基于新闻类APP移动网络舆情传播模型研究

林 亮李学静陈虹暻

（1重庆大学 经济与工商管理学院，重庆 400030；2武警福州指挥学院，福建 福州 350002）

基于新闻类APP移动网络舆情传播模型研究

林 亮1，2李学静1陈虹暻1

（1重庆大学 经济与工商管理学院，重庆 400030；2武警福州指挥学院，福建 福州 350002）

［目的/意义］对于移动网络舆情信息的重要来源——新闻类APP的研究，可以揭示其传播规律，为相关部门加强移动网络舆情的监管提供参考。［方法/过程］本文首先对新闻类APP移动网络舆情的传播主体进行分析，然后结合SEIR传染病模型，构建了新闻类APP移动网络舆情传播模型，最后使用MATLAB软件对模型进行仿真，并分析转换参数对传播曲线的影响程度。［结果/结论］本文构建的模型与曲线不仅能够描述传播主体在网络中的比重变化，并且能够模拟出新闻类APP移动网络舆情的传播活力与传播范围。仿真实验结果证实了模型的有效性，对移动网络的舆情分析、研判和预警具有一定的参考价值。

移动网络；网络舆情；SEIR模型；新闻类APP

一、引言

网络舆情是民众通过互联网表达的对现实社会的各种认知、态度、情感和行为倾向的集合，［1］是现代社会舆情的重要组成部分。移动互联网迅速发展，使用智能手机等移动终端上网的人数日益增多，网民的互联网生活中心逐渐向移动端转移。［2］根据中国互联网信息中心（CNNIC）《第37次中国互联网络发展状况研究报告》，截至2016年1月，我国手机网民规模达6.20亿，有90.1%的网民通过手机上网，移动终端的上网使用率已经超过固定终端，［3］移动终端已经成为网络舆情聚散的“新阵地”，形成移动网络舆情。移动网络舆情是指民众利用智能手机等移动终端在互联网上表达的对现实社会的各种认知、态度、情感以及行为倾向的集合。［4］新闻类APP即移动新闻类客户端，是指借助数字、移动技术，安装在移动终端上（如智能手机、平板电脑等）的新闻类服务程序，通常带有评论、转发等功能。［5］移动互联已经成为不可逆转的趋势，正深刻地改变人们的生活习惯甚至生存方式。［6］因此，新闻类客户端作为一种新型的移动新闻资讯平台因其内容综合全面、新闻推送及时、操作简易方便等特点保证了用户的高黏度，并逐渐发展为一种新的阅读习惯，已成为民众获取信息，参与社会热点话题讨论的核心移动媒体渠道。［7，8］正是源于现实当中网络舆情传播的“阵地转移”，对新闻类APP移动网络舆情传播模型进行研究具有较强的理论意义。

二、新闻类APP网络舆情传播模型的构建

（一）新闻类APP类型

目前，新闻类APP可根据来源和功能划分为三个类型：一是搜狐网、新浪网等门户网站开发的门户网站新闻APP；二是人民日报、南方周末等传统新闻媒体开发的传统媒体新闻APP；三是今日头条、百度新闻等聚合形式的新闻APP。

（二）新闻类APP网络舆情传播主体分析

新闻类APP网络舆情传播主体主要有三大类：一是普通网络用户，即以个人名义参与网络信息传递的网络主体；二是意见领袖，是指在网络当中能够为普通网络用户提供他们所不掌握的信息，并对其行为、思想产生一定影响作用的网络主体；三是网络媒体，即传统媒体的网络站点、门户新闻网站以及新生的聚合新闻网站等。

在信息发布之后的舆情传播网络中，三大网络舆情传播主体之间的具体差别很难在新闻类APP舆情传播中体现。在新闻类APP中，意见领袖的个体标识并不像在微博、微信等偏重于社交的网络中那么明显，网络媒体掌控信息的地位也被逐渐削弱，普通移动网络用户这类传播主体的信息自主权被便捷的网络环境提升，它们三者共同无差别构建了舆情网络。

目前，新闻类APP上网络舆情传播主体间交互模式的实现依赖于客户端的功能设置，设置了评论、分享、转发等功能的新闻类APP能够把公共的舆情信息在私人关系网中分享传播。

（三）新闻类APP网络舆情传播主体的节点化

Kermack与Mckendrick用动力学方法构建了SIR传染病模型，［9］Sudbury利用SIR传染病模型研究谣言的传播规律，［10］陈波等指出在网络舆情传播过程中存在潜伏状态的个体，提出了带直接免疫的SEIR模型。［11］朱恒民［12］、林晓静［13］、陈福集［14］等学者利用传染病模型研究了网络舆情的传播规律。

