·546· 智能系统学报 第8卷 这与现实情况相符。 模型所揭示的舆论演化过程同基于不对称人际影响 3.3基于单、多社区通用的网络舆论模型的演化算 的舆论模型[)、基于小世界网络的舆论模型[8]和具 法描述 有社团结构的有界信任舆论涌现模型模型)所揭 单社区下的网络舆论演化模型以算法3给出. 示的舆论演化过程进行仿真对比分析. 初始时刻，意见领袖观点、易变个体观点、其他个体 4.1随机网络模型对比分析 观点的坚定程度分别为[0.8,1]、[0,0.2]和(0.2， 分别采用本文算法1和司夏萌等[9)的方法构 0.8)的随机值.在算法3中，初始化时个体容量为N, 建2个社区的随机网络，结果如图1所示.图1中， 个体间的交互次数为C,个体中意见领袖的比例为 Pn为0.02，P为0.0012，图1(a)中节点1~10与 L。,个体中易变个体的比例为巴。，个体间的交互阈值 51~60为意见领袖.从图1可以很明显看出本文方 为.首先根据3.2节算法1构建随机网络，根据个 法的结果更符合真实网络社区结构 体对事件的初始认识，随机给个体初始观点赋值，然 后个体之间按照既定的规则进行交互。 算法3单社区下网络舆论模型演化算法. 输入：N,C,lp,"p,P; 输出：C,D; 步骤： 1)根据输入初始化模型参数以及初始时刻所 (a)本文算法 (b)随机网络算法 有个体的观点值、坚定值和记忆值： 图1社区构建结果 2)对于个体A:,随机选择与其有边的个体A: Fig.I Results of community construction 3)判断2个体是否分别为意见领袖和易变个 4.2单社区下本文模型仿真结果及对比分析 体，是则根据式(2)~(3)计算个体进行交互后的 初始状态下，个体观点值：和个体观点坚定性s :(t+1)、m:(t+1)、(t+1)、m,(t+1),执行6)： 均匀随机分布在[0,1]内.设定个体之间交互次数C= 4)根据式(6)计算d的值，确定其观点差异程度； 4O0.使用MATLAB对网络舆论的形成过程进行仿真. 5)根据式(4)~(5)计算个体进行交互后的 :(t+1)、m:(t+1)、y(t+1)、m(t+1): 表1单社区下参数设置 6)重复2)~5)直到遍历所有个体： Table 1 Parameter setting of single community 7)重复2)~6)直到满足外部终止条件 意见领袖 易变个体 交互阈值 结束 序号 比例(L。） 比例(。) (p) 在多社区情况下，这里以2个社区为例初始化 (a) 0.2 0.1 0.3 时，2个社区个体容量分别为N,、N,个体间交互次 (b) 0.2 0.3 0.3 数为C,个体中意见领袖的比例分别为，1,2，个体 (c) 0.2 0.5 0.3 中易变个体的比例分别为，12，个体间的交互阈 (d) 0.4 0.1 0.3 值为p.模型首先根据算法2构建随机网络，然后根 (e) 0.6 0.1 0.3 据个体对事件的初始认识，随机给个体初始意见赋 () 0.2 0.1 0.1 值，最后个体之间按照既定的规则进行交互因存在 (g) 0.2 0.1 0.5 (h) 0.0 0.0 多社区，考虑社区的非等同性，这里需要对2个社区 0.5 (i) 0.0 1.0 0.5 的个体数目、意见领袖的比例和易变个体的比例分 (Gj) 1.0 0.0 0.5 别输入，然后对2个社区分别初始化除输入与算法 3不同外，其他步骤与算法3相同，这里不再重复 在表1参数设置下，本文模型所揭示的舆论演 4模型仿真及对比分析 化过程如图2所示，其中图2中的标号同表1中的 序号相对应.由图2(a)、(b)、(c)可看出，在意见领 为了说明随机网络改进算法以及单、多社区通 袖和交互阈值相同的情况下，易变个体越多，舆论的 用的舆论模型的合理性和有效性，首先使用网络分 形成速度越慢.这主要是由于易变个体观点具有易 析工具Pajek进行网络构建，并与司夏萌等人多社 变性，时而支持，时而反对，导致与其交互的个体的 区随机网络构建模型进行对比：然后在MATLAB 2010b平台下，从单社区和多社区2个角度，将本文 观点值也随之上下跳动，使得舆论的形成速度变慢.这与现实情况相符． ３．３ 基于单、多社区通用的网络舆论模型的演化算 法描述 单社区下的网络舆论演化模型以算法 ３ 给出． 初始时刻，意见领袖观点、易变个体观点、其他个体 观点的坚定程度分别为［０．