第6期 吴渝，等：单、多社区通用的网络舆论突现计算摸型 ·549. 1.0 有网民进行社区划分：3)使用PageRank算法[)，获 0.8 一社团1 30.6 一社团1·社团2 取每个社区的意见领袖：4)提取2011年3月11日 这0.4 。社团2 检0.4 至2011年12月31日所有有关日本地震的帖子及 ←0.2 ←0.2 回复信息：5)提取所有参与该事件的网民关系网 0 1 234 10 0 1234510 t/时步 1/时步 络：6)人工分析每个网民发表的信息，辨别易变个 (a)2社区形成2种舆论(b)2社区形成3种舆论 体、观点值及每个网民的观点坚定程度值. 图8参数组2下具有社团结构多社区涌现模型舆论 将3月11日的相关数据作为初始数据，对本文 演化过程 模型下舆论的演化过程进行仿真，并与真实结果进 Fig.8 Evolution of public opinion of emergent model 行对比. with community structure in multi-commnu- 2011年3月11日至2011年年底网民共发帖 ities with the 2nd group of parameters 301条，11日当天共发帖47条，参与讨论15727人 图4~6和图7~8的对比表明，与具有社团结构 次，参与者大致被分为2个社区.11日当天，92.5% 的有界信任舆论涌现模型[)相比，本文模型能够展 的网民对日本地震事件感到兴奋，4.3%的网民感到 现更加丰富的舆论形态， 同情，3.2%的网民感到与自己无关在观点交换的过 图4(a)中舆论的突现时间大约在2000s左 程中，网民对同情者进行了严厉的批评，导致越来越 右，而图7(a)中奥论突现的时间大约在2500s左 少的人敢于表现同情，逐渐形成一种对日本地震感 右这说明本文模型舆论形成的速度更快，时间复杂 到兴奋的舆论， 度更低。 用本文模型进行仿真，用个体观点值0表示绝 图4(a)图与图6对比说明了社区耦合度对舆 对同情，1表示绝对兴奋，中间值表示趋于同情与兴 论的影响.图6中2个社区形成2种不同的舆论趋 奋之间的某一感情，结果如图9所示.仿真结果表 势，但这2种舆论的差值在阈值的范围内.这主要是 明，初始时刻多数网民对日本地震话题持兴奋感情， 因为社区耦合度太小，导致了社区之间的联系几乎 到500s时，观点已经基本稳定，网民整体趋于兴奋 为零，从而使得2个社区没有形成统一的观点.这与 感情，少数网民仍旧感到同情 司夏萌得出的社团连通性差时社团间观点对立，社 1.0m 团连通性好时社团间观点统一的结论大致相符】 0.8 图4(a)与图7(b)对比说明了意见领袖对舆论 0.6 的影响这2个图都设有意见领袖，但是最终舆论走 0.4 向却不同.从图7(b)可明显看出，社区整体态度完 0.2m-… x10 0 1234 全由意见领袖所决定，这与实际情况不符，因为意见 t/时步 领袖也会受到社区内其他个体的影响，不可能对其 图9日本地震舆论传播仿真结果 他个体观点无动于衷而本文模型中，舆论的形成不 Fig.9 Simulation result of the public opinion about 完全受制于意见领袖，而是由整个群体所决定， earthquake in Japan 4.4真实数据下本文模型仿真结果 上述分析仿真对比说明，本文建立的模型能够 为说明本文模型的实用性，本文在真实数据下 重现多社区网络舆论演化过程，同时验证了本文模 将本文模型的奥论演化过程和实际舆论的演化过程 型的正确性和可用性。 进行了对比分析.由于现实中网络群体存在着异样 由于基于小世界网络的舆论模型)没有考虑群 性，即具有相同喜好的人会形成一个社区，具有不同 体的异样性，因此在该事件中并未与其进行对比分 喜好的人会分布于不同的社区因此对网络舆论事 析.具有社团结构的有界信任舆论涌现模型)网络舆 件的研究就必须要考虑该因素，即在进行舆论研究 论形成的结果完全由意见领袖所决定因此，在该事 之前就必须先对参与者进行社区划分.本文从该角 件中该模型会形成极化的舆论形态，即要么绝对兴 度对本文提出的单、多社区通用的网络舆论突现计 奋，要么绝对同情，其结果与事实不符.而本文算法简 算模型进行验证.因真实数据无法采集单社区数据， 单，模型仿真速度更快，性能更好，且仿真结果较具有 本文以2011年3月11日“日本地震事件”为例进行 社团结构的有界信任舆论涌现模型⑨)更合理。 说明步骤如下：1)运用爬虫程序抓取天涯论坛所 有帖子及回复信息，建立带权重的关系网络：2)运 5 结束语 用秦晓等提出的社区划分算法[]对天涯论坛的所 本文给出了较符合现实的随机网络模型构建算（ａ） ２ 社区形成 ２ 种舆论 （ｂ） ２ 社区形成 ３ 种舆论 图 ８ 参数组 ２ 下具有社团结构多社区涌现模型舆论 演化过程 Ｆｉｇ．