同时考虑对称博弈与非对称博弈的网络舆情传播研究

王家坤

摘要：[目的/意义]剖析网络舆情的演化规律，加强对网络舆情的管理与干预，有效抵制负面网络舆情传播对社会带来的影响。[方法/过程]结合演化博弈论与复杂网络理论，同时考虑对称博弈与非对称博弈关系，构建网络舆情的演化博弈模型，并结合实验结果，为网络舆情的管理提出具有针对性的对策与建议。[结果/结论]在两类博弈关系中，关键用户与普通用户群体的收益参数对网络舆情传播过程的影响具有显著差异性;对于普通网民群体而言，对称博弈关系对网络舆情的传播过程影响程度更大;而对于关键用户群体而言，非对称博弈关系在网络舆情传播过程中发挥了更重要的作用。

关键词：对称博弈;非对称博弈;网络舆情;传播

《2020全球数字报告》显示：全球使用互联网的人数已增长至45.4亿，社交媒体用户突破38亿[1]。随着通信技术的快速发展及移动终端的普及，在线社交网络已经成为当前网络舆情生成、发酵、传播最活跃的阵地，对经济发展与社会稳定产生了重要影响。如网民可以更加便捷地参与社区互动;企业可以树立品牌形象走近消费者;政府可以更准确地把握社情民意。但是考虑到网络舆情传播的迅速性、匿名性、互动性等特点，其也为负面或虚假信息、谣言的传播与扩散创造了条件。如疫情期间，“板蓝根可有效抑制新冠病毒”的谣言引起了巨大的社会动荡;日本核泄漏事件中，“加碘盐可以预防核辐射”的谣言引发的食盐抢购风波等。因此，剖析网络舆情的演化机制，加强对网络舆情的管理与干预，对抵制负面网络舆情传播给社会带来的负面影响具有重要意义。

网络舆情的传播涉及到诸多社会主体，如网民、媒体、政府等，并且其各自存在不同的利益动机，故从各主体的利益冲突与分配角度出发，利用博弈论可直观地分析各利益主体的决策过程。另外在网络舆情的传播过程中，各参与主体的行为选择并非完全理性，而是一个反复学习与不断调整的动态过程，最终达到局部稳定。因此，利用演化博弈论研究网络舆情的传播与演化机制，进而寻求对网络舆情传播进行干预与管控的关键点，具备一定的适用性与合理性，也是当前网络舆情研究领域的主流方法[2-3]。

目前，基于演化博弈论的网络舆情研究主要从以下两种路径展开。一类是定性研究[3-5]。这一路径下的研究大多基于传播学的视角，从宏观层面界定参与网络舆情传播过程的主体、阐述参与主体进行博弈等内在动因、分析主体策略选择背后的利益因素等。如结合136个网络舆情传播案例，原光等[4]系统梳理了网络舆情传播过程中的影响因素，并从加强激励机制等方面提出了政府的应对措施;另外，宋余超等[3]、孟骊超等[5]通过对当前国内相关文献进行系统分析，总结了当前网络舆情博弈研究中存在的主要问题，并提炼了未来的可持续研究方向。该类研究为复杂情境下博弈主体的识别、主体之间利益关系的分析、网络舆情传播应对策略等提供了研究基础。但考虑到其主观性较强，在主体利益分析量化方面缺少一定的依据，限制了研究结论在实践管理中的应用。另一类为定量研究，重点通过构建演化博弈模型、仿真实验等途径，研究网络舆情传播过程中博弈主体的微观交互，进而揭示网络舆情的传播规律[6-15]。相较于定性研究，该类研究的成果非常丰富，从研究视角来看，可划分为主体特征的差异性[6-9]、参与主体的多样性[10-13]、网络舆情传播环境的复杂性[14-15]等方面。

