全媒体时代基于微分博弈的网络舆情引导激励机制研究

doi:10.16381/j.cnki.issn1003-207x.2022.0977

摘要/Abstract

摘要：

全媒体时代赋予了网络舆情独特的传播特征，也对其监管与治理提出了更高的要求。鉴于此，探索有效的网络舆情引导策略与激励机制对营造健康的舆论生态具有重要意义。考虑到网络舆情传播的动态性与持续性，结合网络舆情实际传播过程及借助微分博弈的研究范式，本文构建了由监管主体、网媒、网民构成的5种网络舆情传播情境；通过求解不同情境下各主体的均衡策略，进而分析网络舆情的传播引导效果，识别网络舆情引导过程中的关键参数。研究结果表明，双激励并存策略情境下的网络舆情引导效果最佳，可实现系统整体收益的帕累托最优；无激励策略情境下，网络舆情引导效果处于最低水平；显性激励和隐性激励策略均可有效改善网络舆情引导效果，但存在差异化的影响强度： $φ M ? ω ? φ N$ 。

关键词: 网络舆情, 全媒体时代, 微分博弈, 引导策略, 激励机制

Abstract:

With the rapid development of artificial intelligence technology， the era of omnimedia has arrived. Network public opinion propagation has been endowed with new and unique characteristics， which also puts forward higher requirements for its guidance and governance. Therefore， it is of great significance to explore effective network public opinion guidance strategies and incentive mechanisms to build a healthy public opinion ecology.Considering the dynamic and sustainable propagation of network public opinion， combined with the actual propagation process and the research paradigm of differential game， five kinds of network public opinion propagation scenarios composed of regulator， media and netizens are constructed. By solving the equilibrium strategy of each subject， the propagation process and guiding effect of network public opinion under different incentive scenarios are theoretically analyzed. Combined with the simulation experiment， the influence of different guidance methods on the propagation and guidance effect of network public opinion is deeply analyzed， and then the key parameters in the guidance process of network public opinion are identified.The results show that the network public opinion guidance effect is the best under the dual incentive policy scenario， which can realize the Pareto optimization of the overall system income. And the network public opinion guidance effect is at the lowest level under the non-incentive policy scenario. It is worth noting that both explicit incentive and implicit incentive policies can effectively improve the guiding effect of network public opinions， but there are different intensity of influence： $φ M$ （the cost subsidy coefficient provided by the regulator to the media） $?$ $ω$ （implicit incentive coefficient） $?$ $φ N$ （the cost subsidy coefficient provided by the regulator to the netizens）.

Key words: network public opinion, omnimedia era, differential game, guidance strategy, incentive mechanism

中图分类号:

G206.3

侯艳辉,管敏,王家坤,孟帆,张昊. 全媒体时代基于微分博弈的网络舆情引导激励机制研究[J]. 中国管理科学, 2023, 31(8): 239-252.

Yan-hui HOU,Min GUAN,Jia-kun WANG,Fan MENG,Hao ZHANG. Research on the Incentive Mechanism of Network Public Opinion Guidance Based on Differential Game in the Omnimedia Era[J]. Chinese Journal of Management Science, 2023, 31(8): 239-252.

图/表 5

表1

损益变量说明"

损益变量	含义	损益变量	含义
$E M (t)$	网媒报道努力程度	$E N (t)$	网民传播努力程度
$C M (t)$	网媒报道成本	$C N (t)$	网民传播成本
$G (t)$	网络舆情的关注度	$R (t)$	网媒声誉
$Q (t)$	网络舆情的传播范围	$λ$	网民传播偏好系数
$φ M$	显性激励下监管主体对网媒的补贴系数	$φ N$	显性激励下监管主体对网民的补贴系数
$π M$	网媒的边际收益	$π N$	网民的边际收益
$ω$	监管主体对网媒的隐性激励系数	$ρ$	贴现率

表1

表2

假设说明"

假设	含义
$C M (t) = η M 2 E M 2 (t)$	网媒报道网络舆情的成本函数， $η M > 0$ 为努力成本系数
$C N (t) = η N 2 E N 2 (t)$	网民传播网络舆情的成本函数， $η N > 0$ 为努力成本系数
$G ? (t) = r M E M (t) + r N E N (t) - δ G (t)$	网络舆情的关注度， $r M > 0$ 、 $r N > 0$ 分别为网媒和网民努力水平对其影响程度， $δ > 0$ 为衰减系数
$R ? 1 (t) = ξ E M (t) - μ R (t)$	无激励和显性激励下的网媒声誉， $ξ > 0$ 为网媒努力水平对其影响程度， $μ > 0$ 为衰减系数
$R ? 2 (t) = (ξ + ω) E M (t) - μ R (t)$	隐性激励下的网媒声誉， $ω > 0$ 为隐性激励系数
$Q (t) = a + θ G (t) + λ R (t)$	网络舆情传播范围， $a > 0$ 为初始传播范围， $θ > 0$ 为网络舆情关注度对其影响程度， $λ > 0$ 为网媒声誉对其影响程度

