楊馥澤

摘要：本文采用元胞自動(dòng)機(jī)理論進(jìn)行政務(wù)微博危機(jī)信息擴(kuò)散的研究，設(shè)計(jì)了政務(wù)微博元胞自動(dòng)機(jī)模型。通過(guò)定義用戶(hù)傾向度、用戶(hù)受領(lǐng)域影響程度以及用戶(hù)轉(zhuǎn)發(fā)意愿，設(shè)計(jì)了符合政務(wù)微博的元胞演化規(guī)則。并進(jìn)一步利用MATLAB進(jìn)行仿真，通過(guò)對(duì)比真實(shí)數(shù)據(jù)，證實(shí)了模型的有效性，討論不同消息質(zhì)量對(duì)危機(jī)擴(kuò)散的影響。

關(guān)鍵詞：政務(wù)微博；危機(jī)信息；元胞自動(dòng)機(jī)；用戶(hù)轉(zhuǎn)發(fā)意愿；用戶(hù)傾向度；用戶(hù)受鄰域影響程度

微博是一種基于用戶(hù)關(guān)系的信息分享平臺(tái)，用戶(hù)可以不受時(shí)間、空間的限制對(duì)信息進(jìn)行評(píng)論和轉(zhuǎn)發(fā)，一條微博信息可能在短時(shí)間內(nèi)被大量轉(zhuǎn)發(fā)，變成社會(huì)熱門(mén)輿論問(wèn)題，例如“郭美美事件”，汶川地震等，因此研究信息（輿論）在微博網(wǎng)絡(luò)上的傳播及其傳播的性質(zhì)、規(guī)律等成為公共管理的熱門(mén)研究問(wèn)題。

目前，對(duì)于公共危機(jī)事件的信息擴(kuò)散和政務(wù)微博傳播效果的研究都十分豐富，一方面，對(duì)危機(jī)事件微博擴(kuò)散的研究很多，孫瑋[1]等對(duì)突發(fā)自然災(zāi)害事件中網(wǎng)絡(luò)輿論傳導(dǎo)特征及其合理表達(dá)進(jìn)行了探討；并總結(jié)了網(wǎng)絡(luò)輿論表達(dá)與引導(dǎo)途徑，姜鑫[2]等通過(guò)網(wǎng)絡(luò)中介中心性分析；運(yùn)用小世界理論研究了微博社區(qū)內(nèi)的信息傳播理論；錢(qián)穎[3]等基于SIR 模型對(duì)微博輿情傳播進(jìn)行了實(shí)證研究；分析了不同情景下的微博輿情傳播規(guī)律；蘭月新[4]、于春[5]、方薇[6]在突發(fā)事件微博輿情影響趨勢(shì)的基礎(chǔ)上，建立了微分方程模型來(lái)研究微博輿情擴(kuò)散規(guī)律；另一方面，對(duì)政務(wù)微博傳播效果的研究也有了一定的成果，史麗莉[7]從微博信息內(nèi)容和表現(xiàn)形式兩方面研究地方政務(wù)微博的傳播效果，胥柳曼[8]在以實(shí)證研究方法論證了影響政務(wù)微博傳播效果的四大要素，并論述了政務(wù)微博在政務(wù)一公眾圈、政務(wù)一媒體圏、政務(wù)一政務(wù)圈中的傳播效果。程曼麗[9]認(rèn)為評(píng)價(jià)政府信息傳播的步驟分為傳播前和傳播前。梁芷銘[10]將政務(wù)微博的傳播效果歸結(jié)在受眾與主體的互動(dòng)上。但是，將公共危機(jī)事件與政務(wù)微博結(jié)合起來(lái)的研究成果卻不多，并且大部分都是從新聞學(xué)的角度進(jìn)行理論分析[11，12，13]，缺乏定量分析，因此本文在元胞自動(dòng)機(jī)的基礎(chǔ)上建立危機(jī)信息擴(kuò)散模型，研究危機(jī)信息的擴(kuò)散路徑。

1. 建立基于元胞自動(dòng)機(jī)的政務(wù)微博中危機(jī)信息擴(kuò)散模型構(gòu)建

為了便于對(duì)危機(jī)信息擴(kuò)散的研究，本文做以下假設(shè)：1）用戶(hù)在接觸危機(jī)信息后，興趣度不再受其他新信息的影響；2）用戶(hù)轉(zhuǎn)發(fā)一條危機(jī)信息后，不再重復(fù)轉(zhuǎn)發(fā)。

