楊勇 薛振中

(武警警官學(xué)院，四川 成都610213)

1 引言

隨著近年來互聯(lián)網(wǎng)在我國的快速發(fā)展，基于互聯(lián)網(wǎng)領(lǐng)域的群體性事件迅猛發(fā)展，影響范圍不斷加大?，F(xiàn)實社會中的大量群體性事件由網(wǎng)絡(luò)醞釀產(chǎn)生，并不斷與網(wǎng)絡(luò)產(chǎn)生互動，同時少數(shù)別有用心的人趁機煽動作亂，大量的網(wǎng)民盲目參與形成了難以控制的不安定局面，給黨和政府對事件的妥善處置造成了干擾和壓力。因此，深入研究與網(wǎng)絡(luò)群體性事件密切關(guān)聯(lián)的網(wǎng)絡(luò)輿論系統(tǒng)，為下一步制定有效的防范策略帶來新的思路，具有重要意義。

作為發(fā)展中的復(fù)雜系統(tǒng)學(xué)的一部分，國外一般把輿情形成與演化原理的研究劃歸于輿情動力學(xué)(Opinion Dynamics)范疇。從20世紀50年代Bibb Latané提出的社會影響理論(Social Impact Theory)開始，具有代表性的輿情動力學(xué)模型有:Sznajd模型(SM)、投票人模型(The Voter Models)、妥協(xié)模型(Relative Agreement)、多數(shù)準則模型(The Majority Rule Models)、Axelrod模型(又稱文化模型)、受限信任模型(Bounded Confidence Model，BCM)等［1-6］。這些模型的研究對象主要是傳統(tǒng)輿論，多數(shù)都使用基于主體的建模方法(Agent-Based Modeling)。但由于網(wǎng)絡(luò)輿論系統(tǒng)的復(fù)雜性與社會性等特征，以規(guī)則確定行為的傳統(tǒng)社會動力學(xué)原理難以適用。社會網(wǎng)絡(luò)分析(Social Network Analysis，SNA)方法用社會網(wǎng)絡(luò)結(jié)構(gòu)對行動的限制來解釋行為，是一種研究社會成員或群體之間的相互作用關(guān)系的有效方法。它將系統(tǒng)成員或成員群體間的關(guān)系作為研究對象，利用關(guān)系模型的特征參數(shù)進行量化分析，將定性研究與定量研究結(jié)合起來，比傳統(tǒng)的定性研究更具優(yōu)勢。這一方法經(jīng)過七十余年的反復(fù)驗證和逐步完善已經(jīng)成熟，已廣泛用于社會學(xué)、心理學(xué)和經(jīng)濟學(xué)等學(xué)科領(lǐng)域的研究。

2 基于SNA的網(wǎng)絡(luò)輿論系統(tǒng)狀態(tài)參數(shù)差分法

通過對網(wǎng)絡(luò)整體及網(wǎng)民主體的SNA屬性參數(shù)組的差分計算獲得網(wǎng)絡(luò)輿論系統(tǒng)狀態(tài)分布的變化量，通過差分量的時間序列展開觀測狀態(tài)變化是否符合預(yù)期，發(fā)現(xiàn)對狀態(tài)分布和變化起主導(dǎo)作用的意見領(lǐng)袖，挖掘出網(wǎng)絡(luò)輿論系統(tǒng)演化特征并對其進行定量分析，可以揭示出網(wǎng)絡(luò)輿情事件的一般演化規(guī)律。

2.1基本步驟

(1)針對某一話題或某一關(guān)鍵詞對關(guān)注中的網(wǎng)站或論壇進行數(shù)據(jù)采集，將采集到的數(shù)據(jù)進行初步的去噪消重處理，找出網(wǎng)民之間的回復(fù)關(guān)系，存入數(shù)據(jù)庫。

(2)根據(jù)網(wǎng)絡(luò)輿論持續(xù)時間或者狀態(tài)觀測者的要求設(shè)定觀測周期Δt，該觀測周期可隨時進行調(diào)整。讀取數(shù)據(jù)庫中的數(shù)據(jù)，建立每個觀測周期內(nèi)的回復(fù)關(guān)系矩陣并繪制出網(wǎng)絡(luò)社群圖。

