劉玉文 翟菊葉 潘 瑋 黃錦泉 王 燦

（1.蚌埠醫(yī)學(xué)院衛(wèi)生管理學(xué)院，安徽 蚌埠 233030；2.安徽工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，安徽 馬鞍山 243032）

隨著交互式網(wǎng)絡(luò)和自媒體技術(shù)的迅速發(fā)展，信息傳遞更加方便快捷，越來越多的人通過微信、抖音、QQ、微博、新聞評(píng)論等社交媒體發(fā)表對(duì)社會(huì)事件的觀點(diǎn)和看法，表達(dá)自己的情緒，形成了龐大的社交輿情網(wǎng)絡(luò)［1］。有研究表明［2］：網(wǎng)絡(luò)互動(dòng)（評(píng)論、轉(zhuǎn)發(fā)、關(guān)注等）已逐漸成為網(wǎng)絡(luò)輿情產(chǎn)生和發(fā)酵的源頭，網(wǎng)民在信息交互和傳遞的過程中不斷推動(dòng)著輿情向前發(fā)展。當(dāng)前，熱點(diǎn)事件層出不窮，大量負(fù)面觀點(diǎn)的出現(xiàn)嚴(yán)重影響著網(wǎng)絡(luò)生態(tài)的和諧發(fā)展。如何分析網(wǎng)民觀點(diǎn)的演化動(dòng)因，預(yù)測(cè)網(wǎng)民觀點(diǎn)的變化，從而制定合理的引導(dǎo)策略，已經(jīng)成為社會(huì)管理部門迫切需要解決的問題［3］。

當(dāng)前，網(wǎng)絡(luò)用戶觀點(diǎn)分析研究主要集中在兩個(gè)方面：一是用戶觀點(diǎn)統(tǒng)計(jì)分析，二是觀點(diǎn)演化機(jī)理分析。觀點(diǎn)統(tǒng)計(jì)分析研究主要從網(wǎng)絡(luò)事件本身入手，運(yùn)用情感計(jì)算技術(shù)對(duì)網(wǎng)民觀點(diǎn)進(jìn)行分類，得出“贊同”、“中立”、“反對(duì)”的觀點(diǎn)分布。如張夢(mèng)瑤等［4］提出了話題內(nèi)用戶群體觀點(diǎn)劃分模型，該模型從情感計(jì)算角度入手，采用基于情感詞典的方法計(jì)算用戶文本情感強(qiáng)度，并將文本情感強(qiáng)度與用戶文本向量相結(jié)合構(gòu)建用戶觀點(diǎn)情感特征，最后利用K-means聚類方法對(duì)用戶群體觀點(diǎn)進(jìn)行劃分。周知等［5］提出了一種融合句法特征組合與產(chǎn)品特征庫(kù)的用戶觀點(diǎn)識(shí)別方法，該方法基于依存句法分析技術(shù)和Word2Vec 詞向量技術(shù)構(gòu)建產(chǎn)品特征庫(kù)，通過依存詞對(duì)的詞性特征、依存關(guān)系組合特征和詞匯距離約束等方法對(duì)在線評(píng)論用戶的觀點(diǎn)抽取。聶卉等［6］提出了基于特征序列描述的觀點(diǎn)聚類模型（Opinion_LDA），該方法探討基于觀點(diǎn)的產(chǎn)品主題特征匯聚以及用戶觀點(diǎn)量化兩個(gè)問題，把依存句法分析技術(shù)及詞法修飾關(guān)系與LDA模型相融合，實(shí)現(xiàn)了觀點(diǎn)的聚類和量化。上述觀點(diǎn)統(tǒng)計(jì)分析方法能夠準(zhǔn)確地挖掘出網(wǎng)民的觀點(diǎn)分布，有助于細(xì)致了解當(dāng)前輿情狀態(tài)；缺陷是無法發(fā)現(xiàn)輿情背后的網(wǎng)民觀點(diǎn)演化機(jī)理，無法判斷輿情的發(fā)展趨勢(shì)。隨后，研究者愈加意識(shí)到觀點(diǎn)演化機(jī)理研究對(duì)輿情研判的重要性，產(chǎn)生了眾多理論成果。觀點(diǎn)演化機(jī)理研究核心是用戶交互的動(dòng)力學(xué)規(guī)律，即從認(rèn)知心理學(xué)和復(fù)雜網(wǎng)絡(luò)角度出發(fā)，研究網(wǎng)民觀點(diǎn)的演化路徑。目前，根據(jù)不同的行為交互假設(shè)形成了一系列用戶觀點(diǎn)演化經(jīng)典模型，如Sznajd模型［7］、Voter模型［8］、MR（Majority Rule）模型［9］等。這些模型是依據(jù)觀點(diǎn)類別劃分理論建立的離散化模型，能夠根據(jù)節(jié)點(diǎn)之間的交互行為，對(duì)用戶觀點(diǎn)進(jìn)行預(yù)測(cè)，但這種模型沒有考慮到觀點(diǎn)之間的差異，不能反映網(wǎng)民態(tài)度的細(xì)粒度變化。為了真實(shí)仿真日常生活中民眾觀點(diǎn)的交互過程，出現(xiàn)了連續(xù)型觀點(diǎn)演化模型Deffuant［10］。該模型假設(shè)兩個(gè)個(gè)體相遇時(shí)時(shí)，只有觀點(diǎn)差值小于設(shè)定閾值時(shí)才能進(jìn)行觀點(diǎn)交互，反映出了“人以類聚”的生物特性。隨后，在Deffuant模型架構(gòu)上又衍生出了一系列改進(jìn)方法，如馬永軍［9］等在Deffuant 模型中構(gòu)建加權(quán)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，提出了復(fù)雜網(wǎng)絡(luò)環(huán)境下的用戶觀點(diǎn)演化模型CN-Deffuant，該模型把個(gè)體之間的信任度參數(shù)引入Deffuant模型中，并以信任度作為觀點(diǎn)更新系數(shù)，提高了觀點(diǎn)演化識(shí)別精度。但CN-Deffuant模型也存在著一個(gè)缺陷，即對(duì)兩個(gè)相遇的個(gè)體而言，信任度是相同的，沒有考慮雙方信任的差異性。黃傳超［11］等從個(gè)體認(rèn)知層面和群體層面對(duì)Deffuant模型進(jìn)行改進(jìn)，把CODA行為機(jī)制與Deffuant模型相結(jié)合，提出了突發(fā)事件中觀點(diǎn)決策模型（OD-Deffuant），該模型認(rèn)為當(dāng)兩個(gè)個(gè)體相遇時(shí)，個(gè)體觀點(diǎn)受到對(duì)方個(gè)體影響力和群體觀點(diǎn)壓力兩個(gè)因素的影響，并把這兩個(gè)因素作為觀點(diǎn)更新的調(diào)節(jié)系數(shù)，進(jìn)一步提高了觀點(diǎn)演化識(shí)別精度。但該方法存在的問題是個(gè)體影響力的計(jì)算只考慮到結(jié)構(gòu)特征，沒有考慮到節(jié)點(diǎn)的行為特征和環(huán)境特征，使得節(jié)點(diǎn)影響力參數(shù)精度不夠高。

