面向精英群体沉默的网络观点演化偏差仿真研究

虞颖映，纪 浩，梦 非

近年来，以抖音、微博、微信、WhatsApp、Twitter 和Facebook 等为代表的在线社交平台迅猛发展，改变着信息分享和观点交流的方式。公开数据显示，截至2022 年3 月，仅抖音平台月均活跃用户量便超过8 亿人次，日均使用时长约为150分钟［1］。与传统媒介相比，在线社交平台具有实时性、便捷性及低进入门槛等特征。但同时，数量庞大的虚假信息也日益盛行，并引起诸多的偏差性演化效应。其一，在线社交网络用户中普通群体占比最大，而他们对网络信息的辨别能力有限，对具有针对性质的消息推送更加容易偏信；其二，部分“超级用户”（如少数拥有千万数量级粉丝的自媒体账号）出于噱头、引流或盈利性考虑，通常会发布夸大甚至虚假性言论，这些内容争议性大、传播性强，易引发级联效应（information cascade）［2］；其三，网络团伙与暴力等现象日益突出，而具有一定知识背景、影响能力的精英群体越来越倾向于沉默，导致社交网络上的理性发声日渐稀少，造成真实信息源日益衰减［3］。上述因素极大加剧了网络虚假言论的盛行，极易导致个人行为或政府决策出现偏差，若处理不当则会引发灾难性后果。

鉴于此，本文基于传统的意见领袖影响理论［4-5］，将网络用户细化为普通群体、精英群体、超级用户［6］3 类，并结合有界信任模型，设计针对性的网络观点交换方程，建立聚焦精英群体的网络观点演化模型并进行仿真，重点研究精英群体沉默行为导致的权威真实信息缺失现象及其对个体、整体网络观点造成的偏差性和扭曲性影响。

1 文献综述

当前，在线网络观点演化越来越成为政界、学界等多方关注的热点。本文从网络用户角色、信息级联效应、观点偏差演化3 个视角进行文献回顾。

1.1 网络用户角色视角

在学术界，从网络用户角色视角研究网络观点传播与演化是当前的主流。有学者通过仿真实验模拟意见领袖观点的传播轨迹，得出网络中关键节点能够加速信息传播的结论［4］。有学者发现在无标度网络中存在一类“独立传播者”（independent spreader）的特殊节点，该类节点不受“邻居”影响，可以通过链路以外的其他路径传播消息，并改变邻居节点的观点值，进而造成整体网络舆论的跨范围偏移［3］。还有一类基于伊辛模型（Ising model）的研究，认为网络中低度值节点倾向于与高度值节点相连接，并以高度值节点为标尺（benchmark）加以参照和模仿，导致网络观点扭曲［7］。也有研究关注网络中精英群体对观点传播的影响，如有学者根据用户影响力和信息传播方式，把精英群体定义为博客达人、社会名流、媒体机构和官方组织［8］。有学者通过实时数据分析发现，仅有10%～15%的用户转发传统媒介发送的推文，被大量转载、分享和收藏的信息一般源自精英群体的原创观点和优质内容［9］。2019 年的一篇综述研究从定性角度提及精英群体沉默会导致整体网络的舆论走向发生偏差，但并未进行验证性分析［2］。

1.2 信息级联效应视角

关于信息级联效应的研究，最早可以追溯至Sushil Bikhchandani于1992年发现的在信息决策过程中出现的“群集（herding）”现象，即群体的决策行为会受到前决策者的影响，尤其当前决策者有一定影响力时，后决策者极有可能会放弃自己的原有观点，转而遵循前决策者的观点［10］。随着社交网络的发展，信息级联效应对网络舆论演化的影响也广泛存在。如有学者融合独立级联模型和连续时间扩散模型，构建了连续独立级联模型，更加贴切地描述了舆论在社交网络中的演化［11］；有学者提出将独立级联模型中的传播概率分为两个部分，即节点m将伪信息传播给其邻域任意一个不活跃节点n的概率和节点n接受该伪信息的概率，以此模拟舆论的演化规律［12］；有学者将Hegselmann-Krause（HK）级联模型拓展成多维观点模型，研究群体观点在矢量下的聚合过程［13］；有学者基于线性阈值模型，认为每个网络节点的激活与否取决于其状态为自身带来的效益［14］。国内有学者基于改进的Deffuant-Weisbuch（DW）模型，并考虑节点、节点关系及网络噪声等因素，设计了融合网络内容和网络社团的舆论传播模型，用以仿真舆论偏差产生过程［15］。

