農產品安全網絡輿情演化分析與導控策略

傅麗芳, 裴城妍, 郭永瑞, 趙菲菲

(1.東北農業大學理學院，哈爾濱 150030；2.東北農業大學工程學院，哈爾濱 150030)

互聯網的高速發展使信息的傳輸和交換發生了巨大的變化，人們可以通過網絡參與討論并表達自己的觀點，但是一旦相關輿情的傳播超出可控范圍，將會對社會產生不良的影響。農產品是民眾日常生活中不可缺少的一部分，關系著人們的健康，一旦發生質量問題，更容易引起網民的關注甚至會產生恐慌，傳播的速度和范圍更快更廣，甚至會影響相關產業的發展[1]。所以農產品安全網絡輿情的預防和導控有著很大的研究意義，有關農產品安全的輿情研究引起了國內外學者的廣泛關注。

目前，在研究農產品安全網絡輿情傳播時，學者們主要通過利用結構方程模型、Logistic模型、傳染病模型、BP(back propagation)神經網絡模型、隱含狄利克雷分布(latent dirichlet allocation，LDA)模型來模擬真實的輿情傳播[2]。潘守慧等對Single-Pass算法進行改進，提出了可以有效檢測農產品安全事件的方法[3]。劉楊等對中國食品安全問題中人為故意行為的作用機理路徑進行了研究，并給出了相應的風險防控政策[4]。

元胞自動機模型用于研究輿情的演化主要有以下3個方面：一是在經典模型的基礎上改進演化規則。胡祖平等通過在元胞的演化規則中加入觀點堅守力和影響系數，探究觀點影響系數以及初始比例對于輿情演化的影響[5]；二是將元胞主體屬性的數值化分布和定界模糊化；毛乾任等將個體屬性模糊化并分析了元胞屬性和周圍鄰居對網絡輿情演化的影響[6]；Chen等將元胞情感傾向度、自信度、鄰域的影響度和情感傾向與模糊論相結合，構造了模糊CA規則網絡輿情演化模型[7]；三是考慮元胞個體的異質屬性；毛乾任等將元胞分為4類并定義了各自的轉換規則，通過仿真實驗分析異質屬性和導控策略對輿情傳播的作用效果[8]。

元胞自動機作為研究輿情傳播的模型很少有學者將其應用于農產品安全事件網絡輿情的分析中，因此本文引入元胞自動機方法，根據農產品輿情的特點，對元胞自動機模型中鄰域結構、狀態轉移函數及演化規則進行了改進，并在狀態轉移函數中嵌入輿情導控因子，分析導控系數及信息干預時機對輿情發展態勢和演化規律的影響作用。最后以中國近期發生的“非洲豬瘟”事件進行實證分析，驗證構建模型的有效性。以期揭示農產品安全事件網絡輿情演化的規律，并為相關職能部門進行合理的輿情導控提供參考。

1 農產品網絡輿情

1.1 農產品網絡輿情相關概念

農產品網絡輿情是指民眾對發生的農產品安全事件通過網絡傳播和表達的各種觀點，情感態度以及意見的總和。公眾的高敏感度和關注度使得農產品安全事件容易產生情緒化的報道以及炒作，干擾公眾對農產品安全事件的理性認識，引發農產品安全恐慌。因此以農產品網絡輿情為研究對象，構建輿情傳播與導控模型，通過仿真模擬農產品輿情傳播的本質和機理，為有效應對農產品安全網絡輿情提供一定的理論依據。

1.2 農產品網絡輿情的特點

(1)農產品的質量安全關系著人們的身體健康，關注度更高，一旦發生，傳播速度和范圍更快更廣，容易引發農產品安全恐慌。

(2)出于對健康風險的防范意識，網民在農產品安全事件中更容易傾向于負面情緒，在信息傳播過程中負面態度的影響更大，出現明顯的羊群效應。

(3)相關職能部門適時的信息披露是減少農產品安全事件信息的不對稱性和不完整性的有效手段，有助于引導網民態度向客觀、公正的方向轉變，有效導控輿情發展，避免網絡輿情的爆發。

2 基于元胞自動機的輿情演化模型

2.1 元胞自動機理論

元胞自動機(cellular automata, CA)是定義在一個具有離散、有限狀態的元胞組成的元胞空間上,并按照一定局部規則,在離散的時間維上演化的動力學系統[9]。其基本的組成部分包括元胞、元胞空間、鄰居、元胞狀態和元胞演化規則，組成結構如圖1所示。二維CA模型的鄰域主要有馮·諾依曼(Von Neumann) 型、摩爾(Moore)型和擴展的Moore型，如圖2所示[10]。

