基于元胞自动机的政务微博中危机信息扩散模型研究

杨馥泽

摘要：本文采用元胞自动机理论进行政务微博危机信息扩散的研究，设计了政务微博元胞自动机模型。通过定义用户倾向度、用户受领域影响程度以及用户转发意愿，设计了符合政务微博的元胞演化规则。并进一步利用MATLAB进行仿真，通过对比真实数据，证实了模型的有效性，讨论不同消息质量对危机扩散的影响。

关键词：政务微博；危机信息；元胞自动机；用户转发意愿；用户倾向度；用户受邻域影响程度

微博是一种基于用户关系的信息分享平台，用户可以不受时间、空间的限制对信息进行评论和转发，一条微博信息可能在短时间内被大量转发，变成社会热门舆论问题，例如“郭美美事件”，汶川地震等，因此研究信息（舆论）在微博网络上的传播及其传播的性质、规律等成为公共管理的热门研究问题。

目前，对于公共危机事件的信息扩散和政务微博传播效果的研究都十分丰富，一方面，对危机事件微博扩散的研究很多，孙玮[1]等对突发自然灾害事件中网络舆论传导特征及其合理表达进行了探讨；并总结了网络舆论表达与引导途径，姜鑫[2]等通过网络中介中心性分析；运用小世界理论研究了微博社区内的信息传播理论；钱颖[3]等基于SIR 模型对微博舆情传播进行了实证研究；分析了不同情景下的微博舆情传播规律；兰月新[4]、于春[5]、方薇[6]在突发事件微博舆情影响趋势的基础上，建立了微分方程模型来研究微博舆情扩散规律；另一方面，对政务微博传播效果的研究也有了一定的成果，史丽莉[7]从微博信息内容和表现形式两方面研究地方政务微博的传播效果，胥柳曼[8]在以实证研究方法论证了影响政务微博传播效果的四大要素，并论述了政务微博在政务一公众圈、政务一媒体圏、政务一政务圈中的传播效果。程曼丽[9]认为评价政府信息传播的步骤分为传播前和传播前。梁芷铭[10]将政务微博的传播效果归结在受众与主体的互动上。但是，将公共危机事件与政务微博结合起来的研究成果却不多，并且大部分都是从新闻学的角度进行理论分析[11，12，13]，缺乏定量分析，因此本文在元胞自动机的基础上建立危机信息扩散模型，研究危机信息的扩散路径。

1. 建立基于元胞自動机的政务微博中危机信息扩散模型构建

为了便于对危机信息扩散的研究，本文做以下假设：1）用户在接触危机信息后，兴趣度不再受其他新信息的影响；2）用户转发一条危机信息后，不再重复转发。

1.1基本模型

根据以上假设及其基本建模方法，建立基本的扩散模型如下：1）每个元胞代表一个微博用户；2）假设二维Moore型元胞空间（即八邻域元胞空间）代表整个接触危机信息的潜在用户群体，如图1（b）所示；3）元胞的状态（S）有四种状态，S∈{1，2，3，4}，S=1表示原创微博用户，也就是发布危机信息的政务微博，S=2表示潜在用户，用户在未接触到危机信息之前，都是潜在用户，S=3表示不转发用户，也就是表示用户在接触到危机信息之后不转发此条微博，S=4表示转发用户，也就是用户在接触危机信息之后，认为有必要转发此信息。

1.2元胞状态转变规则：

假设用户状态的改变取决于用户的转发意愿，即在以后的生活中，用户是否继续（尝试）转发微博的接受程度[14]。当用户的转发意愿大于某个值时，用户会转发信息；当转发意愿小于某个值时，用户不会转发信息。本文将影响用户转发意愿的因素分为内部因素和外部因素，内部因素包括危机事件本身的性质和危机信息的质量，外部因素是指微博用户受邻居用户的影响程度。为表述方便，引入以下定义：

1.2.1 用户倾向度（I）

当微博用户接触到有关危机事件的信息时，用户转发信息的倾向度会随着时间变化。戴双星，陈冠雄[15]等人认为，人们往往对初次接触到的一个新事物往往有很大的兴趣，但是短时间内的频繁尝试会让兴趣慢慢降低，并且，由于个人兴趣的变化过程与记忆的遗忘过程相似，都是人的思维变化过程，衰减的规律遵循艾宾斯遗忘曲线[16]，因而，本文中的用户转发危机信息的倾向度时间衰减机制参考了艾宾浩斯遗忘曲线，如图2所示：

