马 宁，刘怡君

（中国科学院a.科技政策与管理科学研究所；b.自然与社会交叉科学研究中心，北京 100190）

随着信息技术飞速发展，互联网成为继报纸、广播和电视之后的“第四媒体”，成为反映社会舆情的主要载体之一，且网络舆情传播具有直接性、突发性和偏差性等特点。网民可通过微博、论坛、新闻点评等，直接快速发表意见，民意表达更加便捷；网络舆情的形成非常迅速，某热点事件的存在再加上某种情绪化的意见，就可成为点燃一片舆论的导火索；又由于网民发言具有一定的身份隐蔽性，网络成为部分网民发泄灰色情绪，甚至散布谣言的自由空间。在政府与网民的交锋中，政府越来越感受到被集体凝视和挑战的压力，大声疾呼被视为托辞辩解，沉默无语被认定俯首认罪，若不采取合理措施对网络舆情进行引导监管，将直接影响和危害社会稳定与国家安全。因此，网络舆情的传播机理、演化态势及预警分析等成为新的研究热点。

网络舆情演化研究主要有3个视角：

（1）社会科学视角。以社会学、社会心理学和新闻传播学等为代表的社会科学侧重于定性描述舆论演化机理，主要对网络舆情的基本概念、特点和引导方法等进行定性研究。

（2）建模仿真视角。对舆论进行建模并仿真模拟是当前人们研究舆情演化过程的重要方法之一，其目标是在一定的舆论环境下，用模型来描述个体进行观点交互的特征和规律，还原并解释现实生活中的舆论形成与演化现象［1］。

（3）复杂网络视角。通过构建人与人之间交流的复杂网络能够很好地把握舆论传播网的拓扑结构，以及其中各舆论参与者的关系，如已有研究基于社会网络分析法（Social Network Analysis，SNA）对舆论传播的网络拓扑结构特征进行定量测算［2-5］、对舆论演化过程中的舆论领袖进行识别［6-8］等。在对网络舆情研究的复杂网络视角中，值得一提的是舆情超网络（Opinion SuperNetwork，OSN）的相关研究［9-13］，该研究创新性地利用超网络的多层、多级等属性将网络舆情中的5W1H（when、where、who、what、why、how）六要素融为一体，深入刻画了网络舆情的发生、发展过程和动态演化机理。

通过对舆情演化相关研究的梳理，发现目前已有将复杂网络结构与多主体建模方法相结合的研究，且集中在基于社会网络分析的多主体建模仿真（即SNA+MAS）［14-17］，尚无研究将超网络分析与多主体建模仿真方法相结合（即OSN+MAS），但是，传统的社会网络分析只关注网络中“人”之间关系的变化问题，对舆情演化的“环境外驱动力”、“心理内驱动力”等动态属性等内容未加考虑，而超网络分析则可以同时综合考虑以上多种属性，从多角度更好地刻画舆论的动态形成及演化特征。因此，本文创新性地将超网络分析与多主体建模方法相结合并应用于网络舆情演化研究中，充分把握舆情演化的时空耦合过程，将舆情演化过程中的网络结构和网民行为进行综合分析，重点探讨舆情演化过程中政府抢占舆论先机的重要作用、舆论领袖对大众网民的引导作用和网民发表观点形成舆论场的控制作用，并运用Net Logo仿真平台对具体舆情实例进行仿真，证明了模型的合理性和有效性，希望为政府有效控制网络舆情的事态发展提供决策依据。

1 基于超网络的舆情演化建模思想

1.1 舆情超网络模型

舆情超网络模型的构成要素包括舆论主体、环境外驱动力、心理内驱动力和观点关键词，这4种构成要素的关联关系是：舆论主体在环境外驱动力和心理内驱动力的共同作用下，发布了观点关键词。由以上4种构成要素即可构建网络舆论超网络模型的4层子网，分别为社交子网、环境子网、心理子网和观点子网。

