基于系统动力学的微博舆情发展模型

【摘要】近年来，新浪微博逐渐成为大量网络舆论的聚集地，许多网络事件均在新浪微博上产生或是扩散，在这些事件中，只要处置不当便会造成严重的后果。如何科学地疏导微博舆情已经成为摆在各级政府面前的一道难题。本文利用系统动力学原理，针对新浪微博上的网络舆情发展进行建模，通过系统动力学模型分析相关因素之间复杂的反馈关系，并进行仿真测试，为微博舆情引导提供有力的帮助。

【关键词】系统动力学；微博舆情；建模

1引言

系统动力学（System Dynamics）以系统思考为理论基础，融进了计算机仿真模型，研究系统行为与内在机制间的相互紧密的依赖关系。系统动力学模型的基本组成包括“流”与“元素”。在网络舆情研究中，一个网络事件的整体发展过程可以形成一个系统动力学模型，整个事件的影响与规模视作一个“状态变量”，事件的发展是一个“流”，随着“流”的不断运动，事件影响这一“状态变量”将进行积累与损耗，由此可以描述事件从产生到高潮再到最后收尾的整个过程。

近几年来，新浪微博已逐渐成为大量网络舆论的聚集地，许多网络事件均在新浪微博上产生或是扩散。通过分析一些微博热点事件发展过程，总结归纳网络事件的发展受哪些因素的影响，通过建立微博舆情的系统动力学发展模型，可以模拟微博上非常规性突发事件的演变过程与系统内作用机制，来寻求针对微博热点事件进行疏导的最佳解决方案。

2基于系统动力学的微博舆论发展模型

2.1模型建立

2.1.1边界确定与基本假设

研究主体是网络热点事件在新浪微博上的发展演变过程与舆情作用机制。整个模型分为五个子系统，分别是微博、网民、媒体、政府及事件本身，其高层关系图如图1所示。

各个主体间相互影响导致微博事件热度的增加与减少。在此，我们做出模型中的一个重要假设，因为我们的研究目的是寻求对微博热点事件的干预方法，因此我们假设在模型中，政府的行为是完全“可控”的，即在模型中政府不会“自动地”对其他子系统的行为产生反馈，政府的一切行动与策略完全来自外部输入数据。因此，在图中代表政府的过程框可指向其他过程框，但没有指向政府的过程框。整个模型如图2所示。

2.2子系统内部流图分析

2.2.1事件子系统

事件子系统是整个模型的核心系统，其包含一个流位变量和两个流位速率变量。其反映的是微博事件热度，由于事件热度增加速率与减少速率不同，事件的热度会持续变化。

2.2.2微博子系统

该子系统的两个流位变量分别表示微博平台上与事件有关的热门微博数量及热门微博转发量（该转发量指的是宏观上的，所有与该事件有关的微博的转发量），热门微博的数量将影响微博转发速率，同时，微博数量与微博转发量将同时影响一个辅助变量“微博舆论效应”，该变量表示事件相关微博对整个事件的影响力。

2.2.3网民子系统

该子系统表示的是各类网民对事件的关注对事件热度产生的影响。这一子系统是微博子系统的补充。有时候，有些人虽然没有直接参与发布事件相关微博，但也在关注此事从而造成潜在影响。

2.2.4媒体子系统

媒体子系统包含“传统媒体关注”与“门户网站关注”两个流位变量，其作用机制类似于“网民子系统”。两种媒体由于其受众与影响力不同，在计算对微博事件产生的影响时要使用不同的算法。

2.2.5政府子系统

该子系统表现的是政府在网络事件中所进行的干预与引导手段。“舆论干预策略”这一辅助变量是由外部输入的，表示政府在该事件中采取何种方式对事件进行干预，它将影响“官方回应程度”与“舆论管控”这两个流位变量的增长与减少速率。通过输入不同的策略，我们可以观察它对事件整体产生的影响。