1.1基本模型

根據(jù)以上假設(shè)及其基本建模方法，建立基本的擴(kuò)散模型如下：1）每個(gè)元胞代表一個(gè)微博用戶(hù)；2）假設(shè)二維Moore型元胞空間（即八鄰域元胞空間）代表整個(gè)接觸危機(jī)信息的潛在用戶(hù)群體，如圖1（b）所示；3）元胞的狀態(tài)（S）有四種狀態(tài)，S∈{1，2，3，4}，S=1表示原創(chuàng)微博用戶(hù)，也就是發(fā)布危機(jī)信息的政務(wù)微博，S=2表示潛在用戶(hù)，用戶(hù)在未接觸到危機(jī)信息之前，都是潛在用戶(hù)，S=3表示不轉(zhuǎn)發(fā)用戶(hù)，也就是表示用戶(hù)在接觸到危機(jī)信息之后不轉(zhuǎn)發(fā)此條微博，S=4表示轉(zhuǎn)發(fā)用戶(hù)，也就是用戶(hù)在接觸危機(jī)信息之后，認(rèn)為有必要轉(zhuǎn)發(fā)此信息。

1.2元胞狀態(tài)轉(zhuǎn)變規(guī)則：

假設(shè)用戶(hù)狀態(tài)的改變?nèi)Q于用戶(hù)的轉(zhuǎn)發(fā)意愿，即在以后的生活中，用戶(hù)是否繼續(xù)（嘗試）轉(zhuǎn)發(fā)微博的接受程度[14]。當(dāng)用戶(hù)的轉(zhuǎn)發(fā)意愿大于某個(gè)值時(shí)，用戶(hù)會(huì)轉(zhuǎn)發(fā)信息；當(dāng)轉(zhuǎn)發(fā)意愿小于某個(gè)值時(shí)，用戶(hù)不會(huì)轉(zhuǎn)發(fā)信息。本文將影響用戶(hù)轉(zhuǎn)發(fā)意愿的因素分為內(nèi)部因素和外部因素，內(nèi)部因素包括危機(jī)事件本身的性質(zhì)和危機(jī)信息的質(zhì)量，外部因素是指微博用戶(hù)受鄰居用戶(hù)的影響程度。為表述方便，引入以下定義：

1.2.1 用戶(hù)傾向度（I）

當(dāng)微博用戶(hù)接觸到有關(guān)危機(jī)事件的信息時(shí)，用戶(hù)轉(zhuǎn)發(fā)信息的傾向度會(huì)隨著時(shí)間變化。戴雙星，陳冠雄[15]等人認(rèn)為，人們往往對(duì)初次接觸到的一個(gè)新事物往往有很大的興趣，但是短時(shí)間內(nèi)的頻繁嘗試會(huì)讓興趣慢慢降低，并且，由于個(gè)人興趣的變化過(guò)程與記憶的遺忘過(guò)程相似，都是人的思維變化過(guò)程，衰減的規(guī)律遵循艾賓斯遺忘曲線[16]，因而，本文中的用戶(hù)轉(zhuǎn)發(fā)危機(jī)信息的傾向度時(shí)間衰減機(jī)制參考了艾賓浩斯遺忘曲線，如圖2所示：

圖2艾賓浩斯遺忘曲線

從圖中可以看出，艾賓浩斯曲線類(lèi)似于冪函數(shù)，那么興趣遺忘函數(shù)也是冪函數(shù)的形式?？紤]到公共危機(jī)事件本身對(duì)用戶(hù)的傾向度的影響，用戶(hù)傾向度表示為

