哈 達，譚志國，2，王 浩

（1.武警警官學(xué)院，成都 610213；2.國防科技大學(xué)電子科學(xué)與工程學(xué)院，長沙 410000）

復(fù)雜網(wǎng)絡(luò)下基于Agent的輿情演化研究*

哈 達1，譚志國1，2，王 浩1

（1.武警警官學(xué)院，成都 610213；2.國防科技大學(xué)電子科學(xué)與工程學(xué)院，長沙 410000）

正確認識、預(yù)測、引導(dǎo)和處理輿情對公眾的影響，對社會穩(wěn)定有重大的現(xiàn)實意義。通過綜合運用多Agent和動力學(xué)微分方程的思路建立模型，結(jié)合社會人群中個體的行為規(guī)律，重點描述個體的行為細節(jié)和交互規(guī)則，構(gòu)建了自下而上的輿情演化模型，并模擬廣場“自焚”事件在網(wǎng)絡(luò)上的傳播，對模型進行了實證研究，驗證了模型的有效性，運用NetLogo軟件進行數(shù)值仿真，得到了輿情演化的規(guī)律，進而提出相應(yīng)的對策建議。

復(fù)雜網(wǎng)絡(luò)，Agent，輿情演化，模型

0 引言

互聯(lián)網(wǎng)已成為當下交流的新平臺，人們不僅可以利用網(wǎng)絡(luò)瀏覽信息，而且可以發(fā)布信息［1］，因此，信息的傳播與擴散途徑由經(jīng)典的口口相傳轉(zhuǎn)變?yōu)榭焖俚木W(wǎng)絡(luò)傳播［2］?，F(xiàn)實生活中很小的事件在網(wǎng)絡(luò)上都可能掀起巨大的輿論風(fēng)波。面對層出不窮的網(wǎng)絡(luò)輿情事件，如何建立恰當?shù)木W(wǎng)絡(luò)輿情演化模型，從而對網(wǎng)絡(luò)輿情進行預(yù)警和引導(dǎo)，已經(jīng)成為學(xué)術(shù)界和政府管理部門所迫切需要解決的問題。

基于Agent的模型比較符合真實世界中人群的行為特點，能夠很好地模擬網(wǎng)民“刺激－認知－反應(yīng)”的整個過程，對于實現(xiàn)在網(wǎng)絡(luò)輿情中網(wǎng)民行為由個體到群體的涌現(xiàn)，是一種很好的模型方法［3］。宗利永等采用Agent建模的方法，對網(wǎng)民Agent主體的影響力、態(tài)度及輿論子場的輿情狀態(tài)進行了描述，并研究了不同參數(shù)環(huán)境下的網(wǎng)絡(luò)輿情演變行為［4］。Tan Zhangwen構(gòu)建了一個基于Agent的網(wǎng)絡(luò)輿情演化模型，并以“3Q大戰(zhàn)”和“圣元奶粉”事件對模型進行了驗證，取得了良好的效果［5］。但是從目前的研究狀況來看，研究者只是賦予Agent比較簡單的屬性和認知規(guī)則，本文綜合考慮人與人之間輿情演化時行為和認知的細節(jié)，重點研究在于輿情演化時無論采取什么樣的途徑，最終的結(jié)果就是將輿情從一個個體傳遞到另一個個體。所以在建立輿情演化模型的時候，只需針對“一個個體傳遞一定的信息量，另一個個體接受一定的信息量”這樣的一個核心過程進行單個Agent行為規(guī)則的建模。

1 基本概念

根據(jù) Wooldridge和 Jennings的研究，Agent［6］的概念分為“弱概念”和“強概念”兩種。Agent的弱概念認為Agent是具有自主性、社會能力、反應(yīng)性和預(yù)動性等特征的硬件或軟件計算系統(tǒng)。而Agent的強概念除了具有其弱概念的定義外，還具有更多與人相近的行為，例如對環(huán)境和環(huán)境中的實體具有感知能力，通過學(xué)習(xí)增強自身相應(yīng)行為能力，通信能力等。

