社交网络正面信息传播及仿真研究

宾宁+王鈺

〔摘 要〕为了研究多行为主体对社交网络信息传播的共同推动作用，本文针对正面信息的传播，运用三方演化博弈理论构建三阶段的博弈模型并进行仿真分析。将社交网络正面信息传播各阶段所涉及到的网络推手、意见领袖、普通网民、社交网络媒体等多行为主体的策略选择映射为三方博弈模型中的参数，设计实验方案。通过仿真分析得到实验结论，进而提出积极推动正面信息传播的相应举措。

〔关键词〕社交网络；正面信息传播；网络推手；普通网民；社交网络媒体；三方博弈

DOI：10.3969/j.issn.1008-0821.2017.11.010

〔中图分类号〕G206.2 〔文献标识码〕A 〔文章编号〕1008-0821（2017）11-0058-11

Positive Information Spreading and Simulation in Social Network

—— Based on Three-side Game

Bin Ning Wang Yu

（School of Management，Guangdong University of Technology，Guangzhou 510520，China）

〔Abstract〕Focusing on the characteristics of positive information，the paper adopted the three-side evolutionary game theory to build a three-stage model to study the mutual role of various behavior subjects in promoting the information spreading in social networks.The strategy choice of various behavior subjects such as network pushers，opinion leaders，ordinary Internet users，social network media were corresponded into parameters of three-side evolutionary game models.The paper then designed simulation experiments and obtained experiment results by simulation analysis.Finally，it put forwards measures to promote the spreading of positive information.

〔Key words〕social network；positive information spreading；network pushers；ordinary internet users；social network media；three-side evolutionary game theory

自从我国于20世纪90年代接入互联网以来，人们的社交方式日渐由日常社交转为日常社交与网络社交并重的模式。这一转变也使得社交网络信息开始变得越来越具有影响力，社交网络信息传播也愈加受到人们的重视。

目前学术界关于网络信息传播的研究主要集中在以下2个方面：1）从生命周期的角度，运用“生、老、病、死”的思想，将信息传播的网络演变划分成各个不同阶段，探讨各个阶段的舆情表现特点和产生机制。有代表性的如顾明毅等（2009）将网络议题升级划分为早期传播、社会知情、社会表达、社会行动和媒体纪念5个[1]；史波（2010）则指出突发事件网络舆情内在演变的机理包括形成机理、发展机理、变异机理、作用机理和终结机理这5个方面的内容[2]；方付建（2011）将突发事件网络舆情演变分为孕育、扩散、变换和衰减4个阶段[3]；李纲等（2014）则认为根据生长曲线的特点突发事件网络舆情发展过程应分为潜伏、爆发、成熟和衰退4个阶段[4]。2）从神经网络和社会动力学的角度去分析信息传播的网络演变规律。国内学者早期如张一文、齐佳音等（2010）利用系统动力学建模的方法分析了非常规突发事件网络舆情中主客体之间的相互影响关系[5]；庄亚明、余海林（2013）结合复杂网络理论分析信息传播网络的要素及网络结构特性[6]。近年来戴建华，廖瑞丹考虑个体意见演变的时间记忆问题并结合卷积理论提出了新思路，建立基于HK模型的具有时间累积效应的意见交互规则模型，并给出算法实现[7]。游丹丹，陈福集采用粒子群算法和BP神经网络算法构建了基于改进粒子群算法和BP神经网络的网络舆情预测模型[8]。林芹、郭东强（2017）基于传播主体的特性，利用系统动力学原理，通过建模和仿真对情感距离、信息风险感知、企业形象和企业舆情事件处理效果这4个因素进行敏感性分析和对比分析[9]。

而目前国外关于舆情演变的研究主要以物理学视角的粒子交互作用为思路，运用数学和物理学的建模方式，对舆情形成机制建立动力学模型。比较经典的有Sznajd-Weron和Sznajd（2000）提出的一种舆情交互模型Sznajd模型[10]。近年来，Crokidakis等（2010，2013）在Sznajd模型中引入说服力机制来限制Agent的劝说能力，还运用二维Sznajd模型来考察大众媒體对于意见传播的影响[11-12]。Chen等（2014）研究了基于有向网络结构的网络舆情演化的模糊元胞自动机模型[13]；Yao等（2012）使用元胞自动机模型仿真了互联网络舆情的进化[14]。

