劉 琪，肖人彬

(華中科技大學(xué)人工智能與自動(dòng)化學(xué)院，武漢 430074)

0 引言

隨著新媒體的迅速發(fā)展，以微博、微信為代表的自媒體成為因特網(wǎng)上信息擴(kuò)散的主要媒介，輿情從現(xiàn)實(shí)世界轉(zhuǎn)移到網(wǎng)絡(luò)虛擬空間，一些社會(huì)現(xiàn)實(shí)現(xiàn)象與突發(fā)事件往往誘發(fā)網(wǎng)絡(luò)輿情。自媒體背景下網(wǎng)絡(luò)輿情信息顛覆了傳統(tǒng)媒體真實(shí)性、權(quán)威性的新聞原則，增大了公眾甄別、判斷的難度，侵蝕著主流價(jià)值意識(shí)，隱藏著網(wǎng)絡(luò)輿情反轉(zhuǎn)的危機(jī)[1]。“輿情反轉(zhuǎn)”是指輿情擴(kuò)散過(guò)程中出現(xiàn)的報(bào)道傾向、情感傾向突然發(fā)生逆轉(zhuǎn)的現(xiàn)象[2]，例如“成都女司機(jī)被打事件”、“哈爾濱天價(jià)魚(yú)事件”和“羅一笑事件”等[3]。輿情反轉(zhuǎn)事件的不斷出現(xiàn)，導(dǎo)致公眾在面對(duì)各種輿情聲音時(shí)陷入困惑，事件主體及媒體公信力大大受損，不僅造成一定的負(fù)面效應(yīng)，也給網(wǎng)絡(luò)治理帶來(lái)了極大的挑戰(zhàn)。此時(shí)，探究自媒體時(shí)代下的網(wǎng)絡(luò)輿情反轉(zhuǎn)現(xiàn)象的內(nèi)在機(jī)理具有重要的意義。

網(wǎng)絡(luò)輿情反轉(zhuǎn)研究存在多種主題，包括輿情反轉(zhuǎn)、輿論反轉(zhuǎn)、新聞反轉(zhuǎn)等，其研究實(shí)質(zhì)是一致的[4]?，F(xiàn)有的研究主要涉及新聞學(xué)、傳播學(xué)、政治學(xué)、公共管理等多個(gè)學(xué)科，研究方法以定性分析為主，主要包括以下幾個(gè)方面：1)基于新聞傳播學(xué)視角研究網(wǎng)絡(luò)輿情反轉(zhuǎn)產(chǎn)生的原因及對(duì)策[5]。2)基于心理學(xué)視角，對(duì)影響力大、傳播范圍廣的案例進(jìn)行分析，進(jìn)而提出治理網(wǎng)絡(luò)輿情反轉(zhuǎn)現(xiàn)象的對(duì)策[6]。3)基于議程設(shè)置理論視角，研究媒體和網(wǎng)民在面對(duì)網(wǎng)絡(luò)輿情時(shí)的議程設(shè)置與輿情反轉(zhuǎn)現(xiàn)象的關(guān)聯(lián)性[7]。黃遠(yuǎn)、劉怡君等學(xué)者從社會(huì)物理學(xué)角度提出了網(wǎng)絡(luò)輿論反轉(zhuǎn)的定義，以及網(wǎng)絡(luò)輿論反轉(zhuǎn)的3種形態(tài)和4種類(lèi)型，對(duì)網(wǎng)絡(luò)輿論反轉(zhuǎn)進(jìn)行了較為全面深入的研究[8]；張華在分析輿論反轉(zhuǎn)社會(huì)心理原因的基礎(chǔ)上，提出了網(wǎng)絡(luò)輿情反轉(zhuǎn)現(xiàn)象的“參照點(diǎn)”效應(yīng)[9]；王玉龍以“天價(jià)魚(yú)事件”為例分析網(wǎng)絡(luò)群體極化對(duì)網(wǎng)絡(luò)輿情反轉(zhuǎn)具有隱性操控力[10]。

盡管網(wǎng)絡(luò)輿情反轉(zhuǎn)已有較多研究，但主要是定性解釋其原因、特征及應(yīng)對(duì)策略，缺乏從定量視角解讀網(wǎng)絡(luò)輿情反轉(zhuǎn)的內(nèi)在機(jī)理。觀點(diǎn)動(dòng)力學(xué)研究社會(huì)網(wǎng)絡(luò)中觀點(diǎn)或行為的產(chǎn)生、擴(kuò)散和聚合[11]。對(duì)一個(gè)特定的事件或問(wèn)題，不同的個(gè)體會(huì)產(chǎn)生不同的觀點(diǎn)，通過(guò)個(gè)體間的相互影響在網(wǎng)絡(luò)中傳播擴(kuò)散。同時(shí)，來(lái)自不同個(gè)體的觀點(diǎn)根據(jù)個(gè)體的決策方式發(fā)生聚合，在宏觀層面上產(chǎn)生復(fù)雜涌現(xiàn)現(xiàn)象，最終形成整個(gè)社會(huì)的觀念[12]。根據(jù)觀點(diǎn)描述方式的差異，可將觀點(diǎn)動(dòng)力學(xué)模型分為離散和連續(xù)兩類(lèi)。離散型觀點(diǎn)動(dòng)力學(xué)模型的典型代表有投票者模型[13]、多數(shù)決定模型[14]、及Sznajd模型[15]等，適用于描述個(gè)體同意或反對(duì)等簡(jiǎn)單二元離散觀點(diǎn)決策，無(wú)法刻畫(huà)觀點(diǎn)的動(dòng)態(tài)變化過(guò)程?；谟薪缧湃渭僭O(shè)，采用區(qū)間上的連續(xù)變量建模觀點(diǎn)得到廣泛應(yīng)用。有界信任的連續(xù)型動(dòng)力學(xué)模型主要包括HK模型[16]和DW模型[17]，DW模型是在信任閾值內(nèi)隨機(jī)選擇兩個(gè)個(gè)體進(jìn)行觀點(diǎn)交互，而HK模型中個(gè)體是與在其信任閾值內(nèi)所有的個(gè)體交互[18-19]。近年來(lái)，隨著復(fù)雜網(wǎng)絡(luò)研究的興起, 學(xué)者們發(fā)現(xiàn)現(xiàn)實(shí)世界以及互聯(lián)網(wǎng)社區(qū)中的個(gè)體交互結(jié)構(gòu)滿(mǎn)足復(fù)雜網(wǎng)絡(luò)的特征, 尤其是小世界網(wǎng)絡(luò)、無(wú)標(biāo)度網(wǎng)絡(luò)等[20-22]，將觀點(diǎn)動(dòng)力學(xué)與復(fù)雜網(wǎng)絡(luò)結(jié)合起來(lái)成為一種新的趨勢(shì)[23]。

