社會科學中的“分子”級研究方法_評《社會輿情的網(wǎng)絡分析方法與建模仿真》_實證社會科學.第三卷

梁 昕*

* 梁聽，上海交通大學國際與公共事務學院講師、博士。

一、概述

《社會輿情的網(wǎng)絡分析方法與建模仿真》是“十二五”國家重點圖書出版規(guī)劃項目，也是“公共安全應急管理叢書”之一（劉怡君等，2016）。該書系統(tǒng)介紹了網(wǎng)絡分析方法的理論、概念、指標、工具及其在社會輿論中的建模、仿真和應用。全書分為三篇：第一部分為理論基礎篇，詳細介紹了社會網(wǎng)絡分析、動態(tài)網(wǎng)絡分析和超網(wǎng)絡分析。第二部分為模型方法篇，創(chuàng)新地提出了“社會輿論超網(wǎng)絡模型”“超鏈路預測”和“超鏈路排序”等，針對社會輿論形成與演化、引導與干預全過程進行建模分析。第三部分為案例應用篇，通過有代表性的真實網(wǎng)絡事件，展示了網(wǎng)絡分析和模擬仿真方法的應用，介紹了如何運用網(wǎng)絡分析方法，特別是超網(wǎng)絡方法解決實際問題。

牛文元先生在本書的序中提到社會科學和自然科學在某些方面有著高度的共性。例如個體間通過交互作用形成的“社會輿論”和原子重排形成的磁場驚人的相似；社會中人與人的連接關系形成的社會網(wǎng)絡也與自然界中原子由分子鍵連接形成的分子十分相似；每個人作為個體，其時空分布具有高度不確定的粒子性，而人組成的群體則具有較為確定的波動性，這是“波粒二象性”在社會科學中的體現(xiàn)。因此，近年來學者們不斷追求一種新的社會科學研究范式，希望利用自然科學的研究方法，從微觀視角出發(fā)，通過對個體行為的研究，剖析宏觀的社會科學問題。

網(wǎng)絡分析，特別是近年來發(fā)展的動態(tài)網(wǎng)絡分析和超網(wǎng)絡分析，可以認為是社會科學中較為微觀的“分子”級研究。自然科學的研究經(jīng)歷了宏觀層面、分子層面、原子層面三個階段。每個階段都是對人類認知極限的突破，特別是從宏觀層面到分子層面的跨越，經(jīng)歷了漫長的過程。自然科學宏觀層面的認知往往使用一系列指標，比如對水的認識是通過水的密度、比熱、熔點、沸點等一系列參數(shù)。這些參數(shù)從各種角度描述了水的屬性，但始終沒有能夠涉及這種物質的本質。直到對分子的研究開啟了認識物質本質的大門，科學家認識到原來水就是H2O，是氫氣和氧氣兩種元素經(jīng)過化學反應化合而成，繼而可以利用各種手段準確地控制物質的化學反應，改變物質的形態(tài)和特性，甚至創(chuàng)造出新的物質。傳統(tǒng)的社會學研究也主要在宏觀層面，通常采用的統(tǒng)計、計量等研究方法也屬于統(tǒng)計性、描述性分析，并沒有涉及問題的本質。本書中介紹的網(wǎng)絡分析方法是對社會學研究的重要突破，其與自然科學研究中的分子層面類似，更加關注微觀層面不同元素間的互動關系，從而有助于社會科學更加深入的探索，因此本文將網(wǎng)絡分析稱為社會學中“分子”級研究。后文也將對此做進一步的探討。

本文以下主要分為四部分：第一部分對網(wǎng)絡分析為什么被稱為社會科學中的“分子”級研究做出解釋，并且探討網(wǎng)絡分析對社會科學研究的意義；第二部分討論該書涉及的網(wǎng)絡分析的主要創(chuàng)新之處；第三部分梳理該書中介紹的網(wǎng)絡分析方法；第四部分介紹網(wǎng)絡分析方法的應用案例，說明可以得到哪些分析結果以及解決現(xiàn)實中的哪些問題。本文最后對該書的貢獻做出了總結，同時也提出了該書的局限性和未來研究的發(fā)展方向。

