基于多Agent的在线口碑信息传播建模与仿真_李园伟.pdf

基金项目:国家自然科学基金(71461025)收稿日期:2021-06-27 修回日期:2021-07-07 第 40 卷 第 4 期计 算 机 仿 真2023 年 4 月 文章编号:1006-9348(2023)04-0427-07基于多 Agent 的在线口碑信息传播建模与仿真李园伟,赵 军(宁夏大学信息工程学院,宁夏 银川 750000)摘要:在线口碑信息传播在企业社会化营销中占据重要地位,研究口碑信息传播机制及规律,对企业制定营销策略,提高企业竞争力具有重要意义。构建了一种新口碑信息传播模型 De-SHIR 模型,它融合了改进的传染病模型和 Deffuant 观点交互模型,同时基于 NetLogo 对新模型进行了多 Agent 仿真,探究口碑信息传播的宏观规律以及微观个体特质对口碑信息传播的影响。研究发现,消费者接受意愿、权威度以及网络平均度与口碑信息传播速度与规模成正相关,而从众性与口碑信息传播效果成负相关。关键词:多主体仿真;口碑信息传播;传染病模型;观点交互机制中图分类号:TP391.9 文献标识码:BModeling and Simulation of Online Word-of-Mouth InformationDissemination Based on Multi-AgentLI Yuan-wei,ZHAO Jun(College of Information Engineering,Ningxia University,Yinchuan Ningxia 750000,China)ABSTRACT:Online word-of-mouth information dissemination occupies an important position in corporate socialmarketing.Research on the mechanism and rules of word-of-mouth information dissemination is of great significancefor companies to formulate marketing strategies and improve their competitiveness.This paper combines the infectiousdisease model and the Deffuant viewpoint interaction model to construct De-SHIR model.At the same time,multi-a-gent simulations are carried out based on the NetLogo to explore the macro-rules of word-of-mouth information dis-semination and micro-personal characteristics.The study found that consumers willingness to accept,authority,andnetwork average degree are positively correlated with word-of-mouth information dissemination speed and scale,while conformity is negatively correlated with word-of-mouth information dissemination effect.KEYWORDS:Multi-agent simulation;Word-of-mouth information dissemination;Infectious disease model;Opinioninteraction mechanism1 引言社交媒体的蓬勃发展,为企业社会化营销提供了新的发展方向,企业可以利用社交媒体向消费者推广产品和服务,并通过消费者的自发传播使营销信息获得爆发性的扩散。这种企业作为幕后推手,依托社交关系网络,将商品信息精准传达给消费者,从而达到企业营销目的的信息,称为在线口碑信息。在线口碑已经成为消费者之间、消费者与企业之间互动、交流、联系的新形式1,2。因此,迫切需要对口碑传播机制和规律进行研究,从而可以对口碑传播进行合理的预测以及管理控制。口碑信息本质上是信息,研究信息传播模型对口碑信息传播模型的探讨具有极大的参考价值。传染病模型由于其不需要设定网络结构、基于用户交互、主要研究宏观效应以及分析预测信息传播规模等特点3,被广泛应用于信息传播模型的研究。经典的传染病模型包含 SI 模型4、SIS 模型5以及 SIR 模型6等。Garg 等人以 SI 模型为基础,分析了社交网络的信息传播行为7;魏静等人改进了 SIR 模型,探究微博网络中的信息传播特点,发掘舆情传播过程的影响因素8。除口碑传播模型本身以外,传播过程中消费者特性以及社会网络结构同样对口碑信息的传播结果有着重大影响。刘晓君构建了考虑消费者个体从众行为的口碑信息传播模型,探讨口碑信息在社交网络中的传播3;黄逸磊等人考虑724了消费者自身性格、表达欲、影响力等特性对信息传播的影响,研究不实信息的传播规律9;Pin Luarn 等人通过研究网络度和网络集群对信息传播的影响,探讨网络结构对社交网站信息传播的影响10。口碑信息传播过程中,消费者个体之间的交互是必不可少的。在模型构建过程中,个体交互的可视化表现为消费者对口碑信息观点值的变化或认知状态的转变。研究发现,个体会对新发布的信息产生一个初始观点,并且在和其他个体的交流互动过程中不断进行观点的调整11,12,因此,借助观点演化模型设计口碑信息传播过程中的个体交互机制是完全可行的。