基于SEIR演化博弈模型的突发危机事件网络舆情治理研究

祁凯 彭程 杨志 黎冰雪

基金项目：教育部人文社会科学研究青年基金项目“重大突发公共卫生事件网络社群情绪感染路径及导控机制研究”（项目编号：21YJC630106）。

作者简介：祁凯（1981-），女，教授，博士，硕士生导师，研究方向：网络舆论引导与危机管理。杨志（1991-），男，博士研究生，研究方向：危机管理与技术创新。黎冰雪（1996-），女，硕士研究生，研究方向：网络集群。

通讯作者：彭程（1995-），男，博士研究生，研究方向：危机管理与技术创新。

摘 要：[目的/意义]复杂网络环境中，“网络大V”与官方媒体的博弈行为增加了舆情演化的不确定性，也会导致不同的舆情治理效果。因此，实现网络舆情高效治理成为政府部门亟待解决的难题。[方法/过程]本文在内外部因素影响下基于SEIR构建网络舆情传播模型，同时运用演化博弈理论构建“网络大V”与官方媒体的演化博弈模型，并进一步引入政府部门惩罚机制和协调机制。在此基础上，分析不同条件下的舆情传播阈值与演化趋势，以及博弈双方策略选择的演化路径，最后结合多案例进行多情境模拟仿真实验研究。[结果/结论]仿真实验研究结果显示：舆情传播阈值大小能够预示舆情的演化趨势;舆情的传播热度能够影响“网络大V”与官方媒体的行为决策。政府部门通过合理介入能够敦促“网络大V”与官方媒体理性决策，并通过推动“政民”交流平台的建设减少粉丝数量的差异，同时妥善处置突发危机事件，降低突发危机事件热度，能够使得舆情治理效果最佳，从而加速系统内网络舆情的消亡。

关键词：突发危机事件;SEIR演化博弈模型;网络舆情治理

DOI：10.3969/j.issn.1008-0821.2022.04.011

〔中图分类号〕G206 〔文献标识码〕A 〔文章编号〕1008-0821（2022）04-0120-14

Abstract：[Purpose/Significance]In the complex network environment，the game behavior between“Internet Big V”and official media increases the uncertainty of the evolution of public opinion，and also leads to different effects of public opinion governance.Therefore，it is an urgent problem for government departments to standardize the behavior strategies of both sides and realize efficient governance of online public opinion.[Method/Process]Based on SEIR under the influence of internal and external factors，using evolutionary game theory，a network public opinion communication model was built with an evolutionary game model of the official media，“Internet Big V”was built and further introduction of government departments to punish mechanism and coordination mechanism.On this basis，the threshold and evolution trend of the spread of public opinion under different conditions were analyzed，as well as the evolution path of the two sides of the game，and finally multiple cases were combined to conduct multi-situation simulation experiments.[Result/Conclusion]The simulation results showed that：the size of the threshold of public opinion propagation can predict the evolution trend of public opinion.The spread heat of open views can influence the behavioral decisions of“Internet Big V”and official media.Government departments through reasonable intervention can urge“Internet Big V”with the official media rational decisions，and promote the construction of“political people”communication platform to reduce the number of fans，and properly handle crisis emergency crisis emergency heat reduction， and achieve the best effect of public opinion governance，thus accelerating the demise of open network views the system.

Key words：emergency crisis;SEIR evolutionary game model;network public opinion management

随着互联网技术的发展，各种社交平台不断涌现，以互动、开放为标志的网络空间已经成为舆情产生和发酵的重要载体和平台，公众对特定事件表达情感和立场，形成具有一定情感倾向的网络舆情[1]。当突发危机事件形成社会热点关注时，网络舆情会对公众的感知和行为产生一定的溢出效应，使社会矛盾凸显并对社会大系统稳定造成威胁[2]。根据中国社会科学研究所发布的2016—2020年《社会蓝皮书》中“互联网舆情报告”相关统计数据，突发公共危机事件在近5年来的重大网络舆情事件中占比超过30%，一旦政府对网络舆情治理失范，会进一步加剧冲突的爆发，使得公共秩序混乱，甚至引起更严重的社会恐慌情绪扩大危机损害[3-4]。而政府部门作为网络舆情治理的主导力量，需要统筹“网络大V”与官方媒体的角色分工，高效地治理突发危机事件网络舆情，维护网络社会以及现实社会的和谐稳定。因此，在推进国家治理体系和治理能力现代化的新时期背景要求下，如何充分发挥引导主体的疏导作用，提升网络舆情引导信息的传播有效率，需要展开深入研究。本文積极探索由政府部门主导，“网络大V”与官方媒体积极分工协作的高效舆情治理模式，为政府相关部门科学高效治理突发危机事件网络舆情提供理论参考和决策支持。

