融入用户群体行为的移动社交网络舆情传播动态演化模型研究

张继东 蒋丽萍

关键词：移动社交网络;舆情传播;用户群体行为;网络舆情;SEIR模型;群体规模;从众效应;社会强化效应

移动社交网络在人们日常生活中占据着越来越大的比重，网络信息的传播模式和传播速度也相应受到影响。移动社交网络中的信息传播真正实现了不受时空的限制，网民具备对热点事件不间断关注的条件，且能够随时转发分享，更容易在短时间内引爆热门话题。因此，移动环境下的舆情传播具备交互性更强、传播速度更快、影响范围更广的特点。此外，各类社交网络平台如微博、知乎、豆瓣等的普及性与便捷性降低了用户获取、评论、转发、传播信息的成本。网络的匿名性和隐藏性助长了网民以群体为掩护，依据自己的感受和喜好来发布情感信息的倾向，话题不受控制，甚至出现传播失真，造成更大的影响。由于网络意见对社会有着重大的影响，因此十分有必要对网络舆情的传播过程进行更加深入研究和分析。

由于移动社交网络的透明性.人们获取信息以及观察学习他人的意见和行为变得更加容易，特别是群体意见领袖的发声.会导致“沉默的螺旋”现象的出现.使得网络中的部分个体服从于群体意见或行为，甚至改变自己原有的意见和态度。本文基于经典SEIR模型.通过建立适用于移动社交网络的舆情信息传播模型，探讨群体规模、群体从众效应以及社会强化效应对网络信息传播过程的影响，以达到对社交网络中舆情信息传播与发展进程进行预测的目的，进而为控制舆论走向和发布价值信息等工作提供参考。基于此，本文提出了一个基于用户群体行为对舆情信息传播过程影响的改进了的SEIR模型，并引入舆情传播过程3个关键群体影响因素：群体规模大小、群体中从众效应强度和社会强化效应强度。

1文献综述

网络舆情是指在特定的环境下，特定的社会群体通过互联网表达对社会事件、公共问题和社会管理者所持有的价值评论、主观情绪、意志态度等，网络用户通过评论、转发、点赞等行为就某一事件达成最终的共识。网络舆情的发展推动了移动网络舆情的发展，随着智能手机，平板电脑为代表的移动设备的普及.人们更倾向于通过这些移动设备上的微博、微信等平台表达自己对社会事件的意見，因此使得移动环境下的舆情传播成了舆情传播的主要方式。

在一定的社会环境中，群体中的个体通过相互作用形成自己的观点，一个人在形成自己的观点或行为之前，需要从群体中其他成员那里得到多次提示。社会科学对舆情的研究历史悠久，研究者基于社会学、复杂适应系统、统计学、系统动力学等建模方法，并结合人工智能和心理学，不断探索自然科学建模和跨学科视角下的观点形成过程中复杂的进化机制。网络舆情传播规律与传染病传播规律具有诸多相似之处，近年来，各种传染病传播和仿真技术已经成为研究网络舆论传播的有效手段，如经典的SIS、SIR、SEIR模型，国内外学者从影响因素和传播模式两个方面对移动社交网络信息传播中网络结构属性展开了研究。

在影响因素方面，心理特征对舆论传播的影响受到一些学者的关注。赵剑华等在传统的SIR传染病模型的基础上，研究用户心理特征对舆情的传播特性的影响，提出了新型的社交网络舆情传播动力学模型;林芹等提出了基于用户心理特征的、优化了的SIS模型，发现社交网络舆情的传播活动受到用户的沉浸体验水平、用户的情感距离、信息风险感知程度的影响与限制。

时间演变及环境变化对舆论传播的影响也受到一些学者的关注。这些研究人员认为，时间的推移以及周围环境的变化会对人们的观点产生影响，进而影响信息的传播。陈福集等在SEIR模型的基础上，通过分析传播阈值、平衡点以及话题衍生率对舆情传播的影响，提出了SEIRS传播模型;彭小兵等通过分析邻避效应在环境群体化舆论事件演变中的作用机制，提供了环境群体抗争事件的治理意见。

