基于多Agent的企业社会化营销信息传播建模与仿真研究.docx

摘要随着社会化媒体的兴起和人们生活观念的变化，社会化营销已经成为了企业重要的营销方式。企业社会化营销过程中存在用户对信息从未知到已知再到传播的过程，它反映的是用户对企业从接触到接纳的过程。研究企业社会化营销背景下的信息动态传播与演化过程、掌握传播规律，对于企业制定营销策略、进行潜在客户挖掘、舆情监控、精准营销等活动有着重要意义。信息传播过程的本质是个体对于信息处理的行为决策，是一个基于个体交互、并以内部观点的变化为驱动力而形成的复杂的动态过程，传播演化的趋势和规律受到参与个体的自主性、个体异质性、个体间的复杂交互等多方面的影响。经常用于信息传播研究的经典传染动力学模型默认个体同质，对传播过程的假设过于简单，相关研究中的改进模型虽然通过考虑个体自身的影响力和个体间的相互影响力而建立了更加合理的传播机制，但仍然忽略了个体本身的异质属性以及多种信息传播渠道对信息传播过程的影响，难以真实反映企业社会化营销背景下的信息动态传播与演化。针对存在的问题，本文运用多Agent建模与仿真方法细粒度地刻画了个体异质特性和个体间的交互，构建了能够模拟信息动态演化过程的多Agent模型。本文首先分析了企业社会化营销中的信息传播过程和影响因素，并基于传播过程给出了相应的传染动力学模型。然后运用多Agent理论，建立了基于多Agent 的信息传播模型，分析了模型中的交互关系，并基于改进的观点交互模型理论构建了Agent之间的交互规则，建立了计算实验模型，进一步深入到对个体、个体之间及个体与环境之间的交互行为进行分析研究。最后基于Swarm平台对信息传播的复杂动态交互过程进行计算实验研究，在微观的层面，研究具有个体交互行为的信息传播过程，揭示社会关系网络中异质个体间信息传播的一般规律。通过与动力学模型的仿真结果对比和分析，证明了本文多Agent信息传播模型设计和交互机制研究的有效性。关键词：社会化营销，信息传播，传播动力学，多Agent建模，仿真AbstractWith the rise of social media and changes in people's life concepts, social marketing has become an important marketing method for enterprises. In the process of enterprises social marketing, there is an process from unknown to known and then the user's dissemination of information, which reflects the process from user contact to acceptance of the enterprise. Studying the dynamic information dissemination and evolution process and grasping the law of communication in the context of enterprises social marketing is of great significance for companies to formulate marketing strategies, potential customer mining, public opinion monitoring and precise marketing. The essence of the information dissemination process is the individual's decision on information processing. It is a complex dynamic process based on individual interactions and driven by changes in internal perspectives. The trends and laws are influenced by the autonomy, heterogeneity, complex interactions among individuals, etc. Classical infection dynamics models often used in information transmission research assume that individuals are homogeneous, and the assumption of the transmission process is