论文部分内容阅读
【摘 要】舆情演化分析是研究具有一定网络结构、小社会的演化趋势的重要方法，本文考虑个体的观点以及相邻个体态度对其的影响程度建立了基于元胞自动机的舆情演化模型。根据个体与个体之间影响程度即邻居半径的不同，提出了元胞坚定系数的概念，即每个元胞在邻居影响下态度的易变程度。用元胞在 时刻时，邻居元胞情绪指数以及元胞自身的坚定系数来确定元胞 时刻的状态。在二维元胞空间中研究舆情的传播规律，进行相应的计算机仿真，得到了较好的仿真结果。
【关键词】元胞自动机；情绪指数；坚定系数；计算机仿真
0.引言
随着互联网的发展，网络媒体被公认为是继报纸、广播、电视之后的第四媒体。2012年7月19日，中国互联网络信息中心（CNNIC）在京发布《第30次中国互联网络发展状况统计报告》。《报告》显示，截至2012年6月底，中国网民数量达到5.38亿，增长速度更加趋于平稳，互联网普及率为39.9%。而舆情预警、舆情控制一直是我国政府关注的重要领域。因此有关网络舆情安全性的研究成为当前一个热点。
所谓网络舆情，是指由于各种事件的刺激而产生的通过互联网传播的人们对于该事件的所有认知、态度、情感和行为倾向的集合[1]。网民对某一事件所持有的认知、态度、情感和行为倾向的变化过程，实际上就是网络舆情的演化过程。如何有效地利用网络对舆情进行引导，尤其是大学生对舆情的引导，是目前网络舆情研究的重点工作。
到目前为止，国内外许多学者对网络舆情都做了大量研究，但是大部分都是围绕传播学、社会学以及心理学等角度进行展开，进行的仅仅只是定性分析。本文通过对网络舆情的演化研究，并用MATLAB进行仿真实验。该模型能基本抓住网络舆情的传播趋势，反映舆论形成过程中个体观点、态度的变化，从而探索了网络中热点话题出现的原因和方式，分析了网民情感和行为倾向的变化规律，对网络舆论的引导和预警有一定的指导意义，有利于网络安全的研究。有利于分析和研究舆情传播过程和发展趋势。
1.网络舆情演化模型
网络舆情是一个复杂的系统[2]，影响舆情演化的因素众多，为了简化模型系统，做如下合理假设：
（1）假定每个个体在网络中发表言论都是出于自己对讨论话题的兴趣。兴趣越大.则表达自己看法、态度的可能性越大。
（2）大部分网民的言论、态度、行为都是理性的，只有极少数的人是毫无理由的情绪化宣泄。
（3）假设个体具有集群心理，即个体会做出与“大多数人”一致的选择。
（4）在舆论的传播过程中，极易发生群体的聚集现象，即拥有相同观点的人在空间上结合在一起。
（5）假设在所研究的时间内认为所研究的网民总数量一定，不考虑这一时间段内新增的网民。
（6）研究中只考虑个体参与的一个热点话题，不考虑此刻个体对其他热点话题的影响。
（7）假设初始状态时，舆论舆情的态度呈随机、均匀分布。
1.1状态空间
（a） （b） （c）
图1网络舆论演化模型的空间结构
利用元胞自动机的研究方法，首先将网络空间抽象成一张二维平面，将这个平面平均分割为 个方格[3-4]，上图3即为一个 的方格平面，则每一个方格就代表一个元胞，即网络空间中的一个个体。
定义邻居半径：即从元胞到边邻居元胞所需要经历的时步。如图3（a）、（b）、（c）分别表示元胞邻居半径为：r=1、r=2、r=3时的元胞邻居分布图。当r=1时，定义元胞邻居为4邻居即为Von.Neumann结构。因为网络空间是一个虚拟世界，网络空间中的邻居并不是空间距离的相邻，而是心理距离的相邻，其状态转换可以用个体间的影响来计算[5]。
1.2演化规则
我们将网络中的每一个个体抽象成为一个元胞，每一个元胞对某一事件都存在3种可能状态：支持、中立以及反对。并用情绪指数Xij（t）表示二维空间中坐标为（i，j）的元胞在t时刻对于某一事件、舆论或舆情所呈现的状态，情绪指数Xij（t）∈[-1，1]，并作如下规定：
当0.3 当-0.3≤Xij（t）≤0.3时，元胞（i，j）所呈现的状态为保持中立，并且 Xij（t）越接近于0，中立态度越坚定。
当-1≤Xij（t）<-0.3时，元胞（i，j）所呈现的状态为反对舆论，并且Xij（t）越接近于-1，反对态度越强烈。
事实上，Xij（t）取值不仅仅与邻域相关，还与该元胞本身对舆情的认知程度和坚定性系数有关。
当r=1时，可用下式表示：