針對(duì)以上Deffuant改進(jìn)模型存在的問題，本文研究了不同個(gè)體在觀點(diǎn)交互時(shí)的個(gè)體影響力差異，把基于多特征的節(jié)點(diǎn)影響力計(jì)算引入到Deffuant模型中，并結(jié)合情感圈語(yǔ)義計(jì)算方法，提出了一種基于節(jié)點(diǎn)影響力的用戶觀點(diǎn)演化分析模型（INF-Deffuant），該模型首先把節(jié)點(diǎn)影響力等價(jià)于節(jié)點(diǎn)信任度，認(rèn)為兩個(gè)個(gè)體在觀點(diǎn)交互時(shí)，彼此之間的信任度是不同的，這種方式打破了以往Deffuant 改進(jìn)模型中個(gè)體雙方信任度相等思想；然后依據(jù)節(jié)點(diǎn)的結(jié)構(gòu)特征、行為特征和環(huán)境特征計(jì)算節(jié)點(diǎn)影響力，并通過節(jié)點(diǎn)影響力來調(diào)控交互范圍，最后，通過情感圈理論判斷用戶的觀點(diǎn)。

1 相關(guān)理論

1.1 Deffuant模型

Deffuant 模型［12］是一種在Sznajd 模型基礎(chǔ)上改進(jìn)而來的連續(xù)型觀點(diǎn)交互模型，該模型認(rèn)為在由N 個(gè)個(gè)體組成的網(wǎng)絡(luò)空間中，每個(gè)個(gè)體都有一個(gè)觀點(diǎn)值Ox（x=1，2，3，…，N），且Ox∈［-1，1］。當(dāng)兩個(gè)個(gè)體相遇時(shí)，只有觀點(diǎn)差值在規(guī)定的閾值范圍內(nèi)才能進(jìn)行觀點(diǎn)交互，這個(gè)閾值一般用ε表示。

假設(shè)t時(shí)刻個(gè)體x與個(gè)體y相遇，若兩者的觀點(diǎn)值小于等于初始設(shè)定的交互閾值（即|Ox-Oy|≤ε）時(shí)，個(gè)體x與y的觀點(diǎn)交互規(guī)則如公式（1）所示。

其中，μ表示個(gè)體之間觀點(diǎn)的接受程度，一般情況下μ的取值在［0，0.5］之間。否則，兩者的觀點(diǎn)值在t-1時(shí)刻保持不變，如公式（2）所示。

通過Deffuant模型的交互規(guī)則可以看出：觀點(diǎn)接受度μ在個(gè)體觀點(diǎn)交互過程中起著非常重要的作用，當(dāng)μ較小時(shí)，表示個(gè)體之間態(tài)度較為強(qiáng)硬，都不會(huì)輕易接受對(duì)方意見，觀點(diǎn)融合較難；而當(dāng)μ較大時(shí)，表示個(gè)體之間很容易改變自身觀點(diǎn)，雙方容易妥協(xié)。

1.2 Deffuant模型存在的局限

Duffuant模型具有觀點(diǎn)連續(xù)、建模簡(jiǎn)單等特點(diǎn)，但也存在著一些不足之處，主要表現(xiàn)在以下幾個(gè)方面：

（1）觀點(diǎn)接受度μ相同，忽略了個(gè)體之間的影響力差異。對(duì)于相遇的兩個(gè)個(gè)體，個(gè)體之間按照相同的比例接收對(duì)方觀點(diǎn)，觀點(diǎn)值彼此靠近。這種方式不僅削弱了意見領(lǐng)袖在群體中的引領(lǐng)作用，還整體拉低了民眾觀點(diǎn)的下線。