二、社會科學中的“分子”級研究

自然科學的研究對象從初期的宏觀物質到分子再到目前的原子，每一次都是對人類認知邊界的突破，也釋放出更加巨大的能量和生產(chǎn)力。自然科學發(fā)展初期，主要是對宏觀物質的分析，即通過一系列參數(shù)指標，對物質進行描述。如前文提到的對水這種物質的分析是通過密度、比熱、熔點、沸點、浮力等參數(shù)。這些參數(shù)從各種角度描述了某種物質的屬性，但始終沒有能夠涉及這種物質的本質。直到對分子的研究開啟了認識物質本質的大門，科學家認識到原來水就是H2O，是氫氣和氧氣兩種元素經(jīng)過化學反應化合而成。通過化學反應水可以分解為氫氣和氧氣，也可以和其他元素組成新的物質。于是物質的世界變得沒有那么紛繁復雜，也不需要一系列參數(shù)來描述和定義一種物質，任何物質都可以用一個分子式來表達。相對宏觀物體到分子層面認知的跨越經(jīng)歷了千年的時間，分子層面到原子層面的跨越僅僅經(jīng)歷了百年的時間。雖然在分子級研究時，人類就知道原子的存在，但對于其內(nèi)部結構，特別是電子運行規(guī)律等并不了解。當人類開始認識到原子的運行規(guī)律，產(chǎn)生了量子力學，對經(jīng)典物理學是一次全面的顛覆，人類對物質世界的認知又一次突破了瓶頸，達到了新的高度。

自然科學對物質不同層面的認識也釋放出了不能級別的能量和生產(chǎn)力。在宏觀物體的認識層面，人類僅能通過經(jīng)驗使用火和簡單的炸藥。對物質有了分子級別的認知后，人類能夠可控地操作化學反應，制造新型炸藥，釋放巨大的能量。同時，通過對物質分子級的理解，人類可以對物質進行分解、重組，從而創(chuàng)造出新的物質，實現(xiàn)了真正意義上的“造物”。例如現(xiàn)在被廣泛使用的塑料，超高強度的碳結晶以及分子合成藥物等。對物質有了原子級別的認知后，人類能夠應用核能，制造原子彈與建設核電站，釋放更加巨大的能量。同時，通過對電子運動的理解和控制，人類發(fā)明了半導體，進而衍生出了現(xiàn)代的計算機技術、通信技術、自動化、人工智能等一系列技術和產(chǎn)業(yè)。因此，自然科學發(fā)展到對物質原子級的認知，是第三次工業(yè)革命的基礎，也是現(xiàn)代科技高速發(fā)展的起點。

對比自然科學的發(fā)展進程，目前社會科學研究仍主要停留在“宏觀物體”層面。對宏觀物體的認知是通過描述性的參數(shù)，如質量、體積、密度、比熱、溫度等。類似的，目前社會科學主要使用的定量研究方法也通過參數(shù)來進行分析，如國民生產(chǎn)總值，平均年齡，收入中位數(shù)等。而這些指標均是宏觀的、描述性的，并沒有深入探索社會內(nèi)部的結構和運行規(guī)律。而本書所述的網(wǎng)絡分析方法則突破了傳統(tǒng)社會科學研究方法的瓶頸，更接近從“分子”層面來解析社會問題的結構和規(guī)律。其相似性主要有以下幾點：

第一，關注微觀層面的個體，而不是宏觀層面的統(tǒng)計指標。網(wǎng)絡分析法的每個節(jié)點可以代表一個組織、一個群體、甚至一個個體。它直接關注個體的具體活動，例如在社會輿論分析中，每個網(wǎng)絡節(jié)點的主體就是一個互聯(lián)網(wǎng)發(fā)言者，每個發(fā)言者有自己所處的環(huán)境、觀點、發(fā)言的主題等，所有分析都是圍繞著個體的活動展開。

