媒体干预下带有讨论机制的网络舆情传播模型研究
张立凡, 赵凯
南京邮电大学管理学院 南京 210023
赵凯, ORCID: 0000-0002-8706-4968, E-mail: 1102533026@qq.com
摘要

目的 通过构建带有讨论机制的舆情传播模型, 研究媒体作用下网络舆情演变的内在规律。方法 把媒体对舆情传播的干预作用抽象为强化度及分歧度, 构建新的SIaIbR模型。根据舆情传播动力学方程, 求解系统传播阈值, 证明传播平衡点的稳定性。结果 仿真结果显示, 分歧度对于传播的影响要远大于强化度, 当分歧度低于0.5时候, 政府介入有助于网络舆情更快平息。【局限】仿真所用均为模拟数据, 未能结合真实传播事例进行分析。结论 研究成果为政府利用媒体干预舆情传播提供支持, 也为进一步研究媒体干预下舆情传播问题提供参考。

关键词: 网络舆情; 媒体干预; 讨论机制
中图分类号:C931 G53
Study on the Internet Public Opinion Dissemination Model with Discussion Under the Effect of Media
Zhang Lifan, Zhao Kai
College of Management, Nanjing University of Posts and Telecommunications, Nanjing 210023,China
Abstract

[Objective] By building a dissemination model with a discussion of Internet public opinion, the paper studies the inner rule of the public opinion evolution. [Methods] Present a new dissemination model with a discussion of the mechanism named SIaIbR, and express the impact of media on public opinion with the concept of Enhanced Degree and Divergence. According to dynamics equations, the equilibrium point and stability of the model are proved. [Results] The result of simulation shows that relative to the Enhanced Degree, the Divergence has an even greater impact on the dissemination of Internet public opinion. When Divergence is lower than 0.5, the government has a great impact on putting down the public opinion. [Limitations] Without combining reality disseminate examples. [Conclusions] The results can help the government take measures when facing the problem of Internet public opinion propagation, and also provide some references for the further research on Internet public opinion.

Keyword: Internet; public; opinion; Influence; of; the; media; Discussion; mechanism
1 引 言

网络舆情的传播总是伴随着媒体的参与, 没有媒体参与的传播模型和现如今的实际情况相去甚远。近年来, 媒体作用下的网络舆情传播引起了学者们的广泛关注, 但大部分研究均局限于通过加入媒体节点, 对经典复杂网络传播模型进行改进, 关注于媒体节点本身在模型上的体现[1, 2, 3, 4]。如陈波等[5]认为在信息传播过程中, 有一类节点接受到消息后会处于是否进行传播的犹豫状态, 因此引入潜在传播者E节点, 构建SEIR模型, 并用“ 推进率” 、“ 阻止率” 反映媒体对于消息传播的影响。Crokidakis[6]以二维Sznajd模型为基础, 把媒体作为外部影响因素处理。并发现, 即使初始状态持赞同观点的个体密度较小, 在媒体干预下最终意见也会达成统一。朱恒民等[7]充分考虑了媒体数量、报道力度和可信度对舆情话题传播的影响作用, 发现在媒体作用下互联网舆情话题传播速度加快, 传播范围变广且弛豫时间减少。但是这类研究大多仅涉及引入媒体节点本身, 而较少考虑媒体作用下引发的对于话题的讨论。实际上此类讨论往往会导致网民参与度的增加, 进而导致话题热度的提升, 对舆情传播造成较大的影响。

还有一些研究在谣言传播过程中处理了不同意见在传播中相遇的情况。如Zhao等[8]认为, 谣言传播者在遇到不同的谣言版本时, 会加速转变为免疫状态。Qian等[9]认为谣言传播并不仅仅通过线下邻居, 更多的是通过线上社交网络, 并且引入“ 独立传播者” 概念描述了这一现象。鲜有学者把不同观点的直接碰撞引入模型作为研究重点。而现实中的舆论传播环境较为复杂, 大多带有讨论性。这种观点意见出现分歧、引发讨论的情况大部分是媒体有意干预的结果。媒体干预大多表现为对话题意见的“ 稀释” 作用, 引出不同意见, 使话题关注度加速达到顶峰。同时由于不同意见的提出, 以及事实被进一步挖掘, 也会导致话题快速消亡。媒体的干预还会引发多种观点的碰撞。如快播事件中, 人民日报等主流媒体的观点是关闭快播、净化网络环境、传播正能量, 而各大门户网站底下评论的主流观点都是不支持重罚快播。一时间网络中两种对立观点以跟帖评论方式激烈碰撞, 话题迅速扩散开来。不同观点的直接碰撞会极大影响相关话题的传播过程。