图2艾宾浩斯遗忘曲线

从图中可以看出，艾宾浩斯曲线类似于幂函数，那么兴趣遗忘函数也是幂函数的形式。考虑到公共危机事件本身对用户的倾向度的影响，用户倾向度表示为

Ii（t）=Ii（0）+t-β（2）

其中，Ii（）表示用户i在最初接触到信息时的转发信息的倾向度，Ii（0）∈[0，1]其值是由用户自身的社会背景、受教育程度等因素决定的。β表示公共危机事件的影响程度，根据危机事件的性质、严重程度、可控性和影响范围等因素，公共危机事件一般可分为四级：Ⅰ级（特别重大）、Ⅱ级（重大）、Ⅲ级（较大）和Ⅳ级（一般）。这里假设β=0.1表示Ⅰ级危机事件，β=0.3表示Ⅱ级危机事件，β=0.5表示Ⅲ级危机事件，β=0.7表示Ⅳ级危机事件，因此β∈{0.1，0.3，0.5，0.7}，β越小，用户转发此条危机信息的倾向度越大。

由于Ii（0）的取值范围是0到1，t-β的取值范围是0到1，为了以后方便研究和讨论，需要对指标值进行标准化，即把数值大小均映射到[0，1]区间，这里使用max-min标准化法，即

Ii（t）=Ii（t）-Ii（t）minIi（t）max-Ii（t）min=（Ii（0）+t-β）/2（3）

然而，在公共危机时间发生以后，公众的心理特征突出表现为强烈的信息需求欲，政务微博发布的消息的内容越有价值，语言措辞越合理，关注它的用户转发此条微博的倾向度就越大，消息的质量也是影响用户倾向度的重要因素。因此，用户倾向度其表达式修正为：

Ii（t）=α×（Ii（0）+t-β）/2（4）

其中，α表示消息的质量，α∈[0，1]，消息的内容越有价值，表达越清晰，语言措辞越合理，α越大，也就是消息的质量越高，相反，则α越小。

1.2.2 用戶受邻居影响程度（E）

每个微博用户都是处在一个人际网络中，相互关注的用户一定有相似的兴趣和爱好，在公共危机事件发生后，用户很大程度上是从自己关注的用户转发后接触到此危机信息的，当一名用户所关注的用户中转发一条危机信息的人数越多，那么该用户转发此条信息的可能性也就越大。因此，用Ei（t）表示在t时刻用户i受邻域用户的影响程度，其表达式如下：

Ei（t）=Ni（t）N（5）

其中，Ni（t）表示t时刻用户i领域用户转发信息的人数，N表示用户i领域的用户总数。

1.2.3 用户转发意愿（Y）

假设用户转发意愿受用户倾向度和用户受邻居影响程度两个因素影响，每个因素对转发意愿的影响权重相同，用户转发意愿可以定义为：

Yi（t）=Ii（t）+Ei（t）2=α×（Ii（0）+tβ）/2+Ni（t）N2

（6）

其中，α表示消息的质量，β表示公共危机事件的性质，Ni（t）表示t时刻用户i领域用户转发信息的人数，N表示用户i领域的用户总数。这里假设用户转发意愿的临界值为0.5。也就是，当Yi≥0.5时，用户转发意愿大于临界值0.5，状态为转发用户，当Yi<0.5时，用户转发意愿小于临界值0.5，状态为不转发用户。

根据以上定义，元胞状态改变规则描述为：

第一步，在初始状态中，系统中只存在两个状态的元胞，即S=1的原创用户（政务微博）和S=2的潜在用户，根据之前的假设，用户在接触到危机信息之前，默认都是潜在用户。

第二步，在接触到原创用户发布的危机信息之后，判断S=2潜在用户的倾向度Y，如果Y≥0.5，该用户变成转发用户S=4，并推出系统，如Y≥0.5，该用户变成不转发用户S=3。

第三步，当S=3不转发用户再次接触到S=4的转发用户转发的危机信息时，判断此用户的转发意愿Y，如果Y≥0.5，用户转变为S=4的转发用户，否则维持S=3的不转发状态。

