〔摘 要〕网络反腐已成为现实社会的一大热点，但却鲜有文章进行网络反腐舆情与传播规律研究。本文从舆情演化和传播的角度研究网络反腐，首先通过动力场理论深入分析网民个体参与网络反腐的行为机制并建立影响模型，然后运用Netlogo平台进行仿真模拟，最后用百度指数进一步验证模型结论。研究结果不但揭示了政府行为是如何影响网络反腐舆情的演化结果的，同时揭示了政府何时介入舆情能极大提升人民参与反腐的热情。本文为未来网络反腐研究提供了新方向，亦为舆情研究探索了新领域。
〔关键词〕网络反腐；动力场理论；舆情演化；舆情传播；Netlogo仿真
DOI：10.3969/j.issn.1008-0821.2016.03.001
〔中图分类号〕G2062 〔文献标识码〕A 〔文章编号〕1008-0821（2016）03-0003-09
〔Abstract〕Network Anti-corruption has become a hot spot in the current society.However，there are few articles about the Network Anti-corruption public opinion evolution and propagation rule.This paper research network anti-corruption from the perspective of public opinion evolution and propagation，firstly use the dynamic field theory to analysis the behavior mechanism internet users participate in Network Anti-corruption and establish the simulation model，secondly use Netlogo platform for simulation，and finally further verify the model conclusion according to the Baidu index.The results not only reveal that the government behavior is how to affect the evolution of the Network Anti-corruption public opinion，but also conclude that when government intervene in public opinion to greatly enhance the enthusiasm of the people to participate in the Network Anti-corruption.This paper provides a new direction for the future research of Network Anti-corruption，and also to explore new areas of public opinion research.
〔Key words〕network anti-corruption；dynamic field theory；public opinion evolution；public opinion dissemination；Netlogo simulation
腐败就是委托权力被用来谋取私利的过程和行为[1]。随着经济不断增长，腐败现象开始在我国蔓延，造成了严重的经济政治影响。虽然我国不断地依靠制度的创新和立法来反腐，但是效果十分有限。究其原因，是因为政府没有与群众形成反腐的合力，未能“自下而上”有效地打击腐败。近年来，网络的发展很好地解决了这个问题。网络是反腐斗争中政府和群众形成合力的结合点，一方面，网民通过网络曝光来举报腐败现象。在舆情的汹涌冲击下，网民、传统媒介、政府反腐机构相互作用，使腐败现象得以充分揭露。另一方面，政府反腐机构也开始更加注重对网络反腐舆情的监测、搜集和引导。这形成了良好的循环，不仅加强政府在群众中的公信力，而且能充分利用起群众的力量。袁锋认为，从制度反腐到技术反腐（网络反腐），既是我国步入信息时代反腐败斗争的必由之路，也是党和政府与广大人民群众在反腐败斗争中实现力量结合的关键环节[2]。分析网络反腐的一般规律，有助于政府针对性地采取及时有效的策略，对激发人民参与反腐的热情有着重要影响，因此受到越来越多研究人员的关注。
