摘 " "要：[目的/意義]針對情緒因素影響下突發(fā)公共事件網(wǎng)絡輿情演化及政府的應對策略，構(gòu)建網(wǎng)民、網(wǎng)絡媒體和政府的三方博弈模型并仿真分析其演化趨勢。[方法/過程]引入等級期望效用理論（RDEU），建立三方演化博弈模型，分析情緒因素對主體行為決策的影響以及三方在不同情緒狀態(tài)影響下的輿情發(fā)展趨勢，并分析情緒狀態(tài)對主體決策的影響。[結(jié)果/結(jié)論]研究表明，情緒會影響主體的行為決策，主體不同的情緒類型和情緒強度會導致網(wǎng)絡輿情不同的演化趨勢。三方無情緒，或網(wǎng)民和網(wǎng)絡媒體持樂觀情緒、政府持悲觀情緒的狀態(tài)，更有利于網(wǎng)絡輿情向理性演化的方向發(fā)展。另外，相較于網(wǎng)民和網(wǎng)絡媒體，政府的情緒狀態(tài)對于輿情演化博弈結(jié)果的影響更大；當政府處于悲觀情緒時，政府會更傾向于采取積極監(jiān)管治理網(wǎng)絡輿情的舉措。

關(guān)鍵詞：網(wǎng)絡輿情；等級期望效用理論；情緒；三方演化博弈

中圖分類號：G206 " " " " " " " " " 文獻標識碼：A " " " " " " " " "文章編號：1002-1248（2024）01-0046-12

引用本文：賓寧，容健邦，梁楚茵，等.情緒因素影響下突發(fā)公共事件網(wǎng)絡輿情演化及政府應對研究——基于三方演化博弈視角[J].農(nóng)業(yè)圖書情報學報，2024，36（1）： 46-57.

近年來，突發(fā)事件時有發(fā)生，如極端天氣、疫情、生產(chǎn)事故等。在當今的全媒體時代，突發(fā)事件幾乎一定伴隨著網(wǎng)絡輿情事件同步發(fā)生。如2022年的3.21東航客機墜毀、2024年的2.22廣州市南沙區(qū)瀝心沙大橋橋梁被撞斷等突發(fā)事件，都迅速引爆網(wǎng)絡輿情，產(chǎn)生了巨大的輻射影響力。但是由于網(wǎng)絡空間群體復雜，不同群體面對突發(fā)事件會表現(xiàn)出正面、負面等各種沖突情緒，且情緒在交流中交叉感染，使得網(wǎng)絡平臺進一步成為各群體激烈情緒沖突的“發(fā)酵場”，加大了輿情走勢研判和管控難度。比如2023年12月18日，甘肅省臨夏回族自治州積石山保安族東鄉(xiāng)族撒拉族自治縣發(fā)生6.2級地震，地震波及鄰省青海。截至2023年12月22日，這場地震已造成甘肅117人遇難，781人受傷；造成青海省海東市31人遇難，198人受傷，3人失聯(lián)。地震發(fā)生后，立刻引起全國人民的廣泛關(guān)注，相關(guān)信息在互聯(lián)網(wǎng)快速傳播，引發(fā)輿論熱議。然而，在這樣一個舉國關(guān)注的嚴肅時刻，網(wǎng)絡上卻有大量的關(guān)于地震信息的不實內(nèi)容和負面情緒迅速傳播，對不明真相的網(wǎng)民產(chǎn)生了不良影響，影響了公眾對信息的理性判斷和分析，造成民眾恐慌，嚴重擾亂了社會公共秩序。早在2018年，國務院辦公廳就發(fā)布了《關(guān)于推進政務新媒體健康有序發(fā)展的意見》，強調(diào)政府要加強對新媒體平臺的監(jiān)督與引導，關(guān)注網(wǎng)民情緒的演化，營造清晰明朗的互聯(lián)網(wǎng)環(huán)境。因此，剖析情緒因素影響下的突發(fā)公共事件網(wǎng)絡輿情演化，對于構(gòu)建網(wǎng)絡空間治理的生態(tài)化機制，進而建立公眾和政府之間的信任鏈接，具有十分重要的意義。