1.3 观点偏差演化视角

观点的偏差性演化容易造成非理性集群行为，尤其是通过在线社交网络传播的方式更进一步加剧了偏差性观点的传播范围，极易引发舆论恐慌事件，严重扰乱社会秩序［16］。近年来，学术界围绕网络观点偏差性演化的研究开始增多。有学者以社交网络用户之间的“关系”作为研究参数，基于单向边、双向边、跟随者与模仿者、友谊关系4 种状态，通过仿真实验模拟观点演化过程和观点偏差产生的原因［17］。有学者发现用户之间的非信任关系广泛存在于社交网络中，并基于真实数据验证舆论可以通过非信任关系网络无阻碍传播，从而引发网络观点的严重偏差（即观点扭曲）［14,18］。除用户之间的关系因素外，舆论内容本身也是影响观点偏差性演化的重要因素，有学者通过对社交网络上虚假新闻等传播与扩散趋势进行研究，发现伪信息能够加快偏差观点传播速率、加大传播范围，进而对整体网络产生不良影响［19］；有学者针对2017 年的“英国大选”进行了一项有趣实验，其通过分析博客、交互式论坛、新闻报道和网络用户信息行为4 类数据，发现“小道消息”共享是导致投票偏差的重要因素［20］；有学者以社交媒体中的争议性内容为对象，定量分析用户的偏差意见，发现观点值会随时间波动［21］；有学者认为政治选举的投票趋势与在线伪信息关系密切，而社交网络的使用对这一关系起到正向放大效应的作用［22］。

综上可知，尽管部分研究关注节点身份对舆论传播的影响力，最近一些文献也开始关注超级用户对观点演化的作用［6,15］，但绝大多数研究忽略了精英群体沉默行为及效应。精英群体虽不具备超级用户的强大能力，但其代表着专业性、知识性、科学性。然而，在日益复杂的网络环境下，精英群体的理性发声日渐稀少，逐渐演变为一类“沉默用户”，而其沉默行为将如何影响网络观点演化，又将如何对网络群体观点产生影响，本文着重对此进行研究与分析。

2 模型构建

在基于节点角色建模方面，有学者认为意见领袖与普通群体的区别主要体现在影响力、活跃度和认同度3 项指标上，并基于灰色关联分析模型对社交舆论中的意见领袖进行挖掘与识别［23］。该学者的另一项研究则基于模糊信任体系对在线社交网络意见领袖进行识别，纳入的指标包括中心性、活跃性、表层吸聚力和深层吸聚力等［24］。有学者提出一种综合拓扑势网红度、传播力和关注度3 项指标的意见领袖识别模型［25］。还有研究从自信程度、固执程度、吸引力和极端程度等特征对普通群体和意见领袖加以区分。本文结合一些学者的研究［6］，认为基于自信度、活跃性、吸聚力、固执度等因素，意见领袖还可以进一步细分为超级意见领袖（超级用户）和一般意见领袖。一般意见领袖即本文所谓的精英群体，具有以下3 个特征。一是精英群体的观点具有稳定性，即所持的观点不会轻易受到邻居节点，尤其是普通群体的影响；二是精英群体拥有一定的专业知识和技术水平，其观点的传播与渗透能力较强，受到观点交换阈值影响的程度较小；三是精英群体的观点具有敏感性，鉴于精英群体的职业与身份特征，使得其参与网络发言的时间较少，尤其在充斥“噪声”和攻击性舆论的嘈杂网络环境下，其观点表达行为一般遵循从“专业性发言”到“选择性发言”再到“逐渐沉默”演化规律。