现有关于网络反腐的文献研究，可以分为两类，一是把网络反腐置于我国近年的反腐大趋势下进行研究，从网络反腐性质和特点出发，论证网络反腐优势和劣势以及法律法规保障等问题，此类研究较多。二是研究网络反腐舆情，分析网络反腐中网民舆情演变机制，此类研究较少。本文认为现阶段关于网络反腐的研究有两个缺点：一是仅仅从理论上研究网络这个新的反腐工具是如何工作的，或者虽然对网络反腐进行舆情分析，但大多运用统计研究和案例分析，鲜有论文用仿真建模的方法去研究网络反腐，因此无法动态分析网络反腐舆情演变的各个阶段，不利于政府针对性地做出决策。二是目前网络舆情演化和传播的仿真研究大多针对突发性群体事件，有些研究直接把网络反腐归类为突发性群体事件，这与网络反腐事件的规律不甚相符。而且这些研究仅从演化或传播过程着手，集中于对反腐事件发展状态或网络拓扑结构对舆情传播的影响等方面，不仅很少从线下形成反腐舆情的网民个体角度出发，深入分析网民个体聚集形成网络反腐舆情的原因，而且没有研究政府在舆情演化和传播的不同阶段所采取的行动对事件演化造成的影响。因为分析人类群体行为的产生动机和变化机制属于社会心理学中的动力场理论范畴，所以如果在仿真模型中加入动力场理论并探索政府对动力场的作用，有利于克服上述两个缺陷。
本文主要研究反腐舆论在网络反腐事件中的演化与传播，不仅考虑网络反腐事件的规律和舆论传播中网民相互影响的过程，并且利用动力场理论分析影响网络反腐中网民的个人主观因素和社会客观因素，从而提出新的模型。该模型不仅能够模拟网民之间反腐舆情的交互，并且可以用来分析政府行为对网络反腐舆情的影响。最后基于Netlogo平台进行仿真模拟和结果分析。
1 研究现状
11 网络反腐舆情演化与传播的规律
在网络反腐的相关领域，大部分研究对待网络反腐舆情演化与传播的观点比较一致。杨嘉认为，网络反腐舆情的演化规律一般遵循“信息披露―网络热议―媒体追踪―政府回应”的模式[3]。刘怡等认为，网络反腐事件经历多个阈值，呈现出不同的发展阶段，其演变阶段通常包括潜伏期、爆发期、扩散期、高峰期和消退期。网络反腐的潜伏期为事件初步曝光，即导火线呈现出来。在网络反腐的爆发期，腐败行为如关于腐败的证据或细节等信息集中曝光，此时网络意见领袖的参与对网络反腐事件起到“引爆点”的作用。所谓“引爆点”，是事件引起大规模关注，冲破临界水平的关键节点，使媒介关注度和网民关注度激增[4]。因为网络意见领袖往往对某些领域有较为深入的理解，或者具备某方面的专业知识，如经济管理、法律法规、新闻调查等。所以针对网络反腐事件的视角更为独特，言论更加专业，容易形成“引爆点”。在网络反腐的扩散期，事件不再停留在普通的曝光，此时期除网络反腐主体外，利益涉及方、政府相关部门、意见领袖以及普通网民都有可能参与讨论和围观。网络反腐的高峰期发生在事件解决的阈值点，是讨论和围观的关注度达到峰值的时间，通常会对冲突的消除和腐败的解决产生关键性影响。到达网络反腐的消散期有两种可能：（1）在反腐问题得到合理的解决并且公众形成一定的满意共识后，在后续讨论中该事件形成舆情消散状态；（2）在事件经过多次曝光后，官方媒体或政府仍然没有关注，舆情也会逐渐消散。基于此，本文建立了一个网络反腐舆情演化与传播模型，如图1所示：
网络反腐舆情的总体情况是通过对个体网民行为的统计分析获取的，个体网民的行为集合即为网络反腐舆论的总体情况。因此，分析反腐舆情首先要从网民个体行为出发。
12 简单的网民个体舆情影响模型
在舆情研究领域，一般认为个体对舆情的态度，即是否加入传播过程以及对舆情事件的情感倾向，主要受邻近个体态度的影响[5]，而某一个体一旦加入到传播过程中，又会影响到其他邻近个体，该机制被称为影响模型[6]。影响模型的构建涉及到两个相互补充的过程：舆情演化和舆情传播。舆情演化是指舆情意见的变化过程，是发生在微观层面个体对于舆情的具体态度和意见的变化，而舆情传播是指发生在微观层面不考虑个体对舆情的具体态度或意见的交互行为[6]。图2显示了基于影响模型的舆情演化与传播的过程，其中浅色圆圈代表未被传播反腐信息的网民个体，深色圆圈代表已被传播反腐信息的网民个体，单向箭头代表反腐信息单方向传播，双向箭头代表反腐信息双方面演化。在传播前期多数网民个体并未接触到反腐舆情信息，因此舆情传播是单向的；而随着被传播的网民个体增加，在传播后期相邻网民个体间出现相互交流的过程，即从单向传播演变为双向讨论。