主体特征的差异性主要体现在博弈主体的理性程度、偏好程度等方面。如张立凡等[6]与郭东伟等[7]分别基于用户的完全理性与有限理性构建了网络舆情的演化博弈模型，并基于实验结果总结了政府对网络舆情传播的应对策略;考虑到用户的主观偏好与公平偏好等因素，WenS等[8]與王治莹等[9]分别构建了不同情境下的网络舆情传播模型，并结合案例分析验证了研究结论的有效性。参与主体的多样性方面，根据博弈主体的数量，目前的研究主要集中在两方博弈与三方博弈。如针对突发事件网络舆情的传播与治理，祁凯等[10]构建了网络媒体与地方政府的两方演化博弈模型，并分析了媒体与地方政府的策略演化均衡，为突发事件网络舆情的治理提供了新思路;类似地，以社交网络中的谣言传播为研究对象，丁学君等[11]构建了谣言传播者与接受者的两方演化博弈模型，为了解谣言传播的内在机理、遏制谣言传播扩散提供了理论依据。另外，考虑到政府、网民与意见领袖在突发事件网络舆情传播过程中的重要作用，冯兰萍等[12]提出了三方演化博弈模型，重点分析了政府不同延迟干预程度下各主体策略的演化过程;针对负面舆情信息的传播与扩散，尹珏力等[13]构建了“网民—网媒—政府”的三方演化博弈模型，明确了政府对负面舆情传播的关键干预点。网络舆情传播环境的复杂性，主要体现在网络舆情的传播载体以及网络舆情传播过程中外界因素的干预等方面。结合演化博弈论与复杂网络理论，学者们利用网络演化博弈论对网络舆情的传播规律进行了一些初步的探索，如陈婷等[14]将三方演化博弈模型引入到无标度网络，分析了主要参数对网络舆情传播过程的影响;通过分析网络舆情在不同空间的演化特点，迟钰雪等[15]提出了一种基于超网络的网络舆情演化模型。该类研究的突出特点为可对网络舆情传播过程中涉及主体之间的利益关系进行定量分析，并通过理论分析与数值模拟网络舆情的传播过程，为舆情治理方案的提出提供了理论支撑。

综上所述，利用演化博弈的相关理论与方法研究网络舆情的传播过程，学者们进行了诸多深入研究，推动了舆情传播动力学的发展，为本文的研究奠定了理论基础。但通过分析仍存在进一步研究的空间：①当前基于演化博弈对网络舆情传播进行的研究工作，均是单独在对称博弈或非对称博弈情景下的演化博弈模型，而鲜有学者同时考虑网络舆情传播过程中的对称与非对称博弈关系;②当前大部分的演化博弈研究未考虑在线社交网络的拓扑结构，利用网络演化博弈论分析网络舆情传播过程的研究相对较少，而作为网络舆情传播的载体，在线社交网络的拓扑结构对其演化过程具有重要影响。基于上述问题，本文计划结合演化博弈论与复杂网络理论，构建同时考虑对称博弈与非对称博弈关系的网络舆情演化模型，识别网络舆情传播过程的关键参数，为网络舆情的传播与管理提供理论依据。

1演化博弈模型的构建

1.1经典演化博弈模型

1.1.1问题描述

由于网络舆情传播的即时性、便捷性、互动性、匿名性等特点，围绕社会某热点事件，网民更倾向于通过社交网络平台获取相关信息，发表自己的意见与观点，参与社区互动等，进而为网络舆情的大范围传播与扩散创造了条件。尤其当网民的常规利益表达缺乏渠道时，互联网则成为网民利益诉求、情绪宣泄甚至是谣言传播的重要途径与平台，如奔驰女车主、特斯拉女车主车顶维权事件等。因此，在线社交网络中的舆情传播主要依赖于用户的传播或转发行为，网民是网络舆情传播过程中的重要参与主体。

另外，在长期演化形成的在线社交网络中，不可避免地存在着用户在网络地位上的差异，出现了类似于微博中的“大V”“领域专家”，抖音里的“网红”“流量主播”等一类用户。由于其所掌握的信息量显著异于普通网民的信息量，故在信息传播过程中往往扮演着“观点领袖”的角色，与普通网民形成了不对等的网络地位关系。如疫情期间，部分网民曲解钟南山院士的“板蓝根颗粒对新冠病毒体外抑制有效”的言论，导致民众疯狂抢购板蓝根。因此，本文将在线社交网络中，具有较强社会影响力，对普通网民的行为可以产生重要影响的“大V”“网红”“专家”等一类用户，称为关键用户群体，将其他用户定义为普通网民群体。

针对社会某一热点事件，用户往往具有不同的观点，进而衍生出不同类型的舆情信息。因此，围绕社会热点事件，本文将客观描述、发表正面言论、有利于维护社会稳定的一类网络舆情（网民的观点或意见）定义为正面舆情;将发布的负面或不正当言论、不利于社会稳定的一类网络舆情（网民的观点或评论）定义为负面舆情。随后在网络舆情的传播过程中，定义用户的行为策略集合为“传播正面舆情”“传播负面舆情”以及“不参与传播”。