与此同时，社交网络中还存在个别极具影响力的超级用户，如某些超级媒体，包括《华尔街日报》《英国卫报》等，相对精英群体，其劝服力更强、辐射力更广、态度阈值更高，往往具备统领全网舆论观点的强大能力［6］。鉴于此，本文考虑精英群体和超级用户两类角色节点，构建网络观点交换模型在仿真各类情境下，尤其是精英群体“沉默”时的网络观点演化现象，以期为政府等机构有效引导舆论、治理网络乱象等提供参考。

2.1 基础模型选择与改进

传统HK 模型认为持有不同观点值的节点相互影响程度相同，但更为现实的情况是，人们往往会更倾向于接受与自己更相近的观点，对观点持有者的可信度更是会谨慎考虑［26］。为更加真实地模拟网络舆论交互，本文对传统HK 模型做出如下改进。

第一，规定社交网络N中所有节点的观点值集合为αi(t)={α1(t),α2(t),···,αn(t)}。其中，αi(t)表示节点i在t时刻的观点值，且此观点值在区间[0,1]上取任意值。本文将0 作为极端消极观点，将1 作为极端积极观点。αi(0)表示节点i的初始观点。

第二，规定有限集合Gi(t)={j∈[1,2,···,G]:|xi-xj| ≤ε}为节点i在t时刻的相邻节点集合，表示节点的观点可以相互交换。

第三，定义非负矩阵Z为G×G的信任度矩阵，用Zij表示节点i对节点j的信任程度（i,j∈N），当i=j时，Zij表示节点i的自信程度。其中，自信程度在区间[0,1]上取任意值，数值越大表示自信程度越高。

第四，规定μi为节点i的影响力系数。

第五，规定fij为节点i对节点j的影响力，fij的值越大，代表节点i对节点j的影响力越大，其计算公式定义为：

式中，dij为节点i和节点j之间的距离，δ是一个无穷小的正实数。

第六，规定εZij为节点i对节点j的观点交换阈值，当且仅当|αi(t)-αj(t)|≤εZij时，节点i才能够对节点j进行观点交换。其中，ε称为信任阈值系数，取值范围为[0,1]。

第七，规定ωij(t)为在t时刻，节点i对节点j的影响权重，当|αi(t)-αj(t)|≤εZij时，ωij(t)=μjfij；其他情况下，ωij(t)=0。

2.2 精英群体的引入

依据改进的HK 模型的观点演化规律，当网络中只考虑精英群体和普通群体时，节点之间的观点交换条件满足以下公式：

上述观点交换的思想认为，“在观点交换时，节点会基于不同权重值考虑是否接纳其相邻节点观点”。本文则认为，由于不同节点都具有不同活跃性、影响力和信任程度，应该将不同类型节点的影响权重值加以区分。因此，观点值的更新规则有以下4 种。

第一，当普通群体i的邻居节点中不存在精英群体e时，即所有相邻节点均为普通节点，交换规则为

第二，当普通群体i的邻居节点中存在精英群体e时，普通群体i与精英群体e的观点交换的条件为，其余节点的观点交换规则同第一种情况。

第三，当精英群体e的相邻节点中只有普通群体j时，即普通群体的邻居节点均为精英群体，其观点交换规则为

第四，当精英群体互为邻居节点时，精英群体e1、e2的交换规则为

2.3 超级用户的引入

在引入精英群体的基础上，继续考虑超级用户的观点交换。在不同类型节点的交互过程中，网络观点值的更新条件分为下述4 种。

第一，若普通群体i的邻居节点均为普通群体j，则观点交换规则为

第二，若普通群体i的邻居节点仅有精英群体e，则观点交换规则为

第三，若普通群体i的邻居节点同时包含超级用户S和精英群体e，则普通群体之间的观点交换规则同第一种情况；普通群体i和精英群体e之间的观点交换规则为；普通群体i和超级用户S的观点交换不受阈值制约，且超级用户S不会改变原有观点值。

