摘 要：对我国2015-2017年30个网络舆论反转事件统计分析，归纳影响舆论反转的主要因素。将传统SIR模型改进为六种状态变化规则，并在不同的状态上加入观点，并且按照现实世界中网络舆论信息扩散特点界定了各状态之间的转移过程和转移概率，构建了基于BA无标度网络的网络舆论反转演变模型。通过仿真分析揭示了媒体和政府干预主体、反转信息介入时间的差异性等主要因素对网络舆论反转强度、传播速率演变产生的重要影响。研究深化了网络舆论反转的演变机理的理论基础，也为政府舆论治理的策略提供了决策参考。
关键词：舆论反转；SIR模型；演变仿真；舆论治理
一、引言
网络舆论反转是舆论现象在网络空间里的延续和发酵，是民意或舆论在网络空间中寻求与建立的新式行动路径。关于不实信息产生的舆论转变，国外研究领域主要集中在与政治生活相关的民情分析和选举研究。而国内学者主要是针对社会热点事件发生后由于虚假新闻报道，或是对真相选择性的报道等因素，导致网络舆论在传播过程中出现的反转现象进行探讨。同一个事件可能会发生多次舆论反转，而舆论反转现象较大程度上会引起公众情绪的变化，给社会带来极大的负面影响，同时舆论频繁发生反转也会降低政府和媒体的公信力。
网络舆论反转作为舆论演变过程中的特殊现象，其演变过程涉及两个演变阶段：(1)第一个阶段是在事件信息源发布后，网络用户会对其发表自己的观点，在网络舆论个体的观点交互过程中，用户倾向于选择与自己持有共同信念的个体，而用户的参与度直接影响其共同的情感行为，会产生一定的行为倾向[1]。通常情况下，相较积极事件而言，更多的活跃用户对消极事件展现出更快的传播速度[2]。(2)第二个是舆论导向转变阶段，即在反转信息介入后，网络用户的观点和态度会相对之前的观点态度产生比较，产生态度的重构[3]，导致舆论导向的转变，直到大部分用户的观点态度聚合达到饱和一致。从社会比较理论视角来看，在反转信息介入后，人们不断被激励用一种社会行为规范去再认识和表现自我，个体必须不断去评估当前他人的立场和观点，然后相应地修正自己的观点和态度[4]。
在网络舆论反转的拐点处，网络空间的公众舆论最为庞大，在从众心理影响下，群体情绪会被逐渐放大，网民群体的态度极端化在这一阶段达到最高值[5]。个体的情绪、观点和行为在反转信息介入后，使得个体重新评估自己对主观问题的看法[6]。网络舆论演变过程伴随着舆论观点交互及舆论信息扩散两个交互的动态进程，是基于复杂社会网络而产生的多个主体之间的交互行为[7-9]。有学者利用CODA模型[10]、元胞自动机研究个体之间的舆论观点交互[11-12]，并加入网民表达观点的倾向度、主观能动性和可信度[13-14]。社会中的个体是以复杂网络的形式结合在一起的，前期学者将小世界网络和无标度网络引入了观点动力学模型中，分析了群体观点的聚合过程[15-16]。
网络舆论反转现象和治理引起了国内学者关注。学者认为网络舆论反转过程是在反转信息介入后，网民对事件关注和重新认识后而导致观点态度的转变，如由支持变为反对，或者由反对变为支持，从而引起舆论导向的转变[17]。黄远等(2016)通过对舆论反转事件的统计分析，根据舆论反转的原因、时间、效果将网络舆论反转事件类型分为四类，并提出不同反转类型的舆论治理对策[18]。吴越(2016)基于网络舆论反转过程中的媒体干预角度，对媒体信息引发的舆论反转现象进行了仿真研究[19]。
