.548 智能系统学报 第8卷 2)本文模型在一组参数下可以仿真出多种舆 1.0 论形态，而基于不对称人际影响的舆论模型刀在一 0.8 0.8好 0.6 0.6 组参数下只能仿真出1种舆论形态：基于小世界网 厨0.4 0.4 络的舆论模型[劉在一组参数下也可产生多种舆论 0.2 0.2 x10 x10 形态，但其不能分辨相近的舆论是否为同一舆论，而 1 234 1/时步 t/时步 本文模型可以： (a)2社区形成1种舆论 (b)2社区形成2种舆论 3)从图3可看出，基于小世界网络的模型中舆 1.0 1.0 论大致在1000s时形成.而本文模型在200s左右 0.8 0.8 便可形成比较稳定的舆论.这是由于个体的观点受 0.6 0.0 到记忆的影响，因此本文模型时间复杂度更小且更 0, 0. 符合现实情况. 0.2 103 40 0 2 3 4 4)基于小世界网络的舆论模型[幻只能对舆论 0 1 234 t/时步 t/时步 的形成过程及结果进行展示，不能说明群体中意见 (c)一社区形成2种舆论，(d)2社区形成3种舆论 领袖和易变个体的数目对舆论形成的影响，也不能 另一社区形成1种舆论 明显地展示阈值大小对舆论形成产生的影响：而从 1.0 1.02 本文模型中则可清晰地看出这些因素对舆论趋势的 0.8 0.8 影响，这对于舆论的监控具有重要的意义.在舆论的 20.6 0.6 0.4 带 0.489“ 监控过程中，可以通过调节意见领袖和易变个体的 0.2 0.2 数目对舆论进行引导. ×刘03 ×10 0 2 34 0 1234 4.3多社区下本文模型仿真结果及对比分析 1/时步 t/时步 个体观点值)和个体观点坚定性值s初始均匀 (e)2社区形成多种舆论 ()2社区未形成舆论 随机分布在[0,1]内，交互次数C=4000.为了与具有 图5参数组2下本文模型在多社区中舆论演化过程 Fig.5 Evolution of public opinion of the present model 社团结构的有界信任奥论涌现模型进行对比，这里 in multi-communities with the 2nd group of pa- 设定3组参数进行仿真实验.其中参数组1设定阈值 rameters 为0.5，社团耦合度为0.06：参数组2设定阈值为0.2， 1.0 社团耦合度为0.06：参数组3设定阈值为0.5，社团耦 0.8 合度为0.00003.仿真结果分别对应图4~6.具有社团 已0.6 结构的有界信任奥论涌现模型)在第1组参数和第 0.4 2组参数下的仿真结果如图7和图8. 0.2 ×10 0 1 1.0 1.06 2.34 t/时步 0.8 0.8 20.6 三0.6 图6参数组3下本文模型在多社区中舆论演化过程 04 0.4 Fig.6 Evolution of public opinion of the present model 0.2 ×1030.2 in multi-communities with the 3rd group of pa- ×10 0 1234 0 1 23 4 rameters 1/时步 t/时步 (a)2社区形成1种舆论(b)2社区形成2种不同舆论 1.0 一社团1 1.0 1.0e 0.8 ·社团2 0.8 一社团1 0.8 0.6 0.6 ·社团2 0.4 检0.4 0,4 0.2 0.2 0 10 1510 0.2 012345678910 10 1/时步 t/时步 0 234 1/时步 (a)2社区形成1种舆论 (b)2社区形成2种舆论 (©)一社区形成2种舆论，另一社区形成1种舆论 图7参数组1下具有社团结构多社区涌现模型舆论 图4参数组1下本文模型在多社区中舆论演化过程 演化过程 Fig.4 Evolution of public opinion of the present mod- Fig.7 Public