林燕霞,謝湘生,2，張德鵬

(1.廣東工業(yè)大學(xué)管理學(xué)院,廣東 廣州 510520; 2.廣州科技職業(yè)技術(shù)大學(xué)管理學(xué)院,廣東 廣州 510550)

1 引言

隨著QQ、博客、微博等網(wǎng)絡(luò)社交平臺的普及，中國已經(jīng)進(jìn)入網(wǎng)絡(luò)輿情空前活躍的“大眾麥克風(fēng)時代”。網(wǎng)絡(luò)輿情是網(wǎng)民對自己關(guān)心或與自身利益緊密相關(guān)的公共事務(wù)所持有的多種態(tài)度、意見的總和。網(wǎng)民的維權(quán)意識覺醒，網(wǎng)絡(luò)參政議政、針砭時弊的現(xiàn)象愈加普遍。但同時，在缺乏網(wǎng)絡(luò)道德約束、社會法律法規(guī)制約以及網(wǎng)絡(luò)輿情治理薄弱的情況下，網(wǎng)絡(luò)謠言不斷，網(wǎng)絡(luò)輿情極端化和情緒化，負(fù)面輿情四起，波及范圍廣，影響大，網(wǎng)絡(luò)事件惡化速度快，容易危害社會秩序穩(wěn)定。因此研究網(wǎng)絡(luò)輿情的重要性愈加顯著。

網(wǎng)絡(luò)中的相關(guān)主體在利益驅(qū)使下進(jìn)行策略選擇，是網(wǎng)絡(luò)輿情產(chǎn)生與發(fā)展的實質(zhì)原因，將博弈模型應(yīng)用到網(wǎng)絡(luò)輿情中，有助于研究參與主體間發(fā)生博弈行為時如何決策和決策均衡的問題。

目前，基于博弈論的網(wǎng)絡(luò)輿情的研究大多為了分析網(wǎng)絡(luò)輿情傳播和輿情演化。從博弈方的數(shù)量角度看，以往的研究大致可分為兩方博弈[1-2]和多方博弈[3-5]，其中兩方博弈包括兩人對稱博弈[6]和非對稱博弈[7-9]。

從網(wǎng)絡(luò)輿情博弈模型分類的角度看，可以分為靜態(tài)博弈、動態(tài)博弈和演化博弈模型。靜態(tài)博弈描述的是完全理性的雙方在采用策略不透明的情況下博弈的過程，例如，張玉亮和張昊蘇[10]利用不完全信息靜態(tài)博弈模型研究四個主體共同博弈問題，提出突發(fā)事件網(wǎng)絡(luò)輿情引導(dǎo)和控制的建議；Zhang Yuliang和Zhang Haosu[11]將突發(fā)事件的網(wǎng)絡(luò)輿情參與主體分為四類，建立靜態(tài)博弈模型來分析網(wǎng)絡(luò)輿情應(yīng)急對策。

動態(tài)博弈是指完全理性的參與人行動存在先后順序，而且后者可觀察到前者的選擇，并據(jù)此做出相應(yīng)選擇的博弈過程，宋彪等[8]基于群集動力學(xué)提出一個改進(jìn)的Stackelberg動態(tài)博弈模型，分階段研究博弈方策略選擇及分析演化均衡解，為突發(fā)事件應(yīng)急處理提出相關(guān)建議；張立凡等[12]建立三階段動態(tài)博弈模型，分析媒體與政府、網(wǎng)民與意見領(lǐng)袖的非子博弈完美均衡路徑條件并給出相應(yīng)的最優(yōu)策略建議；Liu Yun等[13]使用不完全動態(tài)博弈模型研究輿情的演變，并利用博弈論分析和計算機仿真研究不同要素如逆向行為、策略更新規(guī)則等對演化造成的影響。

網(wǎng)絡(luò)輿情產(chǎn)生和演化的根本動力在于網(wǎng)絡(luò)輿情相關(guān)主體為求利益相互博弈，在此過程中，有限理性的輿情參與主體通過試錯、策略調(diào)整的方法推動輿情的演化。但是基于靜態(tài)、動態(tài)博弈模型的研究均認(rèn)為博弈方是完全理性的個體，在期望自身收益最大化前提下進(jìn)行策略選擇，而網(wǎng)絡(luò)輿情中的網(wǎng)民理性有限，需要根據(jù)局部信息重復(fù)博弈，調(diào)整策略以實現(xiàn)穩(wěn)定均衡狀態(tài)，因此這類的研究不太符合現(xiàn)實情況。