一般情況下，僅憑單Agent的能力和知識會無法完成比較復(fù)雜的問題。所以，要想完成現(xiàn)實中復(fù)雜的、大規(guī)模的問題，就需要通過大量的Agent之間的交互以及共同作用來描述和解決這一問題。在多Agent系統(tǒng)中，比較重要的是每個Agent之間的交互與協(xié)作。大量的Agent在系統(tǒng)中并不是完全相互獨立的，每個Agent都會從其他的Agent或環(huán)境中獲得相應(yīng)的信息，然后該Agent根據(jù)獲得的信息和自身所處的狀態(tài)以及自身的行為規(guī)則，修改自己的行為狀態(tài)或者規(guī)則，并且向其他Agent或環(huán)境發(fā)出相應(yīng)的信息，實現(xiàn)彼此之間的交互，最終該多Agent系統(tǒng)整體的行為狀態(tài)就在動態(tài)演化中進行。

2 輿情演化模型

2.1 Agent參數(shù)值的設(shè)定

Agent代表的是社會中的個體，或者是社會中數(shù)量較少、各方面情況基本相同的個體群，具有性別、年齡、職業(yè)、喜好、態(tài)度值等多種屬性［7］，本文用到的是態(tài)度值、影響強度、主見度和意見交互閾值4種與輿情演化相關(guān)的重要屬性。

2.1.1 Agent態(tài)度值的設(shè)定

在對輿情演化進行研究時常常會采用兩種方式描述態(tài)度的所處狀態(tài)：一種是通過離散數(shù)值來描述，比如：用-1表示否認，用0表示中立，用1表示認同；一種是通過連續(xù)區(qū)間來描述，例如：用［-1，-0.3），［-0.3，0.3］和（0.3，1］分別表示否認，中立和認同，只不過是越處于區(qū)間中部，相應(yīng)態(tài)度反映就越強烈。通過離散數(shù)值描述的態(tài)度是相互獨立、以單一的方式存在的，兩種態(tài)度之間的轉(zhuǎn)換是跳躍式的。但是從現(xiàn)實情況來看，人們對某個事物或某個事件的態(tài)度往往不是單一的，而是比較復(fù)雜的，比如一個個體的態(tài)度在中立的基礎(chǔ)上可能會更加偏向于認同［8］。這種情況下，采用離散數(shù)值來描述個體的態(tài)度就顯得不夠準確和完美。

所以本文采用連續(xù)區(qū)間來描述個體Agent的態(tài)度，即用連續(xù)區(qū)間［-30basic-a，-23basic-a）表示極端分子的態(tài)度，［-23basic-a，-13basic-a） 表示傳播負面輿情者的態(tài)度，［-13basic-a，-3basic-a）表示知道負面輿情但不傳播者的態(tài)度，［-3basic-a，13basic-a］表示未知輿情者的態(tài)度，（3basic-a，13basic-a］表示知道正面輿情但不傳播者的態(tài)度，（13basic-a，23basic-a］表示傳播正面輿情者的態(tài)度，（23basic-a，30basic-a］表示愛國分子的態(tài)度，區(qū)間中basic-a代表態(tài)度值的基礎(chǔ)步長，可以取大于等于零的任何一個數(shù)，這樣設(shè)置是為了能通過basic-a的不同取值來描述現(xiàn)實中各種可能的情況。某個個體Agenti的態(tài)度記作Ai，Ai的取值隨時間的推移而發(fā)生變化。

2.1.2 Agent影響強度的設(shè)定

在社會中，總是會存在交際圈廣泛、獲得信息方式多、易于表達自己的態(tài)度和表達的觀點較有說服力的個體存在，此類個體Agent影響其他個體的強度較大，容易讓其他個體的態(tài)度發(fā)生相應(yīng)的變化［9］。所以將個體的影響強度和復(fù)雜網(wǎng)絡(luò)中節(jié)點的度的概念聯(lián)系起來，節(jié)點的度和所有節(jié)點度中的最大值的比值越大，代表著個體Agent的影響強度就越大。將個體Agenti的影響強度記作influencei，則個體A-genti的影響強度的計算方法為：