(3)根據(jù)網(wǎng)絡(luò)社群圖，計算出每個觀測周期的SNA參數(shù)值。

(4)將每個觀測周期的SNA參數(shù)值按時間序列展開，利用差分法計算每個觀測周期內(nèi)的SNA參數(shù)增量。

(5)對計算出的SNA參數(shù)增量進行綜合分析研究，揭示出該網(wǎng)絡(luò)輿論的特征。

2.2 網(wǎng)絡(luò)輿論主體的狀態(tài)分析

2.2.1 點度中心度與中心性

中心性是指個人或組織在其社會網(wǎng)絡(luò)中具有怎樣的權(quán)利，或者說居于怎樣的中心地位。點度中心度是識別意見領(lǐng)袖的重要指標。一般認為，在網(wǎng)絡(luò)中點度中心度最大的網(wǎng)民為該話題的意見領(lǐng)袖。

定義1 絕對點度中心度CADi，為與結(jié)點i有直接聯(lián)系的結(jié)點數(shù)目，即與該網(wǎng)民發(fā)生直接聯(lián)系的網(wǎng)民數(shù)目，主要反映該網(wǎng)民的影響范圍。

定義2 相對點度中心度CRDi，為結(jié)點i的絕對點度中心度與圖中點的最大可能度數(shù)之比，即與該網(wǎng)民實際發(fā)生直接聯(lián)系的網(wǎng)民數(shù)目與最大可能發(fā)生直接聯(lián)系的網(wǎng)民數(shù)目之比。在單向連接中的計算公式為:

式(1)中，n為網(wǎng)絡(luò)結(jié)點數(shù)，即網(wǎng)民數(shù)。CRDi以CADi為基礎(chǔ)，主要反映該網(wǎng)民在整個網(wǎng)絡(luò)中的核心性，即地位的中心程度。

2.2.2 基于時間序列的狀態(tài)變化計算方法

設(shè)CADi(t)為t時刻網(wǎng)絡(luò)結(jié)點i的絕對點度中心度，則一個采樣周期Δt內(nèi)CADi(t)的變化量為絕對點度中心度增量，記為ΔCADi(t)。

設(shè)CRDi(t)為t時刻網(wǎng)絡(luò)結(jié)點i的相對點度中心度，則一個采樣周期Δt內(nèi)CRDi(t)的變化量為相對點度中心度增量，記為ΔCRDi(t)。

2.2.3 狀態(tài)分析

記Δn(t)為網(wǎng)民數(shù)增量，當(dāng)Δn(t)、ΔCADi(t)與ΔC'ADi(t)分別為正值、負值或0值時，其揭示出不同的網(wǎng)絡(luò)輿論特征。下面將上述三個參數(shù)值簡化為非負值與負值兩種情況，分別進行研究，結(jié)果見表1。

對Δn(t)、ΔCRDi(t)與ΔC'RDi(t)分非負值與負值兩種情況進行研究，結(jié)果見表2。

2.3 網(wǎng)絡(luò)輿論系統(tǒng)的狀態(tài)分析

表1 絕對點度中心度相關(guān)參數(shù)變化含義

表2 相對點度中心度相關(guān)參數(shù)變化含義

2.3.1 網(wǎng)絡(luò)密度

網(wǎng)絡(luò)密度表示網(wǎng)絡(luò)社群圖中各個結(jié)點間聯(lián)絡(luò)的稀密程度。在網(wǎng)絡(luò)輿論系統(tǒng)中，結(jié)點表示發(fā)帖或跟帖的網(wǎng)民，結(jié)點間的連線表示網(wǎng)民間的帖子跟隨關(guān)系，網(wǎng)絡(luò)密度則反映出網(wǎng)民之間相互跟帖關(guān)系的密集程度。計算公式為:

