黃煒+余輝+李岳峰

〔摘 要〕 基于NetLogo仿真系統(tǒng)構(gòu)建了網(wǎng)絡(luò)輿情事件的演化仿真模型。利用圖形化的界面和NetLogo特有的Turtle、Patch、Link代理Agent組成網(wǎng)絡(luò)輿情事件的復(fù)雜網(wǎng)絡(luò)仿真系統(tǒng)。實現(xiàn)了以圖形輸出窗口展現(xiàn)網(wǎng)絡(luò)輿情傳播演化的過程，從而直觀地展示了網(wǎng)絡(luò)輿情事件的初發(fā)、加劇、爆發(fā)、衰弱至消亡的整個生命周期。局限在于沒有考慮動態(tài)的網(wǎng)絡(luò)關(guān)系和社區(qū)網(wǎng)絡(luò)結(jié)構(gòu)對仿真模擬的影響。本文通過仿真實踐發(fā)現(xiàn)了在網(wǎng)絡(luò)輿情事件演化過程中各因素的相互作用關(guān)系，也為網(wǎng)絡(luò)輿情演化仿真提供了可視化范例。

〔關(guān)鍵詞〕網(wǎng)絡(luò)輿情；群體性事件；NetLogo；仿真；復(fù)雜網(wǎng)絡(luò)

DOI：10.3969/j.issn.1008-0821.2017.08.009

〔中圖分類號〕G206 〔文獻標(biāo)識碼〕A 〔文章編號〕1008-0821（2017）08-0065-09

〔Abstract〕Based on NetLogo，simulation platform of network public opinion evolution simulation model was constructed. Using the graphical interface and NetLogo peculiar turtle，patch，link and various types of Agent construction of network public opinion complex network simulation platform，implementation to show changes nodes spread graphics output window. Thus visually showed the Internet public opinion events incipient，intensifies，outbreak and weak to the demise of the whole life cycle. The study didnt take into account the impact of the dynamic network relations and community network structure for simulation. Through simulation practice found in the network public opinion of the various factors in the evolution process of functions and mutual relations，it also provided the network public opinion evolution simulation visualization paradigm.

〔Key words〕network public opinion；group event；NetLogo；simulation；complex network

隨著網(wǎng)絡(luò)的飛速發(fā)展，網(wǎng)上的信息日益增多，分秒之間各種各樣的新聞發(fā)生在現(xiàn)實世界并在人群之中傳播。而網(wǎng)絡(luò)作為信息發(fā)布和傳播的載體對輿情和謠言傳播的影響越來越大，特別是在各種網(wǎng)絡(luò)社區(qū)及論壇中關(guān)鍵人物的意見，很容易在網(wǎng)民之間形成極快極具影響力的瀑布效應(yīng)。如今的網(wǎng)絡(luò)除了是傳統(tǒng)意義上的信息交流和服務(wù)的平臺，更是一種具有極強社會號召力和傳播力的新聞傳播工具。特別是近年來移動網(wǎng)絡(luò)的發(fā)展，微博、微信等移動端網(wǎng)絡(luò)通信工具的用戶數(shù)量不斷增加，這使政府、媒體和公眾在網(wǎng)絡(luò)上描述和傳播危機的危機信息的影響變得更為復(fù)雜和重要[1]。網(wǎng)絡(luò)危機已逐漸成為現(xiàn)在社會穩(wěn)定的一個標(biāo)準(zhǔn)，是當(dāng)局關(guān)注社會和諧度的一個重要參考因素。與此同時網(wǎng)絡(luò)群體事件、網(wǎng)絡(luò)輿論事件、網(wǎng)絡(luò)熱點事件等概念也開始流行[2]，它們是某些網(wǎng)絡(luò)輿情的一個重要形成因素。在這樣的背景下，網(wǎng)絡(luò)危機信息傳播的模式和特征很快成了學(xué)者們研究的熱點。黃微等人從宏觀、中觀以及微觀三個視角總結(jié)了網(wǎng)絡(luò)輿情的形成機理以及場勢深化規(guī)律，不過研究中并不涉及量化測度網(wǎng)絡(luò)輿情場[3]。高歌在分析網(wǎng)民、媒介和政府對網(wǎng)絡(luò)輿情影響后，運用系統(tǒng)動力學(xué)和傳播學(xué)理論與模型，對網(wǎng)絡(luò)輿情演進進行仿真，探究網(wǎng)民、媒介和政府三者對網(wǎng)絡(luò)輿情的影響力[4]。本文在學(xué)者們的研究基礎(chǔ)上，基于NetLogo仿真平臺以無標(biāo)度網(wǎng)絡(luò)模型BA（Barabasi-Albert）和傳染病模型SIR（Susceptible -Infective-Removal）實現(xiàn)圖形化網(wǎng)絡(luò)群體性事件的演化過程。

