·544. 智能系统学报 第8卷 为丰富的舆论形态.司夏萌等)将Deffuant模型应用 区之间任意节点之间以外部连通概率P(0<P< 到多个社区上，仿真发现，除非社团间存在相反的观 P)建立连接.为了说明问题，这里将2个社区作为 点领袖，具有社团结构的Deffuant模型给出的最终舆 多社区进行说明在此社区构建方法中，每个节点以 论形态取决于交互阈值，而与社团间的连通性无关 等同的概率同其他节点建立连接然而，在实际网络 虽然上述改进的Deffuant模型能够在一定程度上模 环境中，受兴趣、爱好和个人魅力的影响，不同网民 拟真实环境下网络舆论产生的过程，但受特定社区结 所具有的连接数是不同的， 构的限制而不能在多个社区中通用，且存在个体交互 1.2基于有限信任的Deffuant模型 规则复杂、运算量大、考虑因素局限或构建的网络结 在现实社会中，人们对某一问题的看法存在某 构与实际不符等缺陷 种程度的肯定或否定，并且人们偏向于同自己观点 此外，奥论是由无数个体的态度聚集在一起形 相近的人进行交流.这种特点使Deffuant模型)更 成的一个动态、整体的行为.从这个角度看，舆论亦 加符合真实社会环境中舆论的传播过程.该模型将 属于突现计算的研究范畴.突现计算0是多个体系 个体的观点值定义为[0,1]内的某一个随机值，每 统在处理复杂问题时所展现出来的一种思路逻辑， 次随机挑选2个个体i和j进行交互.在t时刻，如果 它通过无数个简单行为过程的相互合作来形成更加 个体间观点x差的绝对值小于等于某一阈值P(即 复杂的行为过程姚远等[⑧]从突现的角度对改进的 1x:-xI≤p)则进行交互，否则不交互.在t+1时 Deffuant模型所描述的舆论行为进行了研究.但其 刻，个体观点的变化如式(1)： 仍然存在问题，即使用了复杂的不对称影响函数，使 x:-x≤p时， 得算法较复杂：模型仿真得到的各种舆论形态之间 (x(t+1)=x(t)+w×(x(t)-x(t)), 的差别不够明显，影响对最终舆论趋势的判断：舆论 (x(t+1)=x(t)+ω×(x:(t)-x(t)): 产生突现的时间较长，模型时间复杂度较大：没有考 x:-x>p时， 虑个体的个性特征，不能解释群体中具有某些特性 x:(t+1)=x:(t), 的个体对最终舆论结果的影响 (1) x(t+1)=x(t). 针对上述问题，结合突现计算的思想，通过构建 式中：p表示个体间可进行交互的最大观点差值，w 比较符合实际的随机网络，本文在Deffuant模型的 表示个体对交互者的信任程度】 基础上引入了意见领袖、易变个体和网民记忆3个 2随机网络构造算法的改进 因素，建立了单、多社区通用的网络舆论突现计算模 型，并仿真分析了这些改进因素对网络舆论演化过 网民之间的关系网络是根据网民的特性及喜好 程以及最终舆论趋势的影响，以便为网络舆论研究 建立，即考虑网民至少会与一个有较大影响力的网 提供新的思路。 民建立连接.真实网络社区特殊个体的存在，如意见 1相关算法和模型 领袖，对网民关系网络的形成有很大影响.分析已有 的随机网络构建算法，发现其并未考虑上述因素，即 网络舆论演化与突现的2个要素是其赖以传播 目前的随机网络以相等的概率建立节点之间的连 的网络和个体观点的演化规则（即舆论演化模型）. 接，并未考虑特殊节点对网络构建的影响.因此，这 本文在基于随机网络的社区和Deffuant模型的基础 些算法下构建的随机网络会出现一些孤立的节点和 上对网络舆论的演化过程进行了研究 一个节点只与其他社区存在边而与本社区不存在边 1.1基于随机网络的社区构建算法 的情况这导致构建的网络结构与真实环境下网民 Erdos和Renyi提出了随机网络的构建算法.该 关系网不符 算法规定山：初始设定N个孤立的节点，然后不断 针对上述问题，本文从真实网络的结构特点出 地在节点之间建立连接关系：每次随机加入1条边， 发，首先对随机网络模型进行改进，使其更加符合真 每条边以同样的概率p(0<p<1)从C-)条边 实情况. 中随机选取. 构建的网络结构用表示，G=<V,E>,其中V表 在随机网络的基础上，社区构建的方法为[： 示图G的顶点，V=[v2…w],E表示边， 单社区情况下，任意节点之间以概率P(0<P。< E=[e1e2.em].令n,=LI0NPm」，n2= 01)建立连接：在多社区构建上，社区内部任意节点 L5NPm」，n3=L10NP」.算法1和算法2分别给出 之间以内部连通概率Pm(0<Pm<0.1)建立连接，社 了单社区和多社区的随机网络构建算法.为丰富的舆论形态．司夏萌等［９］ 将 Ｄｅｆｆｕａｎｔ 模型应用 到多个社区上，仿真发现，除非社团间存在相反的观 点领袖，具有社团结构的 Ｄｅｆｆｕａｎｔ 模型给出的最终舆 论形态取决于交互阈值，而与社团间的连通性无关． 