第四，若精英群体e1、e2的观点交换规则满足，则精英群体e1、e2和超级用户S的观点交换不受阈值制约，且超级用户S不会改变原有观点值。

2.4 精英群体沉默的网络观点演化模型

本文基于改进的HK 模型，认为网络观点演化不仅与个体之间的交互方式和限制条件相关，更与不同身份的用户在复杂网络环境下的行为变化相连，如逐渐盛行的精英群体沉默导致的全网伪信息流行问题。为此，本文采用高斯白噪声模拟网络噪声，研究精英群体在受到干扰时表现出的沉默行为及其对信息传播的影响，对模型做出如下改进。

第一，在普通群体之间的观点交换算法中加入噪声因子，即：

式中，θ(t)指普通群体i被网络噪声影响的程度，在区间[0,1]上服从均匀分布；I为普通群体i接受的网络噪声强度，I∈[0,1]。

第二，在噪声环境下，若普通群体i的邻居节点为精英群体e，则两者之间的观点交换规则为；若邻居节点为超级用户S，则观点交换规则不受阈值限制，且超级用户S不会改变原有观点值。

第三，在噪声环境下，若精英群体e的邻居节点仅为普通群体j时，则观点交换规则为，观点更新算法为αe(t+1)=

第四，在噪声环境下，精英群体e1、e2之间的观点交换规则满足；若精英群体的邻居节点为超级用户S，则观点交换规则不受阈值限制，观点更新算法同上，且超级用户S不会改变原有观点值。

3 实验设计与仿真分析

3.1 实验设计

本文在预实验的基础上，参考文献［27］中对网络节点数量、节点初始观点值分布的设定，构建基于度值非概率加边算法的无标度网络，网络节点数量设定为3 000，其中精英群体的数量约占整体网络节点的5%，度数最大的节点为超级用户，其余节点为普通群体。规定所有节点的初始观点值在区间［0,1］上服从均匀分布，其中精英群体的观点值范围为［0.65,0.75］，超级用户的消极观点值为0.25、积极观点值为0.95。同时，约定观点交换阈值ε=0.5，当群体观点值差异 ≤0.01时网络观点收敛，交互迭代次数为500 次，仿真平台选择MATLAB。

3.2 仿真分析

3.2.1 理想网络环境下的观点演化仿真

图1 理想网络环境下的网络观点演化仿真结果

3.2.2 引入精英群体的网络观点演化仿真

在理想网络环境下的观点演化仿真实验的基础上引入精英群体，精英群体规模和初始观点值符合初始设定，通过改变精英群体的影响力系数eμ观察整体网络趋势的演化情况，结果如图2 所示。通过分析发现，其一，网络观点值高于理想网络环境下的观点演化仿真实验水平，收敛范围位于［0.65,0.7］区间，与精英群体的初始观点值一致；其二，网络观点值的收敛速度随着精英群体影响力系数eμ的增加而加快，与理想网络环境下的观点演化仿真实验相比，引入精英群体的网络通过100次迭代便可实现观点值的统一。

图2 普通群体、精英群体共存的网络观点演化仿真结果

由此推断，在现实世界，精英的发声对各领域达成决策共识起到关键作用，如政策执行、法律完善、规划制定等。

3.2.3 引入超级用户的网络观点演化仿真

在引入精英群体的网络观点演化仿真实验的基础上引入超级用户，使其与网络中的普通群体、精英群体共同存在，并赋予超级用户的消极观点值为0.25，继而通过调整精英群体的影响力系数eμ观察整体网络趋势的演化情况，结果如图3 所示。通过分析发现，其一，网络观点值从偏向精英群体观点值的固定收敛值转变为一个观点值区间［0.3,0.45］，与引入精英群体的网络观点演化仿真实验相比，其观点值范围靠向超级用户的观点值，说明部分精英用户对舆论的影响力被一定程度地弱化，但整体观点值并没有完全被超级用户所主导；其二，在舆论对抗中，精英群体能够在一定程度上削弱超级用户的影响力，随着影响力系数eμ的增加，网络观点值逐渐偏向精英群体的观点值，显示出精英群体对整体网络观点值演化的重要作用。