目前，国外学者对突发危机事件网络舆情的研究热点集中于突发危机事件舆情信息传播机制和突发危机事件网络舆情治理与预警这两个方面。对于危机事件信息传播机制的研究主要有：Jacob M等提出突发危机事件应急管理的基础是识别、掌握和挖掘突发危机事件传播演化机制的能力[5]。Denphedtnong A等建立微博舆情信息传播模型，收集大量的Twitter数据、转发信息的数量、关注者的数量和评论数量之间的关系以及用户进行分析，研究发现，舆论传播参数受用户影响[6]。Jin Y等通过创新改进危机信息模型发现，危机来源、危机信息的形式和来源对公众接受危机信息和应对危机的情绪有着重要影响[7]。Mirbabaie M等研究了Twitter用户在面对2017年曼彻斯特爆炸案时的趋同收敛行为，通过手动筛选数据与社会网络分析确定了在危机传播过程中3个最具影响力的收敛行为影响者[8]。对于突发危机事件网络舆情模拟仿真与预警的研究主要有：Witbooi P J使用机器学习分类算法，微博属性和文本节点排名研究了微博情况下的用户节点转发行为，并基于加权特征建立了公众舆论预测模型[9]。Pearl J通过对贝叶斯网络的运用来进行预警研究[10]。

而国内学者更多地关注突发危机事件的网络舆情传播机制及演化规律、突发危机事件网络舆情引导机制与治理策略。其中，对于突发危机事件的网络舆情传播机制及演化规律：李勇建等[11]对舆情传播机制中的社会公众与政府部门两方主体之间的博弈关系进行了研究;李诗悦等[12]通过动物疫情危机展示了网络舆情的演变机理;部分学者[13-14]则基于经典的危机演化四阶段论对突发危机事件的演化规律进行了论述;高虒源等[15]将研究目光投向了次生网络舆情危机爆发的核心因素与内在逻辑分析，是对公共危机演化规律研究的有益补充。对于突发危机事件网络舆情引导机制与治理策略的研究主要有：祁凯等通过引入中央政府惩罚机制来构建网络媒体与地方政府双方行为策略博弈模型，探究突发危机事件的有效治理策略[16]。也有以群体性突发事件[17]或“网络大V”在舆情爆发阶段传播作用[18]等研究主题为切入点来探究导控治理策略的研究。而夏一雪等则从“时效度”一体化观点关注突发危机事件中的负面情感引导，提出突发危机事件舆情治理策略[19]。

综上，国内外学者主要针对突发危机事件网络舆情的传播机制及治理策略、风险预警等方面进行研究，为本文的研究奠定了坚实基础。已有研究中发现，网民的情绪感染演化对网络舆情传播具有重要影响作用，因此将网民情绪感染状态演化作为衡量突发事件舆情传播状态的指标之一。但情绪感染侧重于体现网民的个体状态变化，仅仅依靠引入情绪因素的传染病模型对于突发事件舆情传播进行研究是不够的。实际上，网络舆情的发展过程还是官方媒体、“网络大V”、网民等多方参与主体之间相互影响的博弈结果，尤其是在突发危机事件中官方媒体的信息发布与舆情引导决策、“网络大V”的引导方向选择、网民的恐慌情绪与危机事件相关真假信息筛选更是一个行为决策博弈过程。鉴于此，本研究将博弈理论与SEIR模型相结合，对网络舆情传播进行研究，如图1所示。同时考虑网民情绪感染因素，进而揭示突发危机事件网络舆情演化扩散过程中的传播特征与机理。在此基础上，细致探究有无政府部门介入，“网络大V”与官方媒体行为决策演化至稳定状态下的条件，以及双方不同行为决策下网民行为情绪的转换规律以及舆情的演化趋势，并分析不同的信息传播有效率对舆情治理效果的影响。最后，结合对多个案例实际情境的拟合推演分析，进一步验证本文模型在实际舆情治理应用的普适性与有效性。

