CN110674411A - 一种基于媒体与人际影响的舆情传播模型及其传播方法 - Google Patents

Abstract

本发明提供了一种基于媒体传播和人际传播两种因素影响的网络舆情传播模型MI‑SEIR(Media and Interpersonal relationship‑SEIR)模型及其传播方法。其中，所述方法包括：首先，建立MI‑SEIR模型并设定MI‑SEIR模型中的节点的类型。其次，设置模型中各节点的属性，根据属性参数建立消息的传播机制与演化机制。通过计算所有节点每一时刻的观点值确定模型中各类节点的数量变化。最后，得到了更加符合现实生活的舆情传播模型。

Description

一种基于媒体与人际影响的舆情传播模型及其传播方法

技术领域

本发明涉及舆情分析领域，特别是涉及一种基于媒体与人际影响的MI-SEIR模型。

背景技术

随着互联网的迅速发展，人们越来越倾向于在网络上获知或发布消息。而一些与人们切身相关的消息会引发剧烈的讨论，而人们在进行消息的交流时也会产生或改变自身的想法。如果社会公众的看法被引导为负面，社会秩序与日常生活会受到网络舆论中情绪性、虚假性、刺激性信息的冲击与破坏。为充分发挥网络舆论对社会秩序的积极影响，消除其消极影响，争取用媒体来引导、监控网络舆论，加强对媒体和人际传播共同作用下的网络舆情的研究，是十分有必要的。

目前研究的主要工作集中于媒体对于消息传播的强化作用以及网民意见的演化过程，很少有研究不同意见群体互相交流时的意见变化情况及其对消息传播过程的影响。本发明提出的模型仿真结果把SEIR模型、受媒体和人际共同影响的传播过程、节点的讨论与相互转换机制共同结合起来，更加符合舆情传播的过程，具有一定的实现价值和研究意义。

发明内容

本发明基于SEIR传染病模型，提出了一种受媒体传播和人际传播两种因素影响的网络舆情传播模型MI-SEIR模型。该模型根据个体节点的观点值将传播节点分为支持、中立、反对三类。节点间具有讨论机制，即根据自身的固执度、对方的影响力、媒体的报道内容质量、媒体报道力度、感染力等参数建立节点观点值演化规律，通过改变自身观点值实现各节点相互转化的过程。

所述基于媒体与人际影响的MI-SEIR模型包括以下步骤：建立流水线车间调度问题的数学模型。

1)建立改进的SEIR模型。

2)设定改进的SEIR模型的节点类型。

3)设置模型中各节点的属性。

4)建立消息的传播机制与演化机制。

5)统计各类型节点的个数。

上述步骤1中建立改进的SEIR模型的方法为：

基于媒体与人际影响的MI-SEIR模型对人群种类进行了详细的划分。易感人群S在舆情传播模型中代表未接收到消息的人。E_a和E_b在舆情传播模型中分别代表从媒体处得知消息但没决定是否传播的人和通过人际关系得知消息但未决定是否传播的人。I_a，I_b，I_c分别代表持有支持、中立、反对三种态度的传播消息的人。R代表不传播消息的人或已经停止传播消息的人。

上述步骤2中，改进的SEIR模型的节点类型的设定如下：

本文设置的模型中具有两种节点，一种是个体节点，另一种是媒体节点。

个体节点指社会中的民众，每个人对话题都持有反对、中立、支持三种态度，每个人接收消息的渠道包括通过和亲戚、朋友、同事的交谈以及每天接收到的网络、广播、报刊等媒体消息。民众中包括地位较高、影响力较大的人，这类人被称为“意见领袖”，“意见领袖”的节点度较大。

媒体节点包括互联网、微博、论坛、电视、广播等媒体，这些媒体节点对于话题也有支持、中立、反对三种态度。与媒体节点相连的节点，大多是与其意见相似的人群。媒体节点的度很大。

上述步骤3中，模型中各节点的属性的设置如下：

(1)观点值O_i。个体对于消息的看法，分为支持、中立、反对三种态度。

(2)观点阈值μ_i。节点i与其邻居节点观点值之差小于观点阈值才能向对方的立场靠拢，否则会更偏向于自己的立场。

(3)关系值ω_ij。节点i与节点j之间关系的权值的大小。权值越大，两个人之间关系越亲密。

(4)影响力δ_ij。节点i对于其他节点的影响能力。

(5)固执度σ_i。节i自身的固执程度。

(6)报道内容质量υ。媒体报道内容的丰富程度以及质量。

(7)报道力度θ。媒体对于消息的报道程度。报道该消息的媒体数越多，消息传播的越快。

(8)感染力η。媒体报道消息的影响范围。

(9)吸引力τ。媒体报道消息时所用的标题及关键字对于网民的吸引力。标题对于网民越有吸引力，就会引起网民的好奇心，从而使网民加入讨论。

上述步骤4中，建立消息的传播机制与演化机制的方法为：

首先建立一个网络关系模型，给网络中的每个节点赋予观点值，初始时，所有节点的观点值是在(0，1)上均匀分布的。选择部分节点度较大的节点作为媒体节点，给媒体节点赋予趋近于0或趋近于1的观点值，使其态度明确。其中，人际间的消息传播受影响力大小以及固执度的影响。媒体的消息传播受媒体报道内容、标题吸引力等影响。消息的传播过程包括从E_a到I的演化、从E_b到I的演化、I_a，I_b，I_c三者间的交流以及从I_a，I_b，I_c到R的演化。