在影响模型研究中，研究中基于物理学的基本原理，建立了个体态度相互影响的模型。比较有代表性的影响模型有S模型（Sznajd Model）、D模型（Deffuant Model）和KH模型（Krause-Hegselmann Model）。S模型0是离散型影响模型，其基本思想是“合则赢，分则政”，具体为其中每个个体拥有两种态度，随机选择的两个相邻个体，若两者态度一致，则这一态度扩散到他们的邻居个体，若不相同，则他们把自己的态度传递到对方的邻居个体；D模型和KH模型都是连续型影响模型，D模型0以妥协战略为基础，认为当态度差值在阈值范围内的个体间发生态度交换时两个个体的态度值更新为两者平均值，最终形成具有共同态度的群体；而KH模型0则遍历某个个体的所有邻居个体并对其中与该个体态度差值在一定阀值范围内的邻居个体的态度平均值作为该个体的新态度值。
在简单的影响模型基础上建立网络反腐舆情演化与传播的模型需要分解网民个体的相互影响过程，从微观层面定义个体态度和行为的产生机制和更新过程，并在此基础上研究群体态度和行为的演化现象。因此，首先需要对网民主体属性进行抽象，选择和定义影响网民参与反腐舆情的主要因素，然后抽象演化与传播过程，细化邻近个体对网民个体的影响过程。
2 网络反腐舆情演化与传播模型的建立
21 基于动力场理论的网民反腐舆情影响模型
心理学家勒温被誉为社会心理学之父，他借助物理学理论中“场”的概念描述了一种心理学上非物化的“场”，即勒温所说的生活空间（Life Space），他认为：“每一个行为取决于个体的状态，同时也取决于环境，虽然个体和环境的相对重要性在不同个案中有所不同[10]。”勒温动力场论的主要内容就是将人的行为看成是个体主观因素和客观环境因素综合作用的结果，个体的需要和动机等是人的行为的基础，客观环境因素是激发人的行为的条件，但客观环境有正作用和反作用，处在特定环境系统内的个体，依据个体的心理环境的各种影响因素产生个体行为的方向和动力。根据勒温动力场理论，结合影响模型，本文对现实社会中网民个体的行为可以从个体主观因素、社会客观因素和行为系数3个基本方面描述。
211 个体主观因素
网民对待反腐事件的态度是由知识素养和事件关联程度形成的，并且会在反腐舆情传播中随网民间态度交互而不断更新。兴趣度是该个体对事件的关注程度，初始值由知识素养和事件关联程度决定，但随传播过程慢慢下降，当达到零值时个体将不再参与该反腐事件的传播。
（1）个体的知识结构直接影响其反腐态度和行为，而这种知识结构不仅是简单的教育背景或者教育程度，而且与腐败事件跟个人知识或个人经历的相关性有关。本文用知识素养表示个体对反腐事件的背景知识了解程度。个体在接触腐败事件时会根据自身所掌握的知识对该类事件作一个基本判断，而当腐败事件与自身关联程度较高时，会对该判断产生很大的影响。这两者结合起来成为网民对待反腐事件的初次判断。
（2）在舆情传播中，网民相互讨论会影响其反复态度和行为的转变。本文用权威值与免疫力指标来反映反腐信息传播者与接受者交互行为对接受行为选择的影响。权威值表示个体影响能力的大小，个体掌握证据越多，权威值越大。免疫力表示个体拒绝参与讨论反腐事件的能力。这两者结合成为网民对反腐事件的二次判断。
212 社会客观因素
网民所处的客观社会受到两个因素影响。（1）社会清廉程度。腐败影响指数（CPI）是“透明国际”衡量一个国家或地区廉洁程度的主要指标，用至少3个以上调查项目来构成，其值为10分制，指数越高说明越清廉。8～10之间说明比较廉洁，5～8之间表示轻微腐败，25～5之间表示比较严重，0～25时证明政府对腐败无能为力[11]。本文用CPI来描述社会清廉氛围，当CPI越高时，网民对腐败行为越不能容忍。（2）政府或媒体对腐败事件的参与程度。美国心理学家斯金纳曾提出一种动机的强化理论。他认为，个体是否做出某种行为取决于行为的后果。当这种行为的后果对其有利时，这种行为就会在以后重复出现[12]。所以若网民在参与反腐事件后看到政府或官方媒体有所关注，那么会产生动机的强化作用。
213 行为系数
网民传播腐败事件过程中，有着自己的行为系数，包括行为、影响范围和接触次数。行为是该个体根据综合心理最终选择采取的行为；影响范围是该个体的影响半径；接触次数是个体接触该事件的次数（被传播的次数），当接触次数达到某个值时，免疫力会下降。本文中对网民个体的三方面属性含义如表1所示。