社交子网A表示网络舆论中参与讨论的舆论主体（即网民）之间的回复关系；环境子网E表示信息传播的过程，一条信息的发布对应于该子网中的一个信息节点；心理子网P表示网络舆论主体在发布言论时所具有的心理类型，不同心理类型之间存在转化关联关系；观点子网K表示网民所发布的帖子或博文中的观点（即关键词），关键词节点之间的边表示这2个关键词在同一帖子或博文中出现。

网络舆论超网络模型中4层子网之间通过超边（Super Edge，SE）连 接，SE=｛ai，em，pj，kn；t｝，表示t时刻主体ai在环境em的外作用力和心理pj的内作用力下，发表了观点kn。如图1所示。

图1 舆情超网络模型示意图

1.2 多主体建模方法

多主体建模是近年来出现的一种较新的仿真建模方法，由于其适合对具有一定智能性的微观个体组成的复杂系统进行研究，受到社会学、经济学与生物学等学科的重视，在许多领域得到了广泛应用。多主体建模理论通过建立微观模型，模拟微观个体之间的相互作用，涌现出宏观层面的复杂行为，实现微观与宏观的统一。

仿真工具有助于仿真模型的快速实现，也为仿真实验管理与仿真结果分析等提供了必要的支持，能够在很大程度上提高复杂系统研究的效率。本文应用Net Logo建模平台进行分析。在Net Logo环境中主体有turtle、patch、link等多种类型的Agent，其 中turtle能够在很多patches拼接而成的离散平台上移动并进行相互之间以及和环境之间的交互，主要的交互形式有P-T交互、T-T交互和P-P交互。

1.3 主要建模思想

网络舆情演化过程中，网民（包括大众网民和舆论领袖两类人物）在心理内驱动力和环境信息外驱动力的共同作用下发表观点，而这些观点汇集在一起会形成网络舆论场，是对环境信息的补充，也直接影响网民发表新观点的态度倾向。在本文中，将心理内驱动力虚化为网民的内在属性，而大众网民、舆论领袖［18］、主要观点和环境信息等4类主体都可作为智能体，具有自身属性，能够与其他主体进行交互，具备运用多主体进行建模仿真的可行性。

基于超网络的网络舆情演化各主体之间的交互作用不同，如图2所示。首先，某热点事件发生刺激网民情绪，网民在心理内驱动力和环境外驱动力作用下发表就该事件的各种观点，其中，环境信息外驱动力是指在舆情演化过程中梳理出的具有重大影响力的信息，既可能由非法网站或负面舆论领袖发布的各种谣言信息组成，也可能由官方政府或正面舆论领袖发布的辟谣信息组成，或者两者耦合共同作用；而主要观点则是由全体参与讨论的大众网民所发布，这些观点中可能有对事件发展无明显推动作用的中立态度观点，也可能有与环境信息（谣言/辟谣）一致的极性态度（负面/正面）观点。需要指出，当大量极性态度观点汇集在就该事件进行讨论的网络舆情场中，也会形成环境信息，作为对环境外驱动力的补充。另外，大众网民发表观点易受舆论领袖影响，舆论领袖的作用贯穿整个网络舆论的形成演化过程，在其引导下，部分意见可演化为公众舆论。在整个网络舆论演化过程中，大众网民、舆论领袖、主要观点和环境信息等4类主体之间存在各种关联或制约作用。

图2 大众网民、舆论领袖、主要观点和环境信息的交互作用

2 网络舆情演化的多主体模型构建

2.1 模型假设

根据不同主体的特征，在多主体建模前，提出以下假设：

（1）假设大众网民和所发表的主要观点Agent共有3种倾向，分别为正面、中立和负面，而舆论领袖和环境信息两类Agent有2种倾向，分别为正面和负面，如环境信息中政府官方持正面态度，而谣言信息持负面态度。

（2）大众网民的初始态度由主体意识决定且是非理性的，初始态度会受到舆论领袖、环境信息和舆论场态度的影响而改变，本文用“从众性”表示这种非理性，从众性大的网民容易改变，随波逐流；而从众小的网民不易改变，坚持己见。

