網(wǎng)絡輿情結構逆轉建模與仿真：基于改進Deffuant模型

于同洋，肖人彬，侯俊東

(1.中南民族大學管理學院，武漢 430074；2.華中科技大學人工智能與自動化學院，武漢 430074；3.中國地質(zhì)大學(武漢)經(jīng)濟管理學院，武漢 430074)

0 引言

網(wǎng)絡輿情是隨著互聯(lián)網(wǎng)發(fā)展而逐漸產(chǎn)生的，以微博、微信為代表的網(wǎng)絡自媒體成為網(wǎng)絡時代信息擴散的主要媒介，自媒體在信息傳遞的快捷性和交互性上遠遠超過了傳統(tǒng)媒體。在如今民眾表達自身訴求的官方渠道還不很暢通的前提下，普通民眾有了新的話語方式及形式，導致社會輿情從線下現(xiàn)實社會轉移到線上的網(wǎng)絡空間，現(xiàn)實社會里的一些突發(fā)事件，極易誘發(fā)網(wǎng)絡上的網(wǎng)絡輿情，在全民移動互聯(lián)背景下，互聯(lián)網(wǎng)呈現(xiàn)出話語表達的低門檻特征，對現(xiàn)實事件的網(wǎng)絡討論也更容易引起網(wǎng)絡群體的關注和輿論熱度，這使得網(wǎng)絡輿情不斷出現(xiàn)。特定網(wǎng)絡輿情引起了網(wǎng)民的恐慌，也可能影響政府的公信力[1]。網(wǎng)絡輿情的擴散常呈現(xiàn)出結構逆轉特性。許多群體事件往往是由利益集團或政府的決策引起，引發(fā)網(wǎng)絡輿情，使得群體輿論的支持與反對情況發(fā)生改變，打破傳統(tǒng)勢力對社會話語權的控制，導致網(wǎng)絡輿情結構逆轉，即網(wǎng)絡空間的群體力量對比發(fā)生逆轉，最終改變了利益集團或政府最初的決策。普通民眾在現(xiàn)實處于弱勢地位，難以改變強勢群體的決策結果。但在網(wǎng)絡空間里普通民眾重新?lián)碛性捳Z權以表達自身利益訴求。網(wǎng)絡輿情擴散往往會挑戰(zhàn)政府的公信力，容易激發(fā)群體性事件，政府必須對網(wǎng)絡輿情監(jiān)管，必要時妥協(xié)網(wǎng)絡民意達成輿情結構逆轉。

隨著中國社會轉型的深入，加速了社會矛盾的涌現(xiàn)與聚合，導致群體性事件呈現(xiàn)出“涌噴”態(tài)勢。社會轉型下社會和諧的程度有所不同，影響著網(wǎng)絡空間群體參與輿情的行為，從社會轉型這個宏觀因素出發(fā)，來研究網(wǎng)絡輿情傳播結構逆轉現(xiàn)象的動力學特征。以觀點動力學理論來研究網(wǎng)絡輿情在網(wǎng)絡空間擴散的復雜性，更接近真實的網(wǎng)絡輿情現(xiàn)象。Deffuant模型考慮了社會影響中個體的心理過程，個體之間觀點差別不大時才會擴散輿情，這符合輿情擴散的個體心理，Deffuant模型的兩兩配對方式也較適合真實場景的輿情擴散。本文探索網(wǎng)絡輿情結構逆轉背后的計算機制，通過微觀的觀點擴散分析，對Deffuant模型進行擴展，既考慮個體觀點的連續(xù)假設，也考慮個體觀點的被感知的離散性，建立網(wǎng)絡輿情逆轉的模型以揭示結構逆轉現(xiàn)象，并解釋群體異質(zhì)性、社會轉型對網(wǎng)絡輿情結構逆轉的影響，并揭示網(wǎng)絡輿情結構逆轉的復雜系統(tǒng)機制。

1 基于Deffuant模型的網(wǎng)絡輿情逆轉模型

Deffuant模型是針對連續(xù)觀點進行的，以個體間的微觀互動行為來研究宏觀上的觀點動力學特征及穩(wěn)定性，網(wǎng)絡輿情在線上與線下在微觀上也具有差異性，線上與線下的微觀個體Agent之間在接觸性、產(chǎn)生信任上存在明顯差異，線下個體之間的交互接觸充分、信任感也較強，容易感知到交互對方的觀點強度，因此Deffuant模型可用于線下的社會輿情的擴散。而線上的網(wǎng)絡輿情擴散時，微觀個體交互行為僅通過網(wǎng)絡接觸，接觸性難以充分，Agent之間難以體會到對方觀點的真實值，只能體會到對方模糊的觀點值，因此，需要對Deffuant模型中的連續(xù)的觀點進行修改。本文考慮社會轉型與社會和諧等宏觀因素的影響，也需要建立一些新的交互規(guī)則來擴展該模型以適合網(wǎng)絡輿情擴散的在線仿真場景，從而建立網(wǎng)絡輿情逆轉模型。

