考虑信任与权威影响的社会网络-舆论协同演化的研究
[朱侯
]
]
引用本文
朱侯. 考虑信任与权威影响的社会网络-舆论协同演化的研究[J]. 现代图书情报技术, 2015,31(10): 50-57
Zhu Hou. Co-evolution of Social Networks and Public Opinion Considering the Effect of Trust and Authority. New Technology of Library and Information Service,2015,31(10): 50-57
Permissions
Zhu Hou. Co-evolution of Social Networks and Public Opinion Considering the Effect of Trust and Authority. New Technology of Library and Information Service,2015,31(10): 50-57
Copyright©2015, 《现代图书情报技术》编辑部
《现代图书情报技术》编辑部
考虑信任与权威影响的社会网络-舆论协同演化的研究
摘要
【目的】分析在信任和权威两种心理机制作用下, 舆论与社会网络结构的协同演化规律。【方法】采用相对协议模型表达舆论交互机制, 并设计信任和权威的心理计算模型, 通过计算机模拟信任和权威影响下舆论和网络结构的协同演化过程。【结果】动态网络的情景下, 舆论的一致性不如静态网络, 个体之间更容易因观点偏好的差异形成非正式的局部团体; 个体间的信任值呈现幂律分布, 但是权威个体并不一定拥有高信任关系。【局限】认知心理的可计算模型以参数传递的方式嵌入舆论模型, 二者的协同方式有待进一步改进。【结论】信任与权威对舆论与社会网络间的协同演化有显著的影响, 控制权威个体的观点偏好, 能在一定程度上改变群体的舆论发展方向。
关键词:
复杂网络; 舆论; 计算实验; 信任; 权威
中图分类号:G206
Co-evolution of Social Networks and Public Opinion Considering the Effect of Trust and Authority
Abstract
[Objective] Study on co-evolution rules of social networks and public opinion considering the effects of trust and authority.[Methods] Design a computational model of trust and authority, express interactive mechanism of public opinion by relative agreement model, then analyse the co-evolving process of dynamic social networks and public opinion based on computational experiment.[Results] The experiment results show that the consistency of public opinion in the scenario of dynamic social networks is lower than the static networks, and the informal groups are easier to form. The trust values follow the power-law distribution, but it is not sure that the authoritative individuals hold high trust friendship.[Limitations] The cognitive computational models are embedded into the opinion model through parameter passing, and the synergistic mode between them needs to be improved.[Conclusions] Trust and authority influence the co-evolution process significantly; the organization should control the authoritative individuals to guide the direction of public opinion.
