白 梅，陸嘯塵

（上海理工大學(xué) 管理學(xué)院，上海 200093）

0 引 言

隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，大眾在網(wǎng)絡(luò)空間的活動(dòng)與現(xiàn)實(shí)生活愈加貼合。社交網(wǎng)絡(luò)平臺(tái)具有的開放性、及時(shí)性、匿名性等特點(diǎn)，使得公眾樂于在網(wǎng)絡(luò)平臺(tái)上實(shí)時(shí)分享掌握的各類信息。網(wǎng)絡(luò)信息的傳播實(shí)際上更是一種人際互動(dòng)和交流的過(guò)程，信息的傳播演化主要依賴于用戶間的交互行為。用戶行為的多樣性和差異性對(duì)個(gè)體間的交互模式產(chǎn)生重要影響，使得網(wǎng)絡(luò)信息傳播更加復(fù)雜。情緒是個(gè)體的主觀體驗(yàn)，是其對(duì)某一事件所產(chǎn)生的認(rèn)知、評(píng)價(jià)、態(tài)度等結(jié)合自身的經(jīng)驗(yàn)或思維判斷后，綜合產(chǎn)生的心理體驗(yàn)和行為表現(xiàn)。在學(xué)習(xí)和生活中，個(gè)體情緒會(huì)影響其所關(guān)注的事物和對(duì)信息的選擇；在信息的加工過(guò)程中，人的注意、判斷、學(xué)習(xí)、記憶等認(rèn)知過(guò)程也會(huì)受到自身情緒的影響；研究還指出，情緒也對(duì)決策行為具有直接的影響作用。在情緒與人際互動(dòng)關(guān)系的進(jìn)一步研究中發(fā)現(xiàn)，相對(duì)于消極情緒，處于積極情緒狀態(tài)中的個(gè)體更愿意與外界進(jìn)行互動(dòng)和聯(lián)結(jié)，更容易表現(xiàn)出親社會(huì)行為，對(duì)外界的信任度和包容度也較高。這些研究表明，情緒對(duì)個(gè)體的影響作用已經(jīng)延伸到用戶社交行為中，進(jìn)而對(duì)用戶人際互動(dòng)過(guò)程和交互模式產(chǎn)生影響。

為了更好地揭示社交網(wǎng)絡(luò)中信息傳播的內(nèi)在規(guī)律，本文將用戶情緒作為影響因素引入到輿情傳播模型（Infected-Susceptible-Removed，ISR）中，研究用戶所處情緒狀態(tài)對(duì)其行為特征和交互模式的影響。其創(chuàng)新性主要體現(xiàn)在：

（1）引入心理學(xué)、社會(huì)學(xué)等多學(xué)科知識(shí)，基于用戶個(gè)體特征，面向個(gè)體建模，考慮到了每個(gè)傳播主體行為的主觀性特點(diǎn)，豐富了模型構(gòu)建的深度和寬度；

（2）與傳統(tǒng)建模理論中認(rèn)為度數(shù)相同的用戶是等同的思想不同，本文允許個(gè)體差異性的存在，研究個(gè)體在不同情緒狀態(tài)下呈現(xiàn)出的差異性，在用戶行為特征和交互模式中建立聯(lián)系；

（3）在傳播規(guī)則和感染率、免疫率等參數(shù)的動(dòng)態(tài)設(shè)計(jì)和制定中，考慮到用戶活躍度、信息接觸率等因素，使其能更客觀真實(shí)地反映輿情傳播規(guī)律。

1 傳播動(dòng)力學(xué)模型構(gòu)建

目前，微博是大眾進(jìn)行信息傳播的媒介和主要途徑，也是輿情發(fā)酵的重要陣地，因此本文研究主要針對(duì)微博社區(qū)進(jìn)行。社交網(wǎng)絡(luò)上的每個(gè)節(jié)點(diǎn)代表一個(gè)用戶。傳統(tǒng)的謠言傳播模型ISR，將社交網(wǎng)絡(luò)中的用戶分為3類，分別是未知者（I）、傳播者（S）和免疫者（R）。未知者指尚未接收到輿情信息，但對(duì)信息敏感的用戶；傳播者對(duì)接收到的輿情信息認(rèn)可，并在網(wǎng)絡(luò)中將其傳播；免疫者指已經(jīng)傳播過(guò)該類信息，且由于各種原因不再具備傳播動(dòng)機(jī)與能力的用戶。在基本情緒理論中，雖然研究者們提出的基本情感的數(shù)量和類別不盡相同，但分類方法基本相同。因此，本文將用戶情緒狀態(tài)分為樂觀（Optimistic）、中性（Neutral）和悲觀（Pessimistic）情緒狀態(tài)。