1 问题描述与基本假设

在突发危机事件发生后，事件报道具有情感导向的观点信息在网络空间迅速扩散传播，导致网民出现情绪感染并产生网络舆情恶性演化的风险。基于互动性、信息权威性以及群体数量这3个划分指标将引导信息的发布主体主要分为官方媒体与“网络大V”[20]。在网络舆情传播过程中，舆情引导主体基于不同利益目的在公共舆论场中产生博弈行为，借助自身所拥有的话语空间表达观点，对普通网民的情绪进行引导，网民受到“网络大V”与官方媒体行为决策、信息传播有效率以及舆情传播热度的影响出现行为情绪转换。现实情境下，官方媒体是政府部门的宣传平台，以宣传党和政府的执政理念、方向和政策为主要任务[21]，能够在危机事件发生后给予权威的信息披露，但受到其功能性的影响，导致其与粉丝的互动较少;“网络大V”则是对在不同网络社群群体或整个网络社群中具有较大影响力人的统称，并且频繁的互动交流以及网民的“草根”性能够不断提升其引导力，但其传播的部分信息存在着歪曲、编造现象。“网络大V”与官方媒体因受到“有限理性”与“经济人”的思维限制会产生复杂的策略调整过程。本研究通过上述问题的总结梳理，假设条件如下：

假设1：基于Freeman R E[22]对利益相关者理论的阐述可以发现，“网络大V”与官方媒体作为舆情引导的主要力量，会根据自身收益驱动选择符合帕累托最优的行为决策，而政府部门则是作为统筹协调双方策略选择符合系统稳定条件的关键因素。

假设2：基于Gruhl D等[23]的研究基础，本研究将时刻系统内的网民划分为：易感染类网民S（t）、潜伏期网民E（t）、已感染网民I（t）、治愈网民R（t），各类网民基于“网络大V”与官方媒体的行为决策而出现行为情绪的转变，同时舆情信息的传播热度以及信息的传播有效率也会影响网民行为情绪转变。

假设3：部分利益主体不能够直接选择有利于系统达到理想稳定状态的行为决策，会在自身选择错误的行为决策[24]而遭受损失后，通过不断反思、纠正自身的行为而及时调整决策[25]，并且会基于“短视”假设[26]，将彼此决策选择产生的损益情况作为自己及时调整后续行为决策的调整依据。

假设4：利益主体的一些行为决策损益，难以利用客观准确的数值实现量化，例如：社会收益或非物质性处罚等。因此，基于Tversky A等[27]提出前景理论研究可以量化博弈主体所产生的一些感知收益。其中感知损益的计算公式为：

当Δθ≥0时，为利益主体在实施行为决策时的非量化感知收益，反之为感知损失;τ、为边际递减程度，其值域范围为0≤τ、≤1;π是各利益主体对损失规避程度系数，其值域为π<0。

同时“网络大V”与官方媒体发布的观点信息能够引导网民的情绪，通过刻画传染病模型中民众网民行为情绪转换，如图2所示。一定比例A的网民（A≈1）会基于传播热度而进行围观，并且引导信息的有效传播率会受到粉丝数量以及信息权威程度的影响，官方媒体与“网络大V”的决策选择也会起到不同程度的促进作用，则网民S（t）因官媒的消极报道转换为网民E（t）的概率为y2+d;网民S（t）因官媒的积极应对转换为网民R（t）的概率为y1+（1-d）;网民E（t）因“网络大V”的恶意煽动转换为网民I（t）的概率为x2+（1-m）;网民I（t）因“网络大V”的正面引导转换为网民R（t）的概率为x1+m;网民I（t）因自身调整出现概率Φ的治愈。