（2）模型收斂速度慢。由于接受度μ取值范圍［0，0.5］，觀點(diǎn)的增量最多為觀點(diǎn)差值的一半，隨著迭代次數(shù)的增加，觀點(diǎn)增量線性遞減，延長(zhǎng)了群體觀點(diǎn)達(dá)到一致的時(shí)間。

（3）個(gè)體交互范圍小。Duffuant模型認(rèn)為當(dāng)|Ox-Oy|≤ε時(shí)，x和y才發(fā)生觀點(diǎn)交互。但通常情況下，如果x和y影響力差值較大時(shí)，無論觀點(diǎn)差值如何，也容易發(fā)生觀點(diǎn)交互。這時(shí)，往往是影響力小的用戶觀點(diǎn)向影響力大的用戶觀點(diǎn)靠近。比如一個(gè)意見領(lǐng)袖和一個(gè)普通用戶相遇，如果他們觀點(diǎn)值相差較大，普通用戶的觀點(diǎn)就會(huì)大幅度向意見領(lǐng)袖靠近，而意見領(lǐng)袖的觀點(diǎn)幾乎不變。這種交互情況在Deffuant模型中并沒有體現(xiàn)，使得Duffuant模型縮減了個(gè)體交互范圍，同時(shí)也變相的降低了模型準(zhǔn)確率。

2 基于INF-Deffuant模型的用戶觀點(diǎn)演化分析

針對(duì)Deffuant模型個(gè)體交互范圍小、收斂速度慢、個(gè)體之間觀點(diǎn)接受度相同等問題，先前的CN-Deffuant模型和OD-Deffuant模型均沒有進(jìn)行有效地解決。本文把節(jié)點(diǎn)影響力參數(shù)引入到Deffuant模型中，建立了基于影響力的觀點(diǎn)交互模型（Influence based Deffuant，INF-Deffuant）。該模型認(rèn)為除了具有相似觀點(diǎn)的個(gè)體容易發(fā)生觀點(diǎn)交互外，權(quán)威觀點(diǎn)和輿論環(huán)境也是影響個(gè)體觀點(diǎn)選擇的重要因素。另外，由于認(rèn)知差異的影響，影響力大的節(jié)點(diǎn)的認(rèn)知差異往往小于影響力小的節(jié)點(diǎn)，不同影響力節(jié)點(diǎn)進(jìn)行觀點(diǎn)交互時(shí)，觀點(diǎn)接受程度不一樣，雙方觀點(diǎn)更新值不對(duì)等。因此INF-Deffuant模型對(duì)隨機(jī)相遇的兩個(gè)個(gè)體觀點(diǎn)交互過程提出了如下假設(shè)：

假設(shè)1：當(dāng)兩者影響力差值≥ε時(shí)，影響力小的個(gè)體觀點(diǎn)值按一定的更新系數(shù)向影響力大的個(gè)體靠近，影響力大的個(gè)體觀點(diǎn)值保持不變。

假設(shè)2：當(dāng)兩者影響力差值≤ε且觀點(diǎn)差值較小時(shí)，則個(gè)體觀點(diǎn)按照各自的更新系數(shù)進(jìn)行觀點(diǎn)更新。

從兩個(gè)假設(shè)條件可以看出，如何從個(gè)體影響力和輿情環(huán)境角度獲取觀點(diǎn)更新系數(shù)，從而提高個(gè)體迭代時(shí)觀點(diǎn)更新精度是本文INF-Deffuant模型需要解決的關(guān)鍵技術(shù)問題。

2.1 INF-Deffuant模型描述

（1）觀點(diǎn)更新系數(shù)

通常情況下，興趣和觀點(diǎn)相似的網(wǎng)民之間交互行為更加頻繁，但由于認(rèn)知差異和影響力的不同，不同個(gè)體之間對(duì)對(duì)方的影響是不同的，使得各自觀點(diǎn)的更新程度存在差異。一般情況下，影響力大的個(gè)體具有獨(dú)立的觀點(diǎn)見解，不容易受到普通個(gè)體的干擾，在與影響力小的個(gè)體進(jìn)行交互時(shí)，觀點(diǎn)值變化??；而影響力小的節(jié)點(diǎn)由于認(rèn)知能力差，容易接受影響力大的用戶觀點(diǎn)，觀點(diǎn)變化較大。另外，在從眾心理和大眾認(rèn)知的影響下，個(gè)體在觀點(diǎn)選擇時(shí)也往往傾向于輿論的整體觀點(diǎn)。所以，為了能更真實(shí)的模擬現(xiàn)實(shí)網(wǎng)絡(luò)中民眾的交互行為，INF-Deffuant模型運(yùn)用個(gè)體影響力和輿論環(huán)境來建立個(gè)體觀點(diǎn)值更新系數(shù)。優(yōu)化后的觀點(diǎn)交互規(guī)則如下：

當(dāng)|Ox-Oy|≤ε時(shí)，

否則，二者的觀點(diǎn)值在下一時(shí)間點(diǎn)保持不變：

在公式（3）中，Rx（t）和Ry（t）分別表示個(gè)體x和y在t+1 時(shí)刻的觀點(diǎn)更新系數(shù)。μ為個(gè)體觀點(diǎn)接受度，μ∈［0，0.5］，服從正態(tài)分布。從公式（3）中可以看出，觀點(diǎn)更新系數(shù)R的計(jì)算是模型的核心。當(dāng)個(gè)體x與個(gè)體y相遇時(shí)，個(gè)體x觀點(diǎn)更新系數(shù)Rx（t）的計(jì)算公式如（5）所示。