1.1.2演化博弈模型构建

在社交网络中，定义普通网民与关键用户的比例分别为x与y（x+y=1）。在普通网民群体中，选择传播正面舆情策略的人群比例为x1，选择传播负面舆情策略的人群比例为x2，x-x1-x2比例的人群不参与网络舆情的传播;类似地，定义在关键用户群体中选择传播正面舆情策略的人群比例为y1，选择传播负面舆情策略的人群比例为y2，y-y1-y2比例的人群选择不传播网络舆情。

假定在线社交网络中的普通网民之间无差异，满足对称博弈关系，根据上述分析，在普通网民之间，定义不同策略组合下的收益矩阵如表1所示。

αi（i=1，2，…，9）分别对应特定策略组合中前者的收益。如网民Ⅰ在传播正面舆情，而網民Ⅱ在传播负面舆情时，网民Ⅰ的收益为α2。需要注意的是，当网民不参与网络舆情传播过程时，虽然其可能通过获取其他网民传播的信息而取得收益，但相较于其传播行为带来的收益而言非常小，故假定当网民选择不传播策略时，其收益为0，即α7=α8=α9=0。

类似地，假定在线社交网络中关键用户之间无显著差异，定义关键用户之间发生对称博弈时，不同策略组合下的收益矩阵如表2所示。

βi（i=1，2，…，9）分别对应特定策略组合中前者的收益。如关键用户Ⅰ在传播正面舆情，而关键用户Ⅱ也在传播正面舆情时，关键用户Ⅰ的收益为β1。类似地，当网络中的关键用户选择不传播策略时，假定其收益为0，即β7=β8=β9=0。

而普通网民与关键用户为两个有差别的群体，二者之间满足非对称博弈关系。定义普通网民与关键用户两个群体分别选择不同的策略时，收益矩阵如表3所示。

γ1，δ1（i=1，2，…，9）分别对应特定策略组合中普通网民与关键用户的收益。如普通网民在传播正面舆情，而关键用户在传播负面舆情时，其各自的收益分别为γ2与δ2。与上述类似，当普通网民与关键用户选择不传播策略时，其收益为0。定义γ7=γ8=γ9=0;δ3=δ6=δ9=0。

假定在线社交网络中，普通网民群体与关键用户群体之间以均匀混合的方式进行交互，故根据表1～3所列不同策略组合下群体的收益，可得在普通网民群体中，选择传播正面舆情策略用户的收益为：

同理，可以分别得出在关键用户群体中，选择传播正面舆情、选择传播负面舆情、不参与网络舆情传播过程3类用户的收益分别为：

根据达尔文的生物进化思想，假定选择某一策略人群比例的调整速度正比于其平均收益超过混合策略平均收益的幅度，则在普通网民与关键用户两类群体中，选择传播正面（负面）舆情策略人群比例的复制子动态方程可分别表示为：

由上述定义可知，相较于传播舆情而言，普通网民（关键用户）不参与网络舆情传播过程策略的收益为0，而其他策略下的收益均为非负。故在利益的驱使下，随着网络舆情传播过程的演化，普通网民与关键用户均会逐渐参与到网络舆情的传播过程，在社交网络中选择传播正面或负面舆情，即在稳态中，两类人群的比例参数满足x1+x2=x;y1+y2=y。另外，在网络舆情演化过程稳定后，普通网民与关键用户中选择各类策略的人群比例不再变。

由式（9）可知，该微分系统的解析解非常难以确定，故本文在下一节尝试借助网络演化博弈求解其数值解，并分析两类群体的策略选择对网络舆情传播过程的影响。

1.2网络演化博弈模型

虽然传统的演化博弈在一定程度上有助于从微观视角深入了解网络舆情传播过程中网民的策略选择过程，但其个体间均匀混合的假设，与现实中社区用户之间的交互关系具有一定的差距，故复杂网络上的演化博弈应运而生。

将在线社交网络视为具有特定拓扑结构的复杂网络，网民之间通过微观交互等动力学机制实现网络舆情的传播与扩散。基于此，本节将结合复杂网络理论与演化博弈理论，采用网络演化博弈论分析社交网络中的网络舆情传播过程。

