基于种群竞争模型的网络视频与微博言论共生性研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于种群竞争模型的网络视频与微博言论共生性研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘 要】基于生物群体共生增长思想，利用网络热播视频为研究对象，通过Lotka-Volterra生态模型分析移动网民的网络视频观看行为和微博评论行为的共生性特征。通过研究结果，产生了基于网络视频内容的网民群体增长特征。

【关键词】网络视频；Lotka-Volterra模型；共生研究

【Abstract】Based on the symbiotic idea of population competition， observe the user of watch web-video， analysis the characters of the online-behavior between watching a web-video and comment on micro-blog by utility the Lotka-Volterra model. We make a conclusion of the characters of population increasing according to the web-video content.

【Key words】Web-video； Lotka-Volterra model； Symbiosis

0 引言

伴S智能手机的广泛推广，移动用户的行为研究逐渐成为网络行为研究的主要对象。中国互联网络信息中心（CNNIC）2016年1月的《中国互联网络发展状况统计报告》显示，截止到2015年12月，中国网民数量达到6.88亿，手机网民数量达到6.2亿，超过96%的网民采用移动上网的形式。网络视频用户的规模达到5.04亿，超过73%的网民为网络视频用户，手机视频用户为4.05亿，有58.9%的网民使用手机观看网络视频[1]。网络热播视频内容因为用户的参与数量众多，其直接影响及衍生影响成为当前网络行为研究的重要内容。伴随移动端视频丰富度的提升，大量的手机用户培育了碎片化时间内欣赏热播视频的行为。与此同时，微信、微博等自媒体平台的信息以口碑的形式进行指数级扩散，大量的移动端用户参与到热播视频内容的讨论当中，并由此引发更多的移动用户关注热播视频。

1 研究综述

网络技术的提升促进了我国移动互联网产业的快速发展，移动互联网产业的竞争经历了“互联网络移动化阶段”、“网络内容增值服务阶段”和“个性化用户服务阶段”三个阶段[2]。围绕移动用户的个性化需求，构建移动服务内容、软硬件技术平台、APP访问端口、评价反馈机制等相协同的生态化模式成为主要的移动网络产业形态。4G网络技术的普及促进了移动网络产业的快速发展，以手机视频为主的移动内容服务成为市场关注的热点，用户对于新产品的采纳程度及内容的偏好成为吸引用户的重要因素[3]。用户对于移动端的内容偏好性选择受到交际人群环境的影响[4]，移动端推送内容的影响力受到感知娱乐性的正向影响并显著地受影响于技术的兼容性[5]。李慧娟和李彦的研究从时空分区的视角提出移动网络的虚拟社会存在人类社会的动态多变的群体特征[6]，移动网民的行为具备较高的例行性、长期性和固定性特征，重复性、模仿成为一种规律的表现[7]。黄微等从网络舆情的研究视角提出依托大数据平台及移动端设备的网络视频等信息的传播，依托信息交互的多样性，表现出复杂的多元性反馈特征[8]。由此可见，移动用户的群体性特征、多样性特征、复杂知识性特征对于网络视频内容的反馈既有个体的差异性，也会表现出群体的趋同性。

微博这一自媒体平台因为其传播的范围广、影响的群体众多、具备较高的渗透性，逐步成为分析研究网民行为的主要途径 [9]。对于网络焦点事件和内容，微博在传递信息的同时，能够起到孕育热点关注，引导、扩散多样性点评，加速网络受众群体的关注程度，对于热议内容的传播具有放大作用[10]。微博的信息传播机制具有一定的规律，其传播受到发生时间、涉及区域、使用媒介的类型、关注群体的特征影响，受信息获得方式、便捷程度正向影响[11]。从微博的信息属性、信息服务模式进行分析，结合微博的用户活跃程度及盈利模式，发现内容服务商、服务运营商、SNS网站、网民群体构建了内容服务的网络生态系统[12]。

本文在上述研究的基础上，通过分析微博、移动视频内容及移动视频平台的相关数据，利用生物数学模型，探讨网络视频与微博言论的共生性特征。

2 研究模型

2.1 共生增长理论模型

在达尔文的进化理论中，竞争和协同进化是物种发展的重要途径，两个或两个以上的物种彼此之间具备竞争、依存的关系。在同一个生存环境下，一个物种的性状发生了改变，另一个或更多物种的性状有针对性的发生了改变，这种改变代表了物种对于生存环境的一种适应过程[13]。视频播放平台上放映的热播内容作为资源被网络用户观看，网络用户就此热播内容通过微博平台发表个人观点。受到微博平台的舆论传播及视频播放平台的推送影响，大量的网民通过互联网和口碑等形式了解了热播内容，出于好奇开始观看热播视频内容，并据此内容发表个人观点。网络群体对于热播内容的观看和对微博话题的关注呈指数型增长，因为热播内容的被关注程度较高，有更多网民参与到视频的观看，并参与话题讨论。产生一种微博讨论群体和视频观看群体的共生增长现象。