演化博弈理論[14]著重研究有限理性的個體通過不斷重復(fù)博弈來實現(xiàn)收益最大化的問題。李燕凌和丁瑩[15]構(gòu)建政府、媒體和公眾三方的演化博弈模型，研究博弈方行為的演化趨勢、相互影響及均衡狀態(tài)；劉海德[16]建立政府部門與社會弱勢群體間的演化博弈模型，分析政府部門的機會主義行為導(dǎo)致的群體性突發(fā)事件呈現(xiàn)擴大化趨勢的原因；陳福集等[17]構(gòu)建網(wǎng)絡(luò)推手、當(dāng)事人、政府的三方博弈模型，提出應(yīng)對網(wǎng)絡(luò)推手的策略；李勇建和王治瑩[18]從屬性層次分析突發(fā)事件的輿情傳播機制并研究了主體的認(rèn)知差異對博弈模型均衡解的影響。因此，在網(wǎng)絡(luò)輿情研究中引入演化博弈理論，更能反映網(wǎng)絡(luò)輿情形成和演化的實際情況，可以定量地解釋相關(guān)主體的行為，為分析輿情演化規(guī)律提供良好的理論途徑，直觀地展現(xiàn)出網(wǎng)絡(luò)輿情演化的穩(wěn)定均衡狀態(tài)，有助于把握輿情最終的演化方向，對引導(dǎo)相關(guān)主體參與網(wǎng)絡(luò)輿情的行為、控制網(wǎng)絡(luò)輿情的演化，降低其對社會的危害，進(jìn)行網(wǎng)絡(luò)輿情的危機處理以及疏導(dǎo)均起到重要作用。但同時，這些研究也存在著不足，博弈方之間的交互行為被簡化，模擬現(xiàn)實中網(wǎng)絡(luò)輿情的情況會較差，研究成果多缺乏考慮網(wǎng)民之間復(fù)雜的交互行為對輿情演化造成的影響。

當(dāng)前也有相關(guān)領(lǐng)域的學(xué)者開始研究在演化模型中主體復(fù)雜交互的因素對演化結(jié)果的影響。魏麗萍[6]從理論上分析網(wǎng)絡(luò)空間的“沉默的螺旋”機制和“蝴蝶效應(yīng)”對網(wǎng)絡(luò)輿情造成的影響，不同理性層次的群體采用不同進(jìn)化博弈模型，研究表明網(wǎng)絡(luò)輿情中的網(wǎng)絡(luò)空間存在復(fù)雜性，并提出相應(yīng)的管理對策，但缺乏定量地分析網(wǎng)絡(luò)空間情況和討論網(wǎng)絡(luò)空間復(fù)雜程度對輿情演化的影響。韓少春等[7]以Deffaunt模型作為個體觀點交互的模型，并引入記憶長度來模擬網(wǎng)絡(luò)輿情演化博弈的過程，說明網(wǎng)民交互行為具有復(fù)雜性，但并未對復(fù)雜的交互行為進(jìn)行深入研究；鄭君君等[19]運用演化博弈和優(yōu)化理論研究監(jiān)管部門如何處理環(huán)境污染輿情事件，并考慮到了群體間存在信息交互的情況；吳鵬等[20]使用Agent建模技術(shù)，綜合考慮網(wǎng)絡(luò)輿情相關(guān)主體種類、主體行為特征、相互關(guān)系、交互規(guī)則等因素，仿真突發(fā)事件網(wǎng)絡(luò)輿情演化過程，揭示規(guī)律，鄭君君等[19]和吳鵬等[20]都較為真實地反映復(fù)雜的群體行為對網(wǎng)絡(luò)輿情演化的影響，但均僅考慮了個體觀點交互，缺乏進(jìn)一步研究個體復(fù)雜交互行為對輿情演化的影響。

綜上所述，基于博弈論對網(wǎng)絡(luò)輿情的研究有三種主要的工具，靜態(tài)博弈、動態(tài)博弈與演化博弈，現(xiàn)有的成果較好地揭示了網(wǎng)民在輿情事件中行為，并為輿情的治理提供的很好的決策依據(jù)。但是現(xiàn)有研究在理論上仍存在不完善的地方，就本文的研究視角而言，至少沒有深入研究網(wǎng)民個體在網(wǎng)絡(luò)連接過程的行為偏好，具體體現(xiàn)在這樣兩個方面：首先對個體的復(fù)雜交互行為對輿情演化的影響研究中沒有考慮個體創(chuàng)建新博弈連接的行為偏好的影響；其次網(wǎng)絡(luò)輿情的研究中較少考慮網(wǎng)民維系網(wǎng)絡(luò)連接的持續(xù)性。而這種理論的不完善性也可能會妨礙研究成果的實踐價值。為了反映出個體交互行為的復(fù)雜性，本文在網(wǎng)絡(luò)輿情的復(fù)制動態(tài)模型中引入以下兩個因素：創(chuàng)建新博弈連接的行為偏好以及維持博弈連接的時間長短，在此基礎(chǔ)上構(gòu)建網(wǎng)絡(luò)輿情演化博弈模型，深入探討網(wǎng)民在博弈過程中復(fù)雜的交互行為對網(wǎng)絡(luò)輿情演化造成何種影響。

