基于改进SEIR模型的短视频舆情网民情感传播研究

[摘 要]在当今互联网时代，短视频已成为网络舆情发酵与扩散的核心载体之一，其融合图像、音频与文字三类异构信息，使舆情信息更具感染力，对于网络舆情传播具有深刻影响。为了深入探究网民情感的传播规律及其对短视频舆情传播的影响，文章构建了研究网民情感传播的改进SEIR模型，在此基础上进行数值仿真，分析了异构信息、情感转变、用户兴趣等影响因素对于短视频网络舆情传播的影响，以期揭示短视频网络舆情的内在传播逻辑，为管理和决策提供科学支撑。

[关键词]短视频舆情；网民情感；舆情传播；传染病模型

中图分类号：G203 文献标识码：A 文章编号：1674-1722（2024）17-0058-03

★基金项目：首都经济贸易大学研究生科技创新项目“多源信息融合视域下舆情风险动态演化机理分析”

第52次《中国互联网络发展状况统计报告》显示，截至2023年6月，我国网络短视频用户规模为10.26亿，用户使用率为95.2%，短视频普及性极强，赢得众多网民青睐，已经成为推动网络舆情传播的关键力量。由于短视频发布具有便捷性与低成本性，加之短视频融合了图像、音频和文字三类异构信息，更具有情绪感染力。因此，当部分事件发生后，大多数网民通过发布短视频或对于短视频进行评论的方式表达情感，增加事件热度，导致短视频舆情的形成。此种表达方式以更加直观与生动的方式传递网民的情感态度，更易于引发网民之间的情感共鸣。情感作为舆情传播的驱动因素之一，高强度的情感水平与大范围的情感共鸣能够进一步提高舆情信息的扩散速度，扩大其覆盖范围。

一、关于短视频的相关研究

近年来，随着网络短视频的兴起，舆情研究领域逐渐拓展至短视频平台。李磊等学者从政务短视频的适用性出发，关注政务短视频的舆情引导，提出大数据驱动的应对策略[ 1 ]。陈璟浩等学者提出了一个突发事件短视频舆情演化模型，从而分析突发事件短视频舆情的演化规律[ 2 ]。张海涛等学者构建了短视频传播效果评价模型，可为短视频传播效果研究提供一定程度的决策支持[ 3 ]。当前，研究倾向于利用多方法、多视角探索短视频舆情的传播特性和管理策略，但鲜有学者对于短视频舆情中网民情感传播开展研究。在已有的网民情感研究中，由于疾病传播与信息传播的相似性，众多学者常利用传染病模型进行研究。魏静等学者通过挖掘舆情传播过程中的情感倾向、亲密度等影响因素，构建舆情传播模型，以此进行舆情疏导[ 4 ]。张亚明等学者基于情绪感染理论及传染病模型，加入了负面情绪累积效应，创立了IESR模型，探究相关影响因素对网民负面情绪传播的影响[ 5 ]。祁凯等学者以政务短视频为背景，考虑网民的情感倾向，细分网民的情绪种类，据此设计了S3EIR模型，揭示网络舆情中网民的情绪传播路径[ 6 ]。

尽管上述研究探究了情感因素在网络舆情传播中的作用，但研究过程中仍以文字信息为主，大多忽略了图像、音频等异构信息中表达的网民情感。综上所述，对于短视频舆情的研究仍处于起步阶段，鲜有学者将其与网民情感因素相结合，并利用短视频中的异构信息进行研究。

二、模型构建

（一）网络载体构建

（二）融合情绪因素的短视频传播模型构建

传统的SEIR模型仅能描述网民从易感者向康复者转变的单向过程，未考虑传播过程中的影响因素，这与实际舆情传播过程存在差距。因此，文章改进了传统SEIR模型，根据网民情感，将传播者分为积极情绪传播者与消极情绪传播者，并考虑到网民情感转换、对于舆情信息的兴趣程度等情况，具体如图1所示。

在短视频舆情中网民情感传播的改进SEIR模型中，网民用户节点总数为N，共分为五个状态，分别为易感者（S），表示没有接收到舆情信息的人群；潜伏者（E），表示接收到舆情信息但未传播的人群；具有积极情绪的传播者（Ip），表示传播舆情信息，并对舆情事件持有积极情感的人群；具有消极情绪的传播者（In），表示传播舆情信息，对舆情事件持有消极情感的人群；免疫者（R），表示接收舆情信息但不感兴趣的人群。群体状态转移规则为以下几点。

