可信校园舆情环境构建研究

赵 研，张芳菲，曲大鹏

(辽宁大学 信息学院，辽宁 沈阳 110036)

0 引言

近年来，随着互联网的快速发展，网民信息交互日益频繁，越来越多的舆情事件被不断曝出.高校也很难独善其身，往往被卷入舆论漩涡之中.区块链是一种去中心化的分布式技术，是一种以密码学算法为基础的点对点分布式账本技术，也是一种互联网上的共享数据库技术[1].将区块链技术应用于校园舆情环境，能够保证信息交互去中心化和信息生产不可变更，并且在信息传播过程中通过采取分布式账本建立信任机制，从而重构了网络舆情信息传播生态系统.因此，能够构建出可信校园舆情环境.

1 相关工作

目前，基于区块链的网络舆情研究主要集中在区块链理论及其在信息传播领域的应用研究.例如，赵丹等通过对Steemit中数据的分析和处理认为，由于没有中心化机构，区块链舆情信息扩散相对缓慢，舆情传播效率有所降低，但是虚假舆情传播能够得到遏制，真实内容相对凸显[2].宾晟等提出针对于基于区块链技术的社交网络的舆情传播模型，通过对转发概率取值的分析说明了区块链社交网络中的激励机制对信息传播的影响[3].李萌等在电子证据可信性的影响因素分析基础上，提出了自动生成中国公共数据库电子证据系统的区块链模型取证技术体系.该研究在一定程度上保证了司法、公证和公共事务中电子证据的可信性[4].袁勇等阐述了区块链技术在社交网络领域的发展前景与展望.未来区块链向网络舆情领域的渗透性研究将逐步深入[5].从上述分析可以看出，目前虽然已有关于区块链技术在网络舆情方面的相关研究，但一方面相关研究还不够深入，另一方面还没有在校园环境下的相关研究.

2 Steemit数据分析

2.1 社交关系分析

本文利用爬虫工具对Steemit社交网络中food，wherein，curation等15个标签下的用户发布标题，内容，评论内容的用户名，发布时间，待获得赏金，投票数，用户声誉等属性信息进行采集，将其作为初始舆情信息，形成实验数据集.并通过评论关系构建成一个舆情网络，结构如图1所示.

图1中一个节点表示一个用户，节点间的边表示用户之间的互动，边的粗细表示用户间交互的频繁程度.可以看出，舆情网络中用户间交互的频繁程度均较小.说明基于区块链的舆情传播中用户间的舆情信息传播比较平均，核心用户较少.在校园舆情的环境中，学生用户间地位对等，不存在核心用户，因此基于区块链的舆情信息传播适合运用于校园环境.

2.2 激励措施

Steemit中共有三种货币，分别是steem，SBD(steem Dollars)和SP(steem power)，其中steem是Steemit的基础货币，可以与另外两种货币进行转化；SBD是用来兑换美元的；SP是股权，通过steem转化而来，用户拥有的SP越多，其在steemit社区的影响力越大，点赞得到的收益越大.

我们从实验数据集中选取wherein标签中作者发布的一条帖子，帖子总收益为6.214$.用户点赞产生的总收益为6.07$，其中作者收益为3.107$，所有点赞用户总收益为2.963$.返回奖励池的收益为0.144$.Steemit奖励池中每日都有新的steem被生产出来，用于奖励作者和点赞用户，为了防止有些用户刷赞，在0～15 min内点赞产生的收益会被回收到奖励池，随着时间延长，收益回收的比例越来越小，直到15 min后点赞用户可以完全获得收益，具体分布如图2所示：

该帖子的收益随点赞时间的变化情况如图3所示，其中横坐标表示帖子发布后用户的点赞时间，纵坐标表示用户点赞为帖子贡献的收益总和，值为6.07$，可以看出，随着用户点赞，帖子收益逐步上升，收益的主要增长时期为发布后的18 min，具体为在帖子发布后约5 min时，用户点赞贡献最大收益.在Steemit中贡献最大收益的点赞时期为帖子发布后的5～15 min内，因此5～15 min内收益值呈明显上升趋势.

从Steemit的工具网站steemworld.org中可以看到帖子点赞用户的具体贡献收益.因为帖子存在7 d的验证周期，7 d后点赞只能增加帖子热度不会产生收益，所以并非所有点赞用户都会为帖子贡献价值，我们将点赞行为能产生收益的用户称为有效点赞用户.有效点赞用户对帖子收益的贡献如图4所示，其中，左侧的蓝框是用户的点赞权重weight，其值早先随着用户每天点赞次数的增加而依次递减，现在也可由用户自行定义，显然weight值为100%时，用户的评论行为影响力最大；粗框是用户为贴子具体的贡献价值，主要来自于用户拥有的SP，显然SP越大，用户点赞行为给帖子产生的收益越大.图4右侧为有效点赞用户对帖子贡献价值的分布图，可以看出该帖子总收益的约30%来自于用户wherein在5 m 06 s的点赞.

通过上述分析可以看出，只要发布帖子并经由其他用户点赞就可以获得一定量的收益，对于无收入校园学生用户来说是一个很好的激励措施.

