耿 亮 趙辛月

(湖北工業(yè)大學(xué)理學(xué)院，湖北 武漢 430068)

1 基于MAS的農(nóng)村虛擬社群輿情傳播模型

1.1 農(nóng)村虛擬社群MAS

農(nóng)村虛擬社群是指通過互聯(lián)網(wǎng)社交平臺聯(lián)系在一起的，擁有共同興趣和需求的農(nóng)村居民群體[1]。在虛擬環(huán)境中，將社群中的每個成員看作一個智能體，社群成員之間根據(jù)自身興趣和需求自發(fā)地進行信息交流、傳遞和共享，由于成員之間互動頻繁，形成了紛繁復(fù)雜的關(guān)系網(wǎng)絡(luò)。由虛擬環(huán)境、智能體集合和社群規(guī)則共同組成的具有自治性的系統(tǒng)稱為虛擬社群MAS(Muti-agent system)。在一定的活動空間中，Agent之間不斷進行信息互通，成員之間在交流過程中產(chǎn)生心理共鳴或情緒感染[2]，會產(chǎn)生持續(xù)的影響蔓延至整個關(guān)系網(wǎng)絡(luò)，進而涌現(xiàn)出群體行為。

1.2 農(nóng)村虛擬社群MAS主體屬性

Agent的社群地位、傳播力和影響力受到自身所具備的屬性影響，從行為特征、接受力、可信度和情感偏向4個方面進行考慮：

1.2.1 行為特征

Agent的行為特征對虛擬社群中的信息運動起到了一定程度的引導(dǎo)作用，能夠反映社群成員的行動能力。根據(jù)行為特征將虛擬社群主體劃分為溫和型主體、從眾型主體、激進型主體和偏執(zhí)型主體4種類型。

1.2.2 接受力

網(wǎng)絡(luò)社群成員的接受力是指網(wǎng)絡(luò)社群成員接收、判斷、消化和應(yīng)用信息的能力。社群成員通過接收到的信息來調(diào)整自身的狀態(tài)和行為，在社群規(guī)則的約束下，使得系統(tǒng)在整體上顯現(xiàn)出更高層次的有序性。同時，社區(qū)成員對信息接受力的強弱直接影響到信息運動的效果，直接影響網(wǎng)絡(luò)社群信息運動的效率。

1.2.3 可信度

網(wǎng)絡(luò)社群成員的可信度是衡量網(wǎng)絡(luò)社群成員之間信任程度的指標(biāo)，較高的信任程度更能保證成員之間的信息交流穩(wěn)定高效地進行。換言之，成員之間的信任能夠增加社群中其它人獲取或共享知識的自主性[3]。成員的可信度越高，其它成員更愿意與之交流并把接收到的信息傳播給社群中的其它成員?？尚哦仍降停蓡T更傾向于相互冷漠[4]，社群中信息流動較慢。

1.2.4 情感偏向

情感偏向表示網(wǎng)絡(luò)社群成員對社群內(nèi)某一話題的態(tài)度，是不受外界影響的自主行為。社群中每個個體有自己的情感偏向，持有對信息贊成、中立和不贊成觀點，并根據(jù)其態(tài)度發(fā)布贊成、中立或不贊成的相應(yīng)信息。

1.3 農(nóng)村虛擬社群MAS參數(shù)設(shè)置

一個虛擬社群MAS由N個Agent構(gòu)成，用S=表示整個虛擬社群，其中X為Agent的位置向量，V為Agent的速度向量，A為Agent的加速度向量。每個Agent的位置代表了在社群網(wǎng)絡(luò)中的地位。傳播力是Agent對外界產(chǎn)生有效作用的能力，影響力是Agent在社群活動中對周圍環(huán)境和其它Agent成員產(chǎn)生的影響強度。

表1 虛擬社群Agent的具體參數(shù)說明

Agent在虛擬環(huán)境中的運動由以下方程控制：

(1)

1.4 局部適應(yīng)度函數(shù)

受局部影響，傳播力引起影響力的變化，而傳播力受主體屬性控制。W是主體屬性Wi的和向量，社群網(wǎng)絡(luò)中的主體屬性Wi由Agent鄰域內(nèi)小團體的屬性v1，社群網(wǎng)絡(luò)中意見領(lǐng)袖的屬性v2，Agent的鄰居Agent鄰域內(nèi)小團體的屬性v3，社群網(wǎng)絡(luò)中活躍的小團體的屬性v4，虛擬環(huán)境中的隨機因子v5共同決定。

模型中Agent的局部適應(yīng)度函數(shù)用每個時刻Agent的傳播力來表示，即Agent的瞬時加速度向量A。計算公式如下：

(2)

Wi=c1v1(d)+c2v2+c3v3+c4v4+c5v5

*MERGEFORMAT

(3)

(4)

虛擬社群成員主體屬性向量參數(shù)設(shè)置如表2所示：

表2 虛擬社群主體屬性向量參數(shù)設(shè)置

1.5 環(huán)境

虛擬社群中的Agent能自主地適應(yīng)周圍的環(huán)境，可能會對周圍的社群成員表現(xiàn)出吸引或排斥。社群的虛擬環(huán)境會對成員Agent產(chǎn)生一定的約束，環(huán)境中會產(chǎn)生隨機因子對Agent的運動造成影響。定義第i個Agent的鄰域為：

NEBi={xj|r≤||xi-xj||≤d,i≠j；i,j=1.2,…,N|}

*MERGEFORMAT

(5)