国内外学者从多角度对网络信息的传播进行了深入研究，但随着社交网络媒体的纵深发展，随着社交网络信息传播所涉及主体的日趋多元化，网络信息传播的演变过程不再是单一或某两个行为主体单独影响控制的结果，而是多方行为主体在多维利益冲突时的最优决策结果。为了更准确地描述网络推手、普通网民、社交网络媒体等行为主体对网络信息传播的共同推动作用，本文针对社交网络正面信息的传播，运用三方演化博弈理论构建三阶段的博弈模型并进行仿真分析。endprint

1 社交网络正面信息及其各阶段参与主体的分类与定位1.1 社交网络信息传播中的正面信息

在本文中， 社交网络传播中的正面信息，是指积极向上的、能体现社会正能量、可以促进事件解决的、能缓和社会矛盾的、并能平复人民心情的、好的、积极的社交网络信息[15]，包括弘扬美德类信息，如“最美乡村教师”“长征精神”等；促进信任类信息，如2017年南京南站列车事故中的网络辟谣信息；维护国家主权利益类信息，如“南海仲裁案”等以及其他饱含正能量、能缓和社会矛盾类信息[2]，如吏治反腐相关信息、励志信息等[15]。通常与负面信息相比区别最明显的是其产生的正面影响远大于其产生负面影响，并且该信息本身更具有真实性以及正面感染力。

1.2 社交网络中正面信息传播的参与主体

社交网络正面信息传播的参与主体可以分为以下4类：网络推手、意见领袖、普通网民、官方网络媒体。

1）网络推手：主要是指接受某方委托后，利用网络作为媒介对网络热点舆论进行策划推广，使之产生影响力并提高事件热度的网络推广者。网络推手通常是以团队的形式出现于社交网络中，并以其对网络信息传播规则、网民心理的专业性以及网络社会资源丰富性对社交网络舆论信息传播进行操控。

2）意见领袖：意见领袖主要指在社交网络中具有较大影响力、公信力、感染力的活跃网民，对于网络舆情信息热点等通常具有独特的见解以及深刻的逻辑分析能力，同时可能对社交网络信息能起到过滤作用并因此在日常社交网络信息交流传播中凝聚有大量信息受众的舆论领袖[16]。

3）普通网民：普通网民主要指的是常使用社交网络的用户，其个体数量特征在社交网络信息传播中起到基础性作用，是较为普遍的信息传播者，同时也是信息的接受者。普通网民主要是以个体的形式存在于社交网络中，不存在面向其个人的大量信息受众，也不具备突出的独特见解及深刻分析能力，活跃程度不及意见领袖。

4）网络媒体：网络媒体主要指代表主流媒体如新华社、中国新闻社、CCTV、人民日报、中国日报等在社交网络中的信息传播媒体体现形式，以及社交网络平台本身的媒体如新浪网、搜狐网等，对正面信息网络舆论具有很强的解释权、定义权，其公信力极高、权威性极强。

2 社交网络正面信息传播的三方博弈模型研究

根据社交网络信息传播的阶段性变化，本文按照初始传播、迅速扩散以及消退这3个阶段分别进行博弈建模。

2.1 正面信息初始传播阶段的三方博弈模型

2.1.1 博弈模型假设

在初始传播阶段，由于信息刚开始传播，网络媒体对于该正面信息的关注度不高，因此参与到本阶段的主体主要有网络推手、意见领袖、普通网民。

在初始传播阶段，网络推手有接受委托推广和拒绝委托不推广两种策略选择。意见领袖有不转发扩散和转发扩散这两种策略选择。而普通网民有参与传播和不参与传播两种策略选择。3个参与主体具体涉及的各参数（成本、收益、损失）的假设总结如表1所示。