基于各利益主体的博弈行为以及参数假设，可以得到“网络大V”与官方媒体双方主体间的博弈收益矩阵，如表1所示。

2 模型构建及分析

2.1 SEIR舆情传播模型及分析

在突发危机事件网络舆情演化的过程中，网民的行为情绪会根据内外部影响因素而出现一定概率的转换，与疾病传播过程中的感染现象具有相同特性，因此，本研究基于传播动力学理论，构建SEIR网络舆情传播模型，进一步描述网民行为情绪状态的转换过程。根据图1的网民行为情绪演化路径得到微分方程：

通过观察式（1）可以发现，前3个常微分方程中均不含变量R，因此仅考虑前3个常微分方程。此时，令前3个常微分方程左边为0，可以求得SEIR舆情传播模型的传播阈值R0=Aε（x2+1-m）Φ（y1+1-d）。通过进一步分析可以发现，传播阈值受到“网络大V”与官方媒体行为决策、传播热度、粉丝数量差异度以及信息权威性差异度的主要影响，而不同的传播阈值大小能够预示网络舆情的演化态势。

2.2 “网络大V”与官方媒体策略选择的演化博弈模型及分析

在突发危机事件网络舆情扩散的过程中，“网络大V”与官方媒体会根据自身收益选择利己的行为策略，并会随时调整其策略选择以达到自身损益的帕累托最优，因此，本研究基于演化博弈理论，构建“网络大V”与官方媒体行为策略的演化博弈模型，利用模型中的复制动态方程进一步描述双方行为策略的演化规律。假设“网络大V”选择正面引导策略m1的期望收益为Mm1，选择恶意煽动策略m2的期望收益为Mm2，平均期望收益为;官方媒体选择积极应对策略j1的期望收益为Jj1，选择消极报道策略j2的期望收益为Jj2，平均期望收益为。根据表1损益矩阵得到：

2.3 政府部门惩罚机制下的演化博弈模型及分析

“网络大V”会选择积极引导决策，而官方媒体会因较低的社会收益感知选择消极报道决策，这也为突发危机事件网络舆情的恶性演化增加了一定的风险。此时政府部门需要统筹协调，从而使得系统Ⅰ演化至较理想的稳定状态，假设政府部门对选择恶意煽动的“网络大V”给予封号与行政强制措施的处罚F，给予选择消极报道的官方媒体扣除绩效奖金G的处罚，得到“网络大V”与官方媒体新的博弈收益矩阵，如表4所示。

3 情境模拟数值仿真实验分析

通过对突发危机事件的实际发展过程模拟，分析在突发危机事件不同情境状态下，利益主体行为决策选择及网络舆情演化规律，从而验证SEIR演化博弈模型在突发危机事件网络舆情治理的有效性和适用性。本研究选取“病死猪肉事件”“宜宾长宁地震事件”“长春长生问题疫苗事件”“红黄蓝虐童事件”作为情景模拟的实验案例，并通過总结梳理上述案例的演化过程，抽象出突发危机事件网络舆情的生命周期，如图3所示。上述4个案例较为全面地涵括了突发危机事件的4种类型：食品安全、自然灾害、公共卫生、儿童安全，并且在发生后具有较强的影响力和辐射力，能够更好地检验论证模型的普适性与可操作性;同时，上述4个案例中的突发危机事件网络舆情完整地展示了其生命周期内的演化过程，并且在网络舆情演化过程中，涵盖了模型中利益主体的博弈冲突关系，具有较强的代表性。因此，在网络中出现危机事件的舆情信息后，最先要采取应对措施的主体是官方媒体与“网络大V”，双方不同的行为决策会影响网民的行为情绪状态，政府部门要进行统筹协调使得系统演化至理想的稳定状态。通过对上述4个案例事件中参与主体的行为参数赋值，精确模拟各主体在不同情境中行为决策的演化规律，进一步验证模型在有效防治突发危机事件网络舆情恶性演化的适用性。