1 "相關(guān)研究

構(gòu)建不同約束條件下符合輿情實際傳播情況的傳播模型是當前網(wǎng)絡輿情傳播研究的重點。國外有學者提出了謠言傳播的DK傳染病模型[1]，并基于邊緣的SEIR動力學，構(gòu)建了博客網(wǎng)絡中的熱點話題傳播模型[2]；還有學者在傳染病SIR模型的基礎上進行改進，研究了時間延遲、遺忘機制等因素對網(wǎng)絡輿情交互傳播的影響[3-5]。國內(nèi)也有學者考慮到網(wǎng)絡輿情傳播的動態(tài)性與持續(xù)性，構(gòu)建了網(wǎng)絡輿情傳播的微分博弈模型[6]和復雜網(wǎng)絡上的雙網(wǎng)絡輿情信息交互傳播SE2I2R2模型[7]。

隨著信息的爆發(fā)和復雜網(wǎng)絡的變化，為了更貼近實際網(wǎng)絡傳播的事實，學者們采用演化博弈理論、事理圖譜、機器學習等多種方法手段不斷對網(wǎng)絡輿情的傳播及演化模型進行改進。國外部分學者利用演化博弈論研究了微博謠言制造者、微博用戶、政府之間復雜行為的交互機制[8-10]。國內(nèi)學者也通過構(gòu)建演化博弈模型，從理論與實驗兩方面分析利益相關(guān)者行為策略的均衡條件[11]，還有學者通過網(wǎng)絡爬蟲抓取互聯(lián)網(wǎng)輿情數(shù)據(jù)，運用機器學習的方法對網(wǎng)絡輿情的演化進行分析[12，13]，利用事理圖譜呈現(xiàn)重大突發(fā)網(wǎng)絡輿情事件之間的因果演化過程及演化路徑的文獻可見[14，15]。

近年來，隨著研究的深入，越來越多的學者發(fā)現(xiàn)，網(wǎng)絡媒體、網(wǎng)民等網(wǎng)絡主體的傳播行為還會受到自身情緒因素影響。比如國內(nèi)部分學者通過個案研究法、內(nèi)容分析法和問卷調(diào)查法，對網(wǎng)絡熱點事件中社會情緒演進的影響因素進行了探討[16]，基于社會影響理論、系統(tǒng)動力學理論和社會網(wǎng)絡分析理論，構(gòu)建突發(fā)事件網(wǎng)絡輿情群體情緒演化模型[17-19]；還有學者將輿情信息中的情緒因素，轉(zhuǎn)化為定量指標，構(gòu)建具有動態(tài)傳播率的輿情傳播模型[20，21]。

通過對現(xiàn)有文獻的閱讀和整理可以發(fā)現(xiàn)，輿情主體的情緒因素受到了越來越多學者的重視。行為心理學研究表明，主體情緒對決策過程中模糊信息的解釋、概率和后果的判斷、風險方案的選擇以及因果推理等都會產(chǎn)生重要影響；并且人對事物的情緒體驗如何，直接影響著他對該事物的態(tài)度和行為[22]。基于此，本研究將等級期望效用理論（RDEU）引入網(wǎng)絡輿情博弈，利用復制動態(tài)方程建立網(wǎng)民、網(wǎng)絡媒體和政府的三方博弈模型，分析情緒因素對各主體行為決策的影響以及三方在不同情緒狀態(tài)影響下的輿情發(fā)展趨勢，為政府在目前網(wǎng)絡環(huán)境下的輿論管理提供更科學、更有參考價值的政策建議。

2 "模型構(gòu)建

2.1 "等級期望效用理論

等級期望效用理論（RDEU）是一種包含個體的心理偏好和情緒的效用理論，考慮了人的不完全理性[22]。該理論核心是以“效用函數(shù)U（x）”和“決策權(quán)重函數(shù)？仔（x）”定義的實值函數(shù)V來表示個體對策略的偏好。即：

（1）

其中，對于策略集合X={xi，i=1，2，…，n}，取xi的概率為P{X=xi}=p，對策略xi按照U（x）排序并規(guī)定x1＞x2＞…＞xn，定義策略xi的效用等級為RPi，則該策略的概率分布函數(shù)為RPi = P{X≤ xi}=pi + pi+1。此時，

？仔（x1） = w（pi + 1 - RPi）+ w（1 - RPi） "（2）

ω（·）為情緒函數(shù)，它是一個滿足ω（0）=0，ω（1）=1的單調(diào)遞增函數(shù)。即該效用理論引入策略的等級分布函數(shù)和情緒函數(shù)構(gòu)成累積非線性決策權(quán)重，這種非線性的決策概率可以刻畫輿情主體在不確定性條件下的情緒狀態(tài)及情緒強度的影響。