假设p为网络推手本阶段选择接受委托推广策略的概率，q为意见领袖本阶段选择转发扩散策略的概率，r 为普通网民本阶段选择参与传播策略的概率。其中， p、q、r均大于 0 且小于 1。

2.1.2 博弈模型建立

根据上节的博弈模型假设，可以建立社交网络正面信息初始传播阶段中，“网络推手-意见领袖-普通网民”这三者的三方博弈模型，其博弈过程及模型具体如图1所示。

网络推手、意见领袖、普通网民三者收益结果的收益矩阵如表2所示。

2.1.3 博弈模型求解

1）网络推手选择接受委托策略的复制动态方程式建立与求解

假设网络推手选择接受委托策略的期望收益为E11；选择不接受委托策略的期望收益为E12；平均期望收益为E13，则具体计算如下：

仿真的情况下，随着时间t的变化，数值迭代后最终均趋向于1的结果。这个仿真结果主要说明实际情况中，网络推手、意见领袖以及普通网民在社交网络正面信息初始传播阶段，在其利益及成本的大小关系符合本文博弈假设的情况下，通常会选择积极的措施来推动正面信息的传播，这种仿真結果趋向也是对于正面信息初始传播阶段的一个期望趋向，即参与主体对于正面信息的传播都有出力并有所得，并且其传播所得收益比不传播所得收益要多，这样情况下的趋向会使正面信息在初始传播阶段被较快较积极地推广于社交网络中，有利于其传播正能量以及发挥正面作用。

2.2 正面信息迅速扩散阶段的三方博弈模型

2.2.1 博弈模型假设

正面信息进入迅速扩散阶段后，由于经过第一阶段的关注度累积，网络媒体在这一阶段会提高对该信息传播的关注，并介入进来。因此，参与到本阶段的主体主要有网络媒体、意见领袖、普通网民。3个参与主体具体涉及的各参数（成本、收益、损失）的假设总结如表5所示。

假设p1为网络媒体本阶段选择积极传播策略的概率，q1为意见领袖本阶段选择转发扩散策略的概率，r1 为普通网民本阶段选择参与传播策略的概率。其中， p1、q1、r1均大于 0 且小于 1。

2.2.2 博弈模型建立

根据上节的博弈模型假设，可以建立社交网络正面信息迅速扩散阶段中，“官方网络媒体-意见领袖-普通网民”这三者的三方博弈模型，其博弈过程及模型具体如图3所示。

网络媒体、意见领袖、普通网民三者收益结果的收益矩阵，具体如表6所示。

2.2.3 博弈模型求解与仿真

类似2.1.3，可得网络媒体选择接受委托策略的复制动态方程式为：

从仿真结果图4可以看出，p1、q1、r1 3个分别代表网络媒体选择积极传播策略、意见领袖选择转发扩散策略以及普通网民选择参与传播策略的概率，在根据式子endprint

所设置的参数以及概率初值进行仿真的情况下，随着时间t的变化，p1、q1、r1数值迭代的结果均趋向于1。这个仿真结果主要说明实际情况中，当意见领袖以及普通网民对于正面信息传播十分积极时，由于该正面信息在迅速扩散阶段的影响扩大，网络媒体出于利益或其他原因考虑，会选择积极传播策略。而意见领袖以及普通网民在社交网络正面信息迅速扩散阶段，在其利益及成本的大小关系符合博弈假设的情况下，通常都会选择积极的措施来继续推动正面信息的传播。同时，这种仿真结果趋向也是对于正面信息迅速扩散阶段的一个期望趋向，会使正面信息在迅速扩散阶段较真正达到迅速扩散状态传播于社交网络中，有利于形成社会正面风气及和谐生活，同时能够传递正能量并缓解社会矛盾。