經(jīng)典有界信任觀點(diǎn)動(dòng)力學(xué)模型簡(jiǎn)化了個(gè)體間的交互規(guī)則和交互對(duì)象的選擇，成為用來(lái)揭示群體涌現(xiàn)出的宏觀行為的常用模型。而在現(xiàn)實(shí)的輿情演化中，個(gè)體的異質(zhì)性、意見(jiàn)領(lǐng)袖及社會(huì)交互網(wǎng)絡(luò)結(jié)構(gòu)等對(duì)群體觀點(diǎn)的演變同樣具有重要的影響。從真實(shí)的輿情反轉(zhuǎn)事件可以發(fā)現(xiàn)，輿情反轉(zhuǎn)是意見(jiàn)領(lǐng)袖、普通網(wǎng)民之間不斷交互作用的結(jié)果。意見(jiàn)領(lǐng)袖的言論會(huì)影響群體的情緒變化，在傳播、引導(dǎo)、推動(dòng)輿情發(fā)展等方面具有重要的引導(dǎo)作用，但如何識(shí)別關(guān)鍵的意見(jiàn)領(lǐng)袖，量化其在輿情反轉(zhuǎn)事件中的主導(dǎo)作用還不多見(jiàn)?；诖耍疚慕Y(jié)合觀點(diǎn)擴(kuò)散的社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)、個(gè)體異質(zhì)性等理論，考慮意見(jiàn)領(lǐng)袖的引導(dǎo)作用對(duì)經(jīng)典有界信任的HK模型加以改進(jìn)，以期實(shí)現(xiàn)對(duì)輿情反轉(zhuǎn)現(xiàn)象的抽象、模擬，揭示意見(jiàn)領(lǐng)袖對(duì)網(wǎng)民態(tài)度的引導(dǎo)規(guī)律。

本文結(jié)構(gòu)安排如下：第1節(jié)分析了在輿情傳播中意見(jiàn)領(lǐng)袖的引導(dǎo)作用，并介紹了社會(huì)網(wǎng)絡(luò)分析法的3種中心性，用作意見(jiàn)領(lǐng)袖的判別方法；第2節(jié)詳細(xì)說(shuō)明了基于無(wú)標(biāo)度網(wǎng)絡(luò)結(jié)構(gòu)，考慮意見(jiàn)領(lǐng)袖的影響改進(jìn)傳統(tǒng)HK模型；第3節(jié)是對(duì)模型的仿真實(shí)驗(yàn)，實(shí)驗(yàn)中對(duì)社會(huì)網(wǎng)絡(luò)中的意見(jiàn)領(lǐng)袖進(jìn)行了識(shí)別，模擬了持不同態(tài)度的意見(jiàn)領(lǐng)袖引導(dǎo)下觀點(diǎn)的演化過(guò)程，對(duì)仿真結(jié)果進(jìn)行分析；第4節(jié)通過(guò)新浪微博實(shí)際案例數(shù)據(jù)，對(duì)模型的仿真結(jié)果進(jìn)行驗(yàn)證；第5節(jié)針對(duì)觀點(diǎn)演化模型的仿真及案例分析得出結(jié)論。

1 意見(jiàn)領(lǐng)袖及中心性

1.1 意見(jiàn)領(lǐng)袖

意見(jiàn)領(lǐng)袖概念最早由美國(guó)學(xué)者拉扎斯菲爾德等人提出[24]，他們認(rèn)為觀點(diǎn)和意見(jiàn)并不直接“流”向一般受眾，而是要經(jīng)過(guò)意見(jiàn)領(lǐng)袖這個(gè)中間環(huán)節(jié)，即“大眾傳播—意見(jiàn)領(lǐng)袖—一般受眾”模式；意見(jiàn)領(lǐng)袖指那些在社會(huì)關(guān)系網(wǎng)絡(luò)中具有較高影響力與號(hào)召力的關(guān)鍵節(jié)點(diǎn)，經(jīng)常為他人提供信息或意見(jiàn)，并對(duì)他人施加影響的“積極分子”。他們通常是某個(gè)領(lǐng)域的專(zhuān)家、社會(huì)名流或主流媒體，其觀點(diǎn)或評(píng)價(jià)往往被大量轉(zhuǎn)發(fā)形成焦點(diǎn)意見(jiàn)，影響個(gè)體的判斷，主導(dǎo)網(wǎng)絡(luò)輿情的發(fā)展。

分析近年來(lái)頻發(fā)的網(wǎng)絡(luò)輿情反轉(zhuǎn)事件，在輿情發(fā)展前期，網(wǎng)民往往表達(dá)同一種集中傾向的觀點(diǎn)，而在輿情傳播中后期，卻急速反轉(zhuǎn)，呈現(xiàn)另一種與之對(duì)立的觀點(diǎn)，形成輿情反轉(zhuǎn)效應(yīng)。意見(jiàn)領(lǐng)袖作為信源和信息傳播的中介，在引導(dǎo)輿情傳播方向，形成反轉(zhuǎn)前期和后期兩種對(duì)立觀點(diǎn)中的作用不可忽視。因此，本文將考慮意見(jiàn)領(lǐng)袖的引導(dǎo)作用，將輿情事件中的主體劃分為意見(jiàn)領(lǐng)袖及普通個(gè)體，結(jié)合觀點(diǎn)動(dòng)力學(xué)原理研究輿情演化過(guò)程中個(gè)體的交互規(guī)則，為解釋網(wǎng)絡(luò)輿情反轉(zhuǎn)現(xiàn)象提供參考依據(jù)。

1.2 中心性

在社會(huì)網(wǎng)絡(luò)分析中網(wǎng)絡(luò)的節(jié)點(diǎn)代表了社會(huì)網(wǎng)絡(luò)中的個(gè)體，節(jié)點(diǎn)與節(jié)點(diǎn)之間的連線則表示個(gè)體之間的關(guān)系，網(wǎng)絡(luò)中節(jié)點(diǎn)的位置決定了個(gè)體的重要程度[25]。在社會(huì)網(wǎng)絡(luò)中處在中心位置的個(gè)體具備意見(jiàn)領(lǐng)袖的特征[26]，這為意見(jiàn)領(lǐng)袖的確定提供了思路。本文從個(gè)體及社會(huì)網(wǎng)絡(luò)角度出發(fā)，采用社會(huì)網(wǎng)絡(luò)分析法對(duì)個(gè)體的重要程度進(jìn)行劃分，根據(jù)節(jié)點(diǎn)的中心性排序識(shí)別意見(jiàn)領(lǐng)袖。社會(huì)網(wǎng)絡(luò)中對(duì)于關(guān)鍵節(jié)點(diǎn)的評(píng)價(jià)指標(biāo)主要有三類(lèi)中心性，即度中心性、居間中心性及接近中心性[27]。

1.2.1 度中心性

度中心性統(tǒng)計(jì)每個(gè)節(jié)點(diǎn)的度數(shù)。如果某節(jié)點(diǎn)具有較高的度，則可認(rèn)為其在觀點(diǎn)網(wǎng)絡(luò)中處于中心地位，與其他的個(gè)體有較多的關(guān)聯(lián)，具有較大的影響力。度中心性的計(jì)算表達(dá)式為

Ci=m/(n-1)

(1)

其中，m表示與i存在聯(lián)系的個(gè)體個(gè)數(shù)，n表示觀點(diǎn)網(wǎng)絡(luò)中的個(gè)體個(gè)數(shù)。