2 網(wǎng)絡(luò)輿情中網(wǎng)民博弈的復(fù)雜交互行為與研究假設(shè)

2.1 基于價值觀的博弈連接行為偏好

由于網(wǎng)絡(luò)的普及以及個人意識的覺醒，如今普通網(wǎng)民都喜歡在社交平臺上作為社會監(jiān)督者發(fā)布輿情信息。為了維護(hù)所在利益群體的權(quán)益，網(wǎng)民會發(fā)布與輿情治理部門期望相同的輿情信息，例如揭露地方貪官污吏罪行、舉報不公平現(xiàn)象等等；與此同時，也存在著很多網(wǎng)民為了獲得其他人的關(guān)注，追求個人利益從而造謠生事、扭曲事實，他們會散布與輿情治理部門期望相反的輿情信息，這種行為往往會破壞網(wǎng)絡(luò)環(huán)境的穩(wěn)定甚至是社會的穩(wěn)定，使政府機構(gòu)聲譽受損。綜上所述，網(wǎng)絡(luò)輿情中網(wǎng)民存在兩種行為：采取與輿情治理部門期望相同的態(tài)度、行為；采取與輿情治理部門期望相反的態(tài)度、行為。

美國人類學(xué)家Kluckhohn[21]認(rèn)為價值觀是影響人可能選擇的行為方式、手段和結(jié)果。王曉鈞等[22]結(jié)合價值觀研究的理論成果：Spranger理論、Kluckhohn理論、Hofstede理論、Deutsch理論、中國古代價值觀、當(dāng)代價值觀研究提出了4個價值觀取向維度：社會取向、個人取向、積極取向和消極取向，并認(rèn)為社會取向是理性的，有社會責(zé)任感、公民道德感、集體意識的價值觀認(rèn)知取向；個人取向是理性程度低的、利己的、自我為中心的價值觀認(rèn)知取向。由此可知，采取與輿情治理部門期望相同的態(tài)度、行為的網(wǎng)民應(yīng)屬于社會取向驅(qū)動型，而選擇與輿情治理部門期望相反的態(tài)度、行為的網(wǎng)民應(yīng)該是個人取向驅(qū)動型，故兩種不同策略的群體理性程度存在差異。

張玉亮[23]指出輿情主體在網(wǎng)絡(luò)中易受到集群情緒渲染，理性迷失,變得亦步亦趨，人云亦云。不同價值觀取向的網(wǎng)民由于理性程度存在差異，所以參與新的輿情博弈的積極程度也會有所差異，因此不同價值觀取向的個體形成新的博弈連接具有一定的行為偏好，是網(wǎng)絡(luò)輿情中網(wǎng)民復(fù)雜交互行為的重要表現(xiàn)。

2.2 基于復(fù)雜網(wǎng)絡(luò)的動態(tài)連接

在經(jīng)典的演化博弈理論中通常假設(shè)個體以均勻混合的方式進(jìn)行聯(lián)系，即任意兩個個體之間接觸的可能性都是一樣的，然而在現(xiàn)實中人際關(guān)系網(wǎng)絡(luò)是極其復(fù)雜的。自Nowak和May[24]研究二維方格上的囚徒困境博弈的問題以后，復(fù)雜網(wǎng)絡(luò)的演化博弈研究逐漸興起[25-27]。錢學(xué)森將復(fù)雜網(wǎng)絡(luò)定義為“具有自組織、自相似、吸引子、小世界、無標(biāo)度中部分或全部性質(zhì)的網(wǎng)絡(luò)”，認(rèn)為網(wǎng)絡(luò)連接動態(tài)變化是其復(fù)雜性的重要表現(xiàn)之一，已有學(xué)者對復(fù)雜網(wǎng)絡(luò)中節(jié)點間的連接進(jìn)行相應(yīng)的研究[28-30]，如Taylor等[31]構(gòu)建有限群體隨機進(jìn)化博弈動態(tài)模型，發(fā)現(xiàn)個體之間發(fā)生作用的頻率依賴于其策略，存在非均勻連接的現(xiàn)象。Zimmermann等[32]研究在動態(tài)網(wǎng)絡(luò)演化博弈模型中，博弈方斷開舊連接然后重建新連接的概率對策略選擇的影響，結(jié)果表明網(wǎng)絡(luò)節(jié)點間的連接產(chǎn)生和消失直接影響網(wǎng)絡(luò)結(jié)構(gòu)的進(jìn)化，這對網(wǎng)絡(luò)中的博弈演化起到重要的作用。