式中||xi-xj||為歐式距離；d為信任距離，即Agent之間保持的最佳距離。

定義第i個Agent的風(fēng)險域為：

REPi={xj|||xi-xj||≤r,i≠j；i，j=1，2，…，N}

*MERGEFORMAT

(6)

r為風(fēng)險距離，且r≤d。若兩個Agent的距離小于r，Agent之間會產(chǎn)生相互排斥的作用力。

1.6 反應(yīng)規(guī)則

在MAS中的每個Agent都要遵守組織規(guī)則，并在約束條件下進行活動。反應(yīng)規(guī)則流程圖如圖1所示：

圖1 虛擬社群MAS的反應(yīng)規(guī)則

1.7 虛擬社群MAS的活躍度指標(biāo)

根據(jù)現(xiàn)有的輿情評估指標(biāo)體系，構(gòu)建了MAS虛擬社群的活躍度指標(biāo)。虛擬社群MAS的活躍度來源于微觀層面，輿情主體和傳播擴散作為一級指標(biāo)，選取傳播力V、行動強度Q1、態(tài)度傾向Q4、擴散范圍R作為二級指標(biāo)?；钴S度指標(biāo)計算公式如下：

(7)

將虛擬社群MAS的活躍度記為K，定義如下：

(8)

式中，活躍度的單位為m/s2?；钴S度是衡量某一時刻社群成員的活躍程度的指標(biāo)，網(wǎng)絡(luò)社群中每個成員根據(jù)局部環(huán)境和局部適應(yīng)度函數(shù)產(chǎn)生自己的活躍行為，通過個體之間局部的影響涌現(xiàn)出網(wǎng)絡(luò)社群的整體活躍程度，在宏觀層面反映網(wǎng)絡(luò)社群中輿情演化狀態(tài)。

2 仿真分析

2.1 案例選取

以“上海垃圾分類”事件為背景，對參與“上海垃圾分類”這一事件討論的網(wǎng)民構(gòu)成的虛擬社群網(wǎng)絡(luò)進行仿真，深入分析輿情網(wǎng)絡(luò)的演化機制。根據(jù)清博輿情大數(shù)據(jù)官方網(wǎng)站[5]提供的數(shù)據(jù)，設(shè)置40個網(wǎng)絡(luò)節(jié)點，每個節(jié)點代表40個用戶，由這40個用戶構(gòu)成“上海垃圾分類事件”虛擬社群。運用MATLAB生成社群網(wǎng)絡(luò)MAS初始網(wǎng)絡(luò)圖2所示。

圖2 “上海垃圾分類事件”虛擬社群MAS

2.2 仿真參數(shù)設(shè)置

為了充分研究虛擬社群網(wǎng)絡(luò)演化趨勢和節(jié)點的特性，選取5組參數(shù)進行對照實驗，研究不同情況下成員的行為以及虛擬社群網(wǎng)絡(luò)的演化過程。虛擬社群模擬演化參數(shù)如表3所示。

表3 虛擬社群模擬演化參數(shù)

2.3 虛擬社群MAS仿真

2.3.1 虛擬社群成員行為變化

選取2s、4s、6s和8s這4個時間點的網(wǎng)絡(luò)圖，如圖3所示。隨著時間的推移，網(wǎng)絡(luò)結(jié)構(gòu)逐漸由松散變得緊密，各個成員的坐標(biāo)值也在逐漸增加。各成員的坐標(biāo)表示它們的社群地位，說明地位低的人會逐漸向地位高的人的方向運動。這表明意見領(lǐng)袖總是在一定程度上影響著輿情發(fā)展趨勢，使得社群網(wǎng)絡(luò)呈現(xiàn)出集聚效應(yīng)。

圖3 虛擬社群網(wǎng)絡(luò)結(jié)構(gòu)圖

2.3.2 虛擬社群活躍度

圖4分別是5組參數(shù)控制下的虛擬社群活躍度、行動強度、態(tài)度傾向和擴散范圍的變化。從圖中可以看出5組參數(shù)控制下的虛擬社群的活躍度均隨著時間變化呈現(xiàn)下降的趨勢，最終趨于平穩(wěn)。虛擬社群成員整體行動強度和態(tài)度傾向均表現(xiàn)為無規(guī)則的隨機波動。虛擬社群輿情的擴散范圍呈現(xiàn)上升的趨勢，在一定范圍內(nèi)細微變動，最終穩(wěn)定在某一個值。

對5組參數(shù)的仿真結(jié)果進行對比，當(dāng)速度、加速度和信任距離較小時，活躍度更早趨于平穩(wěn)狀態(tài)。這說明影響力和傳播力較小時，社群成員的影響力和傳播力一開始只能夠?qū)π》秶鷥?nèi)的成員產(chǎn)生影響，并且隨著成員之間的聯(lián)系變得緊密，逐漸形成了交流頻繁的小團體。由于成員的信任距離小，活躍的小團體會對周圍成員產(chǎn)生影響，使得輿情迅速傳播開來。

圖4 虛擬社群活躍度仿真結(jié)果

3 結(jié)語

仿真結(jié)果表明，在輿情傳播的過程中，農(nóng)村虛擬社群成員之間的密切交流是輿情爆發(fā)的主要原因。各成員之間的交流越密切，在密切的交流過程中意見逐漸趨于相同，社群網(wǎng)絡(luò)也因此呈現(xiàn)出集聚效應(yīng)。其次，意見領(lǐng)袖和局部活躍的小團體能夠促進輿情爆發(fā)，加速群體的集聚行為。最后，農(nóng)村輿情的傳播范圍受自身網(wǎng)絡(luò)結(jié)構(gòu)的影響，成員較為分散時傳播范圍較廣卻不穩(wěn)定，成員較為密集時傳播范圍較小且活躍度強。