摘要：隨著互聯(lián)網(wǎng)新興媒體的迅速發(fā)展，基于區(qū)塊鏈的社交網(wǎng)絡(luò)平臺也逐漸興起。運(yùn)用演化博弈的理論方法，建立了基于區(qū)塊鏈的知識共享平臺中知識創(chuàng)造方、知識傳播方和平臺方的演化博弈模型，并在博弈模型中引入通證獎勵與監(jiān)管強(qiáng)度，通過理論分析和仿真模擬的方法對平臺中各方的策略進(jìn)行分析，進(jìn)而識別出影響知識共享的重要因素。最后得出結(jié)論，平臺方對投票成本以及獎懲力度的控制是影響知識共享主體策略選擇的關(guān)鍵，對完善平臺的激勵與監(jiān)督體系，提高知識共享效率以及加速內(nèi)容平臺生態(tài)化進(jìn)程具有重要意義。

關(guān)鍵詞：區(qū)塊鏈；知識共享；演化博弈

一、前言

隨著互聯(lián)網(wǎng)新興媒體的迅速發(fā)展，社交網(wǎng)絡(luò)平臺逐漸成為人們獲取知識、拓寬視野以及溝通交流的主要途徑。然而，傳統(tǒng)的中心化社交網(wǎng)絡(luò)平臺也暴露出很多方面的問題：在內(nèi)容質(zhì)量方面，平臺中會出現(xiàn)眾多低質(zhì)或缺乏深度的內(nèi)容；在創(chuàng)作動力方面，平臺缺乏創(chuàng)作激勵，導(dǎo)致創(chuàng)作者創(chuàng)作意愿不足，創(chuàng)作熱情減退；在版權(quán)方面，平臺中易出現(xiàn)盜版的現(xiàn)象?；趨^(qū)塊鏈的社交網(wǎng)絡(luò)平臺的興起，為社交網(wǎng)絡(luò)平臺的改進(jìn)提供了一個(gè)新的方向。

目前，區(qū)塊鏈技術(shù)與網(wǎng)絡(luò)社區(qū)的結(jié)合還在初級階段。Steemit作為國際知名的區(qū)塊鏈社區(qū)，因其龐大的用戶基礎(chǔ)和2019年的幣值暴跌事件成為了研究的焦點(diǎn)。Li等人針對Steemit系統(tǒng)的設(shè)計(jì)基礎(chǔ)、當(dāng)前應(yīng)用狀況以及代幣激勵機(jī)制的現(xiàn)狀和潛在風(fēng)險(xiǎn)進(jìn)行了深入討論，并指出了此類社交網(wǎng)絡(luò)中普遍存在的機(jī)器人可以控制投票權(quán)而導(dǎo)致平臺無法正常運(yùn)行[1]。李志宏等構(gòu)建了一個(gè)基于區(qū)塊鏈的群體協(xié)作創(chuàng)新社區(qū)的知識共享理論框架，涵蓋了知識分類技術(shù)、價(jià)值信息管理系統(tǒng)和價(jià)值評估機(jī)制[2]。在知識共享與激勵機(jī)制研究方面，Holtshouse認(rèn)為知識共享是知識在個(gè)體間的轉(zhuǎn)移和流動[3]。Ipe M則認(rèn)為知識共享的本質(zhì)是向組織內(nèi)成員分享知識，這種行為不會導(dǎo)致分享知識的人失去對知識的所有權(quán)，而是會使分享知識的人與接收知識的人可以共同獲得知識的所有權(quán)[4]。在輿情傳播研究方面，趙丹等運(yùn)用復(fù)雜網(wǎng)絡(luò)理論，構(gòu)建了基于區(qū)塊鏈的輿情傳播模型，并通過仿真模擬分析了基于區(qū)塊鏈的社交網(wǎng)絡(luò)平臺的特有屬性和輿情傳播規(guī)律[5]。然而，僅依靠區(qū)塊鏈的框架并不能完全保證平臺的正常運(yùn)行，因此，通過博弈模型識別出影響知識共享的重要因素，對完善平臺的激勵與監(jiān)督體系具有重要意義。