網(wǎng)絡(luò)輿情作為一個復(fù)雜的在線社會網(wǎng)絡(luò)，具有復(fù)雜網(wǎng)絡(luò)系統(tǒng)的特征[33]。從個體間進(jìn)行復(fù)雜交互的角度出發(fā)，由于受到周圍環(huán)境、心理因素等綜合的影響，網(wǎng)民之間形成的博弈連接會存在著產(chǎn)生和消失動態(tài)變化的情況。Perc和Szelnoki[34]指出博弈的收益會影響到博弈方連接的持久性，博弈方在參與輿情博弈的過程中會根據(jù)信息來選擇斷開或者維持當(dāng)前與周圍博弈方的連接，以求優(yōu)化收益，這表明在動態(tài)交互過程中，形成的博弈連接具有壽命長短的屬性，這也是網(wǎng)絡(luò)輿情中網(wǎng)民復(fù)雜交互行為的重要表現(xiàn)。

2.3 基于社會認(rèn)同理論的博弈連接與采用策略的時間間隔尺度

社會認(rèn)同理論[35]曾指出在社會交往中，人們總是努力去獲得或維持積極的社會認(rèn)同，在此過程中，他們的認(rèn)同感來源于內(nèi)群體和相關(guān)外群體的比較。當(dāng)人們不滿意當(dāng)前的社會認(rèn)同，會選擇脫離該類型群體或?qū)で髮崿F(xiàn)積極認(rèn)同的途徑。近似，在網(wǎng)絡(luò)輿情博弈過程中，網(wǎng)民最先以原始策略進(jìn)行博弈，當(dāng)他們感知到即使不斷地形成博弈連接也無法改變自己所在策略群體相對劣勢的情況，即網(wǎng)民不滿意所得的收益，則會選擇更改自己的策略，因此網(wǎng)民是需要經(jīng)過多輪博弈后，感知到自己的處境處于收益劣境，才更改策略從而實現(xiàn)演化穩(wěn)態(tài)，說明在網(wǎng)絡(luò)輿情演化過程中網(wǎng)民進(jìn)行策略選擇的時間往往比形成新連接時間長。

博弈連接與采用策略的時間間隔[36]作為博弈方之間交互的一個重要特征，對演化博弈的最終收益值會產(chǎn)生很大的影響。

2.4 研究假設(shè)

網(wǎng)民作為網(wǎng)絡(luò)輿情的發(fā)聲主體，對事件表露個人認(rèn)知、態(tài)度、傾向，成為推動網(wǎng)絡(luò)輿情傳播不可忽視的力量，因此網(wǎng)民與網(wǎng)民間的輿情博弈對網(wǎng)絡(luò)輿情演化起到重要的作用，故本文從網(wǎng)民與網(wǎng)民進(jìn)行輿情博弈的角度展開研究。

網(wǎng)絡(luò)輿情中網(wǎng)民主要采用兩種行為，網(wǎng)民采取與輿情治理部門期望相同的態(tài)度、行為，記為策略A；網(wǎng)民采取與輿情治理部門期望相反的態(tài)度、行為，記為策略B。假設(shè)參與網(wǎng)絡(luò)輿情的群體總?cè)藬?shù)為N，選擇策略A的總?cè)藬?shù)記為NA，選擇策略B的總?cè)藬?shù)記為NB，令N=NA+NB。

在復(fù)雜的線上輿情網(wǎng)絡(luò)中網(wǎng)民與網(wǎng)民間存在連接則表示網(wǎng)民之間存在博弈行為。用XT表示T時刻網(wǎng)絡(luò)中存在A-A型博弈連接數(shù)量的總和；用YT表示T時刻網(wǎng)絡(luò)中存在A-B型博弈連接數(shù)量的總和；用ZT表示T時刻網(wǎng)絡(luò)中存在B-B型博弈連接數(shù)量的總和。在該網(wǎng)絡(luò)里，XT、YT、ZT可能存在的最大值分別記為XM、YM、ZM，它們分別表示三種不同類型的博弈連接的總數(shù)的最大值。具體的計算方法如式1-3所示：

(1)

YM=NANB

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

3 網(wǎng)絡(luò)輿情網(wǎng)民博弈的得益矩陣

本文利用網(wǎng)民的心理收益來構(gòu)建博弈方之間的得益矩陣。美國心理學(xué)家馬斯洛[37]提出馬斯洛需求層次理論，認(rèn)為個人需求可分成：生理需求、安全需求、社交需求、尊重需求和自我實現(xiàn)需求五個層次。當(dāng)博弈方采用策略A時，采用與輿情治理部門期望相同的態(tài)度、行為，爭取社會福利待遇，滿足追求公平公正、自我價值實現(xiàn)的需求，從而可以得到相應(yīng)的心理收益，記做RW。當(dāng)博弈方采用策略B，采取與輿情治理部門期望相反的態(tài)度、行為，滿足追求點擊率、轉(zhuǎn)發(fā)量及知名度等社交需求和尊重需求，從而也會獲得相應(yīng)的心理收益，記為R。