opinion of emergent model with com- el in multi-communities with the Ist group of munity structure in multi-commnuities with parameters the Ist group of parameters２） 本文模型在一组参数下可以仿真出多种舆 论形态，而基于不对称人际影响的舆论模型［７］ 在一 组参数下只能仿真出 １ 种舆论形态；基于小世界网 络的舆论模型［８］ 在一组参数下也可产生多种舆论 形态，但其不能分辨相近的舆论是否为同一舆论，而 本文模型可以． ３） 从图 ３ 可看出，基于小世界网络的模型中舆 论大致在 １ ０００ ｓ 时形成．而本文模型在 ２００ ｓ 左右 便可形成比较稳定的舆论．这是由于个体的观点受 到记忆的影响，因此本文模型时间复杂度更小且更 符合现实情况． ４） 基于小世界网络的舆论模型［８］ 只能对舆论 的形成过程及结果进行展示，不能说明群体中意见 领袖和易变个体的数目对舆论形成的影响，也不能 明显地展示阈值大小对舆论形成产生的影响；而从 本文模型中则可清晰地看出这些因素对舆论趋势的 影响，这对于舆论的监控具有重要的意义．在舆论的 监控过程中，可以通过调节意见领袖和易变个体的 数目对舆论进行引导． ４．３ 多社区下本文模型仿真结果及对比分析 个体观点值 ｖ 和个体观点坚定性值 ｓ 初始均匀 随机分布在［０，１］内，交互次数 Ｃ ＝ ４ ０００．为了与具有 社团结构的有界信任舆论涌现模型［９］进行对比，这里 设定 ３ 组参数进行仿真实验．其中参数组 １ 设定阈值 为 ０．５，社团耦合度为 ０．０６；参数组 ２ 设定阈值为 ０．２， 社团耦合度为 ０．０６；参数组 ３ 设定阈值为 ０．５，社团耦 合度为 ０．０００ ０３．仿真结果分别对应图 ４～６．具有社团 结构的有界信任舆论涌现模型［９］ 在第 １ 组参数和第 ２ 组参数下的仿真结果如图 ７ 和图 ８． （ａ） ２ 社区形成 １ 种舆论 （ｂ） ２ 社区形成 ２ 种不同舆论 （ｃ） 一社区形成 ２ 种舆论，另一社区形成 １ 种舆论 图 ４ 参数组 １ 下本文模型在多社区中舆论演化过程 Ｆｉｇ．４ Ｅｖｏｌｕｔｉｏｎ ｏｆ ｐｕｂｌｉｃ ｏｐｉｎｉｏｎ ｏｆ ｔｈｅ ｐｒｅｓｅｎｔ ｍｏｄ⁃ ｅｌ ｉｎ ｍｕｌｔｉ⁃ｃｏｍｍｕｎｉｔｉｅｓ ｗｉｔｈ ｔｈｅ １ｓｔ ｇｒｏｕｐ ｏｆ ｐａｒａｍｅｔｅｒｓ （ａ） ２ 社区形成 １ 种舆论 （ｂ） ２ 社区形成 ２ 种舆论 （ｃ） 一社区形成 ２ 种舆论， （ｄ） ２ 社区形成 ３ 种舆论 另一社区形成 １ 种舆论 （ｅ） ２ 社区形成多种舆论 （ｆ） ２ 社区未形成舆论 图 ５ 参数组 ２ 下本文模型在多社区中舆论演化过程 Ｆｉｇ．５ Ｅｖｏｌｕｔｉｏｎ ｏｆ ｐｕｂｌｉｃ ｏｐｉｎｉｏｎ ｏｆ ｔｈｅ ｐｒｅｓｅｎｔ ｍｏｄｅｌ ｉｎ ｍｕｌｔｉ⁃ｃｏｍｍｕｎｉｔｉｅｓ ｗｉｔｈ ｔｈｅ ２ｎｄ ｇｒｏｕｐ ｏｆ ｐａ⁃ ｒａｍｅｔｅｒｓ 图 ６ 参数组 ３ 下本文模型在多社区中舆论演化过程 Ｆｉｇ．６ Ｅｖｏｌｕｔｉｏｎ ｏｆ ｐｕｂｌｉｃ ｏｐｉｎｉｏｎ ｏｆ ｔｈｅ ｐｒｅｓｅｎｔ ｍｏｄｅｌ ｉｎ ｍｕｌｔｉ⁃ｃｏｍｍｕｎｉｔｉｅｓ ｗｉｔｈ ｔｈｅ ３ｒｄ ｇｒｏｕｐ ｏｆ ｐａ⁃ ｒａｍｅｔｅｒｓ （ａ） ２ 社区形成 １ 种舆论 （ｂ） ２ 社区形成 ２ 种舆论 图 ７ 参数组 １ 下具有社团结构多社区涌现模型舆论 演化过程 Ｆｉｇ．７ Ｐｕｂｌｉｃ ｏｐｉｎｉｏｎ ｏｆ ｅｍｅｒｇｅｎｔ ｍｏｄｅｌ ｗｉｔｈ ｃｏｍ⁃ ｍｕｎｉｔｙ ｓｔｒｕｃｔｕｒｅ ｉｎ ｍｕｌｔｉ⁃ｃｏｍｍｎｕｉｔｉｅｓ ｗｉｔｈ ｔｈｅ １ｓｔ ｇｒｏｕｐ ｏｆ ｐａｒａｍｅｔｅｒｓ ·５４８· 智 能 系 统 学 报 第 ８ 卷