1.2.2 居間中心性

居間中心性衡量個(gè)體在多大程度上成為“中間人”。居間中心性越大，說(shuō)明該個(gè)體與其他個(gè)體之間發(fā)生的交互越多，其控制信息交流的能力也就越強(qiáng)。居間中心性的計(jì)算公式為

(2)

其中，gjk(i)表示從節(jié)點(diǎn)j到k的最短路徑中經(jīng)過(guò)i的最短路徑數(shù)目，gjk表示節(jié)點(diǎn)j到k的全部最短路徑數(shù)目。

1.2.3 接近中心性

接近中心性描述個(gè)體不受其他個(gè)體控制的能力。若一個(gè)節(jié)點(diǎn)到網(wǎng)絡(luò)中其他節(jié)點(diǎn)的平均距離越小，該節(jié)點(diǎn)位于網(wǎng)絡(luò)越中心的位置在網(wǎng)絡(luò)中較少地依賴(lài)其它個(gè)體，則該個(gè)體具有較高的接近中心性。對(duì)于有n個(gè)節(jié)點(diǎn)的連通網(wǎng)絡(luò)，節(jié)點(diǎn)i的接近中心性被定義為i到其余節(jié)點(diǎn)的平均距離的倒數(shù)：

(3)

其中，dij表示節(jié)點(diǎn)i到j(luò)之間的平均距離。

2 網(wǎng)絡(luò)輿情反轉(zhuǎn)的觀點(diǎn)演化模型

在現(xiàn)實(shí)世界中，個(gè)體的交互結(jié)構(gòu)既不是完全規(guī)則的，也不是完全隨機(jī)的，而是具有無(wú)標(biāo)度、聚類(lèi)系數(shù)高等特性[28-30]，無(wú)標(biāo)度網(wǎng)絡(luò)更接真實(shí)的社交網(wǎng)絡(luò)。在觀點(diǎn)演化進(jìn)程中，參與個(gè)體的選擇、個(gè)體之間的交互規(guī)則及觀點(diǎn)傳播的網(wǎng)絡(luò)結(jié)構(gòu)共同決定演化的結(jié)果，本文將在無(wú)標(biāo)度網(wǎng)絡(luò)和HK模型基礎(chǔ)上，引入意見(jiàn)領(lǐng)袖的作用，建立網(wǎng)絡(luò)輿情反轉(zhuǎn)模型。

2.1 傳統(tǒng)HK模型

假設(shè)有限集A={1,2,…,N}內(nèi)的個(gè)體共享觀點(diǎn)，個(gè)體i在t時(shí)刻的觀點(diǎn)為xi(t)，形成一個(gè)1×N的列向量X(t)=(x1(t)，x2(t)，…，xN(t))，xi(t)∈[0,1]，i∈A，t≥0，t=0時(shí)為其初始觀點(diǎn)。根據(jù)傳統(tǒng)HK模型，觀點(diǎn)更新規(guī)則為：

I(i,x(t))={1≤j≤N||xi(t)-xj(t)|<ε}

(4)

其中，ε是信任閾值，|xi(t)-xj(t)|<ε計(jì)算個(gè)體i與j的觀點(diǎn)差值，表示在信任閾值內(nèi)的個(gè)體才能對(duì)個(gè)體i產(chǎn)生影響作用。I(i,x(t)) 表示t時(shí)刻在個(gè)體i信任閾值內(nèi)所有個(gè)體的集合。通常，信任閾值越小，觀點(diǎn)越分散，越不容易形成共識(shí)；信任閾值越大，觀點(diǎn)越聚集，越容易形成一致觀點(diǎn)。

(5)

2.2 基于意見(jiàn)領(lǐng)袖的改進(jìn)HK模型

在傳統(tǒng)HK模型的基礎(chǔ)上，考慮意見(jiàn)領(lǐng)袖的引導(dǎo)作用，將個(gè)體劃分為普通群體及意見(jiàn)領(lǐng)袖群體，提出以下改進(jìn)模型。

定義N×N的矩陣R表示社會(huì)群體中個(gè)體之間的關(guān)系矩陣。假設(shè)有限集A={1,2,…,N}代表個(gè)體的集合。對(duì)集合內(nèi)的所有個(gè)體i和j，Rij表示個(gè)體i與j是否有連接，當(dāng)Rij=0時(shí)，表示個(gè)體i與j沒(méi)有關(guān)聯(lián)；當(dāng)Rij=1時(shí)，表示個(gè)體i與j有連接。個(gè)體i在t時(shí)刻的觀點(diǎn)為xi(t)，形成一個(gè)1×N的列向量X(t)=(x1(t)，x2(t)，…xN(t))，xi(t)∈[0,1]，i∈A，t≥0，t=0時(shí)為其初始觀點(diǎn)。假定網(wǎng)絡(luò)中存在M個(gè)意見(jiàn)領(lǐng)袖，屬于集合B={1,2,…,M}；普通個(gè)體的個(gè)數(shù)為N-M，屬于集合C={1,2,…,N-M}。易知，A=B∪C。觀點(diǎn)更新規(guī)則如下：

1)若個(gè)體i為意見(jiàn)領(lǐng)袖，即i∈B，觀點(diǎn)的更新規(guī)則為

xi(t+1)=xi(0)

(6)

其中，xi(0)表示代表個(gè)體的初始觀點(diǎn)。意見(jiàn)領(lǐng)袖具有較高的自信度，其觀點(diǎn)不受其他個(gè)體的影響，與普通個(gè)體有所區(qū)別，在觀點(diǎn)的演化中保持初始觀點(diǎn)不變。

2)若i為普通個(gè)體，即i∈C，觀點(diǎn)更新方式描述如下：

(1)計(jì)算t時(shí)刻在個(gè)體i信任閾值范圍內(nèi)的普通個(gè)體及意見(jiàn)領(lǐng)袖的信任集合。

L(i,x(t))={1≤j≤M||xi(t)-xj(t)|<β,j∈B}
I(i,x(t))={1≤j≤N-M||xi(t)-xj(t)|<ε,j∈C}

(7)

其中，ε代表個(gè)體i對(duì)普通個(gè)體的信任閾值，β代表個(gè)體i對(duì)意見(jiàn)領(lǐng)袖的信任閾值。I(i,x(t)) 表示t時(shí)刻在個(gè)體i信任閾值內(nèi)普通個(gè)體的集合，L(i,x(t)) 表示t時(shí)刻在個(gè)體i信任閾值內(nèi)意見(jiàn)領(lǐng)袖個(gè)體的集合。

(2)根據(jù)社會(huì)網(wǎng)絡(luò)矩陣中節(jié)點(diǎn)的連接關(guān)系，找出t時(shí)刻意見(jiàn)領(lǐng)袖和普通個(gè)體集合內(nèi)與個(gè)體i有關(guān)聯(lián)的個(gè)體，處在信任閾值內(nèi)且有關(guān)聯(lián)的個(gè)體將對(duì)個(gè)體i下一時(shí)刻的觀點(diǎn)形成產(chǎn)生影響，分別用bij(t)及cij(t)表示。

(8)

