基于行为意愿与反转信息可靠性的 舆论反转演变研究 ^*

汪明艳 余丽彬 胡 华

(上海工程技术大学 上海 201620)

摘要 [目的 /意义 ]舆论反转是舆论衍变的特殊过程。通过分析舆论发生反转的演变条件，有助于提高舆论治理效果。[方法 /过程 ]借鉴Weisbuch-Deffuant模型，引入群体极化的网民行为意愿因素和反转信息可靠程度两个变量，构建Weisbuch-Deffuant-Reversal舆论反转模型。对实验模型中的关键变量对舆论反转的演变过程影响进行分析。[结果 /结论 ]研究发现，在WD-R模型中，μ =0.5时，网民反转观点演化速度更快，系统趋于稳定的速度也更快。网民行为意愿会对网络舆论反转观点聚合产生影响。随着意愿值的逐渐增大，反转舆论形成统一观点所用时间逐渐减小。行为意愿服从均值为0.5的正态分布要比服从随机均匀分布的反转观点演化速度更迅速。反转信息的可靠程度有助于反转观点的收敛。当反转信息的可靠程度越大时，网民产生的反转舆论观点越趋向于客观观点。

关键词 舆论反转 Weisbuch-Deffuant-Reversal模型 行为意愿 反转信息

0引 言

舆论反转是舆论演变过程中在反转信息(冲突信息)介入之后，不同群体会倾向于其观点在相反方向上的极端化^[1]，而网络群体极化则又强化了网络舆论发生反转的速度和频率^[2]。学者们利用舆论动力学模型与仿真模型研究网络舆论的形成、演化的机理及其规律。按照观点表达方法的不同，舆论演变模型通常被分为两类：一类是离散观点模型，即个体的观点在几个有限的定值里取值，一般为特定二值选择模型。另一类是连续观点模型，即个体观点在一个特定的连续区间内取值，其中最具代表性的是Weisbuch-Deffuant(WD)模型^[3]和Hegselmann-Krause(HK)模型^[4]。WD模型与HK模型不同，WD模型指个体不是盲目的参考邻居的观点而改变自身态度，而是个体与他人之间的交互行为受到信任阈值ε 影响限制。WD模型在模拟基于观点或信念为特征的交互主体在封闭系统的演化方面是有用的，会形成具有相似观点或信念的代理簇^[5]。Del Vicario等^[6]研究了在线社交辩论及相关的极化动态过程，基于有界置信模型的更新规则，提出了两个模型：一个是有界置信连接模型(Rewire with Bounded Confidence Model)，表示不一致的连接会被打破直至收敛；另一个是无界置信模型(Unbounded Confidence Model)，表示即使在负反馈的情况下(无论是在无界连接或是在有界连接中)也允许不一致的观点之间的交互。从大量的仿真实验中发现，与有界置信模型不同，新模型(无界置信模型和无界置信连接模型)能够解释两种最终观点的共存。

第一，针对企业改革，开展形势任务教育。通过各种会议、企业内部网站、橱窗、微信平台、QQ群、座谈交流、单独访谈等方式积极开展宣传动员工作，努力把企业发展和具体的实施细则给员工讲清讲透，努力让每一名员工都弄清楚弄明白，无一人掉队。引导大家增强大局意识、责任意识，与企业同舟共济、共克时艰，使广大员工理解改革、支持改革、参与改革。

Chen G, et al.^[7]通过引入两个参数来研究观点演变的Deffuant模型：排斥机制和循环观点。在具有排斥机制和循环观点的Deffuant模型中，观点动力取决于有界置信度和收敛率。排斥机制和循环观点之间的相互作用可能会产生依赖于时间的观点动态。在社会学、行为学及经济学中，预测哪些个体的观点会在群体中具有支配作用、是否形成共识及形成共识需要多长时间至关重要。这些研究强烈依赖于观点演变模型和网络结构。考虑人群交互的异质性伴随着产生的社会影响，Meng X F, et al.^[8]基于社交网络平台进一步研究了Deffuant模型，通过对Deffuant模型进行数值模拟和回归分析来研究在各种模型参数上达到稳定状态的时间依赖性，包括对意见更新的信任约束，参与群体的数量以及他们的妥协意愿。结果表明网络结构和参数值都对收敛时间和稳态意见群的数量有重要影响，对于某些网络结构，收敛时间和模型参数之间的关系在信任阈值的临界值处发生了转变。