此时令增长比例A≈1、网民治愈概率Φ=0.1，各类网民初始状态比例为0.2、0.14、0、0演化时间T=[0，30]，数值仿真结果如图5所示。

基于图4、图5可以发现，当突发危机事件热度较低时，官方媒体与“网络大V”行为决策的演化趋势会无限接近（1，0），“网络大V”选择正面引导、官方媒体选择消极报道，系统内的网民会出现传播舆情行为，但保持着较低的比例，此时的传播阈值R0≈1.6>1。“网络大V”会充分考虑其选择恶意煽动决策的额外经济收入是否可以弥补其编造煽动言论的成本，同时也会忌惮于官方媒体曝光宣传而导致其遭受的形象损失;官方媒体会因“网络大V”的正面引导以及舆情传播热度较低，导致自身不能够高度重视网络中舆情的发展态势，同时也会降低对社会收益的感知程度;各类行为情绪的网民会基于双方的行为决策与舆情传播热度以及信息传播有效率，出现不同概率的行为情绪转换，且系统内仍然保持着较低比例的传播舆情信息的网民。这也表明了当舆情传播热度较低时，会首先影响到舆情主体行为决策的选择，并且由于双方未选择最优的行为决策，使得系统内的舆情传播阈值R0>1，从而导致系统内存在舆情恶性演化的风险。

在“病死猪肉事件”“宜宾长宁地震事件”“长春长生问题疫苗事件”“红黄蓝虐童事件”4个事件舆情的形成阶段，事件细节未详尽，能够传播的舆情信息较少，网络舆情传播热度较低。“网络大V”会综合自身损益选择正面引导决策，官方媒体会因“网络大V”的决策以及较低的传播热度而出现麻痹大意或错误判断行为，例如在“长春长生问题疫苗事件”“红黄蓝虐童事件”与“病死猪肉事件”网络舆情的形成阶段，“网络大V”率先利用各种博文谴责这种卑劣行径，并迅速地掌握了舆情传播的“话语权”，官方媒体的滞后发声、报道力度不足等行为因素都将使得官方媒体逐渐错过舆情引导的最佳时机;在“宜宾长宁地震事件”发生后，官方媒体虽然在第一时间进行报道，但其因初期较低的舆情传播热度而出现了对社会收益感知的错误判断，也选择了“消极报道”。“网络大V”基于官方媒体决策的分析会逐渐改变其原有决策，此时“网络大V”会因前期的率先发声而掌握舆情传播的主动性，尽管舆情的传播热度较低，但是经过“网络大V”的恶意煽动，从而使得系统中具有负面情绪的网民开始增长并加速了舆情的恶性演化。而此时官方媒体会因其前期的错误决策而失去舆情引导过程中的“话语权”，并且会因自身损益的考虑而继续选择消极报道决策，最终导致网络舆情持续恶性发酵。基于上述分析可以发现，较低舆情传播热度下的策略演化稳定点是暂时性的，各利益主体基于“短视”假设会逐渐调整其策略，官方媒体虽然会逐渐提升对社会收益的感知度τ1，但其也会考虑“网络大V”的行为决策而继续选择消极报道决策，系统在（1，0）处的稳定条件会被破坏而逐渐演化至（0，0）处，系统内的舆情传播阈值也逐渐增大（R0≈5.6）而使得传播舆情的网民增加，如图6所示，此时需要政府部门的统筹协调而使得系统内的利益主体进入新情境状态的博弈。

情境2：此时突发危机事件的热度为（ε=0.6），在政府部门的统筹协调下，官方媒体与“网络大V”行为决策的演化以及网民的行为状态演化。

此时令增长比例A≈1、网民治愈概率Φ=0.1，各类网民初始状态比例为0.6、0.203、0.3、0.18，演化时间T=[0，30]，数值仿真结果如图8所示。

通过比较图6～图8可以发现，随着突发危机事件舆情传播热度的提升，“网络大V”会基于帕累托最优的考虑而改变原有的决策，此时的网民也会根据“网络大V”的恶意煽动而逐渐出现传播负面舆情的行为;官媒此时因前期的消极决策而失去了舆情传播的“话语权”，虽然提高了对社会收益的感知程度，但其在引导恶性舆情传播时会力不从心，最终做出保守的决策，即消极报道。政府部门面对负面舆情的持续传播与发酵时会选择介入，通过对“网络大V”施行封号处理以及相应的行政处罚，给予“网络大V”一定的震慑力;同时政府部门也会利用扣除绩效奖金等方式，督促官方媒体选择积极的应对策略。此时双方行为决策的演

