蚁群算法在网络文学IP开发选择中的应用研究

张博瑶

摘 要 网络文学作品选择是IP顺利开发的前提和基础。文章提出了利用蚁群算法，结合读者对作品的访问时长以及读者兴趣度，并将已经成功开发的作品作为参考基准，通过对精英蚂蚁数量、信息素更新规则以及各项参数进行分析研究，预测出具有优先开发价值的网络文学IP。

关键词 网络文学；IP开发；蚁群算法

中图分类号 G2 文献标识码 A 文章编号 2096-0360（2020）21-0020-04

基金项目：2020年度上海市教育科研项目“嵌入与协同：五育融合视角下高校美育育人模式创新研究”。

CNNIC第45次中国互联网络发展状况统计报告指出，截至2020年3月，我国网络文学用户规模达4.55亿[ 1 ]。相较于传统文学受到出版发行、价值体现等方面的限制，网络文学在更大程度上满足了人们通过网络自我认知和自我表达的愿望，也更加贴合大众文化的特点和时代特征。近年来，许多经典IP的开发让网络文学受到了更广泛群体的关注。

网络文学作品“IP开发”中的IP（Intelligent Property）可以理解为“知识产权”，指 “能被改编、再创作且能为市场所接受的智力成果权内容”[2]。伴随着移动网络的普及和移动网络传播的发展，网络文学与影视剧、广播剧、游戏、动漫以及周边产品产业持续开展深度合作，网络文学正在移动互联的基础上向IP互通进发。但网络文学作品受到自身特点、发展阶段、版权产业大环境以及资本介入等多方面的影响，对于如何选出有开发价值的作品还处于探索阶段。网络文学作品IP版权纷繁复杂的售卖形式以及资本的购买囤积不仅阻碍了资源的合理配置，还会给整个网络文学原创市场的长期发展带来负面影响。因此，在合理利用资源的同时优先从海量作品中找到值得开发的IP十分重要。

1 算法

蚁群算法（Ant Colony Algorithm）是由意大利学者Dorigo M等人[3]于20世纪90年代初期受到自然界中真实蚂蚁觅食行为启发而提出的一种仿生优化算法。蚁群算法最早应用于旅行商问题（Traveling Salesman Problem，TSP），源于对真实蚂蚁觅食行为的模拟。蚂蚁在觅食过程中，会在走过的路径上留下可以被任意蚂蚁感知的挥发性物质——信息素。在不断寻找食物的过程中，蚂蚁走过的路径越短，留在上面的信息素浓度就越高，其他蚂蚁选择该路径的概率就越大；反之，则其他蚂蚁选择该路径的概率越小；这就在蚁群的个体协作之间形成了一种正反馈机制。较短路径上积累的信息素越来越多，其余路径上的信息素则随时间的推移不断挥发，最终整个蚁群找到巢穴与食物之间的最优路径。

2 基于蚁群算法的IP选择

网络文学享受着技术和时代带来的流量和内容红利，但浩如烟海的作品数量和参差不齐的作品质量拖住了网络文学IP开发的脚步。甄别和筛选有潜力的作品，提高IP开发效率，避免资源浪费，为IP开发者选择作品提供了重要的决策依据。判断作品是否具备开发条件，一方面可以通过读者的阅读总时长、读者对作品的感兴趣程度等要素判断当前阅读市场的偏好信息，另一方面可将符合市场偏好的作品与已成功开发的案例进行对照，分析作品IP开发成功的可能性。

2.1 问题描述

我们可以把读者看作人工蚂蚁，人工蚂蚁之间通过信息素进行交流。与真实蚁群相比，人工蚁群的优势包括：人工蚂蚁具有记忆功能，在选择路径的过程中不是完全盲目的；人工蚂蚁生活在离散的时间和环境中，符合网络文学读者的一般特征。每只蚂蚁在初始时都携带等量的信息素，开始寻找自己感兴趣的网络文学作品，即“食物”。一只蚂蚁在路过每个节点的过程中都会留下一定量的信息素，信息素残留的多少体现了蚂蚁对“食物”的感兴趣程度。在本文中，留存的信息素浓度越高，就表示读者对这篇作品的感兴趣程度越高。若对该作品感兴趣程度高的读者数量达到一定规模，就可初步判断该作品更有开发价值。

2.2 影响因素

2.2.1 阅读时长

第六步：信息素的局部更新。根据公式（7）、（8）、（9）计算在完成一次搜索后路径上更新的信息素。

第七步：记录本次循环中所有蚂蚁走过路径中的最优路径并确定精英蚂蚁的数量，根据公式（10）和（11）更新全局信息素。

第八步：輸出结果。继续循环，直到找到全局最优解或达到最大迭代次数NCmax，将最优解代表的作品及其最新信息提供给IP供应商，由供应商根据推荐集合进行结合市场动态进行进一步开发。

3 结论

网络文学IP开发源于优秀的作品质量，却不止于此。作品在故事性、节奏感、共鸣体验以及粉丝支持度等方形成合力，才能共同促成网络文学IP的成功开发。把握好源头，有效地判断网络文学作品IP开发的可能性是提高资本使用效率，营造健康IP产业链的前提和基础。本文利用蚁群算法，结合其并行性、鲁棒性、正反馈性等特征，为筛选出直观上具有IP开发价值的作品提供了较为客观的评价方法。

参考文献

[1]中国互联网络信息中心.第45次《中国互联网络发展状况统计报告》[EB/OL].[2020-04-28].http：// www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/202004/ t20200428_70974.html.

[2]秦枫，周荣庭.网络文学IP运营与影视产业发展[J].科技与出版，2017（3）：23-28.

[3]Dorigo M，Maniezzo V，Colorni A.Ant system：Optimization by a colony of cooperating agents[J].IEEE Transactions on Systems Man and Cybernetics，Part B Cybernetics，1996，26（1）：1-13.

[4]汤俏.网络文学IP热研究[J].当代文坛，2018（5）：147-153.

[5]李根，李航，张帅阳，等.基于蚁群算法的最优路径规划及参数研究[J].中国科技论文，2018（8）：1909-1914.

[6]吴晓明.网络文学创作述论[J].湛江师范学院学报（哲学社会科学版），2000（12）：58-65.

[7]乔东平，裴杰，肖艳秋，等.蚁群算法及其应用综述[J].软件导刊，2017，16（12）：217-221.

[8]孙弋，胡粔珲.基于遗传—蚁群混合算法的排课系统[J].计算机系统应用，2019，28（2）：81-86.

[9]周志雄，刘振玲.网络文学IP热的理论思考[J].社会科学，2019（l）：181-191.