其中，bij(t)的值反映了在個(gè)體i信任閾值范圍內(nèi)的意見(jiàn)領(lǐng)袖j的觀點(diǎn)是否對(duì)其造成影響。當(dāng)j∈L(i,x(t))且Rij=1時(shí)，bij(t)=1，表示t時(shí)刻個(gè)體i會(huì)受到個(gè)體j的影響；若bij(t)=0，表示個(gè)體j對(duì)個(gè)體i沒(méi)有影響。同樣，cij的值代表在個(gè)體i信任閾值范圍內(nèi)的普通個(gè)體j的觀點(diǎn)是否對(duì)其有影響。當(dāng)j∈I(i,x(t))且Rij=1時(shí)，cij(t)=1，表示個(gè)體i會(huì)受到個(gè)體j的影響；當(dāng)cij(t)=0，表示個(gè)體j對(duì)個(gè)體i沒(méi)有影響。

(3)依據(jù)信任集合及關(guān)系矩陣R，個(gè)體i的觀點(diǎn)按照如下規(guī)則更新：

(9)

其中，θ代表意見(jiàn)領(lǐng)袖的影響力權(quán)值，則1-θ表示普通個(gè)體的影響力權(quán)值。

(4)當(dāng)滿(mǎn)足下列條件時(shí)，觀點(diǎn)將結(jié)束更新：

(10)

其中，δ取一個(gè)接近于0的正數(shù)。

當(dāng)個(gè)體為普通個(gè)體時(shí)，將按照式(9)的規(guī)則進(jìn)行觀點(diǎn)的更新迭代，當(dāng)所有個(gè)體的觀點(diǎn)滿(mǎn)足式(10)，認(rèn)為觀點(diǎn)演化到達(dá)穩(wěn)態(tài)，結(jié)束更新。按照上述輿情反轉(zhuǎn)模型，可以看出，若θ=0，該模型等同于HK模型，參與觀點(diǎn)演化的個(gè)體均為普通個(gè)體，在交互過(guò)程中意見(jiàn)領(lǐng)袖不發(fā)揮影響。若θ>0，群體中既有意見(jiàn)領(lǐng)袖，也有普通個(gè)體，個(gè)體將綜合考慮普通個(gè)體及意見(jiàn)領(lǐng)袖的觀點(diǎn)，形成下一時(shí)刻的觀點(diǎn)。

3 仿真分析

為驗(yàn)證模型的有效性，分析意見(jiàn)領(lǐng)袖在輿情事件中的影響作用，本節(jié)將對(duì)第2節(jié)中改進(jìn)的HK模型進(jìn)行仿真實(shí)驗(yàn)。選取無(wú)標(biāo)度網(wǎng)絡(luò)作為觀點(diǎn)傳播的網(wǎng)絡(luò)結(jié)構(gòu)，建立節(jié)點(diǎn)N=1 000的無(wú)標(biāo)度網(wǎng)絡(luò)結(jié)構(gòu)。個(gè)體的初始觀點(diǎn)服從[0,1]區(qū)間的隨機(jī)均勻分布，參與者分為意見(jiàn)領(lǐng)袖和普通個(gè)體。隨著時(shí)間推進(jìn)，個(gè)體與社會(huì)網(wǎng)絡(luò)上有關(guān)聯(lián)的節(jié)點(diǎn)進(jìn)行交互，交互方式遵從上述改進(jìn)HK模型的規(guī)則。在前期引入持支持觀點(diǎn)的意見(jiàn)領(lǐng)袖，后期引入持反對(duì)觀點(diǎn)的意見(jiàn)領(lǐng)袖，觀察意見(jiàn)領(lǐng)袖引導(dǎo)下的觀點(diǎn)變化。

3.1 算法流程

利用Matlab實(shí)現(xiàn)了輿情反轉(zhuǎn)模型的仿真。算法流程見(jiàn)圖1。

圖1 算法流程Fig.1 Algorithm flow chart

具體步驟如下：

1)初始化參數(shù)。需要設(shè)置的參數(shù)包括節(jié)點(diǎn)個(gè)數(shù)，信任閾值，終止條件參數(shù)等。

2)構(gòu)建無(wú)標(biāo)度網(wǎng)絡(luò)，生成關(guān)系矩陣R。初始設(shè)定m0個(gè)孤立節(jié)點(diǎn)，不斷引入新的節(jié)點(diǎn)。每次引入一個(gè)新的節(jié)點(diǎn)，新點(diǎn)與m個(gè)不同的已經(jīng)存在于網(wǎng)絡(luò)中的節(jié)點(diǎn)相連產(chǎn)生m條邊，這里m≤m0。本實(shí)驗(yàn)中m0設(shè)置為5，m設(shè)置為3。新節(jié)點(diǎn)與已經(jīng)存在的節(jié)點(diǎn)i相連的概率P遵從優(yōu)先連接原理，取決于節(jié)點(diǎn)i的度數(shù)：

(11)

其中，節(jié)點(diǎn)i的度為ki，節(jié)點(diǎn)j的度為kj。

3)設(shè)置觀點(diǎn)演化的階段。基于本文的研究，需要設(shè)置兩個(gè)階段的觀點(diǎn)演化，用Period代表觀點(diǎn)的演化階段。初始設(shè)置Period=1。

4)生成普通個(gè)體的初始觀點(diǎn)。利用隨機(jī)數(shù)生成器生成普通個(gè)體的初始觀點(diǎn)x(0)，觀點(diǎn)服從隨機(jī)均勻分布。

5)設(shè)置意見(jiàn)領(lǐng)袖。依據(jù)中心性指標(biāo)，找出已構(gòu)建的無(wú)標(biāo)度網(wǎng)絡(luò)中度中心性高的M個(gè)節(jié)點(diǎn)，標(biāo)記為意見(jiàn)領(lǐng)袖。若Period=1，表示代表觀點(diǎn)演化的前一階段，設(shè)置支持觀點(diǎn)的意見(jiàn)領(lǐng)袖；若Period=2，代表觀點(diǎn)演化的后一階段，則設(shè)置反對(duì)觀點(diǎn)的意見(jiàn)領(lǐng)袖。

6)針對(duì)網(wǎng)絡(luò)中的每個(gè)個(gè)體完成其觀點(diǎn)的迭代更新。判斷個(gè)體i是否是意見(jiàn)領(lǐng)袖。若i為意見(jiàn)領(lǐng)袖，則其觀點(diǎn)xi保持不變，繼續(xù)分析下一個(gè)個(gè)體，重復(fù)此步。若i不是意見(jiàn)領(lǐng)袖，執(zhí)行步7)。

7) 對(duì)個(gè)體i，利用關(guān)系矩陣R，當(dāng)Rij=1時(shí)代表有連接，找出與其有連接的所有鄰居個(gè)體。判斷其鄰居個(gè)體是否是意見(jiàn)領(lǐng)袖：若j是意見(jiàn)領(lǐng)袖，則劃分到集合L中；若j不是意見(jiàn)領(lǐng)袖，則劃分到集合I中。個(gè)體i按式(10)進(jìn)行更新。