国内学者^[9]基于复杂网络和SIR模型构建了网络群体性事件的演化模型，分析了网络群体性事件的演化特点，对常规爆发舆情事件传播、突发大规模事件传播和一般的小范围传播三种模式进行了演变仿真分析。赵剑华、万克文^[10]基于SIR传播模型，采用粒子群算法，对新型社交网络舆情传播动力学模型进行试验数据验证。结果表明用户的追根溯源心理、持续关注心理和漠不关心心理等心理特征对舆情传播特征有重要影响。胡珑瑛^[11]基于Weisbuch-Deffuant模型和SIR模型分析了网络舆情动态演进模型，通过设置网络主体(政府、媒体和网民)属性和关系强度，考察了主体之间网络关系的变化对网络舆情演进趋势的影响。陈培友等^[12]对移动社交网络平台的舆情主体进行了分析，建立的系统动力学模型的模拟仿真结果表明，社会事件的危害程度会受到事件敏感度、移动社交平台传播次数、网民情绪强度和网民信息综合量的影响，这些因素会影响移动社交网络平台的舆情演变。陈福集、翁丽娟^[13]通过构建移动环境下高校网络舆情演化动力学模型，对模型进行仿真分析的结果表明，事件的影响力与危害程度、社交网络影响力和信息公开度对移动环境下的高校网络舆情演化产生重要影响。也有学者^[14]提出了基于QSIM-ABS的舆论演化模型，研究了民众对舆论事件接收到的信息和民众被煽动的水平(情绪)两大因素对舆论演化的作用。张丽、朱侯^[15]研究了信息和组织氛围两个因素在网络舆论反转中的作用机理及其仿真模拟，结果表明信息在舆论反转中具有重要作用，信息敏感度和组织归属感能够对网络舆论演化的倾向性产生影响。

现有的舆论动力学模型较少考虑到舆论反转演化的特殊情形，本文基于传统WD模型，根据舆论反转演变的特性，引入网民行为意愿影响因素和反转信息的可靠程度两个变量，建立Weisbuch-Deffuant-Reversal模型(简写为WD-R模型)，分析舆论反转的演变过程。

油田物资供应处标准化的第三步是推进油田全物料标准化招标采购工作。本着“决战步”更稳健、效益更长远的目标，物资供应处计划用3年左右的时间完成油田1024个小类或品种的标准化采购工作，总金额达134亿元，使油田真正实现了全物料、全覆盖标准化采购工作。

1基于行为意愿与反转信息可靠性的 WD-R的演变模型构建

1.1网络舆论反转的演变过程分析 网络舆论反转是针对特定的社会事件，以网络为主要传播平台，网民在接收到“特定信息”后结合个人经验和心理倾向做出的与之前相反的又一个“确定性”的结论。群体极化的过程聚集是网络舆论反转的隐性动力。网络舆论反转事件与普通的网络舆论事件的最大不同在于，在网络舆论反转的过程中，由于反转信息的刺激，反转后网民群体极化的观点与其初始论断相反，如图1所示。

实例中每块太阳能电池板额定输出电压为50V，串联后每组额定输出电压为300 V.如图6（a）（b）为采用该霍尔传感器结果，（c）（d）为未使用结果图.二者比对分析充分体现该检测系统采用霍尔传感器对电压、电流的测量精度高、波动范围小.同时经由CAN总线将数据结果几乎无延时地上传至上位机，可以实时观测电压、电流数据.而（c）（d）地延时就很长.进一步采用单片机对数据进行分析处理得知每一个光伏组件的运行状态，并对每块太阳能板进行编号，可以清楚地了解光伏发电系统每个电池板的工作状态.

