基于用戶情緒狀態(tài)的網(wǎng)絡輿情傳播模型研究

白 梅，陸嘯塵

（上海理工大學 管理學院，上海 200093）

0 引 言

隨著網(wǎng)絡技術的飛速發(fā)展，大眾在網(wǎng)絡空間的活動與現(xiàn)實生活愈加貼合。社交網(wǎng)絡平臺具有的開放性、及時性、匿名性等特點，使得公眾樂于在網(wǎng)絡平臺上實時分享掌握的各類信息。網(wǎng)絡信息的傳播實際上更是一種人際互動和交流的過程，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個體間的交互模式產(chǎn)生重要影響，使得網(wǎng)絡信息傳播更加復雜。情緒是個體的主觀體驗，是其對某一事件所產(chǎn)生的認知、評價、態(tài)度等結合自身的經(jīng)驗或思維判斷后，綜合產(chǎn)生的心理體驗和行為表現(xiàn)。在學習和生活中，個體情緒會影響其所關注的事物和對信息的選擇；在信息的加工過程中，人的注意、判斷、學習、記憶等認知過程也會受到自身情緒的影響；研究還指出，情緒也對決策行為具有直接的影響作用。在情緒與人際互動關系的進一步研究中發(fā)現(xiàn)，相對于消極情緒，處于積極情緒狀態(tài)中的個體更愿意與外界進行互動和聯(lián)結，更容易表現(xiàn)出親社會行為，對外界的信任度和包容度也較高。這些研究表明，情緒對個體的影響作用已經(jīng)延伸到用戶社交行為中，進而對用戶人際互動過程和交互模式產(chǎn)生影響。

為了更好地揭示社交網(wǎng)絡中信息傳播的內(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、社會學等多學科知識，基于用戶個體特征，面向個體建模，考慮到了每個傳播主體行為的主觀性特點，豐富了模型構建的深度和寬度；

（2）與傳統(tǒng)建模理論中認為度數(shù)相同的用戶是等同的思想不同，本文允許個體差異性的存在，研究個體在不同情緒狀態(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)的動態(tài)設計和制定中，考慮到用戶活躍度、信息接觸率等因素，使其能更客觀真實地反映輿情傳播規(guī)律。

1 傳播動力學模型構建

目前，微博是大眾進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微博社區(qū)進行。社交網(wǎng)絡上的每個節(jié)點代表一個用戶。傳統(tǒng)的謠言傳播模型ISR，將社交網(wǎng)絡中的用戶分為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，但對信息敏感的用戶；傳播者對接收到的輿情信息認可，并在網(wǎng)絡中將其傳播；免疫者指已經(jīng)傳播過該類信息，且由于各種原因不再具備傳播動機與能力的用戶。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、評論信息、轉(zhuǎn)評信息、點贊信息；用戶之間通過關注和被關注關系實現(xiàn)聯(lián)結和互動，也是一種社交行為。

2 用戶行為特征分析及模型假設

情緒是人們參與到外界進行互動和交流的高級內(nèi)驅(qū)力。一個積極的個體通常思維活躍且充滿活力，其對外界具有較高的接納度和包容性，喜歡主動探索世界，會與外界產(chǎn)生更多的聯(lián)結關系。Fredrickson積極情緒拓展和建構理論指出，在積極情緒的促使下，個體的注意力和社交范圍都會得以拓展；而處于消極情緒狀態(tài)中的個體，往往喜歡聚焦于自己、固執(zhí)于自己的定向思維，則其與外界的互動便會受到限制。個體處于這種不良心境狀態(tài)中，往往對外界信息的處理能力較差、思維遲鈍、精神疲憊等。另一方面，當人們處于中性情緒狀態(tài)時，對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)，當用戶處于積極樂觀的情緒狀態(tài)中，其在社交網(wǎng)絡中的活躍度會變得較高，點贊、轉(zhuǎn)發(fā)、評論等互動行為較為頻繁，對各種事物都喜歡發(fā)表自己的意見和看法；感興趣的對象也較多，接觸到的信息面較廣，會經(jīng)常更新關注列表；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，在微博上會有大量點贊、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論和原創(chuàng)微博較少。而當用戶處于悲觀情緒狀態(tài)中時，很少主動與外界進行交流，偶爾還會發(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ISR模型進行改進，并提出以下假設：

在傳統(tǒng)信息傳播模型的基礎上，考慮到用戶情緒狀態(tài)，將用戶種群（）分為以下7種狀態(tài)，每個用戶都處于一個獨特的狀態(tài)：處于樂觀情緒狀態(tài)的無知者（I）、處于中性情緒狀態(tài)的無知者(I)、處于悲觀情緒狀態(tài)的無知者(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)絡中的任一節(jié)點處于樂觀情緒狀態(tài)的概率為。 樂觀情緒狀態(tài)未知者（I）活躍度較高，會積極與外界進行互動、社交范圍廣，能主動地與周圍所有傳播節(jié)點鄰居交互，并以λ的概率成為信息傳播者。因此，樂觀情緒狀態(tài)無知者I的狀態(tài)轉(zhuǎn)移過程可以表示為：