too simple. Although the improved models in related studies have been established reasonable communication mechanism by considering the individual's own influence and the interaction between individuals, but still ignore the impact of individual's own heterogeneous attributes and multiple information transmission channels, so difficult to reflect the dynamic transmission and evolution of information in the context of enterprise social marketing. Aiming at the existing problems, this paper uses multi-agent modeling and simulation methods to describe the individual heterogeneous characteristics and interaction between individuals in a fine-grained manner, and builds a multi-agent model that can simulate the dynamic evolution of information.Firstly, it analyzes the information dissemination process and influencing factors in enterprise social marketing, and gives the corresponding infection dynamics model based on the dissemination process. Secondly, builds a multi-agent based information dissemination model based on the multi-agent theory and the interaction relationships in the model are analyzed, and the interaction rules between the agents are constructed based on the improved perspective interaction model theory, the experimental model of calculation is established. Analyze and study the interaction between individuals, individuals and the environment. Finally, the complex dynamic interaction process of information dissemination is studied based on the Swarm platform, the information dissemination process with individual interaction behavior is studied at the micro level, the general law of information dissemination among heterogeneous individuals in the social relationship network is revealed. By comparison and analysis with the simulation results of the dynamic model, the validity of the multi-agent information dissemination model design and interaction mechanism research in this paper is proved.Key words: Social marketing, Status transition, Infection dynamics, Multi-agent modeling, Simulation 第一章 绪论第一章 绪论1.1 研究背景与意义随着网络社群人数急速增加，国内外社交媒体不断推陈出新，其中以微博、Twitter等社会化媒体平台用户人数最多，当代社会化媒体呈现出蓬勃的发展趋势。