2.2 "網(wǎng)絡輿情演化3個參與主體的界定

（1）網(wǎng)民。本研究指利用網(wǎng)絡平臺收集輿情信息、發(fā)帖、評論等，并發(fā)表自己意見和表達情緒的網(wǎng)絡用戶。

（2）網(wǎng)絡媒體。本研究是指新聞網(wǎng)站、BBS、微博、朋友圈等網(wǎng)絡社會媒體。

（3）政府。本研究指干預、引導、實施網(wǎng)絡輿情管控的相關(guān)政府機構(gòu)。

2.3 "博弈的基本假設

（1）網(wǎng)民行為策略假設。網(wǎng)民選擇參與網(wǎng)絡輿情事件，需付出時間和精力，但會收獲滿足感，若政府進行監(jiān)管網(wǎng)絡輿情，其會因錯誤言論遭到批評帶來損失，同時獲得應對措施所帶來社會穩(wěn)定的收益；網(wǎng)民在政府選擇不監(jiān)管的情況下參與網(wǎng)絡輿情，會產(chǎn)生憤怒、質(zhì)疑等負面情緒而造成損失；網(wǎng)民選擇不參與輿情事件，無需付出成本。網(wǎng)民參與概率為x，不參與概率為1-x。

（2）網(wǎng)民媒體行為策略假設。網(wǎng)絡媒體選擇傳播，推動輿情事件時需付出收集信息、跟進、營銷等成本，同時獲得高關(guān)注度、高流量等收益，若政府干預監(jiān)管，其會受到監(jiān)管輿論壓力帶來的損失；網(wǎng)絡媒體選擇不傳播，無需付出成本，但會損失網(wǎng)民參與輿情時帶來的流量。網(wǎng)絡媒體傳播概率為y，不傳播概率為1-y。

（3）政府行為策略假設。政府選擇不監(jiān)管，無需付出成本，但會使公信力下降，形象受損，監(jiān)管壓力增大；政府選擇監(jiān)管，需付出收集信息、時間、人力物力等監(jiān)管成本，同時獲得監(jiān)控收益。政府監(jiān)管概率為z，不監(jiān)管概率為1-z。

基于以上行為策略假設，得到政府、網(wǎng)絡媒體和網(wǎng)民的行為決策樹如圖1所示，共8種行為決策。

2.4 "模型參數(shù)設置

各參與主體的策略在不同的組合下，網(wǎng)民、網(wǎng)絡媒體以及政府的成本、收益、損失都不同。設定參數(shù)如表1所示。

根據(jù)上文假設和各主體的參數(shù)設置，收益矩陣如表2所示。

2.4.1 " "網(wǎng)民參與網(wǎng)絡輿情事件的復制動態(tài)方程

令網(wǎng)民選擇參與網(wǎng)絡輿情策略的期望收益為U1，選擇不參與網(wǎng)絡輿情策略的期望收益為U2，網(wǎng)民的期望收益為U。則網(wǎng)民的情緒效用收益如下：

U1=yr2zr3（R11＋R12－C1－L12）+（1－yr2）zr3（R11＋R12－C1－L12）＋yr2（1－zr3）（R11－C1－L11）＋（1－yr2）（1－zr3）（R11－C1－L11）=zr3（R12－L11－L12）＋R11－C1－L11 " " " " "（3）

U2=0 " " " " " " " " " " " " " " " " " " " " " " " " " " " （4）

U1=（R11＋R12－C1－L12）·w（xz）＋（R11－C1－L11）·[1＋w（x）]=（R11＋R12－C1－L12）·（xz）r1＋（R11－C1－L11）·[1＋xr1]

（5）

此外，鑒于網(wǎng)民具有學習、調(diào)整自身策略的特點，利用復制動態(tài)方程，能夠描述網(wǎng)民在情感因素影響下策略的演變過程，結(jié)合RDEU理論，構(gòu)建出演化博弈模型，并由此分析出主體情緒在網(wǎng)絡輿情博弈中的影響。網(wǎng)民選擇參與策略的復制動態(tài)方程如下：