社会热点事件的舆论反转现象已经引起了学界的关注，但是学界还未对社会热点事件的舆论反转的致因因素进行系统性的分析。尤其是在舆论反转演变过程中，因为媒体/政府的干预、反转信息介入时间、事件敏感度、信息传播速率、可信度等关键因素会对舆论反转产生重要影响，但是这些演变机制还未开展深入地探讨研究。因此，本文将观点态度与信息传播过程中的个体状态相结合，根据舆论反转信息扩散的特点，将SIR模型的个体状态区分为六种状态，并且按照现实中的网络舆论信息扩散状况界定各状态之间的转移过程和转移概率，构建网络舆论反转的信息扩散模型和仿真实验分析，探讨网络舆论反转的演变规律和治理对策。
二、我国社会热点事件的网络舆论反转的致因分析
网络舆论形成的三要素包括舆论客体(事件)、主体(公众)和本体(公众的认知)。网络舆论反转是在反转信息介入后，因舆论客体、舆论本体和舆论主体相互作用下发生了舆论导向的转变。舆论反转演变过程也反映了公众的认知、情感和行为的变化。
为了进一步分析网络舆论反转的影响因素，本文对人民网、搜狐网、凤凰新闻网等知名网站发表的“网络舆论反转事件”进行统计分析，选取出2015-2017年的30件典型的舆论反转事件，如表1所示。
反转信息发布主体的统计情况如图2所示。
表1 舆论反转的典型事件
2015年典型事件2016年典型事件2017年典型事件D1 大学生救落水儿童身亡D10 江苏女教师监考过程中去世D21 山东辱母杀人案D2成都男司机暴打女司机D11 “上海女逃离江西农村”D22 12岁女生谎称遭老师强奸D3云南女导游骂游客D12 东北“礼崩乐坏”事件D23 cosplay女孩地铁遭大妈怒怼D4黑龙江庆安袭警事件D13“抹香香”事件D24 汤显祖墓考古有重大发现D5 男子因与毒贩同名,开房屡被抓D14 “天价学区房”事件D25 兰州交警支队执法不公D6 女大学生称扶老人被讹D15“肾没了”事件D26 陕西榆林产妇跳楼案D7 女子被狗咬伤谎称救人骗捐D16 被拐儿童遭铁笼囚禁D27小学生自带桌板地铁赶作业D8 中国老人东京被撞被传“碰瓷”D17 大陆赠台大熊猫团团得犬瘟死亡D28 因出不起彩礼跳河自杀D9杭州高三女孩被哈佛录取D18 “纱布门”事件D29 两男一女欺负导购D19“罗尔”事件D30 红黄蓝幼儿园虐童事件D20 哈尔滨“天价鱼”事件
对选取的30个典型事件的在微博平台的舆论数据进行采集，从舆论反转的信息源发布主体与反转信息发布主体、反转信息介入时间进行分析和比较。
由仿真分析结果可知，反转信息介入时间为5时的持正向观点的状态相较于反转消息介入时间为40时的持正向观点的状态的数量更少，这说明在一次反转的舆论传播过程中，反转消息的介入时间越早，不实信息传播的范围越小，可以达到有效控制其传播。介入时间为5的不持观点的移除者的数量在反转之前比介入时间为40时的同样状态的数量更多，这说明提早介入会减少不实信息对旁观人群的影响，整个舆论传播的生命周期会更短，可以减少舆论对社会造成的不良影响。
(1)信息源发布主体
网络舆论信息扩散中的微观个体接触过程及其内在演变机理与传染病的接触型传播机理相似[20]，舆论演变的进程是观点聚合与信息扩散的交互影响和作用[21]。基于上文对社会热点事件网络舆论反转的真实数据分析，影响舆论反转演变进程的主要致因因素及演变进程，如图4所示。
产妇孕期保健是妇幼保健工作中的重点[1]。传统的孕产妇系统保健管理是指从怀孕开始到产后42 d为止对孕产妇进行系统的检查、 监护和保健指导。为提供更好的孕期保健服务，改善妊娠结局情况，烟台市妇幼保健院实施了软件孕期保健系统为孕妇提供有效的孕期系统保健，包括定期产前检查、早期孕期保健、相关健康知识教育等工作。本研究通过比较电子孕期保健前后对孕产妇妊娠结局的影响，为提高本地区孕期保健工作提供了理论基础。现报道如下。
信息源发布主体是指最先发布社会热点事件相关舆论的初始者，也就是反转前的事件信息发布者；反转信息发布主体指的是网络舆论反转事件的最后真相揭露者。信息源发布主体和反转信息发布主体的统计分布，如图1所示。
