复杂网络思想在新媒体舆论中的应用
以跨学科的复杂网络为理论工具，从关系论的视角考察新媒体舆论的演化与生成机制，分析新媒体舆论的关系网络与生态特征，是研究新媒体环境下舆论演化动态及其动力学机制的一种新思路。
1.复杂网络理论对认识新媒体舆论具有重要启示
从方法论的角度来说，复杂网络理论本质上是对系统论的坚持。系统论的核心思想是系统的整体观念。任何系统都是一个有机的整体，它不是各个部分的机械组合或简单相加，系统的整体功能是各要素在孤立状态下所没有的性质。系统中各要素不是孤立地存在着，每个要素在系统中都处于一定的位置，起着特定的作用。因此，系统论关注的核心问题是复杂系统的整体性和涌现性。组成系统的个体之间通过非线性作用，可以在宏观层次上出现新的时空结构和功能。而复杂网络作为刻画系统要素之间相互作用的基本工具，可以为构建系统模型、研究系统性质和功能提供基础性支撑。新媒体舆论场作为一种基于关系的复杂网络，其模型构建、结构和功能研究等也要坚持系统论方法，尤其是要建立新媒体舆论研究的大系统观。
首先，要坚持用整体性的大系统观审视新媒体舆论场的构成要素及其功能。互联网的普及拓展了社会个体能够接触的空间范围，使得任何一个能够使用互联网的人都可以作为信息源发布信息。因此，新媒体支撑下舆论传播的时空范围都极大地扩充了，来自不同地区、不同行业、不同阶层的社会个体可以借助新型媒体实时、便捷地交换各种信息，舆论传播的“蝴蝶效应”更加明显，这在客观上要求新媒体舆论研究把网络能够覆盖到的所有个体和群体都纳入同一个超大媒介系统中来审视。2011年3月11日，日本东海岸发生地震造成福岛核泄漏事故，但令人始料不及的是这竟然在中国引起了一场令人咋舌的抢盐风波。从2011年3月16日开始，中国部分地区开始疯狂抢购食盐，许多地区的食盐在一天之内被抢光，期间更有商家趁机抬价，市场秩序一片混乱。后经警方查明，始作俑者居然是浙江省杭州市某数码市场的一位网名为“渔翁”的普通员工，他于3月15日中午在QQ群上发出“日本核电站爆炸对山东海域有影响，并不断地污染，请转告周边的家人朋友储备些盐、干海带，在一年内不要吃海产品”的消息。这是一起典型的由网络谣言引起的突发事件，普通个体借助QQ散布和传播的不实信息经由各种新媒体传播，居然可以掀起一场席卷数省的抢盐风潮。这充分说明，对新媒体舆论的研究要具备更加广阔的视野，不但要关注主流媒体、典型群体和组织等在舆论传播中的作用，同时也要关注参与到新媒体舆论系统内的普通个体和社会大众。从系统构成的角度来说，组织和个人、主流媒体和自媒体都是新媒体舆论场必不可少的组成部分，在信息获取、信息发布、信息传播等功能方面并无本质上的不同。
其次，要运用系统理论和方法研究与解释新媒体舆论的发展和演化问题。系统理论坚持的一个重要观点是系统的动态演化和自组织特性，认为一个复杂系统在一定条件下会通过组成要素之间的协同、反馈和突变作用自动地由无序走向有序、由低级有序走向高级有序。作为系统论的一个重要分支，耗散结构理论指出，一个远离平衡态的非线性开放系统通过不断与外界交换物质和能量，当系统内某个参量达到一定阈值时，通过涨落，系统可能发生突变，从而由原来的混沌无序状态转变为一种在时空上或功能上的有序状态。这种自组织有序结构被称为耗散结构。
如果把信息看作一种能量的话，新媒体舆论场也是一个具有耗散结构特征的系统，其动态演化过程具有大系统的自组织特性。这主要表现在如下几点。
第一，耗散结构理论强调系统的开放性，这样系统才能通过与外界交换物质或能量而形成有序结构。新媒体舆论场无疑也是一个开放系统。任何一个社会个体通过网络终端注册新账户，都可以随时随地加入舆论场中参与信息交换。同时，新媒体舆论场中的信息，如网络舆论动向、网民观点、网络谣言等也随时会输出到外部，进入现实世界并产生影响。因此，利用这种持续的、开放的信息交换特性，可以通过对新媒体舆论场注入特定信息而引导其从无序走向有序。
