群体间交互对舆论演化影响的研究

2021-12-24 来源：意榕旅游网

第32卷第5期北　京　交　通　大　学　学　报Vol.32No.5

2008年10月JOURNALOFBEIJINGJIAOTONGUNIVERSITYOct.2008文章编号:167320291(2008)0520077204

群体间交互对舆论演化影响的研究

司夏萌,刘　云,张　立

(北京交通大学通信与信息系统北京市重点实验室,北京100044)

摘　要:针对现实舆论环境中属于不同群体的公众之间仍可以相互交流的实际情况,提出了群体间交互的舆论演化规则,建立了包含群体间观点交互的舆论演化模型.文中分别分析了忽略和引入群体间交互前提下舆论的演化情况,指出群体间交互规则会对整个舆论演化产生巨大影响,在对引入群体间交互规则前后的舆论演化模型仿真后,发现群体间交互加快了舆论的整体演化速度,并促使两群体最终达到意见统一.仿真结果表明,该模型的统计结果与实际情况吻合,在一定程度上可以解释群体间交互所带来的影响,具有很强的实际意义.关键词:舆论传播;群体间交互;投票;演化中图分类号:TP391.9　　　文献标志码:A

ResearchontheInfluenceofDiscussionBetweenPeople

inDifferentGroupsonOpinionEvolution

SIXiameng,LIUYun,ZHANGLi

(KeyLaboratoryofCommunicationandInformationSystemsBeijingMunicipalCommissionofEducation,

BeijingJiaotongUniversity,Beijing100044,China)

Abstract:Fortherealitythatpeopleindifferentgroupscanstilldiscussintherealopinionenvironment,thispaperpresentedopinionevolutionformula,prescribedhowpeopleindifferentgroupsdiscussed,establishedanewopinionevolutionmodelincludingdiscussionbetweenpeopleindifferentgroups.Thispaperanalyzedtheopinionevolutioninstanceswithandwithoutdiscussionbetweenpeopleindifferentgroups,pointedoutthatthediscussionbetweenpeopleindifferentgroupscanmakegreatinfluenceonopinionevolution.Aftermakingsim2ulation,wediscoveredthatthediscussionbetweenpeopleindifferentgroupscanaccelerateopinionevolutionasawhole,andmakepeopleinthesetwogroupsagreeonthesamepointofview.Simulationshowsthatthepro2posedformulameetswiththereality,canexplaintheinfluencebecauseofdiscussionbetweenpeopleindifferentgroups,haveahighsignificanceofrealism.

Keywords:opiniondynamics;discussionbetweengroups;vote;evolution

　　随着通信和网络技术的进步,人们交流和传递信息的方式日益多样化,舆论的形成日益频繁化.舆论信息作为社会万象的映射,是反映社会稳定与社会和谐状态的综合晴雨表1因此,对宏观舆情的研究工作开始受到舆论管理部门和科研院所的高度重视.

波兰的Sznajd在2000年首次提出基于Ising模

型的舆论演化模型,在封闭社区内,由微观粒子间的简单交互规则导出该社区的复杂现象,并建立了著名的USDF(UnitedweStandDividedweFall)规则,在一定程度上解释了一些舆论现象[1].之后又出现了大量对Sznajd模型的变形[226],如将Sznajd模型中USDF规则规定的双粒子变为单粒子,完成整个说

　　收稿日期:2008201216

基金项目:2007年度教育部培育基金项目(707006);通信与信息系统北京市重点实验室资助项目(JD100040513)

),女,河南洛阳人,博士生.email:05120329@bjtu.edu.cn作者简介:司夏萌(1984—

),女,天津市人,教授,博士,博士生导师.刘云(1955—

北　京　交　通　大　学　学　报　　　　　　　　　　　　　　　第32卷

教过程(Ochrombel模型)等[6].

法国的Galam在2002年将多数原则MR(Majori2tyRule)首次应用在舆论演化研究中,提出了MR舆论演化模型,规定在封闭群体内,所有人采取占大多数的那个观点.此模型用于解释公众争论话题演变、谣言传播和恐慌传播等现象.随后,许多基于多数原则舆论演化模型的变形研究相继出现[728].

