周艷玲,沈曉軒

(合肥學(xué)院 人工智能與大數(shù)據(jù)學(xué)院,安徽 合肥 230041)

0 引言

近年來互聯(lián)網(wǎng)信息技術(shù)高速發(fā)展,網(wǎng)絡(luò)已經(jīng)成為反映社會(huì)輿情的主要載體之一,政府行政問政的渠道更多通過網(wǎng)絡(luò)上輿情,對(duì)網(wǎng)絡(luò)輿情開展監(jiān)控工作,可以有效提升政策制定的針對(duì)性和準(zhǔn)確性[1]。網(wǎng)絡(luò)輿情是指在互聯(lián)網(wǎng)上流行的對(duì)社會(huì)問題不同看法的網(wǎng)絡(luò)輿論,是社會(huì)輿論的一種表現(xiàn)形式,是通過互聯(lián)網(wǎng)傳播的公眾對(duì)現(xiàn)實(shí)生活中某些熱點(diǎn)、焦點(diǎn)問題所持的有較強(qiáng)影響力、傾向性的言論和觀點(diǎn)。網(wǎng)絡(luò)輿論則是各種流行網(wǎng)絡(luò)輿情的多元化集合和新時(shí)期社會(huì)治理的重要基礎(chǔ)數(shù)據(jù)資源[2]。輿論動(dòng)力學(xué)最近備受關(guān)注,在該領(lǐng)域已有大量成果,輿論動(dòng)力學(xué)旨在探討輿論生成與演變的內(nèi)外動(dòng)因,挖掘觀點(diǎn)轉(zhuǎn)變與共識(shí)形成的普遍規(guī)律[3]。同時(shí),新型冠狀病毒肺炎大流行的發(fā)生極大地促進(jìn)了網(wǎng)絡(luò)輿情的研究[4],并且輿論動(dòng)力學(xué)的研究對(duì)理解、控制和優(yōu)化真實(shí)系統(tǒng)有著重要的現(xiàn)實(shí)意義,也為理解人類的行為模式提供了一個(gè)獨(dú)特的視角[5],研究者常用復(fù)雜網(wǎng)絡(luò)方法研究輿論動(dòng)力學(xué)過程并提出了諸多模型,如F-J模型、D-K模型、Deffuant模型和KH模型等,其中Deffuant模型和KH模型都為有限信任模型,即存在一個(gè)置信區(qū)間(閾值),只有差距在閾值內(nèi)個(gè)體才會(huì)相互影響,但Deffuant模型與KH模型有所區(qū)別,Deffuant模型是每個(gè)時(shí)刻選取一對(duì)相鄰網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行交互,而KH模型每個(gè)時(shí)刻選取社交網(wǎng)絡(luò)的某個(gè)個(gè)體與滿足閾值范圍內(nèi)的所有個(gè)體進(jìn)行交互。因此,本論文選擇KH模型建立復(fù)雜網(wǎng)絡(luò),構(gòu)建無標(biāo)度的社交網(wǎng)絡(luò),并對(duì)閾值提出新的要求,使得傳播網(wǎng)絡(luò)的實(shí)現(xiàn)更為貼近現(xiàn)實(shí)輿情的傳播情況。同時(shí),通過Netlogo仿真環(huán)境對(duì)網(wǎng)絡(luò)輿情在無標(biāo)度網(wǎng)絡(luò)上的傳播進(jìn)行實(shí)時(shí)監(jiān)測,由于環(huán)境變化及輿情引導(dǎo)工作的開展,網(wǎng)絡(luò)輿情傳播會(huì)出現(xiàn)相應(yīng)的變化,從而本文將正常輿情傳播分為三個(gè)階段:發(fā)生期、爆發(fā)期和平息期。運(yùn)用大數(shù)據(jù)去分析各階段的數(shù)值波動(dòng),對(duì)監(jiān)測到的有價(jià)值信息進(jìn)行深度的思考加工和分析研究,更有效地制定出切實(shí)符合大眾利益的公共政策[6]。