1 復(fù)雜網(wǎng)絡(luò)與NetLogo

1.1 復(fù)雜網(wǎng)絡(luò)概述

1998年，Duncan Watts和Steven Strogatz最先提出了從規(guī)則網(wǎng)絡(luò)到隨機網(wǎng)絡(luò)轉(zhuǎn)變的小世界網(wǎng)絡(luò)模型[5]，1999年，Albert-Laszlo和Barabasi指出很多網(wǎng)絡(luò)中點的連接是沒有明顯的特征長度的冪律形式，具有這種形式的網(wǎng)絡(luò)被稱為無標(biāo)度網(wǎng)絡(luò)。同時具有小世界和無標(biāo)度這些特性的網(wǎng)絡(luò)就可以稱為是復(fù)雜網(wǎng)絡(luò)[6]。現(xiàn)實社會中可以用復(fù)雜網(wǎng)絡(luò)來描述很多復(fù)雜的系統(tǒng)，這些系統(tǒng)分布在科研網(wǎng)、萬維網(wǎng)、電力、航空和生物學(xué)等領(lǐng)域[7]。在一個復(fù)雜網(wǎng)絡(luò)中，網(wǎng)絡(luò)節(jié)點代表系統(tǒng)元素，連接節(jié)點的線代表元素之間的相互作用。應(yīng)用到社會網(wǎng)絡(luò)中，節(jié)點可以用來表示個體、組織或者機構(gòu)，邊就用來表示這些個體或組織間的社會關(guān)系。復(fù)雜網(wǎng)絡(luò)和其他網(wǎng)絡(luò)相比復(fù)雜性主要體現(xiàn)在3個方面。第一，復(fù)雜網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)很復(fù)雜，各個節(jié)點之間的關(guān)系沒有具體明確的界定；第二，它的網(wǎng)絡(luò)節(jié)點數(shù)量處于動態(tài)變化中，連接節(jié)點的關(guān)系也隨之呈現(xiàn)復(fù)雜化、多樣化；第三，它的動力學(xué)因素較為復(fù)雜，節(jié)點屬于非線性系統(tǒng)，有很多非線性動力學(xué)特征[8]。

目前學(xué)者們對復(fù)雜網(wǎng)絡(luò)的研究主要有3個方面。第一個是網(wǎng)絡(luò)的形成與演化模型機制，就是通過建立模型來模仿網(wǎng)絡(luò)的真實運轉(zhuǎn)行為；第二個是研究復(fù)雜網(wǎng)絡(luò)的穩(wěn)定性，在它面對不同突發(fā)狀況時的動作能力；第三是它的動力學(xué)因素，也是研究的最終形式，掌握復(fù)雜網(wǎng)絡(luò)的動力學(xué)知識能更好的控制網(wǎng)絡(luò)輿情和其他信息在網(wǎng)絡(luò)上的傳播。本文在復(fù)雜網(wǎng)絡(luò)的信息傳播理論的基礎(chǔ)上，對網(wǎng)絡(luò)群體性事件的演化過程進行模擬仿真研究。

1.2 NetLogo仿真平臺

Netlogo是一個可編程的建模環(huán)境，主要用來對自然和社會現(xiàn)象進行仿真模擬[9]。它是由美國西北大學(xué)連接學(xué)習(xí)和計算機建模中心（Center for Connected Learning and Computer- Based Modeling；CCL）開發(fā)并負責(zé)持續(xù)開發(fā)，其研發(fā)目的正是為科研教育機構(gòu)提供一個強大且易用的計算機輔助工具，本文采用NetLogo4.1版本。

