摘 要 本文以网络群体为研究对象,利用元胞自动机技术对其演化行为进行了研究与系统仿真,揭示了个体从众心理对网络舆情演化的影响。通过对实际案例对所建模型的验证,证明了确实存在网络舆情同步阈值,使得当从众性较大时,网络舆情逐渐趋于同步,最后形成较为一致的舆论观点;当从众性较小,网络舆情的同步一般不会实现,最终会形成多个不同的舆论焦点。
关键词元胞自动机 社会群体 同步 网络舆情
0 引言
生物群体,是一个群体内部有着一套行为规律并以此来进行信息交换互动和相应进行行为模式调整的自然集合体,例如因为季节变化而迁徙的鸟类、面对敌人为进行防御的鱼类、为了生存而成群出去觅食的蚁群等。而人类,作为特殊的生物群体,[1]相较于上述的普通生物群体,有着更为丰富的群体行为形式,既有通过群体来进行简单信息交互的群体行为,[2]也有为了保护自身权益而形成的大型集体活动,更有因为自身的不满情绪而产生的骚乱等等。当下,对于群体行为的研究主要集中在社会学、心理学、生物学、物理学、复杂科学等领域,各自有各自不同的解读,但也各自有各自的优缺点。其中,社会学、心理学大多数研究都用定性分析方法,而并不多加考虑定量方法,因此这两个学科领域对于微观层面的研究分析相对来说存在一定缺陷;生物学以动物群体为对象的探索为主,不适合人类社会群体行为的探究;物理学太过强调复杂网络结构,忽略与现实的结合;复杂科学多以模拟交通流和实际人流为主,并不足以反映当下兴起的网络群体事件的演化过程。因此,总体来看,目前对于群体行为的研究虽然比较多,但是研究的方向却分散在各个领域,研究的内容也就相对比较分散,没有形成一个完整的研究,由此可以看出当下对社会系统集群行为的相关研究开展得并不十分充分,还有很大的发挥空间。
目前,我国所处的时代正是经济高速发展的社会转型时期,加之社会主义初级阶段这一既定的基本国情,使得当前社会存在一定的矛盾,有时甚至在一定条件催化下被激化,从而使各类社会群体事件发生频率激增。另外,考虑到如今互联网普及的范围越来越广,几乎人人都能够在网上进行信息交流,信息的传播速度加快,交流的方式逐渐多样化,网络成为一个大型的群体行为交互平台,人们的观念也从以前的刻板变成了现今的多样,经常会有一些事件在网络引起多方面的激烈讨论,继而引发当下社会新时代背景下的新型群体事件——网络群体行为事件。[3]
群体行为中的同步行为由于影响力大、扩散快,越来越引起学者重视。例如目前用于同步行为建模的多智能体系统模型、[4]系统动力学模型、[5]基于Agent的建模[6]等被广大学者广泛应用,其中元胞自动机(cellular automate,CA)[7]技术由于具有构造简单且能产生自组织行为的优点,因此得到广泛的应用,本文也同样采用该方法进行相关仿真研究。
论文主要工作是如下:首先对网络群体事件特性征进行了相关的分析与整合,其次模拟了网络群体事件信息扩散的元胞自动机模型,最后根据仿真得到网络群体事件的同步变化结果。
“你不欠我什么,”她说,“妈妈告诉我善良的行为不必接受报酬。”当哈韦德·凯利离开那间房子时,他不仅仅感觉身体强壮了,心灵上也更强大了。
1 网络群体事件演化的元胞自动机模型
本节利用元胞自动机建立动态演化模型。通常,一个CA通常可用四元组来定义,即:
其中S 代表元胞空间,X 代表元胞状态,V 代表元胞邻域,f 代表元胞状态转换原则。四元组中,f 是CA 最重要的核心部分,在各元胞局部交互规则的基础之上建立起来。
在路桥工程施工过程中,水泥结构设计对混凝土强度要求比较低,一般情况下使用低强度的混凝土,此外还应结合环境因素对混凝土结构实施全面的设计,能够有效避免对外部产生影响,而且在较大程度上可提升混凝土设计质量。在对混凝土结构进行设计的过程中,最为重要的是避免裂缝的产生,这就需要施工企业在施工过程中不断创新和优化施工工艺,在最大程度上保证乃至提高工程质量。
元胞空间S:建立涵盖N 个元胞的元胞空间,每个个体代表舆情转播网络中的一个节点,记为ai(i= 1,2,…,N)。本文设定的元胞空间并非固定,因此N 为变量,会随着网络的演化而不断增加。
