孙佰清，景东，马万里

(哈尔滨工业大学a.经济与管理学院;b.媒体技术与艺术系，哈尔滨 150001)

网络舆论集群行为的动态仿真及可视化引导路径研究

孙佰清a，景东b，马万里a

(哈尔滨工业大学a.经济与管理学院;b.媒体技术与艺术系，哈尔滨 150001)

随着互联网的普及和网络舆论的广泛传播，网络舆论集群行为呈愈演愈烈之势。构建了网络舆论集群行为的动态仿真模型，并进行系统可视化仿真，以期为形成有效的网络舆论集群行为调控机制指明方向。该研究对于正确理解网络舆论集群行为的发生、演变规律和传导路径，为管理层进行合适的时机和防控策略选择提供直观和有价值的参考，对网络社会舆论的良性运行有着重要的现实意义。

网络舆论集群行为;可视化;引导路径

一、引言

当前我国正处于改革发展的攻坚期，经济体制、社会结构、思想观念的深刻变化，既给我国发展进步带来了巨大的活力，也引发了这样那样的社会矛盾和问题。这些问题处理不当，容易导致突发公共事件。网络论坛(BBS)、博客、聊天室等虚拟社区的出现和发展，给人们提供了前所未有的集聚空间和言论空间。近年来，无数网络事件所引发的关于网络规范性思考让我们不得不重新审视网络舆论集群行为。从2008年的“艳照门事件”到2009年的“邓玉娇案”，再到2010年的“我爸是李刚”，一系列网络集群事件让我们充分领略到互联网在带给我们自由、民主、开放、便捷的同时，也在不断挑战我们的道德和理性。在网络虚拟社区里，由网民围绕公共议题进行发帖、跟帖形成的舆论旋涡，让更多的人卷进舆论的风暴之中。网民在虚拟空间自发聚集而成的一种传播现象就是所谓的“网络舆论集群行为”［1～2］。下面，对网络舆论集群行为的动态仿真模型的研究现状进行综述。

1984年，著名的圣塔菲研究所(Santa Fe Institute)在美国新墨西哥州成立，它以复杂性研究为宗旨。自成立以来，其在经济金融理论的研究上有两个成就十分突出，一是《作为演化系统的经济》论文集，对经济系统的复杂性特征做了初步探讨;另一个是建立了具有深远影响的SFIASM，即圣塔菲人工股票市场模型。SFI－ASM于1997年一经面世，就引起了强烈反响，成为复杂金融系统研究领域确立的标志。此后，许多专家学者进入此领域，建立了大量在此框架下的模型研究金融系统的复杂性。1989年，凯姆(Kim)和马克维茨(Markowitz)建立了一个人工股市模型［3］，用来解释1987年10月19日美国股市大崩盘与保险组合策略之间的关系。这是第一个现代意义上的基于Agent的ASM模型，它虽然没有用来对金融市场的复杂性进行深入的研究，但是却在金融市场的宏观与微观联系的研究中，向人们展示了基于Agent建模的重要作用。

二十多年来，基于Agent的人工股票市场(ASM)模型通过借鉴复杂性科学理论的最新成果，对金融市场进行了许多方面的设计，这些设计涵盖市场的各个层次，如Agent的决策函数和交互作用规则以及市场的出清规则和交易机制等。通过市场设计，人工股票市场模型涌现出了整体的复杂性规律和特征。AIE－ASM也采用了智能学习模型的设计理念，它是由台湾国立政治大学人工智能与经济学研究中心(2001)［4］提出的，AIE－ASM最大的创新在于设计了新的A-gent学习机制，它采用社会学习机制代替了SFI－ASM模型中的个体学习机制。但是，该模型得出的收益序列是独立同分步的，没有显示出波动的丛集性和长期记忆性等特征。康特(Cont R)等人(2000)［5］在研究 MG 模型和 Grand－Canonical MG模型的基础上，进行了一系列仿真，Grand－Canonical MG模型形成的价格呈现波动无规则聚集的复杂特征，说明市场价格的实现机制可以通过实验形成。马克维茨(2004)［6］等人的模型成功地模拟出与Warsaw的股票市场相似的特征，他们发现，模型中的“Agent簇”的决策函数将以一定概率遗传。