1 輿情監(jiān)測系統(tǒng)的仿真模型構(gòu)建

1.1 輿情傳播網(wǎng)絡(luò)概述

新媒體信息革命催生出了強(qiáng)大的網(wǎng)絡(luò)力量,網(wǎng)絡(luò)輿情的形成與社會(huì)性網(wǎng)絡(luò)信息的傳播密切相關(guān)[7]。現(xiàn)實(shí)世界的網(wǎng)絡(luò)大部分都不是隨機(jī)網(wǎng)絡(luò),少數(shù)的節(jié)點(diǎn)往往擁有大量的連接,而大部分節(jié)點(diǎn)卻僅有很少的連接,其中社會(huì)人際關(guān)系網(wǎng)絡(luò)更為復(fù)雜,較為符合復(fù)雜網(wǎng)絡(luò)中無標(biāo)度網(wǎng)絡(luò)的情形。無標(biāo)度網(wǎng)絡(luò)具有普遍性,但同時(shí)也具有嚴(yán)重的異質(zhì)性,其各節(jié)點(diǎn)之間的連接狀況具有嚴(yán)重的不均勻分布性:網(wǎng)絡(luò)中少數(shù)稱之為Hub的節(jié)點(diǎn)的度數(shù)大,大多數(shù)節(jié)點(diǎn)的度數(shù)比較小,其中Hub節(jié)點(diǎn)在運(yùn)行中起主導(dǎo)作用。因此本模型網(wǎng)絡(luò)構(gòu)建時(shí),選用簡潔的無標(biāo)度網(wǎng)絡(luò)構(gòu)建模型,即BA模型。

BA模型遵循兩個(gè)機(jī)制:

增長:每次加入一個(gè)新的節(jié)點(diǎn),模擬顯示網(wǎng)絡(luò)不斷增大變大。

優(yōu)先連接:在新節(jié)點(diǎn)加入時(shí),優(yōu)先選擇與高度數(shù)的節(jié)點(diǎn)連接。這模擬現(xiàn)實(shí)中新網(wǎng)頁一般會(huì)連接到知名的網(wǎng)絡(luò)站點(diǎn),如新機(jī)場會(huì)優(yōu)先考慮建立與大機(jī)場之間的航線。i和j節(jié)點(diǎn)連接概率算法:

(1)

Ki為i節(jié)點(diǎn)的度,分母為所有已有節(jié)點(diǎn)的度之和。

但是在BA無標(biāo)度網(wǎng)絡(luò)中,每個(gè)新節(jié)點(diǎn)的度值相同,優(yōu)先連接概率與原節(jié)點(diǎn)的度值呈線性關(guān)系,原節(jié)點(diǎn)之間無法產(chǎn)生新的連接,且網(wǎng)絡(luò)聚類特性較差[8]。因此本模型網(wǎng)絡(luò)對(duì)BA無標(biāo)度網(wǎng)絡(luò)進(jìn)行優(yōu)化衍生,將機(jī)制中的優(yōu)先連接中的概率算法改為歐幾里得距離,即所創(chuàng)建的網(wǎng)絡(luò)是基于節(jié)點(diǎn)之間的接近性。歐幾里得距離算法公式:

(2)

同時(shí),為了保證原節(jié)點(diǎn)的可重用性與網(wǎng)絡(luò)的聚類特性更貼近輿情傳播網(wǎng)絡(luò),引入聚類系數(shù),控制整個(gè)網(wǎng)絡(luò)圖的平均節(jié)點(diǎn)度數(shù)。網(wǎng)絡(luò)節(jié)點(diǎn)間的距離調(diào)用Netlogo自帶的layout-spring方法,使整個(gè)網(wǎng)絡(luò)看起來更加美觀。

1.2 輿情監(jiān)測模型SIRKH模型建立

SIRKH模型是基于輿論動(dòng)力學(xué)模型KH模型和傳統(tǒng)流行病傳播模型SIR模型而改進(jìn)的輿情監(jiān)測模型。傳統(tǒng)SIR模型分為三類人群:易感者S、感染者I和康復(fù)者R,其中感染者會(huì)有概率感染易感者,也有一定概率會(huì)變?yōu)榭祻?fù)者。KH模型是有限信任模型,即存在一個(gè)置信區(qū)間(閾值)只有差距在閾值內(nèi)才會(huì)相互影響,每個(gè)時(shí)刻選擇某個(gè)節(jié)點(diǎn)與所有觀點(diǎn)值在閾值范圍內(nèi)的節(jié)點(diǎn)交互,以此模擬現(xiàn)實(shí)輿情點(diǎn)的傳播方式,控制傳播概率。

