异质偏好个体的交互方式分析：网络群体行为的建模与实证

个体的不同偏好在舆情传播中可以影响网络中节点间交互的收益值，从而间接影响他们进行下一次交互的意愿。首先，若网络中个体i与邻居个体j进行交互的收益总是负的，那么在若干次交互后，个体i就不再愿意与个体j进行交互。此时，在社交网络中表现为节点i，j之间的连接断开。其次，除去邻居节点j，个体i在网络中也会同时与其他个体进行交互，并分别获得收益。但是，若个体i在与这些个体交互时所获得的总收益值均为负，那么下一时刻，个体i就不再愿意参与到交互过程中并不再表达自身观点了。在网络中则表现为个体i与所有节点的连接全部断开，成为孤立节点，从而退出该热点事件的传播过程。因此，个体的不同偏好可以通过影响个体的收益从而作用于网络结构。同时，该网络结构也会对舆情极化产生重要的影响，在集聚性高的网络中，其有助于增加个体的交互频率，从而影响舆情极化情况。

本节选取初始时刻及舆情极化现象出现后的时刻（Time=10），网络中所有个体的连接情况进行对比分析，结果如图7-16—图7-19所示，其中图7-16为初始时刻及Time=10时网络中态度分布频数柱状图，图7-17展示了这两个不同时刻的网络节点的连接情况。为了更好地说明图7-17的具体含义，本部分绘制出N=20时节点连接示意图，如图7-18所示。仿真使用网络为BA网络，网络集聚性值为0.320，N=500，其余参数为：φ=0.10，ω=0.10，α=0.35，β=0.35，γ=0.20，3种偏好个体各占1/3且混合分布于网络中。

图7-16　初始时刻及结束时刻态度分布情况

图7-17　初始时刻及结束时刻网络节点连接情况

(www.xing528.com)

图7-18　N=20时节点连接示意图

由图7-16可知，初始时刻网络中所有节点的态度值xi～U（-1，1），呈现均匀分布，结束时刻则出现明显的两极分化，大部分个体的态度值都为1与-1这两个极端值。图7-17表示初始时刻及结束时刻网络节点的连接情况。如图7-17和图7-18所示，在外侧呈现椭圆状排列的众多散点为网络中交互的个体，图中散点有灰、黑、深3种，分别表示持不同偏好的个体，其中黑色散点为持利己偏好的个体，深色散点为持利他偏好的个体，灰色散点则为持公平偏好的个体。图中连线则表示散点间的连接关系，若两散点间存在连线，则其互为邻居，可以进行观点交互，分别表示参与交互的两个个体的态度距离（即|）在0.4，0.8，1.2，1.6，2.0范围内的情况。由于在初始时刻，态度值在［-1，1］区间内均匀分布，此时两个个体间的态度距离较小，较少出现的情况。在极化现象出现后，如图7-17（b）所示，此时网络中所有节点的态度值都发生显著变化，网络中大多呈现深色连线，代表相邻个体的态度距离0.4或这两种极端情况。

此外，图7-19展示了舆情极化现象出现后网络中3种偏好个体的连接情况及度分布情况，其中连线与散点的表示方式与图7-17相同，即3种不同颜色的散点表示不同偏好的个体，不同颜色的连线表示相邻个体间不同的态度距离。由图7-19纵向比较可知，公平偏好与利他偏好的个体在网络中的连线变化较小，而利己偏好的个体在网络中的连线几乎全部断开。而由图7-19横向比较可知，持不同偏好的个体更易进行交互。图7-19（a）、图7-19（d）、图7-19（g）分别表示相同偏好个体之间的交互。此时，偏好相同却仍存在连接关系的个体之间，其态度距离几乎只有或两个极端值。而与之对应，图7-19（b）、图7-19（e）、图7-19（h）所表示的是不同偏好个体之间的交互，其中出现更多中间态度距离的连线。这说明，在舆情极化现象出现后，更多差异化个体的存在更加利于网络的稳定。图7-19（c）、图7-19（f）、图7-19（i）则表示不同偏好个体的度分布情况，其中利己偏好个体的网络度明显小于其他两种偏好个体的网络度，而公平偏好个体的网络度与利他偏好个体的网络度区别不太明显。

图7-19　不同偏好个体的网络连接情况及度分布图