图1 信息源发布主体
反转信息介入时间是与当前网络传播的事件观点截然不同的新观点介入的时间。政府作为反转信息发布主体中的权威代表，对舆论事件的引导和反转起到重要的作用。通过分析政府对网络舆论反转事件首次介入调查的时间分布情况，如图3所示。
我的接近并最终投身文学，近一甲子矣。在此漫漫岁月，虽无骄人成绩，所幸终日矻矻，与文学相伴了一生。朋友曾与我谈及一同起步的同行许多已巍然成树，叹息我等才情有限，始终不成气候，最多算棵草而已，很没劲。我同意他的比喻，却不同意他的自卑。没有长成树木，长成了草，也是文学原野上的生命。而且，一粒种子，能长成一棵草，生动地活着，其实也并不容易。说树不是一天长成的，草又何尝不是？天时地利人和，一样不能少。就一个写作者而言，不说社会历史那么高大上的原因了，仅仅稿件的发表就不知耗费了编辑们多少辛劳。
图2 反转信息发布主体
图1和图2的统计分析说明：现阶段我国社会热点事件舆论反转中，政府在网络舆论反转事件信息的初始报道中占比最小，但在促进网络舆论反转上起着主要引导作用。因为网络舆论发布主体不同，也导致了社会热点事件网络舆论呈现出不同的可信度。
(3)反转信息介入时间
(2)反转信息发布主体
图3 政府首次介入时间
由图3可以看出，在14个事件的舆论传播过程中(占比43%)政府未进行干预。但是占比57%的事件舆论传播过程中地方政府都进行了干预引导。且地方政府在舆论反转前开始介入的比例47%，其中有11个事件是政府首次介入就直接导致舆论事件发生反转。
三、基于媒体和政府干预模式的网络舆论反转演变模型构建
(一)网络舆论反转演变进程
在教学实践上，百色学院紧密结合边疆少数民族地区基础教育和地方经济、文化的需要，结合应用型人才培养需要，以培养具有创新精神和实践能力人才为目标，卓有成效地开展了一系列的改革与实践，形成了“科研促进教学”和“立足边疆、服务边疆、走向东南亚”的鲜明特色。为了深化教学改革，突出实践性和服务地方社会经济发展的功能，学校和有关单位建立了密切的合作关系，分别与靖西县旧州村、田阳布罗陀文化研究会、那坡吞力黑衣壮村寨、田林壮剧团等达成了合作关系，摸索成立研究和教学实践基地的路子，为非物质文化遗产的深入研究和学生的实习实践提供了平台。
(1)影响舆论反转的主要因素。本文通过对网络舆论反转事件的真实数据分析，发现政府、媒体两个干预主体在社会舆论引导力方面有着不同的重要性，而具有不同影响力的主体言论会对舆论观点的形成和扩散产生重要影响[22]；反转信息介入时间也会对个体信念的修正和转变产生重要影响[23]；事件敏感度的差异性对舆论观点演变也会产生影响[24]。
心脑血管类疾病包括脑血管类疾病和心脏血管类疾病,以中老年患者为主要发病群体。心脑血管类疾病具备高发率、高残率、高亡率等特点,不仅影响中老年患者的身体健康,更威胁患者的生命安全[1]。为探究合理化临床用药对心脑血管类疾病患者的治疗影响,本实验以我院收治的386例心脑血管类疾病患者为研究对象进行实验,现将实验报道如下:
(2)舆论扩散的网络结构特征。为模拟和观察舆论扩散的网络整体的形态变化，本文以BA无标度网络模型作为个体观点态度的关系网络[25]，网络舆论信息在有边相连的两个个体之间进行传递和交换，BA模型的具体构造为：以度值为权重进行非等概率加边，选择此种加边规则建立新加入个体与网络中其他个体之间的关联。
本实验需要使用Ig M抗D血型定型试剂、单克隆抗体抗A抗血型定型试剂、不规则抗体筛选试剂、抗人球蛋白(抗IgG)检测卡等,由上海血液生物医药公司、江苏力博医药生物技术股份有限公司等提供。需要注意的是,在使用各种试剂时需要注意试剂的使用期限,还应避免不同批次混用,防止对实验最终结果产生不良影响。