S→E表示易感者将接收到舆情信息转变为潜伏者，接收到信息的概率为传染率λ。

S→R表示易感者未接收到舆情信息，直接转变为免疫者，其概率为直接免疫率α。

E→Ip表示潜伏者传播了舆情信息，并转变为对舆情事件具有积极情感的传播者，其概率为感染率β1。

E→In表示潜伏者传播了舆情信息，并转变为对舆情事件具有消极情感的传播者，其概率为感染率β2。

E→R表示易感者接收到舆情信息后，对信息不感兴趣，转变为免疫者，其概率为间接免疫率μ。

Ip→R表示具有积极情感的传播者不再对舆情事件感兴趣，从而退出传播，其概率为免疫率γ1。

Ip→In表示具有积极情感的传播者受到具有消极情感的传播者的影响，转变为具有消极情感的传播者，其概率为情感转换率ω1。

In→R表示具有消极情感的传播者不再对舆情事件感兴趣，从而退出传播，其概率为免疫率γ2。

In→Ip表示具有消极情感的传播者受到具有积极情感的传播者的影响，转变为具有积极情感的传播者，其概率为情感转换率ω2。

三、数值仿真

（一）异构信息影响分析

相较于文字信息，短视频中异构信息能够更为直观地表达情感，从而影响舆情信息传播，即对于感染率β1与β2具有影响，因此，文章将感染率分为受异构信息影响的情况与受文字信息影响的情况分别进行仿真实验，以此探究异构信息对于网民情绪及短视频舆情传播的影响。为进一步体现两种情况的差异，文章将两种情况中的感染率β1与β2设置为文章收集短视频平台中舆情事件的异构信息与文字信息的实际数据后计算的情感值。异构信息因素对于短视频舆情传播的影响如图2所示。

仿真结果表明，消极情感传播者相较于积极情感传播者的传播规模更大，传播速度更快。在异构信息融合的条件下，具有积极和消极情感的传播者的峰值明显增加，到达峰值的时间提前，可见异构信息融合对于短视频网络舆情传播的规模与速度具有正向影响。

（二）情感转变影响分析

为验证情感转变对于短视频网络舆情传播的影响，文章保持其余参数不变，情感转变概率ω1和ω2分别调整为0.15、0.35、0.55进行仿真实验，参数设置如表1所示。情绪转变概率ω1对于短视频舆情传播的影响如图3所示。情绪转变概率ω2对于短视频舆情传播的影响如图4所示。

图3仿真结果表明，当参数ω1增加时，更多的积极情感感染者将会转变为消极情感感染者，消极情感感染者数量不断提升，但由于情感转变，用户多次参与舆情传播，因此舆情传播持续时间增长。图4仿真结果表明，当参数ω2增加时，更多的消极情感感染者将会转变为积极情感感染者，具有积极情绪的传播者的数量增长明显。

（三）用户兴趣影响分析

由于用户兴趣对于舆情信息的传播具有影响，为验证该影响，文章将间接屏蔽率μ调整0.08、0.18、028分别进行仿真实验，如图5所示。

图5仿真结果表明，随着间接屏蔽率μ的提升，更多网民对于舆情信息的兴趣程度减弱，导致选择不传播舆情信息。因此，感染者的数量减少，舆情传播规模缩小，持续时间减少。当网民对于事件的兴趣度较高时，将进一步促进舆情的传播。

四、结语

文章旨在为政府、媒体机构及相关组织提供更深层次理解短视频网络舆情传播规律的理论基础，以及在面对舆情事件时，实施更加精准、高效的管理与应对策略，以期为维护网络环境的健康与社会稳定，促进信息的有效沟通与理性对话。

参考文献：

[1]李磊，肖新月，王润琪.短视频时代政府网络舆情引导研究[J].湘潭大学学报（哲学社会科学版），2021（04）：80-84.

[2]陈璟浩，王有峰，聂卉梓.突发事件短视频网络舆情演化分析模型研究[J].信息资源管理学报，2022（03）：152-164+180.

[3]张海涛，张鑫蕊，周红磊.融合用户偏好与内容特征的短视频传播效果评价研究[J].图书情报工作，2020（16）：81-91.

[4]魏静，丁乐蓉，朱恒民，等.基于情感和亲密度的社交网络舆情传播模型研究[J].情报科学，2021（04）：37-46.

[5]张亚明，何旭，杜翠翠，等.负面情绪累积效应下网民群体情绪传播的IESR模型研究[J].情报科学，2020（10）：29-34.

[6]祁凯，李昕.基于S3EIR模型的政务短视频网民情绪感染路径研究[J].情报理论与实践，2022（10）：124+164-168.

[7]GENG L， ZHENG H， QIAO G， et al. Online public opinion dissemination model and simulation under media intervention from different perspectives[J].Chaos， Solitons and Fractals， 2023.