图 1网络舆论反转的演变过程

社会热点事件发生后，网民个体的内在情绪和态度会受到外在信息的刺激，个体情绪和态度会得以激发，会导致群体情绪和态度得以形成，群体意见和行为逐渐趋同集聚，进而造成群体极化的现象。在此舆论反转的演变过程中，事实真相开始倒逼不实舆论信息，真相逐渐浮出水面。当反转信息介入之后，个体的情绪和态度因反转信息的刺激被反向挑动，群体情绪和态度再次形成，群体意见和行为又再次逐渐趋同聚集，达到一致，再次造成群体极化现象的发生，导致反转舆论的形成。

根据工程资料分析与总图运输专业相关的投资项目约占发电工程静态投资的 10∽15%.总体规划设计的好坏对控制工程造价起着至关重要的作用，而影响最大的阶段是设计的前期工作，因此要抓住前期工作的重点，加大方案优化的力度，而且要贯穿于工程项目设计的全过程。

相对于神话和史诗中的人物而言，普通乡绅堂吉诃德和贫民桑丘外表看起来是丑的，堂吉诃德的脸皱皱巴巴，肤色不太均匀，高颧骨，眼窝深陷，分不清五官所在的位置，瘦得好像一推就要散架，他的唯一优势就是长得高。而桑丘则又矮又胖，长得滑稽可笑。两个人物形象在视觉上都无法让人产生美感，但这一高一瘦，一矮一胖，两两滑稽，却打破了传统审美规范，审美不再像神一样悬在空中，而是拥有了扎根现实的真实感。

一方面，前期学者的研究表明有相关因素会影响网民的观点改变和行为判断，这表现为网民行为改变的意愿度上。学者^[16]研究表明，网民的社会比较频率、群际情绪、群体认同和选择性接触等因素对网络舆论反转中群体极化的行为意愿具有重要作用。Lee^[17]认为Facebook使用强度、社会比较倾向和自我不确定性是影响社会比较频率的关键因素，研究发现Facebook使用强度、社会比较倾向和自我不确定性对社会比较频率均产生正向影响。Butzer & Kuiper^[18],Emily等^[19]研究发现，自我不确定性高的群体，其社会比较频率越高，这类群体越会更频繁的参与社会比较。Levendusky& Malhotra^[20]认为社会比较倾向、社交媒体的使用强度和自我不确定性通过调节社会比较频率会对网民行为意愿产生影响。Trilling等^[21]研究发现，网民对已获得的事实会受到行为意愿的选择性接触影响而产生极化行为。另外，群体情绪在观点改变的行为意愿中起主要作用，群体认同和选择性接触次之(^[22],Smith等^[23], Cowan& Baldassarri^[24])。

另一方面，反转信息的可靠性正向影响着网络舆论反转幅度。舆论发生后，反转信息介入的各方(政府、媒体或网民)发布的反转信息可靠性程度会对舆论发生反转的概率产生重要影响，即反转信息的来源越可靠，舆论发生反转的演变会更加趋于极化，从而导致舆论导向的转变。网络舆论反转的幅度随着反转信息可靠度的增大而加大，反转信息传播的时间越早，舆论反转的速度就越快^[25]。

综上所述，本文从网民行为意愿和反转信息可靠性角度将网络舆论演变过程中网民个体的社会比较频率、群际情绪、选择性接触、群体认同与反转信息的可靠性程度引入WD模型，构建WD-R舆论反转演变模型。通过WD-R演变模型探讨反转观点聚合度在反转信息可靠性程度和网民行为意愿变化的特殊情境下的演变过程。

本文建立的WD-R模型中考虑了舆论反转情境下的反转信息的可靠性和舆论反转演化影响因素的作用。其交互规则如公式(3)所示。

因此，根据本文2.1节所述定义一个单调递增函数来刻画反转观点聚合程度随反转信息的可靠性程度和网民行为意愿的变化情况，如公式(1)所示。

F (R )=2C •R ^1-sin((π/2)×r )F (R )=2C •R ^1-sin((π/2)×r )

(1)

在公式(1)中，C表示反转信息的可靠性程度，R表示网民反转行为的意愿，e表示群际情绪，f表示社会比较频率，g表示群体认同，s表示选择性接触，C ,R ,f ,e ,s ,g ∈[0,1]C, R, f, e, s, g∈[0,1]。将影响群体产生反转行为意愿的影响因素视为一个整体，标记为r。在反转信息介入后，网民会将事实状态与反转信息公布之前的情境进行比较，而网民的社会比较频率越频繁，因此网民更容易产生从众心态，形成极化效应，从而更大程度地推动舆论发生反转，根据文献^[16]的研究可知：社会比较倾向、社交媒体的使用强度和自我不确定性通过调节社会比较频率会对反转行为意愿产生不同影响，建立公式(2)。

r =0.434e +0.221f +0.191g +0.186s -0.032r ₁

(2)

c.图5的演变为ε =0.5时WD模型和WD-R模型的网络舆论演化比较。

A Preliminary Reliability Analysis of Offshore Wind Turbine Structure Design in Typhoon-prone Areas LIN Jinghua,PEI Aiguo,MA Zhaorong(77)