第二，耗散结构强调要远离平衡态，从无序走向有序。系统论中的平衡态指的是一种完全无序状态，系统理论对其采用“熵”的概念进行描述。当系统处于平衡态时熵量增至最大，无序程度也达到最大。新媒体舆论研究也可以借助“熵”的概念，通过定义针对某一特定事件的信息熵来描述舆论观点的有序与无序程度。信息熵越大，无序程度越高，此时舆论观点必然是五花八门，信息碎片化严重，网民参与度高而对事件真相和全貌的了解很少；信息熵降低，则信息有序程度提高，舆论观点逐渐趋同，特别是随着权威、客观信息的披露，事件真相逐步浮出水面。事实上，大多数网络舆论热点事件都会经历“网民报料（新媒体发布）—舆论发酵（碎片化信息增多，网民参与度高）—传统媒体跟进（对外界输出信息）—权威部门调查真相（信息披露）—舆论反转（观点嬗变、聚合）—舆论平息（舆论趋于一致，真相浮出水面）”这样一种从无序到有序的舆论演化过程。这体现了新媒体舆论场从有序走向无序、又从无序走向有序的演化过程。
第三，耗散结构理论强调系统内要素之间的非线性作用。系统内各要素之间具有自我放大的变化机制，一个微小的输入有可能引起系统突变和协同效应，引发系统以异乎寻常的方式自我重组，实现有序。这是形成耗散结构的必要条件。新媒体舆论场也具有类似的非线性作用特征，如网络舆论信息的裂变式传播、由极少数个体发布谣言而引发的“蝴蝶效应”，都是由于系统组成要素之间的非线性作用所致。
2.新媒体舆论分析与复杂网络研究相一致
过去十几年来，复杂网络研究得到了飞速发展，研究内容涉及对复杂网络的测量、分析、建模、预测与控制以及网络可视化等各个方面。业界研究人员结合不同领域的实际网络，深入探讨了复杂网络的几何性质、形成机制、网络演化的统计规律、网络模型性质、结构稳定性、动力学机制等具体理论问题，形成了一些可供借鉴的研究成果。这为运用复杂网络思维研究新媒体舆论提供了理论支撑。具体而言，复杂网络研究与新媒体舆论分析在以下几方面体现出共性。
一是结合实际数据发现复杂网络特征，运用复杂网络理论解释现实网络中的现象。基于实际统计数据的复杂网络特征发现和实证化研究，一直是复杂网络研究领域的重要内容。前期研究中涵盖了社交关系网络、电力网络、病毒传播网络、科研合作网络等诸多领域，采用统计分析的方法对各领域现实抽样数据进行挖掘、分析，得出了其所具备的小世界或无标度等复杂网络特征。在新媒体舆论分析领域，这同样是一项值得深入研究的课题。当前社会是一个高度信息化的数据时代，各种可供研究的海量数据越来越丰富，基于大数据的定量化分析成为一种至关重要的研究手段。在新媒体舆论分析方面，基于各种新媒体平台而产生的用户信息和行为数据都在爆炸式增长。如何利用这样一个数据宝库来挖掘和分析新媒体舆论传播的复杂网络特征、新媒体舆论传播的网络结构以及验证其是否具有某些典型复杂网络的统计特征，这是将复杂网络与新媒体舆论研究相结合的一个着力点。
二是基于数据统计特征分析和再现复杂网络结构，设计合理的构造算法生成复杂网络模型。复杂网络研究中的两类经典网络模型，BA网络模型和小世界网络模型的构造算法，在后续研究中被不断引用和改进。事实上，结合实证数据的统计分析特征和具体领域网络的现实特性，研究和设计复杂网络模型生成算法，是复杂网络研究中非常关键的一项工作。构造复杂网络模型是复杂网络拓扑结构可视化、网络预测与控制的前提和基础。新媒体舆论分析的一项重要内容也是发现舆论传播网络的拓扑结构，并将其以网络图的形式展示出来。在此基础上，可以借助复杂网络传播算法对其进行深入分析，发掘新媒体舆论传播网络中的社团结构、局部小群体、观点集聚中心等具有明显几何意义的关键网络节点和网络结构，为新媒体舆论分析提供定量化、理论化支撑。
