基于博弈的舆情信息仿真研究

江 耘，罗建娣

（南昌大学 管理学院，江西 南昌330031）

基于博弈的舆情信息仿真研究

江 耘，罗建娣

（南昌大学 管理学院，江西 南昌330031）

互联网的开放性、匿名性特点，使得政府在应对网络舆情传播时面临高度的不确定性。本研究使用不完全信息动态博弈理论，模拟政府和网民之间的舆情信息博弈过程，建立了舆情信息博弈模型。该模型引入了网民的个人认知能力和社会信息共享程度等因素，描述网民在每一次博弈中修正对政府行为的判断并做出自己的最优选择，预测政府干预网络舆情的最佳时机，最后运用NetLogo计算机软件对此模型进行仿真，验证了模型的有效性和可靠性。仿真结果表明：突发事件的社会信息共享程度和网民的认知能力对舆情信息的发展、走向起着至关重要的作用，所以突发事件发生后政府应果断介入，发布权威信息尽早引导网民，掌控舆情信息的传播方向。

舆情信息；不完全信息动态博弈；Netlogo仿真

引言

伴随着中国网民队伍的日益壮大，互联网已经成为中国社会舆论的重要发源地，越来越多的公众借助互联网发泄情绪、表达态度和发表见解。人民网舆情监测室发布了《2014年中国互联网舆情蓝皮书》，指出2014年中国互联网舆情，是在中国共产党和政府严厉反腐、深化改革的鼓点正酣中展开的。在这种“高压态势”下，互联网舆论场在继续扩张的同时，出现了从严管理的新局面。一方面，微信取代微博，成为当下经济发达地区民众的首要信息渠道和社交平台，新闻客户端也开始影响一部分人群的信息获取；另一方面，随着互联网相关法律法规的逐步完备、网站平台管理的加强，以及网民自律与社会公序良俗的约束，网络舆论的总体压力有所减轻，但社会转型期的各种利益诉求并未消减，在某些突发事件和热点议题中甚至还呈现出爆发态势［1］。网络舆情发展呈现出新特征，主要表现在：本届中央政府改革力度大、反腐效果好，网民对体制的向心力有显著提升；经济发展过程中的环境保护和居民健康问题，受到全社会持续关注；暴力恐怖事件和恶性犯罪引发社会不安；公众人物的失德事件近年来持续发酵，转型期社会的道德伦理引发社会反思；中国大陆以外的地区舆情越来越多地受到中国内地网民的关注。

面对社会经济发展的新常态，网络环境的新变化和微博、微信等社交媒体的广泛应用，挖掘舆情信息的新传播规律迫在眉睫。只有不断完善网络舆情理论体系，才能更好地进行舆情引导、监测、预警和预控，实现网民友好参政、政民关系协调和构建和谐社会的宏伟目标。

本研究运用不完全信息动态博弈中的信号博弈理论，对网络舆情建立了舆情信息传播的不完全信息动态博弈模型。最后，利用NetLogo计算机软件对此模型进行仿真，验证了模型的有效性和可靠性，仿真结果对于政府更好地治理突发事件的网络舆情传播具有较好的现实指导意义。

目前常用的网络舆情建模的方法主要有以下几种：（1）元胞自动机模型；（2）复杂网络理论；（3）概率统计模型和隐马尔可夫模型；（4）多Agent系统模型；（5）动力系统理论；（6）协同学；（7）博弈论。每种建模方法的研究对象各有侧重，如动力系统理论更适用于舆情事件的发展状态建模，元胞自动机模型与多Agent系统模型更适用于舆情主体的行为建模等。本研究主要基于不完全信息动态博弈理论，针对政府与网民之间的舆情信息互动博弈建模，并利用NetLogo软件进行仿真，验证该模型的有效性和可靠性。

一、文献综述

国内对网络舆情的研究主要从三个方面展开。

一是从传播学的角度，研究舆情信息的基础理论体系，综合社会学、心理学和管理学等，不断更新和深化舆情信息的知识框架，为舆情分析技术和管控机制等提供更可靠、更丰富的基础知识。戴维民在《我国网络舆情信息工作现状及对策思考》中指出，我国舆情信息呈现新的发展态势——舆情热点事件不断攀升，社交媒体的链式传播趋于独立等，网络舆情监督工作面临新的问题。孙亦祥在《网络舆情信息传播视域中传播效果理论的嬗变与思考》中提出，经典的传播效果理论受到新的冲击，需要重新审视现状和构建新的理论体系，使之与现有舆情信息的传播相适应［2］。