网民群体具备较高的同质性，主要体现在年龄、性别、学历、行业背景、兴趣偏好等个体属性，容易形成群体性众发式行为。从网络信息生态的视角去研究，发现每个个体都以信息节点的形式存在于网络信息生态链中，大量信息主体（网络节点）依托频繁密集的信息交互形式与其他节点发生辐射状信息的传递[14]。网民在个体信息传递的过程中，依托自身的社会网络资源及信息的内容特征扩大传播范围，增加相关内容的传播效果。

2.2 数据模型

本研究的对象《太阳的后裔》在中文网络的播放依托爱奇艺视频平家进行，新浪微博是用户发表个人观点的主要平台。可以将热播视频、爱奇艺视频平台和微博平台看作是一个共生系统。在这个共生系统之中，热播视频就是一种资源，将爱奇艺视频平台上的观看群体看作是一个生物群体，将微博平台上发表评论的用户看做另一个共生生物群体。这两个群体有个体的交集，考虑本研究重在分析群体增长的共生性，这种交集的影响恰好反应这种内生的共性，因此可以看做两个群体。这两个群体基于相同的资源形成共生的生态模式，Lotka-Volterra生态模型主要用于分析生物种群的竞争共存的生态特征，可以采用这一模型分析本研究内容。假设在t时间，爱奇艺的视频指数是Xa（t），微博指数是Xw（t），受到各种因素的影响，指数增长的限制分别为ka和kw，指数内生增长率分别为ra和rw，爱奇艺的视频指数对于微博指数的贡献系数为δa，微博指数对爱奇艺视频指数的贡献系数为δw。爱奇艺视频指数的增长模型可以描述为一个Logistic方程：

上述公式（4）和（5）中，bi0代表了种群单独生存时的限定参数，bi1代表了当前种群与另一种群的相互影响限定参数，bi2代表了观察参数，通过观察bi2的符号变化判断两个种群之间的关系。

3 数据演算结果及分析

3.1 指数特征描述

本文研究的网络热播视频选自韩国热播电视剧《太阳的后裔》，是中国和韩国第一部同步播出的韩剧。这部热播电视剧采用网络平家播放的形式进行投放，该视频每周播放2集，每集30分钟。就时间长度而言，符合移动用户的碎片化观看时间。

通过对比表2的数据，微指数显示微博的男女比例与爱奇艺视频指数所显示的观看视频男女比例一致，关注这部热播电视剧的女性比例达到79%，参与到这部热播剧话题互动的女性也达到了79%。爱奇艺指数表明收看该视频最大的群体就是18-24和25-35岁的人群占总人群的76.6%，利用微博发表言论的群体是19-24和25-34岁的人群占总人群的70.29%。从视频的关注程度到就此发表的网络言论都是女性群体，这部热播剧内容的设置及目标群体主要是18-35岁之间的女性群体。就设备分布而言，利用移动端进行视频的观看的人群达到85%，用移动端发表评论的人群达到了79%，符合该视频突出碎片化时间播放的初衷。爱奇艺指数与微博指数的热议区域的前8个地区中，有5个地区重合，但是热议区域的前3个区域只有1个重合，说明观看的群体中有一部分将个人的观后感进行分享并参与评论的互动，有一部分是先参与互动后进行的视频观看。爱奇艺指数同时提供了观看人群的学历水平，发现比较集中在本科和大专，与年龄分布相吻合。因为微博指数没有提供学历指数所以无从考证数据，参照爱奇艺的数据特征，参考年龄指数分布进行分析。

因为《太阳的后裔》共分8周播放16集，因此数据截取了8周的数据进行分析绘图，表3和表4分别给出了这8周的数据分布。通过对比发现，这两个指数图表的分布有较大相似。伴随热播视频的播放呈周期性上升的趋势，在播放的周中会达到顶峰然后回落，在下一集播放前再形成一轮升势，总体趋势向上发展。第一周的播放指数明显低于微指数，明显在视频播放前大家更多通过自媒体平台对于这部韩剧的期待，大量的移动网民因为没有购买会员（非会员需要延后1周收看），采用等待免费播放的方式来观看视频，造成该播放指数的平缓。因此从数据上看，表2中第一周的波峰不明显。第二、三周的视频播放指数大幅升高，说明因为大家通过对该视频的了解在可以观看的第一时间关注了该视频的内容，并在自媒体平台上发表了相关评论，进而造成微博指数也有大幅度提升。第六、七两周微博平台的评论发生了下降，代表媒体评论的热度下降，播放指数呈现W形态，没有明显的人群增加，表3的微博指数在此期间多了一个波峰，是因为该热播视频主创人员来中国大陆只做了一期综艺节目，引起了人们的热议，这个热议没有产生对该视频的播放。最后一周播放的内容是大结局，网民经过在微博平台的热议，爆发式的观看了大结局，产生了巨大的增幅。

3.2 模型数据分析

本研究采用Lotka-Volterra生态模型进行定量的证分析，涉及到两个生态群体的数据。代表了指数的增长速度，通过每天指数的差额来表示指数的增长。借鉴已有研究成果，采用灰色估计方法对Lotka-Volterra生态模型进行参数估计[15]。利用一阶微分方程组及灰色估计的建模方法可以得到Lotka-Volterra模型的时间序列关系式：