图2中，r =0.1、0.3、0.5、0.7、0.9时，F (R )随R 的演化关系，并且F (R )随r 值的增大而增大，即在其他因素不变的条件下，对反转行为意愿具有正向作用的影响因素能使网民反转观点的接受度不断增强。

图1为柔爆索分离装置截面图。从图1可以看出：柔爆索位于分离装置截面的中间，柔爆索爆炸后，分离板和保护罩受爆轰气体高压作用发生膨胀变形，导致分离板碎裂，实现结构分离，而这时保护罩起到保护箭体内部设施完好的作用。在这个过程中，分离碎片能否可靠地飞离箭体，关系到火箭主体后续飞行的安全性。因此，研究柔爆索爆炸做功的分离碎片的飞散特性尤为重要。

F (R )随R 的演化关系如图2所示。

图 2 r分别为 0.1、0.3、0.5、0.7、0.9时 F(R)随 R的演化关系

1.2 WD-R演变模型的构建规则 在WD模型中，当两个个体之间的观点值之差小于信任阈值ε 时，两者进行观点交互后，交互个体都向对方的观点更加靠拢。它的不足之处在于，模型中的Agent每一时步只能随机地与一个个体产生交互行为，无法同时与其不相邻的其他多个个体进行意见交互。现实生活中，人们的接受信息的心理适应程度、受教育程度、认知能力等也都存在不同，因此每个个体的观点接受度也存在差异。

他突然想到了什么。是的，现实之痛。就是这四个字。在这座生活了三十多年的城市里，在这家比邻他居住的小区的酒店内，一个熟人若是突然出现在他面前，你真的能够毫不慌乱坦然面对？你怎么能够解释得了，为什么要出现在酒店？何况，身边陪着的一个女人？一个成熟的有着一双美目的漂亮女人？

x _i (t +1)=x _i (t )+F (R _i (t +1))*μ (x _j (t )-x _i (t ))

x _j (t +1)=x _j (t )+F (R _j (t +1))*μ (x _i (t )-x _j (t ))

(3)

2基于 WD-R模型的舆论反转演变仿真研究

2.1 WD-R模型与 WD模型舆论演变的分析比较 本文设定μ 的取值服从均匀分布与正态分布两种策略。其一，在网络舆论反转的过程中，由于事件发生发展迅速，群体性质往往无法准确判断，因此以均匀分布来表示这种特性；其二，按照最大熵原理从而选择熵最大分布的原则，选择正态分布是模拟仿真的最佳选择。根据知微数据显示，“罗某”事件从2016年11月25日始到2016年12月6日止，共持续时间为12天10小时(298小时≈100万秒)，此反转事件高峰时，在微博平台传播达1 763次，网民数最多达到4 348.55万人。每一百秒大概有200(单位：二十万人)参与讨论。故设定群体规模n为200，时间步长为10 000，分别取ε =0.1和0.5时的网络舆论的演化情况。以下各实验，网民个体初始时刻观点随机分布在[0,1]区间内。

本文实验均是在将μ 取值0.5时,μ ～U (0,1)或是μ ～N (0.5,1)的舆论演化情况。当ε 分别取不同值时，WD模型和WD-R模型的舆论演化如图3-图5。

a.图3的演变为ε =0.1时WD模型和WD-R模型的网络舆论演化比较。

b.图4的演变为ε =0.2时WD模型和WD-R模型的网络舆论演化比较。

r ₁为残差。r ₁∈[0,1]。

四川美丰农资化工有限责任公司总经理程东在会上表示：美丰将进一步优化产品结构，稳步提升产品盈利能力，内部做到销售人员更加精英化、农化服务做到专业化、“两会行动”成为常态化。营销团队、农化团队进一步深入服务到乡镇、村上、田间地头，力争让优质基层网点遍地开花。巩固与各层各级经销单位的合作，进一步提升销售团队营销、农化水平，化肥市场营销工作稳中有升。

