基于MAS的農村虛擬社群輿情傳播研究

耿 亮 趙辛月

(湖北工業大學理學院，湖北 武漢 430068)

1 基于MAS的農村虛擬社群輿情傳播模型

1.1 農村虛擬社群MAS

農村虛擬社群是指通過互聯網社交平臺聯系在一起的，擁有共同興趣和需求的農村居民群體[1]。在虛擬環境中，將社群中的每個成員看作一個智能體，社群成員之間根據自身興趣和需求自發地進行信息交流、傳遞和共享，由于成員之間互動頻繁，形成了紛繁復雜的關系網絡。由虛擬環境、智能體集合和社群規則共同組成的具有自治性的系統稱為虛擬社群MAS(Muti-agent system)。在一定的活動空間中，Agent之間不斷進行信息互通，成員之間在交流過程中產生心理共鳴或情緒感染[2]，會產生持續的影響蔓延至整個關系網絡，進而涌現出群體行為。

1.2 農村虛擬社群MAS主體屬性

Agent的社群地位、傳播力和影響力受到自身所具備的屬性影響，從行為特征、接受力、可信度和情感偏向4個方面進行考慮：

1.2.1 行為特征

Agent的行為特征對虛擬社群中的信息運動起到了一定程度的引導作用，能夠反映社群成員的行動能力。根據行為特征將虛擬社群主體劃分為溫和型主體、從眾型主體、激進型主體和偏執型主體4種類型。

1.2.2 接受力

網絡社群成員的接受力是指網絡社群成員接收、判斷、消化和應用信息的能力。社群成員通過接收到的信息來調整自身的狀態和行為，在社群規則的約束下，使得系統在整體上顯現出更高層次的有序性。同時，社區成員對信息接受力的強弱直接影響到信息運動的效果，直接影響網絡社群信息運動的效率。

1.2.3 可信度

網絡社群成員的可信度是衡量網絡社群成員之間信任程度的指標，較高的信任程度更能保證成員之間的信息交流穩定高效地進行。換言之，成員之間的信任能夠增加社群中其它人獲取或共享知識的自主性[3]。成員的可信度越高，其它成員更愿意與之交流并把接收到的信息傳播給社群中的其它成員。可信度越低，成員更傾向于相互冷漠[4]，社群中信息流動較慢。

1.2.4 情感偏向

情感偏向表示網絡社群成員對社群內某一話題的態度，是不受外界影響的自主行為。社群中每個個體有自己的情感偏向，持有對信息贊成、中立和不贊成觀點，并根據其態度發布贊成、中立或不贊成的相應信息。

1.3 農村虛擬社群MAS參數設置

一個虛擬社群MAS由N個Agent構成，用S=表示整個虛擬社群，其中X為Agent的位置向量，V為Agent的速度向量，A為Agent的加速度向量。每個Agent的位置代表了在社群網絡中的地位。傳播力是Agent對外界產生有效作用的能力，影響力是Agent在社群活動中對周圍環境和其它Agent成員產生的影響強度。

表1 虛擬社群Agent的具體參數說明

Agent在虛擬環境中的運動由以下方程控制：

(1)

1.4 局部適應度函數

受局部影響，傳播力引起影響力的變化，而傳播力受主體屬性控制。W是主體屬性Wi的和向量，社群網絡中的主體屬性Wi由Agent鄰域內小團體的屬性v1，社群網絡中意見領袖的屬性v2，Agent的鄰居Agent鄰域內小團體的屬性v3，社群網絡中活躍的小團體的屬性v4，虛擬環境中的隨機因子v5共同決定。

模型中Agent的局部適應度函數用每個時刻Agent的傳播力來表示，即Agent的瞬時加速度向量A。計算公式如下：

(2)

Wi=c1v1(d)+c2v2+c3v3+c4v4+c5v5

*MERGEFORMAT

(3)

(4)

虛擬社群成員主體屬性向量參數設置如表2所示：

表2 虛擬社群主體屬性向量參數設置

1.5 環境

虛擬社群中的Agent能自主地適應周圍的環境，可能會對周圍的社群成員表現出吸引或排斥。社群的虛擬環境會對成員Agent產生一定的約束，環境中會產生隨機因子對Agent的運動造成影響。定義第i個Agent的鄰域為：

NEBi={xj|r≤||xi-xj||≤d,i≠j；i,j=1.2,…,N|}

*MERGEFORMAT

(5)