圖1 元胞自動機的構成Fig.1 Composition of cellular automata

圖2 二維元胞自動機鄰域模型Fig.2 Neighborhood model of cellular automata

2.2 改進的CA模型

根據以上農產品網絡輿情傳播的特點，在CA理論模型的基礎上，做了以下幾個方面的改進，使得模型中各元胞的交互與影響更符合此類輿情中網民之間的相互關系，從而更準確地模擬輿情的演化過程。

2.2.1 鄰域模型的選擇

以往的CA模型研究中以4鄰域結構為主，但農產品安全事件的輿情傳播和影響范圍更大，網民之間的交互更頻繁，因此選取Moore型8鄰域結構構建元胞模型。每個處于中心的元胞將與周圍8個相鄰的元胞進行信息交互，以此模仿現實中網民之間的相互作用過程。

2.2.2 元胞情感態度傾向性

在農產品輿情的傳播過程中，可將網民對于輿情的態度劃分為正面、中立、負面三類，并設置對應元胞的情感傾向度函數St(i,j)，表示元胞(i,j)在t時刻的態度傾向。令St(i,j)∈[-1,1]，并對其取值區間和情感傾向做出以下的劃分[12]：

(1)

函數St(i,j)越大，表示態度越傾向于正面，越小越傾向于負面的態度。

2.2.3 元胞狀態轉換函數

在農產品網絡輿情演化時，元胞的狀態即為對輿情事件的態度。每個元胞下一時刻的狀態受到自身當前狀態、自身免疫力、周圍元胞狀態以及外部干預的影響，結合上述幾個方面的影響作用，定義t+1時刻元胞狀態的轉換規則為

St+1(i,j)=αi,jSt(i,j)+βi,j(w正∑S正+w中∑S中+w負∑S負)+γS導控

(2)

式(2)中：α為元胞自身免疫力系數，表示其受鄰域元胞影響時對自我觀點的堅持力。α屬于[0,1]，免疫系數越大，越不容易受鄰域元胞的影響。t時刻元胞(i,j)觀點的免疫值為αi,jSt(i,j)。

特別地，當α=0時，元胞態度轉變完全取決于鄰域元胞的影響，此類元胞用來模擬現實中自我立場不堅定的網民。當α=1時，該元胞有著很強的免疫力，堅守當前元胞自身態度而完全不受鄰域元胞的影響，此類元胞用來模擬現實中始終堅持自我意識的網民。

β表示受鄰域元胞影響的系數，值越小越不容易受鄰域的影響。系數w表示不同情感態度鄰域的元胞對其周圍元胞的影響力。

對于狀態轉移函數最主要的改進體現在嵌入了政府干預的影響作用γS導控。參數γ表示職能部門的導控系數，令γ∈[0,1]，導控系數越接近1，表示輿情導控強度越大，γ越接近0，政府干預的力度越小。職能部門尚未采取輿情干預與導控措施時，系數γ設置為0；當管理部門采取輿情干預措施時系數γ大于零。上述三個系數一般情況下滿足α+β+γ=1。

由于政府職能部門的信息披露和輿情干預目的是引導網民客觀、正確認識農產品安全事件事實，在輿情事件中采取積極正確的態度，因此職能部門態度傾向是正面的或者中立客觀的，參數S導控在取值區間為[0,1]。

通過在狀態轉移函數中嵌入導控因子，能夠直觀地體現職能部門的信息披露和輿情干預對于網民情感變化的影響，并通過模擬實驗針對不同的輿情發展態勢，探究合理的導控系數設置和信息披露時機，制定科學的輿情導控策略。

2.2.4 各類情感影響權值的設定

據狀態轉移函數式(2)，t時刻不同傾向度的鄰域元胞的觀點影響值為β(w正∑S正+w中∑S中+w負∑S負)。

根據農產品安全事件網絡輿情中民眾的一般心理和相互影響作用，合理設置各類情感傾向的影響權值。由于農產品安全問題關乎民眾自身健康，網民更容易被此類輿情信息吸引并出現盲目跟風現象，而且出于風險規避的心理，網民更容易受負面情緒的影響改變自身態度。因此，在探討元胞間影響作用時，將對正面、負面、中立元胞分別賦予不同的影響權值，通過模擬實驗研究不同權重對于輿情演化趨勢的影響作用，并著重討論負面情緒影響權重偏大時網民觀點的聚集效應。