其中，degreei為Agenti節(jié)點度的值，degreemax為整個輿情演化模型中節(jié)點度的最大值。

2.1.3 Agent主見度的設(shè)定

本文中提到的主見度是指個體對其原有態(tài)度的堅持強度。社會中的個體在理解某條信息的時候，往往會受到自己主觀因素的影響，而這些主觀因素是因為個體自身的性格特點、受教育程度等屬性而產(chǎn)生的。所以個體的態(tài)度值在變化時并不是按基礎(chǔ)步長來變化的，而是會因為主見度的存在，對態(tài)度值的增減會有所折扣。將個體Agenti的主見度記作 tenacityi，Agenti的主見度 tenacityi越接近 1，表示主見度越低，個體越?jīng)]有主見，容易受到其他個體的影響；tenacityi越接近0，表示主見度越高，個體越有主見，不容易受到其他個體的影響。

3.1.4 Agent意見交互閾值的設(shè)定

此處的意見交互閾值是指只有當兩個個體的態(tài)度值的差值小于該意見交互閾值的時候，這兩個個體之間才會對彼此產(chǎn)生影響，發(fā)生交互。社會中的個體在相互接觸的時候，如果彼此的意見觀點相差較大，則會因為“道不同，志不和”而不受到對方的影響，只有那些意見觀點相差不大，擁有“共同語言”的個體之間才會發(fā)生意見的交互，從而產(chǎn)生態(tài)度的相應(yīng)變化。意見交互閾值的值可以取大于等于零的任何一個數(shù)，這樣就能描述現(xiàn)實情況中各種可能的意見交互。

2.2 模型建立

結(jié)合上述對Agent各個屬性的設(shè)定，記Ai為Agenti的態(tài)度值，z為意見交互閾值，在t時刻Agenti的態(tài)度值為Ai（t），則有

式中的“±”，在 Agenti遇到正面輿情演化時為“+”，遇到負面輿情演化時為“-”。

對規(guī)則進行解釋：Agenti在t時刻的態(tài)度值A(chǔ)i（t）經(jīng)過一個單位時間的變化后，它的態(tài)度值會受到相鄰節(jié)點中會傳播輿情的Agenti的影響并作出相應(yīng)的修正。修正值的計算方法為，當節(jié)點i相鄰節(jié)點中會傳播輿情的節(jié)點j滿足兩者的態(tài)度值之差在意見交互閾值z的范圍以內(nèi)時，節(jié)點j會讓節(jié)點i即將獲得（或失去）一個基礎(chǔ)步長的態(tài)度值，并對節(jié)點i的主見度與節(jié)點j的影響強度作和運算得到一個和值，然后將節(jié)點i即將獲得（或失去）的那一個態(tài)度值和這個和值相乘，對所有滿足意見交互閾值條件的節(jié)點進行上述算法后得到的值與Agenti的原態(tài)度值A(chǔ)i（t）相加，得到的修正后的態(tài)度值便是Agenti的Ai（t+1）的值。從建立的交互規(guī)則來看，個體態(tài)度值的變化受到自身的主見度、相鄰個體中會傳播輿情的個體的影響強度以及意見交互閾值的影響，最終形成結(jié)果值便是個體經(jīng)過一個時間單位后的態(tài)度值。

3 實驗仿真

3.1 仿真過程

本文通過NetLogo仿真平臺建立輿情演化模型，NetLogo平臺上的輿情演化模型由控制模塊、輸入模塊和輸出模塊構(gòu)成。這些功能模塊可以直觀地觀測輿情演化的演化過程和高效率地進行數(shù)據(jù)分析。NetLogo仿真平臺中有4類主體，即海龜、瓦片、鏈和觀察者。這4類主體在輿情演化模型中的屬性分別描述如下：

海龜：進行輿情演化的參與者，模型中設(shè)置有普通個體Agent、輿情控制者（代表的是政府工作人員）Agent和武警Agent 3種類型的海龜。

瓦片：輿情演化的社會環(huán)境，所有Agent和輿情在這個社會環(huán)境中進行演化。

鏈：在輿情演化模型中，鏈用以表示Agent之間的聯(lián)系，是進行輿情演化的必要條件。

觀察者：對輿情演化進行觀測的研究人員或操作人員，可以調(diào)節(jié)模型中的各種參量、設(shè)置輿情演化規(guī)則和下達仿真的各種指令。

輿情演化模型中各類Agent的屬性描述和參數(shù)設(shè)定如表1所示。

表1 輿情演化模型的Agent屬性描述

3.2 結(jié)果分析

仿真過程的數(shù)據(jù)來源選擇成都市天府廣場電子地圖進行模擬，假設(shè)天府廣場發(fā)生“自焚”事件，由一個節(jié)點開始發(fā)起輿情傳播。