（3）假设各主体的初始个数、初始态度和初始观点可信度作为外部条件已知，且最大规模是确定的。

（4）大众网民、舆论领袖、主要观点和环境信息等4类Agent的属性每一时间步同时更新。

2.2 主体属性描述

本文共设置了4类主体，分别为大众网民、舆论领袖、主要观点和环境信息，各类主体具有不同的属性特征，如表1所示。

表1 各类主体属性

2.2.1 大众网民主体属性描述 大众网民主体的属性函数为F［Tai（t），Bai（t），Aai（t）］，其 中：Tai（t）表示大众网民主体ai在t时刻对某事件所持有的心理态度倾向，Tai（t）在［0，1］连续区间取值，Tai（t）∈［0，0.33］为负面态度，Tai（t）∈（0.33，0.67］为中立态度，Tai（t）∈（0.67，1］为正面态度；Bai（t）表示大众网民主体ai在t时刻的从众性，Bai（t）在［0，1］连续区间取值，Bai（t）∈［0，0.2］表示网民从众性低，一般不易改变观点，坚持己见；Bai（t）∈（0.2，0.8］表示从众性中等，皆有可能；Bai（t）∈（0.8，1］表示从众性高，易受影响，随波逐流；Aai（t）表示大众网民主体ai在t时刻对某事件发表观点时的活跃程度，Aai（t）由该大众网民节点在舆情超网络中的节点超度值［19］决定，该数值越大，说明活跃度越高，发布的主要观点数越多。

2.2.2 舆论领袖主体属性描述 舆论领袖主体的属性函数为F［Toli（t），Aoli（t），Coli（t）］，其 中：Toli（t）表示舆论领袖主体o li在t时刻对某事件所持有的心理态度倾向，Toli（t）在［0，1］连续区间取值，Toli（t）∈［0，0.5］为负面态度，Toli（t）∈（0.5，1］为正面态度；Aoli（t）表示舆论领袖主体o li在t时刻对某事件所发表观点的权威性，Aoli（t）由舆论领袖所在超边的超边重叠度［20］决定，Aoli（t）在［0，1］连续区间取值，该数值越大，说明权威性越高，可影响的大众网民人数越多；Coli（t）表示舆论领袖o li在t时刻所持观点的可信度，Coli（t）在［0，1］连续区间取值，共分为两级，Coli（t）∈［0，0.5）为Ⅱ级，仅能影响态度倾向中立的大众网民；Coli（t）∈［0.5，1］为Ⅰ级，亦可影响态度倾向极端网民。Coli（t）越接近于1，表明观点可信度越高，说服力越强。

2.2.3 主要观点主体属性描述 主要观点主体的属性函数为F［Tkj（t），Skj（t），Rkj（t）］，其中：Tkj（t）表示观点主体kj在t时刻的态度倾向，Tkj（t）在［0，1］连续区间取值，Tkj（t）∈［0，0.33］为负面态度，Tkj（t）∈（0.33，0.67］为中立态度，Tkj（t）∈（0.67，1］为正面态度；Skj（t）表示观点主体kj在t时刻所表达观点的影响力度，Skj（t）在［0，1］连续区间取值，共分为两级，Skj（t）∈［0，0.5）为Ⅱ级，可补充影响力度同为Ⅱ级的环境信息；Skj（t）∈［0.5，1］为Ⅰ级，可补充影响力度同为Ⅰ级的环境信息；Rkj（t）表示观点主体kj在t时刻产生的影响范围，可设γ个态度倾向和等级相同的观点产生一个“patch”单位信息的影响范围，其中γ表示观点对信息汇集作用的集聚因子，为可调参数。

2.2.4 环境信息主体属性描述 环境信息主体的属性函数为F［Ten（t），Sen（t），Ren（t）］，其中：Ten（t）表示信息主体en在t时刻对某事件所起的作用 倾 向，Ten（t）在［0，1］连续区间取值，Ten（t）∈［0，0.5］为负面谣言信息，Ten（t）∈（0.5，1］为正面官方信息；Sen（t）表示信息主体en在t时刻所发布信息的影响力度，Sen（t）在［0，1］连续区间取值，共分为两级，Sen（t）∈［0，0.5）为Ⅱ级，只能影响态度倾向中立的大众网民；Sen（t）∈［0.5，1］为Ⅰ级，也可影响态度倾向极端的大众网民；Ren（t）表示信息主体en在t时刻的影响范围，Ren（t）由该信息主体所在超边与超网络中其他超边间的平均最短距离决定，平均最短距离越短，其影响范围越大，将该值标准化为［0，max］连续区间取值，其中max表示仿真过程中patch坐标做大值，Ren（t）值越大，可影响随机移动到该信息范围的大众网民人数越多。