为了弥补现有研究对媒体干预舆情, 导致意见分歧, 进而促发讨论方面的考虑不足, 本文在传统SIR模型基础上引入话题讨论机制, 并将媒体作用力抽象为“ 强化度” 、“ 分歧度” 两个维度, 以期更加贴合实际传播情况。通过模型仿真, 与无讨论机制的SIR传播模型相比较, 分析媒体作用下带有讨论机制的网络舆情的传播情况。

2 模型构建
2.1 媒体对舆情传播影响力分析

移动互联网的发展以及传播渠道的多样化, 使得网民接受媒体信息并参与舆情传播的可能性极大增强。与此同时, 网民也变得更加“ 理智” , 对于媒体观点、媒体报道事件的质疑能力也逐步提高。在媒体环境的影响下, 舆论传播会有如下变化:

(1) 消息的传播性变强, 传播周期缩短。新闻能够更快地传播给受众, 并在短期内达到话题关注度的顶峰。在媒体作用下, 原本没有兴趣的人会加入到消息的传播中。

(2) 促发了广泛的讨论。网络中产生不同的声音, 交互传播并引发论战。

(3) 加速话题消亡。由于新的话题产生, 造成现有话题关注度下降; 由于引发广泛的讨论, 受众获知不同观点, 接触不同报道版本后关注疲惫。

2.2 媒体干预下带有讨论机制的网络舆情传播模型

在充分考虑现实传播情况后, 结合现有模型, 提出媒体作用下带有讨论机制的网络舆情话题传播模型。

(1) 把媒体对舆情传播的影响抽象为强化度和分歧度两个维度讨论。

(2) 引入讨论机制, 探寻网络中两种不同观点相互碰撞、相互转换对舆情传播的影响。

该模型系统中网民处于4种状态: 未知状态(S)、传播状态(Ia)、传播状态(Ib)、移除状态(R)。S(t)、Ia(t)、Ib(t)、R(t)分别表示处于4种状态的网民占网民总体数量的比率。且S(t)、Ia(t)、Ib(t)、R(t)为关于t的连续可微函数。为了方便讨论, 定义如下:

定义1 强化度为媒体强化传播程度。在话题出现时候, 媒体的大肆渲染以及不同观点的提出会使得原本不感兴趣的人加入到话题传播者行列。表现为未知状态往移除状态转变概率的减小, 并完整叠加到未知状态转变为传播状态的概率, 记为ε 。

定义2 分歧度为传播路径分歧程度。当媒体观点与原有的观点发生碰撞时, 会导致传播过程中激烈的讨论, 从而产生意见分歧, 改变传播态势。分歧度定义为一个比率, 表示一部分传播者因受到媒体影响而持另一种观点的概率, 记为η 。

定义3 渗透率为意见双方相互影响程度。持不同观点个体的交互过程中, 会因为受到对方的影响而改变之前对事件的看法, 进而转换到对方的“ 阵营” 中。如Ia因为接触到Ib并受其影响转变为Ib。这种因接触而发生状态转移的概率定义为渗透率, 如文中的β 1、β 2

媒体作用下网络舆情传播模型如图1所示, 其中Ia、Ib表示对于话题的两种不同观点。需要说明的是, 大多数场合下Ia、Ib仅代表同一事件的不同看法, 而在某些情况下(如媒体辟谣以及媒体刻意引导舆论走向时), 可以认为Ia是网民中靠近媒体一方的观点, 而Ib则代表在没有媒体刻意干预的网络大环境下, 网民自发形成的观点。模型中的参数说明如表1所示:

图1 话题传播模型示意图

表1 模型参数说明

根据系统动力学方法[10], 建立媒体作用下互联网舆情传播模型(1):

