基于新聞類APP移動網絡輿情傳播模型研究

林 亮李學靜陳虹暻

（1重慶大學 經濟與工商管理學院，重慶 400030；2武警福州指揮學院，福建 福州 350002）

基于新聞類APP移動網絡輿情傳播模型研究

林 亮1，2李學靜1陳虹暻1

（1重慶大學 經濟與工商管理學院，重慶 400030；2武警福州指揮學院，福建 福州 350002）

［目的/意義］對于移動網絡輿情信息的重要來源——新聞類APP的研究，可以揭示其傳播規律，為相關部門加強移動網絡輿情的監管提供參考。［方法/過程］本文首先對新聞類APP移動網絡輿情的傳播主體進行分析，然后結合SEIR傳染病模型，構建了新聞類APP移動網絡輿情傳播模型，最后使用MATLAB軟件對模型進行仿真，并分析轉換參數對傳播曲線的影響程度。［結果/結論］本文構建的模型與曲線不僅能夠描述傳播主體在網絡中的比重變化，并且能夠模擬出新聞類APP移動網絡輿情的傳播活力與傳播范圍。仿真實驗結果證實了模型的有效性，對移動網絡的輿情分析、研判和預警具有一定的參考價值。

移動網絡；網絡輿情；SEIR模型；新聞類APP

一、引言

網絡輿情是民眾通過互聯網表達的對現實社會的各種認知、態度、情感和行為傾向的集合，［1］是現代社會輿情的重要組成部分。移動互聯網迅速發展，使用智能手機等移動終端上網的人數日益增多，網民的互聯網生活中心逐漸向移動端轉移。［2］根據中國互聯網信息中心（CNNIC）《第37次中國互聯網絡發展狀況研究報告》，截至2016年1月，我國手機網民規模達6.20億，有90.1%的網民通過手機上網，移動終端的上網使用率已經超過固定終端，［3］移動終端已經成為網絡輿情聚散的“新陣地”，形成移動網絡輿情。移動網絡輿情是指民眾利用智能手機等移動終端在互聯網上表達的對現實社會的各種認知、態度、情感以及行為傾向的集合。［4］新聞類APP即移動新聞類客戶端，是指借助數字、移動技術，安裝在移動終端上（如智能手機、平板電腦等）的新聞類服務程序，通常帶有評論、轉發等功能。［5］移動互聯已經成為不可逆轉的趨勢，正深刻地改變人們的生活習慣甚至生存方式。［6］因此，新聞類客戶端作為一種新型的移動新聞資訊平臺因其內容綜合全面、新聞推送及時、操作簡易方便等特點保證了用戶的高黏度，并逐漸發展為一種新的閱讀習慣，已成為民眾獲取信息，參與社會熱點話題討論的核心移動媒體渠道。［7，8］正是源于現實當中網絡輿情傳播的“陣地轉移”，對新聞類APP移動網絡輿情傳播模型進行研究具有較強的理論意義。

二、新聞類APP網絡輿情傳播模型的構建

（一）新聞類APP類型

目前，新聞類APP可根據來源和功能劃分為三個類型：一是搜狐網、新浪網等門戶網站開發的門戶網站新聞APP；二是人民日報、南方周末等傳統新聞媒體開發的傳統媒體新聞APP；三是今日頭條、百度新聞等聚合形式的新聞APP。

（二）新聞類APP網絡輿情傳播主體分析

新聞類APP網絡輿情傳播主體主要有三大類：一是普通網絡用戶，即以個人名義參與網絡信息傳遞的網絡主體；二是意見領袖，是指在網絡當中能夠為普通網絡用戶提供他們所不掌握的信息，并對其行為、思想產生一定影響作用的網絡主體；三是網絡媒體，即傳統媒體的網絡站點、門戶新聞網站以及新生的聚合新聞網站等。