其中，INFy表示個(gè)體y的影響力，Oe表示個(gè)體x所處的輿論環(huán)境觀點(diǎn)。a，b是程度系數(shù)，且a，b∈［0，1］，a+b=1。在同一個(gè)時(shí)間窗口內(nèi)，觀點(diǎn)環(huán)境是一個(gè)定值，容易計(jì)算得到。而節(jié)點(diǎn)的影響力受到很多因素影響，包括中心節(jié)點(diǎn)度，活躍度、傳播力以及周圍環(huán)境等，不同因素的重要程度也不相同，需要根據(jù)節(jié)點(diǎn)的多特征屬性綜合計(jì)算。具體計(jì)算過程在2.2 節(jié)中進(jìn)行詳細(xì)描述。

（2）擴(kuò)大個(gè)體交互范圍

Duffuant模型認(rèn)為只有當(dāng)|Ox-Oy|≤ε時(shí)，x和y才發(fā)生觀點(diǎn)交互。但根據(jù)1.2節(jié)中的分析，在x和y影響力差值較大時(shí)，也容易發(fā)生觀點(diǎn)交互。所以，INF-Deffuant模型對(duì)此種情況進(jìn)行了規(guī)則擴(kuò)充，擴(kuò)充的規(guī)則如下：

如果INFt（x）≥INFt（y）則：

否則：

2.2 網(wǎng)絡(luò)節(jié)點(diǎn)影響力計(jì)算

節(jié)點(diǎn)影響力計(jì)算是INF-deffuant模型的關(guān)鍵。由于網(wǎng)絡(luò)節(jié)點(diǎn)具有異質(zhì)性和不對(duì)稱性［2］，節(jié)點(diǎn)影響力也各不相同。節(jié)點(diǎn)影響力計(jì)算要綜合節(jié)點(diǎn)多方面特征來進(jìn)行。從網(wǎng)絡(luò)拓?fù)浜托畔鬟f兩個(gè)角度來說，節(jié)點(diǎn)特征可概括為結(jié)構(gòu)特征、行為特征和環(huán)境特征［13］。下面詳細(xì)介紹各特征值的計(jì)算過程。

（1）結(jié)構(gòu)特征計(jì)算

在社交網(wǎng)絡(luò)中，節(jié)點(diǎn)之間通過一定關(guān)系連接在一起所表現(xiàn)出來的特征叫結(jié)構(gòu)特征，如關(guān)注、好友、粉絲等。網(wǎng)絡(luò)結(jié)構(gòu)是一個(gè)有向圖。節(jié)點(diǎn)的結(jié)構(gòu)特征包含三個(gè)重要分量：中介中心度、好友數(shù)和粉絲數(shù)。結(jié)構(gòu)特征三個(gè)特征分量值計(jì)算如公式（8-10）所示。

在公式（8）-（10）中，表示u的入度，表示u的出度，Mbetween表示總度數(shù)；表示u的粉絲數(shù)，Mbetween表示粉絲總數(shù)；表示u 的好友數(shù)，Mfriend表示好友總數(shù)。根據(jù)公式（8）-（10），得出節(jié)點(diǎn)結(jié)構(gòu)特征S（u）的加權(quán)值，計(jì)算公式如（11）所示。

在公式（11）中，wS?表示用戶節(jié)點(diǎn)的中心度數(shù)、粉絲數(shù)以及好友數(shù)三個(gè)結(jié)構(gòu)特征分量在結(jié)構(gòu)特征中的權(quán)重。

（2）行為特征計(jì)算

用戶節(jié)點(diǎn)的行為特征包括用戶傳播力和用戶活躍度兩個(gè)特征分量。用戶傳播力是指在單位時(shí)間內(nèi)用戶觀點(diǎn)被評(píng)論和被轉(zhuǎn)發(fā)的次數(shù)。用戶活躍度是指在單位時(shí)間內(nèi)用戶發(fā)表和轉(zhuǎn)發(fā)意見的次數(shù)。兩個(gè)特征分量計(jì)算公式如（12）-（13）所示。

在公式（14）中，wB?表示用戶節(jié)點(diǎn)的傳播力和活躍度兩個(gè)特征分量在行為特征中的權(quán)重。

（3）環(huán)境特征計(jì)算

網(wǎng)絡(luò)節(jié)點(diǎn)影響力除了與結(jié)構(gòu)特征和行為特征相關(guān)外，還與所處的意見環(huán)境有關(guān)。意見環(huán)境主要由用戶的好友意見和粉絲意見組成。如果用戶u的好友影響力普遍較高，則對(duì)u的影響力貢獻(xiàn)值也較大；另外，如果u的粉絲對(duì)u的意見普遍贊同，則u的影響力也就越大。一般情況下，在邏輯結(jié)構(gòu)上，好友是和自己平級(jí)的節(jié)點(diǎn)，好友觀點(diǎn)權(quán)重要高于粉絲用戶。環(huán)境特征計(jì)算公式如（15）-（16）所示。