上述步骤5中，统计各类型节点的个数方法如下：

消息的传播每经过一个时间段就按照演化规则得出的各节点的观点值进行计算，按照反对观点值为(0，0.33)，中立观点值为[0.33，0.66]，支持观点值为(0.67，1)重新计算I_a，I_b，I_c的人群数量。每过一个时间段，计算S、E_a、E_b、I_a、I_b、I_c以及R的数量。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为本发明的模型结构图。

图2为采用网络的节点度分布示意图。

图3为各状态节点的数量变化示意图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的详细描述。

图1为本发明的模型结构图。易感人群S会以概率α₁通过接收媒体传播的消息成为潜伏人群E_a，也可以由概率α₂通过人际关系得知消息从而成为潜伏人群E_b，部分人群会以概率α₃直接转换为免疫人群R。从媒体处得知消息的潜伏人E_a和从人际关系处得知消息的E_b可以变为具有支持、中立、反对三种态度的传播人群I_a，I_b，I_c。传播人群在传播消息过程中，会进行思想交流，部分人群会转化到与之相对的阵营。传播人群I_a，I_b，I_c在失去对消息的传播与讨论兴趣后会转化为免疫人群R。

图1示出了本发明的模型结构图，其中具体的步骤如下：

1、建立改进的SEIR模型——MI SEIR模型。

基于媒体与人际影响的MI-SEIR模型对人群种类进行了详细的划分。易感人群S在舆情传播模型中代表未接收到消息的人。E_a和E_b在舆情传播模型中分别代表从媒体处得知消息但没决定是否传播的人和通过人际关系得知消息但未决定是否传播的人。I_a，I_b，I_c分别代表持有支持、中立、反对三种态度的传播消息的人。R代表不传播消息的人或已经停止传播消息的人。

2、设定改进的SEIR模型的节点类型。

本文设置的模型中具有两种节点，一种是个体节点，另一种是媒体节点。

个体节点指社会中的民众，每个人对话题都持有反对、中立、支持三种态度，每个人接收消息的渠道包括通过和亲戚、朋友、同事的交谈以及每天接收到的网络、广播、报刊等媒体消息。民众中包括地位较高、影响力较大的人，这类人被称为“意见领袖”，“意见领袖”的节点度较大。

媒体节点包括互联网、微博、论坛、电视、广播等媒体，这些媒体节点对于话题也有支持、中立、反对三种态度。与媒体节点相连的节点，大多是与其意见相似的人群。媒体节点的度很大。

3、设置模型中各节点的属性。

(1)观点值O_i。个体对于消息的看法，分为支持、中立、反对三种态度，取值范围为(0，1)，反对为(0，0.33)，中立为[0.33，0.66]，支持为(0.66，1)。在网络的初始状态，除媒体节点外的所有节点的观点值服从均匀分布。

(2)观点阈值μ_i。节点i与其邻居节点观点值之差小于观点阈值才能向对方的立场靠拢，否则会更偏向于自己的立场。取值范围为(0，0.5)。观点阈值越大，节点越容易受到其他节点的影响转化到其他阵营。

(3)关系值ω_ij。节点i与节点j之间关系的权值的大小。取值范围为(0，1)。权值越大，两个人之间关系越亲密。

(4)影响力δ_ij。节点i对于其他节点的影响能力。

式子表示节点i与节点j之间的关系值占所有与节点j相连的节点的关系值之和的大小。节点影响力越大，越容易对他人的看法造成影响。

(5)固执度σ_i。节i自身的固执程度。

d_i表示节点i的度，式子表示节点i的度占网络中最大的节点的度的比例。个体越固执，就越不容易受到他人影响改变自己的看法。

(6)报道内容质量υ。媒体报道内容的丰富程度以及质量。取值范围为(0，1)。媒体报道的内容越有说服力，质量就越高，比如带有视频的报道更容易让人了解消息的真实程度，所以内容质量设置为0.8，带有图片的为0.6，只有文字的为0.4。