1.1 Deffuant模型

t時刻從N個個體中隨機選擇Agenti和j，其觀點值分別為xi(t)和xj(t)，如果xi(t)和xj(t)之間的觀點的距離不小于d，則這兩者的觀點不會更新；如果xi(t)和xj(t)之間的觀點的距離小于d，即|xi(t) -xj(t)|

(1)

其中，μ∈(0,0.5]為收斂參數(shù)。Agenti在t時刻的觀點xi(t)連續(xù)分布于[0, 1]，數(shù)值越大表示觀點支持的傾向越強，反之，觀點反對的傾向越強。

1.2 網(wǎng)絡輿情逆轉模型

1.2.1 在線觀點值

在網(wǎng)絡輿情擴散中，觀點在擴散過程中需要表達出來，才能為其他人所知曉，個體自身的觀點與其他人所感知的觀點之間存在差異，即個體表達出來的觀點值與其被其他個體感知到的觀點值是不同的；另外，線上的個體之間的交互通過在線網(wǎng)絡環(huán)境，這種非直接接觸的交互方式，使得個體交互難以充分，個體真實的觀點值難以被交互個體完全感知。觀點動力學主要有離散觀點模型和連續(xù)觀點模型，Deffuant模型為連續(xù)觀點模型。仿真場景中，每個個體的觀點值是按照Deffuant模型的連續(xù)觀點假設，但在交互時其他個體的感知難以得到確切的觀點值，但能體會到觀點值的強弱程度，如較弱(0.1)、較強(0.9)，因此個體能被感知的值以離散觀點表示更好。經(jīng)典離散模型多以2個值或3個值來表示個體的觀點，體現(xiàn)觀點的態(tài)度傾向是支持還是反對還是中立，擴散結果也是計算這2個值或3個值在整個群體的分布狀況。本模型不能這樣簡單假設被感知觀點的離散值，以2值或3值來映射連續(xù)觀點值過于簡化，本模型對個體能被感知的觀點進行了5值劃分，這符合個體感知中的“很弱、弱、中等、強、很強”的5閾值分類。

表1 感知觀點取值Tab.1 The value of perception viewpoint

為每個個體的觀點值設置相應的感知觀點值，以標識交互個體能夠感知到的個體的在線觀點值，如表1所示，如Agent的觀點在[0,0.2)之間，能被感知的觀點值為0.1，體現(xiàn)觀點強度是很弱的，相反，0.9的感知觀點值體現(xiàn)所感知的觀點強度是很強的。

1.2.2 改進Deffuant模型

兩個利益相關者Agenti和j，其觀點值為[0, 1]之間的連續(xù)實數(shù)，分別為xi(t)和xj(t)，其能夠被其他個體感知到的離散值為xoi(t)和xoj(t)，則兩者之間的交互的觀點僅在下列情況更新，其他情況下觀點不會更新。如果Agenti感知到Agentj的觀點，xi(t)和xoj(t)之間的觀點距離小于d，即|xi(t) -xoj(t)|

若0≤xi(t)-xoj(t)

xi(t+1)=xi(t)-μ(t)*(xi(t)-xoj(t))

(2)

若0≤xoj(t)-xi(t)

xi(t+1)=xi(t)+μ(t)*(xoj(t)-xi(t))

(3)

與此同時，需要判斷交互對方Agentj的觀點xj(t)和xoi(t)之間的觀點距離是否小于閾值d，即|xj(t)-xoi(t)|

xj(t+1)=xj(t)-μ(t)*(xj(t)-xoi(t))

(4)

若0≤xoi(t)-xj(t)

xj(t+1)=xj(t)+μ(t)*(xoi(t)-xj(t))

(5)