2.模型仿真

为了验证模型的合理性及有效性， 我们选择曾经在网络上讨论较为激烈的乌鲁木齐的恐怖袭击中的一起爆炸案利用matlab进行仿真实验。（如图2）

图2公安部打四黑除四害微博

本次仿真中，设元胞空间为45*45的二维Moore型元胞空间，Ii（0）取0到1的随机值，根据所发布的内容和事件本身的性质来，将α取值为0.4，β取值为0.7（i=1，2，…，2500）为消除随机变量对实验结果的影响，利用matlab经过15次拟合得到平均值。转发危机信息的微博用户数量变化图如图4所示：

图4转发危机信息的微博用户数量变化对比图

从图4可以看出，在微博发布的第一时间，转发用户数量呈几何增长，之后随着时间的增长，用户数量逐渐趋于稳定。该仿真结果与图3的统计数据较为吻合，说明所建立模型是有效的。

3.不同α的取值对危机信息扩散的影响分析

为分析不同的消息质量对危机信息扩散的影响，假设元胞空间为45*45的二维Moore型元胞空间，β=0.3（i=1，2，…，2500）分别取α=0.2，α=0.4，α=0.6，α=0.8。

图5不同α的取值下用户转发情况比较

如图5所示，当α=0.2时，消息质量过小，用户的转发意愿小，因而转发信息的用户少，不利于信息扩散，当α在大于0.2的某个值时，在信息发布初期时，转发人数剧增，并随着时间的推移，逐渐趋于稳定。同时α的水平越高，转发人数增速也越快，转发人数越多。根据以上分析可知，在社会安全事件发生以后，政务微博发布质量高的相关信息会被更多人转发，更有利于信息扩散，减少谣言传播的可能性。

4.结语

本文在元胞自动机理论基础上，建立了危机信息扩散的模型，模拟了危机信息的扩散路径，并以乌鲁木齐一起爆炸事件为例，采用MATLAB 仿真，验证了模型的有效性，并分析了社会安全事件中，不同消息的质量对危机信息扩散的影响，发现消息质量过小时，不利于危机信息扩散影，消息质量越高，信息扩散越有效。本文只研究了公共危机事件中社会安全方面的事件，其他危机事件是否也有相同的特征和性质还需进一步研究。（作者单位：首都师范大学管理学院）

参考文献：

[1]孙玮，张小林.突发自然灾害事件中网络舆论的表达与引导—以东日本地震海啸事件为例[J].学术探索，2011，（6）：115-118

[2]姜鑫，田志伟.微博社区内信息传播的“小世界”现象及实证研究[J].情报科学，2012，30（8）：1139-1142

[3]钱颖，张楠，赵来军等.微博舆情传播规律研究[J].情报学报，2012，31（12）：1299-1304

[4]兰月新.突发事件微博舆情扩散规律模型研究[J].情报科学，2013，（03）：31 -34

[5]于春，何明星. 基于元胞自动机的微博舆情传播研究[J]. 西华大学学报（自然科学版），2014，33（5）：17-19

[6]方薇，何留进.采用元胞自动机的网络舆情传播模型研究[J].计算机应用，2010，3（30）：751-755

[7]史丽莉，谢梅.中国地方政务微博信息传播的效果研究[J].电子政务，2013（3）：27-38

[8]胥柳曼. 公共空间背景下的政务微博传播效果研究——以上海政务微博为例[D].上海交通大学，2011

[9]程曼丽. 政府传播机理初探[J].北京大学学报（哲学社会科学版），2004，41（2）：134-139

[10]梁芷铭， 政务微博传播机制初探[J].新闻爱好者，2012（12）：35-36

[11]武文静.突发事件中政务微博的信息传播研究[D].河北经贸大学，2014

[12]蒋菁菁.政务微博的危机传播研究[D].广西大学，2014

[13]刘晨.突发事件中政务微博传播问题与策略—基于新浪政务微博的研究[D]，2013

[14]袁园.微博用户转发意愿的影响因素研究.[D].南京大学，2013.

[15]戴双星，陈冠雄，周涛等.兴趣驱动的人类动力学模型研究[A]

[16]印桂生，崔晓晖，马志强.遗忘曲线的协同过滤模型[J].哈尔滨工程大学学报，2012，33（1）：85-90.