二、模型構(gòu)建

（一）模型的假設(shè)與定義

本研究采用演化博弈模型對基于區(qū)塊鏈的知識共享平臺中用戶和平臺方的行為進(jìn)行分析。陳國蘭將用戶歸納為兩大主要類別：知識創(chuàng)造者和知識傳播者[6]。知識創(chuàng)造方在平臺中提供新知識。知識傳播方則可以識別平臺中高質(zhì)量內(nèi)容，并利用投票機(jī)制對其進(jìn)行推廣，但他們同樣可以為低質(zhì)量內(nèi)容投票。此外，瀏覽者雖然不參與投票，但他們通過瀏覽和閱讀，也參與了知識的發(fā)現(xiàn)和傳播過程，可以被視為非投票類的知識傳播方。平臺方負(fù)責(zé)對知識創(chuàng)造方和知識傳播方的行為進(jìn)行監(jiān)管，確保知識共享過程的秩序。故本文做出如下假設(shè)：

第一，參與博弈的三類主體分別為知識創(chuàng)造方、知識傳播方、平臺方。

第二，三類主體均為有限理性。

第三，三類主體均可采取兩種策略。知識創(chuàng)造方的策略為發(fā)布優(yōu)質(zhì)內(nèi)容或發(fā)布低質(zhì)內(nèi)容，知識傳播方的策略為投票或不投票，平臺方的策略為強(qiáng)監(jiān)管或弱監(jiān)管。

第四，知識創(chuàng)造方選擇發(fā)布優(yōu)質(zhì)內(nèi)容的概率為x（0≤x≤1） ， 選擇發(fā)布低質(zhì)內(nèi)容的概率為1-x。知識傳播方選擇投票的概率為y（0≤y≤1） ，選擇不投票的概率為1-y。平臺方選擇強(qiáng)監(jiān)管的概率為z（0≤z≤1） ，選擇弱監(jiān)管的概率為1-z。

1.知識創(chuàng)造方的收益

（1）知識創(chuàng)造方的初始收益為πA。

（2）知識創(chuàng)造方的通證收益Rs：知識創(chuàng)造方和知識傳播方會按照一個(gè)既定的比例對Rs進(jìn)行分配，知識創(chuàng)造方依據(jù)比例k獲得收益kRs，假設(shè)發(fā)布優(yōu)質(zhì)內(nèi)容可獲得較高收益RsT，而發(fā)布低質(zhì)內(nèi)容可獲得較低的收益Rs1。

（3）創(chuàng)作高質(zhì)量作品時(shí)的創(chuàng)作成本IA1：知識創(chuàng)造方創(chuàng)作高質(zhì)量作品時(shí)，不可避免地要投入大量時(shí)間和精力，同時(shí)還需面對知識泄露的潛在風(fēng)險(xiǎn)。

（4）創(chuàng)作低質(zhì)量作品時(shí)的創(chuàng)作成本IA2。

（5）創(chuàng)作低質(zhì)量作品時(shí)平臺方的懲處FA：知識創(chuàng)造方在創(chuàng)作低質(zhì)量作品時(shí)，可能被平臺發(fā)現(xiàn)并受到平臺方的懲處。

2.知識傳播方的收益

（1）知識傳播方的初始收益為πB。

（2）知識傳播方的通證收益Rs：為優(yōu)質(zhì)內(nèi)容投票，可獲得收益（1-k）RsT。若為低質(zhì)內(nèi)容投票，獲得收益（1-k）Rs1。

（3）投票成本IB：為了防止用戶惡意刷票，平臺會對每個(gè)用戶的投票權(quán)進(jìn)行限制，知識傳播方在投票時(shí)將會產(chǎn)生投票成本。

（4）為低質(zhì)內(nèi)容投票時(shí)平臺方的懲處FB：知識傳播方在為創(chuàng)作低質(zhì)量作品投票時(shí)，可能被平臺發(fā)現(xiàn)并受到平臺方的懲處。