1.2.1社交网络拓扑结构

作为网络舆情传播的载体，社交网络（如微博、微信、Facebook、Twitter等）的拓扑结构对网络舆情的演化过程具有显著影响，并且该结论得到了大量研究的证实[16-17]。

近年来，随着通信技术的快速发展，在线社交网络平台种类迅速增多，但不同网络平台中用户好友的增长机制却呈现出显著的差异。如在微博、抖音、Twitter等社交网络平台中，用户之间关系（连接）的建立具备单向认证的特点，即用户A只需对用户B进行关注，二者之间便可以进行信息交互;另外，在该类社交网络中，用户好友的增加往往存在偏好选择，即优先关注社交网络中的明星、公众人物等权威账号。结合爱丁堡大学2019年发布的Facebook的部分网络结构数据（22469个节点，171002条边，度分布如图1所示），其呈现出显著的幂率分布特征，符合预期的理论分析，故选择该部分在线社交网络作为网络舆情传播的载体。

1.2.2网络演化博弈规则

根据前文演化博弈的定义，在引入网络拓扑结构的基础上，本文选择将交互网络博弈作为网络演化博弈的规则。在该类网络博弈中，网络中每一对相邻节点均进行一个两人博弈，每个节点的收益则为它与所有邻居节点进行两人博弈后所产生的收益之和。因此，在每个网络舆情传播周期结束后，每一名用户体均会在对比自己与邻居用户收益（策略）的基础上，决定下一步的决策行为。具体而言：

1）计算t时刻每个用户的累计收益。根据表1～3的定义，在某一时刻，根据用户自身的状态以及邻居用户的状态，计算当前时刻用户的累计收益。如在t时刻，对于一个正在传播正面舆情的普通网民用户，其拥有k个邻居节点，其中普通网民与关键用户的数量分别为kO与kV。在普通网民中，kOp个用户在传播正面舆情，kOn个用户在传播负面舆情，其余用户处于未传播状态;在关键用户中，正面舆情传播者与负面舆情传播者的数量分别为kVp与kVn。因此，该网民当前时刻的收益可表示为：

2）随后，通过比较自身与邻居的收益更新自己的策略。目前常用的策略更新规则包括模仿规则（模仿最优者、模仿优胜者）、配对比较规则以及基于Moran过程的自然选择规则[2]。由于在线社交网络中用户的邻居节点众多（节点的最大度为498），用户难以在规模众多的相邻用户中确定收益最大的邻居，故考虑到用户的有限理性以及在线社交网络的外部因素干扰，本文选择配对比较规则更新用户的策略。在t时刻，用户随机在邻居用户中选择一位邻居，根据彼此的收益，在t+1时刻，模仿对方策略的概率为：

式（11）中，u（t）i与u（t）j代表用户i，j在t时刻的收益;m代表了用户的理性程度：当m→0代表用户完全理性，只会模仿高于自身收益的策略;而随着m的增加，用户的理性程度逐渐降低，模仿低收益策略的概率逐渐增加。

2仿真结果及分析

在上述网络演化博弈规则的基礎上，本部分利用Matlab对演化博弈模型进行仿真实验，模拟网络舆情的传播过程。随后，分析普通网民与关键用户的收益参数对网络舆情传播过程的影响，识别影响网络舆情传播趋势的关键参数，并根据实验结果，针对在线社交网络中网络舆情的传播，提出针对性的对策与建议。

在实验初始状态，根据在线社交网络中节点的度，将节点划分为普通网民与关键用户两类，将节点度前10%的节点定义为关键用户（y=0.1），其余节点定义为普通网民（x=0.9）。随后，在关键用户中，随机选择1%节点处于正面舆情传播状态（y1=0.01），随机选择1%的节点处于负面舆情传播状态（y2=0.01）;在普通网民中，随机选择10%的节点处于正面舆情传播状态（x1=0.1），随机选择10%的节点处于负面舆情传播状态（x2=0.1），其余各实验参数定义如式（12）所示。另外，为了避免实验结果的随机性导致的误差，每次实验独立进行100次，选择100次实验结果的平均值作为最终结果进行分析。

在当前的实验参数设置下，如图2所示实验结果可知，在网络舆情开始传播之后，两类人群均快速参与到网络舆情的传播过程（在t=10后，网络中选择不传播策略的用户比例下降至0，符合实验预期），并且随着时间的推移，正、负面舆情传播者同时存在，各自围绕非零数值上下波动。