表2

图1

图2

图3

参考文献 23

1	Kemp Simon. Dgital 2023 ：Global overview report［R］. 2023．
2	王家坤. 同时考虑对称博弈与非对称博弈的网络舆情传播研究［J］. 现代情报， 2022， 42（3）：109-120+156.
	Wang Jiakun. Research on the public opinion propagation considering both symmetric game and asymmetric game［J］. Journal of Modern Information， 2022， 42（3）： 109-120+156.
3	郭爽，万立军.微博社区网民情绪引导与舆情控制的SIR演化博弈分析［J］. 情报科学，2020， 38（5）： 132-140.
	Guo Shuang， Wan Lijun. SIR evolutionary game analysis of weibo community netizens' emotional guidance and public opinion control［J］. Information Science， 2020， 38（5）： 132-140.
4	祁凯，杨志. 突发危机事件网络舆情治理的多情景演化博弈分析［J］. 中国管理科学， 2020， 28（3）： 59-70.
	Qi Kai， Yang Zhi. Multi-scenario evolutionary game analysis of network public opinion governance in sudden crisis［J］. Chinese Journal of Management Science， 2020， 28（3）： 59-70.
5	Wang Shengling， Chen Shasha， Cheng Xiuzhen， et al. Analysis of antagonistic dynamics for rumor propagation［C］//39th IEEE International Conference on Distributed Computing Systems （ICDCS）. IEEE， 2019， 1253-1263.
6	邓建高，吴灵铭，齐佳音，等. 突发公共卫生网络舆情信息传播博弈分析［J］. 现代情报，2021， 41（5）： 139-148.
	Deng Jiangao， Wu Lingming， Qi Jiayin， et al. Game analysis of online public opinion dissemination in public health emergencies［J］. Journal of Modern Information， 2021， 41（5）： 139-148.
7	Zhao Hui， Liu Xin， Wang Yiting. Tripartite evolutionary game analysis for rumor spreading on weibo based on MA-PT［J］. IEEE Access， 2021， 9： 90043-90060.
8	Huang Dawen， Yang Luxing， Li Pengdeng， et al. Developing cost-effective rumor-refuting strategy through game-theoretic approach［J］. IEEE Systems Journal， 2021， 15（4）： 5034-5045.
9	张立凡，唐露，朱恒民，禚炳光. 情绪博弈下舆情主体情绪与决策行为互动模型研究［J］. 情报资料工作， 2022， 43（2）： 56-65.
	Zhang Lifan， Tang Lu， Zhu Hengmin， et al. Research on the interaction model of public opinion subject emotion and decision-making behavior under emotional game［J］. Information and Documentation Services， 2022， 43（2）： 56-65.
10	Wei Xiaochao， Zhang Yanfei， Fan Yuyao， et al. Online social network information dissemination integrating overconfidence and evolutionary game theory［J］. IEEE Access， 2021， 9： 90061-90074.
11	王治莹，聂慧芳，杨学亮. 考虑公众感知价值的突发性抢购事件演化博弈分析［J］. 中国管理科学， 2020， 28（3）： 71-79.
	Wang Zhiying， Nie Huifang， Yang Xueliang. Evolutionary game analysis of sudden panic buying events considering the perceived value of the public［J］. Chinese Journal of Management Science， 2020， 28（3）： 71-79.
12	林燕霞，谢湘生，张德鹏. 复杂交互行为影响下的网络舆情演化分析［J］. 中国管理科学， 2020， 28（1）： 212-221.
	Lin Yanxia， Xie Xiangsheng， Zhang Depeng. Analysis of online public opinion evolution under the influence of complex interaction behaviors［J］. Chinese Journal of Management Science， 2020， 28（1）： 212-221.
13	Xiao Yunpeng， Yang Qiufan， Sang Chunyan， et al. Rumor diffusion model based on representation learning and anti-rumor［J］. IEEE Transactions on Network and Service Management， 2020， 17（3）：1910-1923.
14	张桂蓉，夏霆. 突发公共事件网络谣言传播长尾效应的控制研究——以新型冠状病毒肺炎疫情为例［J］. 情报理论与实践， 2021， 44（3）： 69-75.
	Zhang Guirong， Xia Ting. Research on the control of the long-tail effect of internet rumor spread in public health emergencies： taking the coronavirus disease 2019 pandemic as an example［J］. Information Studies：Theory & Application， 2021， 44（3）： 69-75.
15	Wang Jiakun， Wang Xinhua， Fu Li. Evolutionary game model of public opinion information propagation in online social networks［J］. IEEE Access， 2020，8： 127732-127747.
16	侯艳辉，管敏，王家坤，等. 基于Moran过程的竞争性舆情信息的网络传播博弈模型［J］. 计算机应用研究， 2022， 39（7）： 2050-2057.
	Hou Yanhui， Guan Min， Wang Jiakun， et al. Network game model of competitive public opinion information propagation based on Moran process［J］. Application Research of Computers， 2022， 39（7）： 2050-2057.
17	武丹，杨玉香.考虑消费者低碳偏好的供应链减排微分博弈模型研究［J］.中国管理科学，2021，29（4）： 126-137.
	Wu Dan， Yang Yuxiang. Study on the differential game model for supply chain with consumers’ low carbon preference［J］. Chinese Journal of Management Science， 2021， 29（4）： 126-137.
18	马德青，胡劲松. O2O模式下考虑消费者参考效应和成员互惠利他的产品——服务供应链微分博弈［J］. 管理工程学报， 2021， 35（1）： 151-167.
	Ma Deqing， Hu Jinsong. Differential game of product-service supply chain considering consumers’ reference effect and members’ reciprocity altruism under O2O mode［J］. Journal of Industrial Engineering and Engineering Management， 2021， 35（1）： 151-167.
19	Jorgensena S， Taboubi S， Zaccour G. Retail promotions with negative brand image effects： is cooperation possible？［J］. European Journal of Operational Research， 2003，150（2）： 395-405.
20	徐浩，谭德庆. 区域合作污染控制及动态收益分配策略研究［J］. 中国管理科学， 2021， 29（9）： 65-76.
	Xu Hao， Tan Deqing. Research on regional cooperative pollution control and dynamic payment distribution strategy［J］. Chinese Journal of Management Science， 2021， 29（9）： 65-76.
21	樊自甫，程姣姣. 基于微分博弈的数据开放策略及合作收益分配机制研究［J］.运筹与管理，2021，30（12）： 100-107.
	Fan Zifu， Cheng Jiaojiao. Research on data opening strategy and cooperative income distribution mechanism based on differential game［J］. Operations Research and Management Science， 2021， 30（12）： 100-107.
22	徐春秋，王芹鹏. 考虑政府参与方式的供应链低碳商誉微分博弈模型［j］. 运筹与管理， 2020， 29（8）： 35-44.
	Xu Chunqiu， Wang Qinpeng. Differential game models of low carbon reputation considering government participation in supply Chain［J］. Operations Research and Management Science， 2020， 29（8）： 35-44.
23	徐沛雷，彭正银. 基于平台补贴的UGC平台优质内容生成与头部带动策略［J/OL］. 运筹与管理， 2023..
	Xu Peilei， Peng Zhengyin. Head-driven strategy for high-quality content generation on UGC Platforms based on platform subsidy［J/OL］. Operations Research and Management Science， 2023..