三是基于网络数据进行网络演化趋势预测，提出对网络行为的控制策略。基于采集到的实际网络数据，一方面可以通过信息挖掘得出网络拓扑结构，另一方面也可以针对网络的时空发展特性，通过数据挖掘和分析对其趋势进行预测。现实中的网络大多数是随时间和空间持续变化的，结构完全固定的网络非常少见。在新媒体舆论传播网络中，个体之间的联系与交互也不是一成不变的，而是遵循一定的时空统计规律。要探寻参与新媒体舆论传播的个体之间联系遵循怎样的统计规律，则要依赖于对现有时空信息的数据挖掘和分析，在此基础上对信息传播中的个体行为进行预测和分析。此外，精准的预测使得对网络发展趋势的控制成为可能。系统预测的目的就是为了能够对其实施人工干预，或者说是控制。对于新媒体舆论传播网络来说，其可控性和控制方法研究能够为新形势下的舆论引导和管控提供有力支撑。研究新媒体舆论传播网络是否可控、网络构成要素之间能否实现自反馈控制、如何实现最小成本和最少人工干预的舆论管控等问题，显然是新媒体舆论分析研究的重要课题。
四是从网络组成要素的微观入手，研究网络系统从微观到宏观的涌现性。复杂性科学研究的核心理念之一就是深刻理解从微观基本单元到宏观系统结构和统计规律之间的涌现机制。复杂网络研究中的许多问题都与网络系统的整体涌现行为相关，如复杂网络的宏观动力学方程、网络演化数据的宏观统计规律等，都是通过海量的网络组成要素之间的联系和反馈机制而产生的。研究复杂网络的宏观行为，首先就要对其微观个体有深刻而清晰的认识。网络中的不同节点和连边在网络的动态演化过程中往往扮演不同的角色，如何有效地衡量节点、连边的重要性，以及节点和连边在网络动力学过程中的具体角色和意义，是复杂网络研究的重要问题。具体来说，要分清哪些是重要节点和重要连边，要能够针对不同的网络宏观行为和特性准确找到重要的节点和连边。对于新媒体舆论分析来说，同样也要重视从微观个体入手，通过分析个体作用以及个体之间的相互联系，研究系统的宏观行为是如何产生的。要结合新媒体舆论的宏观态势及其发展演化趋势，深入分析对舆论发展产生重要影响的少数个体和节点，在此基础上识别出舆论信息源、助推舆论发酵的重要网络意见领袖等信息，分析突发事件网络舆情是如何借助于各种新媒体账户之间的信息传播而发酵的。这种从微观到宏观的复杂网络研究思路，对于新媒体舆论分析提供了很好的方法论支持。
3.新媒体舆论动力学分析可以借助复杂网络理论进行定量化描述
新媒体舆论的有效引导和管控，离不开定量化分析和建模技术的支持。而复杂网络研究中相继提出的一系列传播动力学模型，对于新媒体舆论的定量化分析和描述提供了有力的支撑。新媒体舆论定量研究的基本思路是从一系列假设出发，通过数学建模来描述新媒体舆论的动态演化过程，运用数学演算、推导或计算机仿真等方法得到关于新媒体舆论发展的一般性结论。结合复杂网络的研究进展可知，借鉴传染病模型的复杂网络传播动力学SIR模型，对于定位新媒体舆论场中的节点角色、定量化描述节点之间的相互影响关系具有很好的启发意义。下面结合SIR模型在新媒体舆论分析中的应用，说明如何引入复杂网络理论和方法研究新媒体舆论分析问题。
如果把网络谣言、不良信息等看作一种能够借助于网络传播的病毒，则新媒体舆论传播的动力学行为也可以采用流行病传播模型SIR来描述。在新媒体舆论传播中，该模型的三种状态S、I、R可以分别代表“不知道消息的人群”“知道消息并有能力继续传播消息的人群”，以及“知道消息但已经失去传播能力或兴趣的人群”。