此外，收斂系數(shù)u(t)是社會轉型與社會和諧參數(shù)的函數(shù)，如式(6)，其中，tf表示社會轉型參數(shù)，它表示社會轉型因素對個體觀點更新的影響，影響了觀點更新的收斂系數(shù)；sh表示社會和諧參數(shù)，它表示社會和諧程度對觀點更新的收斂系數(shù)的影響系數(shù)。

u(t+1)=u(t)+(1-u(t))*(tf-sh+1)/2

(6)

2 網(wǎng)絡輿情結構逆轉仿真場景

在互聯(lián)網(wǎng)背景下的輿情擴散中，潛在參與者Agent數(shù)為N，Agent的集合S為{A1,A2,…,AN}，Agent間存在異質(zhì)性，一類是屬于利益相關群體S1，另一類是利益無關群體S2，任意Agenti在t時刻的觀點為xi(t) ∈[0,1]，i=1，2，…，N。當xi(t)= 0時，表示個體i完全反對，當xi(t)=1，則表示個體i完全支持，觀點越趨于0，反對程度更高；越趨向于1，則支持程度越大。每個個體i的信任閾值為εi∈[0,1]。在初始每個個體受某種事件的推動而產(chǎn)生隨機的觀點xi(0)，t時刻Agent的觀點集合為{x1(t),x2(t), …,xN(t)}，由于每個Agent個體都具有網(wǎng)絡結構的嵌入性，因此每個Agent會在自己的局域網(wǎng)絡中同其他Agent進行交互，這種交互行為依賴于Agent所處的網(wǎng)絡環(huán)境，在網(wǎng)絡環(huán)境下，信息的擴散更依賴于意見領袖等權威人物，因此將宏觀的網(wǎng)絡環(huán)境設置為無標度網(wǎng)絡，該網(wǎng)絡環(huán)境可以按無標度網(wǎng)絡的生成算法。按照Roger的創(chuàng)新擴散的觀點，觀點擴散會受到大眾傳播與口頭傳播兩種影響。Agenti會受到個體局域網(wǎng)絡環(huán)境中臨近Agent的類似于“口頭傳播”的微觀交互效應，也會受到宏觀上類似于“大眾傳播”的宏觀綜合效應來影響其下一時刻的觀點xi(t+1)。

t時刻，Agenti會在網(wǎng)絡中隨機選擇與其具有聯(lián)系關系的Agent(如Agentj)進行交互，Agentj能夠被其他Agent感知到的觀點為xoj(t)，xoj(t)與xj(t)的轉換關系如表1，按照Deffuant模型的有限信任原理，Agenti通過Agentj的感知觀點xoj(t)與自身觀點xi(t)，判斷兩者之間是否在Deffuant模型的閾值范圍內(nèi)，若在其中則相互吸引，否則互斥，以此完成Agenti與其他Agent交互的微觀交互效應。同時，t時刻Agenti會受到宏觀綜合效應的影響，比如社會轉型、社會和諧、政府應對輿情的策略等宏觀因素的影響。按照此交互及時間t的推進，模擬每一時間t的Agent集的觀點情況。對政府而言，當網(wǎng)絡輿情在整個群體中較嚴重時，如Agent集合具有較高的平均觀點，此時政府為控制網(wǎng)絡輿情會采取一定策略以應對網(wǎng)絡輿情，該策略與網(wǎng)絡輿情的嚴重程度相關，能影響個體間交互的閾值，同樣也能從宏觀上影響Agent的宏觀綜合效應水平，政府對宏觀輿情狀況的策略會直接影響到個體的觀點，并且這種策略對于利益無關者影響較大，直接可以降低Agent的觀點甚至直接變?yōu)?表示不再關注該輿情，而利益相關群體的Agent受到的影響較小，進一步有可能會導致網(wǎng)絡輿情的結構逆轉現(xiàn)象。

在當今社會轉型背景下，網(wǎng)絡輿情擴散問題更加突出。社會轉型的是結構轉換、機制轉軌、利益調(diào)整和觀念轉變。社會轉型的主體是社會結構，它是指一種整體的和全面的結構狀態(tài)過渡，而不僅僅是某些單項發(fā)展指標的實現(xiàn)。在仿真中設置社會轉型參數(shù)，以突顯社會轉型的影響，顯然社會轉型影響著每個Agent的屬性，也影響每個人在觀點擴散時的行為。在社會轉型時期，人們的行為方式、生活方式、價值體系都會發(fā)生明顯的變化，這必定會影響到宏觀的社會和諧，因此，社會轉型與社會和諧具有一定的聯(lián)系。社會和諧參數(shù)在網(wǎng)絡上與線下的現(xiàn)實社會中存在不同的影響效果，網(wǎng)絡上Agent之間是“互不見面”，網(wǎng)絡的匿名性能夠使得Agent更容易表達對不和諧的感受，使得這個社會和諧性在網(wǎng)絡上的影響力被完全釋放。因此，在此仿真中，著重考慮了社會轉型與社會和諧的宏觀影響力。社會轉型及社會和諧參數(shù)會影響著Agent初始觀點的分布。社會轉型參數(shù)越大，觀點分布越不均衡，社會和諧值越大，觀點分布越趨于均衡。

