王小立

〔摘 要〕結(jié)合復雜網(wǎng)絡(luò)與Agent的建模方法對微信信息的傳播進行研究。通過分析微信信息的交互規(guī)律構(gòu)建復雜網(wǎng)絡(luò)，并在對影響個體傳播行為的相關(guān)變量進行探究的基礎(chǔ)之上建立Agent模型。針對Agent之間的信息交互，提出3種基于各變量的演化規(guī)則。研究利于揭示微信信息傳播的關(guān)鍵機理，并有助于對微信平臺進行有效利用和管控。

〔關(guān)鍵詞〕復雜網(wǎng)絡(luò)建模；Agent建模；信息傳播；演化規(guī)則

DOI：10.3969/j.issn.1008-0821.2015.07.010

〔中圖分類號〕G202；TP393 〔文獻標識碼〕A 〔文章編號〕1008-0821（2015）07-0053-04

〔Abstract〕The information dissemination of the WeChat is studied with the method which combines complex-network-based modeling and agent-based modeling.The complex network is established through the analysis on the interactive rule of information，and the Agent model is built upon the work searching for relevant variables which affect individual dissemination behaviors.For the information interacation between Agents，three evolution rules based on these variables are presented.This study revealed the mechanism of WeChat information diffusion and contributes to controlling and making better use of WeChat.

〔Key words〕complex-network-based modeling；agent-based modeling；information dissemination；evolution rule

隨著我國經(jīng)濟社會以及網(wǎng)絡(luò)技術(shù)的發(fā)展，特別是移動終端設(shè)備的普及，我國網(wǎng)民規(guī)模急速膨脹。CNNIC第34次報告顯示，截至2014年6月，我國網(wǎng)民規(guī)模達到632億，其中手機網(wǎng)民達527億，手機上網(wǎng)比例（834%）首超傳統(tǒng)PC上網(wǎng)比例（809%）。網(wǎng)絡(luò)已經(jīng)成為人們社會生活中獲取信息和交流思想的重要平臺，特別是微信于2011年1月21日推出以后，微信用戶迅速膨脹，已經(jīng)成為人們獲取信息的一種重要渠道。

微信信息的傳播，實際是社會網(wǎng)絡(luò)信息傳播的一種方式。目前，眾多學者對于網(wǎng)絡(luò)信息的傳播演化過程進行深入研究，取得了大量成果。Hegselmann等把人與人之間的信息傳播抽象成規(guī)則網(wǎng)絡(luò)進行數(shù)學建模，分析輿情傳播和演化的規(guī)律[1-5]；Zhou等利用傳染病傳播的模型分析網(wǎng)絡(luò)謠言的特點和規(guī)律[6]；曾祥平等通過建模指出個體本身和環(huán)境因素對其所持觀點的影響[7]。蘭月新等通過建立微分方程，分析得出網(wǎng)絡(luò)輿情發(fā)展可分為4個階段[8]；方薇等利用元胞自動機模型，解釋了輿情傳播中主體偏好和環(huán)境適應的影響[9]。王根生通過實證分析網(wǎng)絡(luò)輿情演化的無標度特性，將其分為觀點形成和觀點交互兩個階段[10]。這些研究的對象主要集中在網(wǎng)絡(luò)輿情方面，特別是突發(fā)事件、謠言等負面信息，而在微信平臺傳播的信息中，不僅包括這些，還有大量知識性、綜合性內(nèi)容。通過對微信信息的傳播演化過程進行分析，有助于揭示微信信息在人們生活中影響力的作用機理、影響因素等方面的內(nèi)容，對我們利用微信平臺進行知識傳播、輿論引導、信息公開等具有重要的意義。

本文從復雜網(wǎng)絡(luò)的觀點出發(fā)，運用復雜網(wǎng)絡(luò)的相關(guān)理論和Agent的建模方法，對微信信息這一微內(nèi)容[11]的傳播演化進行建模，分析了信息價值、傳播者的興趣愛好、交際習慣、意見氣候等對微信信息傳播演進的影響規(guī)律。