二是在以微博为主的复杂网络环境中，研究舆情信息的传播模型和规律，实现对在新媒体下发生改革性影响的舆情信息传播的有效控制。朱恒民在《面向话题衍生性的微博网络舆情传播模型研究》中面对微博舆情的新挑战，提出了舆情传播的SIRS模型，该模型综合考虑微博的传播特性和舆情话题的衍生性等因素，更加符合微博舆情信息“裂变式”的传播模式［3］。魏超在《新媒体技术发展对网络舆情信息工作的影响研究》中提出，新媒体技术不断发展，舆情传播模式也随之发生巨大的变化，对这两者之间新关系的探索对网络舆情分析和监控系统的研究有着重要的意义［4］。

三是从网络参政和创新管理的角度出发，采用不同的手段研究舆情信息更加逼真的传播过程，从而捕捉政府的最佳干涉时机，引导网民和谐参政，促进友好民主，推动政府网络管理制度的创新。方薇在《采用元胞自动机的网络舆情传播模型研究》中运用相应的理论构建舆情传播模型，并利用计算机软件仿真证实模型的有效性［5］。兰月新在《突发事件网络舆情传播规律与预警阶段研究》中研究了舆情传播的潜伏期、扩散期和消退期的规律，指引网络舆情预警的研究方向。研究指出预警要有针对性，在不同传播阶段，预警类型也不同；信息传播的提速，促使预警要更快，否则难以反映当前状态［6］。谌楠在《网络舆情政府干预最佳点选择的研究》中基于动态舆论演化博弈模型，探讨政府进入舆情传播不同时机的优劣，提出社会福利博弈模型，发现小世界性更有利于信息的共享而使舆情传播的态势趋于平稳和明朗［7］。

上述研究运用元胞自动机的理论重在研究中心元胞对周边元胞的影响，即网民之间的相互影响对舆情信息传播的影响；运用动态舆论演化博弈的模型重在探讨政府进入舆情传播不同时机的优劣。本研究则引入社会信息共享程度和网民的认知能力两个因素，考察舆情信息传播过程中网民与政府博弈的过程。

国外涉及民意的主要研究有：民意调查的技术和方法、民意与选举、民意与宣传和民意与社会阶层的选举。

二、舆情信息传播中不完全信息动态博弈理论概述

博弈论研究决策主体的行为发生直接相互作用时候的决策以及这种决策的均衡问题。不完全信息动态博弈是指参与人在不完全知道其他参与人的私有特征条件下的行为决策，且博弈方的行为有先后顺序。

在不完全信息动态博弈中，有一类广泛应用叫信号博弈。信号博弈是指“领头者—追随者”博弈，其中只有领头者具有私人信息。领头者先行动，追随者后选择自己的行动，其中，追随者可以观察到领头者的行动，但是无法得知领头者的类型。信号博弈中有两个参与者，一个是发送方S，一个是接收方R，这种博弈的后行动者对先行动者会有对其私有特征的概率的判断，我们称之为先验概率，当先行动者行动后，后行动者会根据自己观察到的结果，调整自己对先行动者私有特征的判断，再选择自己的行为策略。

这些符合网络舆情传播过程中政府和网民的行为特征。政府和网民在此博弈中是理性参与人，网民向政府投诉时，政府必须考虑满足网民诉求要付出的直接成本和总体社会效益，而网民则会综合考虑所获利益和成本，选择是否支持政府，从而表现出积极响应还是消极应付。因此，本研究选择使用不完全信息动态博弈理论分析政府和网民在舆情信息传播中的博弈并建模。

三、舆情信息传播中的不完全信息动态博弈

（一）博弈策略的描述

假设政府和网民在此博弈中是理性参与人。假设A表示政府，B表示网民，U表示博弈收益。根据上述分析，A的博弈策略主要是{公开，不公开}，即是否公开信息，B的博弈策略主要是{积极，消极}，即网民是积极支持政府的言论还是消极应对。该策略下的博弈树如图1所示。

该图显示“自然”N选择政府所属的类型，先验概率为p，p1、p2、q1、q2分别是采取相应行动的概率，博弈收益E如下：

（1）当参与人A对B采取公开信息的策略时：若B对A的策略比较满意并表现积极，则B的收益为r，而A的收益由博弈收益r和本次博弈所付出的成本c共同组成，即r-c；若B对A的策略不满意并表现消极，则B的收益为0，而A的收益为-c。

图1 政府A和网民B的博弈树

（2）当参与人A对B采取拒接诉求不公开信息策略时：若B盲目表现积极，则B损失，博弈收益用-r表示，而A的博弈收益为r；若B表现消极，则博弈收益为0，而A的博弈收益为0。