近年来，中国国内学者开始在复杂性科学理论的基础上，应用基于Agent建模的方法建立起各种各样的人工股票市场(ASM)模型。但是整体来看，国内的人工股票市场模型尚处于起步阶段，影响力较大的成果也较少。周佩玲(2000)［7］、胡代平、刘晓峰等人(2001)［8～9］的人工股票市场模型通过描述股票市场内部的通信情况和信息流动特征，研究了子系统涌现出复杂性特征的机理，他们的实证表明，人工股票市场(ASM)的某些特征与真实股票市场是符合的。梁震中等人(2008)［10］将投资者的网络拓扑结构设计为小世界网络，对投资者的有限理性假设进行了定量描述，其决策函数将羊群效应进行量化处理，在此基础上应用基于Agent建模方法，构建出了人工股票市场模型，通过将投资者对于市场的关注水平引入模型中，模拟出了跟上证综指相似的复杂性特征。然而，根据复杂网络理论，现实世界的人际网络往往既具有小世界特性，又具有无标度特性，因此Agent之间的小世界网络设计也存在一定的问题。

从目前的文献来看，以SFI－ASM为代表的智能学习模型取得了突出的成就，但是却也引起了许多非议，原因是它采用的复杂的智能学习算法极大地增加了模型的复杂性，而对其结论的评估也因此难以进行，因而模仿传染模型远远没有达到成熟的阶段，其缺陷和不足也是比较明显的。比如对Agent自身的分析判断能力考虑较少，因而对其有限理性的设计是不完善的;另外，在模仿传染模型的构建过程中，以往的研究更多地采用较简单的网络拓扑结构和影响机制，这样的设计是不符合现实情况的。

本文的创新之处在于，构建了网络舆论集群行为的动态演化仿真模型和可视化引导模型;采用无标度网络和小世界模型模拟Agent之间联系机制，模型的网络拓扑结构设计更加符合实际情况;仿真结果表明，Agent在网络中的影响力大小与其度值大小密切相关，即度值大的节点其影响力也较大，说明选择合适时机引入舆论引导者的方法在相对较短的时间内改变或引导从众者的观点，将起到较好的舆情导向作用;对突发公共危机事件网络舆论集群行为的过度波动是由网民之间的相互影响引起的，网络舆论的分形和波动聚集性明显。该研究对于正确理解网络舆论集群行为的发生、演变规律和传导路径，为管理层进行合适的时机和防控策略选择提供直观和有价值的参考，对及时化解社会矛盾，保障网络社会舆论的良性运行有着重要的现实意义。

二、网络舆论集群行为的特征及阶段性

网络舆论集群行为的特征如下:一是参与主体的平民化和目的多样化。当前，我国网民的结构存在低龄化、低学历、收入偏低的特点，进入门槛低，参与主体的目的体现出多样性特征［11］。二是参与主体的有限理性。网络传播的匿名性和开放性特点使得个人在表明意见时不用过多地担心自己会陷入劣势意见，个人意见的表明更大胆和自由化，体现出有限理性特征。三是发生环境的网络化和扩散的迅速化。高度分散的参与者在不同时间和地理空间发生的类似行为汇合成网络舆论集群行为，迅猛的网络飓风会自然而然地刮遍每个角落，体现为发生环境网络化和迅速扩散的特征。四是事件源的偶发性与议题的公共性。网络舆论集群行为多因社会性焦点话题偶然引起，事件源的偶发性与议题的公共性是网络集群生成的重要前提。五是网络舆论集群过程复杂和可控度低。互联网本身的复杂多变性使得网络集群形成的每个环节可变因素非常多，多点化的行动信息交互使得网络舆论集群行为的形成过程更加复杂多变，可控度很低。虚拟空间的意见汇聚使得网络舆论集群行为的发展路径相对于传统集群行为变得异常复杂。网络舆论集群行为演化的发展路径呈现出如下四个阶段性特征:

第一阶段:网络舆论集群行为的引爆阶段。网络舆论集群行为作为群体意见的突出反映，有一个由萌动到爆发的过程。偶然发生的具有社会公共性危机事件通过网络空间或传统媒体的曝光，受到大众的关注。在虚拟网络社区里，某些出于善意或者别有用心的人的反复发布关于此类焦点事件同一相关内容的信息，吸引大批网民的注意。事件激发是舆论“引爆”的基本前提，那些具有产生轰动性网络集群效应潜质的消息源就成了网络舆论集群行为的引爆点。