第二，關注節(jié)點間的連接關系。物質世界中的元素并不豐富，一張元素周期表即可表達，常見的元素甚至只有幾十種。而這僅僅幾十種元素通過不同的連接關系，形成了不計其數(shù)的分子形態(tài)，進而塑造了繽紛的物質世界。這種連接關系被稱為化學鍵，是不同種類物質形成和變化的關鍵所在。而網(wǎng)絡分析方法的關鍵也在于網(wǎng)絡中微觀個體的連接關系。同樣的人群有不同的連接關系就形成了不同的組織架構，對外反映出不同的形態(tài)。例如社會輿論分析中，信息在不同網(wǎng)絡結構中傳播的方式、流向、速度等都有很大差異。

第三，由微觀至宏觀的邏輯推導和精準控制。當自然科學發(fā)展到分子層面，可以掌握分子的結構和規(guī)律，進而可以從分子微觀的變化推導出物體宏觀的變化。例如當外界溫度升高，分子鍵被破壞，分子的形態(tài)就產(chǎn)生了變化，而宏觀層面則反映為宏觀物質的性質變化?；趯Ψ肿游⒂^規(guī)律的掌握，自然科學中衍生出“計算化學”，即不需要通過實際的化學實驗，而是通過計算機對分子建模，模擬化學實驗，精確地仿真化學反應，合成或分解新的物質。其效率之高是傳統(tǒng)化學實驗無法比擬的，這就是從微觀到宏觀的邏輯推導帶來的精準控制效果。網(wǎng)絡分析方法是對社會科學中微觀規(guī)律的分析和總結，在掌握個體與個體互動關系的微觀規(guī)律基礎上，可以推導出宏觀的結果。進而通過信息技術對網(wǎng)絡進行建模仿真，快速高效的對網(wǎng)絡進行分析，并通過微觀層面的干預，精準地控制宏觀層面的事件發(fā)展。例如本書中提到的通過網(wǎng)絡建模，找到“活躍人物”、“焦點人物”和“輿論領袖”等關鍵節(jié)點，施以不同的引導策略，可以對社會輿論進行有效的控制。

三、網(wǎng)絡分析的主要創(chuàng)新點

傳統(tǒng)的社會網(wǎng)絡分析相對較為成熟，一般建立網(wǎng)絡模型并通過圖論分析人與人之間的網(wǎng)絡關系。例如企業(yè)管理中不同利益相關者之間的網(wǎng)絡關系、輿情分析中不同發(fā)言者之間的網(wǎng)絡關系。2009年9月，著名期刊Science推出了復雜系統(tǒng)與網(wǎng)絡專輯，其中《反恐怖主義的新工具：元網(wǎng)絡》分析一文中指出了傳統(tǒng)網(wǎng)絡分析的局限性：“網(wǎng)絡分析并沒有真正起到控制恐怖分子的作用，網(wǎng)絡分析作用受到限制的部分原因是圖論作為網(wǎng)絡分析的基礎數(shù)學理論不夠靈活。我們善于構建靜態(tài)網(wǎng)絡，但是，像這樣的網(wǎng)絡總隨著時間改變，而我們并沒有動態(tài)的圖理論?！保˙ohannon，2009）。傳統(tǒng)的社會網(wǎng)絡分析的局限性主要體現(xiàn)在兩個維度，即“單?！焙汀办o態(tài)”?！皢文！奔淳W(wǎng)絡只有一層，僅探討“同類元素”之間的關系，在管理學、社會學中一般具體為人與人之間的關系。而現(xiàn)實中，人不僅與人互相聯(lián)系，也與其他元素互相聯(lián)系。例如輿論分析中，人會與話題產(chǎn)生聯(lián)系，會與觀點產(chǎn)生聯(lián)系，也會和環(huán)境產(chǎn)生聯(lián)系。因此對于許多問題，并不僅僅是分析人與人關系那么簡單，這就需要進行“多?！钡木W(wǎng)絡分析，分析不同類元素之間的關系。“靜態(tài)”即網(wǎng)絡是靜態(tài)不變的，然而現(xiàn)實中大多數(shù)網(wǎng)絡是隨時間動態(tài)變化的，例如輿論網(wǎng)絡，每個人的觀點會受到周圍環(huán)境的影響，人和人的關系也在動態(tài)變化，靜態(tài)網(wǎng)絡不足以反映和分析現(xiàn)實中的問題。