Keyword:
Complex networks; Public opinion; Computational experiment; Trust; Authority
1 引 言
网络时代容易发生舆论危机, “ 互联网反腐” 等舆论对社会发展有正面的影响, 而有些舆论如“ 老酸奶明胶传言” 等则会严重损害企业形象, 因此对舆论形成和演化机制的研究有利于预防和化解舆论危机。“ 近朱者赤, 近墨者黑” 表达了具有相同兴趣爱好和观点的个体, 往往会形成自己的圈子(关系网络), 即行为或观点促成圈子的形成; 另外, 同一圈子的朋友, 交流的机会更多, 更有可能就某些话题达成一致。因此, 社会网络和社会舆论是相互影响、共同演化的。然而, 观点的接受和关系的建立等行为的发生都是以一定的心理机制为基础的, 因此信任与权威对舆论与社会网络协同演化有着潜移默化的影响。在这些心理因素的影响下, 舆论与社会网络的协同演化可能会涌现出更加复杂的特征。
本文在考虑动态网络与舆论的协同演化过程的基础上, 设计信任和权威两个因素的心理发生机制的可计算模型, 通过计算实验分析信任与权威对社会网络与舆论协同演化的影响。
2 相关研究
在社会网络中对智能体交互的建模和舆论形成过程的模拟是统计物理学中一个十分活跃的研究课题。连续观点的有界信心模型已经被该领域专家广泛用来研究舆论的演化问题[1, 2, 3]。然而, 在该框架下自适应地改变社会网络的影响只是最近才开始受到关注[3]。社会网络即一群人或团体按照某种关系连接在一起而构成的一个系统。关系可以是各种形式, 比如朋友关系、同事之间的合作关系、家庭之间的联姻关系、科研工作者之间的传承关系等。个体并不会接受所有可能接触到的观点, 观点的形成是嵌入在社会交互过程之中的[4], 很多观点的传播都是通过社会交互完成的[5, 6]。即人与人之间的网络结构可以决定一个观点能够以多大程度在社会上传播[5, 7, 8, 9]。
复杂网络拓扑的影响在舆论演化领域得到了广泛的关注[10]。阮冰等[11]基于社会影响与社会距离的思想构建社会网络, 提出舆论形成演化的一般框架, 建立时间连续与离散两种情况下不变无向网络拓扑上的舆论形成演化模型, 并对其进行仿真。程寅钊等[12]建立具有社团结构、演变规则和个体差异性的两社团舆论传播模型, 其中引入体现社团和个体差异性的参数集合, 并通过计算机仿真分析, 给出不同的社团公关能力和观点领袖作用下的舆论演进趋势。杨波[13]从经验数据中构建舆论传播网络, 运用复杂网络子图普查和群结构分析的方法对其微观组织模式进行细致研究, 给出网络的子图分布情况及群结构的典型构型和结构特征。唐晓波等[14]将共词网络分析和复杂网络的思想与方法拓展到微博舆情分析中, 并设计基于网络可视化的微博舆情分析模型。
这些关于网络动态的研究主要基于网络持续演化的思想, 即网络依据某种固定的规律增加或移除节点。这种做法中, 增加节点的依据一般是: 节点度高的节点有更高的概率吸引新的节点与之连接; 或者依据拟合熵增加连接, 即效率高的节点能以更高的概率吸引更多的新节点[15]; 或者直接在静态网络上研究群体观点[16, 17]。 但当前的社会网络结构是如何演化而成并得以维持的呢?这个问题在很多研究中出现过, 但是都无法完全回答。本文尝试从舆论与社会网络协同演化的角度探讨这个问题。