式中||xi-xj||為歐式距離；d為信任距離，即Agent之間保持的最佳距離。

定義第i個Agent的風險域為：

REPi={xj|||xi-xj||≤r,i≠j；i，j=1，2，…，N}

*MERGEFORMAT

(6)

r為風險距離，且r≤d。若兩個Agent的距離小于r，Agent之間會產生相互排斥的作用力。

1.6 反應規則

在MAS中的每個Agent都要遵守組織規則，并在約束條件下進行活動。反應規則流程圖如圖1所示：

圖1 虛擬社群MAS的反應規則

1.7 虛擬社群MAS的活躍度指標

根據現有的輿情評估指標體系，構建了MAS虛擬社群的活躍度指標。虛擬社群MAS的活躍度來源于微觀層面，輿情主體和傳播擴散作為一級指標，選取傳播力V、行動強度Q1、態度傾向Q4、擴散范圍R作為二級指標。活躍度指標計算公式如下：

(7)

將虛擬社群MAS的活躍度記為K，定義如下：

(8)

式中，活躍度的單位為m/s2。活躍度是衡量某一時刻社群成員的活躍程度的指標，網絡社群中每個成員根據局部環境和局部適應度函數產生自己的活躍行為，通過個體之間局部的影響涌現出網絡社群的整體活躍程度，在宏觀層面反映網絡社群中輿情演化狀態。

2 仿真分析

2.1 案例選取

以“上海垃圾分類”事件為背景，對參與“上海垃圾分類”這一事件討論的網民構成的虛擬社群網絡進行仿真，深入分析輿情網絡的演化機制。根據清博輿情大數據官方網站[5]提供的數據，設置40個網絡節點，每個節點代表40個用戶，由這40個用戶構成“上海垃圾分類事件”虛擬社群。運用MATLAB生成社群網絡MAS初始網絡圖2所示。

圖2 “上海垃圾分類事件”虛擬社群MAS

2.2 仿真參數設置

為了充分研究虛擬社群網絡演化趨勢和節點的特性，選取5組參數進行對照實驗，研究不同情況下成員的行為以及虛擬社群網絡的演化過程。虛擬社群模擬演化參數如表3所示。

表3 虛擬社群模擬演化參數

2.3 虛擬社群MAS仿真

2.3.1 虛擬社群成員行為變化

選取2s、4s、6s和8s這4個時間點的網絡圖，如圖3所示。隨著時間的推移，網絡結構逐漸由松散變得緊密，各個成員的坐標值也在逐漸增加。各成員的坐標表示它們的社群地位，說明地位低的人會逐漸向地位高的人的方向運動。這表明意見領袖總是在一定程度上影響著輿情發展趨勢，使得社群網絡呈現出集聚效應。

圖3 虛擬社群網絡結構圖

2.3.2 虛擬社群活躍度

圖4分別是5組參數控制下的虛擬社群活躍度、行動強度、態度傾向和擴散范圍的變化。從圖中可以看出5組參數控制下的虛擬社群的活躍度均隨著時間變化呈現下降的趨勢，最終趨于平穩。虛擬社群成員整體行動強度和態度傾向均表現為無規則的隨機波動。虛擬社群輿情的擴散范圍呈現上升的趨勢，在一定范圍內細微變動，最終穩定在某一個值。

對5組參數的仿真結果進行對比，當速度、加速度和信任距離較小時，活躍度更早趨于平穩狀態。這說明影響力和傳播力較小時，社群成員的影響力和傳播力一開始只能夠對小范圍內的成員產生影響，并且隨著成員之間的聯系變得緊密，逐漸形成了交流頻繁的小團體。由于成員的信任距離小，活躍的小團體會對周圍成員產生影響，使得輿情迅速傳播開來。

圖4 虛擬社群活躍度仿真結果

3 結語

仿真結果表明，在輿情傳播的過程中，農村虛擬社群成員之間的密切交流是輿情爆發的主要原因。各成員之間的交流越密切，在密切的交流過程中意見逐漸趨于相同，社群網絡也因此呈現出集聚效應。其次，意見領袖和局部活躍的小團體能夠促進輿情爆發，加速群體的集聚行為。最后，農村輿情的傳播范圍受自身網絡結構的影響，成員較為分散時傳播范圍較廣卻不穩定，成員較為密集時傳播范圍較小且活躍度強。