值得注意的是，在网民群体中，负面舆情的传播占据优势，约为60%的人群（x2/x）在传播负面舆情，而正面舆情的传播者比例约为40%;在关键用户群体中，正、负面舆情的传播不分伯仲，两类舆情传播者的数量几乎一致，均在50%上下波动。

为了更好地分析普通网民与关键用户的收益参数对网络舆情传播过程的影响，并且有效地识别出影响网民与关键用户网络舆情传播策略选择的关键参数，接下来将分别分析两类对称博弈关系中，普通网民与关键用户的收益参数对网络舆情传播过程的影响。

2.1对称博弈关系下用户收益对网络舆情传播过程的影响

2.1.1普通网民之间的收益对网络舆情传播过程的影响

本节将重点讨论对称博弈关系中，普通网民之间的收益参数对网络舆情传播过程的影响。在式（12）的基础上分别调整αi∈[0，1]（i=1，2，3，…，6），实验结果如图3所示。

由实验结果可知：

1）随着普通网民之间的相对收益参数（α1、α2、α4、α5）的增加，网络中正、负面舆情传播者的数量呈现出显著的趋向性变化;而随着绝对收益参数（α3、α6）的增加，网络舆情的传播过程并未呈现出明显的趋向性变化。因此可知，普通网民间的相对收益显著影响网络舆情的传播过程，而其之间的绝对收益对网络舆情传播过程的影响较小。究其原因，由图2可知，当网络舆情在社交网络中开始传播后，在经济收益的影响下，普通网民以很快的速度加入传播过程中，选择不传播策略的用户比例逐渐下降为0，故普通网民之间的绝对收益无法显著影响网络舆情的传播过程。

2）普通网民之间的相对收益参数对网络舆情传播过程的影响效果存在差异。如在图3（a、e）中，随着α1的增加，在线社交网络中的正面舆情传播逐渐由绝对劣势演化至占据上风，最终占据绝对优势（α5的变化导致的结果与其相反，不再赘述），故本文将其称为普通网民群体的关键参数;而在图3（b、d）中，随着α2的增加，虽然在线社交网络中的正面舆情传播也由劣势逐渐演化为占据优势，但变化幅度要小于关键参数引起的变化幅度，故本文将其称为普通网民群体的次关键参数。

3）随着普通网民群体收益参数的变化，普通网民与关键用户群体的策略选择变化并不同步，相较于普通网民，关键用户群体策略的变化对普通网民的相对收益参数要求更高。如当α1>0.2时，在普通网民群体中，正面舆情的传播已经占据了优势，而直到α1>0.4，在关键用户群体中，正面舆情的传播才可占据优势，并且这种差距在次关键参数（α2与α4）中更加明显。上述实验结果进一步证实了参数α1、α5与α2、α4对网络舆情传播过程不同的影响力。

2.1.2关键用户之间的收益对网络舆情传播过程的影响

类似地，借助仿真实验，本节将讨论关键用户之间的收益参数对网络舆情传播过程的影响。分别调整βi∈[0，1]（i=1，2，3，…，6），实验结果如图4所示。

由实验结果可知：

1）关键用户之间的相对收益参数（β1、β2、β4、β5）显著影响网络舆情的传播过程，而绝对收益参数（β3、β6）对网络舆情传播过程的影响力度较小。

2）关键用户之间的相对收益参数对网络舆情传播过程的影响程度也存在差异。如在图4（a、e）中，随着β1的增加，在线社交网络中的正面舆情传播由绝对劣势逐渐演化至占据上风，尤其当β1>0.7后，正面舆情的传播在社交网络中占据绝对优势，故将其称为关键用户群体的关键参数;而在图4（b，d）中，随着β2的增加，虽然在线社交网络中的正面舆情传播也逐渐由劣势演化为占据优势，但变化幅度要小于关键参数引起的变化幅度，故将其称为关键用户群体的次关键参数。

3）随着关键用户群体收益的增加，普通网民群体的策略选择与关键用户群体的策略选择几乎同步变化，即关键用户群体的收益参数可以同步地改变普通网民群体与关键用户群体的网络舆情传播行为。这种现象在实际社会中非常普遍，凭借在社交网络中强大的影响力，关键用户群体在网络舆情的传播过程中，往往扮演着“观点领袖”的角色，其策略选择可以引领社交网络中普通网民的观点与行为策略;反之，少量普通网民的策略选择无法有效地左右关键用户群体的行为，除非大势所趋，社交网络中大量普通网民的观点趋于一致，才可以有效地改变关键用户的策略选择。