3 輿情仿真實驗與結果分析

通過仿真實驗來模擬輿情發展過程網民情感傾向的變化以及輿情演化趨勢，并根據輿情發展態勢進一步探討合理有效的輿情導控策略。

仿真實驗通過MATLAB R2018a編程來實現，共分為兩大類3組對比實驗。第一類是在輿情發展前期暫時沒有相關職能部門信息披露和輿情干預情況下，數值模擬輿情演化和發展過程的網絡自發輿情傳播模擬實驗，在這一類實驗中設計了2組實驗分別討論元胞初始情感比例以及不同傾向度的影響權重對輿情發展的影響；第二類模擬實驗主要討論不同信息披露時機和導控系數對輿情演化態勢的影響。三組實驗中元胞的空間大小為100×100。

3.1 實驗1 情感初始分布對輿情演化的影響

3.1.1 實驗參數設置

為探究不同的初始情感分布對輿情演化的影響，設置不同的初始情感分布進行模擬仿真，元胞的初始情感傾向值為[-1,1]之間的隨機分布，本組實驗設置元胞的初始情感分布中負面、中立、正面的比例分別為2∶1∶1、1∶2∶1、1∶1∶2，具體的參數設置見表1。

3.1.2 實驗1輿情演化示意圖

選取元胞空間的初始狀態、迭代20次以及50次時的情感傾向演化圖為代表進行對照，元胞正面、中立和負面的情感傾向分別用黑色、灰色和白色點來表示，各類情感傾向的分布與演化如圖3所示。

表1 實驗1參數設置

仿真實驗1-1、1-2、1-3迭代50次后，3類情感傾向的元胞在遍歷過程中產生的變化曲線如圖4中所示。

圖3 實驗1仿真實驗的傾向度轉換圖Fig.3 Trend conversion graph of simulation of experiment 1

圖4 實驗1仿真實驗的傾向度曲線Fig.4 Trend curve of simulation experiment of experiment 1

3.1.3 實驗1仿真結果分析

(1)輿情中觀點聚集效應分析

首先從圖4中可以看出，情感傾向相同的元胞逐漸聚集，即在交流過程中，情感傾向相同或者相似的人逐漸集中，迭代到50次時，形成了不一樣的觀點群，這與現實社會中的“人以類聚，物以群分”高度相似。類比到網絡群體中，網民將在網上獲取的信息與周圍網民進行交流，網民的信息不斷交互，最終觀點相同的個體逐漸集中，形成了輿情中聚集效應。

實驗顯示，無論初始情感分布如何變化，中立態度的比例在初期小幅的增長后就迅速下降，在輿情發展前期就基本消失。這說明在農產品安全事件的輿情傳播過程中，會形成明顯的觀點兩極分化情況，由于信息缺失和認知水平等原因，能夠始終保持客觀公正態度的民眾數量極少。

(2)情感傾向分布對輿情演化的影響

對比實驗中，當初始元胞負面、中立、正面的比例為2∶1∶1時，中立和正面元胞的數量在迭代到15次時將近消失，迭代到最后負面元胞占滿整個空間。實驗1-3的演化趨勢圖呈現出與實驗1-1相同的規律，不同的是迭代到最后為正面元胞占滿整個空間。當初始元胞的中立情感傾向居多時，迭代結束后，并沒有出現初始時占比大的觀點在迭代最后也占比高的現象，而是負面和正面的數量各占50%。這也符合實際輿情的傳播，在傳播初期雖然大多數網民呈中立態度，但是在群體的討論后逐漸形成了意見傾向，從而出現情感傾向向兩端極化這樣的趨勢。

上述實驗說明，元胞的初始情感比例影響著迭代到最后空間中不同觀點的數量以及輿情整體的發展。因此控制輿情傳播時的網民初始觀點是抑制不良負面情緒持續蔓延和過快增長的有效途徑。在輿情的傳播過程中，事件在社會中帶來的影響決定著網民對于事件的初始態度傾向。因此，相關職能部門應該在農產品輿情發生的初期對該事件進行適時的信息披露和情況說明，減少信息的不對稱性和不完整性，提高網民對農產品安全問題的正確認知，避免出現以訛傳訛，負面情緒迅速蔓延的不良輿情爆發。