1 微信傳播分析

在微信平臺中不同用戶通過好友關(guān)系相互鏈接形成獨立的微信用戶社會網(wǎng)絡(luò)。微信信息通過該網(wǎng)絡(luò)在不同好友間傳播。不同用戶對特定微信信息的傳播行為影響該信息的傳播范圍、傳播速度等，同時，信息也在不停傳播中潛移默化地對用戶發(fā)生作用。

11 微信傳播網(wǎng)絡(luò)模型

在微信用戶社會網(wǎng)絡(luò)中，將參與信息傳播的用戶抽象成節(jié)點，將用戶間社交關(guān)系抽象成邊，則構(gòu)成微信信息傳播網(wǎng)絡(luò)，如圖1所示。

圖1 微信信息傳播網(wǎng)絡(luò)示意圖

微信中用戶社交關(guān)系往往是基于朋友、同事、同學、家庭等強關(guān)系構(gòu)成的，微信信息傳播網(wǎng)絡(luò)可看成人際社會網(wǎng)絡(luò)的虛擬化，是典型的復雜網(wǎng)絡(luò)[12]，具有小世界[13]、無標度[14]特性。當前的研究表明人際關(guān)系網(wǎng)絡(luò)通常平均節(jié)點間距離較小、聚類系數(shù)較高而且節(jié)點的度成冪律分布。當前普遍用于模擬人際關(guān)系網(wǎng)絡(luò)的模型主要有NW小世界網(wǎng)絡(luò)和BA無標度網(wǎng)絡(luò)。小世界網(wǎng)絡(luò)強調(diào)高聚類系數(shù)、較小平均距離但度分布卻不符合冪律分布，無標度網(wǎng)絡(luò)則相反。微信用戶社交關(guān)系是強關(guān)系，不同交際性格、交際能力、職業(yè)、閱歷等因素使得網(wǎng)絡(luò)中各節(jié)點度的分布非常不均，網(wǎng)絡(luò)的無標度特性明顯。因此，本文基于BA無標度網(wǎng)絡(luò)[15]模型進行改進來近似微信信息傳播網(wǎng)絡(luò)。具體生成網(wǎng)絡(luò)的步驟如下：

（1）生成一個初始網(wǎng)絡(luò)，即僅兩個節(jié)點相連組成。

（2）每個時間步長增加一個新節(jié)點并與已有節(jié)點相連，與某已有節(jié)點相連的概率正比于該節(jié)點的度，當某節(jié)點的度大于300時不再連接新節(jié)點（假設(shè)一般微信好友的數(shù)量不超過300人）。endprint

（3）設(shè)定時間單位T，則生成具有T+2個節(jié)點的近似BA無標度網(wǎng)絡(luò)。

（4）若網(wǎng)絡(luò)中與任意兩節(jié)點A、B共連的節(jié)點數(shù)N大于3，則把A、B兩節(jié)點相連（增強聚類系數(shù)，即A、B有3個以上的共同朋友則A、B是朋友）。

（5）若網(wǎng)絡(luò)中與任意兩節(jié)點A、B共連的節(jié)點數(shù)N大于50，則在共連節(jié)點中隨機選取N-50個節(jié)點，斷開與A或B的連接，斷開概率反比于A或B的度（假設(shè)一般微信共同好友的數(shù)量不超過50）。

（6）對于每一條連接兩個節(jié)點的邊，按照一定概率隨機賦予權(quán)重，代表相鄰兩節(jié)點的親疏度關(guān)系。

12 微信信息傳播流程

依據(jù)微信在生活中的應用，可以把微信信息傳播的主體分為三類：信息推送者、信息接收者和未接收信息者。通過微信進行信息傳播，發(fā)布者進行信息推送之后接收者的反應往往有兩種情況：一是積極向外（微信好友、朋友圈或微信群）推送，此時接收者對外相當于次推送者；二是雖接收信息但不向外傳播。