（5）知識創(chuàng)造方選擇發(fā)布低質(zhì)內(nèi)容導(dǎo)致知識傳播方的損失R1。

（6）知識創(chuàng)造方選擇發(fā)布優(yōu)質(zhì)內(nèi)容使知識傳播方獲得的收益W1。

3.平臺方的收益

（1）強(qiáng)監(jiān)管成本C1。

（2）弱監(jiān)管成本C2。

（3）知識創(chuàng)造方發(fā)布低質(zhì)內(nèi)容導(dǎo)致平臺方的損失R2。

（4）知識創(chuàng)造方發(fā)布優(yōu)質(zhì)內(nèi)容使平臺方獲得的收益W2。

（5）平臺多次監(jiān)管可能產(chǎn)生的信任損失D。

（二）收益矩陣的建立

基于上述假設(shè)，由知識創(chuàng)造方、知識傳播方及平臺方構(gòu)成的三方演化博弈模型的收益矩陣見表1。

三、模型穩(wěn)定性分析

（一）復(fù)制動態(tài)方程

1.知識創(chuàng)造方的復(fù)制動態(tài)方程

假設(shè)E11為知識創(chuàng)造方發(fā)布優(yōu)質(zhì)內(nèi)容的期望收益， E12為知識創(chuàng)造方發(fā)布低質(zhì)內(nèi)容的期望收益，故有：

則知識創(chuàng)造方的復(fù)制動態(tài)方程為：

2.知識傳播方的復(fù)制動態(tài)方程

假設(shè)E21為知識傳播方投票的期望收益，E22為知識傳播方不投票的期望收益，故有：

則知識傳播方的復(fù)制動態(tài)方程為：

3.平臺方的復(fù)制動態(tài)方程

假設(shè)E31為平臺方強(qiáng)監(jiān)管的期望收益， E32為平臺方弱監(jiān)管的期望收益，故有：

則平臺方的復(fù)制動態(tài)方程為：

（二）三方演化博弈的穩(wěn)定性分析

由F（x）=0，F(xiàn)（y）=0，F(xiàn)（z）=0可得系統(tǒng)均衡點(diǎn)為 E1（0，0，0） ，E2（0，1，0） ，E3（0，0，1） ，E4（0，1，1 ）， E5（1，0，0） ，E6（1，1，0） ，E7（1，0，1） ，E8（1，1，1） 。將E1～E8代入該博弈的雅可比矩陣，依據(jù)上述RsTgt;Rs1， IA1gt;IA2，C1gt;C2的假設(shè)，計(jì)算不同均衡點(diǎn)對應(yīng)的特征值，進(jìn)而對其穩(wěn)定性進(jìn)行分析，各特征值及穩(wěn)定性見表2。

當(dāng)Rs1-IB-kRs1lt;0時(shí)，E1（0，0，0）為均衡點(diǎn)。當(dāng) Rs1-IB-kRs1gt;0且IA2-IA1-kRs1+kRsTlt;0時(shí)，E2（0，1，0）為均衡點(diǎn)。當(dāng)IA2-IA1-kRs1+kRsTgt;0且IB-W1-RsT+kRsTlt;0時(shí)，E6（1，1，0）為均衡點(diǎn)。

四、數(shù)值仿真與模擬

（一）三方博弈行為的演化路徑

本文采用Matlab2022a模擬演化過程，設(shè)置滿足Rs1-IB-kRs1gt;0，IA2-IA1-kRs1+kRsTgt;0，IB-W1-RsT+kRsTlt;0的參數(shù)：k=0.7，RsT=60，Rs1=30，F(xiàn)A=20，F(xiàn)B=20，W1=10，C1=40，C2=10，D=10，IB=5，IA1=20，IA2=10。圖1展示了在上述設(shè)定的參數(shù)條件下不同利益相關(guān)方所采取策略的傾向性，圖中曲線的密集程度反映了博弈三方選擇各策略的可能性大小。由圖1可知，此時(shí)只存在一個(gè)均衡點(diǎn)E6（1，1，0） ，即（發(fā)布優(yōu)質(zhì)內(nèi)容，投票，弱監(jiān)管），與穩(wěn)定性分析中的結(jié)論一致，此時(shí)的狀態(tài)適合該平臺的長遠(yuǎn)發(fā)展。

（二）不同因素對三方策略的影響

1.FA對系統(tǒng)利益方的影響

設(shè)置參數(shù)k=0.7，RsT=60，Rs1=30，F(xiàn)B=20，W1=10，C1=40，C2=10，D=10，IB=5，IA1=20，IA2=10，將知識傳播方創(chuàng)作低質(zhì)量作品時(shí)受到的懲處FA分別賦以150，75，10。保持除FA以外的參數(shù)與4.1中相同，通過改變FA的大小來確定該參數(shù)對博弈結(jié)果的影響。仿真結(jié)果如圖2所示。