社会化媒体具有良好的社会性和互动性，能够提高信息传播的广泛度和促进传播深度1，这些特点结合数量繁多的使用人群为企业打开了一个新的营销市场，为企业的产品和服务提供了良好的沟通、服务实时平台2，能够让企业充分利用社会网络所带来的优势进而展开各种营销活动。根据微博提供的微数据显示，截至2018年8月，微博企业账号达到140万，覆盖行业超过60个3，从社会化媒体的用户人数激增、广告营销功能扩展等发展趋势来看，社会化媒体已然成为各企业开展营销活动、提高企业知名度、提升企业绩效的一个不容忽视的平台，基于社交网络和多元内容的社交媒体平台受到越来越多企业的关注，社会化媒体营销成为企业的主要营销方式之一。企业社会化媒体营销最大的特点是以用户为中心的、社会性的营销，且在以提高企业绩效为最终目的的前提下，期望借助社会化媒体平台来提高企业及产品知名度，增长客户数量，并通过互动性的营销手段保持客户对企业和产品的好感。在整个营销过程中，用户对于企业的认知、对企业产品的认知会发生一系列改变，改变体现在用户对信息的处理上，从对信息的获知到对信息的传播，整个信息传播过程体现的是用户对企业从接触到接纳的过程，因此掌握信息传播过程规律成为企业挖掘潜在客户、增加客户数量、提升企业社会化营销能力的关键。由于企业社会化营销处于复杂的社会网络环境之中，社会化媒体提供的多种信息传播渠道和灵活的个体交互方式让信息传播成为一个复杂的动态演化过程，信息传播受到复杂系统中的环境、个体异质性以及个体交互的综合影响。因此，要准确描述社会化营销中的信息传播过程，需要从微观角度出发，研究个体的异质特征和异质个体间的交互机制，并综合考虑信息传播的环境，从而更为真实地描述复杂信息传播过程。多Agent建模方法是一种自底向上的建模方法，能够建立微观异质个体模型，探索个体交互机制，从复杂系统的角度研究信息传播的动态演化过程。通过对整个信息传播过程进行模拟仿真，可以展现由于异质个体交互而在信息传播过程中涌现出的宏观规律，能够认识个体在信息传播和扩散中的推动作用，有助于深入理解传播机理，进而为企业制定营销策略、调整营销方式提供决策支持，使企业能通过影响信息传播过程的方式提高营销有效性。本课题通过运用多Agent建模与仿真方法，对企业社会化营销背景下的复杂信息传播过程进行仿真和分析，旨在对信息传播问题的研究方法与技术上做出进一步的尝试。1.2 国内外相关研究现状1.2.1 信息传播动力学基于传染病的动力学模型是经常用于研究信息传播的模型，因为与传染病传播的过程相似，所以依照病毒传染的过程构建了传染病动力学模型来刻画信息传播扩散过程。信息传播过程及机理一直是一个热点研究内容，通常利用传染病模型探究信息传播机理，发现和总结某种背景下群体活动的一般规律。针对不同的情形有不同的研究，主要包括了复杂社会网络下的信息4-6、谣言7-8等。另外，传染病学在营销领域的信息传播方面也应用得较为普遍，主要研究集中在病毒营销有效性预测模型9、社会网络中营销信息的传播和渗透10、社交媒体营销传播机理11、信息源随时间的变化和信息传播幅度范围等传播规律12这样几方面。多方面的研究对于社会网络影响力节点识别、舆情演化、网络结构演化等都有重要意义。动力学模型包括了SI、SIS、SIR等多个模型，模型中主要包含了未感染、易感染和免疫三种状态，模型用不同状态之间的转换来描述信息传播过程。该模型运用了平均场理论，忽略了局部的不同，把外界对个体的作用做集体处理，通常以求解个体密度随时间变化的微分方程组的形式来刻画信息传播过程。传统的传播模型考虑的情况较为简单，并且对于个体和其他因素的假设较为理想，所以难以准确描述复杂传播过程，只能展现一个传播过程的宏观规律。但是作为经典的传播模型，其研究思想和方法依然被广大研究者借鉴和运用，在传统模型的基础上进行了多方面的改进和创新，并应用到信息传播的多方面研究中。Garg 等人基于SI传染病模型对社交网络中的传播过程进行了分析13；Leskovec 等基于SIS模型，针对博客中的链接关系分析问题，提出了级联式社会网络信息传播模型14；Woo等人基于SIR模型提出了线上话题传播模型，用以评估论坛中一个话题对整个论坛的传染力度15。对于当前各种各样的复杂情境，三种状态显然不足以概括信息传播过程中所有的个体，因此在后面的研究中，学者们针对不同的情形在原模型的基础上增添了不同的状态将模型运用于社交网络传播的相关研究中。