借鉴SEIR模型，新闻类APP网络舆情的传播节点可以根据传播主体的不同特征定义为四种属性的节点：第一，无知觉节点（S），对应着安装了新闻类APP，但对其发布的舆情信息还没有进行查看的舆情传播主体。第二，有知觉节点（E），对应着在新闻类APP上获取了舆情的相关信息，但是还没有决定是否对该舆情信息进行继续传播的传播主体。第三，传播节点（I），对应着在新闻类APP上获取了舆情信息，并乐于继续对该舆情信息进行传播的传播主体，舆情信息在该节点增强。第四，免疫节点（R），对应着已经获得了舆情信息，但对该舆情信息缺乏传递意愿而退出舆情信息传播的传播节点，舆情信息在该节点终止。

（四）新闻类APP网络舆情传播模型构建

假设移动终端新闻类APP上舆情传播网络为复杂网络D，网络中舆情传播节点的群体规模为含有n个节点元素的集合N，复杂网络D中各个舆情传播节点对舆情信息的传递是有向的，即节点i只收到相邻上一级舆情传播节点的信息，并将舆情信息传递至相邻的下一级舆情传播节点。假设t时刻无知觉节点（S）的数量，有知觉节点（E）的数量，传播节点（I）的数量，免疫节点（R）的数量分别为：S（t）、E（t）、I（t）、R（t），且S（t）+E（t）+I（t）+R（t）=n。则t时刻各个属性的舆情传播节点在舆情传播网络中的比重为：s（t）、e（t）、i（t）、r（t），且s（t）+e（t）+i（t）+r（t）=1。

为进一步贴合前面对移动终端新闻类APP上舆情传播网络的现实情况，对SEIR基础模型作出以下基本修正假设：

假设1：移动终端新闻类APP上舆情传播网络D中，单位时间内有Α个舆情传播节点不依赖上一级节点对其的舆情信息传递，自主作为舆情传播节点加入到舆情传播网络D，且进入网络的初始属性为无知觉节点（S）。

假设2：移动终端新闻类APP上舆情传播网络D中，舆情传播节点从无知觉节点（S）转变为有知觉节点（E）的概率为γ，从有知觉节点（E）转变为传播节点（I）的概率为δ，从传播节点（I）转变为免疫节点（R）的概率为ε。

假设3：移动终端新闻类APP上舆情传播网络D中，免疫节点（R）仅在本次舆情信息传递中终止舆情信息的继续传递，并不影响其在下一舆情话题的舆情传播。

假设4：单位时间内各个属性节点均有一定比例的节点数，由于客观条件制约，并非自愿地退出舆情信息传递过程，假设概率一致记为β，表示移动终端新闻类APP上舆情传播网络D的自然减少率。

根据以上设定，可以得到修正后的新闻类APP上网络舆情传播模型，如图1所示：

图1　 新闻类APP网络舆情传播模型

可根据SEIR模型的数学形式与构建的新闻类APP上网络舆情传播模型，获得新闻类APP网络舆情传播模型的数学表达：

在此基础上，本文定义“传播活力曲线”和“传播范围曲线”两个概念。

“传播活力曲线”代表传播节点（I）在舆情传播网络中的比重i（t）函数，反映了t时刻舆情传播网络中乐于将网络舆情继续传递的传播主体比例。

“传播范围曲线”代表网络中所有对舆情信息已经掌握的舆情传播节点比重y（t）函数，反映了t时刻舆情传播范围。由于在新闻类APP舆情传播网络中，有知觉节点（E）、传播节点（I）、免疫节点（R）均对舆情信息有了解，故y（t）=e（t）+i（t）+r（t）=1-s（t）。

三、新闻类APP网络舆情传播模型的仿真模拟

由于在实际舆情传播网络中，舆情传播的主要推动者是传播节点（I），并且研究新闻类APP上网络舆情的传播影响程度离不开对舆情传播活力和传播范围的探讨。因此，本文利用Matlab软件基于参数γ对“传播活力曲线”和“传播范围曲线”的影响进行模拟验证。

根据构建的新闻类APP上网络舆情传播模型对网络舆情传播总体趋势进行仿真模拟，需对相关的常数与参数进行假设：

假设1：新闻类APP舆情传播网络D在初始时刻t=0时，节点元素集合N中含有数量为500的舆情传播节点，即n（t0）=500，单位时间内不依赖上一级节点对其的信息传递，自主作为节点加入网络D的节点数量A与由于客观条件制约、并非自愿退出网络舆情传递的节点数量B之差为5，即ΔS（tΔ）=A-B=5。

假设2：新闻类APP舆情传播网络D在初始时刻t=0时，S（t0）=490，s（t0）=0.98；E（t0）=0，e（t0）=0；I（t0）=10，i（t0）=0.02；R（t0）=0，r（t0）=0。同时γ=0.8；δ=0.8；ε=0.2。