為了突破這兩個維度的局限性，“超網(wǎng)絡分析”和“動態(tài)網(wǎng)絡分析”應運而生。超網(wǎng)絡，也被稱為“網(wǎng)絡的網(wǎng)絡”，是跨越多個網(wǎng)絡的“多?！本W(wǎng)絡，用以研究不同網(wǎng)絡間的互相作用。超網(wǎng)絡的出現(xiàn)突破了傳統(tǒng)“單?！本W(wǎng)絡的局限性，與實際的網(wǎng)絡具有較強的一致性。動態(tài)網(wǎng)絡是規(guī)模、結構可以隨時間不斷調(diào)整的網(wǎng)絡。動態(tài)網(wǎng)絡突破了傳統(tǒng)的靜態(tài)網(wǎng)絡分析，能夠更加適應實際社會網(wǎng)絡的動態(tài)發(fā)展。近年來網(wǎng)絡分析方法的突破具體有以下幾點：

（1）元矩陣（Carley，2002）：Carley結合知識管理、運籌學和社會網(wǎng)絡技術創(chuàng)建了元矩陣表示方法。元矩陣表示方法是表示異質個體和他們之間的多種不同邊。例如一個元矩陣可以由人、資源、任務、組織四個元素構成，元素兩兩相連形成共10個內(nèi)部鏈接的網(wǎng)絡，如表1所示。元矩陣可以看作是網(wǎng)絡嵌套的基礎，對一個網(wǎng)絡的改變會影響到其他網(wǎng)絡，一個網(wǎng)絡中的關系也同時蘊含著其他網(wǎng)絡中的關系。

表1 元矩陣示例

（2）概率邊（probabilistic ties）：網(wǎng)絡中邊的連接是具有一定概率的。多種實時產(chǎn)生的影響是具有概率的，包括觀察者對邊的確定性和鏈接存在的可能性。動態(tài)網(wǎng)絡分析多使用貝葉斯更新策略，認知推理方法和社會認知改變過程模型，用于評估概率和它隨時間的變化。概率邊的出現(xiàn)是網(wǎng)絡分析方法的一大進步。對比近代物理學，越微觀的物質其不確定性越強。例如某一電子的運動軌跡，躍遷能級是無法確定的，但可以用概率表達。類似的，當社會學研究至微觀層面，不確定性也顯著增大，特別是人類個體的行為不確定性非常大，難以用確定的數(shù)學形式表達。因此，用概率表達個體的行為以及個體之間的關系是非常必要的。

（3）多主體網(wǎng)絡模型（multi-agent network models）：傳統(tǒng)社會網(wǎng)絡分析方法的一個主要問題是個體不具有主動適應能力，即不能采取行動，學習和改變他們的網(wǎng)絡。利用多主體（multi-agent，也稱為多智能體）技術，每個個體可以根據(jù)某種機制進行學習、合作、博弈等，從而促進網(wǎng)絡動態(tài)演化。驅動個體學習和交互的因素有很多，如自利性，即追求自身的利益最大化，與其他個體交換資源等；相似性，即相似的文化背景、性別、年齡等；探索性，即希望尋找新知識，探索未知世界的激勵等。

（4）超網(wǎng)絡（supernetwork）：指高于而又超于現(xiàn)存網(wǎng)絡的網(wǎng)絡（supernetwork—above and beyond existing network）（Nagurney and Dong，2002）。超網(wǎng)絡可以表達不同網(wǎng)絡的相互關系，如圖1所示。其主要特性包括：網(wǎng)絡嵌套，及網(wǎng)絡中包含網(wǎng)絡；多層，層內(nèi)與層間都有連接；多級，同級和級間都有連接；信息流向可以是多維的；網(wǎng)絡的多屬性與多準則；存在擁塞性；協(xié)調(diào)性，全局優(yōu)化與個人優(yōu)化的協(xié)調(diào)。