微信中信息的傳播，除新聞推送外，大都在微信聯(lián)系人間進行。微信通過微信好友、朋友圈、微信群構(gòu)成了微信信息傳播的3種基本渠道，而通過此3種渠道進行傳播的信息，正是本文研究的主要對象。從微信信息的傳播過程來看，微信信息總是封閉在微信平臺內(nèi)部傳播，通過微信向外傳播的情況本文不予考慮。微信信息的源頭通常有兩種，一種是微信用戶自己的創(chuàng)作；另一種是通過鏈接引用其它媒介的信息，但是一旦這類信息引入到微信，即只在微信平臺內(nèi)部傳播。無論何種來源的信息，一旦在微信平臺中發(fā)布，傳播該信息時每個微信用戶的地位基本相同，既是信息接收者又是信息推送者，但該信息在微信平臺3種渠道的傳播方式和影響力不盡相同。第一種是通過朋友圈發(fā)布的信息，在發(fā)布者積極推送時任何微信好友都可見，因此其影響范圍大。第二種是通過微信群發(fā)布的信息，只對該群成員可見。第三是僅對某一好友推送的信息，這類信息往往針對特定對象（如對方感興趣的信息）。實際生活中，微信信息只通過特定好友傳播或者只在不同群內(nèi)傳播的情況很少，往往由這兩種渠道轉(zhuǎn)入朋友圈中傳播，因此，本文只考慮第一種傳播方式。

13 微信信息傳播模型

信息在微信網(wǎng)絡(luò)中傳播過程，其實是信息對不同微信網(wǎng)絡(luò)用戶大腦發(fā)生作用的過程，類似傳染病的傳播。本文利用傳染病SIR模型來描述，S表示未接收信息者，I表示接收到信息并主動向外推送者，R表示接收到信息但不向外推送者（潛水者）。微信信息傳播的過程以及推送節(jié)點i與被推送節(jié)點j之間的關(guān)系可以描述如下：

這里把對某特定信息持推送態(tài)度的節(jié)點i作為主要對象，當被推送鄰節(jié)點中有S狀態(tài)節(jié)點j存在則向其推送信息，并且在一定條件下j節(jié)點亦轉(zhuǎn)為新的推送節(jié)點如式（1）；當鄰節(jié)點j全部是I、R狀態(tài)則不再推送信息，而且j節(jié)點狀態(tài)保持不變?nèi)缡剑?）和式（3）。在現(xiàn)實生活中由于交際性格、習慣等原因，微信信息接收者在接到信息后，是轉(zhuǎn)變?yōu)镮（向朋友圈發(fā)布）還是R（潛水）具有極大的慣性，即潛水者一般不會對所接收到的信息再次向朋友圈發(fā)布。另外，推送節(jié)點i的推送熱情、信息價值的時效性都隨著時間而降低，在達到某一閾值時i節(jié)點則不再具有推送力。微信信息傳播網(wǎng)絡(luò)是有限的，假設(shè)某一時刻有一個或幾個節(jié)點得到某一特定信息并向鄰節(jié)點推送，即轉(zhuǎn)入I狀態(tài)，則信息將按照上述規(guī)則傳播直至網(wǎng)絡(luò)中沒有I的狀態(tài)節(jié)點存在止。

2 基于Agent微信信息傳播建模

基于Agent的建模仿真（Agent-based Modeling and Simulation，ABMS）是一種自底向上的仿真范式，它將復雜系統(tǒng)中的組成實體抽象構(gòu)建單個Agent模型，通過對Agent的自主行為及其之間的管理策略、協(xié)議、交互關(guān)系的規(guī)范描述，進而得到復雜系統(tǒng)的宏觀行為表現(xiàn)。微信信息的傳播系統(tǒng)具有典型的復雜系統(tǒng)性特征，通過Agent的建模方法建立的微信傳播模型系統(tǒng)與實際生活中微信信息傳播系統(tǒng)具有較高的結(jié)構(gòu)上的相似性或同構(gòu)性。