在信息發布之后的輿情傳播網絡中，三大網絡輿情傳播主體之間的具體差別很難在新聞類APP輿情傳播中體現。在新聞類APP中，意見領袖的個體標識并不像在微博、微信等偏重于社交的網絡中那么明顯，網絡媒體掌控信息的地位也被逐漸削弱，普通移動網絡用戶這類傳播主體的信息自主權被便捷的網絡環境提升，它們三者共同無差別構建了輿情網絡。

目前，新聞類APP上網絡輿情傳播主體間交互模式的實現依賴于客戶端的功能設置，設置了評論、分享、轉發等功能的新聞類APP能夠把公共的輿情信息在私人關系網中分享傳播。

（三）新聞類APP網絡輿情傳播主體的節點化

Kermack與Mckendrick用動力學方法構建了SIR傳染病模型，［9］Sudbury利用SIR傳染病模型研究謠言的傳播規律，［10］陳波等指出在網絡輿情傳播過程中存在潛伏狀態的個體，提出了帶直接免疫的SEIR模型。［11］朱恒民［12］、林曉靜［13］、陳福集［14］等學者利用傳染病模型研究了網絡輿情的傳播規律。

借鑒SEIR模型，新聞類APP網絡輿情的傳播節點可以根據傳播主體的不同特征定義為四種屬性的節點：第一，無知覺節點（S），對應著安裝了新聞類APP，但對其發布的輿情信息還沒有進行查看的輿情傳播主體。第二，有知覺節點（E），對應著在新聞類APP上獲取了輿情的相關信息，但是還沒有決定是否對該輿情信息進行繼續傳播的傳播主體。第三，傳播節點（I），對應著在新聞類APP上獲取了輿情信息，并樂于繼續對該輿情信息進行傳播的傳播主體，輿情信息在該節點增強。第四，免疫節點（R），對應著已經獲得了輿情信息，但對該輿情信息缺乏傳遞意愿而退出輿情信息傳播的傳播節點，輿情信息在該節點終止。

（四）新聞類APP網絡輿情傳播模型構建

假設移動終端新聞類APP上輿情傳播網絡為復雜網絡D，網絡中輿情傳播節點的群體規模為含有n個節點元素的集合N，復雜網絡D中各個輿情傳播節點對輿情信息的傳遞是有向的，即節點i只收到相鄰上一級輿情傳播節點的信息，并將輿情信息傳遞至相鄰的下一級輿情傳播節點。假設t時刻無知覺節點（S）的數量，有知覺節點（E）的數量，傳播節點（I）的數量，免疫節點（R）的數量分別為：S（t）、E（t）、I（t）、R（t），且S（t）+E（t）+I（t）+R（t）=n。則t時刻各個屬性的輿情傳播節點在輿情傳播網絡中的比重為：s（t）、e（t）、i（t）、r（t），且s（t）+e（t）+i（t）+r（t）=1。

為進一步貼合前面對移動終端新聞類APP上輿情傳播網絡的現實情況，對SEIR基礎模型作出以下基本修正假設：

假設1：移動終端新聞類APP上輿情傳播網絡D中，單位時間內有Α個輿情傳播節點不依賴上一級節點對其的輿情信息傳遞，自主作為輿情傳播節點加入到輿情傳播網絡D，且進入網絡的初始屬性為無知覺節點（S）。

假設2：移動終端新聞類APP上輿情傳播網絡D中，輿情傳播節點從無知覺節點（S）轉變為有知覺節點（E）的概率為γ，從有知覺節點（E）轉變為傳播節點（I）的概率為δ，從傳播節點（I）轉變為免疫節點（R）的概率為ε。

假設3：移動終端新聞類APP上輿情傳播網絡D中，免疫節點（R）僅在本次輿情信息傳遞中終止輿情信息的繼續傳遞，并不影響其在下一輿情話題的輿情傳播。

假設4：單位時間內各個屬性節點均有一定比例的節點數，由于客觀條件制約，并非自愿地退出輿情信息傳遞過程，假設概率一致記為β，表示移動終端新聞類APP上輿情傳播網絡D的自然減少率。

