楊圣琴，彭宇楠，馮月陽(yáng)

（北京信息科技大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100192）

一、引言

技術(shù)的進(jìn)步改變了知識(shí)生產(chǎn)的模式，從工業(yè)革命前的政府主導(dǎo)到第二次工業(yè)革命后的企業(yè)主導(dǎo)再到互聯(lián)網(wǎng)時(shí)代的大眾生產(chǎn)，社會(huì)大眾利用互聯(lián)網(wǎng)在線協(xié)作式網(wǎng)絡(luò)社交媒體分享各自經(jīng)驗(yàn)知識(shí)、回答他人提問(wèn)，這種人人參與、知識(shí)共享的模式有著極大的成功[1]，維基等百科社區(qū)、知乎等提問(wèn)式社區(qū)、微博等話題類(lèi)社區(qū)都成為在線協(xié)作知識(shí)平臺(tái)的典型代表。這類(lèi)協(xié)作知識(shí)平臺(tái)對(duì)社會(huì)教育有極大價(jià)值，大眾可以在這些社區(qū)群組尋找問(wèn)題答案，遠(yuǎn)程教育也在利用網(wǎng)絡(luò)社交媒體促進(jìn)學(xué)習(xí)群組之間的協(xié)作。

協(xié)作是這些社區(qū)群組成功的關(guān)鍵，大量網(wǎng)絡(luò)社交媒體用戶通過(guò)提問(wèn)—回答的協(xié)作方式產(chǎn)生大量知識(shí)內(nèi)容，但在這些應(yīng)用中，隨著時(shí)間的推移，因?yàn)橛脩艨赡軐?duì)討論的主題失去興趣或者用戶提出的問(wèn)題沒(méi)有得到滿意的答復(fù)，他們就會(huì)減少甚至停止在這些網(wǎng)絡(luò)社交媒體應(yīng)用的活動(dòng)[2]。如果某些用戶試圖利用群組協(xié)作性希望其他用戶回答他們的問(wèn)題而忽略他人的提問(wèn)以謀求利益最大化，還可能產(chǎn)生自私行為，這種自私行為也被稱(chēng)為“搭便車(chē)”?！按畋丬?chē)”的行為無(wú)疑會(huì)挫傷其他回答問(wèn)題的用戶的積極性，導(dǎo)致社交網(wǎng)站的知識(shí)內(nèi)容越來(lái)越少，用戶量也隨之消失[3]。

為了分析這種自私型用戶的行為及其對(duì)網(wǎng)絡(luò)社交媒體應(yīng)用中群組的影響，本文基于針?shù)h相對(duì)策略，將所有用戶之間的互動(dòng)視為非合作的重復(fù)博弈（一次博弈回合即一個(gè)用戶提出問(wèn)題，群組內(nèi)其他用戶回答/忽略該問(wèn)題的全過(guò)程）。本文采用經(jīng)濟(jì)學(xué)的觀點(diǎn)，假設(shè)用戶是理性的，其目的是實(shí)現(xiàn)其自身利益最大化，當(dāng)其他用戶與他們協(xié)作時(shí)，他們的收益會(huì)增加，創(chuàng)建一個(gè)模型模擬眾多用戶在網(wǎng)絡(luò)社交媒體應(yīng)用中組成群組以便進(jìn)行協(xié)作，模擬用戶行為調(diào)整后的結(jié)果，利用針?shù)h相對(duì)策略和慷慨針?shù)h相對(duì)策略研究“搭便車(chē)”行為對(duì)網(wǎng)絡(luò)社交媒體應(yīng)用群體及其生命力的影響。

二、模型及假設(shè)

在協(xié)作網(wǎng)絡(luò)社交媒體應(yīng)用中，用戶合作可以采取多種形式，如回答他人的要求、參與討論或簡(jiǎn)單地評(píng)論他人的知識(shí)貢獻(xiàn)，用戶也可以選擇不合作（即不對(duì)網(wǎng)絡(luò)社交媒體應(yīng)用的問(wèn)答做出貢獻(xiàn)）。運(yùn)用博弈論，這種合作與不合作的情況可以模擬為非零非合作博弈。非零是因?yàn)橛脩魹槿航M做出貢獻(xiàn)的收益是協(xié)作和分享知識(shí)，這種利益不能轉(zhuǎn)移，而是由兩個(gè)人分享，不合作是因?yàn)槊總€(gè)人都是獨(dú)立地做出自己的決定。

表1 囚徒困境收益矩陣

模型參考著名的囚徒困境博弈論模型，兩個(gè)犯共謀罪的人被關(guān)進(jìn)監(jiān)獄，相互之間不能溝通，兩人都不揭發(fā)對(duì)方（合作）則因證據(jù)不足各獲刑一年；若相互揭發(fā)（相互背叛）則因證據(jù)充足各獲刑兩年；若一人揭發(fā)而另一人沉默，揭發(fā)者立功立即釋放，沉默者獲刑五年。在每一次博弈回合中，囚徒1和囚徒2都有兩種策略供選擇：合作或者背叛，他們都合作時(shí)每人得分為R；都選擇背叛則每人得分為P；一方背叛一方合作，則背叛者得分為T(mén)，合作者得分為S；通常，T＞B＞P＞S，2R＞T+S。