第二阶段:网络舆论集群行为的初步发展阶段。出于对热点事件或问题的关注，网络空间中充斥各种网民言论。网络集群的各子群体是基于群体成员的相似认知而聚合起来的，各群体都会抱着己方是真理方的态度对对方的观点提出质疑。此阶段是网络舆论集群行为的初步发展阶段，网络集群还处于网民意见博弈的摇篮期，事件的网络关注度处于升温状态，还未表现出明显的群体极化现象。

第三阶段:网络舆论集群行为的深化阶段。经历了前面阶段的酝酿和发酵，网络集群在网民的情绪积累和思想的对抗中，各个群体之间实际上是一个观点和立场不断磨合的过程，尤其对于意见中立者而言，更是一个面临转变态度和倾向的抉择过程，群体极化程度逐渐加深。随着时间的推移，网络集群各方纷纷吸引具有相同意见的网民加入，不同意见群体此消彼长，有时还表现为“马太效应”，即强者更强，弱者更弱。通过类似“滚雪球效应”的作用，网络集群在规模上逐渐庞大起来。前三个阶段经历了由引爆到初步发展再到关注度不断加深的网络集群形成过程。由于网络超强的动员能力，一旦某个事件唤起网民的强烈情绪，网络舆论可能在极短时间内迅速膨胀，集群“引爆”时间与膨胀速率成正相关关系［12－13］。

第四阶段:网络舆论集群行为的变异或消解。在这个阶段，网络集群在经历高潮后可能会沿着两条不同的路径发展。一条路径是如果引爆网络舆论集群行为的焦点事件得不到妥善解决，而且网络集群的疏导对策或工作实施不到位时，则网络舆论集群行变一般会演变为现实集群行为，造成一定程度的社会秩序混乱，甚至演变为不同规模的暴力冲突事件。另一条路径是由于网络集群疏导实施到位，导致网络舆论集群行为在发展到鼎盛之后逐渐消解。表明政府决策部门可以通过开展网络集群疏导工作合理地转移和分散公众对焦点事件的注意力，使事件的关注度逐渐降低，从而有效地缓解甚而消解了网络舆论集群行为。

网络舆论集群行为的这四个发展阶段是信息流动和网民认知相互作用的结果。通过信息的传导和网民舆论的复杂网络交互作用，网络舆论集群行为形成上述前后紧密关联的四个阶段。

三、网络舆论集群行为动态演化仿真模型的构建

1998年和1999年，自然科学领域的两本顶尖刊物《自然(Nature)》和《科学(Science)》先后发表了物理学家瓦茨(D.J.Watts)和斯托加茨(S.H.Strogatz)以及巴哈波斯(A.L.Barabasi)和阿尔伯塔(R.Albert)的两篇论文［14］。这两篇论文在复杂网络的研究领域具有十分重要的作用，因为作者发现了实际网络重要的拓扑结构统计性质——小世界性和无标度性。BA无标度网络模型作为同时具有两种特性的复杂网络，其性质良好，常常被用于仿真现实世界的网络。下面先给出一些重要的定义。

(一)度、度分布

定义度为与某节点的相邻的边数，可以通过下式描述:

平均度可通过下式描述:

最大度可通过下式描述:

当考虑边权时，节点的点强度通过下式表示:

其中，wij为连边(i，j)的权值。

网络的平均点强度定义为:

如果用P(k)表示度分布，那么P(k)的大小就等于某个节点的度值恰好为k的概率。

(二)度的相关性

定义:

它表示某个度值为k的节点与另一个值为k’的节点相连接时的条件概率。其中，P(k'，k表示两个度值分别为k和k’的节点相连接的综合概率。

定义:

为“度为k的节点的邻点平均度”，更方便的定义是:

其中，Ni是一个由某个节点(此处为节点i)的所有邻点共同构成的集合;

Mk是所有度值等于k的节点共同构成的集合。

对于knn(k)－k曲线的斜率，当其值大于0时，度正相关，意味着当某节点的度较大时，会以较大概率与同类中度较大的点相连，反之可推;当其值小于0时，度负相关，意味着当某节点的度较大时，会以较大概率与异类中度较小的点相连，反之可推;当其值为0时，度不相关，意味着度的连接具有完全随机特性，其对邻点度的连接概率是完全随机的。

