多主体干预的网络舆情传播建模与仿真研究

张亚明 杜翠翠 苏妍嫄

摘 要：[目的/意义]网络空间舆情传播成为关乎经济社会发展甚至国家安全的重大问题，“把握好网上舆论引导的时、度、效，使网络空间清朗起来”，是网络媒体和政府的重大责任与担当。[方法/过程]在仅考虑媒体干预的SIR模型和仅考虑政府干预的SEIR模型基础上，将网络媒体的干预影响抽象为网络媒体强化度、网络媒体分歧度及网络媒体渗透率，政府的干预作用抽象为政府干预系数，提出一种新型的SHIsIoR多主体干预模型。[结果/结论]仿真实验表明：1）网络舆情在多主体干预作用下治理效果更佳;2）网络媒体分歧度以及政府干预系数均对网络舆情传播影响显著。网络舆情治理应着重降低话题分歧，加速大众群体向免疫人群转化的概率。

关键词：网络舆情;多主体干预;SHIsIoR模型;政府干预系数;网络媒体分歧度

DOI：10.3969/j.issn.1008-0821.2020.05.016

〔中图分类号〕G206.2 〔文献标识码〕A 〔文章编号〕1008-0821（2020）05-0130-10

The Model and Simulation of Internet Public Opinion

Dissemination Under Multi-agent Intervention

Zhang Yaming1，2 Du Cuicui1 Su Yanyuan1，2

（1.School of Economics and Management，Yanshan University，Qinhuangdao 066004，China;

2.Research Center of Internet Plus and Industry Development of Yanshan University，

Qinhuangdao 066004，China）

Abstract：[Purpose/Significance]The dissemination of public opinion in cyberspace has become a major issue related to economic and social development and even national security，and it is the great responsibility of the Internet media and the government to“grasp the time，degree and effect of the guidance of online public opinion，and make cyberspace clear”.[Method/Process]Based on the SIR model which only considers media intervention and the SEIR model which only considers government intervention，a new model named SHIsIoR under the multi-agent intervention was proposed，and expressed the impact of Internet media with the concept of Internet Media Enhanced Degree，Internet Divergence and Internet Permeability.in addition，Government intervention coefficient expressed the impact of the government.[Result/Conclusion]The simulation experiments showed that：1）Internet public opinion had the better effect on governance under the multi-agent intervention;2）The degree of Internet media divergence and Government intervention coefficient had a significant impact on the spread of Internet public opinion.Accordingly，Internet public opinion governance should focus on reducing the differences on topics and on accelarating the probability of mass conversion to immune population.

Key words：internet public opinion;multi-agent intervention;SHIsIoR model;government intervention coefficient;internet media divergence

網络空间舆情传播成为关乎经济社会发展甚至国家安全的重大问题，“把握好网上舆论引导的时、度、效，使网络空间清朗起来”[1]，是网络媒体和政府的重大责任与担当。近年来，舆情事件频繁发生，网络舆情的影响力不容小觑，如2015年“天津大爆炸”事件、“青岛天价虾”事件、2017年“携程亲子园虐童”事件、“李文星”事件、2018年“郑州空姐打车遇害”事件、“乐青滴滴顺风车命案”事件等等[2]。这些网络舆情事件均有表达快捷、信息多元、传播迅速、影响广泛、方式互动的特点，突发事件网络舆情更有移动性与膨胀性等特征[3]。习近平曾指出，网上舆论工作要作为宣传工作中的重中之重来抓[4]。现今网络舆情传播交织着多方主体的干预，其中网络媒体与政府扮演了两个最为重要的角色，自媒体时代下，网络媒体的介入加之政府的引导，使网络舆情传播模型与传统模型千差万别。

由图10所示，在犹豫者的影响程度方面，与无政府干预的初始情况相比，各种情景均对犹豫者的数量占比产生了影响。其中情景五使得犹豫者人群下降速度最快，情景三下降速度最慢。由此可得在降低犹豫者数量方面，情景五（干预犹豫者到免疫者的转变概率）效果最好，情景三（干预犹豫者到传播支持者的转变概率）效果最差。

由图11和图12可知，传播支持者和传播反对者的人数占比与无政府干预的初始情况相比均发生了或多或少的改变，且开始均会出现一个高峰，紧接着由峰值逐渐降低趋于0。具体地，图11显示了传播支持者人数在情景三状态下峰值最小，情景四状态下峰值最大。这是因为情景三遏制了犹豫者向传播支持者的转化，而情景四遏制了犹豫者向传播反对者的转化，也就加大了向传播支持者转化的概率。特别地，情景六的峰值数量虽然并非最小，下降速度却最快，最先达到稳定的状态，说明在降低传播支持者人数方面，情景六（干预传播支持者到免疫者的转变概率）效果最好。