Wang 等人在SIR模型的基础上，考虑到社会加强因素对传播的影响，提出了在线社交网络中的谣言传播模型CSR( credulous spreader rationals)16；顾亦然等人对微博上的谣言抑制问题展开研究，考虑到用户看到信息的不及时性，将潜伏态节点引入到经典的SIR模型中，提出了新的SEIR模型，用以研究微博中的谣言抑制问题17；丁学君通过对微博中的互动机制进行分析，在经典模型的基础上引入了新的接触态，构建了描述微博舆情传播的SCIR模型，并研究了不同概率对信息传播过程的影响18。信息传播是人们以符号或者其他信号为载体，彼此进行思想沟通、意见交换和情感交流的过程，通过一系列信息的反馈达到相互了解和影响的目的，信息传播过程受到多种因素影响。传统信息传播模型设定一种状态以一定的概率向另一种状态进行转变，并且概率的取值是固定的，这样的设定显然和实际的信息传播有所差距。针对该问题，学者们考虑到不同因素对传播过程的影响，通过对感染概率和传播概率的重新定义，设计了更加合理的传播机制。王金龙等人在 SIR 模型的基础上考虑了网络节点的不同的权威性，用相对影响力函数来代替固定的传播概率，提出一种基于用户相对权重的线上信息传播模型19；Borge-Holthoefer 等人考虑到用户的活跃度，改进了信息传播概率，使模型的传播机制更为合理20；张彦超等人考虑了复杂网络中节点之间不同的影响力，基于传统动力学模型构造了一个在线社交网络信息传播模型21。从文献中来看，传染病动力学模型在社会关系网络、社会舆情以及营销学等多方面都有广泛的研究适用性，学者们对于模型的改进方式对本文在研究方法上也有所启发。对于信息传播过程的研究，首先可以针对具体的情境进行过程分析，用适当的节点状态的转变过程对信息传播过程加以描述，其次信息传播过程受到多种外界或者节点相互作用的影响，在研究过程中应当考虑到多方面的影响。1.2.2 基于多Agent的建模与仿真多Agent建模方法作为一种自底向上的方法，能够准确描述个体的异质性，并从微观视角探究不同的环境因素、个体属性因素对个体观点、行为、状态的影响，能够捕捉个体交互的非线性关系，在多个领域得到了广泛应用。多Agent建模方法通过设定Agent间的交互规则描述个体交互过程，研究个体交互产生的宏观涌现现象，从而发现复杂系统的演化机理22。基于多Agent建模方法的研究基本思想均为用Agent的智能性来模拟人类社会的行为，Agent建模也因此被认为是一种用来理解人类社会的工具23 ，因而对于人类行为上的研究许多也都基于多Agent建模方法进行。Agent建模方法可以从微观的角度考虑个体层面的差异，很好地考察个体异质性，可以对一个场景下的多个不同的个体进行异质性建模，避免群体同质，进而让主体的沟通过程与实际情境更为相似。个体的异质性既体现在个体本身的属性、特点上，比如年龄、选择偏好等等，又体现在个体在一定环境中的表现出的特质和行为。对个体异质性建模的支持，使多Agent建模方法在复杂性科学的研究上具有突出优势。段伟考虑了疾病传播的异质随机特性和个体的微观行为交互，构建了多Agent疾病传播模型，对真实疾病传播过程进行了模拟24；Edmonds运用多Agent方法研究了个体在学习和沟通过程中体现出来的异质性25。作为复杂系统的研究方法，多Agent建模还提供了良好的主体交互机制，可用于多主体间交互的研究。在Agent建模领域，交互被认为有两层含义，一个是Agent 与环境以及 Agent 之间的信息交互；另一个是Agent 之间进行观点、需求或者评价准则等方面的交互26。基于Agent的建模与仿真技术通过设定个体之间以及个体与环境之间的交互规则，来模拟实现所研究情境下的个体交互的动态过程。Collings D通过模拟仿真口碑相传的交互方式，来研究一个服务品牌被消费者的接纳过程27；危小超等人通过建立多Agent模型，模拟了创新产品扩散过程中的消费者交互，并探索了微观个体交互引起的宏观涌现规律28；袁爱进等人提出了一种基于博弈论的多Agent交互模型，研究复杂系统中的多人交互的协调决策问题29；因为在交互研究上具有良好适用性，多Agent建模与仿真方法也通常被用于过程性的研究30。1.2.3 问题和研究方法分析从以上文献可以看出，对于信息传播模型、多Agent建模的理论与技术研究均取得了丰硕的成果，为后续相关研究提供了丰厚的理论基础和技术借鉴。本文通过文献学习，总结了相关研究领域现有理论与技术的特点，分析出目前还存在的一些需要改进的问题，并提出问题的解决方法。对于信息传播问题，多数是基于传播动力学模型的研究，对个体设定不同的状态，并用不同状态之间的转换来刻画信息传播过程。针对传统模型中固定概率的缺陷，学者们提出了众多改进模型，将节点权威性、节点间的相互影响力等多种因素考虑到了信息传播过程中，对传播概率进行改进，从而设置更为合理的传播机制。但目前基于动力学模型对信息传播过程进行研究还存在这样几个问题：1. 