Ii（t）=Ii（0）+t-β（2）

其中，Ii（）表示用戶(hù)i在最初接觸到信息時(shí)的轉(zhuǎn)發(fā)信息的傾向度，Ii（0）∈[0，1]其值是由用戶(hù)自身的社會(huì)背景、受教育程度等因素決定的。β表示公共危機(jī)事件的影響程度，根據(jù)危機(jī)事件的性質(zhì)、嚴(yán)重程度、可控性和影響范圍等因素，公共危機(jī)事件一般可分為四級(jí)：Ⅰ級(jí)（特別重大）、Ⅱ級(jí)（重大）、Ⅲ級(jí)（較大）和Ⅳ級(jí)（一般）。這里假設(shè)β=0.1表示Ⅰ級(jí)危機(jī)事件，β=0.3表示Ⅱ級(jí)危機(jī)事件，β=0.5表示Ⅲ級(jí)危機(jī)事件，β=0.7表示Ⅳ級(jí)危機(jī)事件，因此β∈{0.1，0.3，0.5，0.7}，β越小，用戶(hù)轉(zhuǎn)發(fā)此條危機(jī)信息的傾向度越大。

由于Ii（0）的取值范圍是0到1，t-β的取值范圍是0到1，為了以后方便研究和討論，需要對(duì)指標(biāo)值進(jìn)行標(biāo)準(zhǔn)化，即把數(shù)值大小均映射到[0，1]區(qū)間，這里使用max-min標(biāo)準(zhǔn)化法，即

Ii（t）=Ii（t）-Ii（t）minIi（t）max-Ii（t）min=（Ii（0）+t-β）/2（3）

然而，在公共危機(jī)時(shí)間發(fā)生以后，公眾的心理特征突出表現(xiàn)為強(qiáng)烈的信息需求欲，政務(wù)微博發(fā)布的消息的內(nèi)容越有價(jià)值，語(yǔ)言措辭越合理，關(guān)注它的用戶(hù)轉(zhuǎn)發(fā)此條微博的傾向度就越大，消息的質(zhì)量也是影響用戶(hù)傾向度的重要因素。因此，用戶(hù)傾向度其表達(dá)式修正為：

Ii（t）=α×（Ii（0）+t-β）/2（4）

其中，α表示消息的質(zhì)量，α∈[0，1]，消息的內(nèi)容越有價(jià)值，表達(dá)越清晰，語(yǔ)言措辭越合理，α越大，也就是消息的質(zhì)量越高，相反，則α越小。

1.2.2 用戶(hù)受鄰居影響程度（E）

每個(gè)微博用戶(hù)都是處在一個(gè)人際網(wǎng)絡(luò)中，相互關(guān)注的用戶(hù)一定有相似的興趣和愛(ài)好，在公共危機(jī)事件發(fā)生后，用戶(hù)很大程度上是從自己關(guān)注的用戶(hù)轉(zhuǎn)發(fā)后接觸到此危機(jī)信息的，當(dāng)一名用戶(hù)所關(guān)注的用戶(hù)中轉(zhuǎn)發(fā)一條危機(jī)信息的人數(shù)越多，那么該用戶(hù)轉(zhuǎn)發(fā)此條信息的可能性也就越大。因此，用Ei（t）表示在t時(shí)刻用戶(hù)i受鄰域用戶(hù)的影響程度，其表達(dá)式如下：

Ei（t）=Ni（t）N（5）

其中，Ni（t）表示t時(shí)刻用戶(hù)i領(lǐng)域用戶(hù)轉(zhuǎn)發(fā)信息的人數(shù)，N表示用戶(hù)i領(lǐng)域的用戶(hù)總數(shù)。

1.2.3 用戶(hù)轉(zhuǎn)發(fā)意愿（Y）

假設(shè)用戶(hù)轉(zhuǎn)發(fā)意愿受用戶(hù)傾向度和用戶(hù)受鄰居影響程度兩個(gè)因素影響，每個(gè)因素對(duì)轉(zhuǎn)發(fā)意愿的影響權(quán)重相同，用戶(hù)轉(zhuǎn)發(fā)意愿可以定義為：

Yi（t）=Ii（t）+Ei（t）2=α×（Ii（0）+tβ）/2+Ni（t）N2

（6）

其中，α表示消息的質(zhì)量，β表示公共危機(jī)事件的性質(zhì)，Ni（t）表示t時(shí)刻用戶(hù)i領(lǐng)域用戶(hù)轉(zhuǎn)發(fā)信息的人數(shù)，N表示用戶(hù)i領(lǐng)域的用戶(hù)總數(shù)。這里假設(shè)用戶(hù)轉(zhuǎn)發(fā)意愿的臨界值為0.5。也就是，當(dāng)Yi≥0.5時(shí)，用戶(hù)轉(zhuǎn)發(fā)意愿大于臨界值0.5，狀態(tài)為轉(zhuǎn)發(fā)用戶(hù)，當(dāng)Yi<0.5時(shí)，用戶(hù)轉(zhuǎn)發(fā)意愿小于臨界值0.5，狀態(tài)為不轉(zhuǎn)發(fā)用戶(hù)。