从仿真结果图5可以看出，p1在根据式子

所设置的参数以及概率初值进行仿真的情况下，是趋向于0的，此时q1、r1的初值设置为满足上述式子的情况，其数值要低于本阶段上一种仿真情况。换言之，这种情况下，意见领袖以及普通网民对于正面信息的传播参与积极度不高，意见领袖选择转发扩散策略以及普通网民选择参与传播策略的概率不高。此时，受意见领袖选择转发扩散策略以及普通网民选择参与传播策略的概率的影响，网络媒体将考虑不积极传播，反映于仿真结果图上就是p1的值随着时间t的变化，自身迭代后的数值变化会趋向于0，即网络媒体的策略倾向于消极应对。而对于意见领袖和普通网民而言，在满足其传播正面信息所得比不传播所得要多的情况下，两者对于正面信息迅速扩散阶段的传播所持态度都是积极的。

由于在图5所反映的社交网络正面信息迅速扩散阶段的第二种博弈仿真中，由于参数设置以及根据概率关系式子判断设置的初值两者联合得到的概率最终值趋向，即其仿真结果，虽然符合该仿真类型，反映了网络媒体对于正面信息传播的策略会受另两个参与主体的影响而变消极；但其仿真类型以及仿真结果并不是我们所期望的社交网络正面信息在迅速扩散阶段被迅速扩散的理想情况。根据正面信息本身的特点，我们对于正面信息实际所期望的结果应该是在这一阶段该信息能得到迅速扩散，形成正面效应。此时，在不改变概率初值的情况下，考虑改变某些参数值，即如同上一节的模型分析中提到的，当利用各种手段提高网络媒体对于正面信息传播采取消极态度时的各种损失eL1、L1、L2，使其意识到积极传播正面信息对其带来的正面效应，同时给予网络平台传播正面信息的便利减小传播成本C4以促进正面信息的迅速扩散时，再次进行博弈仿真，其参数设置如表9所示：

仿真类型变为如表10所示：

从图6仿真结果可以看出，p1、q1、r1均趋向于1。这说明在不改变概率初值的情况下，当利用各种手段提高网络媒体对于正面信息传播采取消极态度时的各种损失eL1、L1、L2，使其意识到积极传播正面信息对其带来的正面效应，同时给予网络平台传播正面信息的便利减小传播成本C4以促进正面信息的迅速扩散时，可以驱使网络媒体倾向于选择积极传播正面信息，从而使正面信息在社交网络上迅速扩散，进而达到我们所期望的形成积极的正面社会效益的目标。

2.3 正面信息消退阶段的两方博弈模型

2.3.1 博弈模型假设

在消退阶段，正面信息的网络传播主要取决于是否有网民继续对其关注，以及是否有网络推手对其继续推广。因此本阶段的参与主体主要有网络推手和普通网民。两个参与主体具体涉及的各参数（成本、收益）的假设总结如表11所示。

假设p2为网络推手本阶段选择继续推广策略的概率，q2为普通网民本阶段选择继续关注策略的概率。其中， p2、q2均大于 0 且小于 1。

2.3.2 博弈模型建立

根据上节的博弈模型假设，可以建立社交网络正面信息消退阶段中，“网络推手-普通网民”这两者的博弈模型，其博弈过程及模型具体如图7所示。

根据2.3.1的模型假设以及图7所示的“网络推手-普通网民”博弈模型，可得出如表12、图8的收益矩阵。

2.3.3 博弈模型求解与仿真

类似，可得网络推手选择继续推广策略的复制动态方程式为：

图8 消退阶段网络推手和普通网民得益矩阵

普通网民选择继续关注策略的复制动态方程式为：

假设本阶段中，网络推手在t时刻选择积极传播策略的概率为pt=f（t），普通网民在t时刻选择转发扩散策略的概率为qt=g（t）；在下一个时间段t+1时刻，网络推手选择接受委托策略的概率為pt+1=f（t+1），普通网民选择转发扩散策略的概率为qt+1=g（t+1）[17]。根据拉格朗日中值定理可以得到公式如下：