博弈雙方均采用與輿情治理部門期望相同的態(tài)度、行為，有助于相關(guān)部門準(zhǔn)確把握民意，發(fā)現(xiàn)社會問題，及早發(fā)現(xiàn)和解決問題，可以為雙方均帶來額外的收益R0。當(dāng)博弈雙方均選擇與輿情治理部門期望相反的策略B時，雖然可以滿足網(wǎng)民的社交需求和尊重需求，但是此時網(wǎng)絡(luò)謠言、惡意炒作等會混淆公眾視聽，誤導(dǎo)受眾，甚至?xí)鹂只?，因此他們會受到相關(guān)部門的懲罰，損失記為L。本文假設(shè)參數(shù)RW、R、R0、L均是正數(shù)且R?L。則網(wǎng)民的收益矩陣如表1所示。

表1 網(wǎng)民博弈的得益矩陣

當(dāng)三種不同類型的博弈連接的總數(shù)實現(xiàn)最大化時，根據(jù)得益矩陣可以分別計算出選擇策略A、B的期望收益，分別記為fA、fB。具體計算如式10-11所示：

導(dǎo)料板為一折彎鐵板，通過螺釘連接于料箱側(cè)壁上，上半部分與滾筒相接觸，末端附有軟質(zhì)刮板。導(dǎo)料板可沿滾筒表面調(diào)整位置。當(dāng)滾筒旋轉(zhuǎn)將基質(zhì)從料箱中帶出并旋轉(zhuǎn)到右側(cè)時，導(dǎo)料板可將滾筒表面的基質(zhì)刮凈，保證基質(zhì)出料量精確，對基質(zhì)的干濕度要求范圍變寬[7]。同時，導(dǎo)料板末端的軟質(zhì)刮板與滾筒發(fā)生摩擦，可產(chǎn)生輕微振動，保證了基質(zhì)填充的均勻性。導(dǎo)料板折彎角度為45°。上半部分板沿滾筒在接觸點的切線方向，即基質(zhì)的速度方向。當(dāng)基質(zhì)被滾筒帶到此處時，可順利落到導(dǎo)料板上，然后滑過下半部分板，產(chǎn)生與穴盤前進(jìn)方向相同的水平速度，從而順利落入穴盤中。

fA=(NA-1)(R0+RW)+NBRW

(10)

fB=NAR+(NB-1)(R-L)

(11)

(12)

(13)

式10-13表明，創(chuàng)建新博弈連接的行為偏好、維持博弈連接的時間長短這兩個復(fù)雜交互行為的因素會使原始得益矩陣中的元素乘以其相應(yīng)的博弈連接類型的活躍連接占總體的比例而形成新的得益矩陣。由此說明在網(wǎng)絡(luò)輿情中網(wǎng)民之間的得益矩陣在演化博弈過程中并不是一成不變的，隨著時間改變，得益矩陣中的元素會隨著不同連接類型的活躍連接占總體比例改變而發(fā)生改變。記

4 構(gòu)建網(wǎng)絡(luò)輿情演化博弈模型

正文假設(shè)交互達(dá)到穩(wěn)態(tài)需要的時間為χL，演化博弈達(dá)到穩(wěn)態(tài)需要的時間為χE，根據(jù)社會認(rèn)同理論可知，博弈連接與采用策略存在時間間隔尺度且χE?χL，即連接交互已經(jīng)實現(xiàn)穩(wěn)定狀態(tài)，網(wǎng)民根據(jù)改變后的得益矩陣做出策略選擇，優(yōu)化收益，實現(xiàn)穩(wěn)定均衡狀態(tài)，所以輿情網(wǎng)絡(luò)中網(wǎng)民的得益矩陣如表2所示。

表2 χLχE時網(wǎng)民博弈的得益矩陣

表2 χLχE時網(wǎng)民博弈的得益矩陣

網(wǎng)民D網(wǎng)民C 策略A策略B策略Aab策略Bcd

網(wǎng)民采用策略A期望收益記為GA，采用策略B的期望得益記為GB，令p(p∈[0,1])表示群體中選策略A的人口比例， 1-p表示群體中選策略B的人口比例。計算期望收益的方法如式14-15所示。

GA=p×a+(1-p)×b

(14)

GB=p×c+(1-p)×d

(15)

則群體的平均收益記為G，具體計算如式16所示：

G=pGA+(1-p)GB

(16)

網(wǎng)民參與輿情博弈中若感知到不同策略的期望收益存在差距，則會學(xué)習(xí)和模仿別的博弈方，調(diào)整自己的選擇策略，因此p會隨著時間改變而改變，p動態(tài)變化速度可以用復(fù)制動態(tài)方程表示成式17。

(17)

當(dāng)a-b-c+d=0時，令F(p)=0解得p=0或1，若db，此時復(fù)制動態(tài)方程進(jìn)化穩(wěn)定策略是p=1；若d?b，此時復(fù)制動態(tài)方程進(jìn)化穩(wěn)定策略是p=0；若d=b，此時復(fù)制動態(tài)方程中，p∈[0,1]均是進(jìn)化穩(wěn)定策略。