此外，一些研究者关注个体交互模式对舆情传播的影响。张伟通过对网络舆情信息扩散中的个体交互模式、网络结构及初始传播者进行分析，提出了基于近邻响应的网络舆情信息扩散模型;杨瑞琪等则研究了舆情传播过程中的兴趣度与亲密度对舆情传播的影响，提出IC-SEIR网络舆情传播模型。

在传播模式方面，一些学者则研究不同网络拓扑结构特征对舆论传播的影响，Moreno Y等基于SIR模型，分析了信息在不同的复杂网络结构中的传播模式与进程，发现不同网络结构下，舆情信息扩散的敏感度不同：韩忠明等融合了话题内容与网络结构，基于SIRS模型，提出了话题传播模型，并在无标度网络、小世界网络、随机网络和真实社会网络进行实验仿真。

上述模型从不同方面较好地诠释了网络舆情传播过程，为后续的研究提供了一定的参考价值和现实意义。不过仍存在一些未考虑的因素，如信息传播的人际关系比较复杂，个体对信息传播与否受到网络中其他群体行为的影响，然而现有对SEIR传染病模型的研究中，关于不同群体的观点在传播中的变化及其对舆情传播过程的影响的分析却很少。针对以上问题，本文结合群体规模、群体从众效应和社会加强效应对传统SEIR模型进行改进，以期为进一步解释真实社会网络中的舆情传播规律做贡献。

2相关概念

2.1移动社交网络

随着移动通讯和互联网的发展，移动设备和互联网变得越来越便捷，微信、QQ等在线社交平台发展迅速。人们可以随时随地获取、交流或发布信息，信息的传播变得更加快速、便捷。

与其他社交群体一样.移动社交网络中用户的关系本质上是一种由网络参与者以及他们之间的二元关系构成的社会结构。因此，它具有高密度集、强弱关系并存的特点。强关系网络是指网络群体成员间联系密切，群体中的个体更容易受到群体观念和行为影响，弱关系网络是指网络群体成员间联系疏散，个体受本群体的观念和行为影响较小，但会受到其他强关系群体的影响，从而有利于信息的传播与扩散。

2.2用户群体行为

网络群体指由拥有相似特质、共同目标和价值观的两个或者两个以上的用户在互联网上构成的用户群体，成员间有着强烈的认同感与归属感。与一般的社会群体不同，网络群体不受地理位置和时间条件的影响，分布范围更广、时效性更强。

王志明等认为，群体成员在群体环境中的行为产生是由其动机决定的，但是群体所处的环境以及与群体成员的互动会影响其行为，进而影响群体行为。张静等认为，网络群体行为是指人们聚集在网络中，通过点赞、评论、转发等方式与网络其他成员进行互动的具体行为。受上述文献之启发.本文认为群体行为是指由网络用户构成的有机群体在环境、价值观以及与其他成员的互动中所形成的统一的对外行为倾向。网络群体内部用户间的互动是社交活动最重要的组成部分，也是信息能够得到快速、有效传播的关键。

2.3用户状态分类

在对信息在社交网络中传播规律分析的基础上，本文将用户状态分为4类：

1）未感染状态s（susceptible）。即对舆情信息处于未接触的状态，此类节点有接收舆情信息的可能，但自身尚未接触舆情信息。

2）受感染状态E（Exposed）。即犹豫状态，此类节点已经接收到网络中其他节点发送的信息。一方面，可能以一定的概率在网络中进行信息传播;另一方面，出于对信息价值的怀疑，或暂时处于离线状态，存在暂不传播信息的可能。

3）信息传播状态I（Infected）。即传播状态，此类节点十分认同接收到的舆情信息，并在网络中以一定的概率进行传播。

4）信息免疫状态R（Removed）。此类节点已完成舆情信息传播，并决定不再参与传播。

与疾病传播不同，在社交网络中，除广告媒体等少数特殊用户之外.一般用户的各状态行为只会发生1次，即只发生1次转发行为，并经过该信息的生命周期后，就处于信息免疫状态，此后不再发生状态的改变。