8)依據(jù)式(10)判斷是否滿(mǎn)足觀點(diǎn)演化終止條件，若不滿(mǎn)足則返回步6)。

9)判斷Period是否等于2。若Period不等于2，令Period=2，返回步5)。若Period等于2,表明已完成兩個(gè)階段的觀點(diǎn)更新，執(zhí)行步10)。

10)輸出演化結(jié)果，保存最終生成的觀點(diǎn)矩陣，輸出觀點(diǎn)隨時(shí)間變化的曲線，退出程序。

3.2 意見(jiàn)領(lǐng)袖的確定

利用上述算法，構(gòu)建了一個(gè)節(jié)點(diǎn)大小為1 000的無(wú)標(biāo)度網(wǎng)絡(luò)，圖2展示了本實(shí)驗(yàn)中觀點(diǎn)擴(kuò)散的無(wú)標(biāo)度網(wǎng)絡(luò)結(jié)構(gòu)圖，圖中節(jié)點(diǎn)的大小與節(jié)點(diǎn)度的大小呈正相關(guān)，節(jié)點(diǎn)越大說(shuō)明網(wǎng)絡(luò)中節(jié)點(diǎn)的度越高?？梢院苤庇^地發(fā)現(xiàn)，無(wú)標(biāo)度網(wǎng)絡(luò)中，只有少數(shù)節(jié)點(diǎn)擁有較多連接，大部分節(jié)點(diǎn)只有很少的連接。

圖3是節(jié)點(diǎn)度分布的雙對(duì)數(shù)曲線圖，其中直線斜率為-2.98。無(wú)標(biāo)度網(wǎng)絡(luò)節(jié)點(diǎn)度分布滿(mǎn)足冪律分布，更接近真實(shí)的社會(huì)網(wǎng)絡(luò)，少數(shù)擁有較高連接的節(jié)點(diǎn)可對(duì)應(yīng)到社會(huì)網(wǎng)絡(luò)中有著較高知名度和影響力的個(gè)體。運(yùn)用UCINET軟件，基于節(jié)點(diǎn)的度中心性、接近中心性以及居間中心性指標(biāo)找出網(wǎng)絡(luò)中心性高的前30個(gè)節(jié)點(diǎn)，結(jié)果如表1所示。

圖2 網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2 Network structure

圖3 節(jié)點(diǎn)度分布雙對(duì)數(shù)曲線Fig.3 The log-log plot of degree distribution

根據(jù)社會(huì)網(wǎng)絡(luò)中心性的定義，將具有較高中心性的節(jié)點(diǎn)確定為意見(jiàn)領(lǐng)袖。從表中3種中心性指標(biāo)的識(shí)別結(jié)果來(lái)看，識(shí)別出的前30個(gè)節(jié)點(diǎn)基本沒(méi)有變化，僅在次序上有所區(qū)別。在仿真實(shí)驗(yàn)中可依據(jù)表中的實(shí)驗(yàn)結(jié)果選擇其中一種排序指標(biāo)，將對(duì)應(yīng)節(jié)點(diǎn)標(biāo)記為意見(jiàn)領(lǐng)袖。

表1 3種中心性指標(biāo)下的節(jié)點(diǎn)排序Tab.1 The nodes sorted by three centrality methods

注：序號(hào)指3種中心性下節(jié)點(diǎn)由高到低的排序，如序號(hào)為(1)的節(jié)點(diǎn)對(duì)應(yīng)的中心性最高；數(shù)字代表不同的節(jié)點(diǎn)，如7表示節(jié)點(diǎn)7。

表2 實(shí)驗(yàn)參數(shù)說(shuō)明Tab.2 Explanation of experimental parameters

3.3 實(shí)驗(yàn)結(jié)果分析

基于改進(jìn)的經(jīng)典HK模型，在觀點(diǎn)演化的兩個(gè)時(shí)期引入對(duì)立觀點(diǎn)的意見(jiàn)領(lǐng)袖，對(duì)比了不同的意見(jiàn)領(lǐng)袖影響權(quán)值及不同比例的意見(jiàn)領(lǐng)袖對(duì)個(gè)體觀點(diǎn)產(chǎn)生的影響。實(shí)驗(yàn)中涉及到的參數(shù)說(shuō)明見(jiàn)表2。若實(shí)驗(yàn)中無(wú)特別說(shuō)明，則仿真實(shí)驗(yàn)中的參數(shù)將依據(jù)表2設(shè)定。

實(shí)驗(yàn)1選取不同的意見(jiàn)領(lǐng)袖影響權(quán)值，進(jìn)行意見(jiàn)領(lǐng)袖影響力仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果如圖4、5所示，圖4展示了θ為0、0.3、0.7、1.0時(shí)的觀點(diǎn)演化。圖中紅色曲線代表初始觀點(diǎn)值在(0.5,1]區(qū)間內(nèi)個(gè)體(即支持者)的觀點(diǎn)變化；黑色曲線代表初始觀點(diǎn)值在區(qū)間[0,0.5)內(nèi)個(gè)體(即反對(duì)者)的觀點(diǎn)變化。

圖4 不同意見(jiàn)領(lǐng)袖影響權(quán)值下個(gè)體的觀點(diǎn)演化Fig.4 Evolution of individual opinion under different influencing weights of opinion leaders

圖5 群體平均觀點(diǎn)的演化Fig.5 Evolution of group average opinion

圖4是個(gè)體觀點(diǎn)值的變化曲線。觀點(diǎn)演化過(guò)程中，絕大多數(shù)個(gè)體參與交互并不斷更新自身的觀點(diǎn)。同時(shí)，網(wǎng)絡(luò)中還存在少數(shù)不與其他個(gè)體進(jìn)行交互的偏執(zhí)型個(gè)體，始終保持其初始觀點(diǎn)不變。當(dāng)θ=0，即意見(jiàn)領(lǐng)袖影響權(quán)值為0時(shí)，觀點(diǎn)演化模型與經(jīng)典HK模型一致，整個(gè)演化進(jìn)程中觀點(diǎn)并未反轉(zhuǎn)，在觀點(diǎn)演化的約30個(gè)周期之后到達(dá)穩(wěn)態(tài)，多數(shù)個(gè)體的觀點(diǎn)收斂到一致。隨著意見(jiàn)領(lǐng)袖權(quán)值的不斷增大，意見(jiàn)領(lǐng)袖發(fā)揮引導(dǎo)作用，觀點(diǎn)值先是到達(dá)峰值趨于穩(wěn)定，隨后在持對(duì)立觀點(diǎn)意見(jiàn)領(lǐng)袖影響下觀點(diǎn)值迅速下降，出現(xiàn)明顯的反轉(zhuǎn)現(xiàn)象。θ=0.3時(shí)，在第23個(gè)周期后觀點(diǎn)變化趨于穩(wěn)定，存在779個(gè)支持觀點(diǎn)；第59個(gè)周期后觀點(diǎn)演化再次達(dá)到穩(wěn)態(tài)，支持觀點(diǎn)個(gè)數(shù)下降到343，437個(gè)觀點(diǎn)發(fā)生反轉(zhuǎn)。θ=0.7時(shí)，觀點(diǎn)到達(dá)穩(wěn)態(tài)的周期分別縮短至20和51，反轉(zhuǎn)的觀點(diǎn)個(gè)數(shù)增加到500?？梢钥闯?，意見(jiàn)領(lǐng)袖影響權(quán)值的增大會(huì)加快觀點(diǎn)演化的演化進(jìn)程，縮短收斂時(shí)間，說(shuō)明意見(jiàn)領(lǐng)袖的影響力在輿情反轉(zhuǎn)過(guò)程中的引導(dǎo)作用不斷增強(qiáng)。