Xij（t+1）=λ×Xij（t）+（1-λ）×[ω1×Xi-1j（t）+ω2×Xij+1（t）+ω3×Xi+1j（t）+ω4×Xij-1（t）] （1）
当r=2时，可用下式表示：
Xij（t+1）=λ×Xij（t）+（1-λ）×[ω1×Xi-2j（t）+ω2×Xi-1j（t）+ω3×Xij+2（t）+ω4×Xi+1j+1（t）+ω5×Xi+2j（t）+ω6×Xi+1j-1（t）+ω7×Xij-2（t）+ω8×Xi-1j-1（t）+ω9×Xi-1j（t）+ω10×Xij+1（t）+ω11×Xi+1j（t）+ω12×Xij-1（t）] （2）
其（1）、（2）式中：λ为元胞个体的坚定性系数，λ∈[0，1]，它反映元胞（i，j）的意见与态度在外界因素影响下易变程度。λ越大表示元胞（i，j）自我控制能力越强，邻域元胞态度对其状态改变的影响程度越小。极端情况下，当λ=0时，不考虑当前元胞态度，完全顺从邻域元胞态度，即简单多数规则；当λ=1时，只遵从当前元胞态度，不考虑邻域影响。而ω1，ω2，ω3，ω4分别表示不同邻居对元胞（i，j）的影响权值。其中： ω=1
那么，由以上我们给出仿真时，元胞自动机的元胞状态演化更新规则如下：
（1）对元胞（i，j）随时间演化的元胞状态设定随机值。
（2）对周围所有近邻的元胞状态分别乘以对应影响程度权值再求和。
（3）当0.3 2.仿真结果与分析
根据以上分析，利用MATLAB编程，进行计算机仿真。首先设定影响仿真系统的主要参数：元胞坚定系数λ，元胞邻居（考虑4邻居）影响权值ω1，ω2，ω3，ω4，迭代时步τ。当如下设置时：
（1）元胞坚定系数λ=0.3；
（2）当r=1时，邻居影响权值分别为：
ω1=ω2=ω3=ω4=0.25
当r=2时，邻居影响权值分别为：
ω1=ω2=ω3=ω4=ω5=ω6=ω7=ω8=
ω9=ω10=ω11=ω12=
（3）迭代时步τ=200。
随着舆情演化的发生，元胞个体之间发生交互作用，观点、态度开始发生改变，图2为每仿真一次得到的状态图，包括初始状态、演化过程中的两个状态和最终状态。则模型演化结果如下：（白色表示该元胞持支持态度，灰色表示中立态度，黑色表示反对态度）。
元胞初始状态 τ=20元胞状态 τ=200元胞状态
图2 元胞状态仿真图
由图2可以看出，在观点均匀、随机分布的初始状态下，随着邻居元胞和时间的影响，舆情的发展变化趋于支持观点和反对观点都会达到相对稳定的状态，并且一种观点很难最终占据整个群体。另一方面由于从众心理的影响，系统中舆情的发展最终趋于集群的现象，即一定区域内人员的观点趋于一致。而且持支持态度的元胞相比于持反对和中立态度元胞更容易出现集群现象。如图2中的白色斑块。与此同时，我们还对元胞状态数目和频率变化做了统计，如图3所示。
（d） （e）
图3 r=1时元胞态度变化数目统计与频率变化统计图
由图3可以看出，在迭代到50步（即τ=50）之后，系统内支持、反对、中立三种态度的元胞数目趋于稳定，支持观点最终稳定频率在0.48左右，中立的最终稳定频率保持在0.34左右，反对观点最终稳定频率在0.18左右。
当r=2时，通过MATLAB仿真。在相同的初始条件下，对同一初始状态的仿真可得图4。
元胞初始状态 τ=20元胞状态 τ=200元胞状态
图4 元胞状态仿真图
通过图4与图2的对比我们发现，当元胞影响的邻居的半径增大时，不仅仅是持支持态度的元胞出现集群现象，此时条件下持反对和中立态度的元胞也开始出现了集群现象。持支持态度的元胞集群范围开始缩小，持反对和中立态度的元胞集群范围开始变大。同样，我们也对元胞在此条件下状态数目和频率变化做了统计，如图5所示。
（f） （g）
图5 r=2时元胞态度变化数目统计与频率统计图
把图3与图5相比可发现，图5中支持者的数目明显减少，而反对者与中立者的数目都有所增加。同时，在迭代到50步（即τ=50）之后，系统内支持、反对、中立三种态度的元胞数目也趋于稳定的。支持观点最终稳定频率在0.34左右，中立的最终稳定频率保持在0.4左右，反对观点最终稳定频率在0.26左右。
3.结语