在囚徒困境博弈中，主要策略是在不管對(duì)方如何決定的基礎(chǔ)上做出對(duì)自己最有利的行動(dòng)。在囚徒困境中，當(dāng)兩個(gè)罪犯不知道對(duì)方的決定時(shí)，對(duì)罪犯的最佳策略是揭發(fā)他人，從而避免T＞R＞P＞S這種最糟糕的情況。但是，在博弈無(wú)限次的情況下，如果2R＞T+S，那么最好的策略就變成為兩人都沉默。

這種經(jīng)典的囚徒困境不能模擬一個(gè)協(xié)作小組，因?yàn)樵诰W(wǎng)絡(luò)社交媒體中，兩個(gè)用戶之間的決定不是同時(shí)做出的，而是分兩個(gè)階段做出的，因此以本文的參考文獻(xiàn)[4]提出的異步博弈囚徒困境構(gòu)建本文模型。

（一）模型假設(shè)

假設(shè)在網(wǎng)絡(luò)社交媒體應(yīng)用中有一組用戶，數(shù)量為N，每個(gè)用戶都是群組成員，分為合作型用戶（數(shù)量為Nc）、自私型用戶（數(shù)量為Ni），用戶發(fā)布的帖子僅限于群組內(nèi)部，每個(gè)用戶都能夠發(fā)布問(wèn)題請(qǐng)求他人回答、回答他人的問(wèn)題、忽略他人的提問(wèn)。將獲得他人回答的收益記為Ag=9，未獲得他人回答的損失記為Ad=-8，回答問(wèn)題的成本記為Ac=-2，忽略問(wèn)題的成本記為Ai=0，則R=Ac+Ag，P=Ai+Ad，T=Ai+Ag，S=Ac+Ad。Ac小于0是因?yàn)榛卮饐?wèn)題需要時(shí)間和精力來(lái)編寫(xiě)答案，Ai=0是因?yàn)閺囊淮尾┺幕睾蟻?lái)看，忽略他人提問(wèn)并不能帶來(lái)任何損失且有更高的收益，Ai-Ac小于Ag-Ad代表回答問(wèn)題的成本低于獲得回答的獎(jiǎng)勵(lì)，因此，從長(zhǎng)期來(lái)看，理性的用戶最好彼此合作。每個(gè)用戶有兩種策略：合作（回答他人提問(wèn)）、背叛（忽略他人提問(wèn)），每個(gè)用戶回答問(wèn)題的有用性概率記為Pu，0＜Pu＜1/10以模擬用戶的知識(shí)和時(shí)間精力方面的差異。

還假定：網(wǎng)絡(luò)社交媒體可以跟蹤每個(gè)用戶的所有提問(wèn)和回答行為并形成記錄；網(wǎng)絡(luò)社交媒體更新每個(gè)用戶與其他用戶的合作狀態(tài)記錄；群組壽命是無(wú)限的，即博弈的次數(shù)是無(wú)限的。

用MATLAB模擬博弈過(guò)程，博弈運(yùn)行1000回合，在每個(gè)回合中，將隨機(jī)選擇群組中的1/15個(gè)用戶提出問(wèn)題，其余用戶可以選擇回答或忽略這些問(wèn)題，模型假定不管什么原因忽略問(wèn)題就是背叛。

（二）自私行為的影響

為了研究自私型用戶的影響，本文設(shè)置兩組群組：一組擁有150名用戶且都為合作型；第二組擁有150名用戶，其中70%是合作型，30%是自私型。兩組用戶的平均收益如圖1，其中橫軸代表博弈回合數(shù)，縱軸代表用戶的平均收益?？梢钥闯鰺o(wú)自私型用戶存在的群組用戶的平均收益在每次博弈中都高于自私型用戶存在的對(duì)照組，隨著博弈次數(shù)的增加，兩組平均收益的差距在擴(kuò)大。

圖1 兩組用戶的平均收益對(duì)比

三、針?shù)h相對(duì)戰(zhàn)略

通過(guò)使用MATLAB模擬分析自私用戶對(duì)合作用戶收益的影響，以及增加自私用戶百分比對(duì)群組的影響以及影響程度。每個(gè)用戶的行為策略又分為兩種：一種是針?shù)h相對(duì)策略，另一種是慷慨針?shù)h相對(duì)策略。針?shù)h相對(duì)策略是：從不忽略一個(gè)不好的博弈回合，當(dāng)雙方合作的博弈次數(shù)超過(guò)背叛的博弈次數(shù)時(shí)，合作型用戶才會(huì)選擇和另一個(gè)用戶進(jìn)行合作。慷慨針?shù)h相對(duì)策略是：從不忽略一個(gè)好的博弈回合，但有時(shí)要忽略一個(gè)不好的回合，如果發(fā)現(xiàn)另一個(gè)用戶在某一時(shí)期內(nèi)至少合作一次，即使出現(xiàn)過(guò)背叛行為，在下一回合中也會(huì)以一定概率選擇合作。