基于社会网络的舆论演化研究已经取得了可喜的成绩, 但仍然存在需要不断改进的地方。一方面, 在社会网络中, 并不是每一个个体都享有相同的威信或对他人观点的影响能力。Aristotle[18]指出影响他人改变观点或行为有三种力量: 同情(Pathos, 请求对方接受自己的观点或行为)、理性(Logos, 通过道理或逻辑说服对方)和风气(Ethos, 通过自己的权威迫使对方服从)。同情和理性在有界信心模型中可以通过异质更新因子体现出来, 但是权威的作用机理在已有的模型中还未能体现, 尽管越来越多的研究表明权威也是观点改变的一个重要作用因素[19]。另一方面, 这些模型往往对个体观点演化的底层认知机理刻画得不够深刻, 一般只在复杂网络中嵌入简单的观点演化规则对智能体的状态和属性进行推理[20]。邓巴模型[21]即社会脑假说, 指出在人类社会网络中, 朋友关系可以分成两类, 一类是关系密切的朋友构成的同感组; 另一类是一般关系构成的普通组。如邓巴模型指出人类一般能维持的朋友关系数量为150, 其中同感组的数量是50, 另一组数量则为100[22, 23]。因此, 不同组别代表交互对之间的交互频率和连接的强弱[24]。但是信任在舆论演化过程中的发生机理尚不明确, 本研究尝试建立信任的心理计算模型并嵌入到舆论与社会网络的协同演化过程中。已有研究中信任往往建立在权威的基础上, 而本研究分别对信任和权威心理发生机制建立可计算模型, 分析舆论与社会网络的协同演化。
3 模型建立
3.1 个体观点传播模型
个体交互时观点和行为的更新规则是基于Deffuant-Weisbuch(DW)模型, 即连续观点相对协议模型[1]。设定群体中总共存在N个智能体, 每个智能体agent包含两个变量, 即观点x和观点的不确定性水平u, 且满足x∈ [-1, 1]及u∈ (0, 1]。在每一次交互中, 其中一个智能体agentj被选取作为焦点智能体(观点接收方); 而另一个智能体agenti则被认为是活动智能体。在DW模型中, 如果两个交互智能体间的观点重叠部分hij满足hij> ui, 焦点智能体agentj的观点和不确定性更新规则参照公式(1)和公式(2), 其中 
 |
 |
其中, μ 是一个收敛参数, 且 
3.2 网络的演化模型
本文中, 网络连接不是基于某个固定概率重连或断开, 而是由信任和权威两大心理因素驱动的网络结构演化和观点改变, 因此分别设计信任和权威的心理计算模型。
信任机制的基础是社会脑假说[21]。在本文中信任是个体交互的前提, 并且是建立连接的基础。智能体在交互过程中, 往往优先选择值得信赖的朋友进行沟通, 其次才是选择普通朋友进行沟通。假定个体agentj具有m个朋友, 每一个连接linkji都有属性值trustji代表该连接的两个个体之间的信任强度, trustji∈ [0, 1]。两个个体之间信任强度越高, 说明越信赖对方的观点和认同对方的行为[25]。在每一个交互时间段, 焦点智能体都倾向吸收信任度高的朋友观点或行为, 且以朋友的信任值作为交互概率, 通过轮盘赌法则选择其中一个朋友与其进行观点互动, 依据该法则信任度高的朋友有更高的概率被选中。
设定朋友i被选中, 焦点智能体就根据公式(1)和公式(2)进行观点更新。如果观点值更新成功, 表明沟通有效, 则智能体j和智能体i之间的信任强度trustji按照公式(3)进行强化; 如果观点值更新失败, 表明沟通失败, 则智能体j和智能体i之间的信任强度trustji按照公式(4)进行衰减, 其中t为系统时间, p为信任变化速率p。当连接的信任值低于阈值ε 时, 该连接的两个个体之间的信任关系就会破裂, 从朋友变成非朋友关系, 即连接断开。
 |
 |
为了对权威影响建模, 本文假定智能体的连接数越大, 该个体的权威值(Authority)就越大[26], 即维持的朋友关系数量越大的个体在整个群体或组织中的威信就越大。每一个时间阶段, 焦点智能体j都会寻找一些新的朋友, 假定智能体j的视野范围是vision, 则焦点智能体会根据公式(5)选择一个个体agentchosen, 并依概率rnew建立联系, 其中m为vision范围内与智能体j不是朋友关系的个体数目。
 |
此外, 实证研究表明, 不论交互成功或失败, 朋友之间的信任关系都会随着时间推移逐步衰减[27], 衰减方式如公式(6)所示, 其中r为信任衰减率:
 |
3.3 舆论传播与网络演化的交互过程
(1) 初始化, 随机产生N个个体, 个体的观点值、不确定值为随机值; 在这些节点之间随机产生连接, 使得网络的平均节点度为d, 连接的trust初始值为随机产生;
(2) 执行步骤(3)至步骤(8)直到模拟时间结束;
(3) 根据公式(1)、公式(2), 朋友之间进行观点和行为互动;
(4) 根据公式(3)、公式(4), 更新朋友之间的信任值trust;
(5) 根据公式(5)增加新的朋友;
