摘要：在信息化时代，由于微博等传播平台的出现，舆情传播的机制和时间规律都发生了显著的变化，个体在舆情传播中发挥了重要作用。本文在微博特定网络环境下，研究舆情形成机制中，个体用户在受到内外部众多因素的影响下，以一定作用机制和交互规则，转变对舆情事件所持态度的可能性，与转变态度所需时间、群体用户形成统一舆论观点（即舆情形成）所需时间之间的关系。通过对微博舆情作用规律在时间方面的探索，了解舆情形成的时间规律，有助于准确预测舆情形成时间，从而有效进行舆情监控，为企业进行网络舆情管理和网络危机公关活动提供理论依据。

关键词：微博 舆情 个体持续度 舆论动力学

1、引言：

在信息化时代，由于微博等传播平台的出现，舆情传播的机制和时间规律都发生了显著的变化，个体在舆情传播中发挥了重要作用。作为近年以来发展最快的社交化媒体平台，微博社会效应非常明显，开创了人际传播的新模式，也成为了重大非常规突发事件的舆论起源地和导火索。不仅如此，微博对传统主流媒体舆论的形成也有着重大影响，各个领域内热点事件在微博频发，且以负面事件为主，在网络上持续成为舆情热点，其链式传播的“围观效应”，既有可能形成蓬勃而起的舆论张力，凝聚起强大的民意，也有可能导致网民的情绪化宣泄，甚至被盲目利用或操纵。目前，对于舆情事件的研究主要集中在理论研究上，即舆论动力学模型研究。

本文从舆论动力学的角度出发，提出了微博舆情二元演化机制，从态度和行为角度抽象出传播规律。基于微博舆情的社会属性和行为属性，引入了个体持续度概念，从社会心理学角度分析用户态度改变机制，并建立和舆情形成时间的定性关系，形成个体持续度数学模型，并通过模拟仿真验证了模型，为企业进行网络舆情管理和网络危机公关活动提供理论依据。

2 微博舆情二元演化机制

2.1 微博舆情态度演进的机制

根据舆情事件生命周期理论和各个时期的用户态度的变化，微博舆情态度演进的机制可以刻画为：

⑴舆情微博出现期。在舆情事件发生以后，事件利益相关方（包括当事人、微博媒体等）会在舆情事件发生后第一时间对事件始末进行报道，披露舆情事件信息。

⑵初始态度形成期。伴随舆情事件原创微博信息传播和扩散后，个体用户会根据自身的价值观对舆情事件进行判断，形成舆情倾向性，并将其表达到微博中，形成含有个体态度的微博。

⑶用户态度改变期。微博用户在表达自身情感倾向性后，会和微博粉丝及好友进行互动，针对舆情事件进行交流。在初始阶段，节点依靠自身私有信息进行判断，但随着事件的推移，群体便形成一种状态，这时人们仍然在做理性行为，但开始忽略他们自己的信息，而迎合人群做法。

⑷舆情倾向稳定期。在经过一定时间的传播和扩散后，个体用户的态度得到稳定，整个微博网络舆情得以稳定。

2.2 微博舆情主体态度研究

在微博舆情的形成中，由于群体内成员的互动使得用户之间具有较高的同质性，由于从众心理的存在，用户态度容易相互感染，最终使得舆情事件容易出现群体极化倾向，形成微博舆情的非理性诉求。对具有重大影响的舆情事件微博信息内容特征分析可以得出，在舆情事件中，个体用户态度的主要类型为：赞成、支持、反对。在内外部因素的作用之下，发生态度的转变，能够对个体持续度进行衡量的是评论及转帖两种行为。其中，转发行为无法预知用户的舆情倾向，用户的转发行为是“中性”的；原创和评论包含了大量的语义信息，是具有“行为极性”的。因此，某舆情事件的转发数能够反应该舆情的影响力大小；原创微博和评论数能够识别舆情事件中微博用户群体的情感倾向性，识别其达到稳态的过程。因此，对于态度的语义分析主要集中于原创微博及附有评论的微博。

根据对微博舆情主体的分析，在对态度和行为的处理时，假设舆情信息可以完全覆盖微博环境，即将研究对象定位为微博环境中有发帖及转发的用户；假设舆情信息可以遍历该节点的微博网络中（邻域），即每个节点均转发或者转发时可见信息（无论是否加入评论）。

2.3 个体持续度定义

个体持续度是网络中，节点根据个体价值观和环境影响等内外部动力因素坚持/改变自身态度的概率。邻居作为网络结构的连接点，起到了传递的作用。

在舆情事件传播行为中，传播的不仅仅是事件本身，而是主观和客观的综合信息，一方面可以还原事情的真相，另一方面将社会性表现的淋漓尽致。在微博用户态度采纳的过程中，节点通常基于邻域而非全局的用户态度。