图3 引入超级用户的网络观点演化仿真结果

真实世界中，某一领域的专家在针对特定问题发布观点时，可能会受到更高权威或拥有更多“粉丝”的超级用户反驳或攻击，面对挑战，精英群体只有据理力争，坚持自己的观点，社会舆论才能够不被随意颠覆或扭曲。

3.2.4 引入噪声的网络观点演化仿真

分别在引入精英群体的网络观点演化仿真实验和引入超级用户的网络观点演化仿真实验的基础上引入网络噪声影响因子I，本组分以下两种情况。

联盟成立以来，不断完善规章制度，规范工作程序，加强执行力度，提高机构自身能力，共发布14项制度文件（见表2），保证联盟各项工作有序开展。

第一种，网络中包含普通群体、精英群体及噪声，没有超级用户。在这种情况下，设置精英群体的影响力系数eμ为其观点中值0.7，通过改变网络噪声强度研究观点演化走势，结果如图4 所示。通过分析发现，其一，整体的网络观点值不再完全收敛，且随着噪声强度的增加，用户之间的观点差异加剧；其二，随着网络噪声的增加，整体的网络观点值逐步向消极方向发展，从最初的［0.65,0.7］区间逐步发展到［0.4,0.5］区间，在噪声水平达到0.9 时，网络观点中值接近0.45，为明确的负面观点。由此可以推断，在网络噪声的干扰下，精英群体沉默行为已经呈现出了一定迹象。

图4 网络噪声、精英群体共存的网络观点演化仿真结果

第二种，网络中包含普通群体、超级用户及噪声，没有精英群体。在这种情况下，设置超级用户的积极观点值为0.95，通过改变网络噪声强度研究整体网络观点演化走势，结果如图5 所示。通过分析发现，与网络噪声相比，超级用户对整体的网络观点有更强的影响力，当网络噪声水平达到0.9 时，观点值仍向超级用户的观点值趋近。由此可以推断，在经历足够多的迭代次数后，整体网络观点值将收敛至超级用户的观点值。

图5 网络噪声、超级用户共存的网络观点演化仿真结果

3.2.5 精英群体沉默下的网络观点演化仿真

进一步地，在网络中同时融入普通群体、精英群体、超级用户及网络噪声，分别在超级用户持有不同的初始观点值下进行网络观点演化仿真。

设定超级用户持有的积极观点值为0.95。通过调整噪声强度研究网络观点演化状况，仿真结果如图6 所示。通过分析发现，其一，在噪声强度较小的情况下，整体网络观点值很快收敛到精英群体观点值的水平；其二，随着噪声的加剧，整体观点值将在迭代一定的次数后，维持在一个趋向精英群体观点值的区间范围。这一结果说明，当精英群体和超级用户持有相似的观点时，精英群体未表现出沉默行为，会和超级用户协同引导整体网络舆论的形成。

图6 超级用户持有积极观点值时的网络观点演化仿真结果

设定超级用户持有的消极观点值为0.25。通过调整噪声强度研究网络观点演化状况，仿真结果如图7 所示。通过分析发现，其一，超级用户比精英群体有更强的舆论引导能力，整体的网络观点在经过一定次数的迭代后，逐渐远离精英群体观点值，更趋向超级用户的消极观点值；其二，随着噪声强度的提升，网络观点不再收敛，而是在0.4 以下的消极观点区间波动，波动幅度与网络噪声强度相关；其三，当超级用户与精英群体的观点相左时，精英群体在舆论交互期间表现出明显的沉默行为，尤其当加入高强度的噪声因子时，精英群体的沉默效应更为突出，即使网络舆论在经过足够长的迭代次数后，也很难平复与统一。