22 反腐舆情演化与传播的建模算法
网络反腐舆情演化与传播的过程在微观层面上表现为个体反腐舆情的交互。一方面个体参与反腐舆情传播，向网络空间中其他个体传播自己的态度，从而对舆情发展产生影响。另一方面个体在交互过程中从社会和网络环境中获知信息，结合自身已获取的信息不断更新自身对于反腐事件的态度。
3 基于Netlogo平台的网络反腐舆情演化与传播模型的仿真
31 Netlogo平台简介
Netlogo平台是美国西北大学推出的多主体仿真系统，目的是给科研和教育提供强大且易用的计算机辅助工具。该平台构建的多主体（Agent）模型通过各Agent之间或Agent与所处环境之间交互作用，使个体变化成为整个系统变化的基础。由于Netlogo建模能较好地模拟微观个体的行为模式和宏观模式的涌现，并且表现两者之间的联系，所以特别适合模拟网络反腐舆情演化与传播这类随时间发展的的复杂模型。
32 网络反腐中的各类群体及其属性特征
对模型进行仿真之前，需要对参与网络反腐的网民进行统计调查以保证参数的正确性。根据2008-2012年网络反腐的典型案件统计资料，在网络反腐的九类主要参与群体中，与腐败官员直接相关的群体，如情人、妻子、行贿者、受害者、下属等所占比例不足举报群体的1/3，而与其无直接利害关系的民间维权人士、记者/媒体、普通网民则占据着绝对的主体地位[13]。
本文把九类群体归为3种主要类别，包括网民、专家和内部关联人士。网民是对腐败事件关注度高的群体，其主要特征为知识素养低，事件关联性低，权威性低，传播范围小；专家是容易成为“意见领袖"的群体，他们往往具备某领域的专业知识，并且在社会上有一定的知名度，其主要特征为知识素养较高、事件关联程度较低、免疫力较低、传播范围较广；内部关联人士是跟腐败事件有联系的群体，虽然掌握一定的证据，但是在社会中并没有太大的关注度，其主要特征为事件关联程度较高、传播范围较小。除此以外，本文把官方媒体抽象为特殊的第四类群体，这类群体在社会群体之外，但是权威性最高，传播范围最广，这类特殊群体必须在官方政府指示下才会被激活关注反腐事件，实际上是政府的代言人。主要群体的属性特征如表2所示：
33 模型仿真
331 初始化社会属性和主体属性
首先初始化衡量整个社会氛围的清廉程度指数（CPI），根据“透明国际”十年的报告显示，我国的CPI在35～40之间，本文选择40作为初始标准值。接着初始化网民基本属性，假定整个社会中存在200个网民。网民分为网民、专家、内部关联人士3个群体，占比分别为80%，15%，5%，该比例参考了实际调查数据。然后依照上文分析的各属性特征对其进行初始化，在未受到反腐舆情传播前，网民会根据其知识素养和事件关联性会有一个对此类事件的基本判别。
332 反腐舆情的开端与传播
随机激活群体中的几个网民，表示该网民获知腐败事件的小部分真相，但证据并不充足。根据网民的态度和兴趣度判断他们的行为，此时选择曝光的网民便成为了反腐舆情的开端，然后以上一时间点的状态为基础按照22节中定义的反腐舆情演化与传播的算法启动仿真模型直至达到稳定状态，观察并记录网民变化的局部变化及整体态势。
34 仿真结果分析
341 网民影响模型仿真结果讨论
从11节中的网络反腐舆情演化与传播的规律来看，模型仿真的结果显示了4类不同类型的仿真结果，分别为：抑制型、沉默型、转折型和爆发型。如图4～7分别表示不同的仿真结果，图中小型人图案表示网民，中型人表示专家，大型人表示内部关联人士，圆形表示初始被激活人士，灰色表示在反腐过程中未参与舆情传播的人士，白色表示在反腐过程中参与舆情传播的人士。POPULATION图表示参与网络反腐舆情传播的人随时间的变化（从原点起最上面第一条曲线表示总参与人数；第二条曲线表示网民数量；第三条曲线表示专家数量；第四条曲线表示内部关联人士数量），Netizens、Experts、Insiders框中显示的是从反腐舆情开始到结束参与传播的网民、专家、内部关联人数的总人数。