本文是对网络舆情传播模型的一个初步探测。通过对网络舆情的分析，建立了一个基于元胞自动机的网络舆情演化模型。利用该模型我们可以发现，处于均匀、随机分布的初始状态下的元胞，通过迭代20步、和迭代200步的状态显示，发现一种观点很难最终占据整个群体。而又由于从众现象的影响，系统中舆情的发展最终趋于集群现象，即一定区域内人员的观点趋于一致。网络舆情信息在网络中有着高效的传播性，网民有着渴求新知、猎奇探究、减轻压力、跟风从众、强烈创新的心理。因此网络舆情才能飞速的传播，面对这一现象我们应该积极的引导合法的舆论，对热点事件可能存在疑点和容易引起误解的信息，及时披露，预防谣言的滋生，对虚假信息要及时向公众证实。治理好网络中那些不和法的舆论。
通过网络舆情演化行为仿真的研究，可以深化对舆情演化规律的认识，有助于政府和企业相关职能部门在突发性事件发生后能以最快速度收集网上相关舆情信息，跟踪事态发展，及时向有关部门通报，快速应对处理。有利于政府监督网络舆情的传播，改善网络环境，提前判断网络舆情趋势，同时，更有利于政府对公共事件的引导和调控，维护社会、国家的和谐与安定团结！
我们研究个体之间关系最简单和现实较吻合，人们联系越多，各种态度便都会出现，力量差距就不会太大。为进一步研究更复杂的舆情传播过程研究趋势提供参考。
【参考文献】
[1]曾润喜.网络舆情信息资源共享研究[J].情报杂志，2009，28（8）：187-191.
[2]ALBERTR，BARABASIAL.Statistical mechanics of complex net works[J].Reviews of Modern Physica A，2001，74（1）：47-91.
[3]吴青峰.用元胞自动机研究舆论传播的复杂性[D].桂林：广西师范大学，2005.
[4]TOFFOLIT，MARGLOUSN.Cellular automatic machine：a new environment for modeling [M].Cambridge，MA：MIT Press，1987.
[5]MATSUMURAN，EGOLDBERGDE，LLORAX.Mining directed social network from message board[C].Special Interest T racks and Posters of the 14th Inter national World Wide Web Conference （WWW 2005）. New York： [s. n.]，2005：1092-1093.
[6]李兰瑛.基于CA的网络舆论传播因素的研究[J].科学技术与工程，2008， 8（22）：6179-6186.
【关键词】元胞自动机；情绪指数；坚定系数；计算机仿真
0.引言
随着互联网的发展，网络媒体被公认为是继报纸、广播、电视之后的第四媒体。2012年7月19日，中国互联网络信息中心（CNNIC）在京发布《第30次中国互联网络发展状况统计报告》。《报告》显示，截至2012年6月底，中国网民数量达到5.38亿，增长速度更加趋于平稳，互联网普及率为39.9%。而舆情预警、舆情控制一直是我国政府关注的重要领域。因此有关网络舆情安全性的研究成为当前一个热点。
所谓网络舆情，是指由于各种事件的刺激而产生的通过互联网传播的人们对于该事件的所有认知、态度、情感和行为倾向的集合[1]。网民对某一事件所持有的认知、态度、情感和行为倾向的变化过程，实际上就是网络舆情的演化过程。如何有效地利用网络对舆情进行引导，尤其是大学生对舆情的引导，是目前网络舆情研究的重点工作。
到目前为止，国内外许多学者对网络舆情都做了大量研究，但是大部分都是围绕传播学、社会学以及心理学等角度进行展开，进行的仅仅只是定性分析。本文通过对网络舆情的演化研究，并用MATLAB进行仿真实验。该模型能基本抓住网络舆情的传播趋势，反映舆论形成过程中个体观点、态度的变化，从而探索了网络中热点话题出现的原因和方式，分析了网民情感和行为倾向的变化规律，对网络舆论的引导和预警有一定的指导意义，有利于网络安全的研究。有利于分析和研究舆情传播过程和发展趋势。
1.网络舆情演化模型
网络舆情是一个复杂的系统[2]，影响舆情演化的因素众多，为了简化模型系统，做如下合理假设：
（1）假定每个个体在网络中发表言论都是出于自己对讨论话题的兴趣。兴趣越大.则表达自己看法、态度的可能性越大。
（2）大部分网民的言论、态度、行为都是理性的，只有极少数的人是毫无理由的情绪化宣泄。