虽然上述改进的 Ｄｅｆｆｕａｎｔ 模型能够在一定程度上模 拟真实环境下网络舆论产生的过程，但受特定社区结 构的限制而不能在多个社区中通用，且存在个体交互 规则复杂、运算量大、考虑因素局限或构建的网络结 构与实际不符等缺陷． 此外，舆论是由无数个体的态度聚集在一起形 成的一个动态、整体的行为．从这个角度看，舆论亦 属于突现计算的研究范畴．突现计算［１０］ 是多个体系 统在处理复杂问题时所展现出来的一种思路逻辑， 它通过无数个简单行为过程的相互合作来形成更加 复杂的行为过程．姚远等［８］ 从突现的角度对改进的 Ｄｅｆｆｕａｎｔ 模型所描述的舆论行为进行了研究． 但其 仍然存在问题，即使用了复杂的不对称影响函数，使 得算法较复杂；模型仿真得到的各种舆论形态之间 的差别不够明显，影响对最终舆论趋势的判断；舆论 产生突现的时间较长，模型时间复杂度较大；没有考 虑个体的个性特征，不能解释群体中具有某些特性 的个体对最终舆论结果的影响． 针对上述问题，结合突现计算的思想，通过构建 比较符合实际的随机网络，本文在 Ｄｅｆｆｕａｎｔ 模型的 基础上引入了意见领袖、易变个体和网民记忆 ３ 个 因素，建立了单、多社区通用的网络舆论突现计算模 型，并仿真分析了这些改进因素对网络舆论演化过 程以及最终舆论趋势的影响，以便为网络舆论研究 提供新的思路． １ 相关算法和模型 网络舆论演化与突现的 ２ 个要素是其赖以传播 的网络和个体观点的演化规则（即舆论演化模型）． 本文在基于随机网络的社区和 Ｄｅｆｆｕａｎｔ 模型的基础 上对网络舆论的演化过程进行了研究． １．１ 基于随机网络的社区构建算法 Ｅｒｄöｓ 和 Ｒéｎｙｉ 提出了随机网络的构建算法．该 算法规定［１１］ ：初始设定 Ｎ 个孤立的节点，然后不断 地在节点之间建立连接关系；每次随机加入 １ 条边， 每条边以同样的概率 ｐ（０＜ｐ＜１）从 Ｃ Ｍ ［Ｎ（Ｎ－１） ／ ２］ 条边 中随机选取． 在随机网络的基础上，社区构建的方法为［９］ ： 单社区情况下，任意节点之间以概率 Ｐｉｎ （ ０ ＜Ｐｉｎ ＜ ０．１）建立连接；在多社区构建上，社区内部任意节点 之间以内部连通概率 Ｐｉｎ（０＜Ｐｉｎ ＜０．１）建立连接，社 区之间任意节点之间以外部连通概率 Ｐｏｕｔ（０＜Ｐｏｕｔ ＜ Ｐｉｎ ）建立连接．为了说明问题，这里将 ２ 个社区作为 多社区进行说明．在此社区构建方法中，每个节点以 等同的概率同其他节点建立连接．然而，在实际网络 环境中，受兴趣、爱好和个人魅力的影响，不同网民 所具有的连接数是不同的． １．２ 基于有限信任的 Ｄｅｆｆｕａｎｔ 模型 在现实社会中，人们对某一问题的看法存在某 种程度的肯定或否定，并且人们偏向于同自己观点 相近的人进行交流．这种特点使 Ｄｅｆｆｕａｎｔ 模型［５］ 更 加符合真实社会环境中舆论的传播过程．该模型将 个体的观点值定义为［０，１］内的某一个随机值，每 次随机挑选 ２ 个个体 ｉ 和 ｊ 进行交互．在 ｔ 时刻，如果 个体间观点 ｘ 差的绝对值小于等于某一阈值 φ（即 ｜ ｘｉ － ｘｊ ｜ ≤ φ ）则进行交互，否则不交互．在 ｔ＋１ 时 刻，个体观点的变化如式（１）： ｘｉ － ｘｊ ≤ φ 时， ｘｉ（ｔ ＋ １） ＝ ｘｉ（ｔ） ＋ ω × （ｘｊ（ｔ） － ｘｉ（ｔ））， ｘｊ（ｔ ＋ １） ＝ ｘｊ（ｔ） ＋ ω × （ｘｉ（ｔ） － ｘｊ（ｔ））； { ｘｉ － ｘｊ ＞ φ 时， ｘｉ（ｔ ＋ １） ＝ ｘｉ（ｔ）， ｘｊ（ｔ ＋ １） ＝ ｘｊ（ｔ）． { （１） 式中：φ 表示个体间可进行交互的最大观点差值，ω 表示个体对交互者的信任程度． ２ 随机网络构造算法的改进 网民之间的关系网络是根据网民的特性及喜好 建立，即考虑网民至少会与一个有较大影响力的网 民建立连接．真实网络社区特殊个体的存在，如意见 领袖，对网民关系网络的形成有很大影响．分析已有 的随机网络构建算法，发现其并未考虑上述因素，即 目前的随机网络以相等的概率建立节点之间的连 接，并未考虑特殊节点对网络构建的影响．因此，这 些算法下构建的随机网络会出现一些孤立的节点和 一个节点只与其他社区存在边而与本社区不存在边 的情况．这导致构建的网络结构与真实环境下网民 关系网不符． 针对上述问题，本文从真实网络的结构特点出 发，首先对随机网络模型进行改进，使其更加符合真 实情况． 构建的网络结构用表示， Ｇ ＝ ＜Ｖ，Ｅ＞，其中 Ｖ 表 示图 Ｇ 的顶点，Ｖ ＝ ｖ１ ｖ２ ．．． ｖ [ Ｎ ] ，Ｅ 表示边， Ｅ＝ ｅ１ ｅ２ ．．． ｅ [ ｍ ] ． 令 ｎ１ ＝ ⌊ １０ＮＰｉｎ 」， ｎ２ ＝ ⌊５ＮＰｉｎ 」，ｎ３ ＝ ⌊ １０ＮＰｏｕｔ」．算法 １ 和算法 ２ 分别给出 了单社区和多社区的随机网络构建算法． ·５４４· 智 能 系 统 学 报 第 ８ 卷