根據以上設定，可以得到修正后的新聞類APP上網絡輿情傳播模型，如圖1所示：

圖1　 新聞類APP網絡輿情傳播模型

可根據SEIR模型的數學形式與構建的新聞類APP上網絡輿情傳播模型，獲得新聞類APP網絡輿情傳播模型的數學表達：

在此基礎上，本文定義“傳播活力曲線”和“傳播范圍曲線”兩個概念。

“傳播活力曲線”代表傳播節點（I）在輿情傳播網絡中的比重i（t）函數，反映了t時刻輿情傳播網絡中樂于將網絡輿情繼續傳遞的傳播主體比例。

“傳播范圍曲線”代表網絡中所有對輿情信息已經掌握的輿情傳播節點比重y（t）函數，反映了t時刻輿情傳播范圍。由于在新聞類APP輿情傳播網絡中，有知覺節點（E）、傳播節點（I）、免疫節點（R）均對輿情信息有了解，故y（t）=e（t）+i（t）+r（t）=1-s（t）。

三、新聞類APP網絡輿情傳播模型的仿真模擬

由于在實際輿情傳播網絡中，輿情傳播的主要推動者是傳播節點（I），并且研究新聞類APP上網絡輿情的傳播影響程度離不開對輿情傳播活力和傳播范圍的探討。因此，本文利用Matlab軟件基于參數γ對“傳播活力曲線”和“傳播范圍曲線”的影響進行模擬驗證。

根據構建的新聞類APP上網絡輿情傳播模型對網絡輿情傳播總體趨勢進行仿真模擬，需對相關的常數與參數進行假設：

假設1：新聞類APP輿情傳播網絡D在初始時刻t=0時，節點元素集合N中含有數量為500的輿情傳播節點，即n（t0）=500，單位時間內不依賴上一級節點對其的信息傳遞，自主作為節點加入網絡D的節點數量A與由于客觀條件制約、并非自愿退出網絡輿情傳遞的節點數量B之差為5，即ΔS（tΔ）=A-B=5。

假設2：新聞類APP輿情傳播網絡D在初始時刻t=0時，S（t0）=490，s（t0）=0.98；E（t0）=0，e（t0）=0；I（t0）=10，i（t0）=0.02；R（t0）=0，r（t0）=0。同時γ=0.8；δ=0.8；ε=0.2。

假設3：對新聞類APP上輿情傳播網絡D的研究截取前100個單位時間。

（一）參數γ對傳播活力函數i（t）的影響程度

假設γ取值為0.5，0.6，0.7，0.8，0.9。其他參數數值與假設1～3保持一致，得到一組基于γ變化的傳播活力曲線i（t）。

圖2　 基于γ變化的傳播活力曲線組

由圖2可知，參數γ=0.5時，傳播活力曲線在較短時間內達到最大峰值，波動較大；隨著參數γ的增大，曲線逐漸趨向平穩，說明參數γ減小反而會增加傳播節點（I）在傳播周期中的比重，加大輿情傳播活力，增強輿情話題對社會的影響程度，反之亦然。

（二）參數γ對傳播范圍函數y（t）的影響程度

假設γ取值為0.5，0.6，0.7，0.8，0.9，其他參數數值與假設1～3保持一致，得到一組基于γ變化的傳播范圍曲線y（t）。

圖3　 基于γ變化的傳播范圍曲線組

由圖3可知，減小參數γ時，傳播范圍曲線明顯向上移動，傳播范圍曲線y（t）的比重加大，說明參數γ減小會造成輿情信息的知悉范圍更廣泛，延長輿情周期，加劇輿情對社會的影響程度。