根据以上对各主体属性的描述，以舆情超网络模型为基本思想，依托Net Logo仿真平台建立了基于超网络的舆情演化仿真模型，如图3所示，其中不同属性主体turtle初始数和patch不同颜色区域大小均可调整。在该仿真模型中，以“人型”形状的turtle表示大众网民主体，其中，粉色为负面态度倾向，黄色为中立态度倾向，而绿色为正面态度倾向；以“表情”形状的turtle表示舆论领袖主体，其中，绿色笑脸表示正面的舆论领袖，红色怒脸表示负面的舆论领袖；以“三角形”turtle表示主要观点主体，其中，暗红色为负面观点，白色为中立观点，墨绿色为正面观点；以不同颜色的patch表示环境信息主体，红色区域为负面谣言环境信息，绿色为正面官方信息。

图3 网络舆情演化仿真界面示意图

2.3 主体交互规则

2.3.1 环境信息对大众网民的影响规则 依据传播学中议程设置理论［21］，在大众网民对社会公共事务中一些重要问题的认识和判断与传播媒介的报道活动之间，存在着一种高度对应关系，即新闻媒介传播影响着公众瞩目的焦点和对社会环境的认知。因此，环境信息对大众网民具有影响作用，初始态度倾向为中立的网民若第一时间受到负面谣言信息的影响，就容易产生负面情绪，发表负面言论；若第一时间接收到官方正面信息，就容易受正能量影响，发表正面言论。不同环境信息对大众网民的影响规则：

环境信息影响范围Ren（t）决定了仿真过程中相关patch的大小，Ren（t）值越大，相应patch的范围越大，可影响随机移动到该patch的大众网民人数越多，且Ren（t）随时间演化具有衰减性，具体计算公式为Ren（ti）=σ·Ren（t1）/（ti—t1），其中，ti＞t1且σ为可调参数，表现为仿真界面信息patch面积随时间演化而逐渐减小。

当信息影响等级为Ⅱ级时，

（1）若Tai（t）∈（0.33，0.67］，Ten（t）∈［0，0.5］，则Tai（t+1）=Tai（t）—0.33。

（2）若Tai（t）∈（0.33，0.67］，Ten（t）∈（0.5，1］，则Tai（t+1）=Tai（t）+0.33。

当信息影响等级为Ⅰ级时，

（1）若Tai（t）∈（0，0.67］，Ten（t）∈（0.5，1］，则Tai（t+1）∈（0.67，1］。

（2）若Tai（t）∈（0.33，1］，Ten（t）∈［0，0.5］，则Tai（t+1）∈［0，0.33］。

2.3.2 舆论领袖对大众网民的引导规则 提出舆论领袖的“二级传播理论”是指信息传播从大众传媒到舆论领袖，再从舆论领袖到全体受众的过程［18］。在该过程中，舆论领袖发表看法或评论实际也是为关注他的大众网民设置议程的过程。因此，舆论领袖对大众网民具有引导作用，但主要体现在态度倾向中立、从众性高的大众网民，是否能影响态度倾向极端的大众网民由其可信度决定，且舆论领袖影响的大众网民数与其权威性有关，权威性越高，可影响的大众网民数越多。舆论领袖分为正面和负面舆论领袖两种，对大众网民的引导规则如下：