王润等基于改进的 Deffaunt 模型建立多 Agent 交互机制,分析了不同因素对信息传播的影响13;Li Q 等人结合了 HK 模型和 SEIR 模型,探究微博中舆论信息传播规律14。现有关于口碑信息传播的研究大多通过改进不同的传染病模型以及状态转换概率,研究口碑信息传播的规律及其影响因素。模型中交互机制的设计始终是基于概率转换层面的,结合观点动力学模型对口碑信息传播过程进行研究少之又少。针对现有研究的不足,本文结合实际口碑信息传播过程,改进 SIR 传染病模型,同时融合了 Deffuant 观点交互模型,构建了一种新的在线口碑信息传播模型 De-SHIR 模型,并通过多 Agent 建模仿真,分析消费者异质性和社交网络结构对口碑信息传播的影响,以了解掌握口碑信息传播的规律,进而为企业对口碑传播的预测和管理提供理论支持,同时也为解决社会网络中的其他传播问题提供方法和思路。2 De-SHIR 口碑信息传播模型构建2.1 SHIR 信息传播模型传染病模型是基于人群完全混合的均场假设下15,对传染病传播机理进行研究的数学方法之一。本文基于传染病模型中的 SIR 模型,结合实际社交网络中的口碑信息传播过程,构建了更能反映消费者对口碑信息认知状态的 SHIR模型,分析在线口碑信息在社交网络中的传播。SHIR 模型结构如图 1 所示。图 1 口碑信息认知状态转换图该模型中消费者对在线口碑信息的认知状态主要分为以下四类:S(Susceptible):未知态,表示消费者不知晓口碑信息,当有新的口碑信息在社交网络中传播时,此类消费者一旦接触,立马转换为犹豫态或传播态;H(Hesitant):犹豫态,表示消费者接收到了口碑信息,但对此口碑信息并未进行传播;I(Infective):传播态,表示消费者接收到了口碑信息,且对此口碑信息进行了传播;R(Recovered):放弃态,表示消费者接收到了口碑信息,但对该口碑信息不感兴趣,停止传播该口碑信息。2.2 交互机制本文采用改进的 Deffuant 交互模型作为各消费者 Agent之间的交互机制,当消费者两两交互时,根据改进的观点动力学模型改变观点值,从而改变对口碑信息的认知状态。2.2.1 Deffuant 模型Deffuant 模型是一种连续观点交互模型,遵从有限信任原则16。在某一时刻,随机两个个体根据如下规则进行观点交互:若两个个体之间的观点差异值小于或等于给定的阈值 d,则可以发生交互,两个个体根据设定的规则改变观点值;否则交互行为不会发生,两个个体维持原来的观点值。假设个体 i 和 j 为社群中的两个随机个体,个体 i 在 t 时刻的观点值为 opt(i),个体 j 在 t 时刻的观点值为 opt(j),且opt(i),opt(j)0,1,给定阈值 d0,1,若|opt(i)-opt(j)|d,则opt+1(i)=opt(i)+(opt(j)-opt(i)opt+1(j)=opt(j)+(opt(i)-opt(j)(1)否则opt+1(i)=opt(i)opt+1(j)=opt(j)(2)其中,为收敛参数,0,0.5。2.2.2 改进 Deffuant 模型本文结合社交网络中口碑信息的传播对 Deffuant 模型进行了改进,将恒定值 改为消费者对口碑信息的接受度函数,以反映不同消费者对口碑信息的不同态度。本文中涉及的消费者特性包括对口碑信息的接受意愿、从众性以及消费者权威度。接受意愿(will):反映消费者对该口碑信息的内容、形式等感兴趣程度,接受意愿越高,传播概率越大;从众性(con):反映消费者受到群众观点影响,怀疑并改变自己观点的倾向,从众性越高,消费者越容易改变自己的观点;权威度(aut):由消费者邻居节点数占社区总节点数的比例决定,比例越高,消费者权威度越大,越容易促使与之交互的个体改变观点值。权威度函数定义如下autj=neighbor(j)total(3)其中 neighbor(j)代表节点 j 的邻居节点数目,total 代表整个社区的节点数目。为了防止权威度数值过小,对权威度函数进行 Min-Max 标准化处理,将权威度数值映射到0,1区间内,以方便观察后续实验中权威度对口碑信息传播的影响。消费者对口碑信息的接受度函数定义为824f(i,j)=willi+(coniop(i)-conjop(j)+autj-mima-mi(4)其中,f(i,j)代表个体 i 与个体 j 进行交互时,个体 i 改变观点值的概率,、分别代表接受意愿、从众性以及权威度在接受度函数中的权重。autj代表个体 j 的权威度,mi 为种群中节点最小权威度值,ma 为最大权威度值。综上,改进 Deffuant 模型的观点交互函数定义如下:若节点 i 与节点 j 是邻居节点,则opt+1(i)=opt(i)+f(i,j)(opt(j)-opt(i)opt+1(j)=opt(j)+f(j,i)(opt(i)-opt(j)(5)综上,本文通过改进 SIR 模型以及 Deffuant 观点交互模型,使其更符合实际在线口碑信息的传播状态,并将两个模型融合,构建了 De-SHIR 模型,以探究口碑信息传播的宏观规律及其影响因素。3 多 Agent 建模3.1 多 Agent 总体模型在线口碑信息传播过程是典型的复杂系统演化过程,目前对于口碑信息传播的研究方法主要有传染病模型、试验方法和多 Agent 仿真法。传染病模型主要用于口碑信息传播模型的构建;试验方法主要是利用爬虫技术获取网络真实数据并进行分析;多 Agent 仿真则是通过微观主体模型的构建与演化体现宏观模型的特性。在线口碑信息传播模型注重消费者个体异质性的研究,需要精确构建微观个体模型,因此,本文在 De-SHIR 模型构建完成之后,利用多 Agent 仿真分析口碑信息整体传播特性以及各因素对口碑信息传播的影响。本文设计的多 Agent 总体模型主要由企业 Agent、环境Agent、消费者 Agent 以及它们之间的交互关系组成。企业 A-gent 是口碑信息的发布方;环境 Agent 是所有