3 Agent仿真設計

Agent表示在線網(wǎng)絡上的網(wǎng)絡輿情參與者，它具有自身的屬性和行為。根據(jù)上述場景的描述及Deffuant模型及其改進，可設計Agent的屬性及其交互規(guī)則。從微觀個體Agent的屬性與行為出發(fā)來探索網(wǎng)絡輿情結構逆轉，基于Deffuant有界信任模型，建立網(wǎng)絡結構逆轉的仿真模型。

3.1 Agent屬性

觀點xi(t)。Agenti自身的觀點值。某種事件對Agent產(chǎn)生影響，使得Agent產(chǎn)生對此事件的觀點，該觀點傳播到一定程度就形成了輿情，仿真場景中為了體現(xiàn)結構逆轉，初始定義若干個體具有較高的觀點值如0.9，以體現(xiàn)事件的影響，其他初始并未接觸到該輿情，其觀點值為0。

感知觀點xoi(t)。Agenti能夠被其他Agent所感知到的觀點值，Agenti自身的觀點不能被其他Agent感知到連續(xù)值，只能感受到一個離散值，該數(shù)值按照表1計算，Agentj可根據(jù)該感知觀點值和自身觀點值來看這兩個值得差距是否在有界信任的閾值范圍內(nèi)，按照改進Deffuant模型的公式計算自身觀點的變化。

異質(zhì)性h。微觀Agent的特征即為個體的異質(zhì)性上，由于Agent異質(zhì)性具有多種，但輿情相關與否的這種異質(zhì)性對輿情傳播產(chǎn)生實質(zhì)而直接的影響，如與輿情相關的當事人Agent更具有傳播該輿情的意愿。因此設置h取值0或1，表示其利益相關與否的異質(zhì)性，取值1表示該Agent是該輿情相關者，可設置Agent的形狀為“person”以圖形化表示其為輿情相關者。

網(wǎng)絡環(huán)境。線上的網(wǎng)絡輿情擴散要快于線下社會輿情的擴散，原因在于網(wǎng)絡結構的差異，在網(wǎng)絡群體少數(shù)節(jié)點具有大量連接，多數(shù)節(jié)點具有較少連接，在線輿情在網(wǎng)絡中的Hub節(jié)點的作用下快速擴散，如微博大V的影響，其網(wǎng)絡結構更加呈現(xiàn)出無標度特性。Agent群體所嵌入的網(wǎng)絡環(huán)境宏觀上呈現(xiàn)無標度網(wǎng)絡特性，因此需要生成無標度網(wǎng)絡，本文按照NW無標度網(wǎng)絡算法生成包含N個Agent的網(wǎng)絡環(huán)境，在此無標度網(wǎng)絡結構下，群體規(guī)模對擴散曲線的性狀并沒有根本影響，仿真中N取值1 000，如圖2。根據(jù)此網(wǎng)絡結構可計算每一Agent自身相關的網(wǎng)絡屬性，如度及中心性等。

信任閾值d。按照Deffuant模型的有限信任閾值，每個Agent具備自身具有該閾值，該閾值可設置每個Agent獨特的自身屬性，也可設置所有Agent具有相同的有限信任閾值，當相同的閾值表示一種總體平均意義上的閾值，與此也會衍生出每個Agent的收斂參數(shù)u(t)，即t時刻Agent更新觀點的速率。

其他Agent屬性。在仿真中用到較多的Agent屬性，一類與Agent的圖形化表示有關，如顏色color，大小size，形狀shape等，如shape為“person”就表述其為輿情相關者；另一類表示在計算中可能用到的一些臨時變量，如flag。以flag取值0或者1來表示該Agent是否已經(jīng)進行過觀點更新。