圖1 超網(wǎng)絡示意圖

四、網(wǎng)絡分析方法的升級

動態(tài)網(wǎng)絡分析和超網(wǎng)絡分析與傳統(tǒng)的社會網(wǎng)絡分析相比，在度量指標、分析工具、建模方法等方面均有較大差異。

（一）度量指標對比

傳統(tǒng)社會網(wǎng)絡分析主要采用中心性分析、凝聚子群分析、核心—邊緣結構分析等，采用的指標為度、距離、平均路徑長度、介數(shù)、集聚系數(shù)等。這些參數(shù)基本是從圖論中直接引用過來，表達網(wǎng)絡結構以及節(jié)點之間的關系（Wasserman and Faust，1994）。

動態(tài)網(wǎng)絡中引入了“元矩陣”的概念，這使傳統(tǒng)的網(wǎng)絡變得豐富而蘊含多種變化。網(wǎng)絡不僅僅是點和線的關系，而升級為“元矩陣”之間的關系以及“元矩陣”包含元素之間的關系。動態(tài)網(wǎng)絡分析的度量指標也顯著地豐富起來，除了傳統(tǒng)網(wǎng)絡分析的指標，增加了許多與“元矩陣”相關的指標，如可訪問索引—基于資源（access index，resource based），交流需求度，交流一致度，知識多樣性等?？梢钥闯鲞@些增加的指標均與元矩陣的智能體（agent）的“動作”相關。作為一個智能體，它需要通過網(wǎng)絡獲取需要的資源，因此“可訪問索引—基于資源”表明它獲取資源的范圍。每個智能體需要通過交流獲取知識等，因此“交流需求度”表達了智能體與周邊其他智能體交流的需要。

超網(wǎng)絡由多層網(wǎng)絡構成，其分析指標已不局限于單層網(wǎng)絡，但其指標可與單層網(wǎng)絡指標相對應（王志平，2008）。如對應單層網(wǎng)絡中的節(jié)點度指標，超網(wǎng)絡中有“節(jié)點超度”指標（vertex hyperdegree），其表示某個節(jié)點參與組成的超邊數(shù)。對應于單層網(wǎng)絡的距離指標，超網(wǎng)絡中有“節(jié)點間距離”指標（vertex-vertex distance），其表示連接任意兩個點的最短路徑超邊數(shù)，也即兩個節(jié)點相連通過的最少超邊數(shù)。

三種網(wǎng)絡的度量方法對比如表2。

表2 不同網(wǎng)絡分析方法的度量指標對比

（續(xù)表）

（二）分析工具對比

傳統(tǒng)社會網(wǎng)絡分析經(jīng)歷了幾十年的發(fā)展，已經(jīng)形成了一系列較為成熟的分析工具，如應用較為廣泛的Pajek，Gephi等。然而傳統(tǒng)的網(wǎng)絡分析工具無法滿足逐漸興起的動態(tài)/超網(wǎng)絡分析的要求，因此適應動態(tài)/超網(wǎng)絡分析的新型網(wǎng)絡分析工具開始出現(xiàn)。本書中重點介紹了Carley及其團隊開發(fā)的動態(tài)網(wǎng)絡分析工具，包括三個開源軟件：Auto Map，ORA和Dy Net，涵蓋了從網(wǎng)絡建立、網(wǎng)絡分析到動態(tài)仿真模擬的全生命周期分析工具。Auto Map是一個計算機輔助網(wǎng)絡文本分析軟件，可以將網(wǎng)絡文本中詞語之間的聯(lián)系進行編碼，將關聯(lián)詞語構建成網(wǎng)絡。其中運用了最新的語義分析技術，可以將作者的心理版圖建模為網(wǎng)絡。ORA是一個網(wǎng)絡分析工具，可以對元矩陣進行管理（輸入信息、編輯參數(shù)等）。ORA可以計算和判斷動態(tài)網(wǎng)絡的參數(shù)變化，偵測一個組織結構中存在的風險和脆弱性。Dy Net為模擬仿真工具，根據(jù)多種不確定信息對網(wǎng)絡進行推理，分析網(wǎng)絡組織如何演化，面對不同級別的干擾魯棒性如何，以及不同隔離策略下的網(wǎng)絡演化趨勢等。Dy Net中的agent可以通過交互不斷學習知識、調(diào)整狀態(tài)、適應環(huán)境，通過agent的動態(tài)變化，推動整個網(wǎng)絡的動態(tài)仿真。