图4 网络舆论反转的演变进程
(二)基于观点聚合与信息扩散相结合的转变规则
本文在SIR传染病模型的基础上，加入了对现实网络世界中网民行为和网民个体的观点态度对舆论演变的影响，改进的SIR模型特点如下：
(1)S态除了转变为I态之外，还会直接转变为R态。
(2)引入了观点属性，将原来的S，I，R三种状态，扩展为持有正向观点的传染者I+，持有负向观点的传染者I-，持有正向观点的移除者R+，持有负向观点的移除者R-和不持有观点的移除者R0六种状态。
本文改进的SIR模型的各个状态都带有各自的观点，所以需要通过分析“母亲因给不起儿子彩礼轻生，父亲悲痛跳河事件”在不同时段的网络用户的文本倾向性变化情况，来统计持不同观点的不同状态的网络用户数量。本研究利用Python数据分析程序语言编写爬虫程序，获取了新浪微博中以“付不起彩礼跳河”为关键词，时间截距为 2017 年 11 月 22 日 至 2017 年 11 月 25 日的24条发布此事件的微博信息源，过滤掉其中内容不相关以及评论量较少无参考价值的微博评论，获取微博文本18023条。获得的评论文本构成了该事件的群体观点聚合分析的数据集见图8、图9。
(4)引入了事件敏感度参数。当事件敏感高，节点倾向于传播这件事，即转变为感染态I的概率变大，所以将转变的概率乘以μ，表示敏感度对于转变概率的影响。μ越大，表示事件越敏感，转变为I的概率越大。
本文将消息传播与观点演化过程相结合, 具体转变规则设置如下：
(1)
(2)
其中γ为事件的可信度，θ为当前节点持有观点的概率,μ为事件敏感度，PSI为S态转变为I态的概率，PSR为S态转变为R态的概率。传播过程如下,当t=0时，消息源开始传播初始消息并且默认初始消息观点为正向N+。在t=t0时刻，冲突性消息开始传播并且默认其观点为负向N-。消息发布后的每一个时步，按照规则(1)进行传播，同时按照规则(2)表达观点：当S态节点接触到I态节点时，以概率PSI×μ变为I态节点传播消息，并以概率PSR×μ变为R态节点选择不转发消息。同时以概率θ持有观点，1-θ概率为不持有观点，以概率γ持有正向观点，概率(1-γ)持有负向观点。
四、网络舆论反转演变的仿真分析
基于本文改进的SIR网络舆论传播过程中的个体状态转移规则和BA无标度网络模型，本文通过控制实验分析媒体或政府的干预、反转信息介入的时间、信息传播率及信任度等关键参数对网络舆论反转演变进程的影响。设置初始BA网络的总人数N=1000，新加点的连接边数num=2，敏感度μ=0.90，初始感染人数init_n=100，介入时间init_step=40，反转过程经过的时间change_step=150，反转前信任系数trust=[0.7,0.3]，一次反转初始接收消息人数init_n=50。
只有我们的马车，因为载着翠姨的愿望，在街上奔驰得特别的清醒，又特别的快。雪下的更大了，街上什么人都没有了，只有我们两个人，催着车夫，跑来路去。一直到天都很晚了，鞋子没有买到。翠姨深深地看到我的眼里说：“我的命，不会好的。”我很想装出大人的样子，来安慰她，但是没有等到找出什么适当的话来，泪便流出来了。
(一)干预主体对舆论反转演变的影响
通过仿真分析和比较，政府和媒体在发布反转信息并干预舆论后最明显的差别就是每个状态达到饱和的时间差距很大(见图5、图6)。当社会热点事件的初始舆论产生之后，如果是媒体介入并发布反转消息时，观点为正的状态要经过120时步才到达最低点。如果是政府介入并发布反转消息时，观点为正的状态大概用了80时步就到达了最低点。这说明政府主体发布的反转信息因为其官方权威性而使其反转消息可信度更高，使得反转强度更大。同时政府干预也可以达到缩短舆论传播的生命周期效果。从仿真结果中可以看出，当政府干预舆论时整个舆论的生命周期只有80时步，然而媒体干预后整个生命周期为120时步左右。这也说明政府介入事件舆论后能更有效地控制舆论的传播范围和时间，对舆论演变的干预效果要比媒体有效。