根据Gonalez-Parra等[11]对传染病模型中动力学方程的相关研究, 模型(1)中前三个方程不含变量R, 因此仅需考虑由前三个方程构成的系统。按{IaIbS}顺序排列得到模型(2):

2.3 模型假设及参数关系说明

根据现实传播情况, 模型参数符合以下假设:

(1) 大部分情况下由于媒体影响, 一部分网民改变原有观点, 不过这部分人数不超过持原有观点网民个数, 默认媒体只能干预舆情传播而不能主导舆情自由传播, 即η ∈ (0, 0.5)。

(2) 一般认为, 相比被动接受媒体编辑观点, 网民通过第一反应、朋友圈传播以及自我了解等所形成的自发感性认识更不容易发生转变, 即自发传播路径转化为媒体路径的概率相对较低, 即β 2> β 1

为了建模方便, 模型中α 1、α 2、α 3、β 1、β 2、γ 1、γ 2等都是融入了媒体影响后的参数, 设定无媒体影响下的SIR模型传播参数为α 、β 、γ , 则得到模型(3):

由模型(3)得知, α 1=(α +ε )(1-η ), α 2=(α +ε )η , α 3=γ -ε , 而γ =1-α 。由η ∈ (0, 0.5)可以得出α 1> α 2, γ 1< γ 2。定义无媒体影响情况下未知状态个体S向传播个体I转变的概率为α , 传播个体I转为免疫个体的概率为β , 则未知个体直接转为移除个体的概率为1-α 。由于媒体影响, 传播路线以及传播参数发生改变, 如图2所示:

图2 SIR模型和带有讨论机制的SIR模型示意图

3 传播平衡点求解以及稳定态分析
3.1 传播平衡点和阈值求解

(1) 平衡点求解

令模型(2)中方程左边均为0, 通过Mathematical 9.0求解, 可以得出4组解, 分别为:

其中, P0是无病平衡点, P1、P2、P3为地方病平衡点。可以看出P1与P2属于对称的两个点, 参数P1中的α 1, γ 1在P2中分别以α 2, γ 2替换。P1、P2中Ia、Ib分别有一个为0, 在实际传播情况中代表一种讨论声音被彻底扑灭, 而P3中S、Ia、Ib同时存在, 各自对时间t的微分为0。表示传播各方在网络中同时存在, 达到均衡状态。

上述仅从数理层面考虑, 动力学方程组出现了4组数学解。然而若结合媒体作用下的舆论传播模型分析可发现, 由于η < 1-η , α 1> α 2, γ 1< γ 2, 均衡状态下, Ia不会比Ib小, 因此P2解不会出现。同理, P3中 , 故舍去。P2中Ia为零, Ib= , 这是因为, 模型上下两条传播路径完全对称, 反映在数学解P1、P2也完全对称。综上所述, 当R0> 1时, 基于媒体干预的带有讨论机制的舆情传播模型只有一个地方病平衡点P1。

(2) 传播阈值求解

传播动力学理论表明, 网络传播动力系统中都会存在一个传播阈值R0, 又叫做基本再生数, 它决定了网络舆情传播与否。当R0≤ 1时, 传播将逐渐消失, 当R0> 1时, 舆情信息将在一定区域内传播[12]

令X=(E, I, S)T, 则模型(2)可表示为: dx=F(x)-V(x), 根据文献[13]计算基本再生数:

设A=FV-1

则谱半径 , 即基本再生数R0=

3.2 衡点稳定性分析

(1) 零传播平衡点的稳定性

当R0≤ 1时, 传播不能进行, 这种状态下Ia、Ib的值均为零, 网络中没有传播者, 系统仅有无病平衡点P0: (S=A/α 3, Ia=0, Ib=0), 下面依据Lyapunov第二法[14]证明P0的稳定性。构建Lyapunov函数:

则dV(Ia, Ib)/dt< 0, 由Lasalle不变集原理知, P0全局渐进稳定[14]

(2) 地方病平衡点稳定性分析

由3.1节平衡点求解可知, 当R0> 1时, 基于媒体干预的带有讨论机制的舆情传播模型只有一个地方病平衡点P1, 下面讨论P1的稳定性。

令X=A-α 1SIa-α 2SIb-α 3S

Y=α 1SIa+β 2IaIb-β 1IaIb-γ 1Ia

Z=α 2SIb+β 1IaIb-β 2IaIb-γ 2Ib

则有:

带入P1: , 求P1的Jacobian矩阵为:

求得特征方程为: λ 3+M1λ 2+M2λ +M3=0

P1中, , 又有α 1> α 2、γ 2> γ 1, β 2> β 1, α 1、α 2、β 1、β 2、γ 1、γ 2、Ia> 0, Ro> 1

则有M1> 0, M2> 0, M3> 0, M1M2-M3> 0

由Routh-Hurwitz[12]判别条件可知, 模型在P1处是局部渐进稳定的。

4 带有讨论机制的舆情传播规律分析

在媒体作用下, 舆情传播产生两种主流观点, 并相互作用, 影响整个舆情传播态势。利用真实数据进行仿真分析, 能够很好地解释和验证模型。但近来微博等自媒体平台收紧API, 对相关接口的返回结果做出限制, 舆情传播实测数据获取较为困难, 因而, 仅通过数值仿真实验, 以构建的媒体干预下带有讨论机制的网络舆情传播模型为基础, 利用控制变量法, 研究讨论机制对舆情传播的影响。

4.1 有无媒体作用对舆情传播过程的影响

设α =0.9, β =0.1。媒体影响强化度ε =0.02, 分歧度η =0.4。此外, 令β 1=0.1, β 2=0.2, γ 1=0.04, γ 2=0.06。这样保证β =γ 12, 可以排除由于感染态向移除态转变概率不一而导致弛豫时间的不同。系统达到平衡点移除个体的比例如图3所示:

图3 媒体作用对传播过程影响

图3可以看出, 相比无媒体干预的舆情自由发展情况, 媒体作用下的舆情系统弛豫时间长了近一倍。仿真结果和现实舆情传播规律是一致的, 媒体的干预使得网络传播者产生意见分歧, 持不同观点个体相互影响、相互转化, 形成持续讨论, 提高了话题的关注度, 引发更多的人参与其中, 并大大减缓了个体因为失去兴趣而转变为移除状态, 网络中话题长久不能消除。

模型中影响传播进程的有“ 强化度” 和“ 分歧度” 两个变量。为了研究哪个变量对传播影响更大, 下面分别把代表剔除媒体影响后的R1曲线、剔除强化度影响后的R曲线以及剔除分歧影响后的R2曲线绘于一张图上, 如图4所示:

图4 不同变量对传播影响图

图4可以看出, 黄色曲线、蓝色曲线近乎重叠, 且与绿色曲线差异较大。可以得出结论: 媒体对于舆情传播态势的影响, 主要体现在分歧度方面, 即制造意见分歧, 引发广泛讨论。这个结论对于借助媒体进行舆情疏导具有实际指导意义。

4.2 不同参数对传播进程的影响

为研究参数的变化对舆情传播的影响情况, 采用控制变量法, 设置三组实验, 通过数值仿真来研究强化度、分歧度和渗透率对舆情传播的影响情况。实验中设置个体初始比例为: S=0.96, Ia=0.02, Ib=0.02, 无媒体干预下的α =0.9, β =0.1。其余需要考察的参量如表2所示:

表2 参数设置

实验一考察了不同传播强化度随着时间的变化对舆情的影响情况, 仿真结果如图5所示:

图5 不同强化度对舆情传播影响

与对照组相比, 移除状态R、R1曲线以及传播者Ia、Ia1曲线相差稍大, 其余各状态曲线基本吻合。Ib、Ib1曲线相差不明显, 因为实验中设置的分歧度较小, 折合乘积因子为0.4和0.6, 对强化度的放大倍数较小, 所以曲线相对平滑, 差异不显著。R1曲线与对照组相比上升略快, 系统弛豫时间稍延长。可以得出结论: 强化度和系统弛豫时间、传播个体峰值成正相关, 但影响幅度不大。

图6可知, 实验组与对照组相差较大, S1曲线向左偏移, 随时间衰减明显, Ia1, Ib1曲线起伏变大, 上升速度加快, 峰值近两倍于对照组, 且整体左移。这说明话题分歧度提高, 会使得网络中未知者迅速转变为传播者, 加入到话题讨论中。传播者数量更早达到最大值, 之后下降速度显著减缓, 弛豫时间大幅加长。