用戶社交行為：微博網(wǎng)絡(luò)中用戶的社交行為主要包括發(fā)布原創(chuàng)微博、轉(zhuǎn)發(fā)信息、評(píng)論信息、轉(zhuǎn)評(píng)信息、點(diǎn)贊信息；用戶之間通過(guò)關(guān)注和被關(guān)注關(guān)系實(shí)現(xiàn)聯(lián)結(jié)和互動(dòng)，也是一種社交行為。

2 用戶行為特征分析及模型假設(shè)

情緒是人們參與到外界進(jìn)行互動(dòng)和交流的高級(jí)內(nèi)驅(qū)力。一個(gè)積極的個(gè)體通常思維活躍且充滿活力，其對(duì)外界具有較高的接納度和包容性，喜歡主動(dòng)探索世界，會(huì)與外界產(chǎn)生更多的聯(lián)結(jié)關(guān)系。Fredrickson積極情緒拓展和建構(gòu)理論指出，在積極情緒的促使下，個(gè)體的注意力和社交范圍都會(huì)得以拓展；而處于消極情緒狀態(tài)中的個(gè)體，往往喜歡聚焦于自己、固執(zhí)于自己的定向思維，則其與外界的互動(dòng)便會(huì)受到限制。個(gè)體處于這種不良心境狀態(tài)中，往往對(duì)外界信息的處理能力較差、思維遲鈍、精神疲憊等。另一方面，當(dāng)人們處于中性情緒狀態(tài)時(shí)，對(duì)外界事物往往沒有主觀的情感傾向，很容易隨波逐流，被其他人群干擾。

在微博社區(qū)網(wǎng)絡(luò)中，從用戶情緒狀態(tài)與其社交行為特征之間建立的聯(lián)系不難發(fā)現(xiàn)，當(dāng)用戶處于積極樂觀的情緒狀態(tài)中，其在社交網(wǎng)絡(luò)中的活躍度會(huì)變得較高，點(diǎn)贊、轉(zhuǎn)發(fā)、評(píng)論等互動(dòng)行為較為頻繁，對(duì)各種事物都喜歡發(fā)表自己的意見和看法；感興趣的對(duì)象也較多，接觸到的信息面較廣，會(huì)經(jīng)常更新關(guān)注列表；此外，還樂于發(fā)布原創(chuàng)微博。中性情緒狀態(tài)中的用戶瀏覽微博的頻率也較高，在微博上會(huì)有大量點(diǎn)贊、轉(zhuǎn)發(fā)信息的行為，但大都屬于隨波逐流，帶有主觀情感色彩的評(píng)論和原創(chuàng)微博較少。而當(dāng)用戶處于悲觀情緒狀態(tài)中時(shí)，很少主動(dòng)與外界進(jìn)行交流，偶爾還會(huì)發(fā)布一些帶有消極情感色彩的微博內(nèi)容。

基于以上分析，對(duì)ISR模型進(jìn)行改進(jìn)，并提出以下假設(shè)：

在傳統(tǒng)信息傳播模型的基礎(chǔ)上，考慮到用戶情緒狀態(tài)，將用戶種群（）分為以下7種狀態(tài)，每個(gè)用戶都處于一個(gè)獨(dú)特的狀態(tài)：處于樂觀情緒狀態(tài)的無(wú)知者（I）、處于中性情緒狀態(tài)的無(wú)知者(I)、處于悲觀情緒狀態(tài)的無(wú)知者(I)、處于樂觀情緒狀態(tài)的傳播者(S)、處于中性情緒狀態(tài)的傳播者(S)、處于悲觀情緒狀態(tài)的傳播者(S)和免疫者()。

網(wǎng)絡(luò)中的任一節(jié)點(diǎn)處于樂觀情緒狀態(tài)的概率為。 樂觀情緒狀態(tài)未知者（I）活躍度較高，會(huì)積極與外界進(jìn)行互動(dòng)、社交范圍廣，能主動(dòng)地與周圍所有傳播節(jié)點(diǎn)鄰居交互，并以λ的概率成為信息傳播者。因此，樂觀情緒狀態(tài)無(wú)知者I的狀態(tài)轉(zhuǎn)移過(guò)程可以表示為：

網(wǎng)絡(luò)中的任意節(jié)點(diǎn)用戶處于悲觀情緒狀態(tài)的概率是β。這類用戶活躍性較低，不愿主動(dòng)與外界進(jìn)行互動(dòng)和交流，因此其獲取外界信息的通道受限。而樂觀情緒狀態(tài)傳播者S會(huì)主動(dòng)與周圍所有節(jié)點(diǎn)接觸，此時(shí)悲觀情緒狀態(tài)未知者被其影響，與其發(fā)生交互行為，狀態(tài)轉(zhuǎn)移過(guò)程表示為：