=xr1（U1－U）

（R11－C1－L12）·xr1]（6）

2.4.2 " "網(wǎng)絡媒體傳播網(wǎng)絡輿情事件的復制動態(tài)方程

類似網(wǎng)民，根據(jù)表4，可得網(wǎng)絡媒體選擇傳播輿情策略的復制動態(tài)方程為：

2.4.3 " 政府監(jiān)管網(wǎng)絡輿情事件的復制動態(tài)方程

同理，根據(jù)表5，可得網(wǎng)絡媒體傳播網(wǎng)絡輿情策略的復制動態(tài)方程為：

xy－yz－xz＋xyz）r3＋zr3]}（8）

3 "博弈模型的求解及分析

令Qx=U1－U，Qy=V1－V，Qz=W1－W，則有：

（9）

由方程組（9）求出納什均衡解，記為（x*， y*，z*），進

而得到博弈演化的9個穩(wěn)定均衡點：E1（0，0，0）、E2（0，0，1）、

E3（0，1，0）、E4（0，1，1）、E5（1，0，0）、E6（1，0，1）、E7（1，1，0）、

對F（x）、F（y）、F（z），分別關(guān)于x、y、z求導，得到雅克比矩陣：

（1）網(wǎng)民、網(wǎng)絡媒體和政府均處于無情緒狀態(tài)的情形。將r1=1，r2=1，r3=1代入（9）式中，解得演化穩(wěn)定性如表6所示。此情況下，網(wǎng)民選擇參與策略，網(wǎng)絡媒體會在政府選擇不監(jiān)管的情況下，傾向于選擇傳播策略；政府在網(wǎng)絡媒體選擇不傳播的情況下，傾向于選擇監(jiān)管策略。

（2）網(wǎng)民和網(wǎng)絡媒體無情緒，政府處于情緒狀態(tài)的情形。將r1=1，r2=1，r3≠1代入（9）式中，解得演化穩(wěn)定性如表7所示。此情形下，該博弈可能會形成演化的穩(wěn)定策略（參與，不傳播，監(jiān)管）。

（3）網(wǎng)民和政府無情緒，網(wǎng)絡媒體處于情緒狀態(tài)的情形。將r1=1，r2≠1，r3=1代入（9）式中，解得演化穩(wěn)定性如表8所示。此情形下，不能做出完全有利于己方的選擇。

（4）網(wǎng)絡媒體和政府無情緒，網(wǎng)民處于情緒狀

態(tài)的情形。將 r1≠1，r2=1，r3=1代入（9）式中，解得演化穩(wěn)定性如表9所示。此情形最終不能形成統(tǒng)一的策略。

4 "仿真分析

網(wǎng)民選擇參與網(wǎng)絡輿情的策略時，獲得參與的心理滿足感收益，但付出參與輿情的成本。如果政府選擇監(jiān)管，政府持正面的管控態(tài)度，則收益增大，反之可能導致?lián)p失，如果政府選擇不監(jiān)管，而網(wǎng)民持有非理性態(tài)度，則會受到心理上的損失。網(wǎng)絡媒體選擇傳播策略時，會獲得收益，但需要付出一定的傳播成本，如果政府選擇監(jiān)管，則可能造成損失，如果網(wǎng)絡媒體選擇不傳播，損失都會遠高于營銷的成本。政府作為監(jiān)管的治理方，如果選擇監(jiān)管策略，則會使得網(wǎng)民對政府的信任度得到提升，但需要付出輿情監(jiān)控成本，如果政府選擇不監(jiān)管，可能遭遇損失，其損失遠高于監(jiān)管的成本。

基于上述的假設，模型參數(shù)值分別設為R11=2，R12=4，L11=－0.5，L12=－1，L22=－4，L3=－5，C1=－1.5，C1=－2，C3=－3，R2=5， R3=6，并由50次仿真分析不同的情緒狀態(tài)和策略組合的演化情況。

4.1 "三方均為無情緒狀態(tài)時

在三方均處于無情緒狀態(tài)時，網(wǎng)民選擇參與網(wǎng)絡輿情策略的概率在0.18到0.3之間波動，網(wǎng)絡媒體選擇傳播策略的概率穩(wěn)定在0.38左右，政府選擇監(jiān)管策略的概率穩(wěn)定在0.32附近。這表明，在三方均掌握了足夠的信息，且在情緒保持理性的情況下，網(wǎng)民對于參與網(wǎng)絡輿情事件會有所保留，網(wǎng)絡媒體也會較小概率去參與網(wǎng)絡輿情的傳播，政府對于輿情的監(jiān)管也持謹慎的態(tài)度，三方都會通過理智的思維判斷選擇有利于自己的策略，都傾向于保持清醒、保守的行為策略?？梢娙皆跓o情緒狀態(tài)下，理性化的狀態(tài)有利于避免出現(xiàn)網(wǎng)絡輿情中極端化的群體現(xiàn)象。