抑制型反腐舆情是由于发现腐败事件的人员对待腐败事件的态度不明确或者网络曝光的兴趣度不高，导致了腐败事件并没有从源头上开始传播。在现实社会中对应的情况是：（1）发现腐败事件的是内部知情人士，出于利益考虑不敢把事件曝光；（2）发现腐败事件的网民对事件抱着多一事不如少一事的态度不愿曝光事件。如图4所示，虽然有初始网民被激活，但反腐事件没有传播出去，POPULATION图的四条曲线重合，均为0。 沉默型反腐舆情是由于发现腐败事件的人士权威值或知识素养处于较低水平，造成相邻人士对参与曝光事件的拒绝，因而舆情很难扩散出去，造成了事件的沉默。事件只停留在潜伏期。在现实社会中对应的情况是：（1）曝光腐败事件的网民是普通网民，在网络上不具有影响力；（2）曝光的证据让人难以信服，难以传播舆情。如图5所示，虽然初始激活网民传播了事件，但很快舆情传播就消失，POPULATION图上表示为网民曲线与总参与曲线重合，位于距原点不远处，而专家曲线和内部知情人士曲线均为0。
转折型反腐舆情是沉默型反腐舆情的反方向演化，开始发现腐败的人士虽然权威值或知识素养较低，舆情开始阶段传播较慢，但是在传播后马上被权威值较高、知识素养较高的人士获取到腐败事件信息，参与反腐事件直线上升。在现实社会中对应的情况是网民进行事件曝光后，专家迅速介入反腐舆情的传播，成为“意见领袖”，引导事件的走向。事件经过潜伏期达到爆发期。该结果很好地解释了网络反腐中的“引爆点”现象。如图6所示，事件在传播初期传播较慢，经过一段时间的传播后迅速扩大影响力，POPULATION图上表示为4条曲线清晰可见，总参与曲线与网民曲线形状相似，都有一个明显的折点，专家曲线和内部人士曲线在此折点后增长迅速，表明此折点为“引爆点”。
爆发型反腐舆情是因为初始发现腐败事件的人士有较高的权威值和知识素养，因而在事件初期就能迅速将舆情传播出去，参与反腐事件的人数呈爆发性的增长，事件达到爆发期。在现实社会中对应的情况是：（1）初始发现腐败事件的人士是诸如专家一类的群体，在网络上拥有很大的影响力，以致反腐事件能得到很高的关注；（2）初始进行曝光的是掌握有充足证据的内部关联人士，容易让网民信服。如图7所示，舆情从传播初始就开始爆发式增长，并且迅速达到最高峰，POPULATION图上表示为4条曲线清晰可见，总参与曲线、网民曲线与专家曲线的初始增长率均为最大。
342 政府行为对结果的影响
为了分析政府行为与反腐舆情的关系，实验中通过在反腐舆情的不同阶段加入官方媒体行为观察反腐事件演变过程并予以记录分析。仿真结果表明，当政府在反腐舆情爆发期的上升阶段授权官方媒体进行事件的报道，可以让网络反腐舆情尽快进入扩散期，从而得到更多网民参与腐败事件曝光与关注，而如果政府在反腐舆情爆发期的下降阶段进行事件的报道，虽然可以延长网民关注腐败事件的时间，造成“拖尾”现象，但是参与人数不能再上升回原来的最高点。这个结果就很好解释了现实社会中，在网民关注度下降后政府再进行相关腐败事件的后续报道，也很难再提高网民的关注度。如图8～9所示。
343 社会反腐氛围（CPI）对结果的影响
除了可以在网络反腐事件中加入政府行动影响结果外，社会反腐氛围也是一个影响结果的重要社会客观因素。本文通过多次实验，记录了社会反腐氛围在1～10水平上4种类型的反腐舆情出现的频率进行了比较分析。如图10所示，随着CPI不断上升，抑制性反腐舆情不断减少，CPI达到3以后，沉默型反腐舆情明显开始增多，转折型和爆发型反腐舆情开始出现，CPI达到5之后，转折型和爆发型反腐舆情不断增加，沉默型保持稳定，到达8以后，抑制型反腐舆情基本消失，社会以转折型和爆发型反腐舆情为主。仿真结果有效解释了由于我国近年来社会反腐氛围不断提高，人民参与反腐的热情不断高涨，沉默型反腐舆情减少，转折型和爆发性网络舆情涌现的现象。
35 模型可靠性分析
搜索引擎用户关注度是以数千万网民在百度的搜索量为数据基础，以关键词为统计对象，科学分析并计算出各个关键词在搜索引擎中搜索频次的加权和，并以曲线图的形式展现[14]。目前典型的计量搜索引擎用户关注度的产品有百度指数[15]。朱毅华等[6]曾使用过百度指数来检验仿真模型的可靠性。因此，本文从近三年来网络反腐事件中选择了4个有代表性的案例，通过百度指数来进行统计分析。为了清晰看出4个案例的舆情变化情况，本文以反腐舆情达到最高点的天数为中心，搜集了前后共50天的数据。（由于周镇宏事件没有舆情最高点，所以选取立案调查前50天的舆情数据。）如图11所示。
雷政富事件于2012年11月20日开始发生，由于进行曝光的是内部知情人士，证据充足，引起了网络热议，并且政府在11月23日迅速做出回应，所以在网络上引起了舆情高潮。雷政富事件与爆发型反腐舆情的仿真结果相一致，并且政府在舆情上升阶段介入事件，所以最终参与事件的人数到达高峰。