通过上述两部分的分析可知，在对称博弈关系中，网络舆情的传播主要取决于网民群体与关键用户群体之间的相对收益，受双方群体绝对收益的影响微乎其微;另外，在影响网络舆情演化过程的收益参数中，存在关键参数与次关键参数，关键参数的变化可以迅速改变社交网络中正、负面舆情传播的相对优势;最后，关键用户群体的收益参数可以同步地改变两类人群的网络舆情传播行为;而普通网民群体的收益参数无法同步改变两类人群的网络舆情传播行为。普通网民与关键用户对称博弈关系中的收益参数对社交网络中舆情传播过程影响程度的大小顺序.

2.2非对称博弈关系下利益相关者收益对网络舆情传播过程的影响

由上述实验及分析可知，网络舆情传播过程主要取决于网民与关键用户之间的相对收益，而受到彼此之间绝对收益的影响较小。故在本节，借助光谱图将重点讨论非对称博弈关系中，双方利益相关者之间的相对收益参数（δi，γi（i=1，2，4，5））对网络舆情传播过程的影响。在式（12）的基础上，分别调整δi，γi（i=1，2，4，5）∈[0，1]，实验结果如图5所示。

图5分别展示了非对称博弈关系下，在线社交网络中正面舆情传播者的比例（x1+y1）随普通网民群体与关键用户群体收益参数的变化过程（负面舆情传播者的数量变化趋势与之相反，故不再单独展示，下同）。

由上述实验结果可知，在非对称博弈关系下：

1）普通网民与关键用户之间的相对收益对网络舆情传播过程的影响程度存在显著差异，整体而言，关键用户的收益参数对网络舆情的传播过程具有更强的影响。如在图5（a、d）中，在线社交网络中正面舆情传播者的比例沿着δi的方向存在显著变化，而沿着γi的方向变化不显著。以图5（a）为例，当δ1<0.2，即关键用户选择传播正面舆情策略的收益较低时，即使普通网民群体选择传播正面舆情策略的收益非常高（γ1→1），仍无法有效地促进正面舆情在社交网络大范围传播;反之，当δ1>0.2，即关键用户选择传播正面舆情策略的收益较高时，即使普通网民群体选择传播正面舆情策略的收益非常低（γ1→0），仍可促进正面舆情在社交网络中大范围扩散。

2）关键用户不同策略对应的收益参数对网络舆情传播过程的影响程度也具有差异性。对比上述4种组合下的实验过程，在图5（a、d）中，δ1与δ5基本统治了在线社交网络中网络舆情的传播过程：网络舆情的传播在δ1=0.2（δ5=0.15）前后呈现出不同的传播趋势，但是在δ1∈[0，0.2]、[0.2，1]（δ5∈[0，0.15]、[0.15，1]）两个区间内部，网络舆情的传播结果几乎一致，随着普通网民群体收益（γ1与γ5）的变化未呈现出显著的变化;而在图5（b～c）中，关键用户的收益参数（δ2与δ4）并未展现出较强的统治力，而是与普通网民的收益参数（γ2与γ4）共同决定了网络舆情的传播过程。

結合上述分析可知，在非对称博弈关系中，关键用户的收益参数在网络舆情的传播过程中占据绝对的主导地位，而普通网民的收益参数所起到的作用非常有限。

上述两部分的研究结果对管理实践中网络舆情的引导与管控具有一定的启示。首先，针对在线社交网络中的正面舆情信息，监管主体应该加强宣传，对于在社交网络中积极参与传播的网民给予一定的支持与奖励，如“学习强国”平台中通过转发积极的言论可以赚取积分，进而兑换物质奖励，引导更多的网民积极参与到正面舆情的传播中，促进正能量信息的扩散;而针对在线社交网络中参与负面舆情传播的网民群体，要进行严格惩罚，并将相关情况进行通报与推广，以案例的形式在社交网络中进行传播，引起整个社交网络用户的注意，以起到警示作用。如2019年，网络主播“MC天佑”由于公开在网络中发布低俗信息，国家网信办对其实施跨平台封禁，随后诸多网络主播纷纷修改昵称、主播内容等。另外，在当今的流量社会，在线社交网络中的关键用户群体发布的舆情信息往往能够引起大量粉丝用户的追随，并快速扩散，造成较大规模的社会影响。故监管主体应该重点关注社交网络平台中的关键用户群体，如微博中的“大V”、抖音中的网红主播等用户，通过约谈等方式严格规范其网络行为，防范负面舆情信息在社交网络中的大范围扩散，营造清朗的网络空间。