图 3(a) WD模型演变

图 3(b) WD-R模型演变

图 4(a) WD模型演变

图 4(b) WD-R模型演变

图 5(a) WD模型演变

图 5(b) WD-R模型演变

一般来说，群体观点聚敛过程形成的观点簇数量分别取值不同时，将改进的WD-R模型与传统WD模型比较，根据图3-图5演变分析可知：(1)对于WD-R模型来说，信任阈值对群体观点聚敛过程形成的观点簇数量仍然具有显著性影响；(2)与WD模型相较，WD-R模型系统达成稳定状态随着ε 的增大也是逐渐减小，ε 的取值影响着个体观点聚合的速度。

d.在模型WD-R中，当ε =0.5时，其他参数取固定值0.5时，图6为μ ～U (0,1)的舆论演化，图7为μ ～N (0.5,1)上的舆论演化。

垂体瘤转化基因[17]（PTTG），通常存在于恶性肿瘤中，属于一种较为严重的癌基因，其其能够使细胞增殖、细胞转化等得以有效增加，并致使肿瘤出现浸润性的增长[18]。根据相关研究可知，AM患者的子宫内膜的侵袭以及浸润都与PTTG表现具有直接关联，PTTG蛋白呈现升高趋势，其属于该疾病发展的主要因素。

图 6μ ～U (0,1)的舆论演化

由图6可知，当ε =0.5时，加入参数C、R后，观点约在5288时刻，群体观点达成一致，收敛的观点值在0.481时系统趋于稳定。

图 7μ ～N (0.5,1)的舆论演化

由图7可知，当ε =0.5时，加入参数C、R后，其观点约在3537时刻，观点达到一致，收敛的观点值在0.5032时系统趋于稳定。

实验结果表明，当ε =0.5，无论μ ～U (0,1)还是μ ～N (0.5,1)时，舆论反转过程中，WD-R模型因加入反转信息和影响反转的行为意愿影响因素时，反转舆论观点趋于更快速度的收敛，系统趋于稳定的速度也更快。

通过以上实验的分析比较，加入反转信息和反转舆论影响因素的WD-R模型与现实中反转网络舆情的演化情况更加相符，比传统WD模型能更好的反转网络舆论的复杂性和开放性。

2.2网民反转行为意愿对舆论反转演变的影响 反转行为意愿指网民受各种因素的影响对事件的情绪体验及反应程度。当f =e =s =g =r ₁=0.5时，R取值[0,1]时，分析对反转网络舆论演化过程的影响。当其他参数取固定值0.5时，R ～U (0,0.3)、R ～U (0.3,0.7)、R ～U (0.7,1)时，舆论反转观点随R大小的演变情况，如图8所示。

图 8(a)R ～U (0,0.3)

由图8可知，当其他参数取值固定及R ～U (0,1)时，反转网络舆论会因为反转行为意愿的不同而呈现出不同的观点演化形态。在其他条件一定时，随着R取值的逐渐增大，舆论的反转演化速度也愈迅速，网民群体观点达成相对稳定状态所耗费的时间随着R值的增加而不断减少。

图 8(b)R ～U (0.3,0.7)

图 8(c)R ～U (0.7,1)

2.3反转信息的可靠程度对反转网络舆论演化的影响 关于舆论反转的大多数研究认为，特定信息的驱动与刺激是网民观点发生反转的关键因素，网民在接收到特定信息后做出的与之前相反的论断，特定信息即事实真相的可靠性程度决定着舆论发生反转的频率与速度。反转信息与首发信息之间的冲突是产生舆论发生反转的主要矛盾。反转信息的可靠性与媒体的权威程度、网民的知识结构与认知能力、网民身处环境及社会宏观环境都密切相关。

图 9(a)C ～U (0,0.3)

参照反转信息的可靠程度大小进行仿真分析，使其分别服从[0,0.3]、[0.3,0.7]、[0.7,1]的均匀分布，由图9可知，当反转信息的可靠程度越大时，网民反转舆论观点越趋向于客观观点，并形成统一观点。

图 9 (b) C ～U (0.3,0.7)

图 9(c)C ～U (0.7,1)