SIRKH模型,將輿情傳播網(wǎng)絡(luò)中的人群分為四類:易受謠言影響者S、媒體謠言傳播者O、個(gè)人謠言傳播者P和免疫謠言者R。媒體和個(gè)人謠言傳播者有概率傳播謠言給易受謠言影響者,該概率即為KH模型制定的置信區(qū)間(閾值),為了使閾值更符合輿情傳播概率,添加熱值參數(shù),熱值越高,閾值就越大,就更易傳播。

SIRKH模型的仿真模型中黃點(diǎn)代表非媒體影響的個(gè)人謠言傳播者,紅點(diǎn)代表受媒體謠言傳播影響人群,藍(lán)點(diǎn)代表易受謠言影響者,灰點(diǎn)代表康復(fù)者,熱值hot會(huì)影響紅點(diǎn)與黃點(diǎn)的顏色,相鄰節(jié)點(diǎn)謠言傳播者越多,熱值越高,顏色就越深;模型有七個(gè)滑塊組件:number-of-nodes滑塊用于調(diào)節(jié)輿情傳播網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù),符合BA模型的增長機(jī)制;average-node-degree滑塊控制平均節(jié)點(diǎn)度數(shù),并與number-of-nodes滑塊一起改變網(wǎng)絡(luò)節(jié)點(diǎn)連接數(shù);initial-outbreak-size滑塊控制初始輿情點(diǎn)數(shù)量,媒體輿情點(diǎn)和個(gè)人輿情點(diǎn)根據(jù)輿情點(diǎn)的初始熱值來隨機(jī)產(chǎn)生;rumors-spread-chance滑塊與hot參數(shù)一起控制輿情的置信區(qū)間;rumors-check-frequency滑塊用于調(diào)節(jié)輿情的檢查頻率,實(shí)現(xiàn)輿情的實(shí)時(shí)監(jiān)測;recovery-chance滑塊控制謠言傳播者轉(zhuǎn)變?yōu)橐资苤{言影響者的概率;gain-resistance-chance滑塊控制謠言傳播者轉(zhuǎn)變?yōu)橹{言免疫者的概率。

1.2.1 SIRKH模型符號(hào)說明

構(gòu)建SIRKH數(shù)學(xué)模型所需的符號(hào)如表1所示:

表1 模型符號(hào)表

1.2.2 SIRKH數(shù)學(xué)模型的構(gòu)建

建立SIRKH中輿情動(dòng)力學(xué)數(shù)學(xué)模型,即Agent之間的意見交互規(guī)則,該規(guī)則要求能夠體現(xiàn)出意見變化的各種因素。本模型是用0～1之間的連續(xù)值代表網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)的輿論值,Si表示i個(gè)節(jié)點(diǎn)的輿論值,用ε=α+αh∈(0,1)表示網(wǎng)絡(luò)中鄰接節(jié)點(diǎn)的信任條件,若鄰接節(jié)點(diǎn)的輿論差小于ε,則表示兩者相互信任,兩者達(dá)成共識(shí)。反之,如果兩者的輿論差大于ε,則表示兩者互不信任,由于本模型中|Si(t)-Sj(t)|的值會(huì)受外部環(huán)境影響因子影響,所以將其設(shè)置為0～1的隨機(jī)值,將每個(gè)節(jié)點(diǎn)的熱值h設(shè)置為閾值ε的系數(shù)。演化規(guī)則如下:

當(dāng)|Si(t)-Sj(t)|≤ε時(shí),下一時(shí)間步按照以下方式改變節(jié)點(diǎn)對(duì)的意見。

S(t+1)→O(t+1)(若前置agent為O:媒體謠言傳播者)

S(t+1)→P(t+1)(若前置agent為P:個(gè)人謠言傳播者)