4.2 "政府處于情緒狀態(tài)時

當 r1=1，r2=1，r3=0.3時，如圖3所示。該情境中，政府處于樂觀的情緒狀態(tài)，網(wǎng)民未能明顯地傾向于選擇某一穩(wěn)定的策略，網(wǎng)絡媒體選擇傳播網(wǎng)絡輿情策略的概率穩(wěn)定在0.48到0.5左右，政府選擇監(jiān)管的概率接近于0。由此可見，當政府持有樂觀情緒時，網(wǎng)民會根據(jù)自身的收益調(diào)整自身的策略，并不會單一地選擇某一策略；而網(wǎng)絡媒體受到政府不監(jiān)管策略的影響，可以減少自身受到政府監(jiān)控帶來的輿論壓力及損失，將近一半的概率會選擇傳播。

當 r1=1，r2=1，r3=1.7時，如圖4所示。網(wǎng)民選擇參與網(wǎng)絡輿情策略的概率在0.2附近浮動，政府選擇監(jiān)管的概率達到了0.57以上。可見，當政府持較悲觀情緒，網(wǎng)民和網(wǎng)絡媒體保持理性的情況下，網(wǎng)民會采取較保守的策略，較低程度地參與網(wǎng)絡輿情；而政府則會因突發(fā)事件而引發(fā)高度緊張的悲觀心理，擔心形勢會變得更加嚴峻，事態(tài)更加惡化，因此會選擇較高關(guān)注度的監(jiān)管網(wǎng)絡輿情，做出監(jiān)控輿情的決策方案。

4.3 "網(wǎng)絡媒體處于情緒狀態(tài)時

當 r1=1，r2=0.3，r3=1時，如圖5所示。在本情境中，網(wǎng)絡媒體持有樂觀的情緒狀態(tài)，網(wǎng)民和政府的行為決策均為理性，網(wǎng)民選擇參與網(wǎng)絡輿情的概率集中在0.24附近，政府采取監(jiān)管策略的概率在0.41左右，而網(wǎng)絡媒體選擇采取傳播策略的概率接近于0。由此可見，網(wǎng)絡媒體在受到樂觀情緒的影響時，由于網(wǎng)民和政府均具有理性的判斷思維，網(wǎng)絡媒體幾乎不會采取傳播策略，政府對監(jiān)管網(wǎng)絡輿情也持較為輕松的狀態(tài)，網(wǎng)絡環(huán)境相對良好。

當 r1=1，r2=1.7，r3=1時，如圖6所示。網(wǎng)絡媒體受到悲觀情緒的影響，同時網(wǎng)民和政府的行為決策均為理性，網(wǎng)民選擇參與網(wǎng)絡輿情的概率主要集中在0.18左右，政府采取監(jiān)控網(wǎng)絡輿情策略的概率約0.26，而網(wǎng)絡媒體選擇采取傳播策略的概率達到0.63。與圖5情況類似，在網(wǎng)民以及政府擁有完全信息的條件下，網(wǎng)民對于突發(fā)事件的事實真相較容易得到滿足，因此網(wǎng)民群體大都選擇不參與討論網(wǎng)絡輿情的行為策略；而網(wǎng)絡媒體由于信息缺乏且處于悲觀的情緒狀態(tài)下，容易做出過于浮躁、激進的行為，盲目地憑借主觀意識選擇傳播輿情的策略。

4.4 "網(wǎng)民處于情緒狀態(tài)時

當 r1=0.3，r2=1，r3=1時，如圖7所示。網(wǎng)民選擇參與網(wǎng)絡輿情的概率為0，網(wǎng)絡媒體選擇采取傳播策略的概率約為0.39，政府選擇監(jiān)控網(wǎng)絡輿情策略的概率穩(wěn)定在0.38附近。由此可以看出，當網(wǎng)民持有樂觀情緒，以及網(wǎng)絡媒體和政府在理性的狀態(tài)時，網(wǎng)民會逐漸演化到不參與傳播的狀態(tài)，網(wǎng)絡媒體傳播的比例也較低，政府也采取較寬松的監(jiān)管策略，讓網(wǎng)絡輿情自行演化，實現(xiàn)自我消化，整個網(wǎng)絡環(huán)境處于一個較為穩(wěn)定的狀態(tài)。

在r1=1.7，r2=1，r3=1的情況下，如圖8所示。網(wǎng)民具有悲觀的情緒，網(wǎng)絡媒體及政府的行為決策均為理性，從演化的路徑中不難看出，沒有形成演化的穩(wěn)定統(tǒng)一策略。網(wǎng)民對突發(fā)事件的發(fā)生產(chǎn)生了悲觀的心理情緒，網(wǎng)民缺乏有效的信息，容易在網(wǎng)絡群體的討論壓力氛圍之中處于較為被動的地位，會產(chǎn)生盲目跟風的情緒化行為。