3.2 Agent行為集

輿情相關Agent的行為。輿情相關Agenti是利益相關者，參與輿情的積極性更高，更容易與其他Agent有共鳴，因此其在與其他Agent直接接觸性交互時，有限信任閾值取值更大，也更有意愿推動輿情在群體的傳播，也更容易被其他的Agent所影響，在閾值范圍內(nèi)，若觀點增大時，收斂參數(shù)u(t)更大，觀點增大的更快，但若觀點減少時，利益相關的屬性使得其觀點減少的較慢，即收斂參數(shù)u(t)值較小。對Deffuant模型交互式的收斂參數(shù)進行修改：若0≤xi(t)-xoj(t)μs(t)。

輿情無關Agent的行為。輿情無關Agent的行為按照Deffuant模型，按照無標度網(wǎng)絡環(huán)境，隨機選擇鄰居Agent進行觀點交互，若與鄰居的感知觀點相差不大，則按照Deffuant模型的收斂規(guī)則進行，其有限信任閾值及相關收斂參數(shù)都按照Agent自身屬性值來計算。

宏觀因素對Agent行為的影響。在t時刻，Agent行為都會受到宏觀因素影響，主要有社會轉型、社會和諧和政府輿情策略，會直接或間接影響Agent自身觀點的更新；如政府輿情策略可以直接影響Agent自身的觀點，輿情相關Agent在群體的網(wǎng)絡輿情較嚴重時，源于政府輿情策略的嚴厲，并且由于策略的實施效果的有限性，我們設置該Agent按照某種概率被選擇來減少自身的觀點，并且對于不同異質(zhì)性的Agent，政策效果也有差別，如利益相關者其觀點減少的較少甚至產(chǎn)生對抗，而利益無關者則觀點減少的更多甚至直接減少為0從而不再關注該觀點。社會轉型對Agent的觀點影響則體現(xiàn)了一定的間接性，直觀上來看，社會轉型期，社會和諧程度低，社會矛盾多且容易激化，加之個體的網(wǎng)絡的話語權增加，更容易產(chǎn)生網(wǎng)絡輿情。因此，社會轉型參數(shù)應該與網(wǎng)絡輿情的發(fā)展正相關，而且這種影響是間接的，影響Agent交互時的相關參數(shù)，如Deffuant模型中的u(t)或d。

3.3 仿真參數(shù)

在仿真中，需要設置一些宏觀的仿真參數(shù)和Agent自身的屬性參數(shù)，一些宏觀的參數(shù)如社會轉型參數(shù)(st)、社會和諧參數(shù)(sh)、政府輿情策略參數(shù)(gp)、群體的異質(zhì)性比例參數(shù)h、群體規(guī)模N等，一些微觀的Agent自身屬性參數(shù)如flag、xi(t)、xoi(t)、d、ui(t)。仿真計算實驗中的這些需要設置的Agent的屬性參數(shù)及仿真的宏觀參數(shù)的默認值與相應的解釋如表2所示。

3.4 算法流程

由上述的描述，歸納該仿真步驟包含：初始化、觀點交互更新、宏觀影響、Agent屬性更新、判斷群體觀點是否穩(wěn)定，若t時刻群體觀點穩(wěn)定，則仿真結束，輸入相關的統(tǒng)計指標；若t時刻群體觀點不穩(wěn)定，則t=t+1，繼續(xù)進行輿情觀點的演化，由此循環(huán)直至群體觀點達到穩(wěn)定。具體的仿真流程圖如圖1所示。

表2 Agent屬性及默認參數(shù)Tab.2 Agent properties and default parameters

圖1 仿真流程圖Fig.1 Simulation flow chart

4 仿真結果與分析

基于上述的仿真模型，使用NetLogo對網(wǎng)絡輿情的觀點動力學特征進行計算實驗。首先對在線網(wǎng)絡輿情的擴散結果分析，進而對網(wǎng)絡輿情的社會轉型度、社會和諧度和群體異質(zhì)性對擴散的動力學過程的影響進行了計算實驗。

4.1 仿真結果

線下社會輿情擴散網(wǎng)絡主要體現(xiàn)小世界效應，而線上互聯(lián)網(wǎng)的意見領袖的無門檻接觸的特性，使得網(wǎng)絡凸顯無標度效應，無標度的擴散網(wǎng)絡結構如圖2所示，由于在線接觸不充分的特征，使得Agent交互時感知的觀點并非個體的準確的觀點值，按照表1所示。在默認參數(shù)下，網(wǎng)絡輿情擴散仿真結果如圖3所示，圖中明顯出現(xiàn)了結構逆轉現(xiàn)象，模型具有一定的解釋力。圖3顯示，在仿真初期，群體中的Agent對于突發(fā)事件較快的擁有了初始的觀點，隨后較快的達到了觀點的最高值，然后在政府管制的作用下，群體系統(tǒng)的平均觀點快速衰減穩(wěn)定態(tài)。網(wǎng)絡輿情快速擴展到最高點后，繼續(xù)快速的衰減到穩(wěn)定態(tài)，結構逆轉過程較快速。

