輿情演化模型的研究現狀與展望

錢亞飛

摘要：隨著社交媒體技術飛速發展的以及網民規模不斷增加的，輿情對社會穩定的影響也越來越大。文章分別從國內、國外兩個不同的角度分析了輿情演化模型近些年的發展情況。對比分析了國內外輿情演化模型當前的研究現狀以及發展遇需要解決的一些問題，并展望了輿情演化模型未來的研究方向。

關鍵詞：輿情;輿情演化;信息傳播;仿真

中圖分類號：G206? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）22-0283-02

開放科學（資源服務）標識碼（OSID）：

Research Status and Prospects of Public Opinion Evolution Model

QIAN Ya-fei

（School of Computer and Software Engineering， Xihua University， Chengdu 610039， China）

Abstract：The article analyzes the development of the public opinion evolution model in recent years from two different perspectives at home and abroad. This paper compares and analyzes the current research status of the public opinion evolution model at home and abroad and some problems that need to be solved in the development， and looks forward to the future research direction of the public opinion evolution model.

Key words： public opinion ;public opinion evolution ;information diffusion ;simulation

1 引言

網絡輿情是網民將某些社會現象或者一些生活中存在的問題的一些看法在社交網絡上公開表達，當這些觀點達到一定數目形成一個共同的觀點，并且產生了較為深遠的影響，如果不加以控制，會對我們的正常生活以及社會秩序帶來嚴重的后果。根據《中國互聯網發展狀況統計報告》顯示，當前中國網民數量已經超過8.3億人，如此龐大的網絡群體，如果不加適當以管理，后果不堪設想，因此，通過對輿情演化原理的研究來了解一些輿情的發展規律成了大批國內外學者的研究對象。近年來國內外各個學科領域都對輿情有了很深的研究，諸如計算機、物理、通信等領域，這些學者們有的從心理學方面去探索網民傳播輿情的動機;有的構建虛擬社會的基本特征，從理性的角度去探索輿情傳播的規律;也有的學者用管理科學的知識結合博弈論的理論分析網民、政府以及媒體之間的收益關系來分析引導策略。

2 國外輿情演化模型研究現狀

二十世紀初期，國外一些學者就開始了對輿情傳播模型的研究。Alves[1]發現離散動力學模型正在取代宏觀的輿情傳播模型。Zanette[2]分析輿情在兩種不同的小世界（動態和靜態）網絡上的傳播認為社會網絡與動態的小世界網絡更加相似。O.Kosuke[3]用元胞自動機模型模擬了輿情的傳播過程。Yamir Moreno[4]分析了公共危機信息傳播的過程然后認為政府可以完全決定公共危機信息是否可以進入公眾的視野中。Robrt Health[5]認為輿情流入社會的路徑不僅僅只有政府，很多的網絡設備以及媒體都可以是輿情流入社會中，并且指出信息是雙向傳播的并不單單是單向的傳播和接收。Kitsak[6]認為傳染病模型和于強傳播模型很相似，可以用傳染病模型來模擬輿情傳播的過程。Rybak[7]把Sznajd模型和無標度網絡相結合用來研究輿情的傳播。Martins[8]把CODA和GUF模型相結合，發現了社會網絡中輿情演化的結果。Koulouris[9]在信任機制的基礎上發現了MER，并且仿真出了輿情演化的過程。Austin Lucinda[10]建立的信息傳播模型能夠很好的闡述網民是如何發現輿情事件的。

從國外學者對輿情演化的研究情況來看，對于輿情的研究逐年增多，他們主要是從人們的動機以及復雜的社會網絡進行研究。另外，國外學者不僅僅是做了理論的研究創新，他們結合實際的情況從心理學、社會網絡等領域與實際社會輿情環境相結合。