S(t+1)表示下個(gè)時(shí)間步節(jié)點(diǎn)的意見狀態(tài)。圖1為SIRKH模型狀態(tài)圖。

圖1 SIRKH模型狀態(tài)圖

(2) 代入時(shí)間參數(shù)t后,對(duì)SIR數(shù)學(xué)模型進(jìn)行優(yōu)化改進(jìn),引入輿論動(dòng)力學(xué)數(shù)學(xué)模型,在傳統(tǒng)傳播謠言模型的基礎(chǔ)上,考慮媒體傳播和個(gè)人傳播外部影響因素不同,因此設(shè)置影響因子λ和η。構(gòu)建的SIRKH數(shù)學(xué)模型的微分方程如公式3-公式7所示:

(3)

(4)

(5)

(6)

S(t)+I(t)+R(t)=1;I(t)=O(t)+P(t)

(7)

本模型描述的是輿情傳播過程中每一時(shí)刻鄰接矩陣節(jié)點(diǎn)狀態(tài)的變化。從節(jié)點(diǎn)的初始狀態(tài)到節(jié)點(diǎn)的最終狀態(tài),由易受謠言影響者接觸到信息在置信區(qū)間內(nèi)轉(zhuǎn)化為傳播者,再到傳播者受環(huán)境影響因子影響會(huì)對(duì)信息產(chǎn)生質(zhì)疑從而回歸到易受謠言影響者,而當(dāng)傳播者已經(jīng)確認(rèn)信息的不實(shí),則會(huì)變?yōu)槊庖咧{言者。

2 Netlogo下的SIRKH模型分析與仿真

2.1 SIRKH模型初始化參數(shù)

基于復(fù)雜網(wǎng)絡(luò)最基本的三大特點(diǎn)——小世界、無標(biāo)度、高聚類,本模型中的輿情傳播網(wǎng)絡(luò)就屬于復(fù)雜網(wǎng)絡(luò),為了方便仿真模擬輿情傳播過程中主體交互,狀態(tài)的變化,對(duì)模型的參數(shù)進(jìn)行初始化,如表2所示:

表2 模型參數(shù)初始化表

本系統(tǒng)初始時(shí)默認(rèn)不存在免疫謠言者,其中N,M,α,β,γ均可通過Netlogo中的滑塊組件進(jìn)行調(diào)節(jié),使數(shù)據(jù)變化更靈活。同時(shí)為了保證數(shù)據(jù)來源的可靠,隨機(jī)選取校內(nèi)150人分別對(duì)5個(gè)輿情的觀點(diǎn)進(jìn)行的實(shí)際問卷調(diào)研,根據(jù)調(diào)研結(jié)果對(duì)謠言傳播系數(shù)α、回歸系數(shù)β、回歸前提下的免疫系數(shù)γ、主動(dòng)離開系統(tǒng)的影響因子λ分別設(shè)置初始值。為了實(shí)驗(yàn)數(shù)據(jù)的合理性,媒體輿情系數(shù)q的初始值應(yīng)高于個(gè)體輿情系數(shù)1-q,聚集系數(shù)初始值設(shè)為0.5是使無標(biāo)度網(wǎng)絡(luò)圖更為貼近實(shí)際社交網(wǎng)絡(luò)。熱值h是Agent的內(nèi)置參數(shù)會(huì)受鄰接節(jié)點(diǎn)的狀態(tài)影響,因此媒體的熱值要比個(gè)人熱值高,同時(shí)媒體傳播的熱值過高也會(huì)被官方介入壓低熱值。在媒體輿情熱度過高時(shí),官方介入,引入官方調(diào)節(jié)系數(shù)η,η是關(guān)于時(shí)間t的函數(shù),本模型中官方調(diào)節(jié)系數(shù)中的媒體謠言危害度調(diào)節(jié)為0.8。