(6) 根据公式(6)进行信任值的自然衰减;
(7) 当连接linkji的信任值trustji低于阈值ε , 则断开连接;
(8) 重复执行以上步骤, 当达到最大系统时间模拟结束。
4 模拟实验
在模拟实验中, 如无特别说明, 所有参数的设置均参照表1[1]。在每次交互中, 两节点被选取为交互对, 并根据交互规则进行舆论的更新和关系网络的演化。模拟系统持续运行, 直到组织的观点达成一致或者仿真时间达到100。模拟系统采用NetLogo①(①http://ccl.northwestern.edu/netlogo/.)平台开发, 并且所有的模拟实验都运行1 000次, 取均值。
 | 表1 系统参数默认设置 |
4.1 网络动态下舆论的涌现过程
本实验在默认设置下, 对比动态与静态网络环境下舆论的涌现结果之间的差异。静态网络结果如图1所示, 大多数个体的观点和行为值趋向一致化, 即观点x取值向0.5靠拢, 少部分个体在观点值1和0处分别极化, 这个结论在Deffuant等[1]的研究中已经得到验证。而在动态网络环境下个体观点和行为也能逐渐趋向一致化, 但是被群体普遍认同的观点有多个, 如图2所示的波峰有大约6个。因此在静态网络环境下舆论一致化程度更高, 在动态网络的情景下会有多个不同的舆论被群体接受。
 | 图1 静态网络下舆论的涌现结果 |
 | 图2 动态网络下舆论的涌现结果 |
在结构固定的组织中, 个体行为方式很容易采纳相同的行为方式和接受相同的观点。在流动性较大的组织中, 由于个体有更多的机会认识新朋友, 一些能量比较大的个体很容易影响更多的人群接受自己的观点和行为, 因此逐渐产生了多个舆论。如, 农村的人际关系结构相对稳定, 村民之间对特定事件更容易达成相同的观点, 因此农村的暴力事件频发, 这与其社会结构稳定是存在必然联系的。现实中, 一个结构稳定的群体, 观点很容易达成一致; 而流动性较大的群体则更容易形成不同的观点。
4.2 舆论演化过程中网络结构的涌现
假定初始状态, 个体之间的朋友关系是随机产生的, 连接的分布比较均匀, 如图3所示。在默认的交互机制下, 网络结构演化的结果如图4所示, 图中圆圈所示部分节点连接变得比初始状态密集得多。出现这种现象的原因是, 组织运行过程中, 网络不断产生了新的连接, 而圆圈中的节点与其朋友一直能保持较高的信任关系, 连接得以保持; 而其他位置的个体与周围个体的朋友关系在建立后, 很快就破裂了, 因此出现了图中所示的连接密集区。
 | 图3 初始时刻网络结构 |
 | 图4 T=100时网络结构 |
图5和图6分别展示了初始时刻和模拟结束时刻网络节点度的分布规律, 两幅图对比表明, 在模拟结束时刻出现了少量节点度非常大的个体(图6最右侧)。正是这些节点导致图4中出现的连接密集区, 这些节点度比较大的个体即是该组织中权威性比较高的个体。而权威个体和连接密集区的出现, 也正好与图2所示的舆论演化中涌现出的几个峰值相吻合。因此, 在网络动态与舆论协同演化的过程中, 出现一些局部的非正式组织, 局部组织内个体之间关系密切, 拥有相同的观点认同, 而局部组织之间则产生观点和行为的分歧。
 | 图5 初始时刻节点度分布 |
 | 图6 模拟结束时刻节点度分布 |
图7展示了系统模拟过程中不同初始组织结构下, 组织内连接总数的变化规律。在默认的设置下, 组织连接总数先小幅下降, 经历一次迅速的增长和迅速的下降, 最后回归到基本稳定的数量。而在初始平均节点度分别为5和15的情景下, 虽然在模拟的早期与默认设置下总连接数有所区别, 但是最终总连接数量不相上下。因此, 初始时刻组织内朋友关系的数量与最终组织内朋友关系数量关系不大, 这也表明对刚刚组建的组织而言, 其个体之间朋友关系对非正式组织形成影响不明显, 组织内非正式组织的形成主要依赖于组织现有的沟通机制。
 | 图7 组织内连接总数量的变化过程 |
4.3 关系的信任度
由于在模拟系统初始化过程中, 朋友关系的初值是随机产生的, 因此, 初始时刻关系网络信任值分布相对均匀, 如图8所示。但是随着模拟系统的演化, 整个组织内朋友关系的信任值分布接近于幂律分布, 如图9所示。
 | 图8 初始关系网络信任值的分布 |
 | 图9 模拟演化后关系网络信任值的分布 |