实验研究结果显示了介入的反转信息可靠性越高，反转观点收敛速度越快；如果反转信息论据不足以令人信服，网民会坚持初始观点，反转观点收敛速度越慢，可能造成的社会负面影响就越大。

3结束语

根据网络舆论反转演变特点，引入网民行为意愿和反转信息可靠性两个变量，构建WD-R舆论反转演变模型,分析这些变量对舆论反转观点接受度的影响。由以上仿真实验结果可知，与传统WD模型相较，加入反转信息和反转舆论影响因素的WD-R模型与现实中反转网络舆论的演化情况更加相符，能更好的模拟舆论发生反转的复杂性。网民反转行为意愿的大小会对网络舆论反转观点聚合产生影响，在其他条件一定时，随着R值的逐渐增大，反转舆论形成统一观点所用时间逐渐减小。反转信息的可靠程度对舆论反转的观点演化趋势极为显著，反转信息的可靠性程度越高，网民形成统一的反转观点的速度就越快。因此政府、媒体等应对网络负面情绪进行积极引导，及时发布可靠的事件真相来引导网民群体行为意愿，逐渐减少网民在不明真相的情况下其舆论发声的可能性，进而防控群体极化的发生。由于网络舆论反转的突发性和多次反转等演变特点，政府等相关部门应在网络舆论未“反”之前，占据舆论主导权，将事件发生的原委及实情公布于众，提高反转信息的可靠性。

参考文献

[1] Proietti C. The dynamics of groupp olarization[J].Lecture Notes in Computer Science,Logic,Rationality,and Interaction,2017,10455:195-208.

[2] 王玉龙.舆情反转:突发事件过程中网络群体极化的角色研究——基于“天价鱼事件”的分析[J].电子政务,2016(5):16-24.

[3] Gérard Weisbuch,Deffuant G ,Frédéric Amblard. Persuasion dynamics[J]. Physica a statistical Mechanics & Its Applications,2004,353(1):555-575.

[4] Bhattacharyya A,Braverman M,Chazelle B,et al. On the Convergence of the hegselmann-krause system[J]. Physics,2013:61-66.

[5] Kayal S . Unsupervised image segmentation using the Deffuant-weisbuch model from social dynamics[J]. Signal Image & Video Processing,2017,11(8):1405-1410.

[6] Del Vicario M,Scala A,Caldarelli G,et al. Modeling confirmation bias and polarization[J]. Scientific Reports,2017(7):1-12.

[7] Chen G,Cheng H,Huang C,et al.Deffuant model on a ring with repelling mechanism and circular opinions[J]. Physical Review E,2017,95(4):042118.

[8] Meng X F,VanGorder R A,Porter M A. Opinion formation and distribution in a bounded-confidence model on various networks[J]. Physical Review E,2018,97(2):1-24.

[9] 黄 炜,余 辉,李岳峰,等.网络舆情事件演化的仿真实践研究[J].现代情报,2017,37(8):65-73.

[10] 赵剑华,万克文.基于信息传播模型-SIR传染病模型的社交网络舆情传播动力学模型研究[J].情报科学,2017,35(12):34-38.

[11] 胡珑瑛,董靖巍.网络舆情演进过程参与主体策略行为仿真和政府引导[J].中国软科学,2016(10):50-61.

[12] 陈培友,侯甜甜,李 明.移动社交网络舆情多主体应对的系统动力学仿真研究[J].情报科学,2018,36(6):25-29,34.

[13] 陈福集,翁丽娟.基于系统动力学的移动环境下高校网络舆情应对策略研究[J].现代情报,2018,38(4):118-123,176.

[14] 朱 侯,胡 斌.信息与情绪驱动的舆论演化的QSIM-ABS模拟[J].情报学报,2016,35(3):310-316.

[15] 张丽,朱 侯,万芳彬,叶碧云,赵琴琴.考虑信息与组织氛围影响的网络舆论反转模拟[J].情报科学,2018,36(5):57-63.

[16] 汪明艳,余丽彬,朱译冰.舆论反转中群体极化效应的影响因素研究[J].情报杂志,2018,37(9):106-112,119.

[17] Lee S Y. How do people compare themselves with others on social network sites? :The case of facebook[J].Computers in Human Behavior,2014,32(C):253-260.