圖2 擴散網(wǎng)絡結構Fig.2 The structure of diffusion network

圖3 仿真結果Fig.3 Simulation result

由于無標度的網(wǎng)絡結構，網(wǎng)絡輿情擴散速度肯定快于線下的社會輿情擴散。無標度網(wǎng)絡中的hub節(jié)點，即意見領袖在輿情擴散中的意義要遠大于現(xiàn)實社會中的意見領袖，如微博中一些大V具有百萬甚至上千萬的節(jié)點，具有巨大的影響力，在自媒體時代的影響力也要遠強于傳統(tǒng)媒體。網(wǎng)絡輿情具有爆發(fā)快速、快速結束的特征，短期內(nèi)的輿情的快速發(fā)展引起公眾輿論危機，對當權者存在一定的不利因素，任其發(fā)展會影響當權者的公信力，而公信力的降低會陷入“塔西佗陷阱”，此時無論相關部門如何發(fā)聲也難以取信于民。網(wǎng)絡輿情的擴散速度快、影響范圍大，對公共管理部門的管理提出了挑戰(zhàn)。這使得我們在對網(wǎng)絡輿情的管控時，要從網(wǎng)絡結構的視角，提出政策以應對網(wǎng)絡輿情的擴散特征與沖擊。社會輿情的擴散已經(jīng)高度引起政府的關注和研究者的深入探索，而在網(wǎng)絡時代、自媒體時代，網(wǎng)絡輿情更需要引起政府的關注。

4.2 社會轉型影響

社會轉型無疑會對網(wǎng)絡輿情的擴散產(chǎn)生影響，在默認條件下，并沒有考慮社會轉型度的影響，假定在其他參數(shù)不變，令社會轉型參數(shù)st取值依次為0，0.3，0.6，0.9時，仿真結果如圖4。圖4顯示，社會轉型度參數(shù)的變化與否對于網(wǎng)絡輿情的擴散性狀并沒有本質(zhì)的影響，兩者都是快速的增加到高點，然后衰減到穩(wěn)定點，不同的是，具有較低水平的社會轉型度的網(wǎng)絡輿情擴散能快速達到穩(wěn)定狀態(tài)，而較高水平的社會轉型度中的群體的網(wǎng)絡輿情處于一種相對穩(wěn)定的波動不大的狀態(tài)。實質(zhì)上，這其中存在本質(zhì)的差別，默認結果下的穩(wěn)定狀態(tài)之所以呈現(xiàn)水平狀態(tài)，原因在于只有根深蒂固的輿情相關者本身持有對事件的觀點，其他Agent都處于不激活的狀態(tài)，即不再關注該網(wǎng)絡輿情，而后3個子圖中的波動式的穩(wěn)定，顯示群體內(nèi)對該網(wǎng)絡輿情依然存在一定的關注，這種關注會在某種條件下重新產(chǎn)生輿情危機。雖然我們設置了較低的政府預警點，但依然可以從這兩圖的對比中可以看出，社會轉型參數(shù)較大時，在輿情擴散初期會產(chǎn)生相對較大的輿情危機，且同一時期較大的參數(shù)具有相對高一些的平均觀點。這說明，社會轉型會影響網(wǎng)絡輿情在群體內(nèi)擴散的充分程度，更容易激發(fā)網(wǎng)絡輿情，在社會轉型期有關部門更要關注網(wǎng)絡輿情的發(fā)展過程；不同于完全水平的穩(wěn)定狀態(tài)，社會轉型的影響對于網(wǎng)絡輿情有緩慢的結構逆轉過程，因此在社會轉型期需要對一直警惕網(wǎng)絡輿情的發(fā)展。社會轉型影響著社會和諧，不和諧的網(wǎng)絡氛圍更加容易產(chǎn)生網(wǎng)絡輿情。網(wǎng)絡輿情起源較小的導火索，但社會轉型因素是網(wǎng)絡輿情的根源之一，社會轉型期的利益分配不均，很小的導火索也會引起網(wǎng)絡輿情。