3.2.1 無約束條件下的演化

首先讓模型在沒有輿情控制者和武警的約束下進行傳播演化。設(shè)置固定節(jié)點數(shù)為720，參考數(shù)為30，平均度為6；設(shè)置傳播正面輿情者的初始值為0，傳播負面輿情者的初始值為1；設(shè)置RI轉(zhuǎn)換率為6豫，IR轉(zhuǎn)換率為4豫；設(shè)置愛國分子的失望率為10豫，極端分子的感化率為10豫；設(shè)置愛國分子的失望值為30，極端分子的感化值為15；設(shè)置態(tài)度值的基礎(chǔ)步長為1，意見交互閾值為26；設(shè)置正面輿情演化概率為25豫，負面輿情演化概率為25豫。仿真的初始情況如圖1所示。

圖1 初始狀態(tài)的視圖

當時鐘計數(shù)器走過3 000個時間步長的時候，輿情演化情況如圖2所示。

圖2 3 000個時間步長的界面

從圖2中的“事態(tài)程度”上可以得知，輿情已經(jīng)在較大的范圍內(nèi)傳播，并且武警可以進入二級戰(zhàn)備，社會上傳播負面輿情者的人數(shù)最多，整個模擬社會處于不穩(wěn)定的狀態(tài)下。

3.2.2 加入輿情控制者的演化

在模型仿真的輸入模塊，設(shè)置輿情控制者的人數(shù)值為50，其宣傳周期值為2，最低影響力值為5，最低效率值為25，加入到模擬社會中，經(jīng)過900個時間步長，輿情的演化情況如圖3所示。

圖3 加入輿情控制者后經(jīng)900個時間步長的界面

加入輿情控制者后，從各個數(shù)據(jù)監(jiān)視控件中都可以發(fā)現(xiàn)負面輿情演化人有明顯的減少，并且愛國分子明顯增多，可見輿情控制者的作用比較明顯，但是從“事態(tài)程度”圖3中依然發(fā)現(xiàn)，事態(tài)的嚴重程度只能讓武警從二級戰(zhàn)備降為三級戰(zhàn)備，所以危險信號依然沒有解除。

3.2.3 加入武警的演化

在模型仿真的輸入模塊，設(shè)置武警的數(shù)量值為5，行動周期值為20，最低影響力值為5，最低效率值為10、抓捕率為0以及威懾力為10。在撤離做政治宣傳的輿情控制者后，加入武警，經(jīng)過1 000個時間步長，如圖4所示。

圖4 加入武警后經(jīng)1 000個時間步長的界面

從演化結(jié)果來看，武警行動過后，達到了和輿情控制者共有的效果，都讓模擬社會的負面輿情的傳播得到控制，并且武警處置事件的效果比輿情控制者的要稍微好一些，最明顯的成績就是極端分子的人數(shù)大幅度減少。但從“事態(tài)程度”圖4中可以發(fā)現(xiàn)，輿情的嚴重程度依然較高，仍然有1/4左右的人群在議論此話題，可見輿情的控制并沒有達到理想的效果。

3.2.4 加大武警維穩(wěn)力度的演化

在原仿真結(jié)果的基礎(chǔ)上，設(shè)置武警的行動周期為10，經(jīng)過1 000個時間步長后的界面如圖5所示。

圖5 增加武警機動性后經(jīng)1 000個時間步長的界面

從“事態(tài)程度”中能夠發(fā)現(xiàn)事態(tài)的嚴重程度有一定的降低，但輿情的控制程度仍然不是很理想，但已經(jīng)能保證輿論量在總?cè)藬?shù)的1/4以下。

如果在圖5的基礎(chǔ)上，設(shè)置武警的數(shù)量值為50，經(jīng)過1 000個時間步長后的界面如圖6所示。

圖6 增加武警的數(shù)量后經(jīng)1 000個時間步長的界面

從圖6的模擬界面來看，在行動周期值為20的條件下，將原來為5的數(shù)量值上調(diào)10倍變?yōu)?0的時候，模擬社會中的輿情便可以達到理想的控制狀態(tài)了，整個模擬社會已經(jīng)處于穩(wěn)定的狀態(tài)。