同理，對參數ε進行仿真模擬，可以得出增大免疫參數ε，能夠加快降低傳播節點比例，減少輿情傳播活力；同時，可以提升免疫者比率的增加速度，縮短輿情持續時間，能夠有效降低輿情話題對社會的影響程度。所以，要盡量提高ε值，以減小輿情影響范圍，降低輿情所帶來的負面效應。

四、結語

為了分析新聞類APP移動網絡輿情的傳播規律，本文基于SEIR傳染病模型，構建了新聞類APP移動網絡輿情傳播模型并定義了傳播活力曲線和傳播范圍曲線兩個概念。模型與曲線不僅能夠描述無知覺節點（S）、有知覺節點（E）、傳播節點（I）、免疫節點（R）這四個傳播主體在網絡中的比重變化，并且能夠模擬反映出移動網絡輿情在新聞類參考文獻：

APP傳播網絡中的傳播活力與傳播范圍。模擬實驗結果表明，參數γ、ε取值減小均會提高傳播活力曲線的比值，同時增加傳播范圍曲線的比值，提高輿情話題的傳播活力和傳播范圍，增強輿情話題對社會的影響程度。

［1］ 曾潤喜.網絡輿情信息資源共享研究［J］.情報雜志，2009，28（8）：187-191.

［2］ 郭韌，陳福集，李江竹，等.移動網絡對網絡輿情演化的影響研究［J］.情報雜志，2015（7）：130-134.

［3］ 第37次中國互聯網絡發展狀況統計報告［R］.北京：中國互聯網信息中心，2016-01-22.

［4］ 洪小娟，劉雅囡，姜楠.移動互聯網輿情生成機制研究［J］.南京郵電大學學報（社會科學版），2013，15（2）：25-30.

［5］ 張永芹. 2012年移動新媒體新聞客戶端影響力研究——以我國報紙類手機新聞客戶端為例［J］.新聞實踐，2012（09）：4-8.

［6］ 張麗霞.新聞客戶端的創新差異化實例分析及研究——以網易新聞、澎湃新聞、今日頭條為例［J］.新聞窗，2015（3）：32-33.

［7］ 周凱.省級傳統媒體移動新聞客戶端的運營模式解析——以“荔枝新聞”客戶端為例［J］.中國出版，2014（19）：37-40.

［8］ 王超群.手機新聞客戶端使用情況調查［J］.中國出版，2014（18）：12-15.

［9］ Kermack W O，Mckendrick A G . A Contribution to the Mathematical Theory of Epidemics［J］ . Royal Society of London Proceedings，1927，115（772）：700-721.

［10］ Sudbury A . The Proportion of the Population Never Hearing a Rumour［J］ . Journal of Applied Probability，1985，22（2）：443-446.

［11］ 陳波，于泠，劉君亭，等.泛在媒體環境下的網絡輿情傳播控制模型［J］.系統工程理論與實踐，2011（11）：2140-2150.

［12］ 朱恒民，劉凱，盧子芳.媒體作用下互聯網輿情話題傳播模型研究［J］.現代圖書情報技術，2013（3）：45-50.

［13］ 林曉靜，莊亞明，孫莉玲.具有飽和接觸率的SEIR網絡輿情傳播模型研究［J］.情報雜志，2015（3）：150-155.

［14］ 陳福集，陳婷，鄭小雪.一類新SEIRS模型上的網絡輿情傳播行為研究［J］.情報資料工作，2014（4）：35-36.

G206

A

1674-8883（2016）18-0058-02

林亮（1980—），男，重慶大學經濟與工商管理學院圖書館、情報與檔案管理專業碩士研究生，武警福州指揮學院信息技術與裝備教研室講師，研究方向：信息管理，網絡輿情。李學靜（1966—），女，博士，重慶大學經濟與工商管理學院教授、碩士生導師，研究方向：信息管理，網絡輿情。陳虹暻（1989—），女，重慶大學經濟與工商管理學院圖書館、情報與檔案管理專業碩士研究生，研究方向：信息管理，網絡輿情。