关系信任值低的连接非常多, 但是有少量个体的信任值极高。因此, 组织中大多数关系是非常脆弱的, 即个体之间的信任值很低, 一旦有重大的变化, 很容易发生关系的破裂。比如在模拟实验中, 如果将个体的视野范围缩小到vision=5, 个体之间的关系网络将会变得非常的稀疏, 模拟结果如图10所示:
 | 图10 vision=5时模拟结果 |
网络的平均路径长度与图4相比也会增加较多。因此, 组织一旦施行了某些政策阻碍个体之间沟通的机会或手段, 有可能带来整体的关系网络破裂, 导致沟通不畅通。现实中人们的朋友圈好友数量很多, 但是常联系的好友只占少数, 一旦工作变动或更换联系方式, 很多普通朋友便会失去联系, 这与本实验的结论相吻合。
图7的研究表明, 初始网络结构对社会网络发展的影响不明显, 为了了解组织规模是否会影响网络拓扑结构, 本文在不同的初始规模下模拟组织内信任的最终统计特征, 如表2所示, 表明初始组织规模对改变组织的整体信任水平和观点统一程度没有明显帮助。
| 表2 组织规模与信任变化的关系 |
4.4 权威与信任的联系
实验分析表明, 群体观点值与网络连接密集区之间在一定程度上互为因果关系。在连接密集区中存在权威值极高个体的概率较大, 而模拟达到最大时间时, 群体也涌现出了信任关系较强的关系连接。因此, 本文假定强信任的关系与权威个体有着某种必然的联系。为了验证权威个体与信任值之间的关系是否存在, 记录每一个个体的连接数和每一个连接关系的信任值大小。模拟结束时, 所有连接所对应个体的权威值分布如图11所示, 表明信任关系比较高的朋友并不一定具有较高的权威性, 高权威的个体是零散地分布在整
 | 图11 T=100时所有连接对应的个体权威值分布 |
个群体中。因此, 在组织中观点或行为影响力较大的个体, 不一定与所有的朋友都保持较高的信任; 而与较高信任的朋友也不一定就是组织内权威的个体。比如, “ 秦火火” 等网络公众人物粉丝众多, 但是其他网友对他们的信任度不见得比普通人高。
权威个体与高信任关系没有必然的联系, 那么权威个体在组织中的舆论演化方面是否无法起到十分明显的作用, 组织如果控制权威个体的言论和舆论后, 是否会影响群体舆论朝着某个方向演化?实验设定T=100时, 对组织内权威值最高的前10%的个体重新设定观点值x=random(0.6, 1), 即组织期望舆论x向着x> 0.5的方向发展, 如图12所示。可见, 最右侧的两个观点聚集区在T=100至T=150的区间段人数不断增加, 即组织内接受x> 0.5的人数不断增加。因此, 对权威个体观点的控制, 有利于引导组织的文化发展方向, 尽管权威个体的关系连接不一定更强。
 | 图12 T=100时重置权威个体的观点的结果 |
5 结论与展望
本文在复杂网络理论和有界信心模型的基础上, 考虑信任与权威两大心理因素影响下, 舆论与动态关系的互动演化问题。在社会脑假说的基础上建立朋友或同事之间关系的信任演化机制, 在邓巴模型的基础上通过对权威个体和人际关系的自然衰退机制建模表达关系网络的动态变化过程。
通过计算实验分析, 本文得出以下结论: 网络动态情景下, 组织舆论的统一程度不如静态网络的情景, 个体之间更容易因为观点偏好的差异形成非正式的局部团体; 在动态网络的情景下, 组织内关系网络的信任值呈现幂律分布, 有少量个体的关系信任度极高, 也有少量个体在组织中占据权威地位, 但是权威个体并不一定拥有高信任的关系; 如果组织成功控制权威个体的观点偏好, 在一定程度上能改变整个组织的舆论的发展方向。
此外, 本研究存在不足之处需要进一步改进, 如认知心理的可计算模型主要通过参数传递的方式嵌入到舆论演化模拟系统中, 改进经典舆论演化模型使其直接反映信任与权威等心理状态, 将更加具有理论与现实意义。
参考文献
| [1] |
|
| [2] |
|
| [3] |
|
| [4] |
|
| [5] |
|
| [6] |
|
| [7] |
|
| [8] |
|
| [9] |
|
| [10] |
|
| [11] |
|
| [12] |
|
| [13] |
|
| [14] |
|
| [15] |
|
| [16] |
|
| [17] |
|
| [18] |
|
| [19] |
|
| [20] |
|
| [21] |
|
| [22] |
|
| [23] |
|
| [24] |
|
| [25] |
|
| [26] |
|
| [27] |
|