假设新媒体舆论传播网络上有N个节点，每个节点代表一个可传播消息的人，如果某节点得到一个消息（I态），那么他就有兴趣把这个消息传播出去。在传播过程中，他将随机地从邻居中选取一人并将消息传给他；如果邻居不知道该消息（S态），则该邻居得到该消息（I态），并进行下一轮传播；如果他的邻居已经知道了这个消息，那么传播消息的人会认为该消息失去了继续传播的价值，并失去传播该消息的兴趣（R态）。整个过程可以描述为以下关系：(https://www.daowen.com)
假设初始情况下在一个有限网络中所有的节点都处于S态，在某一时刻突然有一个节点得到了一个新的消息，该节点将成为I态。按照上面所描述的规则，则这个消息将在网络中传播，直到最终网络中没有I态为止，即达到了舆论传播的最终状态。
上述模型可以用微分方程描述，用于计算最终状态下的消息传递覆盖人群、消息传递速率等相关指标。SIR模型可以应用于不同的传播网络结构，如均匀网络、无标度网络、多层网络等，得到不同网络的信息传播阈值和相变函数等，基于此研究不同的引导或管控策略下新媒体舆论场的传播动力学规律。
采用SIR模型对新媒体舆论进行建模和分析，是一种典型的从微观入手研究宏观现象的思维方式。要建立科学合理的SIR模型，使之符合实际的新媒体舆论传播行为特征，需要详细分析新媒体舆论传播中作为节点的个体、群体和组织的属性与行为。新媒体舆论场中的个体属性主要表现为个人的媒介素养有所区别。在一般性的SIR模型运行中，每个时间步内每个个体都要进行接收和发送信息，这与真实情况是不符的。在真实的舆论传播网络中，个体节点接收、处理和发送信息的能力与个体的媒介素养有关系，个人的生理心理因素、价值观、政治立场、社会地位等因素都可能影响其媒介素养，进而导致不同的信息接收和传播行为。要体现个体之间的这种差异化，就需要采用合理的处理方式，如对其信息接收和转发行为赋予一定的概率，对不同个体的行为进行差异化描述等。此外，在真实情况中，每个人接发信息的活动也不是同步进行的，在信息传播的时间序列上也会出现差异化，对这种差异化也要给出合理的描述方式。
采用上述SIR模型进行新媒体舆论研究，可以基于两个或多个舆论场网络对信息人群关系进行描述。例如，考虑民间舆论场网络和熟人舆论场网络的信息传播。民间舆论场对应于整个社交网络模型，网络中的个体可以接收到所有邻居节点的信息，同时个体自身的状态也会影响到所有个体；而熟人舆论场主要对应个体在现实生活中的实际接触网络，个体在某一时间只会受到某些个体的影响，个体的状态只会影响到周围个体。通过对上述两种舆论场传播行为进行分析，可以对比舆论的线上传播和线下传播在动力学方面的不同，更好地认识新媒体应用带来的舆论传播规律的变化。
此外，从舆论引导和管控的角度来说，可以引入免疫概率对SIR模型进行免疫条件改造。传统的SIR模型中，当I态节点遇见R态节点就会转变成R态，这与实际情况也是不符合的。实际情况中，并不是每一个个体接收到信息就会发生状态转变，而是会有一定比例的个体节点具有对信息的免疫特性。个体是否处于免疫状态，与信息属性、信息途径、接收到的信息次数以及个体自身素质都有关系。因此，设计新媒体舆论传播网络的免疫策略，要综合考虑个体素养、网络传播动力学特征、信息内容和传播途径等多方面要素，在此基础上基于SIR模型对其节点免疫行为进行仿真和分析，研究和验证适合新媒体舆论传播实际情况的管控和引导策略。
【延伸阅读】何凌南，赖凯声：大数据时代的网络舆情研究范式变革[1]
基于大数据的网络舆情研究是一个值得跨学科、跨界研究者共同关注和努力的潜力方向，未来研究可重点从研究理念、研究方法和研究情境方面入手，具体包括：
1. 创新研究理念，数据驱动与理论驱动相结合的“双驱动”