在公式（15）和（16）中，表示對(duì)用戶u 觀點(diǎn)贊成的好友數(shù)量，表示對(duì)用戶u 觀點(diǎn)反對(duì)的好友數(shù)量表示用戶u的好友總數(shù)。表示對(duì)用戶u觀點(diǎn)贊成的粉絲數(shù)量，表示對(duì)用戶u觀點(diǎn)反對(duì)的粉絲數(shù)量，表示用戶u的粉絲總數(shù)。根據(jù)公式（15）和（16），得出用戶環(huán)境特征E（u）的加權(quán)值，計(jì)算如公式（17）所示。

在公式（17）中，wE?表示用戶節(jié)點(diǎn)的好友影響力和粉絲影響力兩個(gè)特征分量在環(huán)境特征中的權(quán)重。

根據(jù)節(jié)點(diǎn)之間的邏輯關(guān)系，社交網(wǎng)絡(luò)組成了一個(gè)有向連通圖。節(jié)點(diǎn)影響力的計(jì)算，需要設(shè)置一些初始節(jié)點(diǎn)，并通過遞歸方法對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行多次迭代，最終找到整個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)影響力的穩(wěn)定狀態(tài)，得到用戶影響力計(jì)算公式如（18）所示。

其中INF（ui）表示影響力值，Wij是周圍用戶uj對(duì)ui的影響權(quán)重，d表示阻尼系數(shù)，一般情況下取經(jīng)驗(yàn)值0.8［13］。

2.3 觀點(diǎn)計(jì)算與判斷

觀點(diǎn)與情感具有相關(guān)性，用戶觀點(diǎn)的判斷依賴于用戶情感計(jì)算［14］?；谇楦性~典的計(jì)算方法是一種常用的文本情感計(jì)算技術(shù)，它依靠情感詞典的先驗(yàn)知識(shí)，能夠快速對(duì)文本情感進(jìn)歸類。但已有研究表明［15］：基于情感詞典的情感計(jì)算最大缺陷是不能利用上下文關(guān)系，無法理解語(yǔ)義環(huán)境，情感計(jì)算精度不高。為了解決這個(gè)問題，本文引入情感圈理論，從詞語(yǔ)之間的關(guān)聯(lián)程度角度來量化情感詞的情感強(qiáng)度。

（1）情感圈描述

情感圈的核心思想是詞語(yǔ)之間的共現(xiàn)度越大越具有相似的語(yǔ)義。每個(gè)詞語(yǔ)都能構(gòu)建一個(gè)情感圈，詞語(yǔ)的情感值由情感圈內(nèi)所有詞語(yǔ)情感值加權(quán)平均得到，使得詞語(yǔ)情感更加能夠貼近語(yǔ)義環(huán)境。

設(shè)D是給定的評(píng)論文本集，Ww={w1，w2，…，wn}表示w的情感圈向量。w與wi之間具有語(yǔ)義相關(guān)度，即語(yǔ)義距離，計(jì)算公式如（19）所示。

其中，f（w，wi）表示w和wi的在文本集D中共現(xiàn)次數(shù)，N表示D中詞匯總數(shù)，Nwi表示wi在D中出現(xiàn)的次數(shù)。另外，每個(gè)wi都具有情感，根據(jù)這個(gè)兩個(gè)特性，可以把w的情感圈向量表示成一個(gè)幾何圓，w是圓的中心，情感向量中的詞語(yǔ)分布在w的周圍，wi的位置由語(yǔ)義距離和先驗(yàn)情感共同決定。以w為中性的情感圈極坐標(biāo)系統(tǒng)如公式（20）所示。

對(duì)語(yǔ)義距離ri進(jìn)行歸一化處理，（ri，θi）表示wi的極坐標(biāo)，PS（wi）是wi的情感先驗(yàn)值。w的情感圈在極坐標(biāo)中被分成四個(gè)象限，如圖1所示。

圖1 詞w的情感圈表示Fig.1 Emotinal circle of word w

x軸代表情感值，x越小情感強(qiáng)度越大；y軸代表情感極性，y＞0表示正情感，y＜0表示負(fù)情感。第一象限的詞具有弱正情感，第二象限的詞具有強(qiáng)正情感，第三象限的詞具有強(qiáng)負(fù)情感，第四象限的詞具有弱負(fù)情感。把極坐標(biāo)轉(zhuǎn)換到平面直角坐標(biāo)系，Ww向量中的詞匯編碼公式如（21）所示

（2）詞語(yǔ)的修飾處理

由于否定詞和修飾詞的存在，為了準(zhǔn)確表達(dá)實(shí)體詞的詞義，文本引入語(yǔ)義詞組概念，具體定義形式如下：

定義1：語(yǔ)義詞組設(shè)五元組W=＜w，N，Adv，M，Q＞是個(gè)語(yǔ)義詞組，w表示情感詞，N代表w的否定前綴，Adv代表w的修飾前綴，M代表否定詞位置，Q代表w的極性。

語(yǔ)義詞組情感計(jì)算過程如下：為情感詞wn設(shè)置一個(gè)大小為5的檢測(cè)窗口，檢測(cè)窗口內(nèi)是否含有否定詞和修飾詞。情感計(jì)算如公式（22）所示。

其中，N（wn）表示wn的否定詞向量權(quán)重；Adv（wn）表示wn修飾詞向量權(quán)重，兩個(gè)分量可繼續(xù)分解為公式（23）和（24）。