若d=b，a-b-c+d?0，此時復(fù)制動態(tài)方程進(jìn)化穩(wěn)定策略是p=1；若d=b，a-b-c+d0，此時復(fù)制動態(tài)方程進(jìn)化穩(wěn)定策略是p=0；若a?c且d?b，此時復(fù)制動態(tài)方程進(jìn)化穩(wěn)定策略是p=0或1；若ac且db，此時復(fù)制動態(tài)方程進(jìn)化穩(wěn)定策略是

綜上所述，滿足不同條件的進(jìn)化穩(wěn)定策略如表3所示。

5 演化分析及輿情治理建議

從復(fù)制動態(tài)方程可以得到不同條件的進(jìn)化穩(wěn)態(tài)策略。根據(jù)之前的假設(shè)，輿情相關(guān)的治理部門應(yīng)該重點關(guān)注和分析參與網(wǎng)絡(luò)輿情博弈的個體最終全部選擇策略B的情況，即全部人都選擇追求個人利益，散布與輿情治理部門期望相反的輿情信息，這種結(jié)果會嚴(yán)重危害網(wǎng)絡(luò)穩(wěn)定，混淆視聽、誤導(dǎo)公眾，甚至殃及現(xiàn)實社會的穩(wěn)定，值得警惕。

由Perc和Szolnoki[34]研究的成果可知，不同類型的連接的壽命長短主要由與之相連的博弈方采用何種策略有關(guān)，例如相互背叛對博弈雙方而言都是不利的，那么相互背叛的連接相對于共同合作的連接來說，壽命會較短。對于參與網(wǎng)絡(luò)輿情博弈的網(wǎng)民而言，他們對其他網(wǎng)民行為偏好了解不多，因此博弈連接維持時間主要依賴于收益多少。故本文假設(shè)不受到環(huán)境影響的博弈連接壽命的長短與原始得益矩陣對應(yīng)的值的大小成正比，即收益越大，則博弈方選擇維持連接的時間越長，連接壽命之間的關(guān)系如式18-19所示：

表3 滿足不同條件的進(jìn)化穩(wěn)定策略

(18)

(19)

根據(jù)表3的內(nèi)容和式18-19，本文進(jìn)一步分析了原始得益矩陣的各元素、不同價值觀取向的網(wǎng)民與其他網(wǎng)民形成新博弈連接的概率αi(i∈{A,B})、不同博弈連接類型的死亡率βj(j∈{AA,AB,BB})與輿情演化結(jié)果之間的關(guān)系。

情境1：RW+R0R、R-L?RW、αA?αB、βAA?βAB?βBB，即個人取向型網(wǎng)民的心理收益R比社會取向型網(wǎng)民的心理收益RW與政府給予的額外收益R0之和更大，個人取向型網(wǎng)民甚至在受到輿情相關(guān)部門的懲罰而損失L以后，仍比社會取向型網(wǎng)民的收益RW多；與個人取向型網(wǎng)民的理性度低而易受到輿情環(huán)境的影響參與博弈的積極度高的定性推論不一致的是社會取向型網(wǎng)民也會出現(xiàn)形成的博弈連接概率偏大的情況，他們更加積極爭取社會福利待遇、反應(yīng)問題，維護(hù)權(quán)益，但是相關(guān)部門存在發(fā)現(xiàn)問題、治理問題的反應(yīng)較慢，采取措施力度不大等問題；網(wǎng)絡(luò)中B-B型博弈連接的死亡率βBB最低，A-A型博弈連接的死亡率βAA最高，社會取向的網(wǎng)民沒有選擇相互支持，反而著重針對謠言炒作等不良言論進(jìn)行批評，個人取向的網(wǎng)民相互吹捧勾結(jié)，反倒增長了個人取向型網(wǎng)民的勢頭。社會取向的網(wǎng)民意識到相關(guān)部門的不作為以及輿情博弈不公平的利益處境，通過博弈演化，最終所有網(wǎng)民都會選擇與相關(guān)部門作對的策略。

情境2：R-LRW、RW+R0?R、αAαB、βAAβABβBB，即社會取向型網(wǎng)民的收益RW高于個人取向型網(wǎng)民的總收益R-L，社會取向型網(wǎng)民的總收益RW+R0比個人取向型網(wǎng)民的收益R大；個人取向的網(wǎng)民不計利益、盲目地積極地參與輿情博弈；網(wǎng)絡(luò)中B-B型博弈連接死亡率βBB最高，個人取向型的網(wǎng)民并沒有相互勾結(jié)，說明該情況下個人取向型的網(wǎng)民主要想炒作自身、獲取高度的關(guān)注和知名度。那么此時，最終全部人會選擇與相關(guān)輿情部門作對。該情境顯示相關(guān)輿情治理部門雖然采取了相應(yīng)的獎勵、懲罰機制，但是由于網(wǎng)絡(luò)中選擇與之相反的行為態(tài)度的網(wǎng)民理性程度過低，他們過于盲目地追求個人知名度等而積極與周圍網(wǎng)民進(jìn)行博弈，網(wǎng)絡(luò)中其他主體受到了集群的情緒渲染，開始逐漸效仿，隨波逐流，最終導(dǎo)致網(wǎng)絡(luò)中所有網(wǎng)民都選擇與相關(guān)輿情部門作對。