图5 政府干预
图6 媒体干预
(二)反转信息介入时间对演变的影响
3.大数据管理决策能力。 “互联网+”时代，政府治理主体和对象数据信息呈爆发式增长，局限于传统的监测、管理、应对手段无法摸清经济社会发展及政府行政真实情况，更难做出科学有效的治理决策，只有借助大数据技术获取、处理和分析海量信息，支撑经济管理、政务服务和社会关系塑造等治理活动，才能够保障政府行为的精确度和科学性。
五、网络舆论反转的案例分析
(一)案例的文本数据获取与数据分析
(3)在传播过程中，考虑观点相同和观点不同的情况对于状态转变的影响。
3.1.5 蓖麻PIP5K蛋白亲水性/疏水性分析 用ExPASy的ProtScale程序分析PIP5K蛋白的疏水性结果如图1-B所示。PIP5K1多肽链的第539位的氨基酸具有最高的分值2.067，疏水性最强；第33位的氨基酸具有最低的分值−3.511，亲水性最强。整条多肽链没有明显的疏水区域，表现为亲水性。这与上述跨膜结构域的预测分析结果一致。
图7 介入时间init_step=5
图8 介入时间init_step=40
舆论观点是个体情绪性的意见表达，本文界定该案例事件反转前的舆论聚合一致后的观点为正向观点，反转后舆论聚合后的观点为负向观点，正向观点为声讨女方彩礼要价高，负向观点为声讨男方眼光高心理脆弱。使用Python平台的情感分析算法计算分词、词性标注、断句、情绪判断，然后根据用户的个人行为，将其状态分为正向观点并转发状态，正向观点不转发状态，无观点状态，负向观点并转发状态，负向观点不转发状态五种状态。统计每一种状态在各个时间点里的数量，如图9所示。
随机抽取16份稻谷样品脱壳磨粉后用三种方法分别检测镉含量，以原吸法检测镉含量水平，从低到高编号，结果见表2。
无论是周公制礼所中“则(礼)—德—事—功—民”的序列，还是叔向的“威严—礼序—经业—百事”的逻辑，都表达为一种“事/利”与“礼/德”相互关联的序列，属于对“正德、利用、厚生”的更有逻辑的推说。这反映的是西周“德政”文化之下充满事功色彩却又不乏伦理追求的政治传统，以及这一传统在春秋时期朝向民本思想方向的有力发展。同时，经济活动的繁荣、传统礼乐制度的破坏在实际中加深了这样一种理想序列断裂的危险，“礼”与“利”的辨证成为春秋时期的一个重要问题。《国语·周语上》载芮良夫之言：
图9 事件的评论数据曲线
(二)案例的舆论反转演变仿真分析
经分析处理后，将获取的真实数据导入本文建立的演变模型，根据模型的交互规则进行仿真分析，得到该案例的网络舆论反转演变结果，如图10所示。
(1)仿真结果显示在反转消息介入之前，持正向观点的感染者经过一段时间的传播正向观点后，数量开始逐渐下降，这与现实数据中持正向观点并转发的人数量逐渐减少的曲线一致。评论中的持正向观点但没有转发微博的人开始逐渐增多，不持观点也没有转发的人在少数范围内波动，与仿真结果一致。(2)反转消息介入后，持正向观点的移除者的数量开始迅速降低，同时持负向观点的感染者经过一段时间上升后开始下降，持负向观点的移除者数量不断增加。通过与真实数据的对比能够说明本模型在是符合舆论反转形态的演化的。
图10 事件舆论反转的演变分析
六、研究结论与治理对策
(一)研究结论