在公式（23）和（24）中，e表示否定詞出現(xiàn)的次數(shù)，V表示程度副詞出現(xiàn)的數(shù)量。M（wn）表示否定詞的位置，初始值為1；Q（wn）表示情感翻轉(zhuǎn)系數(shù)，初始值為1。根據(jù)語(yǔ)義規(guī)則：①若否定詞在修飾詞前，則M（wn）取值為0.5；若在修飾詞后，則取值為1；②當(dāng)S（wn）＞0時(shí)，若wn有否定前綴，則Q（wn）取值為1；若S（wn）＜0時(shí)，則Q（wn）取值為0.5。

（3）詞語(yǔ)的情感計(jì)算

詞語(yǔ)w的情感圈wc={p1，p2，…，pn}由上下文相關(guān)聯(lián)詞語(yǔ)的直角坐標(biāo)組成，每個(gè)點(diǎn)pi都對(duì)應(yīng)一個(gè)坐標(biāo)（xi，yi），yi表示情感極性，xi表示情感強(qiáng)度?？梢酝ㄟ^情感圈內(nèi)所有詞匯的幾何中值來估算w的情感，計(jì)算公式如（25）所示。

其中，中值點(diǎn)z=（xi，yi）到其它點(diǎn)的歐式距離最小，用它來代替w的情感極性和情感強(qiáng)度最能體現(xiàn)出w的情感語(yǔ)義。

（4）用戶觀點(diǎn)判斷

網(wǎng)民觀點(diǎn)隱含在評(píng)論中，觀點(diǎn)與情感呈正相關(guān)關(guān)系。要想判斷民眾觀點(diǎn)，首先要計(jì)算民眾發(fā)表的、轉(zhuǎn)發(fā)的及點(diǎn)贊的評(píng)論綜合情感。設(shè)UWui={wu1，wu2，…，wun}、RWui={wr1，wr2，…，wrn}、AWui={wa1，wa2，…，wan}分別為用戶ui發(fā)表的、轉(zhuǎn)發(fā)的和點(diǎn)贊的評(píng)論詞集合，UZ={zu1，zu2，…，zun}、RZ={zr1，zr2，…，zrn}、AZ={za1，za2，…，zan}分別為UWui、UWui和UWui內(nèi)詞匯對(duì)應(yīng)的情感中值向量，則ui的觀點(diǎn)計(jì)算公式如（26）所示。

公式（26）中，p，q，l 表示權(quán)重，p+q+l=1。當(dāng)O（ui）＞0 時(shí)，ui的觀點(diǎn)為贊同；當(dāng)O（ui）＝0 時(shí)，ui的觀點(diǎn)為中立，當(dāng)O（ui）＜0時(shí)，ui的觀點(diǎn)為反對(duì)。

2.4 INF-Deffuant模型算法描述

INF-Deffuant模型運(yùn)用節(jié)點(diǎn)影響力調(diào)控節(jié)點(diǎn)的交互范圍，在個(gè)體交互過程中又引入了觀點(diǎn)更新系數(shù)，用于調(diào)控不同節(jié)點(diǎn)之間的觀點(diǎn)影響，模型的具體算法描述如下：

輸入：t時(shí)刻網(wǎng)絡(luò)拓?fù)銰t=＜U，E，W＞，文本集Dt，情感詞典SD，影響力差值閾值ζ，觀點(diǎn)差值閾值ε輸出：t+1時(shí)刻用戶觀點(diǎn)值Ou（t+1）（1）Calculate Oe（t）//計(jì)算t時(shí)刻整體輿論觀點(diǎn)值（2）For each ui∈U in G//遍歷每個(gè)用節(jié)點(diǎn)（3） Calculate INFt（ui）//計(jì)算ui的影響力（4） For each uj in Ui-meet//Ui-meet表示與ui相遇的個(gè)體集（5）Calculate INFt（uj）//計(jì)算uj的影響力（6）Calculate Rt（ui）←a×INFt（uj）+b×Oe（t）（7）Calculate Rt（ui）←a×INFt（uj）+b×Oe（t）（8）IF|INFt（ui）-INFt（uj）|≥ζ Then（9）IF INFt（ui）≥INFt（uj）Then（10）Ouj（t+1）=Ouj（t）-（1+Rt（ui））×μ（Ouj（t）-Oui（t））（11）Oui（t+1）=Oui（t）（12）Else（13）Oui（t+1）=Oui（t）+（1+Rt（uj））×μ（Ouj（t）-Oui（t））

續(xù)表

3 實(shí)驗(yàn)

3.1 數(shù)據(jù)預(yù)處理及參數(shù)設(shè)置

我們使用八爪魚網(wǎng)絡(luò)數(shù)據(jù)下載工具獲取了2021年8月20日～26日微博社區(qū)內(nèi)關(guān)于“男子救助被卡女童”事件的用戶評(píng)論數(shù)據(jù)，共計(jì)用戶102人，發(fā)表評(píng)論1 563條。首先依據(jù)網(wǎng)絡(luò)拓?fù)浣⒁粋€(gè)大小為M×6的用戶關(guān)系矩陣U，每一行代表一個(gè)用戶關(guān)系。第1列存放用戶ID、第2列存放好友列表、第3列存放粉絲列表、第4列存放評(píng)論列表、第5列存放轉(zhuǎn)發(fā)列表、第6列存放點(diǎn)贊列表。然后使用ICTCLAS分詞軟件對(duì)評(píng)論文本逐條分詞，去除停用詞、介詞、語(yǔ)氣詞、轉(zhuǎn)折詞等無用詞后，建立大小為M×5的評(píng)論分詞語(yǔ)料矩陣D，每一行代表一條評(píng)論文本d。第1列存放文本的發(fā)布時(shí)間，第2列存放文本的序號(hào)，第3列存放用戶的位置，第4列存放用戶ID，第5列存放分詞串。