5 "結(jié) " 語

突發(fā)公共事件往往會引爆網(wǎng)絡輿情，而輿情主體的情緒因素又在一定程度上決定了輿情的走向。本研究將包含個體心理偏好和情緒的效用理論——等級期望效用理論（RDEU），引入網(wǎng)絡輿情博弈問題中，構(gòu)建了輿情所涉及到的主要行為主體：網(wǎng)民、網(wǎng)絡媒體和政府的三方演化博弈模型，分析各主體的情緒因素對其行為決策的影響，并通過數(shù)值仿真模擬了當三方主體處于不同情緒狀態(tài)時的網(wǎng)絡輿情演化趨勢。研究結(jié)果表明：當三方無情緒，即各主體均處于理性狀態(tài)時，或者網(wǎng)民和網(wǎng)絡媒體處于樂觀情緒、政府處于悲觀情緒時，網(wǎng)絡輿情往往會得到有效的治理；另外，相對于網(wǎng)民和網(wǎng)絡媒體，政府所表現(xiàn)出的情緒狀態(tài)會在更大程度上影響輿情演化的結(jié)果?；谝陨系慕Y(jié)論，本研究為政府對網(wǎng)絡輿情的治理提出以下應對策略和建議。

（1）政府應關(guān)注網(wǎng)民情緒，并加以積極引導。在全媒體時代，關(guān)注和監(jiān)測網(wǎng)民情緒對于開展社會治理極為重要。在網(wǎng)絡空間中，網(wǎng)民的情緒表達常常成為反映社會輿論的“晴雨表”。負面的情緒如果不加以疏導，可能會引發(fā)社會不穩(wěn)定。因此，當突發(fā)事件發(fā)生時，政府應當迅速建立起一套有效的網(wǎng)民情緒監(jiān)測與疏導機制，幫助政府實時掌握網(wǎng)民的情感動向，預測和評估事態(tài)的發(fā)展趨勢。

（2）政府應加強對網(wǎng)絡媒體的監(jiān)管，督促媒體做出全面客觀的報道。在突發(fā)事件輿情演化的過程中，媒體作為信息傳播的重要渠道，其報道內(nèi)容往往對公眾情緒和態(tài)度產(chǎn)生直接影響。因此，政府需要加強對媒體的監(jiān)督和管理，確保其報道全面、客觀、公正，防止虛假信息的傳播和擴散。同時，政府還應引導網(wǎng)絡媒體在報道突發(fā)事件時保持客觀中立的立場，避免過度渲染或夸大事實造成網(wǎng)民的負面情緒。

（3）政府應努力掌握突發(fā)事件全面信息，進行理性決策。當突發(fā)事件發(fā)生后，政府應當迅速而全面地掌握事件相關(guān)信息，以便為事態(tài)的預估和研判提供依據(jù)。同時，政府在制定應對策略和處置方案時，不能僅憑以往的處理經(jīng)驗或主觀臆斷來做出判斷，而應充分考慮突發(fā)事件的性質(zhì)，準確分析當前的輿情形勢，同時要注意避免過于樂觀或過于悲觀，應努力保持冷靜和理性的決策狀態(tài)，提高應急能力。

參考文獻：

[1] " DALEY D J， KENDALL D G. Epidemics and rumours[J]. Nature，

1964， 204： 1118.

[2] " WANG Y， CAO J D， ALSAEDI A， et al. Edge-based SEIR dynamics with or without infectious force in latent period on random networks[J]. Communications in nonlinear science and numerical simulations， 2017， 45： 35-54.

[3] " WANG Z Y， LIANG J， NIE H F， et al. A 3SI3R model for the propagation of two rumors with mutual promotion[J]. Advances in difference equations， 2020（1）： 109.

[4] " XIA Y， JIANG H J， YU Z Y. Global dynamics of ILSR rumor spreading model with general nonlinear spreading rate in multi-lingual environment[J]. Chaos， solitons amp; fractals， 2022， 154： 111698.

[5] " ZHANG J， WANG X， XIE Y， et al. Research on multi-topic network public opinion propagation model with time delay in emergencies[J]. Physica A： Statistical mechanics and its applications， 2022， 600： 127409.

[6] " 侯艷輝， 管敏， 王家坤， 等. 全媒體時代基于微分博弈的網(wǎng)絡輿情引導激勵機制研究[J]. 中國管理科學， 2023， 31（8）： 239-252.