2.2 初始狀態(tài)下的仿真模擬分析

模型場景初始時(shí),輿情傳播網(wǎng)絡(luò)中通過組件分別調(diào)節(jié)區(qū)域主體數(shù)為150,平均節(jié)點(diǎn)度數(shù)為7,聚集系數(shù)為0.5,節(jié)點(diǎn)連接數(shù)為525。輿情初始階段,只有五個(gè)輿情點(diǎn),其中三個(gè)媒體輿情點(diǎn),兩個(gè)個(gè)人輿情點(diǎn),為了確保實(shí)驗(yàn)的合理性,針對(duì)媒體輿情點(diǎn)的選取通過對(duì)鄰接矩陣遍歷,從中選擇出三個(gè)度數(shù)最大的節(jié)點(diǎn),而個(gè)人輿情點(diǎn)是通過除媒體輿情點(diǎn)外的節(jié)點(diǎn)隨機(jī)選取。同時(shí),為了保證實(shí)時(shí)監(jiān)測,設(shè)定輿情傳播頻率為1ticks,ticks的單位以小時(shí)計(jì)。傳播過程節(jié)點(diǎn)的狀態(tài)變化,根據(jù)上述的SIRKH模型狀態(tài)圖以及參數(shù)的值來確定。輿情傳播結(jié)束的標(biāo)志為視圖中沒有謠言傳播者的存在。

進(jìn)一步觀察Netlogo仿真軟件中的視圖,發(fā)現(xiàn)滑塊參數(shù)設(shè)置與上述描述一致,保證了數(shù)據(jù)的準(zhǔn)確性。在Netlogo的輿情傳播網(wǎng)絡(luò)中可以觀測到?jīng)]有獨(dú)立的節(jié)點(diǎn),并且可以發(fā)現(xiàn)運(yùn)行結(jié)束時(shí),模型中中不存在謠言傳播者,即輿情點(diǎn)。綜上所述,輿情傳播過程符合預(yù)期設(shè)想。

進(jìn)一步觀察輿情監(jiān)測系統(tǒng)的網(wǎng)絡(luò)圖,其中的數(shù)據(jù)均是從Netlogo軟件仿真模擬初始化情形下的輿情傳播一個(gè)周期中的網(wǎng)絡(luò)圖數(shù)據(jù)中導(dǎo)出到EXCEL表中,再經(jīng)過數(shù)據(jù)處理,生成的輿情傳播數(shù)據(jù)圖如圖2所示。主坐標(biāo)軸用于反饋S易受謠言影響者和R免疫謠言者的數(shù)量,次坐標(biāo)軸用于描述媒體謠言傳播者和個(gè)體謠言傳播者的人數(shù)。

圖2 輿情傳播數(shù)據(jù)圖-初始狀態(tài)

由圖2可知輿情傳播的整個(gè)過程持續(xù)386個(gè)小時(shí),易受謠言影響者的人數(shù)總體呈現(xiàn)下降的趨勢,但在180個(gè)小時(shí)后會(huì)有所回升,最終數(shù)據(jù)停在70人,可推知是收到輿情熱度下降和謠言傳播者自覺脫離系統(tǒng)的影響;免疫謠言者的數(shù)據(jù)一直呈現(xiàn)上升的趨勢,最終達(dá)到80人;媒體謠言傳播者和個(gè)人謠言傳播者的數(shù)據(jù)起伏不斷,但總體可將其分為三個(gè)階段:發(fā)生期、爆發(fā)期、平息期,媒體輿情的發(fā)生期在0～100小時(shí),爆發(fā)期在100～195小時(shí),在122小時(shí)達(dá)到峰值42,之后數(shù)據(jù)呈現(xiàn)下降趨勢進(jìn)入平息期;個(gè)人輿情的發(fā)生期在0～54小時(shí),爆發(fā)期在54～133小時(shí),在70小時(shí)達(dá)到峰值14,之后進(jìn)入平息期,由數(shù)據(jù)可知,兩種輿情發(fā)展總體都呈現(xiàn)先上升后下降的趨勢,媒體輿情周期長于個(gè)人輿情,并且影響程度也更大,結(jié)果符合實(shí)際預(yù)期。