根據(jù)以上定義，元胞狀態(tài)改變規(guī)則描述為：

第一步，在初始狀態(tài)中，系統(tǒng)中只存在兩個(gè)狀態(tài)的元胞，即S=1的原創(chuàng)用戶(hù)（政務(wù)微博）和S=2的潛在用戶(hù)，根據(jù)之前的假設(shè)，用戶(hù)在接觸到危機(jī)信息之前，默認(rèn)都是潛在用戶(hù)。

第二步，在接觸到原創(chuàng)用戶(hù)發(fā)布的危機(jī)信息之后，判斷S=2潛在用戶(hù)的傾向度Y，如果Y≥0.5，該用戶(hù)變成轉(zhuǎn)發(fā)用戶(hù)S=4，并推出系統(tǒng)，如Y≥0.5，該用戶(hù)變成不轉(zhuǎn)發(fā)用戶(hù)S=3。

第三步，當(dāng)S=3不轉(zhuǎn)發(fā)用戶(hù)再次接觸到S=4的轉(zhuǎn)發(fā)用戶(hù)轉(zhuǎn)發(fā)的危機(jī)信息時(shí)，判斷此用戶(hù)的轉(zhuǎn)發(fā)意愿Y，如果Y≥0.5，用戶(hù)轉(zhuǎn)變?yōu)镾=4的轉(zhuǎn)發(fā)用戶(hù)，否則維持S=3的不轉(zhuǎn)發(fā)狀態(tài)。

2.模型仿真

為了驗(yàn)證模型的合理性及有效性， 我們選擇曾經(jīng)在網(wǎng)絡(luò)上討論較為激烈的烏魯木齊的恐怖襲擊中的一起爆炸案利用matlab進(jìn)行仿真實(shí)驗(yàn)。（如圖2）

圖2公安部打四黑除四害微博

本次仿真中，設(shè)元胞空間為45*45的二維Moore型元胞空間，Ii（0）取0到1的隨機(jī)值，根據(jù)所發(fā)布的內(nèi)容和事件本身的性質(zhì)來(lái)，將α取值為0.4，β取值為0.7（i=1，2，…，2500）為消除隨機(jī)變量對(duì)實(shí)驗(yàn)結(jié)果的影響，利用matlab經(jīng)過(guò)15次擬合得到平均值。轉(zhuǎn)發(fā)危機(jī)信息的微博用戶(hù)數(shù)量變化圖如圖4所示：

圖4轉(zhuǎn)發(fā)危機(jī)信息的微博用戶(hù)數(shù)量變化對(duì)比圖

從圖4可以看出，在微博發(fā)布的第一時(shí)間，轉(zhuǎn)發(fā)用戶(hù)數(shù)量呈幾何增長(zhǎng)，之后隨著時(shí)間的增長(zhǎng)，用戶(hù)數(shù)量逐漸趨于穩(wěn)定。該仿真結(jié)果與圖3的統(tǒng)計(jì)數(shù)據(jù)較為吻合，說(shuō)明所建立模型是有效的。

3.不同α的取值對(duì)危機(jī)信息擴(kuò)散的影響分析

為分析不同的消息質(zhì)量對(duì)危機(jī)信息擴(kuò)散的影響，假設(shè)元胞空間為45*45的二維Moore型元胞空間，β=0.3（i=1，2，…，2500）分別取α=0.2，α=0.4，α=0.6，α=0.8。