企业社会化营销背景下的信息传播过程是个体间相互交互、个体与环境交互、相互影响的复杂过程，传播动力学模型通常是从宏观角度出发，研究信息传播过程的一般性规律，在仿真时通常没有体现出个体间的动态交互以及多种交互方式，导致仿真结果不能反映信息传播过程中一些微观上的变化规律，也不能准确描述社会化营销中的信息传播。2. 信息传播过程除了受到节点的影响力这些体现在社会网络之中的外部异质性的影响之外，还受到了节点作为人所具有的不同自身属性的影响，这些属性可以称为内部异质性，在目前的研究中，动力学模型基本没有考虑内部异质性对信息传播的影响。综上，要研究在复杂环境中的信息传播过程，只运用动力学模型进行描述和刻画还不足以模拟一个真实的信息传播过程，所以不能完全依赖传染病模型，还需要其他能够从微观角度考虑个体内部异质性，并能反映个体交互的方法去对动态的信息传播过程做进一步的刻画和描述。Agent建模作为一种能够进行微观建模的技术，为个体异质建模的研究提供了思路，能够解决传统动力学模型中群体同质的问题，所具有的描述个体异质属性的能力也能够解决改进模型中没有考虑个体内部异质性的问题。另外，多Agent技术广泛应用于过程性的研究，重视个体间的交互，因此，对于信息传播过程中个体交互的研究和实现也提供了相关方法。本课题将营销活动中的信息传播看作是一个受多种因素影响的复杂过程，从复杂系统的角度去研究信息传播机理，基于动力学模型的建模思想分析信息传播过程，再运用多Agent技术，建立考虑个体内外两方面异质性的Agent模型，建立多Agent交互机制，旨在对企业社会化营销背景下真实的信息传播过程进行更好的模拟。1.3 本文的组织结构和创新点1.3.1 具体内容和组织结构本文基于企业社会化营销背景，结合传染病信息传播模型思想对社会化营销中的用户进行状态划分，基于观点交互模型设计主体交互规则，并采用多Agent建模与仿真的方法对用户状态转换过程进行模拟仿真，分析仿真结果，总结用户状态转换规律，为企业社会化营销策略提供借鉴和参考。第一章介绍了课题研究背景和意义，对国内外相关研究现状进行了总结分析，归纳了本文可借鉴的理论方法，并提出了相关研究领域目前还存在的问题，最后介绍了本文的研究内容和技术路线。第二章介绍了社会网络中用户状态转换的相关理论，包括现有的传染病动力学模型、观点交互模型等理论基础，总结分析了它们的优点和不足之处，为本课题的研究方法和研究内容提供了基础。最后介绍了多Agent建模与仿真方法，为本课题后续仿真平台的设计提供了理论和技术基础。第三章分析了微博中的信息互动模式，研究了社会化营销背景下的信息传播过程，并给出了相应的信息传播动力学模型，最后从环境和异质个体两方面分析了信息传播过程中影响因素，为多Agent建模与仿真提供理论依据。第四章基于多Agent建模的相关理论，以实际的企业社会化营销过程为原型系统，构建了多Agent模型，并且对不同Agent的属性和内部结构进行了设计。另外还改进了观点交互模型，研究了多Agent交互机制，制定了信息传播过程中的主体交互规则。第五章将构建的多Agent系统在Swarm仿真平台上进行了实现，同时对动力学模型也进行了仿真实现，通过两种仿真结果的对比分析，证明了多Agent模型能够反映更为真实的信息传播过程。第六章进行了课题研究的总结归纳，说明了课题研究中存在的不足之处，并对以后的研究方向和内容进行了展望。1.3.2 创新点一、本文结合SIR模型的建模思想，通过对社会化营销中的信息互动模式的分析，增加了节点状态，提出了社会化营销中的信息传播过程，并给出了相应的动力学模型。二、本文用多Agent建模与仿真的方法来研究信息传播问题，考虑了个体内外异质性、外部影响因素、个体互动多种信息传播影响因素，解决了动力学模型没有考虑个体内部异质性、没有考虑多种交互方式、不能体现个体交互过程的问题。图1-1 技术路线- 55 - 第二章 相关理论基础第二章 相关理论基础2.1 传播动力学模型传染病动力学模型是数理模型，都是将群体分为不同的状态，并假设同一群体中的个体同质，属性混合均匀，然后用微分的形式刻画不同状态个体数量的变化，从而对信息传播过程进行描述31，模型中的变量，用来描述个体从一种状态成为另一种的状态的概率。动力学模型运用了平均场理论，将个体受到外界的影响力平均化，同时对信息传播过程和传播因素进行了一定的简化32， 因此，动力学模型更为关注信息传播的宏观规律，通过模型的仿真实现，能够对传播临界值、传播持续时间等进行较好的观察。传统模型包括了SI、SIS、SIR等模型，其中SIS和SIR模型应用最为普遍，而最为经典的模型是SIR。下面对常见的几种经典模型分别进行介绍和分析。（一）SI模型SI模型没有考虑过多复杂情形，只对传染过程做出了简单阐释。模型中将个体状态分为了S（Susceptible）易感个体和I（Infected）感染个体两类33，易感个体以概率被传染成为感染个体I。