3 國內輿情演化模型研究現狀

3.1輿情信息傳播研究

國內學者沙勇忠[11]研究分析了影響輿情事件傳播的因素，認為輿情事件的類型和網民的利益相關的程度以及網民的好友結構等因素都可以影響輿情事件的傳播。王楊[12]從博弈論的角度構建了一個輿情信息傳播模型，從網民、政府、媒體角度來分析各自收益從而探索控制輿情的方法。史波[13]用扎根理論的方法來分析了輿情事件的轉發的帖子，構建了一個基于動機、認識、情緒以及態度的輿情傳播模型。孫奕翔[14]結合輿情的特征建立了新的發現傳播體系，該體系可以更加科學的精準的識別輿情。陳華珺[15]用新疆的輿情實例結合統計分析方法分析輿情的傳播模式。魏超[16]從信息量、管理者的基本素養以及輿情判斷不夠科學等方面分析了輿情研究存在的問題。劉軼[17]認為輿情的形成類型主要由三大類構成，分別是引導性輿情、自發式輿情以及傳播性輿情，并在此基礎上構建了輿情傳播模型。胡改麗[18]通過分析我國當前的輿情方面的研究，分析了當前的主流方法以及思想，并且提出今后主流方向是對話題的預測。

3.2輿情演化模型研究

潘灶峰[19]改進的BA無標度網絡模型認為增加輿情信息的公開性可以有效地控制輿情的傳播。徐蘭芳[20]根據輿情信息的特點建立了SIRH輿情傳播模型，并且用Starlogo軟件進行了仿真驗證了模型的有效性。陳靜[21]把SIS和SIR模型相結合產生了SICRS輿情傳播模型分析了影響輿情傳播的因素。陳福集[22]把記憶因子加入SEIRS傳播模型，并分析了記憶因子對輿情傳播的影響。林曉靜[23]認為新網民的群體的加入可以影響輿情演化的過程，并且通過仿真軟件驗證了其有效性。譚娟[24]用傳染病模型結合輿情信息的特征構建了一個傳播模型，并且驗證了其模型的科學性。

從國內學者對輿情演化模型的研究來看，輿情演化模型在社會科學領域發展比較迅速，與國外研究最大的差別是國內學者更加專注理論仿真，對于大規模真實數據集的實例驗證相對較少，但是，不可否決的是，國內學者對輿情演化的研究方面還是做出了相當大的貢獻。

4 網絡輿情研究總結及發展趨勢

4.1 研究總結

大多數的網絡輿情模型的研究都是關注群體的觀點演化情況，將研究對象看成一個系統，然后從社會學、心理學及管理科學等各個學科方面再結合輿情的特點建立一個清晰準確的理論框架，然后通過現有數據集通過一些建模軟件再來驗證模型的有效性。對于模型的驗證自然少不了建模工具，當前主流的建模工具有Netlogo、Starlogo、Python等軟件工具。雖然當前有很多的不同的理論模型，但是如何正確地引導輿情走向還需要更加深入的研究。

4.2 發展趨勢

當前網絡輿情的研究主要就是用經典理論為基礎然后用仿真軟件進行仿真，然后用現有公開數據集驗證模型的有效性。盡管現在大型網站都有數據庫但是數據集的獲得缺很難，所以未來的研究應該借助信息挖掘的先進技術獲得大量實例然后再和理論模型來相結合。其次現有的理論模型還是相對單一，都是單一的從社會學、心理學以及管理科學來研究，輿情演化注定是個跨學科的東西，需要這些學科已有機的結合在一起才能更好的研究輿情演化。 最后輿情研究的目的是為了控制輿情，我們不僅僅應該將研究停留在傳播模型的構建，對于輿情的預測以及引導有一個更深入的研究。

參考文獻：

[1] Alves S G ， Neto N M O ， Martins M L . Electoral surveys influence on the voting processes： a cellular automata model[J]. Physica A Statistical Mechanics & Its Applications， 2002， 316（1）：601-614.

[2] Zanette， Damián H. Dynamics of rumor propagation on small-world networks[J]. Physical Review E， 2002， 65（4）：041908.