圖5為群體的平均觀點(diǎn)值在不同時(shí)期的變化曲線，表明整個(gè)群體觀點(diǎn)的傾向性。意見(jiàn)領(lǐng)袖權(quán)值θ為0或較小時(shí)，不會(huì)出現(xiàn)反轉(zhuǎn)現(xiàn)象。而當(dāng)θ=1時(shí)，僅有意見(jiàn)領(lǐng)袖的作用，反轉(zhuǎn)階段觀點(diǎn)值水平反而較高。這表明，在綜合考慮意見(jiàn)領(lǐng)袖與普通個(gè)體的影響力作用時(shí)，并非意見(jiàn)領(lǐng)袖的權(quán)重越大，對(duì)系統(tǒng)群體觀點(diǎn)水平影響越大。

實(shí)驗(yàn)2為研究意見(jiàn)領(lǐng)袖數(shù)量對(duì)觀點(diǎn)演化的影響，在群體中設(shè)置不同比例的意見(jiàn)領(lǐng)袖，修改參數(shù)P進(jìn)行仿真實(shí)驗(yàn)。

圖6 不同比例意見(jiàn)領(lǐng)袖作用下個(gè)體的觀點(diǎn)演化Fig.6 Evolution of individual opinion under different proportions of opinion leaders

圖7 群體觀點(diǎn)演化結(jié)果Fig.7 Evolution of group average opinion

圖6和圖7是選取不同比例的意見(jiàn)領(lǐng)袖參與觀點(diǎn)演化的實(shí)驗(yàn)結(jié)果。圖6展示了意見(jiàn)領(lǐng)袖比例P為0.5%、1.5%、2.0%、3.0%時(shí)的變化曲線。P=0.5%時(shí)，在30個(gè)周期后觀點(diǎn)變化趨于穩(wěn)定，隨后在第62個(gè)周期觀點(diǎn)演化再次達(dá)到穩(wěn)態(tài)，約410個(gè)觀點(diǎn)發(fā)生反轉(zhuǎn)；P=1.5%時(shí)，觀點(diǎn)到達(dá)穩(wěn)態(tài)的周期分別縮短至25和53，反轉(zhuǎn)觀點(diǎn)的個(gè)數(shù)增加到450。而P=3%時(shí)，觀點(diǎn)到達(dá)穩(wěn)態(tài)的周期則分別縮短至19和48，反轉(zhuǎn)觀點(diǎn)的個(gè)數(shù)增加到505。這一現(xiàn)象說(shuō)明意見(jiàn)領(lǐng)袖比例的增加，能夠加速觀點(diǎn)演化進(jìn)程、縮短演化周期。圖7反映了群體觀點(diǎn)的平均水平，當(dāng)系統(tǒng)中只存在0.5%比例的(即5個(gè))意見(jiàn)領(lǐng)袖時(shí)，反轉(zhuǎn)前穩(wěn)態(tài)時(shí)平均觀點(diǎn)值為0.74左右，反轉(zhuǎn)后穩(wěn)態(tài)時(shí)觀點(diǎn)值約為0.33；當(dāng)意見(jiàn)領(lǐng)袖比例增加到3%時(shí)，反轉(zhuǎn)前后穩(wěn)態(tài)時(shí)觀點(diǎn)值分別為0.87和0.17。觀點(diǎn)演化中意見(jiàn)領(lǐng)袖的比例越大，其主導(dǎo)作用越明顯，群體的觀點(diǎn)值會(huì)更接近意見(jiàn)領(lǐng)袖，出現(xiàn)明顯的觀點(diǎn)極化現(xiàn)象。

通過(guò)上述對(duì)意見(jiàn)領(lǐng)袖影響力和比例的仿真實(shí)驗(yàn)，可以看出：

1)不引入意見(jiàn)領(lǐng)袖作用時(shí)，觀點(diǎn)的演化將遵從傳統(tǒng)HK模型的規(guī)則，觀點(diǎn)不會(huì)發(fā)生逆轉(zhuǎn)。少數(shù)社會(huì)網(wǎng)絡(luò)中與其它節(jié)點(diǎn)無(wú)連接的個(gè)體不參與觀點(diǎn)的交互，在演化過(guò)程中觀點(diǎn)保持不變；多數(shù)個(gè)體參與交互，觀點(diǎn)將收斂到一致，符合有界信任模型的演化規(guī)律。

2)觀點(diǎn)演化中加入意見(jiàn)領(lǐng)袖的影響后，無(wú)論是從個(gè)體層面還是宏觀層面，仿真結(jié)果中都能觀察到明顯的觀點(diǎn)逆轉(zhuǎn)現(xiàn)象，說(shuō)明了輿情反轉(zhuǎn)中意見(jiàn)領(lǐng)袖的引導(dǎo)作用。

3)意見(jiàn)領(lǐng)袖的觀點(diǎn)會(huì)在群體內(nèi)迅速擴(kuò)散，意見(jiàn)領(lǐng)袖影響力的增加和意見(jiàn)領(lǐng)袖比例的增大，使得觀點(diǎn)的演化進(jìn)程顯著加快，觀點(diǎn)收斂以及到達(dá)穩(wěn)態(tài)的時(shí)間逐漸縮短。

4)意見(jiàn)領(lǐng)袖的權(quán)重對(duì)群體觀點(diǎn)值平均水平的影響并非是單調(diào)一致的正相關(guān)，而是在0到1之間的某個(gè)值取得最大，這與觀點(diǎn)動(dòng)力學(xué)的基本原理相吻合。網(wǎng)絡(luò)輿情是觀點(diǎn)在系統(tǒng)內(nèi)的充分傳播，觀點(diǎn)的演化是個(gè)體交互的結(jié)果，系統(tǒng)中占絕大多數(shù)比例的是普通個(gè)體，輿情演化需要普通個(gè)體與意見(jiàn)領(lǐng)袖的共同參與，在意見(jiàn)領(lǐng)袖的引導(dǎo)下，普通個(gè)體與社會(huì)網(wǎng)絡(luò)中有關(guān)聯(lián)的節(jié)點(diǎn)進(jìn)行觀點(diǎn)的交流，不斷推進(jìn)輿情的演化進(jìn)程。