本文构建了观点和传播状态结合的舆论反转演变模型及其仿真研究，改进的模型特点如下：(1)改进的SIR模型，S态除了转变为I态之外，还会直接转变为R态。改进后的SIR模型更加符合现实个体行为，因为当网民个体接触到事件时，并不一定会成为感染者，也有几率成为移除者，即网民个体也可能会选择不转发、不扩散这个事件。(2)根据舆论反转演变的特点，将观点属性设置到SIR的I状态和R状态中，即随着反转信息介入后，其观点也会随之变化，本文加入观点属性的设置也符合网络用户转发或者评论发表自己观点态度的真实世界行为。通过仿真控制实验分析了影响舆论反转的一些关键参数对演变过程的影响，揭示了舆论反转演变的规律。最后，利用大数据分析技术抓取了某热点事件的舆论观点在网络中的真实数据，通过反转演变模型的仿真分析，进一步说明了建立的舆论反转演变模型的合理性及准确性。研究结果又助于理解舆论反转的演变机理，能够为防范舆论反转引发的社会负面影响提供治理依据。
(二)治理对策
舆论反转是我国社会热点事件发生舆情演变过程中的一种特殊现象，为提升政府对舆论反转的引导能力和实施动态的舆论治理模式，本文提出以下舆论治理的新思维。
第一，加强政府对社会热点事件舆论治理的响应能力建设。本文仿真结果揭示了舆论反转幅度会随着干预主体的不同而变化，政府进行干预会使舆论反转强度大幅增加，对于真实信息的传播速度和影响范围有明显提升和扩大，舆论的热度持续时间也会大幅缩短，每个状态达到平衡的时间点也会提前，政府干预的效果要比媒体干预的效果要好。仿真结果也揭示出主体干预的时间越早越有利于控制不实信息传播的深度和广度，也会增加政府或媒体的公信力。因此政府应加强传统媒体与新兴媒体的融合，利用大数据技术对两微一端、论坛网站等舆论信息的实时采集，对舆论演变趋势和社会影响力进行分析和预测，实现舆论引导的防控能力，从而在时效上及早占据舆论引导的有力地位。
第二，加强公众的潜在情绪引导，强化公众的社会认同。网络舆论反转演变过程也折射出整个社会心态的变迁。公众作为网络舆论反转的推动者，其对事件的关注程度很大一部分取决于对该事件的情绪强度，以跟帖、讨论、转发等行为方式表现出不同网民群体的利益诉求和心理感受。本文仿真结果发现，事件发生后持有不同观点态度的舆论演变基本在20时步或者40时步达到高点，达到群体态度一致。因此，政府应及早介入社会热点事件并及时更新舆论的真实性、全面性以及准确性，通过积极回应不同群体的利益诉来实现情绪疏导。同时政府应关注“反转节点”情绪引导，“反转节点”情绪的转换力是引导网络情绪转向积极情绪的方向性转变，应强化政府的主导力和话语权，实现公众社会认同。
第三，加强网络媒体的公信力建设，提高媒介素养。在对我国舆论反转事件的致因分析中发现，其中50%的网络舆论反转事件是由于媒体最初发布的不实报道引发的。而媒体又是舆论演变过程中反转信息介入的第二大主体，本文的仿真分析也说明了媒体发布反转信息后也会导致舆论的反转，并且对舆论演变周期产生影响。因此，媒体对公众态度及事件舆论导向的转变有着重要的影响。我国的微信和微博已成为社会网民情绪和网络舆论扩散的主要传播平台。媒体要加强行业自律，严格把关不实信息的发布，防止高敏感度的社会事件信息的过度传播和大肆渲染，避免使热点议题产生群体极化，造成负面的社会影响。
另外，回复顾客评论我们也能够倾听到消费者的声音，能够知道哪些是自己餐厅现在缺乏的，哪些是可以进行优化管理的，对于自己也是一种反思。
参考文献：
[1]Proietti C. The dynamics of group polarization [C]. // International Workshop on Logic, Rationality and Interaction. Berlin, Heidelberg: 2017:195-208.