图12显示了传播反对者人数在情景四状态下峰值最小，情景三状态下峰值最大，与传播支持者情况正好相反。同样地，情景七中虽然传播反对者人数峰值并非最高但却下降最快，最先趋于稳定。可见在降低传播反对者人数方面，情景七（干预传播反对者到免疫者的转变概率）效果最好。

据图13可知，加入政府干预系数，不同情景均使免疫者的数量占比较初始情景发生改变。网络舆情发生初期，情景五状态下免疫者数量增加较为显著，但随着时间的推移，情景五的增幅开始下降，情景六所示图形曲线后来居上，最先使传播化为稳定状态。所以就长远来看，情景六（干预传播支持者到免疫者的转变概率）可以更快速地增加免疫者数量，干预效果最佳。

网络舆情的治理体现为管控每类人群的数量。首先要控制网络舆情的波及范围与所影响的人群数量，即降低未知者数量。由分析可得，情景二中未知者下降最快，管控策略应首先考虑增大由未知者向免疫者转化的概率以达到控制知情人数的目的。其次要极力稳定人群情绪，降低犹豫者数量。由分析知在情景五中犹豫者下降速度最快，得出应尽力提高由犹豫者向免疫者转化概率的策略。再次，传播者的人数代表着网络舆情的散布范围，因此控制传播者的人数是网络舆情管理的关键一步，增加传播支持者和传播反对者向免疫者转化的概率可以最大程度地降低传播者人数，从而控制网络舆情传播。最后，网络舆情得到有效治理的标志为所有状态的人群是否全部转化为免疫者，因而提高转向免疫者人群的概率极为紧要，例如情景六在增大免疫者人数方面效果最佳，所以应优先考虑提高传播支持者向免疫者的转化概率。

4 结 论

本研究以网络舆情为研究对象，分析了网络舆情的传播特点，参考媒体干预的SIaIbR模型和政府干预的SEIR模型，把传播者划分为支持与反对两类人群，建立网络媒体与政府多主体干预的SHIsIoR网络舆情传播模型。由数值仿真可知，SHIsIoR模型更加符合网络舆情发展的现实规律，并得出以下结论：1）相比于单一主体干预，网络媒体与政府多主体干预可有效降低传播支持者和传播反对者的人数，使免疫人群数量快速达到稳定状态，传播得到控制，网络舆情治理效果显著。这为网络舆情的治理提供了思路，网络媒体与政府应达成合作关系，互利共赢;2）网络媒体分歧度对网络舆情传播作用较大，主要体现在影响传播者数量层面。據此在尚未弄清真相之前应控制各方网络媒体对于网络舆情的盲目报道，加强网络媒体对于网络舆情报道的全面度与真实度，从而掌控传播者人群比例;3）不同人群向免疫者转化的概率对网络舆情信息步入正轨直至舆情最终消散尤为重要。因此政府管控方向应在网络媒体分歧度相对平稳的基础上应注重提升各类人群向免疫者的转化概率，提高免疫者人群占比，使网络舆情不再传播。结论为网络媒体与政府多主体干预网络舆情进而净化网络环境指明了方向。

参考文献

[1]习近平.习近平谈治国理政[M].北京：外文出版社，2014：197-199.

[2]黄扬，李伟权.网络舆情下间断-均衡模型如何更好解释中国的政策变迁？——基于30个舆情案例的清晰集定性比较分析[J].情报杂志，2019，38（3）：114-120，100.

[3]胡婷婷.突发事件网络舆情的演化要素及治理策略研究[J].现代情报，2018，38（10）：51-56.

[4]王润珏.信息时代的舆情特征与政府应对机制建设路径研究[J].情报杂志，2019，38（7）：111-114，145.

[5]Zhou J，Liu Z，Li B.Influence of Network Structure on Rumor Propagation[J].Physics Letters A，2007，368（6）：458-463.

[6]Han S，Zhuang F，He Q，et al.Energy Model for Rumor Propagation on Social Networks[J].Physica A：Statistical Mechanics & Its Applications，2014，394：99-109.

[7]Zanette D.Dynamics of Rumor Propagation on Small-world Networks[J].Physical Review E，2002，65（4）：110-126.

[8]Moreno Y，Nekovee M，Pacheco A F.Dynamics of Rumor Spreading in Complex Networks[J].Physical Review E，2004，69（6）：279-307.

[9]Crokidakis N.Effects of Mass Media on Opinion Spreading in the SznajdSociophysics Model[J].Physica A：Statistical Mechanics & Its Applications，2012，391：1729-1734.