圖5不同α的取值下用戶(hù)轉(zhuǎn)發(fā)情況比較

如圖5所示，當(dāng)α=0.2時(shí)，消息質(zhì)量過(guò)小，用戶(hù)的轉(zhuǎn)發(fā)意愿小，因而轉(zhuǎn)發(fā)信息的用戶(hù)少，不利于信息擴(kuò)散，當(dāng)α在大于0.2的某個(gè)值時(shí)，在信息發(fā)布初期時(shí)，轉(zhuǎn)發(fā)人數(shù)劇增，并隨著時(shí)間的推移，逐漸趨于穩(wěn)定。同時(shí)α的水平越高，轉(zhuǎn)發(fā)人數(shù)增速也越快，轉(zhuǎn)發(fā)人數(shù)越多。根據(jù)以上分析可知，在社會(huì)安全事件發(fā)生以后，政務(wù)微博發(fā)布質(zhì)量高的相關(guān)信息會(huì)被更多人轉(zhuǎn)發(fā)，更有利于信息擴(kuò)散，減少謠言傳播的可能性。

4.結(jié)語(yǔ)

本文在元胞自動(dòng)機(jī)理論基礎(chǔ)上，建立了危機(jī)信息擴(kuò)散的模型，模擬了危機(jī)信息的擴(kuò)散路徑，并以烏魯木齊一起爆炸事件為例，采用MATLAB 仿真，驗(yàn)證了模型的有效性，并分析了社會(huì)安全事件中，不同消息的質(zhì)量對(duì)危機(jī)信息擴(kuò)散的影響，發(fā)現(xiàn)消息質(zhì)量過(guò)小時(shí)，不利于危機(jī)信息擴(kuò)散影，消息質(zhì)量越高，信息擴(kuò)散越有效。本文只研究了公共危機(jī)事件中社會(huì)安全方面的事件，其他危機(jī)事件是否也有相同的特征和性質(zhì)還需進(jìn)一步研究。（作者單位：首都師范大學(xué)管理學(xué)院）

參考文獻(xiàn)：

[1]孫瑋，張小林.突發(fā)自然災(zāi)害事件中網(wǎng)絡(luò)輿論的表達(dá)與引導(dǎo)—以東日本地震海嘯事件為例[J].學(xué)術(shù)探索，2011，（6）：115-118

[2]姜鑫，田志偉.微博社區(qū)內(nèi)信息傳播的“小世界”現(xiàn)象及實(shí)證研究[J].情報(bào)科學(xué)，2012，30（8）：1139-1142

[3]錢(qián)穎，張楠，趙來(lái)軍等.微博輿情傳播規(guī)律研究[J].情報(bào)學(xué)報(bào)，2012，31（12）：1299-1304

[4]蘭月新.突發(fā)事件微博輿情擴(kuò)散規(guī)律模型研究[J].情報(bào)科學(xué)，2013，（03）：31 -34

[5]于春，何明星. 基于元胞自動(dòng)機(jī)的微博輿情傳播研究[J]. 西華大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，33（5）：17-19

[6]方薇，何留進(jìn).采用元胞自動(dòng)機(jī)的網(wǎng)絡(luò)輿情傳播模型研究[J].計(jì)算機(jī)應(yīng)用，2010，3（30）：751-755

[7]史麗莉，謝梅.中國(guó)地方政務(wù)微博信息傳播的效果研究[J].電子政務(wù)，2013（3）：27-38

[8]胥柳曼. 公共空間背景下的政務(wù)微博傳播效果研究——以上海政務(wù)微博為例[D].上海交通大學(xué)，2011

[9]程曼麗. 政府傳播機(jī)理初探[J].北京大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2004，41（2）：134-139

[10]梁芷銘， 政務(wù)微博傳播機(jī)制初探[J].新聞愛(ài)好者，2012（12）：35-36

[11]武文靜.突發(fā)事件中政務(wù)微博的信息傳播研究[D].河北經(jīng)貿(mào)大學(xué)，2014

[12]蔣菁菁.政務(wù)微博的危機(jī)傳播研究[D].廣西大學(xué)，2014

[13]劉晨.突發(fā)事件中政務(wù)微博傳播問(wèn)題與策略—基于新浪政務(wù)微博的研究[D]，2013

[14]袁園.微博用戶(hù)轉(zhuǎn)發(fā)意愿的影響因素研究.[D].南京大學(xué)，2013.

[15]戴雙星，陳冠雄，周濤等.興趣驅(qū)動(dòng)的人類(lèi)動(dòng)力學(xué)模型研究[A]

[16]印桂生，崔曉暉，馬志強(qiáng).遺忘曲線的協(xié)同過(guò)濾模型[J].哈爾濱工程大學(xué)學(xué)報(bào)，2012，33（1）：85-90.