Netlogo的特點讓它很適合隨時間變化的復(fù)雜系統(tǒng)，它會向系統(tǒng)中的智能代理發(fā)布指令，可以用來探究個體行為的微觀層面和多個代理之間交互完成的宏觀模式之間的聯(lián)系[10]。Netlogo主要功能有：多Agent建模、運行控制、仿真實驗、系統(tǒng)動力學(xué)仿真、參與式仿真和模型庫等。其中的多Agent建模指的是將分布在系統(tǒng)中獨立的Agent同步更新，從而整體隨時間變化而變化[11]。實驗管理是Netlogo平臺存在的行為空間，即Behavior Space自動管理仿真運行，并記錄結(jié)果。而仿真的輸出主要是提供多種手段實現(xiàn)仿真運行監(jiān)視和結(jié)果輸出。

Netlogo的仿真通常包括主體、空間表達和仿真推進三個層面[12]。主體又可以簡單分為四類，即Turtles（小海龜）、Patches（瓦片）、Observer（觀察者）和Links（連接），它們可以表示出虛擬世界中的主體和聯(lián)系?？臻g表達即虛擬世界中的一種坐標(biāo)，通過是一種連續(xù)的空間。仿真推進是對某個例程的不斷執(zhí)行，通過設(shè)置模型中初始化狀態(tài)以及仿真模擬兩個例程實現(xiàn)。

2 網(wǎng)絡(luò)群體性事件演化模型

2.1 SIR模型分析

本文選取傳染病模型SIR來對網(wǎng)絡(luò)群體事件的演化進行仿真。在SIR中，已經(jīng)感染了的感染者可以去感染易感染者并使之成為新的感染者，感染者可以被治好并同時具有一定的免疫力[13]。在SIR倉庫模型中針對傳染病把人群分為三類[14]：S類用來表示易被感染的人，用s（t）來表示t時刻這類人的數(shù)量；I類用來表示被感染的人，用i（t）來表示t時刻這類人的數(shù)量；R類用來表示從染病者恢復(fù)的人，用r（t）來表示t時刻這類人的數(shù)量。對應(yīng)到輿情事件中的角色來即為（易被影響者）易感染，（已被影響者）染病者，（非影響者）移出者，用S來代表沒有收到信息的用戶，I指那些收到信息并且轉(zhuǎn)發(fā)的用戶，R是收到信息但不做出反應(yīng)的用戶[15]。

從公式中很容易得知當(dāng)t無限大時，i（t）=0，其中p表示一個門檻值，應(yīng)該降低傳染系數(shù)k并且提高恢復(fù)系數(shù)l，這無論是在控制傳染病上還是在控制網(wǎng)絡(luò)輿情上都具有很重要的現(xiàn)實意義。

2.2 模型構(gòu)建

通過對復(fù)雜網(wǎng)絡(luò)和相關(guān)模型的分析，網(wǎng)絡(luò)群體事件信息的傳遞特點符合BA無標(biāo)度網(wǎng)絡(luò)模型的特點[16]，網(wǎng)絡(luò)群體性事件的演化具有以下4個特點。

1）意見領(lǐng)袖現(xiàn)象。網(wǎng)絡(luò)輿情中的意見領(lǐng)袖指的是在網(wǎng)絡(luò)中有著大范圍影響力的活躍分子，在群體事件中發(fā)出的觀點能得到公眾的認可，從而引導(dǎo)輿論的走向[17]。這些意見領(lǐng)袖體現(xiàn)在網(wǎng)絡(luò)上就是一個個較大的網(wǎng)絡(luò)節(jié)點。

2）社會群體現(xiàn)象。物以類聚，人以群分。在社會中每個人都有自己的社交圈。假設(shè)A有朋友B和C，那么B和C互為朋友的概率也很大。在群體性事件的參與中，不僅參與者之間有聯(lián)系，他們也與事件外的人有聯(lián)系，個人和群體都處于整個網(wǎng)絡(luò)的大環(huán)境中[18]。群體現(xiàn)象也就是網(wǎng)絡(luò)結(jié)構(gòu)上的集群系統(tǒng)。

3）反映人際關(guān)系的親疏。人們在網(wǎng)絡(luò)的地位并不是對等的，在不同事件中會有著不同的影響能力。當(dāng)一個成員與其他成員都是直接聯(lián)系時，在這個網(wǎng)絡(luò)此節(jié)點不存在結(jié)構(gòu)洞，那么他的影響能力的權(quán)值就比較大，權(quán)值反映了意見相互影響的程度[19]。