[18] Butzer B,Kuiper N.A. Relationships between the frequency of social comparisons and self-concept clarity,intolerance of uncertainty,anxiety,and depression[J]. Personality and Individual Differences,2006,41(1):167-176.

[19] Emily M Cramer,Hayeon Song,Adam M Drent. Social comparison on facebook: Motivation,affective consequences,self-esteem,and Facebook fatigue[J]. Computers in Human Behavior,2016,64:739-746.

[20] Levendusky M,Malhotra N. Does media coverage of partisan polarization affect political Attitudes?[J]. Political Communication,2016,33(2):283-301.

[21] Trilling D,Klingeren M V,Tsfati Y. Selective exposure,political polarization,and possible mediators: Evidence from the netherlands[J]. International Journal of Public Opinion Research,2017,29(2):189-213.

[22] Suhay E. Explaining group influence: The role of identity and emotion in political conformity and polarization[J].Political Behavior,2015,37(1):221-251.

[23] Smith E R,Seger C R,Mackie D M. Can emotions be truly group level? Evidence regarding four conceptual criteria[J]. Journal of Personality & Social Psychology,2007,93(3):431-446.

[24] Cowan S K,Baldassarri D."It could turn ugly": Selective disclosure of attitudes in political discussion networks[J].Social Networks,2018,52:1-17.

[25] 吴 越,杜亚军,陈晓亮,等.基于新曝光冲突性消息的网络舆论逆转研究[J].物理学报,2016,65(3):46-55.

The Research on Reverse Evolution of Public Opinion Based on Behavioral Intention and Reliability of Reverse Information

Wang Mingyan Yu Libin Hu Hua

(Shanghai University of Engineering Science, Shanghai 201620)

Abstract [Purpose /Significance ]The reversal of public opinion is a special process in the evolution of public opinion. It is helpful for improving the effect of public opinion governance to analyze the evolution conditions of public opinion reversal.[Method /Process ]Based on the Weisbuch-Deffuant model, the Weisbuch-Deffuant-Reversal (WD-R)model is constructed by introducing two variables: the netizens' behavioral intention factor of group polarization and the reliability of reverse information. The effects of key variables in the experimental model on the evolution of the reversal of public opinion are analyzed.[Result /Conclusion ]The study showed that in the WD-R model, when taking μ =0.5, netizens will change their views more quickly and the system tends to stabilize faster. The behavioral intention will have an impact on the convergence of the reversal of public opinion. With the increase of behavior intention, the time taken for reverse public opinion to form a unified opinion is gradually reduced. The behavioral intention adopting a normal distribution with an average value of 0.5 will make reversed opinions evolve more rapidly than obeying a random uniform distribution. The reliability of the reverse information might help the convergence of the reverse views. When the reliability of the reverse information is greater, the reverse opinions generated by netizens tend to be more objective.

Key words reversal of public opinion Weisbuch-Deffuant-Reversal model behavioral intention reverse information

收稿日期： 2018-12-23

修回日期： 2019-03-20

基金项目： 国家社会科学基金项目 “社会热点事件网络舆论反转的演变机理与治理研究 ”(编号： 17BGL159)；国家自然科学基金项目 “公交桥接疏运系统动态建模与优化 ”(编号： 71601110)资助 。

作者简介： 汪明艳 (ORCID：0000-0003-1897-4041)，女，1975年生，博士，副教授，硕士生导师，研究方向：数据分析、舆论治理、电子商务；余丽彬 (ORCID:0000-0002-9368-2893)，女，1994年生，硕士研究生，研究方向：舆论治理、信息管理；胡 华 (ORCID：0000-0002-4957-879X)，女，1978年生，博士，副教授，硕士生导师，研究方向：决策优化。

通信作者： 胡 华

中图分类号 G350

文献标识码 A

文章编号 1002-1965(2019)04-0125-07

引用格式 汪明艳，余丽彬，胡 华.基于行为意愿与反转信息可靠性的舆论反转演变研究[J].情报杂志，2019，38(4)：125-131.

DOI 10.3969/j.issn.1002-1965.2019.04.019

(责编 /校对 ：贺小利 )

标签：舆论反转论文;  Weisbuch-Deffuant-Reversal模型论文;  行为意愿论文;  反转信息论文;  上海工程技术大学论文;