21 Agent個體模型

微信信息在微信用戶所構(gòu)成的社會網(wǎng)絡(luò)中傳播，進而對相關(guān)微信用戶產(chǎn)生影響，同時，不同微信用戶對該信息的態(tài)度產(chǎn)生的3種不同反應（積極推送、沉默以對、明確反對），反過來影響該信息的傳播范圍。在此，本文將每個微信用戶抽象為個體Agent建模，它代表了社會網(wǎng)絡(luò)中的人，其對微信信息的作用力受到多方面因素的影響。根據(jù)微信信息傳播的特點，本節(jié)探究影響微信信息接收者成為推送者的幾個關(guān)鍵因素：

211 信息的價值因素value（i，t）

某種程度上講信息本身屬性一開始便決定了信息的傳播范圍，一個毫無價值的信息幾乎得不到有效傳播。影響信息傳播范圍的基本屬性有很多，如信息主題的受關(guān)注度、信息內(nèi)容的價值、信息價值的時效等。一條影響深遠的時政信息遠比一個毫無價值的事件的受關(guān)注度高、價值量大、存在意義時間長。由于每個具體信息本身的影響力具有一定的穩(wěn)定性，可以近似為一個常數(shù)v0。另外，信息是具有價值時效的，隨著時間的增長信息的價值也會出現(xiàn)“老化”。網(wǎng)絡(luò)信息與文獻信息老化的規(guī)律具有一定的相似性，依據(jù)文獻老化規(guī)律的負指數(shù)模型，把信息價值的時效定義為value（i，t）=v0e-λi（t-t0），表示t時刻信息在Agenti處的時效價值，t0表示信息產(chǎn)生的某一固定時間。信息關(guān)注因子λi代表信息在微信網(wǎng)絡(luò)之外傳播，如網(wǎng)站、微博、新聞媒體等，從而形成大眾對該信息的關(guān)注度，該關(guān)注度亦影響信息在Agenti眼中的價值。外界關(guān)注度越高，信息關(guān)注因子越小。

212 人的相關(guān)因素infij

網(wǎng)絡(luò)中某一Agent節(jié)點受特定信息感染（接收）的影響因素有很多與人相關(guān)。信息接收者各不相同的身份背景、興趣愛好、文化程度、心理因素等導致對信息的偏好、交際性格各不相同，加之對該信息的支持、中立、反對的不同態(tài)度，直接影響Agentj由S向I狀態(tài)的轉(zhuǎn)變的概率。從推送者的角度看，推送者Agenti的影響力infi有著至關(guān)重要的作用，它是信息傳播的關(guān)鍵推動力。infi的影響力和推送者Agenti的交際性格、推送力度、推送者與接收者之間的關(guān)系等因素相關(guān)?，F(xiàn)實生活中某一推送者的交際性格越活躍、推送力度越大、與接收者關(guān)系越緊密，其推送的影響力往往也越大，反之，隨著推送時間的增長，其推送熱情和推送的影響力也迅速降低。從接收者的角度看，接收者Agentj的因素直接影響其由S向I狀態(tài)的轉(zhuǎn)變概率。在得到信息后Agentj是否選擇向外推送，和他的興趣愛好、交際習慣infj和對于信息的態(tài)度Aj有關(guān)?，F(xiàn)實生活中喜歡刷朋友圈的人向外推送信息的積極性遠遠高于喜歡潛水的用戶。Agentj對于信息的態(tài)度Aj，一般用[-1，1]上連續(xù)實數(shù)表示。其中，-1為最大反對，0為中立，1為最大支持。因此，本文定義：infij=infi·infj·Aj來衡量兩Agent本身的影響。endprint