如果考虑边权，定义:

为“度为k的节点的含权邻点平均度”。

(三)BA无标度网络模型

有证据显示因特网的度分布都近似的遵循“幂律”［20］。BA无标度网络模型的形成应该具备两个条件，一是增长，即在网络中，节点数目是一直增加的，这也意味着BA网络是开放的;二是优选，即当新节点加入时，其形成新的连接边的概率应与旧节点的度值大小有关，这被称为“强者愈强”法则。这两个条件无疑是符合实际的。任何实际复杂系统一定不是理想孤立，而已经掌握大量财富的人一定比穷小子更容易赚钱。在这两条原则基础上提出的模型表述为:

①t=0时，网络具有m0个节点(m0的值相对较小)，每经过一个单位时间，新节点将增加一个，并通过一定的概率与m个旧节点相连。

②新节点与旧节点i的连接概率同其度值呈正相关，可以表示为:

其中，ki表示节点i的度，N表示网络中所有的节点数量。

③通过这样的螺旋演化过程，系统达到最终的平稳均衡态。

从20世纪90年代以来，基于Agent建模的系统仿真技术被广泛的应用于自然科学和社会科学的分析和研究中。这种建模技术采用自下而上的研究方法，通过异质性微观个体的构建，实现微观个体的自我演化和相互作用，涌现出宏观层次的效应，更加注重系统内各组成元素的相互作用与相互关联。通过计算机技术构建的这个模拟经济系统，会在Agent的不停相互作用下表现出不同于单个Agent的涌现行为(emergent bechavior)，进而能够对现实系统进行更加逼真的模拟。

网络舆论集群行为动态演化仿真模型的构建如下:

第一，观察真实的网络舆论集群行为动态演化系统，通过归纳抽象出一系列基本假设;

第二，根据这些基本假设建立Agent模型，设计出Agent之间的相互作用规则;

第三，通过计算机进行模拟试验，通过仿真结果观察网络舆论集群行为演化系统整体的动态涌现行为;

第四，根据仿真结果，总结出结论并对现实的网络舆论集群行为演化进行解释;修改Agent的参数和作用规则，观察这些变量对网络舆论集群行为演化仿真结果的影响。

四、网络舆论集群行为可视化引导模型的构建

网络舆论集群行为的可视化引导路径包括以下五个步骤:突发公共事件网络舆论集群演化过程中数据抓取与分析;网络舆论集群情感可视化仿真建模;网络舆论集群行为演化规律建模和情感可视化仿真;网络舆论引导的数字仿真建模;实证分析和引导对策。各部分结构关系见图1所示。

一是网络舆论集群行为演化过程中数据抓取与影响因素分析。选择国内著名的门户网站、论坛、社交网络作为舆论语料的抓取平台，构建面向主题的网页爬行器，在各大网站上采集和跟踪采集突发事件的演化过程数据，对数据进行分析抽取，归纳突发公共事件的属性及其网络舆论扩散的影响因素。

二是网络舆论集群情感可视化仿真建模。基于抓取得到的网络舆论数据，构建基于How-Net的情感词词典，结合文本分类理论对海量文本情感进行模式筛选、情感代表词选择，以及情感倾向性分类研究，实现用户舆论情感分级，如支持、中立和贬低。开发用户情感直观可视化化系统，对用户情感倾向进行量化，结合图形化表示算法，实现用户情感、态度的可视化仿真。

三是网络舆论集群行为演化规律建模和情感可视化仿真。基于无标度网络和小世界网络建立多智能体复杂网络舆论传播模型，引入多智能体系统、神经网络、遗传算法、机器学习等多种数字仿真技术建立网络舆论引导仿真模型。利用神经网络和遗传算法创建虚拟智能体，模拟网民的复杂行为。智能体能够自主学习，通过调整个体的状态参数，适应不同的网络舆论环境，增强自身的网络舆论传播力。针对网络中强节点即“意见领袖”，实施同化或异化引导策略，在复杂网络传播系统中充当着引导者的角色。跟踪智能体的历史传播路径，改进智能体的可视化仿真算法和参数设置。

四是实证分析和引导对策。将上述突发公共事件网络舆论集群行为演化仿真模型应用于东北网、天涯、新浪等门户网论坛，检验现实网络舆论的演化过程及引导效果，实现引导过程的可视化，进而获得突发公共事件网络舆论扩散的一般规律，最终达到有效地引导舆论的目的。