（3）假设个体具有集群心理，即个体会做出与“大多数人”一致的选择。
（4）在舆论的传播过程中，极易发生群体的聚集现象，即拥有相同观点的人在空间上结合在一起。
（5）假设在所研究的时间内认为所研究的网民总数量一定，不考虑这一时间段内新增的网民。
（6）研究中只考虑个体参与的一个热点话题，不考虑此刻个体对其他热点话题的影响。
（7）假设初始状态时，舆论舆情的态度呈随机、均匀分布。
1.1状态空间
（a） （b） （c）
图1网络舆论演化模型的空间结构
利用元胞自动机的研究方法，首先将网络空间抽象成一张二维平面，将这个平面平均分割为 个方格[3-4]，上图3即为一个 的方格平面，则每一个方格就代表一个元胞，即网络空间中的一个个体。
定义邻居半径：即从元胞到边邻居元胞所需要经历的时步。如图3（a）、（b）、（c）分别表示元胞邻居半径为：r=1、r=2、r=3时的元胞邻居分布图。当r=1时，定义元胞邻居为4邻居即为Von.Neumann结构。因为网络空间是一个虚拟世界，网络空间中的邻居并不是空间距离的相邻，而是心理距离的相邻，其状态转换可以用个体间的影响来计算[5]。
1.2演化规则
我们将网络中的每一个个体抽象成为一个元胞，每一个元胞对某一事件都存在3种可能状态：支持、中立以及反对。并用情绪指数Xij（t）表示二维空间中坐标为（i，j）的元胞在t时刻对于某一事件、舆论或舆情所呈现的状态，情绪指数Xij（t）∈[-1，1]，并作如下规定：
当0.3
当-1≤Xij（t）<-0.3时，元胞（i，j）所呈现的状态为反对舆论，并且Xij（t）越接近于-1，反对态度越强烈。
事实上，Xij（t）取值不仅仅与邻域相关，还与该元胞本身对舆情的认知程度和坚定性系数有关。
当r=1时，可用下式表示：
Xij（t+1）=λ×Xij（t）+（1-λ）×[ω1×Xi-1j（t）+ω2×Xij+1（t）+ω3×Xi+1j（t）+ω4×Xij-1（t）] （1）
当r=2时，可用下式表示：
Xij（t+1）=λ×Xij（t）+（1-λ）×[ω1×Xi-2j（t）+ω2×Xi-1j（t）+ω3×Xij+2（t）+ω4×Xi+1j+1（t）+ω5×Xi+2j（t）+ω6×Xi+1j-1（t）+ω7×Xij-2（t）+ω8×Xi-1j-1（t）+ω9×Xi-1j（t）+ω10×Xij+1（t）+ω11×Xi+1j（t）+ω12×Xij-1（t）] （2）
其（1）、（2）式中：λ为元胞个体的坚定性系数，λ∈[0，1]，它反映元胞（i，j）的意见与态度在外界因素影响下易变程度。λ越大表示元胞（i，j）自我控制能力越强，邻域元胞态度对其状态改变的影响程度越小。极端情况下，当λ=0时，不考虑当前元胞态度，完全顺从邻域元胞态度，即简单多数规则；当λ=1时，只遵从当前元胞态度，不考虑邻域影响。而ω1，ω2，ω3，ω4分别表示不同邻居对元胞（i，j）的影响权值。其中： ω=1
那么，由以上我们给出仿真时，元胞自动机的元胞状态演化更新规则如下：
（1）对元胞（i，j）随时间演化的元胞状态设定随机值。
（2）对周围所有近邻的元胞状态分别乘以对应影响程度权值再求和。
（3）当0.3
根据以上分析，利用MATLAB编程，进行计算机仿真。首先设定影响仿真系统的主要参数：元胞坚定系数λ，元胞邻居（考虑4邻居）影响权值ω1，ω2，ω3，ω4，迭代时步τ。当如下设置时：
（1）元胞坚定系数λ=0.3；
（2）当r=1时，邻居影响权值分别为：
ω1=ω2=ω3=ω4=0.25
当r=2时，邻居影响权值分别为：
ω1=ω2=ω3=ω4=ω5=ω6=ω7=ω8=
ω9=ω10=ω11=ω12=
（3）迭代时步τ=200。
随着舆情演化的发生，元胞个体之间发生交互作用，观点、态度开始发生改变，图2为每仿真一次得到的状态图，包括初始状态、演化过程中的两个状态和最终状态。则模型演化结果如下：（白色表示该元胞持支持态度，灰色表示中立态度，黑色表示反对态度）。
元胞初始状态 τ=20元胞状态 τ=200元胞状态
图2 元胞状态仿真图
由图2可以看出，在观点均匀、随机分布的初始状态下，随着邻居元胞和时间的影响，舆情的发展变化趋于支持观点和反对观点都会达到相对稳定的状态，并且一种观点很难最终占据整个群体。另一方面由于从众心理的影响，系统中舆情的发展最终趋于集群的现象，即一定区域内人员的观点趋于一致。而且持支持态度的元胞相比于持反对和中立态度元胞更容易出现集群现象。如图2中的白色斑块。与此同时，我们还对元胞状态数目和频率变化做了统计，如图3所示。