2.3 抑制輿情傳播方式仿真場景分析

2.3.1 控制輿情傳播網(wǎng)絡(luò)場景

對(duì)于不好的言論,須將言論的影響降到最低,傳播范圍盡量控制到最低,因此本論文先從傳播網(wǎng)絡(luò)入手,減少輿情傳播網(wǎng)絡(luò)中節(jié)點(diǎn)的連接,即減少輿論在社交網(wǎng)絡(luò)之間的傳播?，F(xiàn)如今的網(wǎng)絡(luò)工具,微信、QQ等應(yīng)用軟件使輿論傳播更加簡單,也將很多陌生人聯(lián)系在一起,擴(kuò)大了人們的交際網(wǎng)絡(luò),使輿論更加難以控制。因此,必須對(duì)此加以管制,從而達(dá)到通過控制傳播網(wǎng)絡(luò),減少輿論的傳播。若區(qū)域內(nèi)人數(shù)不變的情況下,將此策略用Netlogo仿真,即需通過average-node-degree滑塊減少平均節(jié)點(diǎn)度數(shù)或降低聚集系數(shù),本次仿真實(shí)驗(yàn)通過減少平均節(jié)點(diǎn)度數(shù)。

從Netlogo仿真軟件中的運(yùn)行結(jié)果可知,在主體個(gè)數(shù)與聚集系數(shù)不變,將average-node-degree滑塊減少至6時(shí),將節(jié)點(diǎn)總連接數(shù)降為450,其余的條件與初始狀態(tài)保持一致,符合預(yù)期設(shè)想。

觀察輿情監(jiān)測系統(tǒng)運(yùn)行時(shí)數(shù)據(jù)的變化,其中的數(shù)據(jù)均是從Netlogo軟件仿真模擬控制傳播途徑情形下的輿情傳播一個(gè)周期中的網(wǎng)絡(luò)圖數(shù)據(jù)中導(dǎo)出到EXCEL表中,再經(jīng)過數(shù)據(jù)處理,生成的控制輿情傳播網(wǎng)絡(luò)場景的數(shù)據(jù)分析圖如圖3所示。主坐標(biāo)軸用于反饋S易受謠言影響者和R免疫謠言者的數(shù)量,次坐標(biāo)軸用于描述媒體謠言傳播者和個(gè)體謠言傳播者的人數(shù)。

圖3 控制輿情傳播網(wǎng)絡(luò)場景的數(shù)據(jù)分析

從圖3可知,輿情傳播過程持續(xù)了241個(gè)小時(shí),相比于初始狀態(tài)有了明顯的下降。易受謠言影響者的人數(shù)在57小時(shí)左右有一段明顯的上升,而此時(shí)媒體謠言傳播者和個(gè)人謠言傳播者都處于低谷,可知在部分人對(duì)謠言產(chǎn)生了質(zhì)疑;免疫謠言者人數(shù)一直處于上升狀態(tài);媒體謠言傳播者出現(xiàn)了兩次爆發(fā)期分別在35小時(shí)與81小時(shí)左右,最高值分別達(dá)到21與25,并在132小時(shí)后漸漸平息;個(gè)人輿情在16～42處于爆發(fā)期,最高值為7。與初始狀態(tài)相比,無論是媒體輿情還是個(gè)人輿情傳播周期都縮短了,傳播的范圍甚至降低了近一半。因此,從數(shù)據(jù)變化可知,當(dāng)我們從傳播媒介入手,減少輿情傳播網(wǎng)絡(luò)的節(jié)點(diǎn)聯(lián)系后,可以達(dá)到抑制輿情傳播的效果。結(jié)果符合實(shí)際預(yù)期。

2.3.2 輿論動(dòng)力學(xué)原理抑制輿情仿真場景

本模型是建立在輿情動(dòng)力學(xué)模型KH基礎(chǔ)之上,而KH模型為有限信任模型,即Agent之間存在一個(gè)置信區(qū)間(閾值),主體之間只有在置信區(qū)間內(nèi)才可完成交互,因此想要抑制主體間的輿情傳播可通過縮小置信區(qū)間,讓主體間更難實(shí)現(xiàn)交互,從而使輿情不能在主體間傳播。置信區(qū)間(閾值)與輿情的熱值和謠言傳播系數(shù)相關(guān),因?yàn)闊嶂凳禽浨楸旧淼膶傩?熱值的大小是一個(gè)不定值,不容易調(diào)控,所以我們可通過輿論知識(shí)宣傳等相關(guān)方式,降低謠言傳播系數(shù),從而達(dá)到縮小置信區(qū)間的效果。