假设3：对新闻类APP上舆情传播网络D的研究截取前100个单位时间。

（一）参数γ对传播活力函数i（t）的影响程度

假设γ取值为0.5，0.6，0.7，0.8，0.9。其他参数数值与假设1～3保持一致，得到一组基于γ变化的传播活力曲线i（t）。

图2　 基于γ变化的传播活力曲线组

由图2可知，参数γ=0.5时，传播活力曲线在较短时间内达到最大峰值，波动较大；随着参数γ的增大，曲线逐渐趋向平稳，说明参数γ减小反而会增加传播节点（I）在传播周期中的比重，加大舆情传播活力，增强舆情话题对社会的影响程度，反之亦然。

（二）参数γ对传播范围函数y（t）的影响程度

假设γ取值为0.5，0.6，0.7，0.8，0.9，其他参数数值与假设1～3保持一致，得到一组基于γ变化的传播范围曲线y（t）。

图3　 基于γ变化的传播范围曲线组

由图3可知，减小参数γ时，传播范围曲线明显向上移动，传播范围曲线y（t）的比重加大，说明参数γ减小会造成舆情信息的知悉范围更广泛，延长舆情周期，加剧舆情对社会的影响程度。

同理，对参数ε进行仿真模拟，可以得出增大免疫参数ε，能够加快降低传播节点比例，减少舆情传播活力；同时，可以提升免疫者比率的增加速度，缩短舆情持续时间，能够有效降低舆情话题对社会的影响程度。所以，要尽量提高ε值，以减小舆情影响范围，降低舆情所带来的负面效应。

四、结语

为了分析新闻类APP移动网络舆情的传播规律，本文基于SEIR传染病模型，构建了新闻类APP移动网络舆情传播模型并定义了传播活力曲线和传播范围曲线两个概念。模型与曲线不仅能够描述无知觉节点（S）、有知觉节点（E）、传播节点（I）、免疫节点（R）这四个传播主体在网络中的比重变化，并且能够模拟反映出移动网络舆情在新闻类参考文献：

APP传播网络中的传播活力与传播范围。模拟实验结果表明，参数γ、ε取值减小均会提高传播活力曲线的比值，同时增加传播范围曲线的比值，提高舆情话题的传播活力和传播范围，增强舆情话题对社会的影响程度。

［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］ 郭韧，陈福集，李江竹，等.移动网络对网络舆情演化的影响研究［J］.情报杂志，2015（7）：130-134.

［3］ 第37次中国互联网络发展状况统计报告［R］.北京：中国互联网信息中心，2016-01-22.

［4］ 洪小娟，刘雅囡，姜楠.移动互联网舆情生成机制研究［J］.南京邮电大学学报（社会科学版），2013，15（2）：25-30.

［5］ 张永芹. 2012年移动新媒体新闻客户端影响力研究——以我国报纸类手机新闻客户端为例［J］.新闻实践，2012（09）：4-8.

［6］ 张丽霞.新闻客户端的创新差异化实例分析及研究——以网易新闻、澎湃新闻、今日头条为例［J］.新闻窗，2015（3）：32-33.

［7］ 周凯.省级传统媒体移动新闻客户端的运营模式解析——以“荔枝新闻”客户端为例［J］.中国出版，2014（19）：37-40.

［8］ 王超群.手机新闻客户端使用情况调查［J］.中国出版，2014（18）：12-15.

［9］ Kermack W O，Mckendrick A G . A Contribution to the Mathematical Theory of Epidemics［J］ . Royal Society of London Proceedings，1927，115（772）：700-721.

［10］ Sudbury A . The Proportion of the Population Never Hearing a Rumour［J］ . Journal of Applied Probability，1985，22（2）：443-446.

［11］ 陈波，于泠，刘君亭，等.泛在媒体环境下的网络舆情传播控制模型［J］.系统工程理论与实践，2011（11）：2140-2150.

［12］ 朱恒民，刘凯，卢子芳.媒体作用下互联网舆情话题传播模型研究［J］.现代图书情报技术，2013（3）：45-50.

［13］ 林晓静，庄亚明，孙莉玲.具有饱和接触率的SEIR网络舆情传播模型研究［J］.情报杂志，2015（3）：150-155.

［14］ 陈福集，陈婷，郑小雪.一类新SEIRS模型上的网络舆情传播行为研究［J］.情报资料工作，2014（4）：35-36.

G206

A

1674-8883（2016）18-0058-02

林亮（1980—），男，重庆大学经济与工商管理学院图书馆、情报与档案管理专业硕士研究生，武警福州指挥学院信息技术与装备教研室讲师，研究方向：信息管理，网络舆情。李学静（1966—），女，博士，重庆大学经济与工商管理学院教授、硕士生导师，研究方向：信息管理，网络舆情。陈虹暻（1989—），女，重庆大学经济与工商管理学院图书馆、情报与档案管理专业硕士研究生，研究方向：信息管理，网络舆情。