處于中性情緒狀態(tài)的未知者在網(wǎng)絡(luò)中的活躍度也較高，能主動(dòng)地與周圍所有傳播節(jié)點(diǎn)鄰居交互，喜歡漫無(wú)目的地瀏覽信息，但很少會(huì)有自己的見解和觀點(diǎn)。這類用戶狀態(tài)轉(zhuǎn)移過(guò)程可以表示為：

用戶在微博網(wǎng)絡(luò)中的點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)等社交行為都是用戶活躍性的體現(xiàn)；用戶發(fā)帖的數(shù)量和頻率、粉絲數(shù)和關(guān)注數(shù)量的更新變化也能體現(xiàn)出用戶的活躍度。本文探討的用戶行為特征因所處情緒狀態(tài)的不同而體現(xiàn)出差異性，因此情緒狀態(tài)概率α，β的定義中包含了用戶活躍度的設(shè)計(jì)。

在微博網(wǎng)絡(luò)中，用戶u關(guān)注的對(duì)象所發(fā)布的信息會(huì)直接推送給用戶u。因此，用戶的關(guān)注數(shù)量越多，則其獲取的信息量越大、接觸的信息面越廣；同時(shí)，用戶在網(wǎng)絡(luò)中的活躍度越高、瀏覽頻率越高、社交行為越多，其接觸到輿情信息的可能性也越大。因此感染率、情緒狀態(tài)概率和免疫率的定義中包含了對(duì)信息接觸率的設(shè)計(jì)。

3 模型平衡點(diǎn)及閾值

按照傳統(tǒng)的傳播動(dòng)態(tài)研究方法，用I(k，t)、S(k，t)和R(k，t)分別表示在t時(shí)刻、類指標(biāo)為k下的未知者、傳播者和免疫者的數(shù)量；并用ρ(k，t)、ρ(k，t)和ρ(k，t)分別表示其密度。在t時(shí)刻、類指標(biāo)k下的任意未知節(jié)點(diǎn)i，處于樂觀情緒狀態(tài)的概率為α，處于悲觀情緒狀態(tài)的概率為β，則以概率1-α-β處于中性情緒狀態(tài)。信息的傳播率為λ，傳播狀態(tài)的用戶轉(zhuǎn)變?yōu)槊庖郀顟B(tài)的移除率為δ。 在不考慮用戶節(jié)點(diǎn)在 [t，t+Δt ]期間的相互作用下，假設(shè)節(jié)點(diǎn)i在t時(shí)刻有g(shù)(g≤k)個(gè)傳播者鄰居，那么節(jié)點(diǎn)i保持未知狀態(tài)的概率為(1-λΔt )。

根據(jù)上述傳播規(guī)則，樂觀情緒狀態(tài)的無(wú)知者節(jié)點(diǎn)i有g(shù)個(gè)傳播鄰居的概率為：

4 仿真分析

為了驗(yàn)證本文構(gòu)建的輿情傳播模型有效性，并進(jìn)一步分析傳播過(guò)程中各狀態(tài)用戶的變化趨勢(shì)和輿情傳播規(guī)律，基于式（9）～式（11）進(jìn)行數(shù)值仿真實(shí)驗(yàn)，每次以隨機(jī)選擇的不同初始傳播者運(yùn)行50次，取所有結(jié)果的平均值進(jìn)行分析。

4.1 樂觀情緒狀態(tài)率對(duì)傳播過(guò)程的影響

圖1 不同λ和α對(duì)輿情傳播規(guī)模的影響Fig.1 Influence of differentλandαon the scale of public opinion communication

在網(wǎng)絡(luò)輿情傳播過(guò)程中，傳播者密度的峰值反應(yīng)了輿情達(dá)到的最大規(guī)模，免疫者密度的最終穩(wěn)態(tài)值，反應(yīng)了輿情的最終擴(kuò)散范圍。因此，探究傳播者與免疫者密度的變化規(guī)律是極其重要的。圖2反應(yīng)了在不同的影響下傳播者和免疫者密度隨時(shí)間的變化趨勢(shì)。設(shè)置各參數(shù)＝08、＝02，03，045，06，085。 從圖中可以發(fā)現(xiàn)，在輿情的傳播過(guò)程中，傳播者用戶的密度呈現(xiàn)先增加后下降的趨勢(shì)，免疫用戶的密度隨時(shí)間而持續(xù)增加，最終達(dá)到一個(gè)穩(wěn)定狀態(tài)。根據(jù)圖2（a），比較不同值下傳播者密度隨時(shí)間的變化趨勢(shì)發(fā)現(xiàn)，傳播者密度達(dá)到的峰值隨的增加而增大，且值越大，達(dá)到峰值所需時(shí)間就越短。此外，輿情前期的爆發(fā)速率和后期的消散速度也都隨值的增大而加快。根據(jù)圖2（b）可以發(fā)現(xiàn)，的值越大，輿情傳播則能更加快速地趨于穩(wěn)定狀態(tài)，且達(dá)到的最終穩(wěn)態(tài)值也更大。當(dāng)系統(tǒng)中的免疫用戶密度達(dá)到穩(wěn)定狀態(tài)時(shí)，就代表了公眾輿論的消失。