式(8)中，n為網(wǎng)絡(luò)結(jié)點數(shù)，即網(wǎng)民數(shù);L為所有結(jié)點間實際擁有的連線數(shù)。

2.3.2 網(wǎng)絡(luò)中心勢

網(wǎng)絡(luò)中心勢以點度中心度為基礎(chǔ)，刻畫網(wǎng)絡(luò)社群圖的整體中心性，用來測量整個網(wǎng)絡(luò)的連通情況對少數(shù)行為者的依賴程度。在網(wǎng)絡(luò)輿論系統(tǒng)中用來測量信息流在整個網(wǎng)絡(luò)的傳播情況對少數(shù)網(wǎng)民的依賴程度。網(wǎng)絡(luò)中心勢反映的是網(wǎng)絡(luò)社群圖的整體向心程度，在網(wǎng)絡(luò)輿論系統(tǒng)中則反映出其他網(wǎng)民對某一網(wǎng)民回應(yīng)的集中程度。網(wǎng)絡(luò)中心勢越大，說明該話題的討論集中程度越大，意見領(lǐng)袖具有的凝聚力越大，產(chǎn)生影響力較大的意見領(lǐng)袖的可能性越大。其數(shù)學(xué)表達式為:

由于當(dāng)且僅當(dāng)網(wǎng)絡(luò)為包含n個結(jié)點的星形結(jié)構(gòu)時，除數(shù)達到最大值n2-3n+2，因此，式(10)可以簡化為:

2.3.3 基于時間序列的狀態(tài)變化計算方法

設(shè)D(t)為t時刻的社會網(wǎng)絡(luò)密度，則一個采樣周期Δt內(nèi)D(t)的變化量為密度增量，記為ΔD(t)，ΔD(t)∈［-1，1］。

設(shè)C(t)為t時刻的社會網(wǎng)絡(luò)中心勢，則一個采樣周期Δt內(nèi)C(t)的變化量為網(wǎng)絡(luò)中心勢增量，記為ΔC(t):

網(wǎng)絡(luò)中心勢變化速度為:

2.3.4 狀態(tài)分析

記Δn(t)為網(wǎng)民數(shù)增量，當(dāng)Δn(t)、ΔD(t)與ΔD'(t)分別為正值、負值或0值時，其揭示出不同的網(wǎng)絡(luò)輿論特征。下面將上述三個參數(shù)值簡化為非負值與負值兩種情況，分別進行研究，結(jié)果見表3。

對Δn(t)、ΔC(t)與ΔC'(t)分非負值與負值兩種情況進行研究，結(jié)果見表4。

將ΔCADi(t)、ΔCRDi(t)、ΔD(t)和ΔC(t)稱為SNA參數(shù)增量，將Δ(t)、Δ(t)、ΔD'(t)和ΔC'(t)稱為SNA參數(shù)變化速度增量。一般而言，若網(wǎng)民數(shù)增量與SNA參數(shù)增量均大于0，說明網(wǎng)絡(luò)輿論處于形成或發(fā)展時期，網(wǎng)絡(luò)輿論具有進一步發(fā)展甚至爆發(fā)的可能，此時應(yīng)予以重點關(guān)注;若網(wǎng)民數(shù)增量與SNA參數(shù)增量均小于0，則說明網(wǎng)絡(luò)輿論處于回落或冷卻時期，將逐漸退出公眾的視野;若網(wǎng)民數(shù)增量、SNA參數(shù)增量與SNA參數(shù)變化速度增量在正負值之間圍繞0波動，則說明參與者相互關(guān)系的密集程度和討論的熱烈程度有波動，網(wǎng)民對話題的關(guān)注度可能偏移或轉(zhuǎn)移，網(wǎng)絡(luò)輿論處于起伏狀態(tài)，可能演變至偏移期或振蕩期。

3 實驗驗證

以天涯論壇(www.tianya.cn)的“華南虎事件”為實驗數(shù)據(jù)(該事件源于網(wǎng)絡(luò)，并引發(fā)現(xiàn)實社會的大量關(guān)注)，運用SNA理論及其參數(shù)差分法，通過網(wǎng)絡(luò)數(shù)據(jù)采集與分析系統(tǒng)實現(xiàn)對網(wǎng)絡(luò)輿論狀態(tài)觀測方法的仿真。

3.1 實驗數(shù)據(jù)