化趋势会无限趋近于（1，1），“网络大V”选择正面引导、官方媒体选择积极应对，系统内的感染状态网民会在双方改变策略前出现一定比例的上升，而随着“网络大V”与官方媒体改变原有决策后出现回落，但此时的舆情传播阈值R0≈2.142>1，说明了系统内传播舆情信息的网民依旧存在，舆情仍有恶性演化的风险，并且官媒与“网络大V”未形成有效配合，他们之间的粉丝数量的差异度仍然较高，也使得系统内官媒的引导信息传播效率降低，最终影响了引导效果。

随着舆情传播热度的提升，官媒也会提升对社会收益的感知程度τ1，并且开始重视网络中的一些负面舆情信息。在“长春长生问题疫苗事件”中，“网络大V”利用问题疫苗流向与死者赔偿款等舆情信息编撰煽动言论，虽然官媒努力进行辟谣与阐述真相，但前期的错误决策行为令其失去了舆情引导的“话语权”，最终在面对“网络大V”恶意煽动、网民负面情绪高涨时，其引导行为效果甚微，进而做出保守的消极报道决策。面对网络社会中肆虐的恶性舆情，政府部门应高度重视并迅速介入，通过制定一系列处罚措施形成对双方主体的震慑。政府部门在网络舆情持续恶性演化时通过不同程度地介入，采取严惩舆情煽动者的措施并建立惩罚机制激励官方媒体，有效地阻滞了舆情的恶性演化，也使得感染状态网民出现回落。但“网络大V”与官方媒体之间仍然存在较大的粉丝数量差异，并且尽管“网络大V”通过与官媒保持高度一致进行舆情引导，但其发布的信息仍然不及官媒的权威，最终影响引导效果。在“紅黄蓝虐童事件”网络舆情的衰退阶段，官媒不能够与网民形成及时性的互动而使得网民的“心声”以及迫切需求得不到回复，影响官媒的粉丝数量并与“网络大V”的粉丝基础形成的差异度，最终未形成有效的引导，一部分感染状态的网民还在持续传播负面舆情。基于上述分析可以发现，政府部门通过有效的介入能够促使博弈双方选择较优的行为决策，使系统演化至较为理想的状态。但需要说明的是，此时系统内部的处于感染状态网民并未得到真正意义上的消亡，政府部门需要进一步对官媒进行决策上的优化，即通过制定相关决策推动“政民”的有效交流沟通，进一步完善官媒的建设并充分发挥官媒交流平台的作用，使得系统内官媒的粉丝数量得到提升而减少与“网络大V”之间的粉丝差异度，即d=0.3，并且政府部门也需要及时、妥善地处理突发危机事件，给予公众较高的公信力而降低事件舆情的传播热度，如图9所示，此时的传播阈值R0≈0.222<1，表明了系统内的舆情也得到了有效引导，最终整个系统演化最理想的稳定状态。

4 结 语

本研究以突发危机事件網络舆情治理为研究视角，将SEIR模型与演化博弈论方法结合，构建了有无政府部门合理介入下的舆情传播与演化博弈模型，探究无政府部门介入与有政府部门介入条件下，双方主体行为决策的博弈演化过程以及网民行为状态的演化过程。通过分析发现，政府部门的合理介入，能够促进官方媒体与“网络大V”的协调合作，充分发挥其引导效果进而阻滞网民传播负面舆情的行为，最终使得系统演化至最理想的稳定状态。通过选取“长春长生问题疫苗事件”“病死猪肉事件”“红黄蓝虐童事件”与“宜宾长宁地震事件”作为研究样本，并基于参数赋值模拟不同情境下仿真推演，最终通过不同情境下推演结果得到以下结论：