2.3 惩罚措施

用户如果发布虚假内容，抄袭，偏激言论，比如政治、宗教等方面以及毫无意义的水贴等会被其他用户点踩，文章所获收益下降直至为0，并且帖子变灰被区块链自动隐藏.取wherein标签中另一作者发布的帖子为例，此帖子被验证为抄袭，经由其他用户点踩后收益递减为0，如图5所示.用户发布此帖子后的约1 d 03 h之内有用户点赞，说明1 d 03 h内帖子有收益，但在发布1 d 03 h14 m后有两位用户以100%的weight点踩，导致帖子收益降为0.在Steemit中，用户既是内容发布者又是内容管理者，一旦有人不遵守规则，就一定会受到惩罚，且由于区块链不可篡改特性，所有被踩操作都会永远记录，无法删除，警示用户谨慎发帖.

通过Steemit社交关系、激励和惩罚措施分析可知，steemit社交网络特征适用于分析校园舆情传播特征，收益机制对学生用户有一定的激励措施且惩罚措施可以对学生用户起到警示作用.因此Steemit的舆情传播系统适合于校园环境，可以基于Steemit构建可信的校园舆情环境.

3 校园可信舆情环境构建

3.1 基础理论

Steemit是一个依托于公链平台steem的内容社交网站，它利用数字货币奖励社区建设和社区互动.Steemit上的文章内容和对文章的评论等都直接存储在steem区块链上.我们应用Steemit中的基础理论来构建校园可信舆情环境.

图6所示是校园舆情环境的框架图，最上层是学生用户，中间层是校园舆情环境，最底层是区块链结构，学生用户在校园舆情环境中发布内容，评论内容，相关信息都存储在最底层的区块链结构中.通过奖惩策略，激励内容发布者发布优质内容和内容接收者发现优质内容，惩罚内容发布者发布虚假消息和内容接受者虚假评论，将使得舆情传播过程公开透明，用户发布和转发内容更加理性，从而在一定程度上限制虚假内容的传播，建立起一个健康可信的校园舆情环境.

3.2 应用分析

学生在校园舆情环境中的行为主要可分为两类：发布内容和接收内容.下面分别讲述具体操作过程.

3.2.1 内容发布流程

学生Alice发布内容具体步骤描述如下，流程如图7所示.

Step 1.Alice发布一条内容cj.

Step 2.等待其他学生验证，验证方式有两种：点赞和点踩，周期为7*24 h.

Step 3.如果验证周期结束时，点赞总人数超过总验证人数的75%，则该内容被系统认定为真实且优质，推送到主页.Alice获得奖励，如公式(1)所示：

Δτr×∑msi(cj,like)

(1)

其中，Δτr表示学生因为发布真实内容被奖励的单价，msi表示学生Si的货币数，msi(cj,like)表示对内容cj点赞的学生Si的货币数.显然，对该内容点赞的学生拥有的货币数越多，该学生越重要，则他们点赞后Alice获得的奖励越高.

Step 4.否则，该内容点赞总人数未超过总验证人数的75%，则被系统认定为虚假，并被系统隐藏.Alice会被罚款，如公式(2)所示.

Δτp×∑msi(cj,dislike)

(2)

其中，Δτp表示学生因为发布虚假内容被惩罚的单价，msi(cj,dislike)表示对内容cj点踩的学生Si的货币数.显然，对该内容点踩的学生拥有的货币数越多，该学生越重要，则他们点踩后Alice获得的惩罚越高.

3.2.2 内容接收流程

学生Bob收到一条内容后的具体步骤描述如下，流程如图8所示.

Step 1.Bob收到一条内容cj.

Step 2.如果该内容在验证周期内，Bob对收到的内容做评判，执行Step 3；否则执行Step 4.

Step 3.如果该内容为真，即验证周期结束时，点赞总人数超过75%，如果Bob点赞该内容，将获得奖励，否则受到惩罚.如果该内容为假，即验证周期结束时，点赞总人数未超过75%，如果Bob点赞该内容，将受到惩罚，否则获得奖励.

其中，学生Si对真实内容cj踩而受到惩罚P(cj,T,dislike)如公式(3)所示，具体如图9所示.

(3)

其中，t(si，cj)表示学生Si对内容cj发表评论的时间，t0(cj)表示内容cj被发布的时间.显然，距离内容发布时间越近的评论受到的惩罚越重.同理，可得到学生Si对真实内容cj点赞而获得的奖励R(cj,T,like).

Step 4.如果已超过验证周期，无法评判，等待验证结果.

4 总结与展望

本文基于区块链技术探讨如何构建可信校园舆情环境，通过学生用户发布和接收内容两个实例来说明如何分别奖励和惩罚学生不同行为，对于发布真实内容，点赞真实内容和踩虚假内容的用户进行奖励，否则进行相应惩罚，从而筛选可信舆情信息，淘汰虚假舆情信息.区块链可溯源且不可修改的特性能够促使用户更加理性地对待自己在网络中的行为，从而构建可信舆情环境.