2.3高层结构间反馈分析

回顾前面所给出的五个子系统间的高层关系图，我们会发现不同系统间会相互影响，对此我们进行逐一分析。

2.3.1官方子系统

根据我们的假设，官方子系统不接受来自其他系统的反馈，只接受官方本身所做出的干预策略，这表现了一种政府不受干扰根据情况理智作出干预决策的理想状况，在此我们暂时假设它成立。在该子系统中，官方公信力这一变量将影响媒体子系统中的“媒体影响力”，网民子系统中的“网民关注”与微博子系统中“热门微博增加速率”与“热门微博转发率”，同时它还直接影响事件系统中事件热度的增加与减少速率。

该子系统中另一个值得注意的地方是“舆论管控”变量，该变量的增加可以降低微博子系统中“热门微博增加速率”与“热门微博转发率”——删帖与屏蔽关键词可以轻松地让平台上的相关微博消失，但它同时也会对网民的态度及媒体报道造成一些负面影响，因此它还连接着媒体子系统和网民子系统。

2.3.2微博子系统

在微博子系统中，“微博舆论效应”变量将会同时对事件、媒体、网民三个子系统造成影响。相关微博的增加会使得事件进一步升温，同时，它也会引起传统媒体及门户网站的关注，而相关微博的出现也使得更多网民对事件进行关注，从另一个方面对事件本身产生影响。

2.3.3网民子系统

网民子系统中有两个对外影响，首先是“网民关注”这一辅助变量将影响事件热度的增加速率，同时“理性网民关注”将会影响事件热度的减少速率。

2.3.4媒体子系统

媒体子系统中“媒体报道”这一辅助变量将影响微博子系统中热门微博增加速率（媒体的报道可能会让网民想出新的段子），同时还会对事件产生直接影响。因为本文研究的是微博平台的舆论发展模型，因此不考虑传统媒体对网民的直接影响。

2.3.5事件子系统

在该子系统中，事件热度这一流位变量将影响微博、媒体、网民三个子系统。这是因为，网民、微博、媒体在影响事件时，反过来也受着事件的影响。例如，在事件很热门的时候，网民会跟风发微博，新的段子会不断出现，而媒体也会持续关注。但当事件冷下来的时候，相关人员的关注度也会降低。

3结束语

微博舆情发展是一个动态过程，其中有着复杂的非线性反馈关系。通过系统动力学的手段建立相关模型，对了解微博舆情发展有着重要参考价值，为今后网络舆论预警与处置系统的建立打下了基础。

参考文献

[1] Isee Systems. An Introduction to Systems Thinking[M]. Isee Systems， 2004.

[2] 张一文， 齐佳音， 马 君， 方滨兴. 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（9）.

[3] 张建红， 钟永光， 张海珍等. 地方政府应对网络舆情能力的系统动力学研究[J]. 情报探索， 2012 （11）： 12-14.

作者简介：

吴羽翔（1993-），男，汉族，江西南昌人，中国人民公安大学2011级网络安全与执法专业本科生；主要研究方向和关注领域：信息网络安全。endprint

【摘要】近年来，新浪微博逐渐成为大量网络舆论的聚集地，许多网络事件均在新浪微博上产生或是扩散，在这些事件中，只要处置不当便会造成严重的后果。如何科学地疏导微博舆情已经成为摆在各级政府面前的一道难题。本文利用系统动力学原理，针对新浪微博上的网络舆情发展进行建模，通过系统动力学模型分析相关因素之间复杂的反馈关系，并进行仿真测试，为微博舆情引导提供有力的帮助。

【关键词】系统动力学；微博舆情；建模

1引言

系统动力学（System Dynamics）以系统思考为理论基础，融进了计算机仿真模型，研究系统行为与内在机制间的相互紧密的依赖关系。系统动力学模型的基本组成包括“流”与“元素”。在网络舆情研究中，一个网络事件的整体发展过程可以形成一个系统动力学模型，整个事件的影响与规模视作一个“状态变量”，事件的发展是一个“流”，随着“流”的不断运动，事件影响这一“状态变量”将进行积累与损耗，由此可以描述事件从产生到高潮再到最后收尾的整个过程。

近几年来，新浪微博已逐渐成为大量网络舆论的聚集地，许多网络事件均在新浪微博上产生或是扩散。通过分析一些微博热点事件发展过程，总结归纳网络事件的发展受哪些因素的影响，通过建立微博舆情的系统动力学发展模型，可以模拟微博上非常规性突发事件的演变过程与系统内作用机制，来寻求针对微博热点事件进行疏导的最佳解决方案。