從Netlogo仿真軟件中可以觀察到,通過rumors-spread-chance滑塊將謠言傳播系數(shù)降到20%,來模擬通過輿論知識(shí)宣傳等相關(guān)方式進(jìn)行控制置信區(qū)間,其余的條件與初始狀態(tài)相同進(jìn)行仿真模擬,輿情傳播過程順利,符合預(yù)期設(shè)想。

對(duì)輿論動(dòng)力學(xué)原理抑制輿情仿真場景的傳播過程進(jìn)行數(shù)據(jù)分析,其中的數(shù)據(jù)均是從Netlogo軟件的網(wǎng)絡(luò)圖數(shù)據(jù)中導(dǎo)出到EXCEL表中,再進(jìn)行數(shù)據(jù)處理,生成的輿論動(dòng)力學(xué)原理抑制輿情場景數(shù)據(jù)圖如圖4所示。主坐標(biāo)軸用于反饋S易受謠言影響者和R免疫謠言者的數(shù)量,次坐標(biāo)軸用于描述媒體謠言傳播者和個(gè)體謠言傳播者的人數(shù)。

圖4 輿論動(dòng)力學(xué)原理抑制輿情場景數(shù)據(jù)分析

從圖4可知,輿情傳播過程持續(xù)了281個(gè)小時(shí),相比于初始狀態(tài)傳播周期明顯縮短。易受謠言影響者的人數(shù)在總體呈現(xiàn)下降趨勢,最終人數(shù)穩(wěn)定在108;媒體謠言傳播者爆發(fā)期在86～142小時(shí),最高值達(dá)到25,比起初始狀態(tài)下的42人,下降明顯,并在143小時(shí)后漸漸平息雖然后期有所起伏,但人數(shù)并不多;個(gè)人輿情在27小時(shí)和65小時(shí)分別達(dá)到波峰,最高值分別為8和9。與初始場景相比,由于降低了輿論動(dòng)力學(xué)原理中的KH模型的置信區(qū)間,發(fā)現(xiàn)輿情監(jiān)測系統(tǒng)的周期明顯有所縮短,輿情的影響范圍也有所降低。因此,本次仿真模擬通過降低謠言傳播系數(shù)來影響輿論動(dòng)力學(xué)原理中的置信區(qū)間,從而實(shí)現(xiàn)對(duì)主體間交互規(guī)則的影響后,成功減少了Agent之間的交互成功率,達(dá)到了抑制輿情傳播的效果,結(jié)果符合實(shí)際預(yù)期。

3 結(jié)果分析

根據(jù)上述SIRKH模型在不同場景的輿情傳播仿真模擬實(shí)驗(yàn)的數(shù)據(jù)分析,可以分別從輿情潛伏期、發(fā)生期和爆發(fā)期三個(gè)階段入手,分析上述不同影響因素下的仿真場景結(jié)果,從而對(duì)輿情采取合理引導(dǎo)與管制措施,以此來提升社會(huì)幸福感。根據(jù)重要程度排序,每一階段的問題嚴(yán)重程度和應(yīng)對(duì)策略重要程度基本一致。

首先,在輿情的潛伏期,這個(gè)階段控制不好容易導(dǎo)致初始輿情點(diǎn)增多以及輿情突然爆發(fā)。由于輿情具有開放性和引導(dǎo)性,如果區(qū)域主體對(duì)其缺乏認(rèn)知,那就容易在輿情出現(xiàn)時(shí),出現(xiàn)大量的盲目性傳播,從而使輿情一出現(xiàn)就達(dá)到高峰,甚至無法控制。因此需要防患于未然,進(jìn)行輿論引導(dǎo),如通過知識(shí)宣講,定期開設(shè)輿情事件的宣講,增加群眾的認(rèn)知或向群眾反映即將可能出現(xiàn)的輿情事件事實(shí),使群眾可以判斷出輿情的真?zhèn)?。本模型在?zhǔn)備階段就加入了主體的影響因子,即學(xué)歷(見識(shí)),將主體的見識(shí)分為四個(gè)等級(jí),等級(jí)越高,對(duì)輿情的置信度就越低,通過在Netlogo中更改主體的學(xué)歷(見識(shí))來模擬群眾的見識(shí),見識(shí)高的主體會(huì)主動(dòng)離開輿情系統(tǒng)。為了貼近現(xiàn)實(shí),上述三個(gè)場景,主體的見識(shí)都是四個(gè)等級(jí)隨機(jī)生成,若都改為更高級(jí),個(gè)體輿情傳播周期將更短。