HOU Y H， GUAN M， WANG J K， et al. Research on the incentive mechanism of network public opinion guidance based on differential game in the omnimedia era[J]. Chinese journal of management sci-

ence， 2023， 31（8）： 239-252.

[7] " 李思佳， 張鵬， 夏一雪， 等. 基于信息吸引力和相關(guān)性的雙網(wǎng)絡輿情交互傳播建模與仿真研究[J]. 情報雜志， 2023， 42（5）： 119-128.

LI S J， ZHANG P， XIA Y X， et al. Interactive propagation mode and simulation of dual network public opinions based on information attraction and relevance[J]. Journal of intelligence， 2023， 42（5）： 119-128.

[8] " ZHAO H， LIU X， WANG Y T. Tripartite evolutionary game analysis for rumor spreading on Weibo based on MA-PT[J]. IEEE access，

2021， 9： 90043-90060.

[9] " WEI X C， ZHANG Y F， FAN Y Y， et al. Online social network information dissemination integrating overconfidence and evolutionary game theory[J]. IEEE access， 2021， 9： 90061-90074.

[10] "WANG J K， WANG X H， FU L. Evolutionary game model of public opinion information propagation in online social networks[J]. IEEE

access， 2020， 8： 127732-127747.

[11] "侯艷輝， 管敏， 王家坤， 等. 基于Moran過程競爭性輿情信息的網(wǎng)絡傳播博弈模型[J]. 計算機應用研究， 2022， 39（7）： 2050-2057.

HOU Y H， GUAN M， WANG J K， et al. Network game model of competitive public opinion information propagation based on Moran process[J]. Application research of computers， 2022， 39（7）： 2050-2057.

[12] "楊瀟坤， 周書環(huán)， 劉庸. 重大突發(fā)傳染病事件中網(wǎng)絡情緒的類型、演化及傳播效果研究——基于新冠肺炎疫情期間微博輿情的分析[J]. 圖書情報研究， 2021， 14（4）： 91-100.

YANG X K， ZHOU S H， LIU Y. Research on the states， evolution and communication effects of online emotion under magnitude outburst infectious disease emergencies： Analysis of microblog public opinion during COVID-19 pandemic[J]. Library amp; information studies， 2021， 14（4）： 91-100.

[13] "楊柳， 徐宇昭， 鄧春林. 高校網(wǎng)絡輿情風險評估及預警研究[J]. 情報科學， 2022， 40（5）： 65-72， 83.

YANG L， XU Y Z， DENG C L. Risk assessment and early warning of university network public opinion[J]. Information science， 2022，

40（5）： 65-72， 83.

[14] "王晰巍， 王小天， 李珗琪. 重大突發(fā)事件網(wǎng)絡輿情UGC的事理圖譜構(gòu)建研究——以自然災害7·20河南暴雨為例[J]. 圖書情報工作， 2022， 66（16）： 13-23.

WANG X W， WANG X T， LI Y Q. Research on the construction of the event evolution graph of UGC of network public opinions for major emergencies - Taking the natural disaster 7·20 torrential rain in Henan as an example[J]. Library and information service， 2022，

66（16）： 13-23.

[15] "楊洋洋. 事件驅(qū)動、權(quán)威主導與公眾訴求：重大突發(fā)事件中網(wǎng)絡輿情觸發(fā)機制研究[J]. 情報資料工作， 2023， 44（1）： 33-41.

YANG Y Y. Event-driven， authority-led and public demands： Research on the triggering mechanism of network public opinion in major emergencies[J]. Information and documentation services， 2023， 44（1）： 33-41.

[16] "朱代瓊， 王國華. 熱點公共事件中網(wǎng)絡社會情緒演進的影響因素研究——基于“高鐵霸座” 事件的探討[J]. 情報雜志， 2020， 39（8）： 94-100， 116.

ZHU D Q， WANG G H. Research on influencing factors of emotional evolution of cyber society in hot public events - Based on the \"high speed rail overlord\" incident[J]. Journal of intelligence，

2020， 39（8）： 94-100， 116.

[17] "馮蘭萍， 嚴雪， 程鐵軍. 基于政府干預和主流情緒的突發(fā)事件網(wǎng)絡輿情群體負面情緒演化研究[J]. 情報雜志， 2021， 40（6）： 143-155.

FENG L P， YAN X， CHENG T J. Research on the group negative emotion evolution of network public opinion on emergencies based on the government intervention and main emotion[J]. Journal of intelligence， 2021， 40（6）： 143-155.