2基于系统动力学的微博舆论发展模型

2.1模型建立

2.1.1边界确定与基本假设

研究主体是网络热点事件在新浪微博上的发展演变过程与舆情作用机制。整个模型分为五个子系统，分别是微博、网民、媒体、政府及事件本身，其高层关系图如图1所示。

各个主体间相互影响导致微博事件热度的增加与减少。在此，我们做出模型中的一个重要假设，因为我们的研究目的是寻求对微博热点事件的干预方法，因此我们假设在模型中，政府的行为是完全“可控”的，即在模型中政府不会“自动地”对其他子系统的行为产生反馈，政府的一切行动与策略完全来自外部输入数据。因此，在图中代表政府的过程框可指向其他过程框，但没有指向政府的过程框。整个模型如图2所示。

2.2子系统内部流图分析

2.2.1事件子系统

事件子系统是整个模型的核心系统，其包含一个流位变量和两个流位速率变量。其反映的是微博事件热度，由于事件热度增加速率与减少速率不同，事件的热度会持续变化。

2.2.2微博子系统

该子系统的两个流位变量分别表示微博平台上与事件有关的热门微博数量及热门微博转发量（该转发量指的是宏观上的，所有与该事件有关的微博的转发量），热门微博的数量将影响微博转发速率，同时，微博数量与微博转发量将同时影响一个辅助变量“微博舆论效应”，该变量表示事件相关微博对整个事件的影响力。

2.2.3网民子系统

该子系统表示的是各类网民对事件的关注对事件热度产生的影响。这一子系统是微博子系统的补充。有时候，有些人虽然没有直接参与发布事件相关微博，但也在关注此事从而造成潜在影响。

2.2.4媒体子系统

媒体子系统包含“传统媒体关注”与“门户网站关注”两个流位变量，其作用机制类似于“网民子系统”。两种媒体由于其受众与影响力不同，在计算对微博事件产生的影响时要使用不同的算法。

2.2.5政府子系统

该子系统表现的是政府在网络事件中所进行的干预与引导手段。“舆论干预策略”这一辅助变量是由外部输入的，表示政府在该事件中采取何种方式对事件进行干预，它将影响“官方回应程度”与“舆论管控”这两个流位变量的增长与减少速率。通过输入不同的策略，我们可以观察它对事件整体产生的影响。

2.3高层结构间反馈分析

回顾前面所给出的五个子系统间的高层关系图，我们会发现不同系统间会相互影响，对此我们进行逐一分析。

2.3.1官方子系统

根据我们的假设，官方子系统不接受来自其他系统的反馈，只接受官方本身所做出的干预策略，这表现了一种政府不受干扰根据情况理智作出干预决策的理想状况，在此我们暂时假设它成立。在该子系统中，官方公信力这一变量将影响媒体子系统中的“媒体影响力”，网民子系统中的“网民关注”与微博子系统中“热门微博增加速率”与“热门微博转发率”，同时它还直接影响事件系统中事件热度的增加与减少速率。

该子系统中另一个值得注意的地方是“舆论管控”变量，该变量的增加可以降低微博子系统中“热门微博增加速率”与“热门微博转发率”——删帖与屏蔽关键词可以轻松地让平台上的相关微博消失，但它同时也会对网民的态度及媒体报道造成一些负面影响，因此它还连接着媒体子系统和网民子系统。

2.3.2微博子系统

在微博子系统中，“微博舆论效应”变量将会同时对事件、媒体、网民三个子系统造成影响。相关微博的增加会使得事件进一步升温，同时，它也会引起传统媒体及门户网站的关注，而相关微博的出现也使得更多网民对事件进行关注，从另一个方面对事件本身产生影响。

2.3.3网民子系统

网民子系统中有两个对外影响，首先是“网民关注”这一辅助变量将影响事件热度的增加速率，同时“理性网民关注”将会影响事件热度的减少速率。

2.3.4媒体子系统

媒体子系统中“媒体报道”这一辅助变量将影响微博子系统中热门微博增加速率（媒体的报道可能会让网民想出新的段子），同时还会对事件产生直接影响。因为本文研究的是微博平台的舆论发展模型，因此不考虑传统媒体对网民的直接影响。