情境3：a?c，bd，即社會取向型網(wǎng)民的總收益RW+R0比個人取向型網(wǎng)民的收益R大，個人取向型網(wǎng)民的總收益R-L高于社會取向型網(wǎng)民的收益RW，相關(guān)輿情部門為社會取向型網(wǎng)民提供較高的額外利益但懲罰力度較輕；A-A型、B-B型活躍連接比例λAA、λBB高于A-B型的λAB，取向不同的網(wǎng)民之間容易發(fā)生沖突。在該情況下若初始群體中有比例的網(wǎng)民采用策略A時，最終群體內(nèi)所有人都將采用策略B。調(diào)節(jié)參數(shù)即調(diào)節(jié)參數(shù)使其盡可能地大，有助減少網(wǎng)絡(luò)輿情走勢惡化的可能性。

(20)

由于αi(i∈{A,B})是采用不同策略的網(wǎng)民形成新的博弈連接行為偏好的指標(biāo)，相關(guān)部門進(jìn)行輿情治理時對網(wǎng)民本身的行為偏好進(jìn)行整治難度較大，因此輿情治理部門應(yīng)該主要從網(wǎng)民追求群體利益、個人利益、網(wǎng)絡(luò)穩(wěn)定提供給網(wǎng)民利益、懲罰力度等等其他可控的方面進(jìn)行考慮。

情境4：網(wǎng)絡(luò)輿情博弈得益滿足a-b-c+d=0且d?b的條件，即社會取向型網(wǎng)民的總收益RW+R0比個人取向型網(wǎng)民的收益R小，個人取向型網(wǎng)民的總收益R-L高于社會取向型網(wǎng)民的收益RW，相關(guān)輿情部門不重視輿情治理工作，缺乏相對的獎勵、懲罰措施，不同博弈連接類型的活躍連接比例滿足λAAλABλBB，個人取向型的網(wǎng)民相對社會取向型網(wǎng)民更加積極地參與網(wǎng)絡(luò)輿情博弈中且個人取向型網(wǎng)民之間存在相互勾結(jié)。此時減少d、增加b可使輿情的趨勢向好的結(jié)果演化。

由于d與R成正相關(guān)，與L、βBB成負(fù)相關(guān)；b與RW成正相關(guān)，與βAB成負(fù)相關(guān)，所以相關(guān)部門加緊完善網(wǎng)絡(luò)輿情監(jiān)管制度，及時對惡意造謠、炒作而損害集體利益的網(wǎng)民采取懲罰措施，加大懲罰力度L，減少個人取向型網(wǎng)民的收益R；相關(guān)部門盡快完善輿情舉報體系，及時發(fā)現(xiàn)并處理個人取向型網(wǎng)民不良的言論，人為增大B-B型博弈連接死亡率βBB；相關(guān)部門在網(wǎng)絡(luò)輿情中打造意見領(lǐng)袖，多轉(zhuǎn)發(fā)、評論和點贊正確的言論，增加社會取向型網(wǎng)民的心理收益RW；社會取向型網(wǎng)民積極應(yīng)對不良言論，降低A-B型博弈連接死亡率βAB，這些做法均可有效地使網(wǎng)絡(luò)輿情朝向有利的結(jié)果演化。

情境5：網(wǎng)絡(luò)輿情博弈得益滿足d=b且a-b-c+d0的條件，即A-B型活躍連接比率與B-B型活躍連接比率的比值等于個人取向型網(wǎng)民的總收益與社會取向型網(wǎng)民的心理收益的比值，且社會取向型網(wǎng)民的總收益RW+R0比個人取向型網(wǎng)民的收益R小，相關(guān)部門提供的獎勵不夠，個人取向型網(wǎng)民容易獲得關(guān)注；社會取向型網(wǎng)民之間博弈連接活躍程度λAA較λAB低，社會取向型參與輿情積極性較低，缺乏相互支持。此時減少c、增加a可使網(wǎng)絡(luò)輿情向好的結(jié)果演化。容易得知c與R成正相關(guān)，與βAB成負(fù)相關(guān)；a與RW、R0成正相關(guān)，與βAA成負(fù)相關(guān)。