大数据不仅可为网络舆情研究提供传统实证研究意义上的数据资料基础，它还可进一步为其研究设计提供新的路径和方向。大数据丰富的数据资源以及海量文本分析等技术手段，使得直接基于海量数据分析提取有理论和现实价值的信息逐渐成为可能。基于数据驱动的大数据研究，在一定程度上挑战了传统基于假设出发的实证主义研究范式。对于网络舆情研究而言，数据驱动的研究理念意义尤为突出。网络舆情研究关注的对象涉及大规模网民群体，其心理结构及其作用机制复杂，因此传统相关研究的理论思考和小样本实证研究成果在群体层面成果相对较少、进展也相对缓慢。基于数据驱动的网络舆情大数据研究，则为直接描述、揭示群体层面的社会心态、舆情态势及其作用机制提供了新的路径。
另外，未来研究还应同时重视理论驱动的作用。目前的网络舆情大数据研究大多仍以具体实践问题为驱动，以数据汇集和监测为主要内容，因而容易遭受“问题深度不够”“结论不够稳健”等质疑和批评。缺乏理论关怀的研究，不仅容易受到结论不够稳健的质疑，还往往容易让研究者迷失在混乱的数据结果中，难以发掘问题的本质性规律。因此，理论驱动的研究理念也是未来网络舆情大数据研究突破研究深度困境的重要方向。新闻与传播学、政治学、心理学等众多学科领域积累的丰富理论资源，可为理解和探索当前互联网空间存在的错综复杂的网络舆情问题和现象提供重要的理论指导。
未来研究还应灵活处理数据驱动和理论驱动的关系，二者并非相互排斥，反而可以相互补充和促进，形成“双驱动”的良性循环。一方面，既有的理论基础可以为网络舆情研究提供新的假设，为其研究结果提供理论解释。例如，经典的议程设置理论，可为启发和指导开展新媒体时代媒体与大众的关系研究提供理论支撑。另一方面，数据驱动的视角又为丰富和拓展既有理论提供可能，从而修正或完善既有理论体系，继而又为后续研究提供理论基础。例如，基于数据驱动的微信朋友圈谣言传播路径研究，通过分析大数据涌现出来的传播规律，有望提炼基于社交媒体圈层关系网络的谣言传播新理论。
2. 灵活运用研究方法，挖掘和理解数据背后的价值
如何高效地处理海量网络舆情大数据，深入挖掘潜藏于大数据之下的信息关联与舆情规律，是未来网络舆情大数据研究在方法层面需要重点关注的问题。随着计算机科学、仿真学等相关学科的发展，大数据的分析方法也取得了较大进展。但目前这些方法还尚未广泛地应用和推广到各学科领域和重要的网络舆情问题研究中。因此，灵活发挥各种大数据研究方法的优势，也是突破当前研究面临重监测而轻分析、事前预测乏力等困境的重要突破口。
（1）海量文本分析技术。我们现在主要积累了文本情感分析和网络舆情话题发现技术，以实现对海量文本内容的自动化分析。[2]在文本情感分析方面，研究者基于自然语言的大数据处理技术，主要针对带有主观感情色彩的文本，对其进行相应的分析、处理、归纳和推理。目前主要有基于词典和基于机器学习这两类方法。其中，基于词典的情感分析方法将网络舆情文本分解为单个词汇，根据词典对文本中的情感词进行搜索，并为情感词标注相应的情感得分，从而计算出该文本各类情绪指数，例如“语言询问和词汇计数系统”（Linguistic Inquiry and Word Count, LIWC）、“通用询问系统”（General Inquirer, GI）等。基于机器学习的情感分析方法将情感分析作为一个分类的过程，研究者通过标注训练语料和测试语料，使用支持向量机、随机森林和神经网络等分类器进行文本情感分类。也有研究者开始将基于词典和基于机器的两种文本情感分析方法组合运用，并取得不错的效果。[3]在网络舆情话题发现方面，现已有“潜在狄利克雷分配模型”（Latent Dirichlet Allocation, LDA）、单遍（Single-Pass）法等针对文本数据的成熟聚类算法模型。其中，LDA将文本隐含的网络舆情主题转化为词汇的概率分布，将单个文本表示为这些隐含主题的概率分布，从而将文本投射到相应的主题空间内，该方法在进行大规模数据处理时的空间降维方面具有明显优势；Single-Pass聚类算法采用增量聚类的方式，通过计算文本与种子话题内的报道相似度，进而迭代生成新的种子话题，并以此来对网络舆情文本进行主题聚类。