(7)报道力度θ。媒体对于消息的报道程度。

报道该消息的媒体数越多，消息传播的越快。

(8)感染力η。媒体报道消息的影响范围。

(9)吸引力τ。媒体报道消息时所用的标题及关键字对于网民的吸引力。标题对于网民有吸引力，会引起网民的好奇心，从而使网民加入讨论。

4、建立消息的传播机制与演化机制。

A)从E_a到I的演化：设置节点j为个体节点，节点i为媒体节点。

如果|O_i-O_j|＜μ_j，即节点j与节点i观点值之差小于观点阈值，说明二者可以正常交流，但媒体观点不会轻易受个体节点所影响。那么个体节点的观点值会向媒体靠拢。

O_j(t+1)＝O_j(t)+β₁×[O_i(t)-O_j(t)] (1)

式(1)中的β₁＝θ*υ*τ*η。比如，当节点i持反对态度，节点j持支持态度，二者差值小于观点阈值，此时O_i(t)-O_j(t)＜0，节点j在下一时刻的观点值会向反对靠拢。

如果|O_i-O_j|＞μ_j，即节点j与节点i观点值之差大于观点阈值，说明二者不能正常交流，个体节点会与媒体节点的观点发生冲突，使得个体节点的观点值更偏向于自己本来持有的观点。

O_j(t+1)＝O_j(t)-β₁×[O_i(t)-O_j(t)] (2)

B)从E_b到I的演化：这个过程是人际关系间的消息传播，也就是个体节点与个体节点之间的消息传递。

如果|O_i-O_j|＜μ_j，即节点i与节点j可以进行正常的交流，则：

O_j(t+1)＝O_j(t)+β₂×[O_i(t)-O_j(t)] (3)

式(3)中的β₂＝影响力*e^-固执度。

如果|O_i-O_j|＞μ_j，即节点i与节点j的观点值之差大于观点阈值，二者不能正常交流，那么节点j的观点值会更偏向于自己本来持有的观点而不是趋近于节点i。则：

O_j(t+1)＝O_j(t)-β₂×[O_i(t)-O_j(t)] (4)

C)I_a，I_b，I_c三者间的交流：消息传播的过程不仅仅是个体节点从媒体节点或“意见领袖”处得知消息，也包括不同观点人群的相互讨论、指正的过程。人群讨论时，观点是否改变、改变的程度，与个体本身的固执度和邻居节点对个体的影响力大小有关。个体的影响力越大，说明它的地位较高、关系较多、消息来源更多，它的言论让自己的邻居节点更加信服。所以在模拟人群的交流过程时，先分别对有交流的两个节点的影响力和固执度进行比较。

λ_j＝δ_ij*exp(-σ_j) (5a)

式(5a)中，δ_ji为节点i对节点j的影响力大小，σ_j为节点j自身的固执度。

λ_i＝δ_ji*exp(-σ_i) (5b)

式(5b)中，δ_ji为节点j对节点i的影响力大小，σ_i为节点i自身的固执度。

如果λ_i＞λ_j，即节点i对节点j的影响更大，则节点j的观点值发生变化，而节点i的观点值不变。

O_j(t+1)＝O_j(t)+λ_j×[O_i(t)-O_j(t)] (6)

O_i(t+1)＝O_i(t) (7)

如果λ_i＜λ_j，即节点j对于节点i的影响力更大，则节点i的观点值向节点j的观点值考虑，而节点j的观点值不变。

O_i(t+1)＝O_i(t)+λ_i×[O_j(t)-O_i(t)] (8)

O_j(t+1)＝O_j(t) (9)

如果λ_i＝λ_j，即节点i与节点j的影响力相同，则两个节点的观点值都向对方的观点值靠拢。

O_j(t+1)＝O_j(t)+λ_j×[O_i(t)-O_j(t)] (10)

O_i(t+1)＝O_i(t)+λ_i×[O_j(t)-O_i(t)] (11)

D)从I_a，I_b，I_c到R的演化：在每一次计算除媒体节点外所有节点的观点值后，对比其观点值大小。观点值在(0.95，1)范围内的节点为坚定的持有支持态度的人群，将直接转化为免疫人群R，观点值在在(0，0.05)范围内的节点为坚定的持有反对态度的人群，将直接转化为免疫人群R，观点值在一段时间内，一直保持在(0.45，0.55)范围内的节点为持有中立态度的人群，也将直接转化为免疫人群R。

最后通过实验仿真验证模型的正确性。该网络的节点度分布如图2所示，可以看出度分布为幂律分布，符合无标度网络的特征。从消息开始传播到结束传播的过程中，各状态节点的数量变化如图3所示，未得到消息的人S数量随着消息的传播逐渐减少，在达到一定数量时趋于稳定。分别从媒体和人际交往得到消息而未决定是否传播的E_a和E_b变化并不明显，因为大部分人都会在得知消息的时候选择传播或放弃传播变成不传播消息的人R。持有支持和反对态度的人I_a，I_c的数量都是先增加后减少的，而持有中立态度的人I_c则慢慢增多最后趋于稳定。因为在人群传播并交流想法时，会受到他人的影响站在自己所持态度的对立面进行思考，最后承认消息的双面性。随着消息在人群中传播，事态逐渐变得清晰，人们渐渐失去对消息的讨论兴趣，不再传播消息的人数R也就逐渐增多趋于稳定。各状态节点的数量变化趋势符合现实中舆情传播的过程，证明本文提出的模型是具有实际意义的。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.建立基于媒体与人际影响的MI-SEIR模型的方法，其特征在于以下步骤：