五、网络舆论集群行为演化可视化引导路径模型的仿真结果

利用多主体建模仿真平台SWARM，采用上面构建的网络舆论集群行为演化可视化引导路径模型进行系统仿真，仿真参数主要包括:网民个数、个体Agent属性、网民中活跃型及职业型的比例、重连概率、目标信息的初始值及分布比例等。仿真运行主要包括:控制仿真运行过程中的可视化显示的要素和布局、设置与目标信息相关的危机事件的演化模式及现实社会环境。

通过反复实验，得出以下仿真结果:

一是不同国家网民对某一突发公共危机事件的反应存在差异，受到自身心理和周围环境的影响而显示出有限理性和异质性。尽管不同网民群体间的初始观点分布的随机性较大，在引入群体间交互规则之后，舆论演化速度明显加快，而且最终不同群体的演化方向都会保持一致。

二是通过引入复杂网络的研究成果，采用无标度网络和小世界模型模拟Agent之间联系机制，模型的网络拓扑结构设计更加符合实际情况。网络舆论集群行为的演化规律得到较好的刻画，更加符合现实世界的人际关系，具有较强的普适性。

三是对基于Agent的网民决策函数进行了改进。通过引入模型网络拓扑结构中度的概念，模型的决策函数对Agent的相互影响系数进行了设计，即把影响系数的大小与不同Agent所在节点的度值的大小联系起来，通过数据处理将其量化到影响系数中。模型的仿真实验说明，A-gent在网络中的影响力大小与其度值大小密切相关，即度值大的节点其影响力也较大。这一结论说明:作为“枢纽”的活跃型网民以及职业型网民容易形成影响力较大的“意见领袖”，会加快网络信息的传播速度。如果择时嵌入舆论引导者，可以显著提高相同的时间内从众者聚集数数量和观点同化的效率，表明“羊群”集聚效应和舆论领袖的作用在网络舆情传播和扩散演化过程中的作用凸显。因此，选择合适时机引入舆论引导者的方法在相对较短的时间内改变或引导从众者的观点，将起到较好的舆情导向作用。

四是对突发公共危机事件网络舆论集群行为的过度波动是由网民之间的相互影响引起的，网民的影响力应该与其实力(模型中表现为节点度的大小)呈正比，否则将引起舆论乱象;网络舆论的分形和波动聚集性明显，其原因在于作为复杂网络系统本身具有的非线性特性。

六、结语

网络舆论集群行为有别于传统意义上的集群行为概念。本文首先界定了网络舆论集群行为的内涵，归纳了网络舆论集群行为的特征，总结了网络舆论集群行为演化的发展路径呈现出的四个紧密关联的阶段性特征:引爆阶段、初步发展阶段、深化阶段、变异或消解阶段。在此基础上，构建了网络舆论集群行为演化可视化引导路径模型，包含五个步骤:突发公共事件网络舆论集群演化过程中数据抓取与分析;网络舆论集群情感可视化仿真建模;网络舆论集群行为演化规律建模和情感可视化仿真;网络舆论引导的数字仿真建模;实证分析和引导对策。利用多主体建模仿真平台SWARM，采用上面构建的网络舆论集群行为演化可视化引导路径模型进行系统仿真，结果表明，不同国家网民对某一突发公共危机事件的反应存在差异;采用无标度网络和小世界模型模拟Agent之间联系机制，模型的网络拓扑结构设计更加符合实际情况，使得网络舆论集群行为的演化规律得到较好的刻画，更加符合现实世界的人际关系，具有较强的普适性;仿真结果表明Agent在网络中的影响力大小与其度值大小密切相关，即度值大的节点其影响力也较大，说明选择合适时机引入舆论引导者的方法在相对较短的时间内改变或引导从众者的观点，将起到较好的舆情导向作用;对突发公共危机事件网络舆论集群行为的过度波动是由网民之间的相互影响引起的，网民的影响力应该与其实力(模型中表现为节点度的大小)呈正比，否则将引起舆论乱象;网络舆论的分形和波动聚集性明显，其原因在于作为复杂网络系统本身具有的非线性特性。

本文的研究对于正确理解网络舆论集群行为的发生、演变规律和传导路径，对于政府决策部门选择合适的时机和防控策略进行网络舆论集群行为的干预和可视化引导策略提供了参考依据，对于逐步形成有效的网络舆论集群行为调控机制和保障网络社会舆论的良性运行具有重要的理论和应用价值。

［1］LUX T，MARCHES M.Scaling and Criticality in a Stochastic Multi－ agent Model of a Financial Market［J］.Nature，1999，397(11):498－500.