模型中的信息传播过程如图2-1：图2-1 基于SI模型的信息传播过程假设t时刻易感个体和感染个体的数量占比分别s(t)、i(t)，所有个体的总数记为Nt=s(t)+i(t)，N为常量，保持不变，SI模型的动力学方程如下：dstdt=-itst ditdt=itst （2-1）（二）SIS模型和SI模型相似，SIS模型将个体状态同样分为了S（Susceptible）易感个体和I（Infected）感染个体两类但不同的是，SIS模型考虑了传染病中的重复感染34。在该模型中，感染个体以概率恢复为易感个体，易感个体以概率被传染成为感染个体I。模型中的信息传播过程如图2-2：图2-2 基于SIS模型的信息传播过程假设t时刻易感个体和感染个体的数量占比分别s(t)、i(t)，所有个体的总数记为Nt=s(t)+i(t)，N为常量，保持不变。SIS模型的动力学方程如下：dstdt=-itst ditdt=itst-it （2-2）（三）SIR模型不同于SIS模型，SIR模型考虑了传染病中感染个体产生抗体、将不再受到感染而成为免疫个体的情况，将一个群体中的个体状态分为了易感个体（Susceptible）、感染个体（Infected）和免疫个体（Recovered）这三类个体35。在该模型中，感染个体以概率感染易感个体，感染个体以概率被治愈，成为不再受到感染的免疫个体R。模型中的信息传播过程如图2-3：图2-3 基于SIR模型的信息传播过程假设t时刻易感个体和感染个体的数量占比分别s(t)、i(t)、r(t)，所有个体的总数记为Nt=s(t)+i(t)+r(t)，则SIR模型的动力学方程如下：dstdt=-itst ditdt=itst-itdrtdt=it （2-3）从模型建立的思想来看，SI模型考虑的传播情况过于简单，而SIS模型不失为一种符合实际疾病传播情况的模型，但在实际信息传播过程中，在时间足够长的情况下，信息一般都会停止传播，具有重复传播机制的SIS模型中的个体状态种类和信息传播机制不足以描述复杂社会网络中的信息传播过程。所以在关于社会网络信息传播的研究中，通常基于SIR模型来展开研究。用模型中的易感、感染、免疫态对应与信息传播中未知态、传播态和停止传播态，通常用这三种不同状态来表示信息传播中的个体，这三种状态能够大致概括大多数信息传播过程中的用户状态，也通常能够反映普遍的信息传播过程。但若要刻画更为真实和复杂的企业社会化营销背景下的信息传播过程还有些不够，需要结合实际在此基础上对状态进行进一步的细分。从动力学模型中可以看到，模型参数对信息传播过程有重要影响，如果参数一直固定不变，也就默认了个体的同质性，使同种状态的个体以相同的概率进行状态的转换，这样的设定与实际情况有所差距，因此需要采取一定的方法改进模型中的固定的转换概率。2.2 个体观点交互理论在日常的社会活动中，人们的各种行为或多或少都是由其内部观点所指导而产生的，比如是否要去某个地方吃饭，同一类商品要选择哪种品牌，某个节假日是否要出游等等，在社会网络中，当然也包括是否要传播某信息。可以说，观点对人们的各种行为以及许多社会现象的产生都有一定的促成作用。因此，观点形成和演化的研究吸引了计算机科学、信息系统科学、经济学等多领域的学者，许多观点动力学模型也因此诞生。观点动力学旨在通过对观点演化进行建模与仿真，研究引起群体中个体观点如何在群体当中传播、以及如何被其他个体影响而改变自己观点的当前状态，从而提示观点演化的普遍规律。根据个体观点值的类型来划分，观点演化模型可以分为离散和连续两种观点模型。离散观点模型中比较典型的有Sznajd模型36、Voter模型41等等，这一类模型通常认为观点只有正面和反面两种情况，主要用来研究群体中个体的最终选择结果而导致的变化规律。连续观点模型中比较典型的有Deffuant 模型37、HK模型38等等，不同于离散观点模型，该类模型认为在正反两个端点中间还有中立、偏正、或者偏反的观点，观点演化过程存在着观点逐渐发生变化的现象。对于观点演化的研究，更多都基于连续观点模型展开3139。观点体现了个体的选择倾向性，而个体的选择倾向性不是阶跃变化的31，在复杂环境中的个体往往经历了潜移默化的过程才会产生最终是否选择传播信息的选择，连续观点更能体现个体内部观点循序渐进的变化过程，因此，本文也基于连续观点模型对信息传播过程中个体观点的演化进行研究。（一）Deffuant 模型Deffuant 模型是一种连续观点模型中的两两交互模型，模型遵循有限信任原则，认为两个个体的观点差值在规定的范围内才可以进行观点交互，在某一时刻，一个个体与另一个可交互个体进行交互，并将当前时刻的自身的观点值与其邻居观点值的差值之和作为下一时刻的观点值。设个体i的观点在当前时刻t表示为opit，另一可交互个体j的观点在当前时刻t表示为opj(t)，发生交互后，在t+1时刻，个体i的观点如下式：opit+1=opit+*opj(t)-opi(t) （2-4）式中的收敛参数表示个体i对邻居个体j的信任程度，反映了观点更新的速度。