1)建立改进的SEIR模型。

2)设定改进的SEIR模型的节点类型。

3)设置模型中各节点的属性。

4)建立消息的传播机制与演化机制。

5)统计各类型节点的个数。

2.如权利要求1所述的建立基于媒体与人际影响的MI-SEIR模型的方法，其中所述步骤1中，建立改进的SEIR模型的方法如下：

基于媒体与人际影响的MI-SEIR模型对人群种类进行了详细的划分。易感人群S在舆情传播模型中代表未接收到消息的人。E_a和E_b在舆情传播模型中分别代表从媒体处得知消息但没决定是否传播的人和通过人际关系得知消息但未决定是否传播的人。I_a，I_b，I_c分别代表持有支持、中立、反对三种态度的传播消息的人。R代表不传播消息的人或已经停止传播消息的人。

3.如权利要求1所述的建立基于媒体与人际影响的MI-SEIR模型的方法，其中所述步骤2中，改进的SEIR模型的节点类型的设定如下：

本文设置的模型中具有两种节点，一种是个体节点，另一种是媒体节点。

个体节点指社会中的人群，每个人对消息都持有反对、中立、支持三种态度，每个人接收消息的渠道包括通过和亲戚、朋友、同事的交谈以及每天接收到的网络、广播、报刊等媒体消息。民众中包括地位较高、影响力较大的人，这类人被称为“意见领袖”，“意见领袖”的节点度较大。

媒体节点包括互联网、微博、论坛、电视、广播等媒体，这些媒体节点对于消息也有支持、中立、反对三种态度。与媒体节点相连的节点，大多是与其意见相似的人群。媒体节点的度很大。

4.如权利要求1所述建立基于媒体与人际影响的MI-SEIR模型的方法，其中所述步骤3中，模型中各节点的属性设置如下：

(1)观点值O_i。个体对于消息的看法，分为支持、中立、反对三种态度，取值范围为(0，1)，反对为(0，0.33)，中立为[0.33，0.66]，支持为(0.66，1)。

(2)观点阈值μ_i。节点i与其邻居节点观点值之差小于观点阈值才能向对方的立场靠拢，否则会更偏向于自己的立场。取值范围为(0，0.5)。观点阈值越大，节点越容易受到其他节点的影响转化到对方阵营。

(3)关系值ω_ij。节点i与节点j之间关系的权值的大小。取值范围为(0，1)。权值越大，两个人之间关系越亲密。

(4)影响力δ_ij。节点i对于其他节点的影响能力。

(5)固执度σ_i。节i自身的固执程度。

(6)报道内容质量υ。媒体报道内容的丰富程度以及质量。取值范围为(0，1)。

(7)报道力度θ。媒体对于消息的报道程度。报道该消息的媒体数越多，消息传播的越快。

(8)感染力η。媒体报道消息的影响范围。

(9)吸引力τ。媒体报道消息时所用的标题及关键字对于网民的吸引力。标题对于网民有吸引力，会引起网民的好奇心，从而使网民加入讨论。

5.如权利要求1所述建立基于媒体与人际影响的MI-SEIR模型的方法，其中所述步骤4中，消息的传播机制与演化机制的建立如下：

首先建立一个网络关系模型，给网络中的每个节点赋予观点值，初始时，所有节点的观点值是在(0，1)上均匀分布的。选择部分节点度较大的节点作为媒体节点，给媒体节点赋予趋近于0或趋近于1的观点值，使其态度明确。其中，人际间的消息传播受影响力大小以及固执度的影响。媒体的消息传播受媒体报道内容、标题吸引力等影响。消息的传播过程包括从E_a到I的演化、从E_b到I的演化、I_a，I_b，I_c三者间的交流以及从I_a，I_b，I_c到R的演化。

6.如权利要求1所述建立基于媒体与人际影响的MI-SEIR模型的方法，其中所述步骤5中，统计各类型节点的个数的方法如下：

每经过一个时间段就按照演化规则对各节点的观点值进行计算，按照反对观点值为(0，0.33)，中立观点值为[0.33，0.66]，支持观点值为(0.67，1)重新计算I_a，I_b，I_c的人群数量。

每过一个时间段，计算S，E_a，E_b，I，I_a，I_b，I_c以及R的数量。

Images