4.2 悲觀情緒狀態(tài)率對(duì)輿情傳播的影響

圖3顯示了在不同的和下傳播規(guī)模的熱力圖，其中存在明顯的臨界現(xiàn)象。保持參數(shù)02、＝02不變，圖中的實(shí)心白線對(duì)應(yīng)0205（108），表示由臨界傳播概率和臨界悲觀情緒狀態(tài)率構(gòu)成的一條清晰的臨界曲線。水平虛線對(duì)應(yīng)＝0205，表示在此線之下的信息傳播規(guī)模將會(huì)很小，并且不能在網(wǎng)絡(luò)中大規(guī)模傳播；垂直虛線對(duì)應(yīng)0108，意味著即使在最大的信息傳播概率＝1時(shí)，動(dòng)態(tài)傳播都會(huì)被限制在一個(gè)很小的區(qū)域內(nèi)。圖4顯示了不同影響程度下傳播者和免疫者密度變化規(guī)律。設(shè)置參數(shù)＝08、＝005，02，04，065，08可以看出，傳播者密度達(dá)到的峰值和免疫者密度的最終穩(wěn)態(tài)值均隨值的增大而減??；值越大，輿情爆發(fā)就越慢、持續(xù)時(shí)間越長(zhǎng)、最終知曉網(wǎng)絡(luò)輿情信息的人數(shù)就越少，且輿情產(chǎn)生的影響范圍也更小。

圖2 不同α影響程度下傳播者與免疫者的密度變化趨勢(shì)Fig.2 The change trend of the density of spreaders and immunizers under different influence degree ofα

圖3 不同λ和β對(duì)輿情傳播規(guī)模的影響Fig.3 Influence of differentλandβon the scale of public opinion communication

圖4 不同β影響程度下傳播者與免疫者的密度變化趨勢(shì)Fig.4 The change trend of the density of spreaders and immunizers under different influence degree ofβ

5 結(jié)束語(yǔ)

從實(shí)際角度考慮，社交網(wǎng)絡(luò)中未知者數(shù)量代表了輿情可能的影響范圍，傳播者人數(shù)代表著輿情信息的話題熱度和散布規(guī)模，免疫人群代表了輿論的消散態(tài)勢(shì)。因此，在輿情治理中可以通過(guò)調(diào)整初始易感人群的數(shù)量和每類人群的比例，使輿情信息傳播朝著預(yù)期方向發(fā)展。仿真實(shí)驗(yàn)結(jié)果為此提供了理論依據(jù)。由分析結(jié)果可知，當(dāng)希望輿情信息在網(wǎng)絡(luò)中大規(guī)模傳播時(shí)，可以在事件發(fā)展初期增加樂觀情緒狀態(tài)用戶的比例，使信息以較短的時(shí)間和較快的速度達(dá)到較大的傳播峰值，也就是加速輿情的爆發(fā)。但與此同時(shí)，較大比例的積極情緒用戶也會(huì)使得事件的持續(xù)時(shí)間縮短，因此在傳播后期，政府、媒體或其他相關(guān)部門可以采取適當(dāng)調(diào)控措施，以降低信息的消散速度。當(dāng)不希望輿情信息在網(wǎng)絡(luò)中大規(guī)模爆發(fā)時(shí)，可以增加悲觀情緒狀態(tài)用戶比例來(lái)有效抑制輿情。由分析可知，悲觀情緒狀態(tài)用戶數(shù)越多，輿情所能達(dá)到的傳播量和最終散布范圍也越小，但卻使網(wǎng)絡(luò)中話題持續(xù)時(shí)間越長(zhǎng)。因此在傳播后期可以增加樂觀情緒狀態(tài)用戶比例或采取其他加快輿論消散速度的措施。此外，控制不同人群比例的措施也能夠起到及時(shí)調(diào)整公眾情緒的作用，避免極端情緒的形成。