4 案例研究

4.1 案例選擇及數(shù)據(jù)獲取

為進(jìn)一步驗(yàn)證仿真分析的結(jié)論，選取輿情反轉(zhuǎn)案例進(jìn)行研究。在媒體平臺(tái)中，新浪微博已成為中國(guó)網(wǎng)民最主要的虛擬交往平臺(tái)，也是網(wǎng)絡(luò)公共事件生成、發(fā)展的重要策源地。2018年9月9日，微博用戶(hù)名為@刺Ytt的楊女士發(fā)微博稱(chēng)遭到網(wǎng)紅毆打，相關(guān)話(huà)題迅速占據(jù)熱搜榜單，網(wǎng)民紛紛表示支持孕婦并指責(zé)網(wǎng)紅。隨著事件的發(fā)展，更多的真相被公開(kāi)，輿論由支持孕婦轉(zhuǎn)變?yōu)槁曈懺袐D，輿情發(fā)生逆轉(zhuǎn)。本文選取此事件作為研究實(shí)例，運(yùn)用爬蟲(chóng)技術(shù)，以“孕婦”、“saya”“孕婦遭網(wǎng)紅毆打”“saya道歉”等關(guān)鍵詞，采集了2018年9月9日至2018年11月14日新浪微博平臺(tái)上的相關(guān)微博和評(píng)論。共計(jì)獲取了10 056條微博，56 002條評(píng)論信息，采集到的基本信息包含發(fā)布者的昵稱(chēng)、發(fā)布時(shí)間、粉絲數(shù)、評(píng)論數(shù)、點(diǎn)贊數(shù)等。

4.2 數(shù)據(jù)處理

運(yùn)用爬蟲(chóng)技術(shù)采集到的原始數(shù)據(jù)中，包含大量的無(wú)用信息且雜亂無(wú)章，中文文本數(shù)據(jù)也包含各種錯(cuò)誤編碼信息，需要對(duì)采集到的原始數(shù)據(jù)進(jìn)行處理，流程如圖8所示，具體步驟如下：

1)數(shù)據(jù)清洗。爬取到的原始數(shù)據(jù)中，包含大量錯(cuò)誤亂碼、表情符號(hào)、缺失或重復(fù)冗余的信息，需要對(duì)這類(lèi)數(shù)據(jù)進(jìn)行剔除。

2)觀點(diǎn)匯總。因事件持續(xù)時(shí)間較長(zhǎng)，針對(duì)爬取到的數(shù)據(jù)，以天為單位匯總9月9日至11月14日個(gè)體的觀點(diǎn)。

圖8 案例數(shù)據(jù)處理流程Fig.8 The processing procedure for the case data

3)篩選個(gè)體。本實(shí)驗(yàn)需要觀察個(gè)體在不同時(shí)期的觀點(diǎn)的變化。對(duì)抓取到的相關(guān)微博及評(píng)論數(shù)據(jù)進(jìn)行篩選，在采集到的信息中提取出約1萬(wàn)個(gè)在事件發(fā)展各個(gè)時(shí)期均表明觀點(diǎn)的個(gè)體。設(shè)置最大實(shí)驗(yàn)次數(shù)1 000，初始化T=1。

4)隨機(jī)選擇研究個(gè)體。為與仿真模型對(duì)應(yīng)，采用隨機(jī)抽樣的方式，每次選擇1 000個(gè)個(gè)體進(jìn)行實(shí)驗(yàn)。

5)中文文本情感值分析。爬取到的原始數(shù)據(jù)是中文文本的評(píng)論信息，為與模型相對(duì)應(yīng)，需要對(duì)中文文本進(jìn)行情感值分析，量化個(gè)體的情感傾向。主要步驟如下：

(1)利用500萬(wàn)微博評(píng)論語(yǔ)料構(gòu)建語(yǔ)料庫(kù)，將具有正負(fù)標(biāo)記的文本作為訓(xùn)練集。

(2)利用新的數(shù)據(jù)集訓(xùn)練情感分析模型，情感分類(lèi)的基本模型是貝葉斯模型。對(duì)于有兩個(gè)類(lèi)別的分類(lèi)問(wèn)題來(lái)說(shuō)，其特征之間相互獨(dú)立，屬于類(lèi)別c1的貝葉斯公式為

(12)

其中，P(ω1,…,ωn)=P(ω1,…,ωn|c1)·P(c1)+P(ω1,…,ωn|c2)·P(c2)。

(3)利用分詞引擎對(duì)評(píng)論文本進(jìn)行分詞。

(4)提取正負(fù)面詞，進(jìn)行正負(fù)面詞庫(kù)匹配，篩選出文本中能夠反映情感傾向的詞。

圖9 “網(wǎng)紅毆打孕婦”事件預(yù)測(cè)結(jié)果與實(shí)際數(shù)據(jù)對(duì)比曲線Fig.9 Comparing curve between predicted results and actual data

(5)調(diào)用貝葉斯訓(xùn)練模型，計(jì)算并返回文本的分類(lèi)結(jié)果和情感傾向值。

6)判斷是否達(dá)到實(shí)驗(yàn)設(shè)定的次數(shù)，若沒(méi)有，令T=T+1，返回步4)。

7)求得所有實(shí)驗(yàn)結(jié)果的平均值，繪制真實(shí)數(shù)據(jù)的變化曲線。

4.3 結(jié)果分析

圖9是仿真結(jié)果與真實(shí)數(shù)據(jù)的變化曲線，基于100次的仿真實(shí)驗(yàn)，當(dāng)意見(jiàn)領(lǐng)袖影響力權(quán)值為0.72下的仿真結(jié)果與真實(shí)數(shù)據(jù)的擬合趨勢(shì)最為接近。9月28日至10月14及11月1至11月14時(shí)期內(nèi)觀點(diǎn)值演化已趨于穩(wěn)定，為更清晰地展示觀點(diǎn)值在上升階段及下降階段的發(fā)展態(tài)勢(shì)，圖9中詳細(xì)描繪了9月9日至9月28日及10月14日至11月1日的變化曲線。表3顯示了在輿情反轉(zhuǎn)前后兩個(gè)階段內(nèi)，孕婦一方的支持者人數(shù)的預(yù)測(cè)值與真實(shí)值。

由仿真結(jié)果與真實(shí)數(shù)據(jù)對(duì)比可以看出，輿情反轉(zhuǎn)的演化模型的預(yù)測(cè)結(jié)果與社交網(wǎng)絡(luò)的實(shí)際案例數(shù)據(jù)變化趨勢(shì)基本吻合，擬合效果較好。

1)該事件自9月9日孕婦發(fā)布微博起開(kāi)始逐漸發(fā)酵，隨后迅速爆發(fā)且群體的觀點(diǎn)逐漸明確，支持孕婦的人數(shù)變化與真實(shí)值相比較有輕微波動(dòng)，但整體呈持續(xù)上升趨勢(shì)。9月9日開(kāi)始，參與討論的各個(gè)主體事件不斷交換意見(jiàn)，在9月13日達(dá)到最高峰，9月28日之后群體觀點(diǎn)已基本趨于穩(wěn)定，支持者的人數(shù)不再變化。分析這個(gè)階段觀點(diǎn)變化的原因，幾個(gè)高影響力博主的轉(zhuǎn)發(fā)評(píng)論起關(guān)鍵作用，如@王思聰、@鳳凰網(wǎng)、@梨視頻、@網(wǎng)紅揭秘，這些意見(jiàn)領(lǐng)袖的觀點(diǎn)會(huì)直接影響網(wǎng)民的情緒，帶動(dòng)其觀點(diǎn)在群體內(nèi)盛行。