3.2 實驗2 影響力權重對輿情演化的影響

3.2.1 實驗參數設置

為討論各類情感態度的相互影響力輿情對輿情演化的影響，設計不同的影響力權值進行模擬仿真。對比實驗中分別取3種態度權重相同和負面態度的權重稍大兩種設置。因此，在等權的基礎上加入隨機的微小擾動，分別取權值w正、w負分別為區間(0.330,0.335)和(0.345,0.350)上的隨機數，w中=1-w負-w正，具體的實驗參數見表2。

表2 實驗2參數設置

3.2.2 實驗2輿情演化示意圖

元胞空間中各元胞初始傾向度狀態如圖5(a)所示，其中將元胞的情感傾向分為正面、中立和負面，圖5中分別用黑色、灰色和白色的點表示。選取遍歷20次以及趨于穩定時的元胞傾向度轉化圖為代表，其元胞情感傾向度的轉換和輿情演化如圖5所示。

仿真實驗2-1、2-2迭代50次后，3種傾向的元胞的在遍歷過程中產生的傾向度曲線如圖6所示。

圖5 實驗2仿真實驗的傾向度轉換圖Fig.5 Trend conversion graph of simulation experiment of experiment 2

圖6 實驗2仿真實驗的傾向度曲線Fig.6 Trend curve of simulation experiment of experiment 2

3.2.3 實驗2仿真結果分析

首先，在無監督網絡自發輿情傳播的情況下，最終都會呈現正面、負面兩種態度的集聚效應，出現兩種對立態度對持狀態；中立態度比例在輿情醞釀階段有小幅的上升，說明在輿情初期小部分網民基于客觀公正的認識表現出中立的態度，但這部分網民往往不熱衷于發表評論和轉發，同時部分還可能受到其他網民的影響而轉變態度，所以在兩個實驗中立態度的比例都在迭代10次左右就急劇下降到零。

對比實驗還表明，當負面態度影響權值略微大于其他兩種時就會對其他元胞態度轉變產生顯著的影響，使得網絡中負面態度比例持續增長，后期將出現負面態度的聚合現象。模擬實驗揭示出農產品安全事件中，由于健康風險規避意識以及盲從和從眾等心理，網民中的負面情緒更容易傳播和擴散，如果沒有適當的信息披露和輿論干預，容易造成社會恐慌等不良影響。在實際應用案例分析中，可通過情感態度影響權值的適當調整和設置，使得模擬實驗數據與實際統計數據更加吻合，更好地體現具體事件輿情發展的勢態。

3.3 實驗3 輿情導控策略分析

輿情導控策略主要通過信息披露和輿情監管來實現，需要根據輿情發展態勢選擇合理的輿情干預時機和干預的力度。通過仿真實驗探討合理的輿情導控系數和輿情干預時間。

3.3.1 實驗參數設置

根據輿情演化迭代過程，將輿情導控時機分為前期和中期兩種，分別在迭代第9次和第17次時介入。導控系數γ越接近1，導控強度越大，因此在設計實驗時，分別觀察γ為0.55和0.40兩種情況下對于輿情演化的影響。設置導控介入前元胞影響權值α=β=0.5，3種態度的影響權重與第2組相同。參數S導控對輿情的演變有很大影響，本部分以S導控=0.5為例進行探討，并且在導控介入后，3種態度的影響權重發生改變，具體的實驗參數見表3。

3.3.2 實驗3輿情演化示意圖

元胞空間中各元胞初始傾向度狀態與實驗1、實驗2相同。這一組實驗的元胞情感傾向度的分布以及輿情演化如圖7所示。

仿真實驗3-1～3-4迭代50次后，3種傾向的元胞的在遍歷過程中產生的傾向度曲線如圖8所示。

表3 實驗3參數設置

圖7 實驗3仿真實驗的傾向度轉換圖Fig.7 Trend conversion graph of simulation experiment of experiment 3

3.3.3 實驗3仿真結果分析

(1)輿情演化趨勢分析

仿真實驗表明，無論輿情干預的時機和導控系數如何變化，負面情緒的元胞數量都出現不同程度的下降。盡管在不同監管力度情況下，各類情感比例的曲線變化過程有明顯區別，但總體變化趨勢具有一致性，中立、正面的比例有不同程度的增加，迭代結束時，沒有出現負面情感集聚的不良情況，說明職能部門輿情導控的有效性。

對比不同的導控策略的輿情演化結果，當在輿情發展前期進行干預并設置導控系數為0.55時，負面情緒的元胞數量在將迅速下降，迭代22次時完全轉換為中立、或正面情感傾向，輿情后期負面情緒將基本消失；若干預時機改為輿情中期，三種情感傾向的元胞數變化速度明顯趨緩[見圖8(b)]，正面和中立態度的數量將在很長一段時間內保持基本不變，但最終還是會出現正面情感占優的狀態。