網(wǎng)絡中的任意節(jié)點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，不愿主動與外界進行互動和交流，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會主動與周圍所有節(jié)點接觸，此時悲觀情緒狀態(tài)未知者被其影響，與其發(fā)生交互行為，狀態(tài)轉(zhuǎn)移過程表示為：

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

用戶在微博網(wǎng)絡中的點贊、評論、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計。

在微博網(wǎng)絡中，用戶u關注的對象所發(fā)布的信息會直接推送給用戶u。因此，用戶的關注數(shù)量越多，則其獲取的信息量越大、接觸的信息面越廣；同時，用戶在網(wǎng)絡中的活躍度越高、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信息接觸率的設計。

3 模型平衡點及閾值

按照傳統(tǒng)的傳播動態(tài)研究方法，用I(k，t)、S(k，t)和R(k，t)分別表示在t時刻、類指標為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時刻、類指標k下的任意未知節(jié)點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)點在 [t，t+Δt ]期間的相互作用下，假設節(jié)點i在t時刻有g(g≤k)個傳播者鄰居，那么節(jié)點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)的無知者節(jié)點i有g個傳播鄰居的概率為：

4 仿真分析

為了驗證本文構建的輿情傳播模型有效性，并進一步分析傳播過程中各狀態(tài)用戶的變化趨勢和輿情傳播規(guī)律，基于式（9）～式（11）進行數(shù)值仿真實驗，每次以隨機選擇的不同初始傳播者運行50次，取所有結果的平均值進行分析。

4.1 樂觀情緒狀態(tài)率對傳播過程的影響

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

在網(wǎng)絡輿情傳播過程中，傳播者密度的峰值反應了輿情達到的最大規(guī)模，免疫者密度的最終穩(wěn)態(tài)值，反應了輿情的最終擴散范圍。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反應了在不同的影響下傳播者和免疫者密度隨時間的變化趨勢。設置各參數(shù)＝08、＝02，03，045，06，085。 從圖中可以發(fā)現(xiàn)，在輿情的傳播過程中，傳播者用戶的密度呈現(xiàn)先增加后下降的趨勢，免疫用戶的密度隨時間而持續(xù)增加，最終達到一個穩(wěn)定狀態(tài)。根據(jù)圖2（a），比較不同值下傳播者密度隨時間的變化趨勢發(fā)現(xiàn)，傳播者密度達到的峰值隨的增加而增大，且值越大，達到峰值所需時間就越短。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)，且達到的最終穩(wěn)態(tài)值也更大。當系統(tǒng)中的免疫用戶密度達到穩(wěn)定狀態(tài)時，就代表了公眾輿論的消失。

4.2 悲觀情緒狀態(tài)率對輿情傳播的影響

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，圖中的實心白線對應0205（108），表示由臨界傳播概率和臨界悲觀情緒狀態(tài)率構成的一條清晰的臨界曲線。水平虛線對應＝0205，表示在此線之下的信息傳播規(guī)模將會很小，并且不能在網(wǎng)絡中大規(guī)模傳播；垂直虛線對應0108，意味著即使在最大的信息傳播概率＝1時，動態(tài)傳播都會被限制在一個很小的區(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。設置參數(shù)＝08、＝005，02，04，065，08可以看出，傳播者密度達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小；值越大，輿情爆發(fā)就越慢、持續(xù)時間越長、最終知曉網(wǎng)絡輿情信息的人數(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Fig.4 The change trend of the density of spreaders and immunizers under different influence degree ofβ

5 結束語

從實際角度考慮，社交網(wǎng)絡中未知者數(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。因此，在輿情治理中可以通過調(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期方向發(fā)展。仿真實驗結果為此提供了理論依據(jù)。由分析結果可知，當希望輿情信息在網(wǎng)絡中大規(guī)模傳播時，可以在事件發(fā)展初期增加樂觀情緒狀態(tài)用戶的比例，使信息以較短的時間和較快的速度達到較大的傳播峰值，也就是加速輿情的爆發(fā)。但與此同時，較大比例的積極情緒用戶也會使得事件的持續(xù)時間縮短，因此在傳播后期，政府、媒體或其他相關部門可以采取適當調(diào)控措施，以降低信息的消散速度。當不希望輿情信息在網(wǎng)絡中大規(guī)模爆發(fā)時，可以增加悲觀情緒狀態(tài)用戶比例來有效抑制輿情。由分析可知，悲觀情緒狀態(tài)用戶數(shù)越多，輿情所能達到的傳播量和最終散布范圍也越小，但卻使網(wǎng)絡中話題持續(xù)時間越長。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調(diào)整公眾情緒的作用，避免極端情緒的形成。