本研究所选用的数据来自于2016年2月22日至2016年4月17日期间的数据，按照日作为时间跨度，因此n=62。根据上述公式带入爱奇艺视频指数和微博指数，采用矩阵计算公式计算出A1、A2、Y1和Y2。

利用公式（8）和公式（9）计算出系数。

因此公式（4）和公式（5）表示为：

Lotka-Volterra生态模型的参数分析表明，在整个热播视频的播放周期内，这两个种群的增长不是一种协同成长的过程，是一种“被捕食-捕食”的过程体现。爱奇艺指数的增长速度超过了微博增长速度，反映出观看热播视频人群的增长超过了微博热议人群的增长速度。从视频播放第一周的数据可以发现，爱奇艺的指数与微博的指数相似，而伴随爱奇艺平台视频的播放，该热播剧的播放指数增长程度明显加快，超过微博平台的数据增加程度。说明当网络用户逐步关注这部热播剧时，会第一时间用移动端观看该视频，并有部分网民结合观看的的内容到微博平台观看体验。用户利用移动端的自媒体平台传播的体验信息迅速影响其关联的其他用户，依靠群体扩散效应迅速增加热播视频的被关注程度，进而构成用户群体数量的巨幅增加。

4 结论

本研究是从生物学的视角去研究针对网络热播视频，其视频播放平台与网络自媒体评论平台之间的网民群体增长的关系，利用了种群生物竞争模型Lotka-Volterra生态模型对所提出的理论进行分析和验证，并结合数据分析了两个网民群体的增长特征。利用理论分析可以得到，移动网民观看热播视频的群体性增长受到视频的关注程度影响，利用自媒体平台对热播视频进行评论，有助于提升热播视频的被关注程度，进而加速移动在线热播视频的扩散速度。通过模型进行数据分析发现，视频播放平台的用户扩张速度迅速，伴随自媒体平台的热议程度提升，极大加速了视频关注群体的数量提升。

综上所述，结合本研究发现网络热播视频的关注群体的迅速增加受到移动设备的普及、特定时间点的需求、网民群体的特征等因素外，利用自媒体等移动端网络信息的传播来增加用户对视频的关注进而提升视频的被关注程度，能够迅速扩大热播视频的被关注。通过这一结果有助于相关视频类产品的移动网络的传播。与此同时，网络热播视频的播放周期与自媒体的热议周期同步，说明网络热播视频通常在播放的过程中会大量的吸引网民的关注，伴随播放时间的推移，衍生关注程度会下降，采用持续跟踪、提升自媒体曝光等方式有助于帮助热播内容衍生品的传播。

【参考文献】

[1]中国互联网络信息中心，第37次中国互联网络发展状况统计报告[R].2016.1.

[2]程德杰.浅析移动中国互联网络商业模式[J].移动通信，2012（5）：16-17.

[3]殷月红，黎小平.移动数字内容服务用户采纳行为理论模型及实证研究[J].情报科学，2014，32（10）：33-37.

[4]HSULU，Adoption of the mobile Internet：An empirical study of multimedia message service[J].International Journal of ManagementScience，2007，35（6）：715-726.

[5]Tan， Felix B， Chou， The relationship between mobile service quality， perceived technology compatibility， and users’perceived playfulness in the context of mobile information and entertainment services[J].International Journal of Human Computer Interaction，2008，24（7）：649-671.

[6]李慧娟，李.从线下到线上：移动互联网的时空分区效应研究[J].国际新闻界， 2015，37（10）：18-36.

[7]夏玉珍，姜利标.社会学中的时空概念与类型范畴：评吉登斯的时空概念与类型[J].黑龙江社会科学，2010（3）：130-135.

[8]黄微，李瑞，孟佳林.大数据环境下多媒体网络舆情传播要素及运行机理研究[J].图书情报工作，2015，59（21）：38-44，62.

[9]杨娟娟，杨兰蓉，曾润喜，等.公共安全事件中政务微博网络舆情传播规律研究：――基于“上海”的实证[J].情报杂志，2013，32（9）：11-15.

[10]李彪.网络舆情的传播机制研究-以央视新台址大火为例[J].国际新闻界，2009（5）：95-99.

[11]曾润喜，徐晓林.网络舆情的传播规律与网民行为：一个实证研究[J].中国行政管理，2010（11）：18-22.

[12]武琳，陈文嘉.微博客网站的比较及发展策略[J].情报理论与实践，2011，34（1）：86-88.

[13]张凌志，何金生.基于生物进化模式下的知识进化机理研究[J].情报杂志，2011，2（30）：105-109.

[14]栾春玉，霍明奎，卢才.网络信息生态链组成要素及相互关系[J].情报科学， 2014，32（11）：30-35.

[15]陈海俊，等.Lotka-Volterra模型参数的灰色估计法及其应用[J].数学的实践与认识，2011（11）：108-113.