从客观来说，在舆情生命周期的不同时期，影响不同：根据演化机制，同阶段，影响个体用户态度的因素不同，用户的态度受影响时间主要集中于初始态度形成期和个体态度改变期；

·初始期：该阶段不存在微博的互动，因此，影响用户态度的主要是舆情事件性质本身和舆情事件演进的信息披露。

·改变期：在大量的互动和接收舆情事件信息后，用户会根据内外部的态度形成自身的合理判断。

以社会认知理论为基础，从态度单元自身、群体规范影响及信息流量三个角度考量其影响及作用机制。

（一）态度单元自身

信息的传播就是一个说服的过程：不同个性决策者拥有不同观点接受度。

1）个体从众度：是个体基于自身的价值观对事件的判断，也是最初形成的因素，如果转发信息所反应的态度和自身价值观一致，就会情感共振，从而加大转发的可能性，即个体持续度越小。

2）利益相关度：由于在微博网络中，直接事件利益相关者与整体用户相比，数量极小，因此假设在微博网络中，所有节点和事件的相关性相同。

（二）群体规范影响

社交影响力。关系影响力主要包括两方面：社交影响力和领袖影响力，可以线性叠加；好友影响力的取值以领袖影响力为基准：

·关系强度影响力：基于周围邻居的看法和个体的相似性，调整自身的个体持续度；在现实中，关系强度影响力越大，个体持续度越大；

·领袖影响力：意见领袖影响力越大，个体持续度越大。

观点相似度。态度单元之间，观点的差异在一定程度内容易接受，但是超过一定阈值，态度单元便不再改变其态度。

（三）信息流量

信息熵增量，用户从事件信息、邻居态度中提炼出的关于舆情事件的信息量大小。和观点相似性有关，舆情事件本身反应的是社会舆论导向和价值观，在一定范围内，信息量越大，说明对于用户原有的态度冲击越大，当达到一定程度时，由于差异化和个体价值观的不统一，导致用户无法接受，个体持续度减小。

通过上述分析与讨论，完成了对舆情态度演进机制的分析和刻画，总结如表1所示：

至此，完成对微博舆情的定性分析，其演化机制可以表示为图1：

3 个体持续度模型

3.1舆论动力学介绍

舆论动力学的主旨是揭示舆论生成与演变的内外动因，大体上有两个立足点：其一，研究影响舆论生成与演变的个体因素和个体状态；其二，研究影响舆论生成与演变的外部因素，如社会交往环境和公众群体环境等。危机事件的信息沟通是个体之间局部交互的复杂过程，舆论动力学的研究思路就是针对个体的行为转变及信息沟通环境的特征，提出不同的舆情演化规则，建立相应的舆论演化模型。基于舆论动力学理论主要有三个基本的演化模型：Sznajd模型[1]、Deffuantetal模型[2]和Krause-Hegoelmann型[3]。其中Sznajd模型是近年来被研究最多也是最深入的一个模型[4-8]。该模型演化规则中考虑到了发表观点的个体态度受到邻居个体态度的影响。后续的研究者不断对Sznajd模型进行调整，并提出了改进的模型和演化规则。以Deffuant为代表的一批学者针对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[9]。

3.2模型初建

对节点数大小为N的网络，网络中任意节点i(i=1,2....N)，其度为，则有邻居j(j=1,2....)。在传播过程中，整个网络为有向加权网络；其每条边的权值为节点i和单个邻节点的个体持续度，其方向为“关注”方向。借鉴社会态度改变模型[10]，对其进行改进，形成个体持续度的数学含义表达式。

对两个节点来说，个体持续度为：(1)

变量讨论：

其中内生变量为个体从众度。对网络中每个用户，由于其自身价值观、性格偏好等因素的存在，用户会对舆情事件形成潜在的态度。个体从众度是微博用户个性的体现，也就是群体决策中决策者在相互交流的过程中，当自己的观点与交流个体的观点发生偏离或者冲突时所表现出的不同的态度的难易程度。由于个体处于动态变化之中，因此个体从众度的衡量有一定难度，在此假设在舆情事件发生发展的时间内，个体的价值观是相对稳定的，每个节点的个体从众度为一个常量。而在实际应用中，如果舆情事件的大小足以改变个体的价值观和情感倾向，则通过改变个体从众度矩阵处理（）。当，即个体是固执型个体，在决策时坚持自己的观点且无法接受别人的观点。当，个体为无主见型决策者，在交流讨论中易于跟随他人的观点。，个体为综合型个体，会以一定程度接受别人的观点；因此，其个体从众度向量为（为网络大小）。