2)從10月14日開(kāi)始，網(wǎng)紅saya發(fā)布道歉微博，@鳳凰網(wǎng)娛樂(lè)、@梨視頻等官方媒體相繼轉(zhuǎn)發(fā)，輿論態(tài)度出現(xiàn)反轉(zhuǎn)，群體觀點(diǎn)水平不斷下降，10月15日觀點(diǎn)值已經(jīng)下降到約0.42，孕婦一方的支持者人數(shù)也由760下降到241，網(wǎng)友的態(tài)度逐漸由支持孕婦轉(zhuǎn)變?yōu)橹肛?zé)。10月15日至10月23日期間，@梨視頻、@娛ms等賬號(hào)的發(fā)言，再一次引爆輿論熱點(diǎn)，群體觀點(diǎn)值持續(xù)下降，在10月22日、10月23日觀點(diǎn)值水平接近0.21。10月23日之后，群體觀點(diǎn)值存在小幅波動(dòng)，但整體趨于穩(wěn)定。

表3 “網(wǎng)紅毆打孕婦”事件支持者人數(shù)仿真值與實(shí)際值Tab.3 Supporters in simulation and real world

3)整個(gè)演化過(guò)程，真實(shí)值與預(yù)測(cè)值的相關(guān)系數(shù)為0.997 62，仿真預(yù)測(cè)結(jié)果與真實(shí)事件的變化趨勢(shì)高度近似，擬合效果良好。與預(yù)測(cè)結(jié)果相比，真實(shí)案例數(shù)據(jù)會(huì)在部分節(jié)點(diǎn)出現(xiàn)波動(dòng)，其原因是觀點(diǎn)的演化是微觀個(gè)體不斷交互導(dǎo)致群體觀點(diǎn)涌現(xiàn)的過(guò)程，在此期間的幾個(gè)關(guān)鍵點(diǎn)，如9月10日、9月14日、10月15日、10月23日等時(shí)間節(jié)點(diǎn)中，官方媒體及擁有較高關(guān)注度的博主發(fā)揮了意見(jiàn)領(lǐng)袖的作用，其觀點(diǎn)影響個(gè)體的判斷，使群體平均觀點(diǎn)水平在一段時(shí)間內(nèi)出現(xiàn)波動(dòng)?？梢?jiàn)，實(shí)際輿情數(shù)據(jù)受各種因素干擾會(huì)與預(yù)測(cè)值出現(xiàn)一定偏離，包括實(shí)驗(yàn)中涉及的中文文本情感分析技術(shù)，都會(huì)帶來(lái)一定誤差，但模型對(duì)事件的整體趨勢(shì)的預(yù)測(cè)是正確的。這也表明，運(yùn)用輿情逆轉(zhuǎn)模型能夠模擬輿情反轉(zhuǎn)事件的演化過(guò)程。

5 結(jié)論

為研究輿情反轉(zhuǎn)現(xiàn)象的內(nèi)在機(jī)制，本文在經(jīng)典有界信任的觀點(diǎn)動(dòng)力學(xué)模型基礎(chǔ)上提出了一種基于意見(jiàn)領(lǐng)袖的改進(jìn)HK模型，結(jié)合無(wú)標(biāo)度網(wǎng)絡(luò)結(jié)構(gòu)及社會(huì)網(wǎng)絡(luò)分析理論的中心性確定意見(jiàn)領(lǐng)袖，對(duì)輿情反轉(zhuǎn)事件的觀點(diǎn)演化過(guò)程進(jìn)行了模擬，并以新浪微博輿情反轉(zhuǎn)事件實(shí)際數(shù)據(jù)為例進(jìn)行研究。根據(jù)本文的實(shí)驗(yàn)結(jié)果分析可得以下結(jié)論：

1)在觀點(diǎn)演化過(guò)程中，意見(jiàn)領(lǐng)袖是左右輿情演變的重要參量，前后時(shí)期分別引入對(duì)立態(tài)度的意見(jiàn)領(lǐng)袖，個(gè)體的觀點(diǎn)會(huì)向意見(jiàn)領(lǐng)袖的觀點(diǎn)靠攏，無(wú)論是從個(gè)體層面還是宏觀層面，實(shí)驗(yàn)中都能觀察到明顯的觀點(diǎn)反轉(zhuǎn)現(xiàn)象。這說(shuō)明意見(jiàn)領(lǐng)袖在網(wǎng)絡(luò)輿情中的中心性地位，他們不僅是輿情的發(fā)起者，更是引導(dǎo)者與共同意見(jiàn)的促成者。

2)意見(jiàn)領(lǐng)袖能夠促進(jìn)觀點(diǎn)在網(wǎng)絡(luò)中的傳播，加速觀點(diǎn)演化進(jìn)程，其影響權(quán)重的增加和比例的增大，使得觀點(diǎn)的收斂時(shí)間和觀點(diǎn)值到達(dá)穩(wěn)態(tài)的時(shí)間逐漸縮短。

3)若某一觀點(diǎn)能夠在系統(tǒng)內(nèi)充分傳播并發(fā)展為主流意見(jiàn)，單獨(dú)考慮意見(jiàn)領(lǐng)袖的影響并不能完全實(shí)現(xiàn)，需要普通個(gè)體與意見(jiàn)領(lǐng)袖的共同參與。在社會(huì)網(wǎng)絡(luò)中占絕大多數(shù)的是普通群體，他們對(duì)個(gè)體的影響同樣不可忽略，這與現(xiàn)實(shí)中人們的“從眾心理”相符，即個(gè)體的觀點(diǎn)會(huì)和周?chē)说挠^點(diǎn)趨于一致。

4)案例研究部分，仿真實(shí)驗(yàn)結(jié)果與真實(shí)數(shù)據(jù)變化趨勢(shì)基本吻合，表明本研究改進(jìn)的模型能夠模擬網(wǎng)絡(luò)輿情反轉(zhuǎn)事件的演化過(guò)程，具有一定的應(yīng)用價(jià)值。

上述研究和結(jié)論，為定量研究網(wǎng)絡(luò)輿情反轉(zhuǎn)現(xiàn)象提供了依據(jù)，也為相關(guān)部門(mén)制定輿情控制策略有重要的參考價(jià)值?；ヂ?lián)網(wǎng)環(huán)境下輿情發(fā)展速度快、傳播范圍廣，相關(guān)部門(mén)要及時(shí)介入突發(fā)事件，對(duì)其中的非理性聲音進(jìn)行約束與規(guī)范；要充分重視意見(jiàn)領(lǐng)袖的帶動(dòng)效應(yīng)，發(fā)揮意見(jiàn)領(lǐng)袖在輿論方面的優(yōu)勢(shì)，將正面信息通過(guò)意見(jiàn)領(lǐng)袖這一中介進(jìn)行傳播，引導(dǎo)網(wǎng)絡(luò)輿情向正確的方向發(fā)展。在今后的研究中，將結(jié)合觀點(diǎn)傳播過(guò)程中的動(dòng)態(tài)網(wǎng)絡(luò)結(jié)構(gòu)，完善觀點(diǎn)演化模型，進(jìn)一步研究輿情反轉(zhuǎn)事件的觀點(diǎn)演化過(guò)程。