由圖2可知，在系統(tǒng)演化至穩(wěn)定點(diǎn)的過程中，對創(chuàng)作低質(zhì)量作品時(shí)平臺方的懲處FA的提升能夠加快此博弈達(dá)到均衡的速度，使知識創(chuàng)造方更傾向于發(fā)布優(yōu)質(zhì)內(nèi)容。演化過程中，知識創(chuàng)造方發(fā)布優(yōu)質(zhì)內(nèi)容和知識傳播方為優(yōu)質(zhì)作品投票的概率增加，平臺方采取強(qiáng)監(jiān)管的概率降低。

2.I_B對系統(tǒng)利益方的影響

設(shè)置參數(shù)k=0.7，RsT=60，Rs1=30，F(xiàn)A=20，F(xiàn)B=20，W1=10，C1=40，C2=10，D=10，IA1=20，IA2=10，將投票成本IB分別賦以30，20，5。保持除IB以外的參數(shù)與4.1中相同，通過改變IB的大小來確定該參數(shù)對博弈結(jié)果的影響。仿真結(jié)果如圖3所示。

由圖3可知，在系統(tǒng)演化至穩(wěn)定點(diǎn)的過程中，系統(tǒng)有兩個(gè)均衡點(diǎn)，隨著投票成本IB的增加，此博弈的均衡點(diǎn)由E6（1，1，0）改變?yōu)镋1（0，0，0） ，投票成本較低時(shí)，知識創(chuàng)造方選擇發(fā)布優(yōu)質(zhì)內(nèi)容，知識傳播方為優(yōu)質(zhì)作品投票，平臺方采取弱監(jiān)管；而投票成本較高時(shí)，知識創(chuàng)造方選擇發(fā)布低質(zhì)內(nèi)容，知識傳播方不為作品投票，平臺方采取弱監(jiān)管，此時(shí)不利于平臺的發(fā)展，因此平臺方應(yīng)控制投票成本不能過高。

五、結(jié)語

本研究構(gòu)建了基于區(qū)塊鏈的知識共享平臺中各主體策略選擇的演化博弈模型，該模型結(jié)合了通證機(jī)制以及監(jiān)管強(qiáng)度等因素，并利用MATLAB進(jìn)行仿真模擬，分析不同因素對博弈演化進(jìn)程的影響，最后得出結(jié)論：在基于區(qū)塊鏈的知識共享平臺中，監(jiān)管機(jī)制對于遏制用戶的不端行為、維護(hù)平臺秩序有至關(guān)重要的作用，但由于在此類平臺中監(jiān)管成本過高，宜采用弱監(jiān)管的方式。平臺的獎懲力度能夠顯著影響用戶分享知識的積極性。投票成本對雙方的策略選擇有顯著影響，如果過度降低投票成本可能會誘發(fā)不正當(dāng)?shù)耐镀毙袨椋镀背杀具^高，可能會降低知識傳播者的投票意愿，導(dǎo)致系統(tǒng)收斂到不理想的穩(wěn)定狀態(tài)。

參考文獻(xiàn)

[1]LI C，PALANISAMY B.Incentivized Blockchain－based Social Media Platforms： A Case Study of Steemit[C].Boston： ACM.2019：145-154．

[2]張江甫，顧新，許世英.區(qū)塊鏈技術(shù)視角下分布式創(chuàng)新的知識區(qū)塊鏈研究[J].情報(bào)科學(xué)，2022，40（03）：55-62.

[3]Holtshouse D.Knowledge research issues[J].California management review，1998，40（03）：277-280.

[4]Ipe M.Knowledge sharing in organizations：A conceptual framework[J].Human" resource development review，2003，2（04）：337-359.

[5]趙丹，王晰巍，韓潔平，等.區(qū)塊鏈環(huán)境下的網(wǎng)絡(luò)輿情信息傳播特征及規(guī)律研究[J].情報(bào)雜志，2018，37（09）：127-133+105.

[6]陳國蘭，原雨奇，張志武.基于區(qū)塊鏈的內(nèi)容平臺知識共享演化博弈分析[J].情報(bào)探索，2022（09）：29-38.

作者單位：首都經(jīng)濟(jì)貿(mào)易大學(xué)

■ 責(zé)任編輯：張津平、尚丹