（二）HK模型HK模型同样遵循有限信任原则，不同的是个体i与在交互范围内的所有邻居个体进行交互，并将当前时刻的自身的观点值与其邻居观点值的加权平均和作为下一时刻的观点值。设个体i的观点在当前时刻t表示为opit，其邻居个体j的观点在当前时刻t表示为opj(t)，在交互范围内的邻居个体数量为N，Ni(t)为邻居个体集合。发生交互后，在t+1时刻个体i的观点数学表达如下：opit+1=1Ni(t)jNi(t)opj(t) （2-5）Deffuant 模型和HK模型的区别在于前者每次选择一个个体进行交流，每交流一次，观点值更新一次；后者则是一个个体同时和多个个体交流，最后将所有交流个体观点的平均值作为自己的新观点。在社会关系网络中个体观点的演化通常基于Deffuant 模型进行研究40-42，所以本文后续将基于Deffuant 模型来进行多Agent模型中的个体观点交互研究。作为观点交互的影响力因子，Deffuant 模型并未对其做详细区分，模型无法展现社会网络中个体的异质性，也不能表明除了观点交互之外、其他因素对观点更新所带来的影响。本文在后续将针对以上问题进行观点交互规则的改进。2.3 社交网络相关理论在研究信息传播时，其所在的网络的结构是必须要考虑到的因素。企业社会化媒体营销中的信息传播处于社交媒体中的关系网络之中，因此有必要了解社交网络中的相关概念和结构特性，以便于构建仿真网络。（一） 社交网络中的统计参量社交网络属于复杂网络的一种，因此网络的表示可用复杂网络中一些统计参量来进行。度是进行网络研究时不可忽视的统计参量，被定义为与节点相连的边的数量，用作描述节点的重要程度。在有向网络中度分为入度和出度，入与出的指向相反，入指向某节点自身，出指向其他节点，不同指向的边的数量成为入度或出度。平均度是所有节点度的平均值。度分布是研究节点度的分布规律的重要参量，若用pn表示度分布，那么pn的含义为度为n的节点在网络中所占的比例。除了以上几个参量，受到关注的还有聚类系数和平均路径。聚类系数用来衡量一个节点的邻居之间相连的程度，设节点i的聚类系数为Ci，具体计算方式如下：Ci=2mini(ni-1) （2-6）其中ni是节点i的度，mi是节点i的邻居之间存在的边数。网络中两个节点之间可能存在多条相通的路径，其中最短的一条为最短路径，所有节点最短路径的平均值则为平均路径，用D来表示平均路径，用dij表示节点i到j的最短路径，n为节点总数，平均路径具体计算方式如下：D=2n(n-1)i=1nj=i+1ndij （2-7）（二）社交网络的结构特性复杂网络有多种不同的结构，常见的包括规则网络、随机网络、小世界网络以及无标度网络，不同的网络结构通过统计参量的不同来进行区分。规则网络中所有节点的连接规则相同，并且平均路径长度和聚类系数都较大，度分布呈现伽玛分布；随机网络中节点之间以一定的概率进行随机连接，平均路径长度和聚类系数都较小，度分布呈现泊松分布；小世界网络介于随机网络和规则网络之间，有较小的平均路径长度和较大的聚类系数，度分布呈现指数分布；无标度网络和随机网络一样有较小的平均路径长度和聚类系数，不同的是，无标度网络的度分布呈现幂率分布。对于社交网络的结构特性，包括微博中的网络结构，有很多学者通过获取真实数据，并对所形成的网络拓扑结构进行分析，发现真实的社交网络基本具有较小的平均路径长度和较大的聚类系数，而度分布一般呈现为幂率分布或近似幂率分布，具有小世界网络和无标度网络的综合特性184143。因此在后续的研究中，将依照社交网络的结构特点来构建传播网络。2.4 多Agent建模与仿真2.4.1多Agent建模多Agent建模与计算机仿真方法是由遗传算法之父约翰H霍兰德教授基于复杂适应系统理论（CAS）提出的复杂系统研究方法，该方法所建立的系统模型即为多Agent模型，主要应用于对生物、生态和社会、经济等复杂系统的动态模型研究。霍兰德教授认为系统复杂性的来源是系统中的具有自治性、适应性、交互性的多个主体，以及主体之间进行交互而造成的系统的动态演化和发展，因此，基于这一认识，人们运用多Agent建模方法主要对主体和主体之间的交互进行为微观建模和研究，相应的多Agent模型也有了以下两个鲜明的特点：（1）Agent作为现实世界中生命体在仿真世界中的“代理”，具有主动性、自治性、社会性、响应性等基本特性，这也是多Agent建模方法和其他方法的关键性区别，除此之外，Agent根据情境需要再适当增加其他特性。（2）模型中存在主体与主体（包括环境主体）之间的相互作用和影响。即主体之间存在着非线性交互关系，交互产生的对主体的属性、行为决策上的影响是引起系统演变和进化的主要动力。多Agent建模方法从个体内部进行建模，在考虑了个体本身的