图6 不同分歧度对舆情传播影响

实验一和实验二分别考察了强化度和分歧度对舆情传播的影响, 实验一中设置强化度为对照组的两倍, 而实验二中, 强化度变动量仅为对照组的四分之一, 其对应图6中的传播曲线变化却比实验一中明显多。由此可见, 现实传播情况下媒体强化度对舆情的作用有限, 不会在较大程度上影响舆情传播态势; 分歧度对舆情传播影响巨大, 效果远大于强化度。这也验证了4.1节中的结论, 即媒体对于舆情传播态势的影响主要体现在分歧度方面。所以政府在通过主流媒体疏导舆情时候, 若不做好充足准备, 贸然提出与网络主流观点差异较大的“ 官方观点” , 可能会在更短的时间内使舆情波及更大的范围, 并且会导致话题影响更加难以消除, 进而引发舆情危机。

实验三的设置为渗透率β 1=0.13, β 2=0.21, 而对照组中相应为0.15和0.2, 其余参数不变。图7中可以看出总体而言渗透率对传播影响较大, 表现为弛豫时间变长, 传播曲线峰值明显变大, 但变化强度弱于实验二, 尤其表现在系统弛豫时间方面。

图7 不同渗透率对舆情传播的影响

仿真结果显示, 媒体对舆情传播的影响主要表现在两个方面:

(1) 消息能够更快地传播给受众, 且不同观点的碰撞, 会使得原本没有兴趣的人加入到消息的传播中, 使得话题短期内达到关注度的顶峰。表现在图像中即为易感者曲线迅速降低, 传播者曲线整体左移。

(2) 由于讨论的原因, 话题更加不容易消亡, 会相对持久地在网络中存在。表现在图像中即为移除状态曲线达到峰值时间变长。而对引发这一变化的三个维度进行比对发现, 分歧度影响最大, 渗透率其次, 强化度最小。

从传播曲线来看, 分歧度在0到0.5区间时, 代表网络原有观点的Ia曲线在短期内达到峰值, 并在整个传播周期内处于较高水平; 而因受媒体影响形成的传播曲线Ib在达到峰值后迅速衰减, 并长期处于较低水平。然而这反过来也说明了当媒体影响力足够强, 以致分歧度在0.5以上时, 网络原有观点会被迅速扑灭, 媒体观点快速充斥整个网络, 从而达到控制疏导舆情危机的作用。

综上所述, 笔者认为媒体在控制疏导舆情传播时, 应事先做好相关影响力评估, 确保其观点应能够被大多数人所接受并能被广泛传播, 而后再控制主流媒体对舆情进行疏导。若不做好充足准备, 媒体影响力达不到足够的强度(分歧度低于0.5), 贸然提出“ 官方观点” , 企图引导舆情发展, 可能会诱使更多的人参与话题讨论, 导致话题影响更加难以消除, 进而引发舆情危机。

5 结 语

随着移动互联网、4G通信技术的普及和发展, 以及自媒体等新媒体平台的出现, 网络媒体环境已经发生巨大变化。在互联网舆情研究中充分考虑媒体的作用, 探寻媒体对舆情的作用方式、作用机理有着深刻的现实意义。

在分析当前网络舆情环境下媒体作用特点的基础上, 针对现有模型在舆情传播过程中对观点冲突处理过于简单的缺陷, 在经典SIR模型基础上引入讨论机制, 构建了新的SIaIbR模型, 新模型通过抽象媒体对舆情作用为“ 强化度” 、“ 分歧度” 两个维度, 更真实地刻画了媒体对舆情的影响作用, 通过构造讨论机制, 反映了现实舆情传播过程中普遍存在的意见分歧、观点冲突等特点。通过对模型平衡点的求解以及数值仿真实验, 分析带有讨论机制的网络舆情传播特征。提出了媒体在控制疏导舆情传播前, 应做好影响力评估后再控制主流媒体对舆情进行疏导, 否则可能造成更坏的影响。