由于文本分析方面的技术相对较为成熟，目前大数据网络舆情的研究对象主要以文本内容为主。但随着计算机科学针对语音识别和图像数据识别分析技术的快速发展，图像与音频自动化分析技术在未来的网络舆情研究中也将发挥越来越重要的作用，为网络舆情大数据研究构建更立体、全面的舆情信息分析系统。
（2）数据可视化技术。作为分析方法的可视化技术，在网络舆情大数据分析中也具有巨大潜力。可视化技术不仅仅是对结果进行展示的一种简单方式，更是人们基于可视化结果总结规律、发现问题和解决问题的重要途径。可视化技术借助易于理解的图形、图像将网络舆情大数据中的核心内容以及网络舆情主体间的社会关系结构进行可视化呈现，从而揭示网络舆情的分布、发展和演化规律，实现化繁为简的研究效果。常见的大数据可视化分析技术主要包括基于关键词的网络舆情文本内容可视化、时序性网络舆情文本信息可视化等。[4]
（3）仿真模拟技术。由于网络舆情的瞬时性与多变性，有研究者将计算机建模与仿真技术引入网络舆情演化机制研究中，即利用计算机技术来模拟网络舆情系统整体环境，并对网络舆情演化机理进行仿真预测。基于多智能体仿真技术的舆情动力学研究旨在考察舆情的形成机制,以及探索人们意见改变等演化规律。网络舆情的形成与演化是一个典型的复杂适应性系统，不仅受到个体性格、历史经验等自身特征的影响，还受到媒体、人际交往等外部因素的影响。因此，网络舆情传播机制问题是典型的涉及多智能体系统的问题。基于多智能体系统的舆情仿真技术对于探索宏观群体层面的网络舆情演化规律以及应对策略，增强事前预测能力提供了重要的研究途径。
3. 回归中国情境，紧扣中国网络舆情生态
未来研究要深入理解中国网络舆情规律，还需紧扣中国网络舆情生态这一基本情境。而要真正把握好中国网络舆情生态，既需要政治学、社会学、传播学领域研究者提供关于中国社会在政治、经济、社会和文化等方面的宏观分析，也需要心理学等领域的研究者提供关于个体在心理与行为层面的微观分析。同时，这还需要计算机科学、复杂网络科学、仿真学等领域的研究者提供能够打通宏观和微观分析水平的数据和技术支持。值得注意的是，紧扣中国网络舆情生态，不仅对致力于理解中国特殊国情、文化和社会结构的政治学、社会学、心理学等社会科学提出了本土化的理论和实践要求，也同样对计算机科学等自然科学提出了一定的挑战。例如，由于文字和语法的特殊性，中文的自动化分词、语义分析问题，一直是中文文本分析和自然语言处理研究领域的一大难题和挑战。当然，它也是计算机科学相关领域研究者和语言学、心理学等研究者开展深入合作的潜力空间。因此，紧扣中国网络舆情生态，不仅是未来研究开展跨学科合作的基本出发点，更是中国网络舆情规律研究和网络舆情治理实践的客观需要。
[1] 何凌南,赖凯声.大数据时代的网络舆情研究范式变革[J].现代传播(中国传媒大学学报),2017（5）.
[2] 朱廷劭,汪静莹,赵楠,等.论大数据时代的心理学研究变革[J].新疆师范大学学报（哲学社会科学版）,2015,(4).
[3] Golder SA, Macy MW. Diurnal and seasonal mood vary with work, sleep, and day length across diverse cultures[J]. Science, 2011, 333(6051).
[4] 张伟.可视化分析技术在网络舆情研究中的应用[J].现代情报,2016(11).