213 微信群體影響因素invi

德國輿情學家伊麗莎白·諾莉·紐曼在其《重歸大眾傳媒的強力觀》中首次提出“沉默的螺旋”理論。她指出輿論的形成主要取決于意見氣候，面對支持者眾多的意見氣候，意見相左者必然因害怕孤立而保持沉默。群體影響因素主要指受多數(shù)意見和社會壓力的心理傾向[9]，在這里主要指微信群、朋友圈中其他好友的討論以及評論所形成的意見氣候。現(xiàn)實社會中由于微信群體往往是因為一定社會關(guān)系緊密聯(lián)系起來的，其成員關(guān)于該信息的討論、推送亦對其他成員產(chǎn)生較大影響，若某個Agent的多個好友都在討論、推送某一信息，則該Agent由S轉(zhuǎn)為I或R狀態(tài)的概率大幅增加（如圖1中Agent6）。

22 基于各變量的演化規(guī)則

基于以上分析，兩相鄰節(jié)點Agenti（信息推送者）和Agentj（信息接收者）進行信息交互時主要受三方面原因制約：

221 信息本身價值的制約

信息本身的價值value（i，t）=v0e-λi（t-t0）從根本上影響信息接收者的態(tài)度。對于價值閾值值ε1，v（i，t）≤ε1表示在t時刻，被推送節(jié)點Agentj保持S狀態(tài)不變的傾向?，F(xiàn)實生活中對于一些類似只有標題的鏈接，當其價值表現(xiàn)較小時人們幾乎不去打開閱讀，此時可認為Agentj保持S狀態(tài)不變。

222 兩Agent節(jié)點之間的制約規(guī)則

信息在兩相鄰Agent節(jié)點之間傳遞時，影響Agentj（信息接收者）由S向I轉(zhuǎn)變的主要因素包括信息本身的價值因素value（i，t）以及推送者、接收者兩方人的相關(guān)因素infi。這里定義：

Φ（i，j，t）=value（i，t）·infij=Aj·v0e-λi（t-t0）·infi·infj

選取交互閾值ε2，Φ（i，j，t）≤ε2表示對于一個有足夠傳播價值的信息，Φ值越大表示Agentj由S轉(zhuǎn)變?yōu)镮狀態(tài)的傾向越大，反之則表示S轉(zhuǎn)變?yōu)镽狀態(tài)的傾向越大。其中，Agentj（信息接收者）的態(tài)度Aj有正負之分并具有絕對影響力。這與現(xiàn)實生活中對某一特定信息持不贊成態(tài)度的人一般是不會向別人推薦的情況是相符的。

223 意見氣候的制約

對于某一特定信息，即使信息接收者在接收到信息時傾向于將該信息向外推送，也會受到當時意見氣候的影響。若意見氣候invi和Agenti的態(tài)度同向，則會強化Agenti的推送決心；若Agenti的態(tài)度Ai與之相反，則Agenti的狀態(tài)只由S轉(zhuǎn)為R。

3 建模試驗

基于Agent的建模方法能夠很好地對個體異構(gòu)性進行模擬并有助于分析系統(tǒng)的宏觀涌現(xiàn)性。目前較為成熟的基于Agent的仿真平臺有很多，主要有Swarm、Repast、MASON和Netlogo[16]，本研究基于Netlogo平臺進行模型仿真實現(xiàn)。Netlogo是繼承了Logo語言的編程開發(fā)平臺，它可以在建模中控制無數(shù)個體來模擬微觀個體的行為，進而涌現(xiàn)出宏觀特征。Netlogo適用于對自然和社會現(xiàn)象的模擬，特別適合模擬隨時間變化的復雜系統(tǒng)。由于篇幅限制，具體建模實驗將在另外一文中闡述。