圖4 社會轉型參數(shù)的影響Fig.4 Effects of social transformation parameters

4.3 群體異質(zhì)性影響

h是仿真群體的異質(zhì)性比例參數(shù)，表示利益相關群體在整個網(wǎng)絡群體中所占的比例，Agent在個體屬性上存在輿情相關與否的差異，顯然跟輿情無關者對比，輿情相關者對于輿情的推動更能起到作用。將h設置為0.1、0.3、0.6、0.9，與默認條件下的0.5的取值相比，結果如圖5。圖5結果顯示，隨著輿情相關群體者數(shù)量增多，網(wǎng)絡輿情擴散程度更高，該值越大，網(wǎng)絡中能達到的輿情最高點也越大，說明群體異質(zhì)性比例對網(wǎng)絡輿情的推動具有強烈的影響，但是把h取值0.9長期的仿真結果與取值0.1與0.5的仿真結果對比發(fā)現(xiàn)，這3個圖在結構逆轉點時具有類似的取值，即網(wǎng)絡輿情結構逆轉時群體的平均觀點相差不大，這說明異質(zhì)性比例參數(shù)使得結構逆轉的過程變長，從而使得網(wǎng)絡輿情長期在網(wǎng)絡空間存在，但是，對結構逆轉時的輿情擴散程度影響并不明顯。這說明此參數(shù)對于輿情的長期存在具有明顯的正向影響，利益相關群體在整個群體中占的比例越大時，則網(wǎng)絡輿情越可能在一個極高的擴散程度上長期存在。整個網(wǎng)絡群體中利益相關者越多，會推動網(wǎng)絡輿情的不斷擴散，會影響網(wǎng)絡輿情結構逆轉的進程。因此，在網(wǎng)絡輿情的監(jiān)測預警時，需要關注群體的規(guī)模，特別是其中利益相關群體的規(guī)模大小，利益相關群體的規(guī)模大，即使政府采用一定的管控措施，也會使得群體觀點的一致性過程變長，結構逆轉的過程會較長，這要求政府有關部分在網(wǎng)絡輿情中需要重視該參數(shù)的影響。

圖5 異質(zhì)性參數(shù)的影響Fig.5 Effects of heterogeneity parameter

4.4 討論及啟示

仿真實驗結果顯示了網(wǎng)絡輿情的結構逆轉現(xiàn)象，表明網(wǎng)絡逆轉模型具有一定的解釋能力。網(wǎng)絡輿情結構逆轉現(xiàn)象在真實的網(wǎng)絡輿情事件中隨處可見，觀點在網(wǎng)絡上的擴散，擴散影響范圍大、影響程度高，都可能會引起網(wǎng)絡輿情，乃至出現(xiàn)結構逆轉現(xiàn)象?，F(xiàn)實中導致網(wǎng)絡輿情逆轉的根源有以下因素，首先，政府出于對網(wǎng)絡輿情的預警與監(jiān)控。網(wǎng)絡輿情的擴散時，當在網(wǎng)絡群體中擴散較高時，此時網(wǎng)絡自媒體具有了輿論導向作用，可能會挑戰(zhàn)政府的公信力，政府常采取信息披露或公開聲明等措施，會產(chǎn)生輿論導向的反轉，從而產(chǎn)生輿情結構逆轉現(xiàn)象；如“80后白發(fā)書記”的事件[34]，其白發(fā)蒼蒼的面貌引發(fā)了網(wǎng)民對“年齡造假”的強烈質(zhì)疑，在云南楚雄州政府新聞辦進行信息披露后，網(wǎng)絡輿情結構逆轉快速完成。其次，網(wǎng)絡自媒體報道失實或選擇性的報道。網(wǎng)民在掌握話語權的網(wǎng)絡空間里有了肆意評論和發(fā)聲的權力，且多數(shù)網(wǎng)民不具備去偽存真的信息辨識能力，網(wǎng)絡媒體的失實報道，如2018年的“重慶萬州公交墜江”事件[34]，媒體的失實報道導致小轎車女司機被千夫所指，在真實的信息報道之后，產(chǎn)生網(wǎng)絡輿情結構逆轉。