圖8 仿真實驗的傾向度曲線Fig.8 Trend curve of simulation experiment

降低導控系數到0.4時，實驗3-3到演化迭代結束仍存在著20%負面傾向的元胞，實驗3-4在迭代結束時正面傾向的元胞僅占比40%。

當信息干預都為前期時，對比實驗3-1和實驗3-3的仿真結果可以看出，不同導控系數在最后迭代時正面態度占比以及3種情緒的元胞的改變速度都不同，導控系數越大，轉變越迅速，正面傾向的元胞占比越高。當在后期加入干預時，由圖8(b)、圖8(d)可以看出，導控系數較小時，迭代結束時正面情緒的元胞占比也相應的小。

(2)導控系數和干預時機對輿情演化的影響

上述對比實驗說明，導控系數和輿情干預時機對輿情的發展態勢和演化規律有著顯著的影響。在輿情發展的前期通過適當的信息披露和輿論引導，能夠快速有效的引地網民從盲目跟風或以訛傳訛的不良情緒向客觀、公正的方向轉變，有效避免負面情緒的持續蔓延和網絡輿情的爆發，維護社會安定。因此相關職能部門應加強對網絡輿情的監測和監管，結合農產品安全問題的實際情況，及時有效地發現潛在或正在醞釀的相關網絡輿情動態，持續跟蹤和監測輿情發展態勢和擴散規模，必要時在恰當的時機進行相關信息的披露和權威認證，提高信息透明度和公開性，有效引導網絡輿情向客觀、公正的方向發展，避免不良網絡輿情造成的社會恐慌和產業損害。

4 “非洲豬瘟”事件網絡輿情實證分析

4.1 輿情事件概述

從發現“非洲豬瘟”疫情起就引起了廣大網民的恐慌，并對市場上銷售的豬肉安全問題產生了極大的懷疑，豬肉及其加工品的銷售量急劇下降，對中國的養豬業造成了巨大的經濟損失。該事件發展的情況如表4所示。

表4 “非洲豬瘟”事件初期發展歷程

4.2 數據收集與整理

研究選取新浪微博中“頭條新聞”“新浪新聞”“中國新聞網”“人民日報”“央視新聞”這5個自媒體發布的相關新聞下的評論作為數據研究的樣本，并將評論內容分為正面、中立、反對3種態度，收集每天的3種態度的比值，事件選取的時間為2018年8月3日—12月31日，共收集到評論19 215條，將評論數過少的天合并，其中有效評論為14 316條，天數為32天。

將評論中包含不傳染人、沒有傷害、不造謠、無害化處理、安心、贊揚、有效控制等含有正向意義的詞語定義為正面評論；將含有不吃豬肉、病毒變異、失望、不舒服等關鍵詞的評論定義為負面傾向，其余含有觀望、可憐、關注、圍觀、補償等關鍵詞的評論定義為中立傾向。經過分類統計，“非洲豬瘟事件”網民的初始態度比為正面：負面：中立=0.21∶0.42∶0.37。其中一周的態度數據的統計值如表5所示。同時，事件發生后，中國農業部在輿情發生的第7天左右報道了疫情得到有效控制并對網民進行科普，對輿情進行干預。

表5 “非洲豬瘟”事件的網民態度數據

4.3 輿情實驗仿真

調節構造的CA模型的各項參數，使擬合的曲線與事件實際的曲線盡可能吻合，根據收集到的數據，設置仿真迭代次數為32，元胞的初始態度比例為正面∶負面∶中立=0.21∶0.42∶0.37，其中干預介入時間為迭代第7次，并且干預帶來的效果在迭代第23次減弱，經多次調參后參數的具體設置如表6所示。

表6 具體實驗參數設置

隨著事件的繼續發酵，在迭代到23次時，干預系數減弱到初始的一半，3種態度的權重與干預介入前相同，這也說明了在事件的傳播中，職能部門的干預效果會逐漸減弱，因此要持續的關注事件的傳播進程，仿真曲線與實際數據的對比如圖9所示，其中用實線、虛線和點線分別表示實際事件中每天網民的負面、中立、正面3中態度所占的比例，星號實線、正方形實線以及圓形實線表示模擬的曲線。

圖9 模擬與實際曲線Fig.9 Analog and actual curves

4.4 擬合誤差分析

決定系數又稱為擬合優度,可以用來衡量仿真曲線和實際的觀測值之間的擬合效果，因此本文通過計算決定系數(R2)來計算仿真曲線與實際曲線的擬合效果，其中決定系數的計算公式為