3改进的SEIR模型

3.1传统的SEIR模型

SEIR模型最初应用于流行病领域，Stehle J等发现信息传播与病毒传播过程具有相似性，将SEIR模型引入信息传播领域。传统的SEIR模型根据传播过程的不同将人群划人4类仓室：易感染人群（s）、潜伏人群（E）、传染人群（I）、免疫人群（R）。在均匀混合的网络条件下，也就是假设人群具有相同的接触率与传染性，不同状态的人群发生接触后，其状态的转移如图1所示，其中b、c、d分别为各状态之间转移的概率。

在真实网络社交环境中，网络组成更为复杂且具有聚集性，传统的SEIR仓室模型没有考虑复杂的社交网络的拓扑结构以及群体因素对于信息传播过程的影响，因此传统的仓室传播模型不能充分反映网络舆情信息传播的真实情况。但网络舆情传播仍有其内在机制与规律。由前文可知，除受到社交网络的拓扑结构影响外.网络舆情传播还会受到网络中群体因素的影响。因此，本文从网络舆情信息传播中群体互动的特征着手，提出了一种融人用户群体行为的网络舆情传播动态演化模型，并通过仿真实验分析了群体行为对网络舆情信息传播效果的影响。

3.2改进的模型及传播规则

网络群体意见与行为会对舆情信息的传播产生影响，个体所处群体规模、社会强化和从众的心理对个体的网络行为具有重大的影响。

1）未感染状态（S）节点在接收到邻居节点的发布信息后，可能以概率a+q转变为信息传播状态（I）节点，否则以概率1-a转变为受感染状态（E）节点。

2）受感染状态（E）节点在接收到邻居节点的发布信息后，可能以概率β转变为信息传播状态（I）节点，参加传播过程，否则以概率1-β转换为信息免疫状态（R）节点，结束传播过程。

3）信息传播状态（I）节点会积极地将自身获取并认可的舆情信息向其邻近节点进行传播.在其多次接触到邻居的免疫节点后可能以y的概率进入信息免疫状态（R），否则以1-Y的概率保持原状态，即信息传播状态不变。

网络舆情传播的动态过程如下：个体通过“微博”“微信”等渠道爆料某一事件或话题，引起网友讨论与意见交换，进而出现“意见领袖”并形成认知群体，不同的认知群体的意见会对其他群体中的个体行为产生影响（伴随着从众效应与社会加强效应），即传播或不传播舆情，有关部门在合适的时间采取合理的应对措施会使网友注意力发生转移，从而使不良的网络舆论消退。网络节点之间的状态转移如图2所示。

根据以上状态转移规则，改进后的SEIR网络舆情信息传播的动力学方程如下所示：

其中.Ⅳ表示社交网络中节点的总数量，在一段时间内网络中的节点数量都是保持不变的。

3.3群体行为影响因素

在传统的传染病模型中，研究者沒有考虑现实中用户间信息传播的特征与过程，通常对于节点状态之间的转化概率设定了固定参数值，然而现实网络状态下.个体节点各状态之间的转移会受到诸多外界因素的影响，其概率不是固定不变的。本文将群体网络规模、从众心理、社会强化效应3个变量纳入影响因素，并结合已有的相关研究，量化它们对信息传播的影响程度，定义如下。

3.3.1跨社群传播概率q

个体在群体压力的影响下，为避免与群体意见或行为产生冲突、增强自身的安全感与集体的统一性.会主动或被动地以网络中多数人的意见为准则，按照与群体大多数人一致的方向变化自身的意见与行为。在从众效应下，信息传播概率与群体中传播者的数量成正相关关系，即信息传播者在网络中所占比例越大，其传播的信息越容易被其他人相信并继续传播;反之，免疫者所占比例越大，信息被传播的概率则越小。本文以传播概率a刻画从众群体影响力的变化趋势.即：

社交网络中的信息密集多样，其中很多信息是真实的或虚假的，普通人很难做出判断，因此个体往往参考群体中意见领袖的行为做出行为决策。在社会群体中进行频繁信息交流的个体常被提名为群

4仿真实验

本文依据无标度网络对建立的数学模型进行仿真，模拟群体视角下舆情演化模型的变化过程，探究舆情演化的规律。本文假设系统内用户群容量为5 000，即N=5 000，并根据模型特点，作出以下假设：初始状态网络中未感染状态节点数Js（0）=4999，信息传播状态节点数，（0）=1，受感染状态节点数E（0）和信息免疫状态节点数R（0）均为0，相关概率参数设置为：a=0.6、β=0.75、y=0.25。迭代次数T=200，随着实验时间的变化.得出的未感染节点密度、受感染节点密度、信息传播节点密序和信息免疫节点的演化情况如图3所示。