［2］DOYLE J R，CATHERINE，CHEN H.The Wandering Weekday Effect in Major Stock Markets［J］.Journal of Banking＆ Finance，2009，33(8):1388－1399.

［3］KIM G，MARKOWITZ H M.Investment Rules，Margin and Market Volatility［J］.Journal of Portfolio Management，1989，16:45 －52.

［4］CHEN S H，YEH C H.Evolving Traders and the Business School with Genetic Programming:A New Architecture of the Ggent－ based Artificial Stock Market［J］.Journal of Economic Dynamics＆ Control，2001，25:363－393.

［5］CONT R，BOUCHAUO J P.Hear Behavior and Aggregate Fluctuation in Financial Marpets［J］.Macroeconomics Dynamics，2000，4:170 －196.

［6］MAKOWIEC D，GNACINSKI P，MIKLASZEWSKI W.Amplified Imitation in Percolation Model of Stock Market［J］.Physica A，2004，49:269 －278.

［7］周佩玲，夏鼓，李立文.个体行为对复杂系统的策动研究——虚拟股市场建模与仿真［C］//首届全国管理复杂性研讨会文集，2000:133－138.

［8］胡代平，刘豹.多Agent股票预测支持系统的设计［J］.系统工程，2001，19(2):54－57.

［9］刘晓峰，刘晓光，田存志.涨、跌停板制度安排对于股市稳定性影响的研究［J］.国际金融研究，2001，9:16－22.

［10］梁震中.基于Agent建模的金融市场复杂性研究［D］.长沙:中南大学学位论文，2008:5－31.

［11］沈晖.网络集群行为与社会工作介入策略［J］.中国地质大学学报:社会科学版，2009，9(5):94－99.

［12］李彪.网络舆情的传播机制研究——以央视新台址大火为例［J］.国际新闻界，2009，(5):93－97.

［13］刘艳飞.互联网新时代下网络舆情现状及引导对策——以福建为例［J］.世纪桥，2010，(5):153－156.

［14］BARABASI A L，ALBERT R.Emergence of Scaling in Random Networks［J］.Science，1999，286:509 －512.

［责任编辑 王 春］

Dynamic Simulation and Guide to Visualization of the Clustering Behavior on Network Public Opinion

SUN Bai-qinga，JING Dongb，MA Wan-lia

(a.School of Economy and Management;b.Department of Media Technology and Art，Harbin Institute of Technology ，Harbin 150001，China)

With the popularity of the Internet and the widespread of network public opinion，clustering behavior of network public opinion is getting intensified.Network behavior is different from the media cluster on the organizational behavior of social groups in the traditional sense，and it is the copy，extension and innovation of the latter on the Internet.As a special phenomenon of public opinion，the clustering behavior of the network opinion has its own unique characteristics and mechanisms of its generation and growth.This paper deeply analyses the characteristics and development path of clustering behavior of the network public opinion，and builds a propagation and evolution model and makes a visualization simulation system，with a view to forming an effective control mechanism for network public clustering behavior.The research has an important practical significance on a correct understanding of the occurrence，evolution and conduction path of network clustering behavior.It will provide intuitive and valuable reference for the manager to choose the right time and make control strategies.And it is meaningful to the sound operation of the network social opinion.

clustering behavior of network public opinion;visualization;guide

E911;TP391.9

A

1009-1971(2011)05－0020－07

2011－09－06

教育部人文社会科学研究青年基金项目“基于语义情感分析模型的网络民意直观化研究”(10YJC860040);黑龙江省哲学社会科学规划项目“基于语义情感挖掘的突发公共事件网络舆论扩散规律及引导对策研究”

孙佰清(1971－)，男，黑龙江哈尔滨人，副教授，从事网络舆情、智能决策、复杂系统研究;景东(1984－)，男，江苏东台人，助理工程师，从事数字媒体艺术与数字广告研究;马万里(1990－)，男，四川南充人，金融学硕士，从事金融数学、危机管理研究。