1）突发危机事件网络舆情传播阈值是否大于1能够预示系统内感染状态网民的演化趋势，并且舆情的传播热度、“网络大V”与官方媒体的策略选择比例以及系统内的信息传播有效率会对传播阈值产生重要的影响。尽管突发危机事件网络舆情的传播热度较低，但“网络大V”与官方媒体未选择较优的行为决策，信息传播有效率在舆情初始传播阶段较高，此时舆情传播阈值会大于1，会增加舆情恶性演化的风险。基于此，官方媒体应当重视舆情的隐性发展以及提高对社会收益的感知，通过采取积极应对的措施进而牢牢掌握住“话语权”，并积极与部分“网络大V”展开舆情引导的合作，有效地阻滞网络舆情的恶性发酵。

2）“网络大V”与官方媒体在突发危机事件网络舆情引导的过程中，其行为决策的选择会受限于网络舆情的传播热度。当网络舆情传播热度较低时，系统内部会出现短暂的稳定平衡，但经过突发危机事件自身的演化发展，其产生的舆情信息是不断增加的，从而会导致舆情传播热度的迅速提升，并且官方媒体的消极报道策略也会增加“网络大V”选择恶意煽动决策的驱动力。“网络大V”通过前期的正面引导策略率先发声，赢得了网络舆情传播的主导权，当其选择恶意煽动的策略后，大量处于潜伏状态的网民会选择传播负面舆情而加速网络舆情的演化，同时官方媒体会随着舆情传播热度的提升而提高自身对社会收益的认知，但因自身失去了舆情引导的“话语权”，就会使得其引导行为无明显效用，因此，官方媒体会基于自身损益的帕累托最优而继续选择消极报道，最终系统会演化至新的稳定平衡点（0，0），此时就需要政府部门的合理介入，促使各方朝着良性态势演化。

3）政府部门的合理介入、统筹，能够有效促使双方博弈主体的行为决策朝着优化趋势演化，并且也能够避免引导信息传播有效率的降低，同时政府部门积极妥善地处置突发危机事件，能有效疏导民众恐慌情绪以及缓和社会矛盾，从而降低舆情传播热度，最终使系统内的舆情得到高效科学治理。“网络大V”与官方媒体作为有限理性的“经济人”，会基于自身损益的考虑而选择利己的帕累托最优决策，所以需要政府部门的统筹协调，通过建立对应的惩罚机制对相关利益主体形成一定的震慑，例如对恶意煽动的“网络大V”进行封号以及执行相关治安管理处罚，甚至是刑事诉讼;而对官方媒体，政府部门可以建立绩效评价机制来驱动官媒选择积极应对策略。同时，政府部门需要进一步对官媒进行决策上的优化，即通过制定相关决策推动“政民”的有效交流沟通，进一步完善官媒的建设并充分发挥官媒交流平台的作用，使得系统内官媒的粉丝数量得到提升而减少与“网络大V”之间的粉丝差异度。最后，政府部门采取有效的措施应对突发危机事件，树立“作为”的政府形象，使得民众心中的恐慌等负面情绪得到消除，从而降低突发危机事件的热度，加速舆情的消亡。

需要说明的是，本研究重点探讨了影响官方媒体与“网络大V”决策选择以及网民行为状态变化的影响因素，从而得到有效治理网络舆情的结论建议，通过选取多个突发危机事件典型案例作为研究样本，并模拟仿真推演进一步验证了政府部门的合理介入，既能够有效敦促双方博弈主体选择优化决策，又能够高效引导网络舆情，最终使得系统处于良性的稳定状态。但是仍然存在以下局限：首先，本文提出突发危机事件网络舆情的传播热度能够影响舆情的传播阈值以及主体的行为决策，但未涉及针对信息传播热度的监测与预警;其次，本文提出政府部门需要协调“网络大V”与官方媒体的引导力度，但如何均衡双方发表引导信息的比例以达到高效的网络舆情引导，还需要进一步深入研究。

参考文献

[1]张勤.网络舆情的生态治理与政府信任重塑[J].中国行政管理，2014，（4）：40-44.

[2]曹海军，李明.大数据时代中国网络舆情的治理反思与路径拓展——基于“技术治理路径”嵌入视角[J].行政论坛，2019，26（5）：65-73.

[3]文宏.网络群体性事件中舆情导向与政府回应的逻辑互动——基于“雪乡”事件大数据的情感分析[J].政治学研究，2019，（1）：77-90，127-128.