当网民大众从众性Bai（t）∈（0.8，1］时，

（1）若Tai（t）∈（0.33，0.67］，Toli（t）∈［0，0.5］，则Tai（t+1）=Tai（t）—0.33。

（2）若Tai（t）∈（0.33，0.67］，Toli（t）∈（0.5，1］，则Tai（t+1）=Tai（t）+0.33。

当舆论领袖权威性Coli（t）∈［0.5，1］时，

（1）若Tai（t）∈［0，0.33］，Toli（t）∈（0.5，1］，则Tai（t+1）=Tai（t）+0.33。

（2）若Tai（t）∈（0.67，1］，Toli（t）∈［0，0.5］，则Tai（t+1）=Tai（t）—0.33。

设Tai（t）∈（0.33，0.67］且Bai（t）∈（0.2，1］的大众网民有n位，则舆论领袖可影响的大众网民数为α×10Aoli（t）位（α·Aoli（t）＜n），其中α为舆论领袖对大众网民的引导因子，为可变参数。

2.3.3 大众网民对主要观点的发布规则 大众网民受心理内驱动力作用和环境信息外驱动力作用，在某热点事件爆发时会发布不同观点，所发布观点的态度倾向由大众网民心理态度倾向决定，而发布观点的数量则由大众网民的活跃度决定。大众网民发布主要观点的规则如下：

（1）若Tai（t）∈［0，0.33］，则发布的主要观点属性Tkj（t）∈［0，0.33］。

（2）若Tai（t）∈（0.33，0.67］，则发布的主要观点属性Tkj（t）∈（0.33，0.67］。

（3）若Tai（t）∈（0.67，1］，则发布的主要观点属性Tkj（t）∈（0.67，1］。

网民大众ai所发布的观点数由该网民活跃度Aai（t）决定。

2.3.4 主要观点对环境信息的补充规则 “舆论场”是指包括若干相互刺激的因素，使许多人形成共同意见的时空环境［22］。在网络舆论大环境中网民所发布的主要观点汇集在一起形成网民舆论场，可对大环境进行补充，如影响力度大的正面观点数量达到一定程度时，会补充官方正面信息的影响范围并提升其影响力度；而影响力度大的负面观点数量达到一定程度时，会补充负面谣言信息的影响范围并提升其影响力度。主要观点对环境信息的补充规则：

（1）若Tkj（t）∈［0，0.33］，且Skj（t）∈［0，0.5）的主要观点有γ个，则补充形成一个“patch”单位的Ⅱ级负面谣言信息。

（2）若Tkj（t）∈［0，0.33］，且Skj（t）∈（0.5，1］的主要观点有γ个，则补充形成一个“patch”单位的Ⅰ级负面谣言信息。

（3）若Tkj（t）∈（0.67，1］，且Skj（t）∈［0，0.5）的主要观点有γ个，则补充形成一个“patch”单位的Ⅱ级正面官方信息。

（4）若Tkj（t）∈（0.67，1］，且Skj（t）∈（0.5，1］的主要观点有γ个，则补充形成一个“patch”单位的Ⅰ级正面官方信息。

以上规则中γ表示主要观点对信息汇集作用的集聚因子，为可调参数。

3 实例应用——“钱云会事件”仿真分析

3.1 实例简介

2010年12月25日，浙江乐清寨桥村村主任钱云会被工程车碾压致死，交警勘查判断为一起普通交通肇事案件。钱云会生前因土地纠纷问题曾多次带领村民上访，因此，有村民传言这是一起由当地政府精心策划的故意杀人事件，于是引起网民的广泛关注和讨论。

依据方正智思舆情信息监测平台，从凤凰论坛、天涯社区、人民网强国论坛、新浪以及网易等收集关于“钱云会事件”的有效网民讨论帖1 645条，共涉及话题参与者（即网民）318人。整个事件的发展受到谣言信息、官方信息与正负面舆论领袖的多重作用，共存在2个舆论热潮，分别集中在2010-12-31和2011-01-02，如图4所示。