（d） （e）
图3 r=1时元胞态度变化数目统计与频率变化统计图
由图3可以看出，在迭代到50步（即τ=50）之后，系统内支持、反对、中立三种态度的元胞数目趋于稳定，支持观点最终稳定频率在0.48左右，中立的最终稳定频率保持在0.34左右，反对观点最终稳定频率在0.18左右。
当r=2时，通过MATLAB仿真。在相同的初始条件下，对同一初始状态的仿真可得图4。
元胞初始状态 τ=20元胞状态 τ=200元胞状态
图4 元胞状态仿真图
通过图4与图2的对比我们发现，当元胞影响的邻居的半径增大时，不仅仅是持支持态度的元胞出现集群现象，此时条件下持反对和中立态度的元胞也开始出现了集群现象。持支持态度的元胞集群范围开始缩小，持反对和中立态度的元胞集群范围开始变大。同样，我们也对元胞在此条件下状态数目和频率变化做了统计，如图5所示。
（f） （g）
图5 r=2时元胞态度变化数目统计与频率统计图
把图3与图5相比可发现，图5中支持者的数目明显减少，而反对者与中立者的数目都有所增加。同时，在迭代到50步（即τ=50）之后，系统内支持、反对、中立三种态度的元胞数目也趋于稳定的。支持观点最终稳定频率在0.34左右，中立的最终稳定频率保持在0.4左右，反对观点最终稳定频率在0.26左右。
3.结语
本文是对网络舆情传播模型的一个初步探测。通过对网络舆情的分析，建立了一个基于元胞自动机的网络舆情演化模型。利用该模型我们可以发现，处于均匀、随机分布的初始状态下的元胞，通过迭代20步、和迭代200步的状态显示，发现一种观点很难最终占据整个群体。而又由于从众现象的影响，系统中舆情的发展最终趋于集群现象，即一定区域内人员的观点趋于一致。网络舆情信息在网络中有着高效的传播性，网民有着渴求新知、猎奇探究、减轻压力、跟风从众、强烈创新的心理。因此网络舆情才能飞速的传播，面对这一现象我们应该积极的引导合法的舆论，对热点事件可能存在疑点和容易引起误解的信息，及时披露，预防谣言的滋生，对虚假信息要及时向公众证实。治理好网络中那些不和法的舆论。
通过网络舆情演化行为仿真的研究，可以深化对舆情演化规律的认识，有助于政府和企业相关职能部门在突发性事件发生后能以最快速度收集网上相关舆情信息，跟踪事态发展，及时向有关部门通报，快速应对处理。有利于政府监督网络舆情的传播，改善网络环境，提前判断网络舆情趋势，同时，更有利于政府对公共事件的引导和调控，维护社会、国家的和谐与安定团结！
我们研究个体之间关系最简单和现实较吻合，人们联系越多，各种态度便都会出现，力量差距就不会太大。为进一步研究更复杂的舆情传播过程研究趋势提供参考。
【参考文献】
[1]曾润喜.网络舆情信息资源共享研究[J].情报杂志，2009，28（8）：187-191.
[2]ALBERTR，BARABASIAL.Statistical mechanics of complex net works[J].Reviews of Modern Physica A，2001，74（1）：47-91.
[3]吴青峰.用元胞自动机研究舆论传播的复杂性[D].桂林：广西师范大学，2005.
[4]TOFFOLIT，MARGLOUSN.Cellular automatic machine：a new environment for modeling [M].Cambridge，MA：MIT Press，1987.
[5]MATSUMURAN，EGOLDBERGDE，LLORAX.Mining directed social network from message board[C].Special Interest T racks and Posters of the 14th Inter national World Wide Web Conference （WWW 2005）. New York： [s. n.]，2005：1092-1093.
[6]李兰瑛.基于CA的网络舆论传播因素的研究[J].科学技术与工程，2008， 8（22）：6179-6186.