其中 代表的是 类中个体观点的均值,上式表示用不同的 去进行计算,最后取最小的那一个值赋值给本文为提高运算效率,取=10,表示节点邻居分类方式实验10 次。通过计算可发现:当节点的邻居对该事件态度不尽相同,且分歧情况比较严重的时候,此时这个节点会更倾向于去选择与自身态度靠近的那个节点去进行交流互动。而群体极化理论是指观点接近的人在一起讨论后观点就更为一致,根据此理论可以得出这个节点下一个时刻的态度会变为:
元胞邻域以网络群体事件信息传播网络模型的邻接关系来界定各元胞的邻居领域。定义元胞邻域为:
《现代汉语词典》(第6版)中对“吃亏、上当”词性的标注都为动词[1]。下面具体来分析一下“吃亏、上当”的词性。根据名词、动词的主要语法功能,我们可从六个方面对它们的词性进行判定(见表1)。
其中,d表示点间距离。
元胞状态转换原则f:假设网络节点i 都只与其附近节点Vi 交互,节点i 在t 时刻的态度xi(t)依据自身上一时刻的态度xi(t-1)和邻居舆论环境确定。因此,根据数据挖掘中的聚类方法按照领域规则进行分类,这里将其分成Gi,其中同一类中所有节点其态度值相近,确定邻居态度分类数的方法如下:
广州“好教育进行时”正如火如荼地推进着,什么是好的教育呢?衡量好教育最重要的标准是什么?广州教育独具哪些特质……这些都是我经常思考的问题。
元胞状态X:个人态度为个人对事件所产生的观点或想法,是事件信息向外扩散传播的基石,在传播当中会随机发生改变,因此,定义X 为[0,1]的连续空间,用xi(t)来表示t 时刻个体i 的态度(xi(t)∈X),则有:
压板式止水结构型式是在伸缩缝两侧预埋螺栓,通过螺母紧固力压紧、压匀钢板,将止水带固定。通过分析,止水接触面渗漏通道有止水与混凝土基面间不密实形成渗漏通道、止水与压板间不密实形成渗漏通道。
本节利用上节所建仿真模型进行模拟,取参数u=0.5,最大运行次数设置为1000 次。首先,通过仿真实验画出面向群体事件的同步现象,然后引入从众因数,研究该因素对舆情同步仿真过程的影响。并在仿真测试中,发现网络群体事件同步程度与其介入水平两者的关系。
第一种情况是当节点从众性的系数比较高的时候,即满足i≥(0≤i≤1)的时候,节点将以概率wi加入分类最多的舆论方向,并且节点态度变为:
如图2 所示,网络群体事件会随着时间的迁移而不断的发生动态的演化,只有当事件的热度达到一定规模才会引起众多节点的关注,所以本文在此假设有500 个节点介入,在讨论之后形成网络舆论,之后才开始元胞之间的互动。图1 所示的是在500-600 的时间次序过程当中群体涌现现象的实现过程,基于此,图中所有节点的颜色基本趋于一致,立场逐渐靠近相同,出现舆论一致现象。
(3) 受注浆施工叠加影响,最大水平位移、道床沉降、水平和竖直收敛均发生在注浆区间中部位置,分别位于352环(最大水平位移为12.45 mm)、358环(最大道床沉降-8.56 mm)、356环(最大水平收敛位移为-33.54 mm)和358环(最大竖直收敛位移为34.44 mm)。
第二种情况是当节点从众性系数不是很高的时候,即满足i<时,节点则受自身上一时间的立场影响较大,此时节点态度变为:
2 数值仿真实验
当节点的邻居对该事情的态度比较相似或分歧不是很大,又或者已然形成了几个舆论方向的时候,则需要分成两种情况来进行讨论计算:
2.1 同步涌现生成图
如图1 所示,给出网络中单个节点对某一事件的初始态度分布。这里用较深的颜色表示较强烈的态度,用浅的颜色表示较弱势的态度。
于治疗前后行血脂[总胆固醇(TC)、甘油三酯(TG)、载脂蛋白A(APOA)、载脂蛋白B(APOB)、低密度脂蛋白胆固醇(LDL-C)、高密度脂蛋白胆固醇(HDL-C)]检测,记录两组患者的降脂效果(显效、有效、无效、总有效)。
图1 网络群体事件个体初始状态
或者节点以概率1-i选择加入平均态度与自己最接近的类,那么此时节点态度变为:
2.2 同质从众性下的同步判断依据
随着时代的变迁,人们逐渐有了相对自由的话语权,加上互联网开放等特点,导致网络群体事件的个体在最开始的时候态度一般都是趋于多样化的,随着时间的推移慢慢调整,彼此之间的态度会相互影响,网络群体事件舆论的同步也逐渐涌现,这是一个从多样化到一致性的转变过程。
为了简化问题描述,这里用参数N 表示参会与群体事件的人数,用波动参数G 来表示各个体立场所达到的同步水平状况,具体可用如下公式描述:
永川现有茶叶生产加工主体33家,其中规模较大的加工企业14家,厂房面积达6.7万平方米,设备674台(套),年加工能力8000吨。按计划,到2020年,永川茶园总面积达到12万亩,产量1.2万吨,实现茶叶产值12亿元,全产业链产值50亿元。目前,永川茶文化在文化挖掘、文化包装、文化展陈、文旅整合、文化氛围、文化传承、文化推广等方面,缺乏系统挖掘、系统投入、整体打造、整体营销等问题。
图2 网络群体行为事件的舆论同步过程
上式表明,当个体态度与群体平均立场完全一致时,G值为1。那么可以得出:当个体态度越接近于群体的平均立场,G 值越靠近于1;当个体态度越偏离与群体的平均立场,G 值越小。
假设所有个体的从众性相同,记为wi=w(i=1,2,…,N)。如图3 所示,G 值会随着时间t 而变化,此刻取从众性参数w=0.7,在0 时刻按照500 个网络节点进行分析。随着仿真的执行,G 值慢慢变大且最后在1 附近基本保持不变,虽然还会有所浮动,但是大体上不会再有剧烈的起伏。这说明在同步仿真过程中,网络舆论从开始各据自己观点到后来渐渐达成统一的观点,即逐渐趋同;此时G 值在靠近1 的附近浮动表示在网络交流中新的个体会随机介入进来,但是新个体以前的立场同样也是不定的,其观点的进入会影响到其他群体的态度,进而导致G 值浮动变化不定;至于G 值仍然不等于1 是由于在讨论的群体中总会存在一切固执己见、从众性很弱的个体。
图3 波动参数G 随时间t 的演化趋势
如图4 所示,G 值会随着从众性参数w 而变化,每一次数值点都经过10 次仿真并取均值。不难发现,随着w 的变大,G值也在慢慢变大,而当0≤w <0.7 时,网络舆论并未实现同步;但当w≥0.7 时,此时基本实现了网络舆论的同步。以上表明:从众性参数对舆论同步有一个阈值W 的影响,在w >W的情况下,网络群体事件舆论可能出现同步现象。而在现实情况中,由于经济快速发展而进入的转型期我国网民常存在一些极端心理,在表达对这些事情的观点时受到情绪的影响,导致从众性较高,从而使得同步现象出现较多;而反过来,当网民对事件不存在极端心理时,会更倾向于各抒己见,导致从众性较低,因而同步现象不太容易形成。
图4 波动参数G 随从众性参数w 的演化趋势
如图5 所示,个体态度会随着时间t而变化,此时取w=0.7,从众性较高,网络群体事件会不断有新的个体参与进来,这些个体的态度会逐渐收敛趋近于主流舆论态度,从而形成同步。
图5 w=0.7 时新加入个体的态度随着演化时间t 的变化趋势
而实际上,网络群体事件所介入的个体不会无穷扩大,如图6 显示,此时同样取w=0.7,当网络群体事件数不再增长时,群体舆论也已经到达同步。
图6 当网络群体事件规模不再扩大时舆论所形成的同步现象
如图7 所示,当w <0.7 时,经过一段时间后网络群体并没有形成同步,而是形成了几个舆论方向,此时取w=0.4。
图7 w=0.4 时新加入个体的态度随着演化时间t的变化趋势
2.3 网络群体事件同步程度与其参与规模
取w=0.7,横纵坐标分别表示节点参与规模以及达到同步所需的时间,如图8 所示,网络群体事件初始参与数越大,那么达到同步时间越短,最后在100 个仿真时间上达到稳定。以上说明:在网络群体事件初始阶段,适当扩大参与人数,那该事件达到同步所需要的时间会大幅度地减少,而同步性能则会大大提升;但当群体性事件持续一个阶段后,新节点的加入不会再明显地提高同步能力了。这个结果和无标度网络显示的相关结果吻合。
图8 网络节点参与程度与实现同步关系图
3 结论
本文针对目前网络同步行为研究现状,基于元胞自动机构建了同步行为仿真模型,仿真结果发现:在个体从众性同质的情况下,网络舆论同步能力受到从众性大小的影响为:当w≥0.7 时,网络舆论能有效实现同步;而当0≤w <0.7 时,网络舆论最终无法够达到同步,并且在网络群体事件初始阶段,节点的参与度越高越容易形成同步,而在发生的后期(即网络群体参与规模到达一定的程度后),参与规模的扩大将不再提高舆论形成同步的能力,并且趋于一个稳定值。这些结论不仅对以后网络群体行为的管理和网络环境的稳定发展有着重要的帮助,也能够为实际社会群体行为提供一定的参考依据。