（三）鏈路預測到超鏈路預測

鏈路預測是復雜網(wǎng)絡研究中關注的一個熱點問題。其目的是基于已知的網(wǎng)絡數(shù)據(jù)，包括網(wǎng)絡的拓撲信息和外在屬性信息，通過選擇合適的算法，估計節(jié)點間存在鏈接的可能性。在超網(wǎng)絡建模環(huán)境中，網(wǎng)絡結構更加復雜，各層節(jié)點的屬性可能相同或不同，超邊（也稱超鏈路）連接著不同網(wǎng)絡層之間的節(jié)點，包含的信息多元又豐富，傳統(tǒng)的鏈路預測無法適用于超網(wǎng)絡結構。相對于傳統(tǒng)的鏈路預測（link prediction）研究，超鏈路預測是指在超網(wǎng)絡結構上，對未知的超鏈接（existent yet unknown superlinks）的預測以及未來超鏈接（future superlinks）的預測。

與傳統(tǒng)鏈路預測不同，超鏈路預測的本質是希望通過對不同復雜網(wǎng)絡下一時刻的超鏈路預測達到判斷網(wǎng)絡動態(tài)演化趨勢、干預網(wǎng)絡結構進、調(diào)整系統(tǒng)功能的目的。超鏈路預測的過程就是模擬和分析超網(wǎng)絡動態(tài)演化的過程，不同的預測方法也賦予了網(wǎng)絡動態(tài)演化的不同規(guī)則。因此超鏈路預測已不僅限于鏈接概率的分析，而是模擬網(wǎng)絡動態(tài)演進的一種重要方法，同時可以通過預知網(wǎng)絡的發(fā)展而進行網(wǎng)絡系統(tǒng)的干預，從而調(diào)節(jié)超網(wǎng)絡系統(tǒng)的功能。

五、網(wǎng)絡分析的應用與成果

該書以社會輿情為研究對象，介紹了網(wǎng)絡分析方法在社會輿情分析與管理領域的應用。主要應用的領域有三個方面：關鍵人物識別、輿論傳播建模和輿論的干預與引導。

（一）關鍵人物識別

關鍵人物是指在網(wǎng)絡中具有重要地位或重要影響力的人物。例如美國有研究通過建立恐怖組織的網(wǎng)絡，分析恐怖組織中較為核心的成員，予以重點打擊。在社會輿情研究中，關鍵人物通常被定義為“意見領袖”，指能夠影響別人的態(tài)度或一定程度上改變別人行為的人。美國學者拉扎斯菲爾德、貝雷爾森等提出“兩級傳播理論”，及信息流向為“大眾傳播—意見領袖—一般受眾”。該理論中意見領袖作為兩級傳播的中間層，對輿論傳播有非常關鍵的作用。

傳統(tǒng)社會網(wǎng)絡分析的意見領袖識別：傳統(tǒng)社會網(wǎng)絡分析通過網(wǎng)絡指標對意見領袖進行篩選和分類。常用的網(wǎng)絡指標包括：連接度、關注度、活躍度、影響度、擴散度、中心度、帖子長度、平均路徑長度變化等。通過各項指標的綜合排序，排序較高者被識別為意見領袖。再根據(jù)不同屬性指標的排序，可以劃分出不同類型的意見領袖。例如，連接度、中心度、平均路徑長度和擴散度可以衡量發(fā)言人在社會網(wǎng)絡中的地位，識別“重要地位人物”；帖子長度、發(fā)帖數(shù)、點擊率和影響度則可以判斷“關鍵活躍人物”；刪除現(xiàn)有意見領袖，構建新的社會網(wǎng)絡關系，可以識別出“潛在意見領袖”。