在上述策略下，对博弈方的状态变化有以下分析：若A采取公开策略的概率是p1，B在预测政府类型的概率是p的前提下，采取积极的行动的概率为q1，假设EA表示公开情况下的收益，表示拒绝公开情况下的收益，表示平均收益。则可以得出：

假设EB表示网民积极表现的情况下的收益，表示网民消极表现的情况下的收益，表示网民的平均收益。则可以得出：

（二）舆情信息传播的建模

假设面对突发事件时，政府的表现分为两种类型：一种是能快速响应，积极应对；另一种是反应迟钝，应对不力。而网民在政府行动后，表现出积极和消极两种行为。

为了更好地描述舆情信息传播的数学模型，有以下定义：θ表示政府的类型，m表示政府采取的行动，a表示网民表现的行为，p为先验概率，a*(m)表示在给定的后验概率p′前提下，网民对政府的行动做出的最优表现，m*(θ)表示预测到网民的最优表现，政府选择的最佳措施，p1表示类型θ的政府采取行动m的概率，p2表示类型θ′的政府采取行动m的概率，表示政府的收益函数，表示网民的收益函数。达到不完全信息动态博弈的均衡，即贝叶斯纳什均衡，需要满足以下条件：

四、仿真实验及其讨论

（一）实验主体及其属性设置描述

通过NetLogo软件对提出的舆情信息传播的博弈模型进行仿真，实验主体分为三类：observer、patches、turtles。二维的世界划分为patches组成的网格，turtles能够在此世界自由移动，observer是全局主体，观察turtles和patches组成的世界，三者关系如图2所示。

图2 NetLogo三类主体

patches的u1变量表示政府的博弈收益，即u3表示后验概率下网民的博弈收益，即。

Turtles中定义两种类型的主体govs和citis，分别代表政府和网民，turtles的变量有vx表示在x方向的速度，vy表示在y方向的速度，u11和u33分别表示政府和网民在二维世界中的博弈收益，personal-best-u、personal-best-x、personal-best-y分别表示turtles局部最优收益、局部最优收益的x轴和y轴坐标。

全局变量 global-best-u、global-best-x、globalbest-y则表示全局最优值、全局最优值的x轴和y轴坐标。

（二）实验算法

NetLogo模型包括可视化部件和程序两部分，两者关系密切。界面中每一个控件在Procedures中都有相应的实现代码，联系二者的桥梁则是控件中设置的属性。

其中，模型的程序中，仿真的推进至少需要初始化程序和仿真执行程序。

初始化程序即to setup实现对模型初始状态的设置，生成所需的turtles，设置其状态。首先初始化patches相应的属性值，然后创建两种生物govs、citis，并将它们随机分布在空间中，设置形状、颜色、大小和变量的值。

部分仿真算法如下：

仿真的执行通过to go程序实现。部分仿真算法如下：

（三）实验仿真结果及其分析

下面，在假设数据的基础上进行试验结果分析，其中r代表收益，c表示成本，p是先验概率，inertia则表示网民或政府对之前自己行为的记忆或者网民从众行为的系数，landscape-smoothness表示turtles采取某行动的概率分摊给8个邻居的指令被执行的次数，可使p1、p2、q1、q2参数具有随机性。先验概率p是指根据以往的经验和分析所得出的概率，本实验具体指的是网民认为政府属于虚心纳谏类型的概率，后验概率p′是指网民通过观察政府所采取的行动，并使用贝叶斯法则修正先验概率p得出的政府属于虚心纳谏类型的概率。

在实验一中，初始化设置是r=95，c=87，p=0.16，inertia=0.33，landscape-smoothness=16，initial-numbergovs=150,initial-number-citis=150,speed-limit=2, attraction-to-personal-best=0.3,attraction-to-globalbest=0.3，如图3至图6所示。

图3 仿真初始化界面（左）与进行后的界面（右）

图4 政府博弈收益

图5 网民博弈收益

图6 patches中相关概率变化

在实验二中，初始化设置是r=25，c=18，p=0.16，inertia=0.33，landscape-smoothness=16，initial-numbergovs=150,initial-number-citis=150,speed-limit=2, attraction-to-personal-best=0.3，attraction-to-globalbest=0.3，如图7至图9所示。

