社会偏好理论解释网络舆情演化机制的研究进展

当前，已有少数学者尝试利用社会偏好理论来解释网络舆情演化机制。例如：Alizadeh et al.［6］通过构建有界信任模型研究网络中出现舆情极化现象的内在驱动力，分析了个体对于群体内成员的偏袒行为对于宏观层面的舆情演化的影响。Banisch et al.［7］通过加入社会反馈理论来评估个体在网络中交互的收益价值，认为个体在网络中进行观点交互时会根据他们表达的观点得到的社会反馈情况来评估他们提出的观点是否正确，进而提出了一种考虑社会反馈机制的新舆情极化模型。Dong et.al［8］认为，在观点交互时，交互者经常会隐藏其真实偏好，并对不同的人表达不同的偏好问题；其进一步通过将交互者分为真实偏好者、交流偏好者和公共偏好者来研究普遍存在于网络中的具有欺骗性的交互及异质信任的偏好演化现象。Navarro-Martinez et al.［9］研究了边界期望效用理论，并通过仿真与实例验证了其合理性与有效性。Medina et al.［10］融合了期望效用理论建立了一个偏好动态变化的模型。在该模型中，决策者把每一次交互时所选择的偏好都记录下来，并且与以往的偏好进行比较。Cabrerizo al.［11］通过建立一个连续的意见空间来衡量个体在交互时动态变化的偏好值。Cabrerizo et al.［12］描述了颗粒模糊偏好关系的概念并且描述了模糊群体决策问题中个体不同偏好对决策结果的影响情况。Herrera-Viedma et al.［13］研究了信息缺失对不完全模糊偏好关系的影响。Pérez et al.［14］提出了两种关于偏好评估的解释模型（加性互惠与乘性互惠），并比较了二者的不同。Gayle et al.［15］在对资源进行评估时提出了一种基于模糊共识的扩展模型，通过对评估的资源进行反馈来指导决策，从而减弱模糊评价时个人偏好对评估结果准确性的影响。Barseghyan et al.［16］通过嵌套预期效用理论研究了家庭风险偏好问题。以上这些研究对于舆情演化领域具有重要意义，但这些研究主要以定性分析为主，缺乏定量的建模分析，因此对于复杂多变的舆情演化的刻画缺少直观性与有效性。

综上所述，目前关于舆情极化现象方面的研究，多通过模拟舆情演化的宏观规律来分析极化的成因，鲜有在微观层面，针对个体交互的收益与所持社会偏好进行更加深入的研究。事实上，微观个体的交互决定了宏观群体的涌现情况，当前融入社会偏好理论的舆情极化现象的研究还鲜见于文献。在网络舆情演化过程中，持不同偏好的个体会有不同的收益，而收益的不同又会驱使他们在交互时采取不同的决策行为。而这些具有偏好异质的个体间不同的交互行为，最终使得网络舆情呈现出不同的极化效果。此外，就个体在微观层面的交互行为而言，舆情极化研究必须考虑参与交互双方的亲密度及友善度。一般而言，个体会更加倾向于与关系亲密的朋友或者观点相似的志同道合者进行交互，且其交互收益也会更高，因此本章首先将亲密度及友善度进行量化处理，建立了异质个体收益函数，并融入社会偏好理论建立了新的舆情极化模型，用于分析舆情极化中的微观交互机制，研究其传播规律。其次，根据个体收益函数，在BA网络［17］的基础上构建了具有节点退出机制的网络模型，将以往极化研究［18］中的静态网络拓展为动态网络，使其更加符合实际。最后，结合仿真实验分析了不同社会偏好及个体收益函数等因素对舆情极化效果的影响，并通过实际案例验证了模型的合理性与有效性。(www.xing528.com)