如图3所示.该模型中，未感染状态节点在初期呈现骤减趋势，在t=40时，已经接近零值，此时网络中受感染状态、信息传播状态和信息免疫状态节点密度分别为0.2、0.009和0.76。存在少量未感染状态节点一方面是因为传播者密度很小：另一方面是因为网络阻断效应导致大量受感染状态节点难以接触到传播节点所致。受感染状态节点和信息传播状态节点在初始阶段均呈现迅速上升趋势，但受感染状态节点比信息传播状态节点上升趋势更加明显，随后二者均呈现下降趋势并逐渐趋于稳定。信息免疫状态节点曲线呈现先慢后快的上升趋势，这是由于后期大量的信息传播状态节点转化为信息免疫状态，之后趋于稳定。

由此可知，影响范围广、传播速度和消散速度快是信息在无标度网络中呈现的特点。虽然理论上网络舆情信息几乎会影响到每个人，但由于现实网络中阻断效应的存在，许多未知者实际上并未受到舆情信息的影响，舆情信息的传播会受到限制。

4.1社群规模对传播过程的影响

用户处于不同群体时，个体节点除了受到来自群体内部的影响外，还会受到其他群体行为意见的影响。为了便于分析，本文特别构建了1个相对密集的B社群和1个稀疏的A社群，且A社群从一开始没有感染节点，B社群存在感染节点。群落A和仿真结果如图4所示。

如图4所示.A社群从一开始就没有形成舆情信息，直到B社群的信息通过社群间的链接传播到这个稀疏的群体.从而使得该舆情信息在A社群内发生传播。因为基本的传播系数低（R<1），信息在A社群间断持续存在，即在一段时间内，信息存在于A社群，之后的一段时间内信息在A社群停止传播，但此时社群中的所有节点都是易受影响的。这种无信息传播时间随着下一次社群间传播的成功而结束。

结果表明：在稠密的群落中舆情信息持续存在，而在稀疏的群落中舆情信息在短暂的舆情传播和无信息传播之间交替发生。通过以上分析，可以得出规模大社群的舆情传播会对规模小社群的舆情传播产生间歇性影响。

4.2群体从众效应对传播过程的影响

在社交网络信息传播中，单个用户节点在其他用户行为的影响下容易产生从众心理，导致盲从。网络舆论就是一种典型的由从众效应引起的信息传播。网络中拥有从众心理的用户比重与信息传播的倾向性之间成正相关关系。因此，依次设置从小到大的试验参数，进行实验仿真，A表示群体传播系数，分别取值0.1、0.5、0.7和0.9，并将信息价值V设定为0.5，其他参数保持不变。从而观察在不同的从众效应取值下，信息的传播与发展进程，仿真结果如图5所示。

由图5所示可知，S（t）曲线随着群体传播系数的增大，越来越陡峭，下降速度越来越快，说明群体影响力随着社交网络中从众心理的增强而变大，从而使得用户更倾向于进行信息传播的行为，促使E（t）曲线也加速增长，峰值越来越高;I（t）曲线在拐点前更加陡峭，在更短的时间内即可达到峰值;R（t）曲线则随着的增加变化趋势趋于平缓，且稳定值逐渐变小，说明随着群体影响力的不断增加，移动社交网络大量节点会快速转化为受感染状态的节点，进而转化为信息传播状态的节点，并随着信息的不断传播逐步转为信息免疫状态.最终趋于稳定。

通过以上分析可以看出，群体影响力越大，从众效应就越明显，人们接受并进行传播舆情信息的意愿就越大，进一步提升了信息获取与传递的速度，使信息能够在较短时间内产生较大影响。

4.3社会加强效应对传播过程的影响

由社会强化效应的发展过程可以看出.一段时间内同一信息在用户面前出现的次数越多，社会强化效应越明显。本文根据信息出现频次依次设置试验参数，进行仿真，分别取值n=1、n=10、n=20、n=50，并将V的值设定为0.5，其他参数保持不变。得到仿真结果如图6所示。