图7 仿真初始化界面（左）与进行后的界面（右）

图8 政府博弈收益

图9 网民博弈收益

实验一与实验二对比，是比较博弈收益和成本的高与低性质的博弈情况。仿真表明：当进行低博弈收益、低成本的博弈时，舆情信息的传播进入热议阶段的时间更短，各大危机关口频频爆发，网民分歧较大，总体难以达到贝叶斯纳什均衡，政府的博弈收益相对较稳定。因此，在这种情况下，尽早引导网民、控制舆情信息的传播则可避免更大的不可预测的突发事件发生。而在高博弈收益、高成本的博弈情况下，舆情信息传播前期基本稳定，有足够的时间平息民愤、疏导网民心理障碍。

在实验三中，初始化设置是r=95，c=87，p=0.16，inertia=0.33，landscape-smoothness=16，initial-numbergovs=385,initial-number-citis=414,speed-limit=2, attraction-to-personal-best=0.3，attraction-to-globalbest=0.3，如图10至图12所示。

图10 仿真初始化界面（左）与进行后界面（右）

图11 政府博弈收益

图12 网民博弈收益

实验一和实验三对比，主要比较政府和网民规模的博弈情况。比较相应的博弈收益曲线图发现：网民规模愈大，博弈收益的落差愈大。若突发事件处理不当，政府在舆情信息传播的后期付出的代价就更高。因此，政府需要关注对某一特定事件感兴趣的网民规模，时刻注意舆情信息传播的每一个关口，以防出现汹涌的舆情对线下社会的冲击。

在实验四中，初始化设置是r=95，c=87，p=0.16，inertia=0.33，landscape-smoothness=16，initial-numbergovs=150,initial-number-citis=150,speed-limit=2, attraction-to-personal-best=0.3,attraction-to-globalbest=0.3，如图13、图14所示。

图13 仿真初始化界面（左）与进行后的界面（右）

图14 patches中相关概率变化

实验一和实验四对比，是比较在舆情信息传播时间长短不同的前提下后验概率变化的博弈情况。比较相应的博弈相关概率曲线图发现：在先验概率比较小的前提下，后验概率的变化呈现先增大后减小的趋势。在某突发事件持续的时间比较长的前提下，说明以下两种情况。第一，若是网民的消极情绪占上风，政府应该在后验概率提高之前，采取积极的行动来平息突发事件，防止网民情绪失控；若是网民的积极情绪占上风，政府应该在后验概率降低之前，尽快妥当处理好突发事件，这比在后验概率降低之后处理事件付出的成本更小。第二，网民对政府类型判定的先验概率随着网络舆情事件的演变和政府采取的行动不断发生着变化：若是判定政府接受意见的可能性比较小，政府要处理好突发事件必定要做部分真相的信息公开、充分考虑民情，以便引导网民对政府的正确判定，使得后验概率降低；若是判定政府属于虚心纳谏型的可能性较小时，政府则要做出更大的努力，在公开真相的同时消灭四起的谣言，保持高后验概率。

在实验五中，初始化设置是r=95，c=87，p=0.16，inertia=0.33，landscape-smoothness=16，initial-numbergovs=150,initial-number-citis=150,speed-limit=2, attraction-to-personal-best=0.9，attraction-to-globalbest=0.9，如图15至图17所示。

图15 仿真初始化界面（左）与进行后的界面（右）

图16 政府博弈收益

图17 网民博弈收益

实验一和实验五对比，主要比较在舆情信息传播中个人认知能力和社会信息共享程度都较高的博弈情况。比较相应的博弈收益曲线图发现：在个人认知能力较强和社会信息共享程度较高的前提下，舆情信息传播初期，政府和网民的博弈收益都比较平稳；而后期主要表现为博弈收益剧升，两者对事件处理方法的满意程度皆高。

在实验六中，初始化设置是r=95，c=87，p=0.16，inertia=0.33，landscape-smoothness=16，initial-numbergovs=150,initial-number-citis=150,speed-limit=2, attraction-to-personal-best=0.3,attraction-to-globalbest=0.9，如图18至图20所示。

图18 仿真初始化界面（左）与进行后的界面（右）

图19 政府博弈收益

图20 网民博弈收益

实验一、实验五和实验六对比，主要比较在舆情信息传播中个人认知能力较低，而社会信息共享程度较高的博弈情况。比较相应的博弈收益曲线图发现：与实验一相比，社会信息共享程度的提高，对政府博弈收益的影响并不大，但是网民高收益的时机来临得更快。因此，若想尽快平息突发事件，可提高社会信息的共享程度，以提高网民的博弈收益。与实验五相比，可发现在舆情信息传播中，社会信息共享程度比个人认知能力对网民博弈收益的影响更大。