[2]Vicario M D, Vivaldo G, Bessi A, et al. Echo chambers: Emotional contagion and group polarization on Facebook [J]. Scientific Reports, 2016(6): 1-12.
[3]Jessica Keating, Leaf Van Boven, Charles M Judd. Partisan underestimation of the polarizing influence of group discussion [J]. Journal of Experimental Social Psychology, 2016(65): 52-58.
[4] Natalie Fridman, Gal Kaminka. Modeling crowd behavior based on social comparison theory: Extended abstract [J]. Internatioal Conference on Cellular Automata, 2006(4173): 694-698.
[5]王国华, 闵 晨, 钟声扬,等. 议程设置理论视域下热点事件网民舆论“反转”现象研究——基于“成都女司机变道遭殴打”事件的内容分析[J]. 情报杂志, 2015(9):111-117.
[6]Duggins P. A psychologically-motivated model of opinion change with applications to American politics [J]. Journal of Artificial Societies & Social Simulation, 2017, 20(1): 1-18.
[7]Nekovee M, Moreno Y, Bianconi G, et al. Theory of rumour spreading in complex social networks [J]. Physica A Statistical Mechanics & Its Applications, 2007, 374(1): 457-470.
[8] Karsai M, Kivelä M, Pan R K, et al. Small but slow world: How network topology and burstiness slow down spreading [J]. Physical Review E, 2011, 83(2): 025102.
[9] Veelen R V, Otten S, Cadinu M, et al. An integrative model of social identification: Self-Stereotyping and Self-Anchoring as two cognitive pathways [J]. Personality and Social Psychology Review, 2016, 20(1): 3-26.
[10]Martins A C. Mobility and social network effects on extremist opinions [J]. Physical Review E Statistical Nonlinear & Soft Matter Physics, 2008, 78(32): 2365-2389.
[11]曾 祥, 方 勇, 袁 媛, 等. 基于元胞自动机的网络舆论激励模型[J]. 计算机应用, 2007, 11: 2686-2688.
[12]刘 云,丁 飞,张振江. 舆论形成和演进模型的研究综述[J]. 北京交通大学学报, 2010(5): 83-88.
[13]方 薇,何留进,宋良图. 因特网舆情传播的协同元胞自动机模型[J]. 计算机应用, 2012(2): 399-402.
[14]汪明艳, 陈 梅, Yibing Zhu, 等. 社交媒体舆论演化下个体观点交互的可信度研究[J]. 现代情报, 2017, 37(1): 57-65.
[15]Tu Y-S, Sousa A, Kong L-J, et al. Sznajd model with synchronous updating on complex networks [J]. International Journal of Modern Physics C, 2005, 16(7): 1149-1161.
[16]Fortunato S. Damage spreading and opinion dynamics on scale-free networks [J]. Physica A: Statistical Mechanics and Its Applications, 2005, 348: 683-690.