以法国的Deffuant为代表的一批学者针对之前的舆论观点离散问题进行改进,提出了连续观点有界信任模型:在固定大小的群体内,观点不再局限于好与不好两种,而是一个连续的分布,每两个粒子的交互导致两个粒子观点的倾向与折中,即两个粒子的观点分别向中间观点靠近.这准确地体现了现实生活中并非“非善即恶”的问题,并将其量化到模型中[9211].

但是,舆论研究中的这三大方向都是建立在一个共同的假设———封闭社区下的,所有相关研究也都是在此条件下分析群体内部舆论演化的结果.而在实际舆论环境中,人们由于年龄、知识背景等因素会形成各种群体,舆论则是在这些群体中同时传播的.但是由于人们的身份具有多样性,群体与群体间就有着千丝万缕的联系.因此,研究群体间交互对于舆论在整个系统中的演化具有实际意义.

针对现实社会中属于不同群体的公众之间仍可以相互交流的情况,本文作者提出了群体间交互的舆论演化规则,建立了包含群体间观点交互的舆论演化模型.模型相对简单,但这样建模是为了撇开影响舆论的一切不确定因素,可以更直观地观察群体间交互这一机制对舆论演化产生的影响,便于得到明确的结论.对整个舆论演化过程进行仿真分析后的结果表明,群体间交互加快了舆论演化速度,并在经过足够长的时间后促使两群体意见统一.

对,即si等于1、0或-1.

在每个群体内部,用一个一维模型来简化现实中群体个体的空间分布,将每个群体的个体排列在一条直线上,这样与每个个体相邻的都只有其“左/右”两个个体,并且只有相邻的个体之间可以进行观点交互.

用柱状图表示两个群体中的初始观点分布情况,一种可能的观点分部情况如图1所示.

(a)群体A

(b)群体B

图1　初始观点分布

Fig.1　Spatialdistributionofspinsfortheinitialstate

图1(a)为100人的群体A的初始观点分布图,

图1(b)为100人的群体B的初始观点分布图.本模型中两群体的初始观点分布是随机平均的,图1只是无数种初始分布中的一种情况.

1　演化模型

在现实生活中,由于位置、性别、年龄和工作等因素,人们形成不同性质和种类的群体,从而也造成了人们身份的多重性1这样,群体间的交互就不可避免了,这种交互也必将对舆论的整体演化方向产生影响.本文作者针对上述现象,建立包含群体间观点交互的一维舆论演化模型.

采用三元观点来简化现实中人们观点多样化的情况,规定只存在赞成、中立和反对3种观点,分别用1、0和-1将其量化;将舆论演化过程中的多群体交互简化为两个群体A和B之间的交互,且群体A同群体B的规模相同;将各群体中的任意一个人作为模型中的个体i,其观点可为赞成、中立或反

2　演化规则及仿真

为了考察群体间交互规则在舆论演化过程中的

作用,我们使用Matlab,针对是否引入群体间交互规则,分别对引入群体间交互规则前后的舆论演化进行仿真.211　群体间独立

忽略群体间的观点交互,认为群体A和群体B是相互独立的,舆论在两群体内的演化也是互不影响的.在群体内部,由于现实生活中人们的观点往往受周围人的影响,因此,在本模型中群体内每个个体都只受两个邻居个体观点的影响.设群体中任意相邻的3个个体的观点分别为si-1,si和si+1,则个体的观点演化式为

第5期　　　　　　　　　　　　　　　司夏萌等:群体间交互对舆论演化影响的研究

si-1+si+1=±2　　]　si=si-1si-1+si+1=0　　]　si=1/0/-1si-1+si+1=1　　]　si=1si-1+si+1=-1　]　si=-1

(1)

212　群体间交互

当个体si左右相邻的个体si-1和si+1观点都为赞成或反对时,si将受其影响,采取与他们相同的观点;当si-1和si+1观点都为中立或互相对立时,si将不受他们影响,自行随机选择支持、中立或反对;当

si-1和si+1有一个观点中立时,si将采取不中立的

现实生活中,人们由于位置、性别、年龄、工作和

教育背景等因素,从而形成不同性质和种类的群体.但是,每个人都有很多属性,既有地理位置、性别属性,又有年龄、工作等属性,因此人们的身份是多重的,每个人都会属于多个群体.这样,群体间的交互是不可避免的.在群体间交互过程中,部分人的观点会发生改变,这部分在群体外改变观点的人回到原群体中再影响其他人,所以这种交互也必将对原群体舆论的整体演化过程产生影响.