８，１］、［０，０．２］ 和（０．２， ０．８）的随机值．在算法 ３ 中，初始化时个体容量为 Ｎ， 个体间的交互次数为 Ｃ，个体中意见领袖的比例为 ｌ ｐ，个体中易变个体的比例为 ｖｐ，个体间的交互阈值 为 φ．首先根据 ３．２ 节算法 １ 构建随机网络，根据个 体对事件的初始认识，随机给个体初始观点赋值，然 后个体之间按照既定的规则进行交互． 算法 ３ 单社区下网络舆论模型演化算法． 输入：Ｎ，Ｃ，ｌ ｐ，ｖｐ，φ； 输出：Ｃ，ｖ； 步骤： １） 根据输入初始化模型参数以及初始时刻所 有个体的观点值、坚定值和记忆值； ２） 对于个体 Ａｉ，随机选择与其有边的个体 Ａｊ； ３） 判断 ２ 个体是否分别为意见领袖和易变个 体，是则根据式（２） ～ （３） 计算个体进行交互后的 ｖｉ（ｔ＋１）、ｍｉ（ｔ＋１）、ｖｊ（ｔ＋１）、ｍｊ（ｔ＋１），执行 ６）； ４） 根据式（６）计算 ｄｉｊ的值，确定其观点差异程度； ５） 根据式（４） ～ （５） 计算个体进行交互后的 ｖｉ（ｔ＋１）、ｍｉ（ｔ＋１）、ｖｊ（ｔ＋１）、ｍｊ（ｔ＋１）； ６） 重复 ２） ～５）直到遍历所有个体； ７） 重复 ２） ～６）直到满足外部终止条件． 结束． 在多社区情况下，这里以 ２ 个社区为例．初始化 时，２ 个社区个体容量分别为 Ｎ１ 、Ｎ２ ，个体间交互次 数为 Ｃ，个体中意见领袖的比例分别为 ｌ ｐ １ 、ｌ ｐ ２ ，个体 中易变个体的比例分别为 ｖｐ １ 、ｖｐ ２ ，个体间的交互阈 值为 φ．模型首先根据算法 ２ 构建随机网络，然后根 据个体对事件的初始认识，随机给个体初始意见赋 值，最后个体之间按照既定的规则进行交互．因存在 多社区，考虑社区的非等同性，这里需要对 ２ 个社区 的个体数目、意见领袖的比例和易变个体的比例分 别输入，然后对 ２ 个社区分别初始化．除输入与算法 ３ 不同外，其他步骤与算法 ３ 相同，这里不再重复． ４ 模型仿真及对比分析 为了说明随机网络改进算法以及单、多社区通 用的舆论模型的合理性和有效性，首先使用网络分 析工具 Ｐａｊｅｋ 进行网络构建，并与司夏萌等人多社 区随机网络构建模型进行对比；然后在 ＭＡＴＬＡＢ ２０１０ｂ 平台下，从单社区和多社区 ２ 个角度，将本文 模型所揭示的舆论演化过程同基于不对称人际影响 的舆论模型［７］ 、基于小世界网络的舆论模型［８］ 和具 有社团结构的有界信任舆论涌现模型模型［９］ 所揭 示的舆论演化过程进行仿真对比分析． ４．１ 随机网络模型对比分析 分别采用本文算法 １ 和司夏萌等［９］ 的方法构 建 ２ 个社区的随机网络，结果如图 １ 所示．图 １ 中， Ｐｉｎ为 ０．０２，Ｐｏｕｔ为 ０．００１ ２，图 １（ ａ）中节点 １ ～ １０ 与 ５１～６０ 为意见领袖．从图 １ 可以很明显看出本文方 法的结果更符合真实网络社区结构． （ａ） 本文算法 （ｂ）随机网络算法 图 １ 社区构建结果 Ｆｉｇ．１ Ｒｅｓｕｌｔｓ ｏｆ ｃｏｍｍｕｎｉｔｙ ｃｏｎｓｔｒｕｃｔｉｏｎ ４．２ 单社区下本文模型仿真结果及对比分析 初始状态下，个体观点值 ｖ 和个体观点坚定性 ｓ 均匀随机分布在［０，１］内．设定个体之间交互次数 Ｃ ＝ ４００．使用 ＭＡＴＬＡＢ 对网络舆论的形成过程进行仿真． 表 １ 单社区下参数设置 Ｔａｂｌｅ １ Ｐａｒａｍｅｔｅｒ ｓｅｔｔｉｎｇ ｏｆ ｓｉｎｇｌｅ ｃｏｍｍｕｎｉｔｙ 序号 意见领袖 比例（ ｌ ｐ ） 易变个体 比例（ ｖｐ ） 交互阈值 （ φ ） （ａ） ０．２ ０．１ ０．３ （ｂ） ０．２ ０．３ ０．３ （ｃ） ０．２ ０．５ ０．３ （ｄ） ０．４ ０．１ ０．３ （ｅ） ０．６ ０．１ ０．３ （ｆ） ０．２ ０．１ ０．１ （ｇ） ０．２ ０．１ ０．５ （ｈ） ０．０ ０．０ ０．５ （ｉ） ０．０ １．０ ０．５ （ｊ） １．０ ０．０ ０．５ 在表 １ 参数设置下，本文模型所揭示的舆论演 化过程如图 ２ 所示，其中图 ２ 中的标号同表 １ 中的 序号相对应．由图 ２（ａ）、（ｂ）、（ｃ）可看出，在意见领 袖和交互阈值相同的情况下，易变个体越多，舆论的 形成速度越慢．这主要是由于易变个体观点具有易 变性，时而支持，时而反对，导致与其交互的个体的 观点值也随之上下跳动，使得舆论的形成速度变慢． ·５４６· 智 能 系 统 学 报 第 ８ 卷