4）反映朋友的數(shù)量限制。150法則（rule of 150）指出人類智力上限允許我們的穩(wěn)定社交人數(shù)約150人[20]。不管是社交網(wǎng)絡(luò)還是現(xiàn)實生活中都受這一條件限制，網(wǎng)絡(luò)節(jié)點的度或者相應(yīng)的權(quán)重也會受到一定的限制。

3 模型仿真及實驗結(jié)果分析

3.1 NetLogo模型仿真實踐

網(wǎng)絡(luò)輿情事件在它的發(fā)展過程中，會不斷地在網(wǎng)絡(luò)與現(xiàn)實中產(chǎn)生互動。因為網(wǎng)絡(luò)輿情事件的來源事件本身會隨著時間的變化而發(fā)展，網(wǎng)絡(luò)輿情也會隨著事件的發(fā)展而發(fā)展。此外事件中的參與者或者事件外的旁觀者也會有自身利益、觀念和情緒的變化，這樣大多網(wǎng)絡(luò)輿情事件都會經(jīng)歷一個由形成期到高漲、波動的過程，最終淡化在新的輿情事件中[21]。

1）網(wǎng)絡(luò)輿情的形成

網(wǎng)絡(luò)輿情的起因有很多，社會事件或者突發(fā)事件的發(fā)生都有可能引起網(wǎng)絡(luò)輿論。這些事件的共同特征在于它們是網(wǎng)民關(guān)注的重點，可能與網(wǎng)民利益或信仰相關(guān)，它們一發(fā)生就可以成為這些網(wǎng)民關(guān)注的焦點，很容易在網(wǎng)絡(luò)上擴散開來。

2）網(wǎng)絡(luò)輿情的高漲

在網(wǎng)絡(luò)輿情基本形成后，意見領(lǐng)袖參與轉(zhuǎn)發(fā)評論，可能進一步影響網(wǎng)民的情緒和意見，這樣會使參與傳播和討論的人數(shù)不斷增多。網(wǎng)絡(luò)上各種頭條和熱點會自動推薦這些信息給更大范圍的網(wǎng)民，網(wǎng)絡(luò)輿情的影響會越來越大，并且根據(jù)事件的重要程度和政府相關(guān)部門的措施持續(xù)一段時間。

3）網(wǎng)絡(luò)輿情的波動

在持續(xù)期間，輿情事件會在事件進展和意見領(lǐng)袖的引導(dǎo)下產(chǎn)生變化，各種輿論觀點會產(chǎn)生相應(yīng)的反應(yīng)，合并相同的輿論觀點并分化出不同的觀點，此期間的輿論在一個較高關(guān)注度中小幅波動。

4）網(wǎng)絡(luò)輿情的淡化或沉默

在網(wǎng)絡(luò)輿情的平穩(wěn)期，隨著沒有新的促進因素產(chǎn)生，網(wǎng)民會產(chǎn)生疲勞心里，關(guān)注熱度也隨之下滑，這一輪的網(wǎng)絡(luò)輿情事件會慢慢淡化出網(wǎng)絡(luò)。如果發(fā)生新的輿情事件，網(wǎng)絡(luò)輿情就會很快進入新的一輪發(fā)展到淡化的過程。

本文所采用的仿真模型具有兩個階段——“setup”，然后“go”階段。在安裝階段，創(chuàng)建一個網(wǎng)絡(luò)。這一步是處理器密集型的，可能需要幾分鐘。世界產(chǎn)生一個定義的組數(shù)量，然后創(chuàng)建1或2組長，和1、2或3個組員。然后創(chuàng)建組長（意見領(lǐng)導(dǎo)者），讓組員們 以75%的時間分配自己的注意力去最近的組，加入任何其他組。

最后，組長以社交網(wǎng)絡(luò)形式，通過選擇一定數(shù)量的附近的朋友，然后剩余數(shù)量的朋友從更遠的地方選擇。如果兩個組長活躍在同一個社區(qū)里，他們將獲得高達75%的社區(qū)成員。

在“go”階段，每個受影響的個人要求每個鏈接評估他們是否會被影響，基于界面中輸入的值。如果影響傳播，這將成為明顯的影響因素。一旦影響，雖然組員影響力較小，但是隨著時間的推移，許多將被排除在組的風(fēng)險，但仍有可能傳播到組中。