杨达才事件于2012年8月26日初次曝光，27日被多名微博红人关注，事件关注度开始升高，8月30日，官方媒体做出初步回应，让事件进入扩散期，在网络舆情持续的20天内不断有各类专家和政府加入讨论。杨达才事件与转折型反腐舆情的仿真结果相一致，政府在舆情的下降阶段回应了事件，虽然舆论有很长的“拖尾”现象，但始终达不到舆情的最高点。
刘铁男事件于2012年12月6日被实名举报，举报者为媒体人，但由于影响力有限，事件经过多次举报后于2013年5月12日才被政府才做出回应。刘铁男事件与沉默型反腐舆情的仿真结果相一致，政府在反腐舆情中并没有做出回应，最终事件趋向沉默。
周镇宏事件于2012年1月16日被纪委立案调查，但立案前50天的舆情并没有明显变化，事件并没有得到任何的曝光和举报。周镇宏事件与抑制性反腐舆情的仿真结果相一致，发现腐败事件的网民并没有从源头上传播事件。
经过4个不同反腐事件的检验，百度指数与模型仿真结果高度一致，从而证明了模型的可靠性。
4 结 语
本文对网络反腐舆情演化和传播的规律进行分析，结合基于动力场理论的构建了一个网络反腐舆情影响模型，然后利用Netlogo进行仿真实验，参照仿真结果进行网民行为研究，得到了4种情况不同的网络反腐舆情特征，并分析政府在网络反腐中的作用。针对性地提出两个建议：一是当网络反腐舆情处于爆发期时，政府应在舆情上升阶段需要及时回应以便让更多网民参与反腐事件；二是加大社会反腐倡廉氛围，有利于转折型和爆发型的反腐舆情涌现，减少沉默型和抑制型的反腐舆情事件，从而激发人民的反腐热情。本文不仅利用仿真建模的方法揭示了网络反腐事件的规律，提供了一种新的研究思路，而且把舆情研究推到了一个新的领域。后续工作中，可以结合网民的年龄结构和地域分布情况等属性作统计并合理调整参数，进一步提高仿真模型的准确度。 参考文献
[1]任建明，杜治洲.腐败与反腐败：理论、模型和方法[M].北京：清华大学出版社，2009.
[2]袁锋.网络反腐的政治学：模式与应用[M].北京：中央编译出版社，2012.
[3]杨嘉.网络反腐舆情的演化规律及其应对机制[J].领导科学论坛，2013，（9）：23-24.
[4]刘怡，谢耘耕.网络反腐舆情事件的形成与演变机制研究[J].现代传播，2014，（4）：69-74.
[5]刘小波.基于人际关系网络的舆情演化建模研究[J].情报理论与实践，2011，34（9）：100-103.
[6]朱毅华，张超群.基于影响模型的网络舆情演化与传播仿真研究[J].情报杂志，2015，（2）：28-36.
[7]Sznajd-Weron K，Sznajd J.Opinion Evolution in Closed Community[J].International Journal of Modern Physics C，2000，（6）：1157-1165.
[8]Guillaume Deffuant，David Neau，Frederic Amblard，et al.Mixing Beliefs Among Interacting Agents[J].Advances in Complex Systems，2001，（3）：87-98.
[9]Hegselmann R，Krause U.Opinion Dynamics and Bounded Confidence Models，Analysis and Simulation[J].Journal of Artificial Societies and Social Simulation，2002，（3）：1-33.
[10]（美）Kurt Lewin.拓扑心理学原理[M].竺培梁，译.北京：北京大学出版社，1997.
[11]牛瑞杰.从清廉指数看我国的廉政建设[J].发展，2007，（4）：37.
[12]孟维杰.社会心理学[M].哈尔滨：黑龙江人民出版社，2014.
[13]李传军.公民参与视角下的网络反腐研究――基于2008-2012年网络反腐典型案件的分析[J].电子政务，2014，（1）：79-87.
[14]陈涛，林杰.基于搜索引擎关注度的网络舆情时空演化比较分析――以谷歌趋势和百度指数比较为例[J].情报杂志，2013，（3）：7-10.
[15]百度指数.http：∥index.baidu.com/[EB/OL].2015-08-29.