[18] "金冬雪， 夏一雪， 朱攀龍. 情緒演化視角下網(wǎng)絡輿情群體極化動力學機理研究[J]. 情報科學， 2023， 41（3）： 57-65.

JIN D X， XIA Y X， ZHU P L. The mechanism of network public opinion group polarization dynamics from the perspective of emotional evolution[J]. Information science， 2023， 41（3）： 57-65.

[19] "劉念， 朱婧. 誰掀動了網(wǎng)絡情緒？ ——網(wǎng)絡輿情中憤怒情緒傳播的關(guān)鍵節(jié)點[J]. 廣州大學學報（社會科學版）， 2023， 22（1）： 172-182.

LIU N， ZHU J. Who stirred up the emotions in the Internet？ The key nodes of the diffusion of anger in online public opinion[J]. Journal of Guangzhou university（social science edition）， 2023， 22（1）： 172-182.

[20] "張亞明， 蘇妍嫄， 趙桂茹， 等. 雙重情緒交叉感染下重大疫情網(wǎng)絡輿情傳播研究[J]. 系統(tǒng)仿真學報， 2023， 35（12）： 2582-2593.

ZHANG Y M， SU Y Y， ZHAO G R， et al. Research on network public opinion propagation model of major epidemics under cross-infection of double emotions[J]. Journal of system simulation， 2023， 35（12）： 2582-2593.

[21] "聶琦， 張鶇， 江昊. 基于情緒信息熵的網(wǎng)絡輿情傳播模型研究[J]. 武漢大學學報（工學版）， 2022， 55（7）： 725-731.

NIE Q， ZHANG D， JIANG H. Research on Internet public opinion transmission model with emotional information entropy[J]. Engineering journal of Wuhan university， 2022， 55（7）： 725-731.

[22] "楊陽， 王杰. 情緒因素影響下的突發(fā)事件網(wǎng)絡輿情演化研究[J]. 情報科學， 2020， 38（3）： 35-41， 69.

YANG Y， WANG J. The evolution of emergency network public opinion influenced by emotional factors[J]. Information science，

2020， 38（3）： 35-41， 69.

Evolution of Public Opinion on Public Emergencies and Government Response under the Influence of Emotional Factors： Based on the Perspective of the Tripartite Game

BIN Ning， RONG Jianbang， LIANG Chuyin， CHEN Huannv， HU He

（School of Management， Guangdong University of Technology， Guangzhou 510520）

Abstract： [Purpose/Significance] With the rapid development of communication technology， the number of Internet users has increased rapidly， and the public opinion on the Internet has also developed according to the requirements of the times. Aiming at the online public opinion of public emergencies under the influence of emotional factors and the government's response strategies， a tripartite game model of netizens， online media and the government is constructed， and its development trend and the influence of emotional factors are simulated and analyzed. [Method/Process] This paper introduces the theory of hierarchical expected utility （RDEU）， establishes a tripartite game model of netizens， online media and the government by using the replication dynamic equation， analyzes the influence of emotional factors on the behavioral decision-making of the main body and the development trend of public opinion of the three parties under the influence of different emotional states. Finally， through Matlab software simulation， the influence of emotional state on decision-making is analyzed， and the strategies and suggestions are proposed from the perspective of the government. Hierarchical expected utility theory （RDEU） is introduced to establish a tripartite evolutionary game model， the influence of emotional factors on the agent's behavior decision-making and the development trend of public opinion under the influence of different emotional states are analyzed， and the influence of emotional states on the agent's decision-making is also analyzed. [Results/Conclusions] Under the influence of emotional factors， different combinations of emotional states of each subject produce different results， and all three parties adopt different strategies according to the actual benefits， and the government's own emotions have the most obvious impact on the results of the evolutionary game. When the government has no mood or is in an optimistic mood， the online environment is relatively unstable， and it is necessary to strengthen the management of public opinion; when the government is in a pessimistic mood， the government needs to actively supervise and control public opinion so that public opinion will be well managed， and the network environment will be more harmonious. By analyzing the behavioral strategies of the tripartite game under the influence of emotional factors， the following suggestions are made on the management of public opinion from the government's perspective： 1） The government must always pay attention to the emotions of netizens， try to reduce the participation rate of netizens in online public opinion， strengthen education and improve the quality of netizens. 2） The government should reduce the dissemination of public opinion events by online media， encourage online media to report comprehensively and objectively， and avoid 1 information that causes negative emotions of the online public opinion.

Keywords： "Internet public opinion; RDEU; emotion; tripartite evolutionary game