在輿情的發(fā)生期,這個(gè)階段的輿情已經(jīng)發(fā)酵,想要控制輿情的發(fā)展趨勢需要從媒介進(jìn)行管控,輿情傳播網(wǎng)絡(luò)中主體交互的特點(diǎn)就是必須主體之間已經(jīng)建立起聯(lián)系,因此若減少主體間的聯(lián)系,或者減少區(qū)域主體的聚集系數(shù)就可以對(duì)輿情的發(fā)展進(jìn)行管控。本文的控制輿情傳播網(wǎng)絡(luò)場景就是通過減少主體間聯(lián)系來實(shí)現(xiàn)輿情管制,可以發(fā)現(xiàn)效果很顯著,輿情傳播周期與范圍都縮小了近一半,而減少聚集系數(shù)也就是在減少主體之間的密度,從而減少主體間的聯(lián)系,因此減少聚集系數(shù)也可以達(dá)到管制疫情的效果。同樣,減少主體之間的交互頻率也是一種方式。本文的輿論動(dòng)力學(xué)原理抑制輿情仿真場景就是通過減少置信區(qū)間,從而使主體之間的交互頻率降低,通過上述數(shù)據(jù)分析結(jié)果可知,此方式可以抑制輿情的發(fā)展?fàn)顩r。

在輿情爆發(fā)期,輿情對(duì)主體的影響較大,若不采取強(qiáng)制管制措施,可能會(huì)導(dǎo)致輿情持續(xù)發(fā)酵,熱度居高不下,甚至影響社會(huì)的穩(wěn)定。本文就引入輿情的熱值參數(shù),熱值會(huì)隨著周邊傳播者聚集情況進(jìn)行改變,當(dāng)熱值過高時(shí),官方會(huì)進(jìn)行緊急公關(guān),在熱值預(yù)警值調(diào)低后,可發(fā)現(xiàn)媒體輿情傳播周期與影響范圍都有所降低,有利于將輿情向積極良性的方向發(fā)展。

4 結(jié)語

本文主要介紹了一種基于Netlogo的輿情監(jiān)測系統(tǒng),通過對(duì)傳統(tǒng)病毒傳播模型SIR進(jìn)行輿情分析方向上的優(yōu)化并在其中融入修改后的輿論動(dòng)力學(xué)KH模型,構(gòu)建輿情監(jiān)測SIRKH模型。目前,網(wǎng)絡(luò)輿情監(jiān)測的方式主要以系統(tǒng)自動(dòng)方式為主、人工二次篩選為輔。隨著大數(shù)據(jù)時(shí)代的到來,如何進(jìn)一步優(yōu)化輿情分析系統(tǒng)是研究者普遍需要思考的問題。本文主要內(nèi)容是采用Netlogo對(duì)輿情發(fā)展進(jìn)行仿真分析,在仿真場景中加入影響因子,如輿論動(dòng)力學(xué)的交互規(guī)則、主體所在的社交網(wǎng)絡(luò)、主體的學(xué)歷等,并通過對(duì)輿情發(fā)展的各主體狀態(tài)的實(shí)時(shí)數(shù)據(jù)分析,探究從傳播網(wǎng)絡(luò)和輿論動(dòng)力學(xué)原理兩個(gè)方面如何抑制消極輿情的傳播,并通過對(duì)仿真結(jié)果分析,并將其應(yīng)用到現(xiàn)實(shí)中的輿情監(jiān)測。