（一）針?shù)h相對(duì)策略

在針?shù)h相對(duì)策略中，用戶回顧其他用戶在上一回合中的行動(dòng)并由此采取行動(dòng)。在博弈中，假設(shè)用戶可以查看其他用戶的n次行動(dòng)，用戶j能夠回顧與另一用戶i在n次迭代中的行為記錄Bji。每個(gè)Bji(t)的值對(duì)應(yīng)著用戶i做出的決定Dij(t)，即用戶i是否在t時(shí)刻與用戶j合作，根據(jù)Bji(1)至Bji(n)的行為記錄，用戶j將做出決定Dij(t)，即是否與用戶i進(jìn)行合作。如果從Bji（1）到Bji（n）的值之和大于n/2，用戶i將被視為合作型用戶，用戶j將嘗試與用戶i合作；否則，合作就不會(huì)出現(xiàn)。模擬結(jié)果如圖2。

圖2 針?shù)h相對(duì)策略下不同數(shù)量的自私型用戶的合作型用戶平均收益對(duì)比

圖2顯示了在自私型用戶占群組用戶總數(shù)量的25%、50%、75%情況下，150個(gè)用戶都使用針?shù)h相對(duì)策略后合作型用戶的平均收益?？梢钥闯?，盡管自私型用戶的數(shù)量不同，但各群組合作型用戶的總回報(bào)陷入僵局并開(kāi)始下降。原因是在這種策略下，即使是合作型用戶，也會(huì)有1-average(Pu)概率的用戶選擇不回答問(wèn)題。結(jié)果，合作型用戶與另一個(gè)合作型用戶就會(huì)產(chǎn)生不合作的記錄，導(dǎo)致兩者都各自產(chǎn)生不合作記錄，從而無(wú)法再進(jìn)行合作。由于用戶得不到任何答案的回報(bào)為-8，因此總回報(bào)持續(xù)下降。同時(shí)可以看到，群組中的自私用戶數(shù)量越多，回報(bào)進(jìn)入僵局的速度就越快。這次模擬得出結(jié)論：即使是在合作型用戶之間，使用針?shù)h相對(duì)策略會(huì)導(dǎo)致協(xié)作減少。

（二）慷慨針?shù)h相對(duì)策略

慷慨針?shù)h相對(duì)策略能夠避免因協(xié)作減少而陷入僵局的情況。在慷慨針?shù)h相對(duì)策略中，合作型用戶j將無(wú)視其擁有的與用戶i從1時(shí)刻至n時(shí)刻的行為記錄Bji(1)至Bji(n)，在n次迭代中定期和用戶i進(jìn)行合作。在過(guò)去的行為記錄中，一次的回答記錄就可以判定某一個(gè)用戶是合作型的用戶。模擬結(jié)果如圖3。

圖3 慷慨針?shù)h相對(duì)策略下不同數(shù)量的自私型用戶的合作型用戶平均收益對(duì)比

圖3顯示了在自私用戶占比25%、50%、75%的情況下，150個(gè)用戶都使用慷慨針?shù)h相對(duì)策略的合作型用戶平均收益，可以看到慷慨針?shù)h相對(duì)策略阻止了針?shù)h相對(duì)策略形成的僵局。

圖4 50%自私型用戶行動(dòng)變化后合作型用戶與自私型用戶收益對(duì)比

在1000次博弈的某些回合中，如果自私型用戶與下一個(gè)博弈對(duì)象沒(méi)有合作記錄，其可能會(huì)改變他們的行為，合作一次以偽裝成合作的形象。這種行為的結(jié)果如圖4所示。結(jié)果表明，即使偶爾合作，如果自私型用戶合作的次數(shù)都沒(méi)有超過(guò)合作型用戶合作次數(shù)的1/5，自私用戶的利益就會(huì)略高于合作用戶，這是因?yàn)樽运接脩舯３种麄兊淖畹拓暙I(xiàn)。強(qiáng)迫自私用戶加強(qiáng)合作的一個(gè)方法是增加用戶被視為合作型用戶所需的合作數(shù)量或者增加可回顧的行動(dòng)數(shù)量n。

慷慨型針?shù)h相對(duì)策略可增強(qiáng)整體協(xié)作，自私型用戶能夠很容易地利用這個(gè)策略，這也將導(dǎo)致用戶喪失合作動(dòng)機(jī)，但對(duì)整個(gè)群組來(lái)說(shuō)，慷慨針?shù)h相對(duì)策略優(yōu)于針?shù)h相對(duì)策略。

四、結(jié)論

結(jié)果表明，慷慨針?shù)h相對(duì)策略比針?shù)h相對(duì)策略更能夠增強(qiáng)在線協(xié)作式網(wǎng)絡(luò)社交媒體群組中的協(xié)作，但這兩種策略都不能解決群組中的“搭便車(chē)”行為。網(wǎng)絡(luò)社交媒體可以采取一些措施來(lái)加強(qiáng)群組中的協(xié)作，如最大化合作型用戶的收益，最小化自私型用戶的收益，用激勵(lì)合作的方式取代消除的方式來(lái)對(duì)待自私型用戶。