉(zhuǎn)化的可能性，對(duì)輿情演化的影響非常大。在微信群輿情信息傳播過(guò)程中，群內(nèi)的理性討論程度越高，則越能夠識(shí)別輿情信息，從而促使負(fù)面信息轉(zhuǎn)化為正面信息，將輿情引導(dǎo)為理想的結(jié)果。反之，很有可能演變成網(wǎng)絡(luò)公共危機(jī)事件。通過(guò)仿真還發(fā)現(xiàn)，信息變異發(fā)生的越早，對(duì)負(fù)面信息傳播收斂的越快，對(duì)輿情演變的結(jié)果就越有利。在現(xiàn)實(shí)世界中，群內(nèi)成員的理性討論一方面來(lái)自于群內(nèi)成員的信息意識(shí)的成熟，另一方面需要受到外界因素的影響，比如官方媒體對(duì)事件真相的公開等。因此，應(yīng)對(duì)輿情危機(jī)的有效方法是盡早給出權(quán)威的合理解釋。

從仿真模型及實(shí)驗(yàn)結(jié)果來(lái)看，該模型能較好體現(xiàn)微信群輿情演化的一般特征，但對(duì)輿情演化的分析還相對(duì)初步，比如微信群之間構(gòu)成的網(wǎng)絡(luò)應(yīng)該是無(wú)尺度網(wǎng)絡(luò)[6]，而不是本文模擬的純隨機(jī)網(wǎng)絡(luò)。盡管如此，這個(gè)模型與現(xiàn)實(shí)世界的微信群表現(xiàn)可以相互印證，較好地揭示了微信群輿情信息傳播的機(jī)理，為進(jìn)一步研究微信群輿情演化與監(jiān)管提供了一種有益的思路和方法。

[注釋]

[1]汪小帆，李翔，陳關(guān)榮.復(fù)雜網(wǎng)絡(luò)理論及其應(yīng)用[M].北京：清華大學(xué)出版社，2006：73-86.

[2]Claudio Castellano，Santo Fortunato，Vittorio Loreto. Statistical physics of socail dynamics[EB/OL].[2013-10-4].http：//arxiv.org/PS_cache/arxiv/pdf/0710/0710.3256v2.pdf.

[3]Barrett C L，Eubank S G，Smith J P.If small pox strikes portland[J].Scientific American， 2005，3：42-49.

[4]Zagreb，Croatia.An introduction to agent based modeling and simulation of social processes[EB/OL].[2013-10-20].http：//arxiv.org/ftp/cond-mat/papers/0409/0409312.pdf

[5]Netlogo[EB/OL].[2013-10-4].http：//cc.northwestern.edu/netlogo

[6]Barab si A L，Albert R.Emergence of scaling in random networks[J].Science.1999，286：509-512.

[參考文獻(xiàn)]

[1]汪小帆，李翔，陳關(guān)榮.復(fù)雜網(wǎng)絡(luò)理論及其應(yīng)用[M].北京：清華大學(xué)出版社，2006：73-86.

[2]Claudio Castellano，Santo Fortunato，Vittorio Loreto. Statistical physics of socail dynamics[EB/OL].[2013-10-4].http：//arxiv.org/PS_cache/arxiv/pdf/0710/0710.3256v2.pdf

[3]Barrett C L，Eubank S G，Smith J P.If small pox strikes portland[J].Scientific American，2005，3：42-49.