外生变量为社交影响力、关注影响力、领袖影响力、观点差异度、信息熵增量。

（1）社交影响力 (Social Influence)。

根据关系力量理论可以衡量人们社交关系强弱程度，其维度有四，分别是互动频率、感情力量、亲密程度、互惠互换[11]。在微博上，互动频率可以体现为粉丝及被关注用户之间的评论、转发等行为，可以根据用户历史行为进行衡量，因此可以作为自变量之一；感情力量、亲密程度度、互惠互换等概念可以归纳为社交关系的影响，由此可以得出社交影响力因素：

对于真实世界的社交关系，将其归一化，对任意节点i，有非对称的社交影响力连接矩阵，社交影响力受到节点之间社交关系和相对状态的影响。由于社交影响力具有不对称性，因此个体持续度具有不对称性，即好友之间的影响力大小是不同的，是一个不可逆的过程。

 

（2）关注影响力（Friendship Influence）。

由于节点i对节点j的关注，节点i和节点j在现实生活中的朋友信任关系会对节点形成一定的影响，其中。在微博网络中，用户的关注影响力由关系强度决定[12]，即：

 (2)

 

（3）领袖影响力（Leadership Influence）。

一个节点的入度，标志着其“流行度”。这在微博上体现为粉丝数，用户的粉丝数越多，其影响力越大。因此，在微博主体及拓扑结构的分析之上，引入领袖影响力变量，表示微博用户的社会地位对其他用户节点的影响。

根据分析，由于节点i和所关注节点j之间具有的社会属性的不同，意见领袖j对节点i有一定的领袖影响力。同关注影响力相类似，定义其,

根据复杂网络理论，节点中心度越大，其在网络中所起作用越大，因此由节点连接度表示：

 (3)

 

其中，为已生成局部小世界网络的中节点i的连接度。

（4）观点差异度。

在现实生活中，人们所持有的观点不尽相同，而在微博上，这种观点的差异也会对态度改变造成一定影响，在观点差异过大时，用户很难接受邻居节点的态度。观点相似度是节点i和邻居节点j之间的观点近似程度。

根据上文对态度的讨论，可以得知，态度可以分为连续和离散两种，设节点i的态度为，其和任意相邻节点j之间，观点差异度为，当态度为连续时，，；

当态度为离散变量时，可能的情况为：

二元划分：，此时观点差异取值范围为，；

三元划分： ，此时观点差异度取值范围为；

（5）信息熵增量（Information Flow）。

信息熵增量定义

舆情微博是“事件的态度”，对用户的态度改变会产生一定影响。这种来自于外部信息的影响力和群体影响力的作用机制类似，将其叫做信息熵增量。在一定范围内，信息熵越大，对节点来说，获得的有用信息越多，因此改变的可能性越大；但是超过一定的值以后，由于与自身情感倾向性呈现出相反的趋势，因此可能出现该事实或者该信息令用户无法接受的情况，即改变的可能性逐渐减小，且减小速度越来越大。

影响信息熵的因素主要有：1）事件性质本身：由于事件是具有“态度”的，和节点的相似程度也会有所不同；也会对个体持续度产生影响；2）事件信息披露程度：关于舆情事件的信息越多，披露越完备，决策者（用户）所获得的信息熵增量越大；3）领袖影响力：由于在实际情况中，意见领袖一般具有权威性和较高的社会地位，较多的资源配置意味着对舆情事件真相接近，因此关注意见领袖的用户容易产生“意见领袖的态度是真实信息”的想法，但是由于已经考虑过社交影响力，为了简化二者关系，在此将其影响力忽略不计。因此，在本研究中，信息熵整体设为变量。

由以上讨论，可以得到一般情况下的个体持续度为：

 (4)

由于微博网络的特殊性，最终得到微博网络中的个体持续度为：

 (5)

3.3 模型讨论

为了更好解释态度改变原理，从最简单的二元态度机制出发进行讨论。

当态度为二元变量时，微博用户态度可能为支持/反对，同意/不同意等，具有逻辑判断的是/非二进制特性，因此将态度划分为{-1，+1}

 (6)

因此，观点差异度为常量，因此将个体持续度公式变形为：

 (7)

由于有，又可将其表示为

 (8)

由公式可知，k可由微博用户历史行为获得，由于在微博舆情传播过程中，用户的互动频率较低，在此假设所有用户的互动频率均为1；在一般情况下可以视为线性增长（暂不考虑微博环境下），是信息熵增量，而是个体内生变量，做出图像如图2所示：

在全连通图的情况下且节点间关系强度均为1的情况下，做出图像如图2所示，在个体持续度三维图像中，轴代表信息熵增量，不同曲线代表不同个体从众度的情况。

 

分享让更多人看到