在2007年底至2008年初，華南虎事件是社會輿論的熱點話題。該事件是網(wǎng)絡(luò)輿論從發(fā)生、發(fā)展到爆發(fā)直至消亡的典型案例。據(jù)統(tǒng)計，該話題在天涯論壇上的總參與人數(shù)為5779人，總回帖數(shù)65029個，持續(xù)時間自2007年10月15日樓主發(fā)帖開始，直至2008年1月30日最后一位跟帖者發(fā)帖結(jié)束，經(jīng)歷了從形成、發(fā)展、爆發(fā)直至回落的主要演變過程。將回帖采集并經(jīng)初步處理后存入數(shù)據(jù)庫中，設(shè)定采樣周期為1天，按天統(tǒng)計網(wǎng)民數(shù)，如圖1所示。

表3 社會網(wǎng)絡(luò)密度相關(guān)參數(shù)變化含義

表4 網(wǎng)絡(luò)中心勢相關(guān)參數(shù)變化含義

圖1 天涯論壇“華南虎事件”輿論演變圖

表5 SNA參數(shù)表(8天)

表6 SNA參數(shù)增量表(8天)

3.2 數(shù)據(jù)分析

將參與天涯論壇“華南虎事件”討論的網(wǎng)民及其之間的聯(lián)系看作是一個網(wǎng)絡(luò)輿論系統(tǒng)。使用SNA方法進行數(shù)據(jù)分析，得到SNA參數(shù)值見表5(限于篇幅，僅截取11月15日—22日共8天數(shù)據(jù))，其中CADi(t)、CRDi(t)分別為意見領(lǐng)袖的絕對點度中心度和相對點度中心度。通過分析這些參數(shù)值就可以了解到該網(wǎng)絡(luò)輿論系統(tǒng)的主要特征。

根據(jù)上述SNA參數(shù)值，采用差分分析法計算其增量，見表6。

3.3 結(jié)論

通過數(shù)據(jù)分析，可以得出以下結(jié)論。

(1)11月16日，網(wǎng)民數(shù)量達到最大值，說明此時參與該話題討論的人數(shù)最多，可認為是討論最熱烈的時刻。ΔCADi(t)與ΔC'ADi(t)也在同時達到最大值，這是符合預(yù)期的，體現(xiàn)出參與討論的網(wǎng)民對于樓主的回復(fù)十分熱烈且這種趨勢大幅上升。但此時ΔCRDi(t)與Δ(t)為負，說明隨著參與討論的網(wǎng)民數(shù)量的增多，并非所有參與討論的網(wǎng)民都回復(fù)樓主，網(wǎng)民之間也產(chǎn)生了一些討論與交流，形成了一些小團體，即所謂的凝聚子群。在這些凝聚子群中，也有各自的意見主導(dǎo)者，隨著輿情事件的演變，有成長為新意見領(lǐng)袖的可能。ΔC(t)與ΔC'(t)也達到最大值，說明當(dāng)前時刻對于該話題的討論集中程度大，當(dāng)前意見領(lǐng)袖的凝聚力和影響力大，且這種趨勢大幅上升。另一方面，由于參與網(wǎng)民數(shù)量激增，網(wǎng)民之間討論交流不夠充分，相互關(guān)系的密集程度大大減小，導(dǎo)致ΔD(t)大幅下降，但這種趨勢有所下降。

(2)11月17日—24日，參與網(wǎng)民數(shù)量逐漸減少，輿情事件在經(jīng)過爆發(fā)后開始回落。ΔCADi(t)為負值，說明討論人數(shù)持續(xù)減少;Δ(t)出現(xiàn)最小值后圍繞0值波動，說明這種趨勢在大幅震蕩后逐漸趨于平緩，這是輿情事件進入回落階段的標志之一。ΔCRDi(t)與Δ(t)、ΔC(t)與ΔC'(t)均圍繞0值小幅波動，說明網(wǎng)民之間討論與交流更加熱烈，趨勢也有所反復(fù)。參與網(wǎng)民不再是單純回復(fù)樓主，其間形成了一些凝聚子群，根據(jù)凝聚子群中意見主導(dǎo)者地位及其凝聚力和影響力的變化，樓主的意見領(lǐng)袖地位及其凝聚力和影響力也隨之波動。ΔD(t)與ΔD'(t)在快速回落后基本保持不變，說明輿情事件在經(jīng)過短暫的爆發(fā)期后，參與網(wǎng)民相互之間對該話題討論的密集程度基本不變，趨勢也基本保持穩(wěn)定。