[3] Ono K ， Harao M ， Hirata K . Multi-agent based modeling and simulation of consensus formations in arguments[C]// Information Technology and Applications， 2005. ICITA 2005. Third International Conference on. IEEE， 2005.

[4] Moreno A I . Retrospective labelling in premise–conclusion metatext： an English–Spanish contrastive study of research articles on business and economics[J]. Journal of English for Academic Purposes， 2004， 3（4）：321-339.

[5] Mehrotra S ， Znati T ， Thompson C W . Crisis Management[J]. IEEE Internet Computing， 2008， 12（1）：14-17.

[6] Jiang L L ， Hua D Y ， Zhu J F ， et al. Opinion dynamics on directed small-world networks[J]. The European Physical Journal B - Condensed Matter， 2008， 65（2）：251-255.

[7] Crokidakis N . The influence of local majority opinions on the dynamics of the Sznajd model[C]// Journal of Physics Conference Series. Journal of Physics Conference Series， 2013.

[8] Martins， André C. R， Galam S . Building up of individual inflexibility in opinion dynamics[J]. Physical Review E， 2013， 87（4）：042807.

[9] Katerelos I D ， Koulouris A G . Is prediction possible？ Chaotic behavior of Multiple Equilibria Regulation Model in cellular automata topology[J]. Complexity， 2004， 10（1）：23-36.

[10] Austin L ， Fisher Liu B ， Jin Y . How Audiences Seek Out Crisis Information： Exploring the Social-Mediated Crisis Communication Model[J]. Journal of Applied Communication Research， 2012， 40（2）：188-207.

[11] 沙勇忠， 史忠賢. 公共危機偽信息傳播影響因素仿真研究[J]. 圖書情報工作， 2012， 56（5）：36-41.

[12] 王楊， 尤科本， 王夢瑤， et al. 基于博弈論的網絡社區輿情傳播模型[J]. 計算機應用研究， 2013， 30（8）：2480-2482.

[13] 史波， 吉曉軍. 社會化媒體環境下公共危機信息網民再傳播行為——基于扎根理論的一個探索性研究[J]. 情報雜志， 2014（8）：145-149.

[14] 孫亦祥. 網絡輿情信息傳播視域中傳播效果理論的嬗變與思考[J]. 圖書情報工作， 2014， 58（1）：35-39.

[15] 陳華珺， 徐敏， 王越， 等. 新疆網絡輿情信息傳播的統計分析[J]. 新疆財經大學學報， 2014（1）：68-74.

[16] 魏超. 新媒體技術發展對網絡輿情信息工作的影響研究[J]. 圖書情報工作， 2014， 58（1）.

[17] 劉軼. 社會化媒介場域中的網絡輿情信息生成與傳播[J]. 情報科學， 2015（3）.

[18] 胡改麗， 陳婷， 陳福集， 等. 我國網絡輿情熱度分析文獻綜述[J]. 情報科學， 2016， 34（1）：160-166.

（下轉第287頁）

（上接第284頁）

[19] 潘灶烽， 汪小帆， 李翔. 可變聚類系數無標度網絡上的謠言傳播仿真研究[J]. 系統仿真學報， 2006， 18（8）：2346-2348.

[20] 徐蘭芳， 習愛民， 范小峰. 計算機網絡病毒傳播模型SIRH[J]. 計算機工程與科學， 2009（1）：4-6.

[21] 陳靜. 復雜網絡上基于流行病學的輿情傳播模型及其規律研究[D]. 吉林大學， 2013.

[22] 陳福集， 陳婷. 基于SEIRS傳播模型的網絡輿情衍生效應研究[J]. 情報雜志， 2014（2）.

[23] 林曉靜. 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（03）：150-155.

[24] 譚娟. 基于傳染病模型的社交網絡輿情話題傳播[J]. 計算機工程與應用唯一官方網站， 2015， 51（12）：118-122.

【通聯編輯：王力】