2.3.5事件子系统

在该子系统中，事件热度这一流位变量将影响微博、媒体、网民三个子系统。这是因为，网民、微博、媒体在影响事件时，反过来也受着事件的影响。例如，在事件很热门的时候，网民会跟风发微博，新的段子会不断出现，而媒体也会持续关注。但当事件冷下来的时候，相关人员的关注度也会降低。

3结束语

微博舆情发展是一个动态过程，其中有着复杂的非线性反馈关系。通过系统动力学的手段建立相关模型，对了解微博舆情发展有着重要参考价值，为今后网络舆论预警与处置系统的建立打下了基础。

参考文献

[1] Isee Systems. An Introduction to Systems Thinking[M]. Isee Systems， 2004.

[2] 张一文， 齐佳音， 马 君， 方滨兴. 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（9）.

[3] 张建红， 钟永光， 张海珍等. 地方政府应对网络舆情能力的系统动力学研究[J]. 情报探索， 2012 （11）： 12-14.

作者简介：

吴羽翔（1993-），男，汉族，江西南昌人，中国人民公安大学2011级网络安全与执法专业本科生；主要研究方向和关注领域：信息网络安全。endprint

【摘要】近年来，新浪微博逐渐成为大量网络舆论的聚集地，许多网络事件均在新浪微博上产生或是扩散，在这些事件中，只要处置不当便会造成严重的后果。如何科学地疏导微博舆情已经成为摆在各级政府面前的一道难题。本文利用系统动力学原理，针对新浪微博上的网络舆情发展进行建模，通过系统动力学模型分析相关因素之间复杂的反馈关系，并进行仿真测试，为微博舆情引导提供有力的帮助。

【关键词】系统动力学；微博舆情；建模

1引言

系统动力学（System Dynamics）以系统思考为理论基础，融进了计算机仿真模型，研究系统行为与内在机制间的相互紧密的依赖关系。系统动力学模型的基本组成包括“流”与“元素”。在网络舆情研究中，一个网络事件的整体发展过程可以形成一个系统动力学模型，整个事件的影响与规模视作一个“状态变量”，事件的发展是一个“流”，随着“流”的不断运动，事件影响这一“状态变量”将进行积累与损耗，由此可以描述事件从产生到高潮再到最后收尾的整个过程。

近几年来，新浪微博已逐渐成为大量网络舆论的聚集地，许多网络事件均在新浪微博上产生或是扩散。通过分析一些微博热点事件发展过程，总结归纳网络事件的发展受哪些因素的影响，通过建立微博舆情的系统动力学发展模型，可以模拟微博上非常规性突发事件的演变过程与系统内作用机制，来寻求针对微博热点事件进行疏导的最佳解决方案。

2基于系统动力学的微博舆论发展模型

2.1模型建立

2.1.1边界确定与基本假设

研究主体是网络热点事件在新浪微博上的发展演变过程与舆情作用机制。整个模型分为五个子系统，分别是微博、网民、媒体、政府及事件本身，其高层关系图如图1所示。

各个主体间相互影响导致微博事件热度的增加与减少。在此，我们做出模型中的一个重要假设，因为我们的研究目的是寻求对微博热点事件的干预方法，因此我们假设在模型中，政府的行为是完全“可控”的，即在模型中政府不会“自动地”对其他子系统的行为产生反馈，政府的一切行动与策略完全来自外部输入数据。因此，在图中代表政府的过程框可指向其他过程框，但没有指向政府的过程框。整个模型如图2所示。

2.2子系统内部流图分析

2.2.1事件子系统

事件子系统是整个模型的核心系统，其包含一个流位变量和两个流位速率变量。其反映的是微博事件热度，由于事件热度增加速率与减少速率不同，事件的热度会持续变化。

2.2.2微博子系统

该子系统的两个流位变量分别表示微博平台上与事件有关的热门微博数量及热门微博转发量（该转发量指的是宏观上的，所有与该事件有关的微博的转发量），热门微博的数量将影响微博转发速率，同时，微博数量与微博转发量将同时影响一个辅助变量“微博舆论效应”，该变量表示事件相关微博对整个事件的影响力。