對(duì)于任意用戶Ui而言，在沒有進(jìn)入信息交互時(shí)，定義為0時(shí)刻。當(dāng)t=0時(shí)，用戶Ui的初始觀點(diǎn)預(yù)測(cè)值設(shè)置為0。根據(jù)文獻(xiàn)［11］的實(shí)驗(yàn)結(jié)果，影響力權(quán)重a和輿論環(huán)境權(quán)重b分別設(shè)置為0.6和0.4；影響力閾值ζ設(shè)置為0.4，觀點(diǎn)閾值ε設(shè)置為0.3，以上均為經(jīng)驗(yàn)最優(yōu)值［10］。

3.2 單個(gè)用戶實(shí)體觀點(diǎn)演化分析

從任意用戶角度出發(fā)，每個(gè)用戶的交互過程都是按照時(shí)序進(jìn)行的。為直觀地描述INF-Deffuant模型的工作原理，文本以U22（隨機(jī)抽選）為例，依次計(jì)算U22在連續(xù)時(shí)間窗口上所有的交互結(jié)果，計(jì)算結(jié)果如表1。

從表1 可以看出，用戶U22先后與U12、U26、U68、U43、U18、U61進(jìn)行了12 次交互。用戶影響力和輿論環(huán)境是動(dòng)態(tài)變化的，因?yàn)楦鶕?jù)用戶影響力計(jì)算公式，隨著時(shí)間的推移，用戶不斷參與信息交互，拓?fù)浣Y(jié)構(gòu)會(huì)實(shí)時(shí)更新。另外，隨著用戶參與度增加，民眾的觀點(diǎn)會(huì)沿著某種趨勢(shì)變化，使得整體輿論環(huán)境也會(huì)動(dòng)態(tài)變化。

表1 用戶實(shí)體（U22）觀點(diǎn)演化分析結(jié)果Table 1 Evolunionary analysis of user's opionion（U22）

按照用戶U22的交互順序，當(dāng)t=0時(shí)，U22和U12相遇，根據(jù)INF-Deffuant模型的觀點(diǎn)交互計(jì)算規(guī)則，判定得到U22與U12影響力差值小于0.4，觀點(diǎn)差值小于0.3，符合公式（3）交互條件，計(jì)算出t=1時(shí)刻U22的觀點(diǎn)預(yù)測(cè)結(jié)果為-0.2687。當(dāng)t=3時(shí)，雖然觀點(diǎn)差值大于交互閾值ε，但影響力差值大于ζ，依然滿足公式（7）交互條件，計(jì)算得到t=4時(shí)刻U22觀點(diǎn)預(yù)測(cè)值為0.4194，按照公式（7）的交互規(guī)則，由于U43影響力較大，則U43觀點(diǎn)值保持不變。由于篇幅原因，U22的后續(xù)交互過程不再一一贅述。

3.3 群體觀點(diǎn)演化分析

通常情況下，某一熱點(diǎn)事件剛發(fā)生時(shí)，由于認(rèn)知差異，群體觀點(diǎn)往往比較分散，但隨著權(quán)威觀點(diǎn)和意見領(lǐng)袖的介入，在沒有突發(fā)因素的影響下，群體觀點(diǎn)會(huì)逐步收斂，最后集中于某個(gè)區(qū)間范圍內(nèi)達(dá)到穩(wěn)定狀態(tài)。圖2給出了本文模型對(duì)群體觀點(diǎn)演化的預(yù)測(cè)結(jié)果。

圖2 整體觀點(diǎn)演化預(yù)測(cè)結(jié)果Fig.2 Evolutionary prediction result of overall opinion

從圖中可以看出，t0時(shí)刻群體觀點(diǎn)比較分散，總體上贊同觀點(diǎn)多于反對(duì)觀點(diǎn)。隨著時(shí)間的發(fā)展，兩種觀點(diǎn)相互作用，最終在ta=6時(shí)刻群體觀點(diǎn)達(dá)到了穩(wěn)定的收斂狀態(tài)。圖2 中“藍(lán)線”表示模型對(duì)群體觀點(diǎn)的預(yù)測(cè)均值，“紅線”表示真實(shí)的群體觀點(diǎn)均值。群體觀點(diǎn)預(yù)測(cè)均值與真實(shí)均值之間相關(guān)度較高，說明INF-Deffuant模型在群體觀點(diǎn)預(yù)測(cè)方面達(dá)到了良好的效果。為了描述負(fù)面觀點(diǎn)和正面觀點(diǎn)的演化過程，了解兩種觀點(diǎn)的演化細(xì)節(jié)，本文對(duì)群體中負(fù)面觀點(diǎn)和正面觀點(diǎn)進(jìn)行了分離，并分別進(jìn)行了描述。

（1）負(fù)面觀點(diǎn)演化分析

負(fù)面觀點(diǎn)往往是輿情激化的推動(dòng)因素，對(duì)負(fù)面觀點(diǎn)演化分析能夠更好地了解輿情內(nèi)部規(guī)律。圖3描繪出了負(fù)面觀點(diǎn)的演化過程。