結(jié)論1：由情境1可知，當(dāng)個人取向型網(wǎng)民有利可圖且容易相互勾結(jié)，社會取向型網(wǎng)民之間缺乏相互支持時，單靠社會取向型網(wǎng)民積極抨擊不良言論，缺乏相關(guān)部門適當(dāng)治理，易造成網(wǎng)絡(luò)全員選擇與治理部門作對的演化結(jié)果。

結(jié)論2：根據(jù)情境2可知，倘若相關(guān)輿情部門不能僅靠獎勵和懲罰兩種措施來治理網(wǎng)絡(luò)輿情，還應(yīng)該結(jié)合教育部門做好網(wǎng)民的思想教育工作，提高網(wǎng)民的道德素養(yǎng)，引導(dǎo)個人取向型網(wǎng)民樹立正確的價值觀，重視培養(yǎng)網(wǎng)民社會責(zé)任感、公民道德感、集體意識。在情境2這樣的網(wǎng)絡(luò)環(huán)境之下，輿情治理難度較大，相關(guān)部門任重道遠(yuǎn)。

結(jié)論3：由情境3可知，如果相關(guān)的輿情部門原是采取多獎勵和少懲罰的治理對策，而且不同取向的網(wǎng)民之間容易發(fā)生沖突，在此情況下，相關(guān)部門完善輿情舉報機制，加大懲罰的力度，打造官方的意見領(lǐng)袖，及時回應(yīng)相應(yīng)的輿情事件，做好辟謠工作，這些做法均可以有效地改善輿情的演化結(jié)果。

結(jié)論4：情境4表明，如果相關(guān)部門原來不重視輿情治理工作，缺乏相對的獎勵和懲罰措施，個人取向型網(wǎng)民相對社會取向型網(wǎng)民更加積極地參與網(wǎng)絡(luò)輿情博弈當(dāng)中，且個人取向型網(wǎng)民存在相互勾結(jié)現(xiàn)象，那么在此情況下，相關(guān)輿情治理部門抓緊完善網(wǎng)絡(luò)輿情監(jiān)管制度，及時對惡意造謠、炒作從而損害集體利益的網(wǎng)民采取懲罰措施，加大懲罰他們的力度，及時發(fā)現(xiàn)并處理個人取向型網(wǎng)民不良的言論，可有效地改善輿情演化結(jié)果。同時社會取向型網(wǎng)民配合相關(guān)部門的工作，積極應(yīng)對不良言論，也可起到改善輿情演化的作用。

結(jié)論5：由情境5可知，倘若A-B型活躍連接比率與B-B型活躍連接比率的比值等于個人取向型網(wǎng)民的總收益與社會取向型網(wǎng)民的心理收益的比值，相關(guān)部門提供的獎勵不夠，個人取向型網(wǎng)民容易獲得關(guān)注，社會取向型參與輿情積極性較低且缺乏相互支持彼此，在這種情況下，相關(guān)部門完善輿情監(jiān)督、舉報機制，及時應(yīng)對個人取向型網(wǎng)民不良的言論，鼓勵社會取向型網(wǎng)民多轉(zhuǎn)發(fā)意見領(lǐng)袖的言論，汲取民意提高辦事效率，社會取向型網(wǎng)民減少對個人取向型網(wǎng)民不良言論的轉(zhuǎn)發(fā)，這些做法可以有效地使網(wǎng)絡(luò)輿情朝著良好的結(jié)果演化。

6 結(jié)語

在傳統(tǒng)基于演化博弈模型的網(wǎng)絡(luò)輿情研究中，學(xué)者們默認(rèn)博弈方以均勻混合的方式連接進(jìn)行博弈，忽略博弈方之間存在復(fù)雜的交互作用的情況，如創(chuàng)建新博弈連接的行為偏好以及維持博弈連接的時間長短。因此本文在網(wǎng)絡(luò)輿情的復(fù)制動態(tài)模型中引入以上兩個復(fù)雜交互因素，結(jié)果顯示在網(wǎng)民交互連接達(dá)到穩(wěn)態(tài)時，網(wǎng)民博弈的得益矩陣會發(fā)生改變，新的得益矩陣是由原得益矩陣中的元素乘以其相應(yīng)的博弈連接類型的活躍連接占總體的比例而形成，表明博弈方之間復(fù)雜的交互作用會對網(wǎng)絡(luò)輿情演化結(jié)果造成影響，同時也說明了在復(fù)雜的網(wǎng)絡(luò)輿情博弈中，得益矩陣并不是一成不變的，具有一定的理論意義。

在此基礎(chǔ)上，本文構(gòu)建了網(wǎng)絡(luò)輿情演化博弈模型，探討了在不同條件下的輿情演化穩(wěn)定均衡解，進(jìn)一步分析、解釋網(wǎng)民復(fù)雜交互行為因素以及網(wǎng)民初始得益矩陣對網(wǎng)絡(luò)輿情演化的影響。最后，根據(jù)不同的情境，提出了有針對性的輿情治理建議。