4 結(jié)論

本文設(shè)計的輿情演化模型，是從微觀上來研究輿情演化時的細節(jié)方面，是在輿情演化系統(tǒng)內(nèi)的個體層面運用多Agent建模方法和輿情演化動力學(xué)建模方法來建立貼近實際的模型。由于該模型是通過設(shè)置輿情演化系統(tǒng)中單個個體的行為規(guī)則和個體之間的交互規(guī)則來實現(xiàn)對輿情演化的描述，所以建立的輿情演化模型是一個自下而上來研究輿情演化的模型，它只需對最底層的個體進行定義，然后讓所有個體在傳播演化系統(tǒng)中運行起來，便可以實現(xiàn)對輿情演化的顯現(xiàn)。通過運用NetLogo對該模型進行數(shù)值仿真，不僅讓輿情演化的過程可視化，而且讓輿情演化的全過程可以進行模擬分析，實現(xiàn)對輿情演化的深入研究。下一步工作將著重解決復(fù)雜環(huán)境中Agent深度交互和行為細節(jié)中優(yōu)化等問題。

［1］CASTELLANO C，F(xiàn)ORTUNATO S，LORETO V.Statistical physics of social dynamics［J］.Reviews of Modem Physics，2009，81（12）：591-646.

［2］潘新.基于復(fù)雜網(wǎng)絡(luò)的輿情傳播研究［D］.大連：大連理工大學(xué)，2010.

［3］樂國安，薛婷，陳浩.網(wǎng)絡(luò)集群行為的定義和分類框架初探［J］.中國人民公安大學(xué)學(xué)報（社會科學(xué)版），2010（6）：99-104.

［4］宗利永，顧寶炎.危機溝通環(huán)境中網(wǎng)絡(luò)輿情演變的Muti-Agent建模研究［J］.情報科學(xué)，2010，28（9）：1414－1419，1425.

［5］TAN Z W，LI X C，MAO W J.Agent_based modeling of netizen groups in chinese internet events［C］//Intelligence and Security Informatics.Springer Berlin Heidelberg，2011：43-53.

［6］賀毅輝.作戰(zhàn)模擬基礎(chǔ)［M］.北京：國防工業(yè)出版社，2012：291-297.

［7］王昊一.基于多Agent建模的高校網(wǎng)絡(luò)輿情演化仿真研究［D］.大連：東北財經(jīng)大學(xué)，2013.

［8］胡曉峰.基于Agent的Web網(wǎng)信息傳播仿真模型［J］.系統(tǒng)仿真學(xué)報，2010，22（10）：2426-2431.

［9］陳桂茸，蔡皖東，徐會杰，等.網(wǎng)絡(luò)輿論演化的高影響力優(yōu)先有限信任模型 ［J］. 上海交通大學(xué)學(xué)報，2013，47（1）：155-160.

Research on Agent-based Public Opinion Evolution in Complex Network

HA Da1，TAN Zhi-guo1，2，WANG Hao1
（1.Armed Police College of CAPF ，Chengdu 610213，China；2.School of Electronic Science and Engineering，National University of Defense Technology，Changsha 410000，China）

If the impacts of public opinion upon the public are understood，predicted，guided and processed correctly，it has great realistic significance to social stability.A model is constructed with the application of multi-agent and dynamics.To be specific，a down-top public opinion evolution model is built according to the rules of individual behaviors among social groups，for the purpose of describing individuals’behavioral details and interactive rules.Moreover，an empirical study on the model is conducted by simulating the transmission of the“Square Self-burning Event”on the Internet to test the model’s validity.Software Netlogo is used for numerical simulation，reaching the rules of public opinion evolution.Finally，corresponding proposals are made.

complex network，Agent，public opinion evolution，model

TP391.9

A

10.3969/j.issn.1002-0640.2017.08.021

1002-0640（2017）08-0092-05

2016-06-17

2016-09-05

國家自然科學(xué)基金資助項目（61503411）

哈 達（1985- ），男，內(nèi)蒙古集寧人，碩士，講師。研究方向：作戰(zhàn)模擬、圖像處理。