2.3两种博弈关系对网络舆情传播过程的影响程度对比

通过上述两部分的分析可知，不管是在对称博弈还是非对称博弈关系中，相较于普通网民的收益，关键用户的收益参数均以更高强度影响着网络舆情的传播过程。接下来本节将重点对比分析，两类群体两种博弈关系中的收益参数网络舆情传播过程的影响程度，判断究竟是对称博弈关系还是非对称博弈关系决定了网络舆情的传播过程。

首先，在式（12）的基础上，分别定义αi，γi∈[0，1]（i=1，2，4，5），分析普通网民群体两种博弈关系中的收益参数对网络舆情传播过程的影响，实验结果如图6所示。

图6展示了随着普通网民群体两种博弈关系中收益参数的变化，社交网络中正面舆情传播者数量的变化趋势。由实验结果可知，整体而言，在普通网民群体中，两种博弈关系对网络舆情传播过程的影响程度存在一定差异，相较于非对称博弈关系，对称博弈关系发挥着更重要的作用。如在图6（a、d）中，普通网民群体的对称博弈参数（α1与α5）基本决定了网络舆情的传播过程，而与之相比，非对称博弈参数（γ1与γ5）所发挥的作用非常有限。

随后，分别定义βi，δi∈[0，1]（i=1，2，4，5），分析关键用户群体两种博弈关系中收益参数对网络舆情传播过程的影响。

由图7可知，整体而言，关键用户群体的两种博弈关系对网络舆情传播过程的影响程度，并未呈现出显著的差异，而是共同决定了网络舆情的传播过程。但是，通过比较实验结果中正面舆情传播者数量发生显著相变的位置发现，相较于对称博弈参数，在线社交网络中网络舆情的传播对非对称博弈参数的变化更加敏感。如在图7（a）中，社交网络中正面舆情传播者的数量随δ1的增加以更快的速度占据了优势，而随β1的增加，正面舆情传播占据优势的速度较慢。同样，在图7（b～d）中，均呈现出类似的变化过程。

综上所述，对于普通网民群体而言，对称博弈关系对网络舆情的传播过程影响程度更大;而对于关键用户群体而言，非对称博弈关系在网络舆情传播过程中发挥了更重要的作用。因此，在应用演化博弈论研究网络舆情的传播过程时，不能仅考虑普通网民与关键用户的非对称关系，还应该同时考虑普通网民群体之间的对称博弈关系，才能更准确地描述网络舆情的传播过程。

3结论

在线社交网络中的网络舆情传播，因其对社会稳定与经济发展的重大影响而受到学术界与管理实践的关注。结合演化博弈论与复杂网络理论，将网络用户划分为普通网民群体与关键用户群体，本文构建了同时考虑对称博弈与非对称博弈关系的网络舆情演化模型，并通过仿真实验识别了网络舆情传播过程中的关键参数，结合实验分析，为网络舆情的管理提出了更具有针对性的对策与建议。

研究结果表明：①网络舆情的传播主要取决于两类群体的相对收益，受绝对收益的影响非常小;②在对称博弈关系中，两类人群的收益参数对网络舆情传播过程的影响程度存在差异，均存在关键参数与次關键参数;关键用户群体的收益参数可以同步地改变两类人群的网络舆情传播行为;而普通网民群体的收益参数无法同步地改变两类人群的网络舆情传播行为;③在非对称博弈关系中，关键用户的收益参数在网络舆情的传播过程中占据绝对的主导地位，而普通网民的收益参数所起到的作用非常有限;④对于普通网民群体而言，对称博弈关系对网络舆情的传播过程影响程度更大;而对于关键用户群体而言，非对称博弈关系在网络舆情传播过程中发挥了更重要的作用。

本文的相关研究结论能够为政府、社交网络平台等监管主体积极合理地应对在线社交网络中的舆情传播提供了一定的决策依据，但网络舆情的传播与管理是一个非常复杂的公共管理问题，本研究为更复杂情景下的网络舆情传播与干预研究提供了一定的理论基础。

3796500338273