[17]Conroy N J, Rubin V L, Chen Y. Automatic deception detection: Methods for finding fake news [J]. Proceedings of the Association for Information Science & Technology, 2016, 52(1): 1-4.
[18]黄 远,刘怡君.网络舆论反转效应研究[J].管理评论,2016,28(8):71-78.
[19]吴 越,杜亚军,陈晓亮,李显勇.基于新曝光冲突性消息的网络舆论逆转研究[J].物理学报,2016,65(3):46-55.
[20]Moreno Y, Nekovee M, Pacheco A F. Dynamics of rumor spreading in complex networks [J]. Physical Review. E, Statistical, Nonlinear, and Soft Matter Physics, 2004, 69(2):1-8.
[21]Iribarren, José Luis, Moro, et al. Impact of human activity patterns on the dynamics of information diffusion [J]. Physical Review Letters, 2009, 103(3): 038702.
[22]Cholvy L. Opinion diffusion and influence: A logical approach [J]. International Journal of Approximate Reasoning, 2018, 93: 24-39.
[23] Bonsón E, Royo S, Ratkai M. Citizens’ engagement on local governments’ Facebook sites. An empirical analysis: The impact of different media and content types in Western Europe [J]. Government Information Quarterly, 2015, 32(1): 52-62.
[24]乐国安, 薛 婷. 网络集群行为的理论解释模型探索[J]. 南开学报(哲学社会科学版), 2011(5):116-123.
[25]Barabási A-L, Albert R. Emergence of scaling in random networks [J]. Science, 1999, 286(5439): 509-512.
ResearchontheEvolutionSimulationandGovernanceofNetworkPublicOpinionReversalinSocialHotEventsCausedbyFalseInformation
WANG Ming-yan1, ZHU De-mi2， ZHANG Peng-zhu3, GUO Xv-hui1
(SchoolofManagement,ShanghaiUniversityofEngineeringScience,Shanghai201620,China;2.SchoolofInternationalandPublicAffairs,ShanghaiJiaoTongUniversity,Shanghai200030,China;3.AntaiCollegeEconomics&Management,ShanghiaJiaoTongUniversity,Shanghai200030,China)
Abstract： The paper makes a statistical analysis of 30 public opinion reversal events in China from 2015 to 2017 and summarizes the main factors which influence public opinion reversal. The study modified the traditional SIR model with six states, and individual opinions are added in different states. Moreover, according to the information diffusion characteristics of public opinion in the real world, the transfer process and the transfer probability of each state are defined. The evolution model of network public opinion reversal based on BA scale-free network is constructed. The analysis of the simulation model revealed the different results from the intervention of media and government, time of reverse information. These parameters have important influence on public opinion reversal in the amplitude, velocity, etc. The study deepens the theoretical basis of the evolution mechanism of the reversal of network public opinion, and also provides decision-making reference for the governance strategy of public opinion for government.
Keywords：public opinion reversal; SIR model; evolution simulation; public opinion governance
收稿日期：2018-12-25
修回日期：2019-04-27
基金项目：国家社科基金一般项目(17BGL159)；国家社科基金重大项目(13ZD176)；上海交通大学中央高校基本科研项目(16JCCS08)。
作者简介：汪明艳(1975-)，女，上海工程技术大学管理学院副教授，博士，研究方向：数据分析、舆论治理、电子商务。
通讯作者：朱德米。
中图分类号：G301
文献标识码：A
文章编号：1005-0566(2019)06-0059-08
(本文责编：辛 城)
标签：舆论论文; 观点论文; 事件论文; 网络论文; 信息论文; 社会科学总论论文; 社会学论文; 社会结构和社会关系论文; 《中国软科学》2019年第6期论文; 国家社科基金一般项目(17BGL159)国家社科基金重大项目(13ZD176)上海交通大学中央高校基本科研项目(16JCCS08)论文; 上海工程技术大学管理学院论文; 上海交通大学国际与公共事务学院论文; 上海交通大学安泰经济与管理学院论文;