图4 “钱云会事件”网络舆情演化曲线

3.2 仿真实现

对搜集到的“钱云会事件”相关网络讨论内容进行分析，2010-12-25～12-29事件初始发生的4天内仅有29条讨论帖，其中有5条客观期待事件调查结果，其余均已表达负面情绪，受到“钱云会是蓄意被谋杀”谣言的影响，其余未发言网民均可视为中立态度，据此设定仿真的初始数据，即相信政府会全力调查出真相的大众网民有5人，态度倾向为正面；尚未发表意见的大众网民有289人，态度倾向为中立，成为初始网络空间中“沉默的大多数”；受谣言影响，相信该案件为故意杀人的有24人，态度倾向为负面。以上为该实例演化的初始值设置，随后事件演化受到谣言和官方信息的影响，接着舆论领袖出现，最后事件水落石出，舆论平息，共划分为5个阶段，如图5所示。

下面分别对各个阶段进行仿真实现设置。

第1阶段随着谣言信息的进一步传播，其影响范围不断扩大，出现在多个主要的门户网站论坛，导致负面蝴蝶效应，且谣言内容“图文并茂，言之凿凿”，使得事态进一步扩大，因此，在对本实例进行仿真时设定负面谣言信息影响范围较大，依据谣言信息在该阶段舆情超网络中所形成超边的超边间最短距离计算，设负面谣言信息的影响范围Ren（t）=12，Ren（t）∈［0，15］，影响等级设为Ⅱ级。

第2阶段官方应高涨社情民意召开新闻发布会，但在新闻发布中未能对网民提出的各大车祸疑点做出详细解释，缺乏与网友沟通技巧，导致干预失败，事件演化至第1个舆情高峰，依据舆情超网络中该阶段官方正面信息的超边间最短距离计算，设正面官方信息影响范围Ren（t）=4，Ren（t）∈［0，15］，影响等级设为Ⅱ级，且在负面谣言信息之后出现。

图5 “钱云会事件”仿真实现示意图

第3、4阶段基于构建的舆论超网络模型，并应用可识别舆论领袖的超网络测度指标，识别出“钱云会事件”中共有5位主要的舆论领袖，其中4位为负面舆论领袖，仅有1位为正面舆论领袖，通过对各个舆论领袖在超网络中超边重叠度和节点超度指标的度量，判断其权威性和引导因子α。通过分析，判定4位负面舆论领袖的权威性平均为Aoli（t）=0.7且α=16，可信度为Ⅱ级，仅影响从众性较高的网民；1位正面舆论领袖的权威性为Aoli（t）=0.8且α=5，对整个案件过程进行了专业分析，可信度为Ⅰ级。

第5阶段官方搜集到可有力证明“钱云会事件”为普通交通肇事案的新证据，并逮捕肇事司机，事件得以平息。该阶段对舆论演化起主要作用的是官方公布的正面信息，该信息由权威部门公布、证据确凿，并详细解答了此前网民所提出的的诸多疑问，设影响范围Ren（t）=14，影响等级为Ⅰ级。

第1～5阶段“钱云会事件”整个演化过程中网民发表内容长短不同、运用敏感关键词频次不同，通过对该事件中参与讨论大众网民在舆情超网络中节点超度的计算，判定一般网民大众发表主要观点的平均活跃度Aai（t）=5，并设主要观点对环境信息的集聚因子γ=10。

基于以上仿真实现中各参数设置，对仿真模型进行验证：在“钱云会事件”舆情演化过程中主要充斥着负面谣言危机信息，将其关键演化阶段曲线与仿真模型中负面信息大众网民传播者数量随时间的演化进行对比，如图6所示，发现在舆情演化传播过程的增长或衰减趋势上，仿真数据与真实统计数据基本吻合，说明该仿真模型可信度较高。

3.3 结果分析

根据仿真实现对事件发生初始和演化过程中关键点的具体分析，可对已建立的基于超网络的舆情演化仿真模型进行实例验证。①分析在网络舆情干预中政府抢占先机的重要作用；②分析不同作用舆论领袖对网络舆情引导的重要作用；③分析网民所发布主要观点形成舆论场的控制作用。

图6 仿真数据与真实数据比较

3.3.1 政府抢占舆论先机的重要作用 第1阶段仿真：设定“钱云会事件”初始时的各种态度倾向人数（正面5人，中立289人，负面12人）和谣言影响范围（Ren（t）=12），运行步长ticks=20。