在实验七中，初始化设置是r=95，c=87，p=0.16，inertia=0.33，landscape-smoothness=16，initial-numbergovs=15,initial-number-citis=150,speed-limit=2, attraction-to-personal-best=0.9,attraction-to-globalbest=0.3，如图21至图23所示。

图21 仿真初始化界面（左）与进行后的界面（右）

图22 政府博弈收益

图23 网民博弈收益

实验一和实验七对比，主要比较在舆情信息传播中个人认知能力较高，而社会信息共享程度较低的博弈情况。比较相应的博弈收益曲线图发现：在个人认知能力较高的情况下，政府的博弈收益波动较大，网民在对信息进行整合和自主分析之后，人云亦云的现象减少，呈现积极的可能性更大。

五、结论

本研究将不完全信息动态博弈理论运用到政府和网民之间信息的传播过程中，建立舆情信息传播的模型，详细讨论了模型中不同情况下舆情信息传播过程的态势，提出了相对应的应对方案，不但进一步完善了现有的舆情理论知识体系，而且更加准确地模拟了现实中的舆情信息传播过程。

从仿真结果中可以得出以下三点结论：

第一，当突发事件初起时，对这一特定事件感兴趣的网民规模大会导致将舆情信息的传播推入热议阶段的时间更短，政府应果断介入，发布权威信息，尽早引导网民，掌控舆情信息的传播，避免更大的不可预测的事件发生。

第二，突发事件的社会信息共享程度和网民的认知能力对舆情信息发展、走向起着至关重要的作用。因此，面对突发事件，政府应采取相应的措施以达到不断提高人们的认知能力和社会信息共享程度的目标，从而扫除随波逐流、捕风捉影的现象。

第三，若突发事件网络舆情处理不当，政府在舆情信息传播的后期付出的代价就更高。因此，政府需要关注对某一特定事件感兴趣的网民规模，时刻注意舆情信息传播的每一个关口，以防出现严重的财产损失和社会动荡现象。

仿真实验证明，该模型解决舆情信息传播过程中出现的问题具有可行性，对网络舆情信息传播中的监测、引导、预警和控制工作有现实指导意义。

［1］殷辂.网络舆情事件的特点及治理之道——基于2014年河南省网络舆情事件的分析［J］.管理学刊,2015(4):60-65.

［2］孙亦祥.网络舆情信息传播视域中传播效果理论的嬗变与思考［J］.图书情报工作,2014(10):35-39.

［3］朱恒民,李青.面向话题衍生性的微博网络舆情传播模型研究［J］.现代图书情报技术,2012(5):60-64.

［4］魏超.新媒体技术发展对网络舆情信息工作的影响研究［J］.图书情报工作,2014(1):30-35.

［5］方薇,何留进,孙凯.采用元胞自动机的网络舆情传播模型研究［J］.计算机应用,2010(3):203-205.

［6］兰月新,曾润喜.突发事件网络舆情传播规律与预警阶段研究［J］.情报杂志,2013(5):78-84.

［7］谌楠.网络舆情政府干预最佳点选择的研究［J］.现代图书情报技术,2012(3):53-58.

【责任编辑 何 潇】

Simulation Study of the Public Opinion Information Based on Game Theory

JIANG Yun，LUO Jiandi
（School of Management,Nanchang University,Nanchang,Jiangxi，330031）

Due to the openness and anonymity of the internet,the government faces a high degree of uncertainty when responding to the public opinion on the internet.In this paper,we simulate a game process of public opinion information between government and the cyber citizens,and establish the information game model of public opinion based on incomplete information dynamic game theory. This model considers the factors like the cyber citizens'personal cognitive ability and the sharing degree of the social information and describes how the cyber citizens in every game adjust their judgment of the government's behavior and make their own optimal choice,which help to decide the best time for government to interfere in the network public opinion.Finally,this paper verifies the validity and reliability of the model by simulating this model with the software NetLogo.The simulation shows that the information sharing degree of the emergency and cognitive ability of the cyber citizens play a vital role in the development of the public information.So the government should intervene decisively after the emergency comes into being and should release the authoritative information as soon as possible in order to guide the cyber citizens and control the spread of the public opinion.

Public Opinion,Dynamic Game of Incomplete Information,NetLogo Simulation

G206

A

1674-6511（2016）02-0043-07

2015-12-29

江西省“十二五”规划项目（13TQ03）；江西省软科学研究计划项目（2014BBA10086）。

江耘（1970－），女，江西婺源人，南昌大学管理学院副教授，管理学博士，硕士生导师。研究方向：应急管理、信息经济学。罗建娣（1991-）,女，广东阳春人，南昌大学硕士研究生。研究方向：网络舆情。