圖3 負(fù)面觀點(diǎn)演化預(yù)測(cè)結(jié)果Fig.3 Evolutionary prediction result of negative opinion

從圖3中可知，負(fù)面觀點(diǎn)的演化波動(dòng)較大，但整體呈上升趨勢(shì)，并在tb=6時(shí)刻絕大多數(shù)個(gè)體實(shí)現(xiàn)了觀點(diǎn)從負(fù)面向正面的翻轉(zhuǎn)（只有2個(gè)用戶沒有翻轉(zhuǎn)）。通過真實(shí)數(shù)據(jù)分析發(fā)現(xiàn)，事件伊始存在33個(gè)負(fù)面觀點(diǎn)用戶，但隨著信息的不斷披露及輿論環(huán)境的影響，對(duì)環(huán)衛(wèi)工人解救女童行為形成了普遍贊同的正面觀點(diǎn)共識(shí)，所以，在輿論環(huán)境和意見領(lǐng)袖的影響下，群體負(fù)面觀點(diǎn)值逐漸降低，最終實(shí)現(xiàn)了觀點(diǎn)翻轉(zhuǎn)。

（2）贊同觀點(diǎn)演化分析

贊同觀點(diǎn)是本事件過程的主流觀點(diǎn)，體現(xiàn)出了公眾對(duì)“助人為樂”的認(rèn)同。圖4描繪出了贊同觀點(diǎn)的演化過程。

圖4 正面觀點(diǎn)演化預(yù)測(cè)結(jié)果Fig.4 Evolutionary prediction result of positive opinion

從圖4中可以看出，正面觀點(diǎn)演化過程比較穩(wěn)定，在與負(fù)面觀點(diǎn)作用的過程中，觀點(diǎn)值稍有下降，并逐步收斂在0.6附近。整個(gè)過程沒有出現(xiàn)正面觀點(diǎn)翻轉(zhuǎn)為負(fù)面觀點(diǎn)的現(xiàn)象，符合大眾群體的理性認(rèn)知。

3.4 模型性能評(píng)價(jià)

為了驗(yàn)證INF-Deffuant模型對(duì)用戶觀點(diǎn)預(yù)測(cè)的有效性，文本采用準(zhǔn)確率、召回率和F值作為評(píng)價(jià)指標(biāo)，以Sznajd［7］、Deffuant［10］、CN-Deffuant［9］、OD-Deffuant［11］四個(gè)模型作為對(duì)比對(duì)象，在本文提供的8 個(gè)連續(xù)時(shí)刻數(shù)據(jù)集上依次運(yùn)行這些算法。把各模型預(yù)測(cè)出的t+1時(shí)刻群體觀點(diǎn)值與人工標(biāo)注結(jié)果進(jìn)行對(duì)比，準(zhǔn)確率、召回率、F值分別如表2～4所示。

表2 準(zhǔn)確率對(duì)比（%）Table 2 Accuracy comparison（%）

表3 召回率對(duì)比（%）Table 3 Recall comparison（%）

從表4中可以看出，INF-Deffuant模型的綜合F值高于其它模型，說明INF-Deffuant模型的觀點(diǎn)預(yù)測(cè)性能最好。從模型理論角度分析結(jié)果來看，文本提出的INF-Deffuant方法與當(dāng)前流行的Deffuant、CN-Deffuant及OD-Deffuant模型相比，存在兩個(gè)方面的優(yōu)勢(shì)：一是引入了基于影響力的可調(diào)節(jié)觀點(diǎn)接受系數(shù)，改變了原先交互個(gè)體之間觀點(diǎn)對(duì)等接受模式；二是提出了基于影響力差的交互規(guī)則，擴(kuò)大了個(gè)體交互范圍，使模型模擬過程更貼近人類交往實(shí)際。

表4 F值對(duì)比（%）Table 4 F-measure value comparison（%）

4 總 結(jié)

本文在Deffuant 模型基礎(chǔ)上，引入了用戶影響力參數(shù)，提出了基于影響力的觀點(diǎn)交互假設(shè)，建立了基于動(dòng)態(tài)可調(diào)的觀點(diǎn)接受度交互機(jī)制，構(gòu)建了基于影響力的用戶觀點(diǎn)交互模型INF-Deffuant。該模型認(rèn)為除了觀點(diǎn)相似的個(gè)體之間會(huì)發(fā)生交互外，影響力差值較大的用戶之間也會(huì)發(fā)生交互，且個(gè)體觀點(diǎn)的接受度受到對(duì)方影響力的影響。以影響力為基礎(chǔ)構(gòu)建觀點(diǎn)接受度系數(shù)，并調(diào)控個(gè)體之間的交互行為。經(jīng)過實(shí)驗(yàn)驗(yàn)證，INF-Deffuant 模型與其它流行的觀點(diǎn)交互模型相比，觀點(diǎn)演化預(yù)測(cè)性能達(dá)到了較好的水平，由于INF-Def-fuant模型假設(shè)是基于用戶影響力建立的，用戶影響力的計(jì)算精度是本模型的制約因素。在常規(guī)網(wǎng)絡(luò)環(huán)境下本文模型運(yùn)行效果較好，但如何在復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)中精確計(jì)算用戶影響力是我們下一步需要研究的工作。