動態(tài)網(wǎng)絡分析的意見領袖識別：動態(tài)網(wǎng)絡分析不同于傳統(tǒng)的社會網(wǎng)絡分析，在于它能處理大規(guī)模、動態(tài)、多模、多邊的具有多層不確定性的網(wǎng)絡。其整合了元矩陣、多智能體建模和機器學習等方法，可以克服傳統(tǒng)社會網(wǎng)絡分析的局限性。動態(tài)網(wǎng)絡分析識別意見領袖的步驟為：模型構建、指標篩選、識別機制建立。模型構建主要是構建元矩陣和多智能體動態(tài)行為的規(guī)則。該書的案例中，元矩陣包含輿論主體、討論話題和思想態(tài)度三個元素。指標篩選是在建立模型的基礎上選擇合適的度量指標。動態(tài)網(wǎng)絡的度量指標非常豐富，常用的指標也多達幾十種，因此需要根據(jù)研究問題選擇合適的度量指標。識別機制構建是通過不同指標的組合，識別出不同類型的意見領袖。本書中的案例通過不同的指標識別了六種類型的意見領袖：焦點人物、傳播人物、活躍人物、潛在活躍人物、帖子獨占人物和關鍵詞獨占人物。

超網(wǎng)絡分析的意見領袖識別：該書的案例利用超網(wǎng)絡建立了四層結構的超網(wǎng)絡模型用以表達輿論的主體聯(lián)系，包括“社交子網(wǎng)”“環(huán)境子網(wǎng)”“心理子網(wǎng)”和“觀點子網(wǎng)”。在超網(wǎng)絡分析中，意見領袖通過超鏈路排序算法進行識別。通過對所有的超鏈路進行排序，找到社交子網(wǎng)中輿論主體形成的所有超鏈路分值，然后結合節(jié)點的超度，可以計算各輿論主體的平均超邊分值，得分高者即為超網(wǎng)絡中的意見領袖。

（二）輿論傳播模型

傳統(tǒng)社會網(wǎng)絡分析是靜態(tài)的，無法建立輿論傳播模型。動態(tài)網(wǎng)絡分析給輿論傳播模型提供了空間，通過輿論傳播模型與動態(tài)網(wǎng)絡的結合，對輿論傳播進行模擬分析。該書以謠言傳播為例，介紹了幾種模型的應用，包括數(shù)學模型、物理模型、仿真模型、多智能體模型、系統(tǒng)模型。其中目前應用較多的是多智能體模型，每一個智能體被視為具有適應性的主體，能夠與環(huán)境和其他主體交互。在交互的過程中不斷地“學習”和“積累經(jīng)驗”，并根據(jù)學習到的經(jīng)驗不斷改變自身的行為模式。智能體具有自治性、可通信性、反應性和主動性的特征，非常適于模擬輿論傳播中的人類行為。通過從微觀至宏觀的建模，可以模擬和預測輿情動態(tài)的發(fā)展和演進。

（三）輿論的引導與干預

在識別關鍵人物和建立輿論傳播模型的基礎上可以對社會輿論進行引導和干預。

輿論引導：輿論引導主要是通過影響意見領袖使輿論走向往預定的方向發(fā)展。對不同類型的意見領袖有不同的引導策略。例如，對于活躍人物（網(wǎng)絡中超度值較大的節(jié)點為活躍人物），應引導他們發(fā)揮表率和示范作用，因為活躍人物的輿論影響力巨大，示范效應顯著。而焦點人物（網(wǎng)絡中超邊重合度較高的節(jié)點）一般發(fā)帖數(shù)量較多，關鍵詞基本一致，得到多數(shù)輿論主體的認同和支持，通常為媒體或專業(yè)的輿論平臺。對于焦點人物，應當引導他們具有更強烈的社會責任感，有助于形成自律機制。

輿論干預：輿論的干預主要需要考慮干預時機、干預方式以及干預強度。目前對于輿論的干預通常是待輿論發(fā)展到一定程度，再進行干預，具有顯著的滯后性。而輿論事件通常是在造成重大影響前進行干預才具有較為理想的效果。動態(tài)網(wǎng)絡結合輿論傳播模型可以對輿論的動態(tài)發(fā)展進行分析預測，對輿情事件進行預警，從而較為準確的把握輿論干預時機，在輿論發(fā)展初期進行有效控制。干預方式主要是通過主流媒體、互聯(lián)網(wǎng)、移動端等渠道對輿論網(wǎng)絡輸入正向信息，改變輿論的環(huán)境，推動輿論向正向發(fā)展。干預的強度需要針對網(wǎng)絡主體的心理和對事件的反映情況，其強度需要足以改變主體對輿論的心理，使主體的態(tài)度起到變化。超網(wǎng)絡模型可以計算網(wǎng)絡主體的心理變化情況，為干預的強度提供定量依據(jù)。