（1）网络结构演化。舆情超网络模型示意图中环境子网中出现负面谣言信息，大众网民在谣言信息外作用力和负面心理内作用力下发布众多负面消极观点，如图7（a）所示。

（2）仿真界面更新。社交子网中的中立态度倾向的大众网民（黄色“人型”turtle）和负面态度倾向大众网民（粉色“人型”turtle）受环境子网中谣言信息（红色patch区域）外驱动力影响，发布了众多负面消极观点（红色“三角形”turtle），如图7（b）所示。

（3）网民行为选择。负面态度倾向网民大众人数达到127位，增长快速，中立态度倾向网民大众人数逐渐减少，如图7（c）所示。

图7 “钱云会事件”第1阶段仿真

第2阶段仿真：舆情引起关注，官方召开新闻发布会，即正面信息影响出现，且影响范围Ren（t）=4，继续运行。

（1）网络结构演化。舆情超网络示意图中环境子网中增加了官方正面信息，少部分中立态度倾向大众网民受官方信息影响，发布正面观点，如图8（a）所示。

（2）仿真界面更新。官方正面信息（绿色patch区域）出现，同时，由于信息影响范围衰减性，负面谣言影响范围逐渐缩小（即红色patch区域面积减小）。虽然正面态度倾向大众网民（绿色“人型”turtle）和正面观点（绿色“三角形”turtle）有所增加，但负面态度倾向人物增加更为迅速（粉色“人型”turtle），如图8（b）所示。

（3）网民行为选择。虽正面态度倾向网民大众由8人增加到17人，但负面态度倾向网民大众人数激增至196人，如图8（c）所示，因此，负面舆论热潮已无法仅通过召开新闻发布会的简单形式进行扭转。

图8 “钱云会事件”第2阶段仿真

通过对第1、2阶段的仿真，证明政府在应对网络舆情时抢占舆论先机的重要性。先入为主和先声夺人是舆情传播的重要规律，只有政府及时抢占舆论先机，占领发声高地，才能有效发挥正面舆论声势强者愈强、负面舆论声音弱者愈弱的“马太效应”，从而也可避免发生负面舆情的“蝴蝶效应”。

3.3.2 舆论领袖对大众网民的引导作用 第3阶段仿真：第一舆论高峰时，政府未能扭转负面舆论热潮方向，组织公民独立调查团进行“民间调查”并公布调查结果，出现正面舆论领袖。

（1）网络结构演化。舆情超网络中出现影响等级为Ⅰ级的正面舆论领袖，亦可引导从众性中等的网民，在观点子网中发表部分正面观点，如图9（a）所示。

（2）仿真界面更新。负面谣言信息（红色patch区域）和正面官方信息（绿色patch区域）影响范围进一步减小，并且受正面舆论领袖影响（绿色“笑脸”turtle），正面态度倾向人数（绿色“人型”turtle）和正面观点（绿色“三角形”turtle）数量有所增加，如图9（b）所示。

（3）网民行为选择。受正面舆论领袖引导作用，正面态度倾向人数逐渐增加，而负面态度倾向人数逐渐减少，使得负面舆论热潮有所下降，如图9（c）所示。

第4阶段仿真：随后有多位负面舆论领袖曝出公民独立调查组组长收取百万封口费的谣言。

（1）网络结构演化。在社交子网中出现多位影响等级为Ⅱ级负面舆论领袖，心理子网中负面心理占据主流地位，观点子网中负面态度倾向观点增加，如图10（a）所示。

（2）仿真界面更新。在该阶段仿真界面示意图中，多位负面舆论领袖（红色“怒脸”turtle）的共同引导作用，促使更多大众网民发表负面观点（红色“三角形”turtle），如图10（b）所示。

图9 “钱云会事件”第3阶段仿真

图10 “钱云会事件”第4阶段仿真

（3）网民行为选择。虽负面舆论领袖影响等级为Ⅱ级，但影响权威性和影响人数参数α共同决定了其可影响的人数较多，负面舆论热潮再次迭起，到达第二舆论高峰，如图10（c）所示。