(3)11月25日—12月13日，網(wǎng)民數(shù)量保持穩(wěn)定，這些網(wǎng)民是該話題較為穩(wěn)定的參與者和討論者。同時，ΔCADi(t)與Δ(t)、ΔD(t)與ΔD'(t)也保持穩(wěn)定，這是輿情事件進入平穩(wěn)階段的標志之一。但是，ΔCRDi(t)與Δ(t)、ΔC(t)與ΔC'(t)均出現(xiàn)較大幅度的波動，說明網(wǎng)民間的討論與交流仍然十分熱烈，趨勢也有較大幅度的變化，隨時都有再次爆發(fā)或形成新意見領(lǐng)袖的可能，該輿情事件仍具有一定的生命力。

可見，通過對SNA參數(shù)增量與SNA參數(shù)變化速度增量的綜合分析，能夠在一定程度上揭示出網(wǎng)絡(luò)輿論系統(tǒng)的深層次特征。

4 結(jié)束語

本文僅從系統(tǒng)整體的角度，借助SNA理論對網(wǎng)絡(luò)輿論系統(tǒng)進行了研究，其中的許多細節(jié)尚有待進一步深入研究，如:網(wǎng)民主體的相關(guān)屬性、網(wǎng)絡(luò)輿論系統(tǒng)的相關(guān)屬性、網(wǎng)絡(luò)輿論系統(tǒng)的指標體系等。

1 SZNAJD WERON K，SZNAJD J.Opinion evolution in closed community［J］.International Journal of Modern Physics C，2000，11(6):1157-1165.

2 PETER CLIFFORD，AIDAN SUDBURY.A model for spatial conflict［J］.Biometrika，1973，60(3):581-588.

3 DEFFUANT G，NEAU D，AMBLARD F，et al.Mixing beliefs among interacting agents［J］.Adance in Complet Systems，2001(3):87-98.

4 GALAM S.Minority opinion spreading in random geometry［J］.Eur.Phys.J.B，2002，25(4):403-406.

5 AXELROD R.The dissemination of culture:A model with local convergence and global polarization［J］.Journal of Conflict Resolution，1997，41(2):203-226.

6 HEGSELMANN R，KRAUSE B U.Opinion dynamics and bounded confidence models，analysis，and simulation［J］.Journal of Artificial Societies and Social Simulation，2002，5(3):1-33.

7 STAUFFER D，SOUSA A O，OLIVEIRA S M.Generalization to square lattice of Sznajd sociophysics model［J］.International Journal of Modern Physics C，2000，11(6):1239-1245.

8 BERNARDESA T，STAUFFER D，KERTFFESZJ.Election results and the Sznajd model on Barabasi network［J］.European Physical Journal B，2002，25(1):123-127.

9 GONZALEZ M C，SOUSA A O，HERRMANN H J.Opinion formation on a determinstic pseudo-fractal network［J］.International Journal of Modern Physics C，2004，15(1):45-57.

10 FORTUNATO S.The Krause Hegselmann consensus model with discrete opinions［J］.International Journal of Modern Physics C，2004，15(7):1021-1029.

11 HOLME P，NEWMAN M E J.Nonequilibrium phase transition in the coevolution of networks and opinions［J］.Physical Review E，2006，74(5):1-5.

12 KOZMA B，BARRAT A.Consensus formation on adaptive networks［J］.Physical Review E，2008，77(1):6102-6114.

13 張立，劉云.網(wǎng)絡(luò)輿論傳播的無標度特性及其衰減模型的研究［J］.北京交通大學(xué)學(xué)報:自然科學(xué)版，2008，32(2):67-70.

14 曾祥平，方勇，袁媛，等.基于元胞自動機的網(wǎng)絡(luò)輿論激勵模型［J］.計算機應(yīng)用，2007，27(11):2686-2688，2714.