[1]	崔健波,罗正英. 成本控制与棘轮效应：节约分成激励vs.目标分成激励[J]. 中国管理科学, 2023, 31(8): 90-99.
[2]	姜跃, 韩水华, 赵洋. 基于零售商公平偏好的联合碳减排与低碳宣传微分对策研究[J]. 中国管理科学, 2023, 31(7): 173-182.
[3]	胡劲松, 刘玉红, 马德青. 食品安全危机预测下食品供应链动态策略制定及协调[J]. 中国管理科学, 2023, 31(5): 116-131.
[4]	陈华, 张煜巍. 企业社会责任负面事件网络舆情演化阶段式建模分析[J]. 中国管理科学, 2023, 31(2): 195-204.
[5]	王磊, 李守伟, 何建敏, 候德飞. 网络舆情扰动下房地产投资者“追涨杀跌”行为扩散研究[J]. 中国管理科学, 2023, 31(1): 56-69.
[6]	王璐, 林凯, 陈丽华. 基于公平偏好的存货质押融资3PL激励机制研究[J]. 中国管理科学, 2022, 30(9): 82-93.
[7]	程粟粟, 张帆, 李冬冬. 基于绿色技术研发的绿色供应链微分博弈及协调模型[J]. 中国管理科学, 2022, 30(8): 95-105.
[8]	朱建波, 时茜茜, 张劲文, 盛昭瀚. 考虑保险机构参与的重大工程风险管理激励模型[J]. 中国管理科学, 2022, 30(6): 1-10.
[9]	欧阳资生, 杨希特, 黄颖. 嵌入网络舆情指数的中国金融机构系统性风险传染效应研究[J]. 中国管理科学, 2022, 30(4): 1-12.
[10]	王一雷，夏西强，张言. 碳交易政策下供应链碳减排与低碳宣传的微分对策研究[J]. 中国管理科学, 2022, 30(4): 155-166.
[11]	马德青, 胡劲松. 消费者展厅行为和参考质量效应对O2O供应链动态运营策略的影响[J]. 中国管理科学, 2022, 30(4): 167-183.
[12]	王威昊, 马德清, 胡劲松. 产品伤害危机预期下的最优动态广告策略[J]. 中国管理科学, 2022, 30(2): 204-216.
[13]	徐浩, 谭德庆. 区域合作污染控制及动态收益分配策略研究[J]. 中国管理科学, 2021, 29(9): 65-76.
[14]	刘琳, 王玖河. 基于知识结构的顾客知识共享激励机制研究[J]. 中国管理科学, 2021, 29(8): 241-248.
[15]	王君, 程先学, 蒋雨珊, 董振敏. 碳税政策下考虑参考碳排放的供应链成员行为选择研究[J]. 中国管理科学, 2021, 29(7): 128-138.