图7 超级用户持有消极观点值时的网络观点演化仿真结果

经综合分析发现，当超级用户与精英群体的观点相似时，精英群体不会表现出沉默行为，尽管加入高强度的网络噪声，整体网络观点值也会趋向精英群体的观点值；而当超级用户持有消极观点时，在观点交换期间，精英群体表现出显著的沉默行为，即使在较小的噪声环境下，网络观点值也会靠向超级用户的观点值。当然，随着噪声的加剧，精英群体的沉默行为更加放大。

4 结果与建议

当前，网络观点的偏差性演化越来越成为影响公共决策的重要因素。本文从“噪声-用户-沉默”因果关系出发，建立面向精英群体沉默的网络观点演化模型，通过仿真实验对比用户类型及其沉默与否对整体网络观点值演化的影响。本文研究结果主要分为以下3 方面。

第一，网络噪声是扰乱观点演化的重要因素。在无精英群体、超级用户和噪声的理想网络环境下，整体网络观点值能够在较短的仿真时间内达到收敛。而在加入以网络暴力为代表的噪声因子时，观点演化呈现出很大的不确定性。

第二，超级用户是影响整体网络观点值的核心节点。在社交网络中，超级用户属于极稀少的网络节点，相比精英群体，它能够在社交网络中发挥扭转舆论走向的巨大作用，甚至对网络整体的观点值产生根本性影响。即使在充斥大量噪声的网络中，超级用户也不容易受到影响，并随着观点交换次数的增加，整体网络观点值将会逐步趋向超级用户的观点值。

第三，精英群体不耐噪声，在噪声环境下，它容易表现出沉默行为，进而导致整体网络观点值出现偏差性演化。在无超级用户的情境下，精英群体沉默效应直接与网络噪声相关，随着噪声因子值的加大，网络观点波动区间增加；在超级用户存在时，精英群体的沉默效应同时受到超级用户初始观点值和噪声因子的影响，尤其当精英群体与超级用户的观点相左时，精英群体的沉默效应将进一步放大，整体网络观点值的偏差幅度也更大。

根据上述结果，本文提出如下针对性的建议。

一是以政府部门牵头，进一步强化健全以网络实名制为基础的互联网管理体系，加强对在网络上有造谣、诽谤、侮辱、欺诈、恶意人身攻击等行为的用户的追踪、监管与惩治，切实减少虚假网络言论。

二是以人工智能为手段，不断优化网络文本、图像及音视频识别算法，实时关注拥有大体量“粉丝”等超级用户的舆论动态，对其“带节奏”式的不当言论进行限流，及时消除其对整体网络的不良影响。

三是推进信息网络立法进程，充分保证精英群体理性发声的权利和底气，鼓励精英群体对违背常理、“伪”科学、偏离真相的负面反动舆情及时澄清。同时，建议政府部门积极培养自己的“精英群体”和“超级用户”，在发生网络突发事件时，充分发挥其影响力，及时对舆论事件进行干预，引导网络舆情的健康、有序发展。

5 结语

近年来，随着网络信息技术的迅猛发展，在线社交平台全面兴起，以开放、互动、共享为特征的网络空间日益成为互联网用户公开表达观点、发表意见的重要载体。本文基于网络用户角色视角，将网络用户划分为普通群体、精英群体和超级用户3类，并基于改进的HK 模型建立面向精英群体沉默的网络观点演化模型，重点研究因精英群体沉默行为导致的整体网络观点值的偏差现象，以期为政府等部门有效引导舆论走向、科学处置负面舆情、打造清朗网络环境提供决策参考。但本文也存在一定不足，未能考虑网络初始观点值的偏态分布情形，社交网络中还可能有网络社团的存在。今后研究可将上述因素纳入，构建更为完善的网络观点演化模型。