六、結語

《社會輿情的網(wǎng)絡分析方法與建模仿真》一書向讀者展現(xiàn)了新興的網(wǎng)絡研究方法的理論框架、分析工具及在社會輿論管理實踐中的強大作用。這是一種典型的“自然與社會”交叉的研究方法，以傳統(tǒng)自然科學研究中的網(wǎng)絡分析、模型構建、仿真技術為手段，研究社會輿情這個復雜的社會科學問題。同時，這也是一種從微觀顆粒度出發(fā)的研究方法，關注到每一個發(fā)帖者、每一篇文章、每一條回復甚至每一個關鍵詞，挖掘其背后的潛在關系并推導出宏觀輿情的發(fā)展規(guī)律。因此，本文稱其為“分子”級的社會科學研究方法。網(wǎng)絡分析法，特別是動態(tài)網(wǎng)絡和超網(wǎng)絡分析賦予了社會科學研究一個強大的“顯微鏡”工具，可以把宏觀的社會科學問題做微觀的剖析，為社會科學的研究提供了一種全新的視角。

然而這種新興的研究方法也存在很多方面的不足與局限性。首先，社會科學的問題相對較為復雜，一個問題中可能存在成千上萬種特征參數(shù)，然而在構建模型的時候無法納入過多參數(shù)，會損失大量的信息，有可能造成結果的失真。另一方面，雖然目前的研究已經(jīng)進行了一些微觀層面的剖析，但研究中的個體在網(wǎng)絡分析中仍然是比較抽象的“點”。類似幾何中的“點”是沒有大小沒有面積的抽象概念，本書中網(wǎng)絡中的節(jié)點（即社會輿論中的個體）也是沒有特征和實體的一個抽象模型。而實際世界中的個體并不僅僅是網(wǎng)絡發(fā)言的一個ID，他背后有豐富的特征，比如年齡、性別、教育背景、經(jīng)濟條件甚至社會網(wǎng)絡?；诖丝梢运茉煲粋€豐富立體的而不僅僅是概念性的個人模型，并且進一步挖掘出更加有價值的信息，對輿情問題有更加準確地分析和預測。如果以自然科學作為對比，可以形象地說目前網(wǎng)絡分析的方法達到了“分子”級的精度，但還沒有達到“原子”級的精度。

現(xiàn)代信息技術給研究方法的發(fā)展帶來了新的機遇。大數(shù)據(jù)、機器學習、模式識別、物聯(lián)網(wǎng)、人工智能、云計算等技術的出現(xiàn)為針對微觀個體的研究提供了有利的工具。伴隨信息技術的快速發(fā)展，近年來越來越多微觀化、動態(tài)化、智能化的社會科學研究方法不斷涌現(xiàn)。雖然目前的網(wǎng)絡分析方法還存在很多方面的不足與局限性，但其仍然具有一定的創(chuàng)新與前瞻性。沿此方向不斷探索，社會科學應當像自然科學一樣，能夠實現(xiàn)宏觀到微觀的突破和質變，屆時社會科學研究將迎來一個嶄新的時代。

參考文獻

Bohannon，J.2009.Counterterrorism's New Tool：‘Metanetwork’ Analysis.Science325（5939）：409-411.

Carley，K M.2002.Smart Agents and Organizations of the Future. Handbook of New Media12：206-220.

Nagurney，A，and J Dong.2002.Supernetworks：Decision-Making for the Information Age76（2）：93-95.

Wasserman，S，K Faust.1994.Social Network Analysis：Methodsand Applications.Cambridge University Press.

劉怡君，李倩倩，馬寧，等.社會輿情的網(wǎng)絡分析方法與建模仿真[M].北京：科學出版社，2016.

王志平.超網(wǎng)絡理論及其應用[M].北京：科學出版社，2008.