基于上述分析,我们将群体间交互简化为如式(2)的规则

si,sj,skta,tb,tc那个个体的观点.如果是首尾两个个体,那么采用首尾相连机制,认为尾部个体同首部个体是相邻的,之后按照上述规则进行交互.规定从群体A中的第1个个体开始更新观点,依次进行,直到群体A中的最后一个个体更新完观点为止为一个时步,群体B也规定如此.

设置两群体规模均为N=100,其仿真结果同4

N=10的仿真结果是相同的,经过足够长的时步,两群体各自都将达到观点统一,因此在此以N=100的情况举例说明.初始状态为图1所示的系统,仿真其1000步的舆论演化情况,得到结果见图2.

　]　-1/1(2)

　　不同群体的个体聚集在一起就是为了讨论出个结果,所以群体间讨论结果不会出现中立情况.仍然建立在式(1)的演化规则的基础上,使在每一步的更新中加入新的规则:在群体A中随机选出个体i、j和k,在群体B中随机选出个体a、b和c,使这6个个体按照自己的观点投票,按照支持和反对双方的个数,最终6个个体全部采纳多数观点.如果两观点各占50%或都占0%,即3个人支持3个人反对或全部中立时,那么6个人将随机采取同一个观点,全部支持或者全部反对.

为了与211节的舆论演化结果进行对比,仍然以图1所示的观点分布为初始状态,设置两群体规模均为N=100,仿真其1000步的舆论演化情况.系统却得到结果如图3所示.

图2　群体间独立的舆论演化过程

Fig.2　Opinionevolutionprocesswithoutdiscussion

betweenpeopleindifferentgroups

图2中,直线代表A群体的平均观点演化情

况,点代表B群体的平均观点演化情况.平均观点是每一时步该群体内所有100个个体观点的平均.因此平均观点反映了该时刻该群体内所有人观点的整体情况,即舆论情况.由图2可知,在本次仿真中,

A群体在演化638步后观点达到统一,所有人一致

图3　群体间交互的舆论演化过程

Fig.3　Opinionevolutionprocesswithdiscussion

betweenpeopleindifferentgroups

采取支持观点;B群体在演化506步后观点达到统

一,所有人一致采取反对观点.

上述仿真中,群体内部个体的观点分布是随机均匀的,群体间互相独立没有任何交互,因此A群体与B群体的舆论演化过程也是完全独立的,其演化结果不受对方任何影响.图2只是可能出现的一种结果,观点的初始分布决定了最终的演化结果,因此也会出现两群体都趋于一种观点的情况.

图3中,直线仍代表A群体的平均观点演化情况,点仍代表B群体的平均观点演化情况.可以看出,B群体在演化102步后观点全部统一为支持;A群体在演化233步后,观点也全部统一为支持.

与引入群体间交互规则之前不同的是,无论进行多少次仿真,两群体都会朝着同一个观点方向进

北　京　交　通　大　学　学　报　　　　　　　　　　　　　　　第32卷

行舆论演化,而且两群体内的舆论演化速度较之以

前都有了不同程度的提高.

4　结论

本文作者研究了群体间交互对舆论演化的影响,分析了群体间交互的存在原因,提出了群体间交互规则,建立了包含群体间交互规则的舆论演化模型,并对引入群体间交互规则前后的舆论演化模型进行仿真分析.分析结果表明:

1)群体间交互将大大加速各群体内部舆论的演化速度.

2)群体间交互将促使各群体内舆论朝着同一个观点演化,经过足够长的时间后,这一观点将遍布所有存在群体间交互的群体.参考文献:

[1]Sznajd2WeronK,SznajdJ.OpinionEvolutioninClosed

Community[J].InternationalJournalofModernPhysicsC,2000,11(6):1157-1165.