2.2.3网民子系统

该子系统表示的是各类网民对事件的关注对事件热度产生的影响。这一子系统是微博子系统的补充。有时候，有些人虽然没有直接参与发布事件相关微博，但也在关注此事从而造成潜在影响。

2.2.4媒体子系统

媒体子系统包含“传统媒体关注”与“门户网站关注”两个流位变量，其作用机制类似于“网民子系统”。两种媒体由于其受众与影响力不同，在计算对微博事件产生的影响时要使用不同的算法。

2.2.5政府子系统

该子系统表现的是政府在网络事件中所进行的干预与引导手段。“舆论干预策略”这一辅助变量是由外部输入的，表示政府在该事件中采取何种方式对事件进行干预，它将影响“官方回应程度”与“舆论管控”这两个流位变量的增长与减少速率。通过输入不同的策略，我们可以观察它对事件整体产生的影响。

2.3高层结构间反馈分析

回顾前面所给出的五个子系统间的高层关系图，我们会发现不同系统间会相互影响，对此我们进行逐一分析。

2.3.1官方子系统

根据我们的假设，官方子系统不接受来自其他系统的反馈，只接受官方本身所做出的干预策略，这表现了一种政府不受干扰根据情况理智作出干预决策的理想状况，在此我们暂时假设它成立。在该子系统中，官方公信力这一变量将影响媒体子系统中的“媒体影响力”，网民子系统中的“网民关注”与微博子系统中“热门微博增加速率”与“热门微博转发率”，同时它还直接影响事件系统中事件热度的增加与减少速率。

该子系统中另一个值得注意的地方是“舆论管控”变量，该变量的增加可以降低微博子系统中“热门微博增加速率”与“热门微博转发率”——删帖与屏蔽关键词可以轻松地让平台上的相关微博消失，但它同时也会对网民的态度及媒体报道造成一些负面影响，因此它还连接着媒体子系统和网民子系统。

2.3.2微博子系统

在微博子系统中，“微博舆论效应”变量将会同时对事件、媒体、网民三个子系统造成影响。相关微博的增加会使得事件进一步升温，同时，它也会引起传统媒体及门户网站的关注，而相关微博的出现也使得更多网民对事件进行关注，从另一个方面对事件本身产生影响。

2.3.3网民子系统

网民子系统中有两个对外影响，首先是“网民关注”这一辅助变量将影响事件热度的增加速率，同时“理性网民关注”将会影响事件热度的减少速率。

2.3.4媒体子系统

媒体子系统中“媒体报道”这一辅助变量将影响微博子系统中热门微博增加速率（媒体的报道可能会让网民想出新的段子），同时还会对事件产生直接影响。因为本文研究的是微博平台的舆论发展模型，因此不考虑传统媒体对网民的直接影响。

2.3.5事件子系统

在该子系统中，事件热度这一流位变量将影响微博、媒体、网民三个子系统。这是因为，网民、微博、媒体在影响事件时，反过来也受着事件的影响。例如，在事件很热门的时候，网民会跟风发微博，新的段子会不断出现，而媒体也会持续关注。但当事件冷下来的时候，相关人员的关注度也会降低。

3结束语

微博舆情发展是一个动态过程，其中有着复杂的非线性反馈关系。通过系统动力学的手段建立相关模型，对了解微博舆情发展有着重要参考价值，为今后网络舆论预警与处置系统的建立打下了基础。

参考文献

[1] Isee Systems. An Introduction to Systems Thinking[M]. Isee Systems， 2004.

[2] 张一文， 齐佳音， 马 君， 方滨兴. 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（9）.

[3] 张建红， 钟永光， 张海珍等. 地方政府应对网络舆情能力的系统动力学研究[J]. 情报探索， 2012 （11）： 12-14.

作者简介：

吴羽翔（1993-），男，汉族，江西南昌人，中国人民公安大学2011级网络安全与执法专业本科生；主要研究方向和关注领域：信息网络安全。endprint