網(wǎng)絡輿情的擴散速度要快于線下的社會輿情的擴散，源于網(wǎng)絡結構上的差異，互聯(lián)網(wǎng)空間的群體網(wǎng)絡呈現(xiàn)無標度特性，而真實世界呈現(xiàn)小世界效應，根據(jù)復雜網(wǎng)絡理論，無標度網(wǎng)絡的節(jié)點免疫需要針對影響力大的節(jié)點進行免疫，這使得在網(wǎng)絡輿情擴散時，需要關注核心節(jié)點或意見領袖，可利用社會網(wǎng)絡分析方法，分析網(wǎng)絡的核心節(jié)點或意見領袖，以此針對性的實施防護措施，這也是網(wǎng)絡輿情“微博大V集體失聲”的主要原因。群體中利益相關者越多，會推動網(wǎng)絡輿情的涌現(xiàn)，越會影響結構逆轉的進程，此時即使采用相關措施也會使得結構逆轉的過程較長。這需要在網(wǎng)絡輿情的監(jiān)測預警時，要關注相關群體的訴求，影響這類群體，要對這類群體采取針對性的“分而治之”措施，以減少其群體規(guī)模。

網(wǎng)絡輿情結構逆轉中，螺旋式發(fā)展倒逼出事實與真相，所投射的社會深層問題仍不容忽視。我國近年來的劇烈的社會轉型，對當前的社會和諧也產(chǎn)生劇烈影響。網(wǎng)絡新媒體的傳播特征造成了網(wǎng)民的認知偏差，公眾非理性情緒涌向網(wǎng)絡，社會轉型帶來的社會分化刺激了網(wǎng)絡輿情的產(chǎn)生。從仿真來看，社會轉型對網(wǎng)絡輿情擴散具有明顯的影響作用，而社會轉型影響著社會和諧。社會轉型度越低，社會更加和諧，網(wǎng)絡中不會充斥更多的偏激人群，網(wǎng)絡輿情越不容易發(fā)展。這對公共管理者提供了宏觀角度的思考，網(wǎng)絡輿情雖然可能源于較小的導火索，但宏觀的社會轉型因素，可能是網(wǎng)絡輿情產(chǎn)生的根源。社會轉型期的利益分配不均，社會矛盾加劇，引起社會和諧程度降低，“仇權仇富”者比比皆是，很小的導火索也會點燃整個網(wǎng)絡空間。因此，在社會轉型期更需要關注網(wǎng)絡輿情發(fā)生及發(fā)展過程。需要選擇高效的輿情發(fā)掘與分析方法，避免小的事件發(fā)展為社會熱點事件，在管理過程中也要高效的應對，如避免過多的請示。

5 結論

本文研究網(wǎng)絡輿情擴散中的結構逆轉，基于Deffuant有界信任模型，對網(wǎng)絡輿情的結構逆轉以微觀視角進行分析，從網(wǎng)絡空間的個體感知觀點和社會轉型等方面對Deffuant模型加以改進，建立本文的網(wǎng)絡輿情結構逆轉模型，并進行了仿真計算及相關參數(shù)的敏感性分析。仿真實驗顯示，該模型對網(wǎng)絡輿情結構逆轉現(xiàn)象具有一定的解釋能力，社會轉型因素影響著社會和諧，進而影響網(wǎng)絡輿情的結構逆轉，社會轉型程度會嚴重影響網(wǎng)絡輿情擴散及其結構逆轉，能延長輿情結構逆轉過程。網(wǎng)絡群體的異質(zhì)性也會影響到輿情擴散的充分程度及其結構逆轉的過程，如群體中利益相關者越多，越會影響結構逆轉的進程，此時即使采用相關措施也會使得結構逆轉的過程較長。

相關部門需要關注核心節(jié)點或意見領袖；也要關注影響社會轉型時期的社會矛盾及社會分化，這些都會影響整個網(wǎng)絡空間的社會和諧，減少網(wǎng)絡輿情發(fā)生的可能；相關部門要重視利益群體，有針對性的滿足相關群體的需求，采取分化的措施，合理的轉化利益群體。政府要發(fā)揮網(wǎng)絡輿情監(jiān)測主導作用，實時追蹤輿論走向，在信息公開中實現(xiàn)與網(wǎng)民的良性互動，以提升政府的公信力。網(wǎng)絡媒體需優(yōu)化內(nèi)部運行機制以有效的自身監(jiān)管，充分發(fā)揮“把關人”作用，關鍵時刻需及時發(fā)聲。針對網(wǎng)絡輿情結構逆轉，在理論模型上要更深入，本文基于經(jīng)典Deffuant模型，但一些新模型可能也具有解釋力，如J-A模型等；同時也需要結合機器學習及大數(shù)據(jù)技術對網(wǎng)絡輿情監(jiān)測與預警，以探索輿情結構逆轉模型的實際應用。