4 結(jié) 論

為了分析影響微信信息傳播過程的各個相關(guān)因素，本文采用復雜網(wǎng)絡(luò)與Agent建模仿真相結(jié)合的方法，并借助傳播學基本理論，對微信信息的傳播流程、影響因素進行建模分析。復雜網(wǎng)絡(luò)能有效分析網(wǎng)絡(luò)拓撲結(jié)構(gòu)對信息傳播的影響和系統(tǒng)的宏觀涌現(xiàn)性，但其復雜性不利于對組成個體以及其行為規(guī)則的演繹細節(jié)的描述。Agent建模卻能夠克服這一問題，在微觀層次描述個體活動。兩種建模方法的結(jié)合，有助于我們理清各個因素如何影響微信信息的傳播以及這種影響的宏觀程度。本文的主要工作對于我們有效利用微信平臺進行輿論引導、宣傳工作、知識傳播等具有一定意義。但是本文還存在著一些不足，由于無法獲取真實生活中微信網(wǎng)絡(luò)的相關(guān)數(shù)據(jù)，模型的準確性和可靠性還需要進一步的驗證。另外，在研究影響因素時存在著一個矛盾，如果考慮的影響因素太多，模型過于復雜則不便于分析各因素的影響，而考慮因素過少則不足于模擬現(xiàn)實情況，這也是下一步研究的重點。

參考文獻

[1]Hegselmann R，Krause U.Opinion dynamics and bounded confidence models，analysis，and simulation[J].Journal of Artificial Societies and Social Simulation（JASSS），2002，5（3）：2-34.

[2]Slanina F，Lavicka H.Analytical results for the Sznajd model of opinion formation[J].The European Physical Journal B，2003，35（2）：279-288.

[3]Schulze C.Sznajd opinion dynamics with global and local neighbourhood[J].International Journal of Modern Physics C，2004，15（6）867-872.

[4]Rodrigues E A，Costa L F.Surviving opinions in Sznajd models on complex network[J].International Journal of Modern Physics C，2005，16（11）：1785-1792.

[5]Toscani G.Kinetic models of opinion formation[J].Communications in Mathematical Sciences，2006，4（3）：481-496.endprint

[6]Zhou J，Liu Z，Li B.Influence of network structure on rumor propagation[J].Physics Letters A，2007，368（6）：458-463.

[7]曾祥平，方勇，袁媛，等.基于元胞自動機的網(wǎng)絡(luò)輿論激勵模型[J].計算機應用，2007，27（11）：2686-2688.

[8]蘭月新，鄧新元.突發(fā)事件網(wǎng)絡(luò)輿情演進規(guī)律模型研究[J].情報雜志，2011，30（8）：47-50.

[9]方薇，何留進，宋良圖，等.因特網(wǎng)輿情傳播的協(xié)同元胞自動機模型[J].計算機應用，2012，32（2）：399-402.

[10]王根生.無標度特性下的網(wǎng)絡(luò)輿情演化遷移元胞模型[J].小型微型計算機系統(tǒng)，2013，34（5）：1085-1090.

[11]柳軍，蔡淑琴.微內(nèi)容的網(wǎng)絡(luò)輿情傳播特征分析[J].情報雜志，2013，32（1）：1-4.

[12]Newman M E J.The structure and function of complex networks[J].SIAM Review，2003，45（2）：167-256.

[13]Agiza H N，Elgazzar A S，Youssef S A.Phase transitions in some epidemic models defined on small-world networks[J].Int J Mod Phys C，2003，14（6）：825-833.

[14]Moreno Y，Pastor-Satorras R，Vespignani A.Epidemic outbreaks in complex heterogeneous networks[J].Eur Phys J B，2002，26（4）：521-529.

[15]Barabasi A L，Albert R.Emergence of scaling in random networks[J].Science，1999，286：509-512.

[16]廖守億.復雜系統(tǒng)基于Agent的建模與仿真方法研究及應用[D].長沙：國防科技大學研究生院，2005.

（本文責任編輯：孫國雷）endprint