(3)

決定系數越接近1，模型的擬合效果越好，越接近0，模型的擬合效果越差，其中當R2大于0.8時，表示仿真曲線與實際曲線在誤差范圍內認為是擬合有效的。通過計算，負面態度的決定系數為0.979，中立態度的決定系數為0.843，正面態度的決定系數為0.917。因此，模型仿真數據實現了對實測數據的高度擬合，說明輿情演化模型的有效性。

4.5 仿真結果評價

通過以上的分析，在實際案例數據的支撐下，調整構造的農產品網絡輿情傳播模型的相關參數，仿真曲線與實際曲線的誤差在可接受范圍內，模型的擬合是有效的。圖9與圖8(d)具有高度的相似性，說明職能部門的信息披露發揮了良好的輿情引導作用，在一定時期內能夠引導該事件網絡輿情向客觀、公正的方向發展。但值得注意的是，該事件是一個不斷有新疫情出現的過程，相應的網絡輿情也會隨著事件的發展而變化。隨著事件不斷出現的新情況，前期信息披露和輿論干預產生的效果會逐漸衰減，新的輿情高潮可能再次。因此職能部門應該時刻關注網絡輿情走勢，及時向網民公布事件最新動態，并對該事件相關知識進行科普教育和宣傳，引導輿情向客觀、公正的方向發展，維護社會安定秩序。

5 結論與建議

針對農產品安全網絡輿情這一關乎民眾健康和社會安定的重大問題，采用元胞自動機方法構建了輿情演化模型分析和探討這一類網絡輿情的規律和特點。基于對農產品安全事件及參與網民心理特點等的剖析，對元胞鄰域結構、狀態轉移函數及演化規則進行了適當的改進，并通過仿真實驗重點討論了元胞情感傾向度、初始情感比例以及鄰域元胞影響規則等重要因素對輿情演化規律的影響作用，在對比實驗中揭示和發現農產品網絡輿情的傳播特征和演化規律。

在此基礎上，通過在狀態轉移函數中嵌入導控因子，對比分析了在無監督和有監督的不同情形下網絡輿情發展的特點和趨勢，量化分析了相關職能部門對農產品安全事件的信息披露對輿情擴散的導控作用，分析了導控系數及信息干預時機對輿情發展態勢和演化規律的影響作用。

通過模型構建和大量仿真實驗，可以得到以下主要結論。

(1)在輿情傳播過程中，元胞初始情感傾向的比例對空間中不同觀點的數量有顯著的影響，控制輿情傳播時的網民初始觀點是抑制不良負面情緒持續蔓延和過快增長的有效途徑。因此，相關職能部門應該在農產品輿情發生的初期對該事件進行適時的信息披露和情況說明，減少信息的不對稱性和不完整性，提高網民對農產品安全問題的正確認知，避免出現以訛傳訛，負面情緒迅速蔓延的不良輿情暴發。

(2)由于農產品安全事件的信息不對稱性和不完整性，絕大多數民眾具有風險規避和跟風的心理，使得負面情緒在此類事件的網絡傳播中具有相對較強的影響力和傳染力。在無監督無信息披露的情況下，負面情緒將迅速蔓延，其所占比例隨著輿情擴散持續增長，在輿情發展中后期，負面情緒將形成明顯的觀點聚集現象并占據統治地位，出現羊群效應，容易引發社會恐慌等不良影響。

(3)相關職能部門進行實時的網絡輿情監控，在適當的時機進行必要的信息披露和政府監管，能夠有效地遏制信息不對稱性造成以訛傳訛的現象，提高網民對農產品安全問題的正確認知，避免負面情緒迅速蔓延，有助于控制網絡輿情發展態勢，引導輿論向客觀、公正的方向發展，避免造成社會恐慌和產業損害。

最后，針對中國近期發生的“非洲豬瘟”事件進行實際案例分析。結果表明，所構建輿情傳播模型實現了該事件輿情演化過程的高度擬合，證實了該模型的有效性。通過仿真實驗剖析了該輿情事件中各項關鍵因素的影響作用，量化分析了信息披露與導控策略對該事件輿情發展趨勢的引導作用。

研究成果將有助于進一步揭示農產品安全事件網絡輿情的特點，發現這一類事件網絡輿情發展的基本規律和演化趨勢，并為相關職能部門進行合理的輿情監管和輿情導控提供科學的參考。