通过对第3、4阶段的仿真，充分证明了舆情演化过程中舆论领袖所起的重要引导作用。在负面舆论领袖（大多为网络推手）引导作用下，部分网民充满非理性色彩的谩骂、攻讦也更容易引起其他网民共鸣，从而产生“沉默的螺旋”效应。政府在处理公共舆论事件时应注意与正面舆论领袖的沟通，充分发挥其在引导网络舆情向健康方向发展的作用。

第5阶段仿真：随后官方公布新证据，并逮捕肇事司机，事件得以平息。

（1）网络结构演化。该阶段之前，环境信息的影响范围随时间衰减，环境子网中出现新的影响力度为Ⅰ级且影响范围大的正面环境信息，促使从众性高的负面态度倾向网民逐渐转变态度，最终发布正面观点，如图11（a）所示。

（2）仿真界面更新。在影响范围大、影响力度大的正面信息（绿色patch区域）影响下，大众网民由负面态度倾向转为中立，进而转为正面，并最终发布的正面观点（绿色“三角形”turtle）成为主流观点，负面舆论得以平息，如图11（b）所示。

（3）网民行为选择。持负面态度倾向的大众网民数量下降，而持正面态度倾向的大众网民数量增加，负面舆情得到平息，如图11（c）所示。

图11 “钱云会事件”第5阶段仿真

3.3.3 网民观点形成舆论场的控制作用 在“钱云会事件”的演化过程中，任何时刻网民所发表的观点都会形成一定的舆论场，作为对环境信息的补充，对舆情演化具有控制作用。下面分别对有舆论场影响和不考虑舆论场影响时，第1～4阶段不同态度倾向网民人数变化进行仿真。

（1）网民行为选择。图12（a）为有舆论场影响的大众网民人数变化，即网民可以随时“回顾浏览”以前的网民讨论内容，并可能受其影响，而图12（b）为无舆论场影响的大众网民人数变化，即通过技术手段对其中言辞激烈的负面敏感观点产生的影响进行弱化。无负面舆论场控制作用时，负面态度倾向网民相对减少，而正面态度倾向网民有所增加。

（2）主要观点舆论场。图12（c）对应有舆论场控制影响时的正、负面主要观点数，图12（d）对应无负面舆论场控制影响时的正、负面主要观点数，两者对比亦可发现，负面观点减少，而正面观点相对增加。

（3）仿真界面对比。对比12（e）、（f）发现，图12（e）中负面观点汇集作用使得灰色pacth区域部分变为红色，成为谣言信息影响范围的扩大补充，进而促使产生更多负面观点。

图12 主要观点舆论场的控制作用

综上，说明网民所发布观点汇集形成的舆论场具有重要控制作用。在网络舆情演化过程中，实际存在两种舆论场，环境信息（谣言或官方）形成的自上而下的舆论场，以及大众网民所发布的主要观点汇集而成的自下而上的舆论场，其中后者是对前者的重要补充，对舆论演化具有重要控制作用。

4 结语

本文将多主体系统建模方法应用于舆情超网络研究中，将舆情超网络中舆论主体（包括一般大众网民和舆论领袖两类主体）、环境信息、主要观点抽象为异质Agent，借助Net Logo仿真平台构建了“人-信息-观点”交互模型，并应用舆情超网络中节点超度、超边重叠度以及超边间距离等测度指标确定多主体交互模型中各主体部分属性值；通过对具体实例“钱云会事件”舆情演化过程分阶段的细化仿真，重点分析了舆情演化过程中抢占先机、领袖引导和舆论场控制的作用：第1、2阶段仿真结果证明了政府对舆情演化进行引导时抢占舆论先机的重要性；第3、4阶段仿真结果证明了舆论领袖对舆情演化具有重要引导作用；全阶段演化过程也证明了在舆情演化过程中网民所发布主要观点形成舆论场具有控制作用。

本文在构建舆情超网络多主体交互模型的基础上，主要研究的是基于具体实例的事实推演，从而验证了模型的合理性和有效性。进一步的工作是对舆情演化过程进行更全面和深入思考，在不断完善模型的基础上进行舆情演化的情景推演研究，以期为政府处理网络舆情危机事件提供决策依据。