[4]王琳琳，齐南南，艾锋.大数据时代网络舆情治理模式研究[J].中国电子科学研究院学报，2018，13（5）：502-505.

[5]Jacob M，Hellstrm T.Policy Understanding of Science，Public Trust and the BSE-CJD Crisis[J].Journal of Hazardous Materials，2000，78（1-3）：303-317.

[6]Denphedtnong A，Chinviriyasit S，Chinviriyasit W.On the Dynamics of SEIRS Epidemic Model with Transport-related Infection[J].Mathematical Biosciences，2013，245（2）：188-205.

[7]Jin Y，Liu B F，Austin L L.Examining the Role of Social Media in Effective Crisis Management：The Effects of Crisis Origin，Information Form，and Source on Publics Crisis Responses[J].Communication Research，2014，41（1）：74-94.

[8]Mirbabaie M，Bunker D，Deubel A，et al.Examining Convergence Behaviour During Crisis Situations in Social Media-a Case Study on the Manchester Bombing 2017[C]//International Working Conference on Transfer and Diffusion of IT.Springer，Cham，2018：60-75.

[9]Witbooi P J.Stability of an SEIR Epidemic Model with Independent Stochastic Perturbations[J].Physica A：Statistical Mechanics and Its Applications，2013，392（20）：4928-4936.

[10]Pearl J.Probabilistic Reasoning in Intelligent Systems：Networks of Plausible Inference[M].Elsevier，1988.

[11]李勇建，王治瑩.突发事件中舆情传播机制与演化博弈分析[J].中国管理科学，2014，22（11）：87-96.

[12]李诗悦，李晚莲.公共危机网络舆情演变机理：路径及动因——以动物疫情危机为例[J].中国行政管理，2019，（2）：116-121.

[13]于鹏，邱燕妮.全媒体时代公共危机舆情传播路径与演化机理研究[J].中国行政管理，2019，（8）：94-98.

[14]宋宁，刘婵君.过程与要素视角下的突发事件网络舆情演化规律研究综述[J].图书情报工作，2016，60（15）：140-147.

[15]高虒源，张桂蓉，孙喜斌，等.公共危机次生型网络舆情危机产生的内在逻辑——基于40个案例的模糊集定性比较分析[J].公共行政评论，2019，12（4）：101-123，192.

[16]祁凯，杨志.突发危机事件网络舆情治理的多情景演化博弈分析[J].中国管理科学，2020，28（3）：59-70.

[17]宋民雪，刘德海.群体性突发事件化解机制的随机演化博弈模型[J].中国管理科学，2020，28（4）：142-152.

[18]马宁，刘怡君.舆论领袖传播影响力的阶段式建模分析[J].中国管理科学，2020，28（3）：52-58.

[19]夏一雪，王娟，何巍，等.基于舆情大数据的突发事件负面情感引导“时度效”研究[J].图书与情报，2019，（5）：120-126.

[20]王法硕，丁海恩.官方媒体使用如何影响制度自信？——爱国主义的中介作用与政治知识的调节作用[J].东北大学学报：社会科学版，2020，22（3）：47-55.

[21]孙忠良.议微博时代官方媒体的角色定位[J].电子政务，2014，（8）：88-92.

[22]Freeman R E.Strategic Management：A StakeholderApproach[M].Cambridge University Press，2010：16-19.

[23]Gruhl D，Guha R，Liben-Nowell D，et al.Information Diffusion Through Blogspace[J].International Conference on World Wide Web，2004，6（2）：491-501.

[24]李维安，王世权.利益相关者治理理论研究脉络及其进展探析[J].外国经济与管理，2007，（4）：10-17.

[25]黄凯南.演化博弈与演化经济学[J].经济研究，2009，44（2）：132-145.

[26]刘德海，韩呈军，尹丽娟.城市拆迁群体性事件演化机理的多情景演化博弈分析[J].运筹与管理，2016，25（1）：76-84.

[27]Tversky A，Kahneman D.Prospect Theory：An Analysis of Decision Under Risk[J].Econometrica，1979，47（2）：263-291.

[28]Friedman D.Evolutionary Games in Economics[J].Econometrical，1991，59（3）：637-666.

（责任编辑：郭沫含）