在影響力低的種群，最初的模擬有時會失敗。因此有一個規(guī)則，如果沒有影響傳播，自動復(fù)位，重新開始在同一個世界。

首先設(shè)置價值觀。選擇有多少組和其中多少百分比是隔絕影響的，也可以改變多少最初被影響和世界的總大?。ㄑa丁大小規(guī)模比例保持顯示相同的大小）。

準(zhǔn)備好后，單擊設(shè)置。等到“模擬狀態(tài)”讀“ready”之前，點擊。如果想看網(wǎng)絡(luò)形成，使用開關(guān)按鈕（注意，“傳播路徑切換”只工作一次仿真已經(jīng)完成）。

單擊Go運行仿真，點擊step1后會出現(xiàn)的界面如圖3左半部分所示，其中品紅色的組長與紫色和綠色的組員還有大方塊代表社區(qū)中出現(xiàn)的即時事件。小組成員之間的聯(lián)系如圖3右半部分所示。

點擊step2： go until steady后顯示如圖4所示。其中黃色小節(jié)點表示事件發(fā)生后具有較大影響力的人，而紅色大方塊表示在此次事件后歸為較大有影響的事件。

圖4是在整個事件發(fā)生時候幾類受影響的群體數(shù)目的變化依次分為：easyaffected（易受影響的，圖中用紫色表示）、agree（同意，圖中用紅色表示）、immune（免除的，圖中用綠色表示）、ever agree（不確定，圖中用橙色表示）。

3.2 具體演化過程圖示

通過設(shè)置意見領(lǐng)袖輿情傳播率、小組間輿情傳播率、小組成員輿情傳播率、小組數(shù)、意見領(lǐng)袖數(shù)量、事件認同率、世界大小等變量參數(shù)，將仿真初始值與預(yù)期設(shè)定分為三類：常規(guī)網(wǎng)絡(luò)輿情事件傳播、突發(fā)大規(guī)模事件傳播、一般的小范圍傳播。本小節(jié)以截圖分別來演示這三類仿真過程。

3.2.1 常規(guī)爆發(fā)模式下模型變化

1）網(wǎng)絡(luò)輿情的形成過程，本文選取ticks為0、5、8、14的時刻，主要是網(wǎng)絡(luò)輿情發(fā)生的初始階段，這4個典型的截圖可以代表輿情形成的簡要過程，如圖5所示。

2）網(wǎng)絡(luò)輿情的高漲過程即輿情已經(jīng)形成且具有一定的規(guī)模，處理較為穩(wěn)定的活躍狀態(tài)，如圖6所示。

3）網(wǎng)絡(luò)輿情的波動變化，是由多種原因引起的網(wǎng)絡(luò)輿情不規(guī)則變動，由于只是一個小波動過程，并不會影響輿情趨勢，此處不演示圖例。

4）網(wǎng)絡(luò)輿情的淡化或沉寂狀態(tài)即輿情淡出網(wǎng)民的關(guān)注，開始恢復(fù)到輿情形成之前的狀態(tài)。

3.2.2 突發(fā)大規(guī)模事件傳播實驗對比

在突發(fā)大規(guī)模事件中，變量的設(shè)置應(yīng)更加極端。設(shè)置意見領(lǐng)袖的數(shù)量極多與極少對比如圖7所示。

意見領(lǐng)袖之間輿情傳播概率由0.02變化為0.10，小組之間輿情傳播概率由0.20變化為0.01，小組成員之間輿情傳播概率由0.005變化為0.05。完全爆發(fā)的最終態(tài)如圖8所示。

3.2.3 一般的小范圍傳播（意見領(lǐng)袖影響力減少）

在小范圍傳播中意見領(lǐng)袖的影響力減小設(shè)置由80%變化為7%。事件完全沉寂終態(tài)如圖9所示。

沉寂后事件在世界中形成孤島現(xiàn)實表現(xiàn)為事件消失，可以看出最后只形成極小的意見孤島。實驗?zāi)M小組由1510變化為220，這個變量改變并沒有多大意義，因為現(xiàn)實世界中是有足夠多的對象。