８ Ｅｖｏｌｕｔｉｏｎ ｏｆ ｐｕｂｌｉｃ ｏｐｉｎｉｏｎ ｏｆ ｅｍｅｒｇｅｎｔ ｍｏｄｅｌ ｗｉｔｈ ｃｏｍｍｕｎｉｔｙ ｓｔｒｕｃｔｕｒｅ ｉｎ ｍｕｌｔｉ⁃ｃｏｍｍｎｕ⁃ ｉｔｉｅｓ ｗｉｔｈ ｔｈｅ ２ｎｄ ｇｒｏｕｐ ｏｆ ｐａｒａｍｅｔｅｒｓ 图 ４～６ 和图 ７～８ 的对比表明，与具有社团结构 的有界信任舆论涌现模型［９］ 相比，本文模型能够展 现更加丰富的舆论形态． 图 ４（ ａ） 中舆论的突现时间大约在 ２ ０００ ｓ 左 右，而图 ７（ａ）中舆论突现的时间大约在 ２ ５００ ｓ 左 右．这说明本文模型舆论形成的速度更快，时间复杂 度更低． 图 ４（ａ）图与图 ６ 对比说明了社区耦合度对舆 论的影响．图 ６ 中 ２ 个社区形成 ２ 种不同的舆论趋 势，但这 ２ 种舆论的差值在阈值的范围内．这主要是 因为社区耦合度太小，导致了社区之间的联系几乎 为零，从而使得 ２ 个社区没有形成统一的观点．这与 司夏萌得出的社团连通性差时社团间观点对立，社 团连通性好时社团间观点统一的结论大致相符． 图 ４（ａ）与图 ７（ｂ）对比说明了意见领袖对舆论 的影响．这 ２ 个图都设有意见领袖，但是最终舆论走 向却不同．从图 ７（ ｂ）可明显看出，社区整体态度完 全由意见领袖所决定，这与实际情况不符，因为意见 领袖也会受到社区内其他个体的影响，不可能对其 他个体观点无动于衷．而本文模型中，舆论的形成不 完全受制于意见领袖，而是由整个群体所决定． ４．４ 真实数据下本文模型仿真结果 为说明本文模型的实用性，本文在真实数据下 将本文模型的舆论演化过程和实际舆论的演化过程 进行了对比分析．由于现实中网络群体存在着异样 性，即具有相同喜好的人会形成一个社区，具有不同 喜好的人会分布于不同的社区．因此对网络舆论事 件的研究就必须要考虑该因素，即在进行舆论研究 之前就必须先对参与者进行社区划分．本文从该角 度对本文提出的单、多社区通用的网络舆论突现计 算模型进行验证．因真实数据无法采集单社区数据， 本文以 ２０１１ 年 ３ 月 １１ 日“日本地震事件”为例进行 说明．步骤如下：１） 运用爬虫程序抓取天涯论坛所 有帖子及回复信息，建立带权重的关系网络；２） 运 用秦晓等提出的社区划分算法［１２］ 对天涯论坛的所 有网民进行社区划分；３）使用 ＰａｇｅＲａｎｋ 算法［１３］ ，获 取每个社区的意见领袖；４） 提取 ２０１１ 年 ３ 月 １１ 日 至 ２０１１ 年 １２ 月 ３１ 日所有有关日本地震的帖子及 回复信息；５） 提取所有参与该事件的网民关系网 络；６） 人工分析每个网民发表的信息，辨别易变个 体、观点值及每个网民的观点坚定程度值． 将 ３ 月 １１ 日的相关数据作为初始数据，对本文 模型下舆论的演化过程进行仿真，并与真实结果进 行对比． ２０１１ 年 ３ 月 １１ 日至 ２０１１ 年年底网民共发帖 ３０１ 条，１１ 日当天共发帖 ４７ 条，参与讨论 １５ ７２７ 人 次，参与者大致被分为 ２ 个社区．１１ 日当天，９２．５％ 的网民对日本地震事件感到兴奋，４．３％的网民感到 同情，３．２％的网民感到与自己无关．在观点交换的过 程中，网民对同情者进行了严厉的批评，导致越来越 少的人敢于表现同情，逐渐形成一种对日本地震感 到兴奋的舆论． 用本文模型进行仿真，用个体观点值 ０ 表示绝 对同情，１ 表示绝对兴奋，中间值表示趋于同情与兴 奋之间的某一感情，结果如图 ９ 所示．仿真结果表 明，初始时刻多数网民对日本地震话题持兴奋感情， 到 ５００ ｓ 时，观点已经基本稳定，网民整体趋于兴奋 感情，少数网民仍旧感到同情． 图 ９ 日本地震舆论传播仿真结果 Ｆｉｇ． ９ Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔ ｏｆ ｔｈｅ ｐｕｂｌｉｃ ｏｐｉｎｉｏｎ ａｂｏｕｔ ｅａｒｔｈｑｕａｋｅ ｉｎ Ｊａｐａｎ 上述分析仿真对比说明，本文建立的模型能够 重现多社区网络舆论演化过程，同时验证了本文模 型的正确性和可用性． 由于基于小世界网络的舆论模型［８］ 没有考虑群 体的异样性，因此在该事件中并未与其进行对比分 析．具有社团结构的有界信任舆论涌现模型［９］网络舆 论形成的结果完全由意见领袖所决定．因此，在该事 件中该模型会形成极化的舆论形态，即要么绝对兴 奋，要么绝对同情，其结果与事实不符．而本文算法简 单，模型仿真速度更快，性能更好，且仿真结果较具有 社团结构的有界信任舆论涌现模型［９］更合理． ５ 结束语 本文给出了较符合现实的随机网络模型构建算 第 ６ 期 吴渝，等：单、多社区通用的网络舆论突现计算模型 ·５４９·