下面设置模型中各个参数的值以及p2、q2的初值，并利用利用Matlab（R2010b）进行仿真，分析在给定时间内p2、q2的变化。具体参数设置如表13所示：

仿真类型如表14所示。

根据表14的情况类型得到的仿真结果如图8所示。（概率初始值：p2=0.6，q 2=0.3）

根据图9的仿真结果可以看出，p2、q2这两个分别代表网络推手继续推广、普通网民继续关注的概率值随着时间的变化迭代后分别趋向于1和0。也就是说，从结果图看，网络推手在消退阶段会趋向于选择继续推广，而普通网民在消退阶段由于被其他热点信息吸引了注意力后会更倾向于选择不再关注。由于普通网民的基础性作用，即从其作为信息接收方来看，这种选择倾向反映了正面信息的传播在该阶段会慢慢失去热度，呈现消退的形势。

3 结 论

社交网络中的正面信息传播，可以促进社会事件的解决，同时可以缓和社会矛盾并平复人民心情，如果能通过在正面信息传播的各个阶段采取促进性的手段来积极传播正面信息，将更容易达到人们所期望的形成积极的正面社会效应的目标。本文通过运用演化博弈理论，对社交网络正面信息进行分阶段的三方博弈研究，并通过MATLAB工具对结果进行仿真分析，最后给出针对正面信息传播各个阶段各个参与主体的有积极推广传播正面信息作用的建议。但是由于社交网络信息传播的复杂性，模型建立的情况假设还有待进一步的改进研究。因此在之后的研究中，将着重完善这一方面，使模型更加贴近现实，符合社交网络传播的复杂性，进而得出更科学的建议。endprint

参考文献

[1]顾明毅，周忍伟.网络舆情及社会性网络信息传播模式[J].新闻与传播研究，2009，（5）：67-73，109.

[2]史波.公共危机事件网络舆情内在演变机理研究[J].情报杂志，2010，（4）：41-45.

[3]方付建.突發事件网络舆情演变研究[D].武汉：华中科技大学，2011.

[4]李纲，陈璟浩.突发公共事件网络舆情研究综述[J].图书情报知识，2014，（2）：111-119.

[5]张一文，齐佳音，马君，等.网络舆情与非常规突发事件作用机制——基于系统动力学建模分析[J].情报杂志，2010，29（9）：1-6.

[6]庄亚明，余海林.群体性突发事件信息传播网络特性研究——以抢蜡烛事件为例[J].情报杂志，2013，（7）：37-42.

[7]戴建华，廖瑞丹.基于时间记忆的网络舆情意见交互模型研究[J].现代情报，2016，（2）：8-11，42.

[8]游丹丹，陈福集.基于改进粒子群和BP神经网络的网络舆情预测研究[J].情报杂志，2016，（8）：156-161.

[9]林芹，郭东强.企业网络舆情传播的系统动力学仿真研究——基于传播主体特性[J].情报科学，2017，（4）：54-60，67.

[10]Sznajd-Weron K.，Sznajd J..Opinion Evolution in Closed Community[J].International Journal of Modern Physics C，2000，11（6）：1157-1165.

[11]Crokidakis N.The influence of local majority opinions on the dynamics of the Sznajd model[C]// arXiv，2013：392-392.

[12]Crokidakis N，Forgerini F L.Consequence of reputation in the Sznajd consensus model[J].Physics Letters A，2010，374（34）：3380-3383.

[13]Chen T，Lin J.A Novel Model for the Evolution of Online Public Opinion Based on Fuzzy Cellular Automata Rules in Directed World Networks[J].Applied Mathematics & Information Sciences，2014，7（7）：2335-2343.

[14]Yao C Y.The Application Study of Simulation Model Based on Cellular Automata in the Evolution of Internet Public Opinion[J].Applied Mechanics & Materials，2012，198-199：828-832.

[15]李书甜.论对突发事件负面舆论的正面引导[J].今传媒， 2016，（8）：48-50.

[16]王澍贤，陈福集.意见领袖参与下微博舆情演化的三方博弈分析[J].图书馆学研究，2016，（1）：19-25.

[17]魏德志，陈福集，郑小雪.基于博弈论的微信虚假信息传播的仿真研究[J].情报科学，2016，34（11）：146-149.endprint