3.3 實驗結(jié)論分析

仿真實驗中所用的數(shù)據(jù)變化的實驗結(jié)果如表1所示，仿真實驗對比如圖10所示。

由圖10可以看出，在變量處于極端的情況下（主要分為了變量極大與變量極小，分別對應(yīng)兩類事件即事件迅速瘋長與事件迅速消亡），而這都是不正常的事件傳播情況，現(xiàn)實中的事件更加傾向于參數(shù)變量符合常規(guī)的數(shù)學(xué)模型。

實驗中黃色輿情組長節(jié)點的意見，隨著領(lǐng)導(dǎo)者意見從黃色變?yōu)榧t色組長也隨之影響組員的狀態(tài)，組員的顏色也隨之變換，最終世界中大部分節(jié)點顏色都與部分輿情領(lǐng)導(dǎo)者狀態(tài)一致。而實驗的變化是不確定的，事件產(chǎn)生數(shù)是隨機事件，可變化的是輿情領(lǐng)導(dǎo)者節(jié)點數(shù)，每次實驗的結(jié)果呈現(xiàn)多樣化，隨著對多次實驗的結(jié)果以及世界節(jié)點變化分析可以清晰表明，在常規(guī)輿情演化中話題數(shù)隨時間逐漸減少，意見領(lǐng)袖的作用依舊顯著，最后界面中保留的大節(jié)點（話題）基本與吸引力強大的意見領(lǐng)袖話題保持一致并且節(jié)點（話題）數(shù)有明顯減少。與前期分情況分析結(jié)果基本一致。意見領(lǐng)袖影響力在輿情傳播過程占據(jù)重要地位。即使在這個大眾傳媒和大眾廣告鋪天蓋地時代，據(jù)統(tǒng)計多達80%的公眾意見都是受別人的影響，而這一現(xiàn)象很好地在本模型中展現(xiàn)出來。

結(jié)合本模型的仿真結(jié)果，可以得到以下三個結(jié)論。

①識別了在虛擬網(wǎng)絡(luò)社區(qū)中網(wǎng)絡(luò)群體性事件演化過程中意見領(lǐng)袖的作用，與常規(guī)節(jié)點相比，意見領(lǐng)袖有更大的度而發(fā)揮更大的傳播作用。

②發(fā)現(xiàn)了控制網(wǎng)絡(luò)群體性事件傳播速度的條件。增加節(jié)點個數(shù)，增強意見領(lǐng)袖的度，或意見領(lǐng)袖之間的聯(lián)系都可以讓其傳播速度在一定范圍內(nèi)有所增加，反之則減小。

③證實了網(wǎng)絡(luò)群體性事件所引起的網(wǎng)絡(luò)輿情傳播具有的周期性。網(wǎng)絡(luò)輿情在形成階段，網(wǎng)民對信息的抗性能力低，因此信息會很快擴散出去；在高漲期內(nèi)，出現(xiàn)整體穩(wěn)定，局部波動的特征；最后一個事件的輿情會隨著事件的發(fā)展而淡出網(wǎng)絡(luò)。

4 總結(jié)與展望

本文結(jié)合復(fù)雜網(wǎng)絡(luò)的特點，針對輿情發(fā)展的演化規(guī)律進行仿真，在理論上完成了基于多代理的復(fù)雜網(wǎng)絡(luò)模型框架。并在理論的基礎(chǔ)上用Netlogo來模擬整個網(wǎng)絡(luò)輿情系統(tǒng)運作，證實了理論的正確性和可靠性，具有一定的理論和現(xiàn)實意義。

本文中敘述理論和模型還有兩點不足，一個是當(dāng)前現(xiàn)實中傳播分析迫切地需要基于動態(tài)關(guān)系網(wǎng)絡(luò)的理論，而目前已有的理論大多基于靜態(tài)網(wǎng)絡(luò)結(jié)構(gòu)；另一點是本文在分析網(wǎng)絡(luò)傳播時沒有區(qū)分整個網(wǎng)絡(luò)的傳播和局部社區(qū)網(wǎng)絡(luò)的傳播，現(xiàn)實中輿情的傳播更多的是在某個地區(qū)達到高潮和穩(wěn)定，而目前采用的傳播方案多基于網(wǎng)絡(luò)整體。今后研究可以從探尋動態(tài)網(wǎng)絡(luò)結(jié)構(gòu)理論出發(fā)，找到更適合真實世界中網(wǎng)絡(luò)傳播的理論模型。同時也要結(jié)合實際社區(qū)結(jié)構(gòu)，考慮一個社區(qū)內(nèi)部結(jié)構(gòu)對輿情傳播的影響。

參 考 文 獻

[ 1 ] 遲準(zhǔn)，王昌偉，梁靜國，等. 網(wǎng)絡(luò)危機信息傳播仿真研究——基于政府干預(yù)的傳播[J]. 情報雜志，2012，31（11）：23-29.