[2]SlaninalaF,LavickaH.AnalyticalResultsfortheSznajd

ModelofOpinionFormation[J].TheEuropeanPhysicalJournalB,2003,35(2):279-288.

[3]SchulzeC.AdvertisinginSznajdMarketingModel[J].In2

ternationalJournalofModernPhysicsC,2003,14(1):95-98.

[4]PluchinoA,LatoraV,RapisardaA.Compromiseand

SynchronizationinOpinionDynamics[J].TheEuropeanPhysicalJournalB,2006,50(1-2):169-176.

[5]GalamS.LocalDynamicsVS.SocialMechanisms:AnU2

nifyingFrame[J].EurophysicsLetters,2005,70(6):705-711.

[6]OchrombelR.SimulationofSznajdSociophysicsModel

withConvincingSingleOpinions[J].InternationalJournalofModernPhysicsC,2001,12(7):1091.

[7]GalamS.ContrarianDeterministicEffectsonOpinionDy2

namics:TheHungElectionsScenario[J].PhysicaA,2006,333:453-460.

[8]GalamS.MinorityOpinionSpreadinginRandomGeome2

try[J].TheEuropeanPhysicalJournalB,2002,25(4):403-406.

[9]DeffuantG,NeauD,AmblardF,etal.MixingBeliefsA2

mongInteractingAgents[J].AdvancesinComplexSys2tems,2000,3:87-98.

[10]ToscaniG.KineticModelsofOpinionFormation[EB/

OL].(2006205205)[2007210216].http:∥arxiv.org/PS-cache/math2ph/pdf/0605/0605052vl.pdf.

[11]Ben2NaimE,KrapivskyPL,RednerS.Bifurcationsand

PatternsinCompromiseProcesses[J].PhysicaD:Non2linearPhenomena,2003,183(3-4):190-204.

3　仿真结果分析

群体A和群体B的初始观点分布具有很大的随机性,舆论演化过程中抽出的进行群体间交互的个体分布也具有随机性,造成了两群体的舆论演化结果具有很大的不确定性,多次仿真后得到的数据都不相同.但是,有一点是可以肯定的,如果舆论模型都以同样的观点分布开始演化,那么引入群体间交互规则的模型中舆论演化速度比群体间独立模型中舆论演化速度明显加快,而且最终两个群体的演化方向都会保持一致,即最终都是同一个观点遍布两个群体.

这与现实情况是一致的.当现实社会中的两个群体内的人们遇到一起时,对于同一件事情的态度有赞同、中立以及反对,经过充分讨论协商最后达成共识.之后,这些人回到各自群体宣传自己的结论来影响周围的人.如果仅仅一次与外界交流的机会,影响不了舆论的最终演化结果,但是社会群体间是互相交叉的,完全与外界隔离的群体是不存在的,因此与外界不断交流对于舆论演化起着不可忽视的作用.这样,当群体A中的人在每一时步都有一些受到群体B的人的影响时,其舆论演化也会慢慢朝群体B的方向偏移,如果时间足够长,两群体观点必将统一为一个.当然,相反的情况也会发生,即群体A影响群体B也是可能的,这完全取决于每次随机抽取的6个人的观点分布情况.

虽然现实中对于每个话题,讨论的时间都不是无限长,很少出现全部统一为一种观点的结果.但是舆论往往在统一为一种观点之前的很长一段时间,就已经足够对社会造成影响.因此,通过群体间交互规则,我们掌握了一种控制引导舆论的方法,那就是加强群体间的交流,使具有先进思想的群体带动具有落后思想的群体,改变其舆论演化方向,从而达到共同进步的目的.

如果没有引入群体间交互规则,那么在每个时步,每个人只会受相邻两个人的影响,但当可以去群体外参加投票时,他将与同群体内的另一个人采取同样的观点.多次这样演化,采取相同观点的人就会越来越多.这与实际情况也是相符的,如果将群体与外界隔离,两个持相反观点的人只会一直钻牛角尖,可是如果让他们走出群体,去接触社会认识世界,学习科学文化知识,那么他们一定会达成共识.

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文

全部栏目

群体间交互对舆论演化影响的研究