本文模型只设定了系统中两种观点共存的情况, 现实可能存在多种观点交互影响的复杂情况。另外不同观点之间转化概率系数应该不是独立的, 彼此间可能存在耦合, 而除了媒体会影响话题传播外, 话题也会反作用于媒体, 比如话题的传播会对媒体构成影响, 导致媒体报道力度关注焦点甚至基本态度等发生变化。此外, 由于目前微博等自媒体平台对相关接口进行限制, 实测数据获取较为困难, 仿真实验所用均为模拟数据, 未能结合真实传播事例进行分析, 希望同行研究者在后续工作中加以完善。

参考文献
[1] Zhou J, Liu Z, Li B. Influence of Network Structure on Rumor Propagation[J]. Physics Letters A, 2007, 368(6): 458-463. [本文引用:1]
[2] Han S, Zhuang F, He Q, et al. Energy Model for Rumor Propagation on Social Networks[J]. Physica A: Statistical Mechanics & Its Applications, 2014, 394: 99-109. [本文引用:1]
[3] Zanette D. Dynamics of Rumor Propagation on Small-world Networks[J]. Physical Review E, Statistical, Nonlinear, and Soft Matter Physics, 2002, 65(4): 110-126. [本文引用:1]
[4] Moreno Y, Nekovee M, Pacheco A F. Dynamics of Rumor Spreading in Complex Networks[J]. Physical Review E, Statistical, Nonlinear, and Soft Matter Physics, 2004, 69(6): 279-307. [本文引用:1]
[5] 陈波, 于泠, 刘君亭, . 泛在媒体环境下的网络舆情传播控制模型[J]. 系统工程理论与实践, 2011, 31(11): 2140-2150.
(Chen Bo, Yu Ling, Liu Junting, et al. Dissemination and Control Model of Internet Public Opinion in the Ubiquitous Media Environments[J]. Systems Engineering ——Theory & Practice, 2011, 31(11): 2140-2150. ) [本文引用:1]
[6] Crokidakis N. Effects of Mass Media on Opinion Spreading in the Sznajd Sociophysics Model[J]. Physica A: Statistical Mechanics & Its Applications, 2012, 391: 1729-1734. [本文引用:1]
[7] 朱恒民, 刘凯, 卢子芳. 媒体作用下互联网舆情话题传播模型研究[J]. 现代图书情报技术, 2013(3): 45-50.
(Zhu Hengmin, Liu Kai, Lu Zifang. Study on Topic Propagation Model of Internet Public Opinion Under the Influence of the Media[J]. New Technology of Library and Information Service, 2013(3): 45-50. ) [本文引用:1]
[8] Zhao L, Cui H, Qiu X, et al. SIR Rumor Spreading Model in the New Media Age[J]. Physica A: Statistical Mechanics & Its Applications, 2013, 392: 995-1003. [本文引用:1]
[9] Qian Z, Tang S, Zhang X, et al. The Independent Spreaders Involved SIR Rumor Model in Complex Networks[J]. Physica A: Statistical Mechanics and Its Applications, 2015, 429: 95-102. [本文引用:1]
[10] Kermack W O, McKendrick A G. Contributions to the Mathematical Theory of Epidemics[J]. Bulletin of Mathematical Biology, 1991, 53(1-2): 33-55. [本文引用:1]
[11] Gonalez-Parra G, Arenas A J, Chen-Charpentier B M. Combination of Nonstand ard Schemes and Richardson’s Extrapolation to Improve the Numerical Solution of Population Models[J]. Mathematical and Computer Modeling, 2010, 52(7-8): 1030-1036. [本文引用:1]
[12] 廖晓昕. 动力系统的稳定性理论和应用[M]. 北京: 国防工业出版社, 2000.
(Liao Xiaoxin. Theory and Application of Stability for Dynamical Systems[M]. Beijing: National Defense Industry Press, 2000. ) [本文引用:2]
[13] Van den Driessche P, Watmough J. Reproduction Numbers and Sub-threshold Endemic Equilibria for Compartmental Models of Disease Transmission[J]. Mathematical Biosciences, 2002, 180(1-2): 29-48. [本文引用:1]
[14] Stuart A M, Humphries A R. Dynamic System and Numerical Analysis [M]. New York: Cambridge University Press, 1996: 22-24. [本文引用:2]