参考文献
[1] 张耀峰,肖人彬.基于元胞自动机的网络群体事件舆论同步的涌现机制[J].系统工程理论与实践,2014.34(10):2600-2608.
[2] 岳峰,荣明,胡晓峰,等.基于Agent 构建群体行为模型[J].装甲兵工程学院学报,2008.22(1):72-75.
[3] 王元卓,于建业,邱雯,等.网络群体行为的演化博弈模型与分析方法[J].计算机学报,2015.38(2):282-300.
[4] 张秋花,薛惠锋,吴介军,等.多智能体系统MAS 及其应用[J].计算机仿真,2007.24(6):133-137.
[5] 张毅,邵晨曦.人员紧急疏散系统动力学模型及其分析[J].计算机工程与应用,2005.41(12):198-201.
[6] 吴鹏,杨爽,张晶晶,等.突发事件网络舆情中网民群体行为演化的Agent 建模与仿真研究[J].现代图书情报技术,2015.31(1):15-20.
[7] 王仲君,王能超,冯飞,等.元胞自动机的演化行为研究[J].计算机应用研究,2007.24(8):38-41.
Research on Network Group Synchronization Behavior Based on Cellular Automata
ZHANG Chen[1],WANG Bing[2]
([1]Jinhua Public Security Bureau,Jinhua,Zhejiang 321000;[2]Zhejiang Gongshang University,Hangzhou College of Commerce,Hangzhou,Zhejiang 310035)
AbstractThis paper takes the network group as the research object,and uses the cellular automata technology to study and simulate its evolution behavior,revealing the influence of individual herd mentality on the evolution of network public opinion.By verifying the model built by the actual case,it is proved that there is a network public opinion synchronization threshold,so that when the herdity is large, the network public opinion gradually becomes synchronous,and finally a more consistent public opinion is formed;when the herdity is small,the network The sensational synchronization is generally not realized,and will eventually form a number of different public opinion focuses.
Keywordscellular automata;social group;synchronization;internet public opinion
中图分类号:TP393
文献标识码:A
DOI:10.16400/j.cnki.kjdks.2019.09.015
基金项目:浙江省基础公益研究计划(LGF19G010002);浙江省高等教育课堂教学改革(No.kg20160586)
标签:群体论文; 网络论文; 节点论文; 事件论文; 态度论文; 社会科学总论论文; 社会学论文; 社会结构和社会关系论文; 《科教导刊》2019年第25期论文; 浙江省基础公益研究计划(LGF19G010002) 浙江省高等教育课堂教学改革(kg20160586)论文; 金华市公安局论文; 浙江工商大学杭州商学院论文;