[ 2 ]郭小安，王國華. 網(wǎng)絡(luò)群體性事件的概念辨析及指標(biāo)設(shè)定[J]. 情報雜志，2012，31（2）：6-11.

[ 3 ] 黃微，高俊峰，滕廣青. 網(wǎng)絡(luò)輿情場形成與極性演化機理研究[J]. 情報理論與實踐，2016，39（12）：19-24.

[ 4 ] 高歌，張藝煒，丁宇，等. 基于系統(tǒng)動力學(xué)的網(wǎng)絡(luò)輿情演進機理及影響力研究[J]. 情報理論與實踐，2016，39（12）：39-45.

[ 5 ] Barabasi A L，Bonabeau E. Scale-Free Networks[J]. Scientific American，2003，288（5）：60-69.

[ 6 ]范如國. 復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)范型下的社會治理協(xié)同創(chuàng)新[J]. 中國社會科學(xué)，2014，（4）：98-120.

[ 7 ]劉業(yè)政，周云龍. 無尺度網(wǎng)絡(luò)平均路徑長度的估計[J]. 系統(tǒng)工程理論與實踐，2014，（6）：1566 -1571.

[ 8 ]樊宇. 基于復(fù)雜網(wǎng)絡(luò)理論的無線傳感器網(wǎng)絡(luò)同步技術(shù)研究[D]. 重慶：重慶大學(xué)，2013.

[ 9 ]Wilensky U. NetLogo[J]. Oklahoma Tobacco Settlement Endowment Trust Fund，1999，22（4）：595-599.

[ 10 ]劉小波. 基于NetLogo平臺的輿情演化模型實現(xiàn)[J]. 情報資料工作，2012，（1）：55-60.

[ 11 ]楊亞頻. 政府投資項目決策系統(tǒng)演化機理及其仿真研究[D]. 長沙：中南大學(xué)，2011.

[ 12 ]汪潔. 企業(yè)網(wǎng)絡(luò)中臨近性對知識轉(zhuǎn)移績效的影響研究[D]. 杭州：浙江大學(xué)，2010.

[ 13 ]佘廉，沈照磊. 非常規(guī)突發(fā)事件下基于SIR模型的群體行為分析[J]. 情報雜志，2011，30（5）：14-17.

[ 14 ]張十嘉. 一類SIR傳染病模型[D]. 成都：四川師范大學(xué)，2010.

[ 15 ]王小立. 微信傳播建模分析[J]. 現(xiàn)代情報，2015，35（7）：53-56.

[ 16 ] 李增揚，韓秀萍，陸君安，等. 內(nèi)部演化的BA無標(biāo)度網(wǎng)絡(luò)模型[J]. 復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2005，（02）：1-6.（ Li Zhengyang，Han Xiuping，Lu Junan.A BA Scale Free Network Model with Inner Evolving[J]. Complex Systems and Complexity Science，2005，（02）：1-6.）

[ 17 ]張潤蓮，蘭月新，王彩華，等. 網(wǎng)絡(luò)群體性事件演化博弈分析及對策研究[J]. 圖書與情報，2016，（4）：24-30.

[ 18 ] 潘駿，沈惠璋，陳忠. 社會群體事件的微博傳播和復(fù)合生長曲線研究[J]. 情報雜志，2016，35（5）：72-78.

[ 19 ]郭秋萍，趙靜，郭祥. 基于結(jié)構(gòu)洞的人際情報網(wǎng)絡(luò)分析[J]. 情報理論與實踐，2016，39（3）：26-31.

[ 20 ] Schneier B. Security，Group Size，and the Human Brain[J]. IEEE Security & Privacy Magazine，2009，7（4）：88.

[ 21 ]姜勝洪. 網(wǎng)絡(luò)輿情形成與發(fā)展規(guī)律研究[J]. 蘭州學(xué)刊，2010，（5）：77-79.

（本文責(zé)任編輯：孫國雷）