由图6所示可知，随着社会强化效应的增强，信息出现的次数越来越大。可以发现信息出现次数为10次和20次时，S（t）曲线下降趋势明显，E（t）、I（t）曲线则呈现快速增加的趋势，且峰值出现更早;而随着信息出现次数的不断增大，当信息出现次数达到一定值时，S（t）曲线下降速率趋缓，E（t）、I（t）曲线则不断下降，且峰值缓慢出现。R（t）曲线在一定信息出现次数内上升趋势增强，峰值变小，随着信息出现次数的上升，S（t）曲线下降速率逐渐趋缓，峰值变大。说明在一定数量范围内，人们成为某舆情信息的潜在传播者的可能性随着在同一时间看到同一信息的次数的增大而增大，在此情况下，移动社交网络大量节点会快速转化为受感染状态的节点，进一步转化为信息传播状态的节点，最终随着信息的不断传播而转为信息免疫状态并最终趋于稳定;超出该范围，人们则不愿意浏览该信息或进行信息传播，这可以从两方面进行解释。一方面可能是舆情本身价值低，不能引起网民群体的兴趣，网民群体对该舆情的传播失去动力，从而导致舆情值较低：另一方面可能是出现次数过多.网民群体对该信息产生厌恶感和免疫力，不愿意传播该类信息，使得该舆情在演化过程中峰值比较低，信息难以在社交网络中继续传播。

4.4实验总结

从社群规模对传播过程的影响分析，在无标度网络中，舆情在稠密群落中持续存在，而在稀疏群落中，它在短暂的舆情爆发和灭绝之间交替。社群间感染的时间模式启示人们在每个时间段后对稀疏社群中的节点加强引导.平息负面信息对节点的影响，以免不良信息再次传播;并对稠密的社群的舆情动向展开监督，重点监查处在非变动情况下的輿情，推断舆情是否又会被触发从而造成新的传播周期出现。

从群体从众效应对传播过程的影响分析，社交网络中的从众效应能够明显提高舆情传播与消散速度，积极发挥领导者在群体决策中的组织、引导作用;重视与网络媒体交流互动，改造组织环境，优化组织构成，努力营造轻松、积极的群体氛围，弱化群体压力对个体节点意见和行为的影响。

从社会加强效应对传播过程的影响分析，社会强化效应在初始阶段能够明显提高舆情信息传播与消散速度，扩大传播范围，可以在此阶段加强对积极舆情信息的引导与强化，增加传播量;对不良信息传播渠道进行管控，减少其对个体节点的影响和传播规模。

5结束语

移动环境下网络舆情的传播是学界和政府普遍关注的热点课题，移动环境下信息传播效果研究对于信息发布、热点搜集以及舆论监控具有重要意义。本文基于网络群体行为视角，考虑了移动网络环境下舆情传播的特征以及结合舆情传播的实际情况，在SEIR模型的基础上建立了群体行为影响下的移动社交网络舆情信息传播的动态模型，引入了舆情信息传播中的群体规模、从众效应和社会强化效应，并结合理论分析和仿真实验揭示了3种社会效应对舆情信息传播与演化的影响规律，结果表明：

1）在稠密的群落中信息持续存在，而在稀疏的群落中信息在短暂的舆情爆发和灭绝之间交替发生。

2）社交舆情网络中的群体从众效应，使得舆情演化更容易发生，且从众效应值越大，网民群体交互越容易，舆情演化越容易发生。

3）社交网络中的社会强化效应在初始阶段能够明显提高舆情信息传播与消散速度，扩大传播范围，但随着强化效应的不断增加，网民群体对该信息产生厌恶感和免疫力，不愿意进行信息传播，从而使得信息难以在社交网络中继续传播。

群体行为中的社会效应是社交网络中普遍存在的现象，它对舆情信息的传播与演化具有明显的影响.下一步将刻画群体行为中其他社会效应，如破窗效应、权威效应等，以深入认识舆情信息传播的普遍规律和特殊机制。此外，由于信息在网络传播过程中的外界影响因素很多，如媒体和政府的干预，网络的拓扑结构等，这些都有待于对模型进行进一步的改进与优化，这也为以后的工作指明了努力的方向。