leaf

區塊鏈的大火，離不開區塊鏈媒體們的推動。那大家了解什麼是區塊鏈媒體嗎？其實，區塊鏈媒體並不是報導區塊鏈內容的媒體，而是依託區塊鏈技術應用並給媒體內容領域帶來革命性變化的新型媒體業態。

區塊鏈媒體基本處於報導區塊鏈資訊的形態，且經歷了容易由熱至冷的變化，管控下結束了野蠻生長的幣圈和區塊鏈媒體又該走向何處？

1. 資訊共享，區塊鏈實現數據解放

每個人在區塊鏈上都可以擁有完整的歷史數據，這對於新聞業而言，有限的記者和編輯可以擁有大量的材料，極大節省了人工收集、整理數據的成本。區塊鏈的信息共享不僅有別於記者傳統採集信息的方式，也與平常網絡搜索有所區別，即記者不僅僅可以通過區塊鏈快速獲得完整信息，同時也可以 “直接接觸” 到信息人，進一步分析信息背後的內容。

2. 區塊鏈打擊虛假新聞

網絡時代，專業新聞生產日益被業餘化，信源的可信度和權威性難以得到保障；同時，部分自媒體為了引導用戶注意力不擇手段，傳播虛假消息，致使假新聞泛濫。對於新聞內容平台而言，幾乎都有一套對新聞內容進行排名的算法，但是這類算法並不透明，新聞內容傳播平台的控制者有很大的空間可以對這種篩選和排名進行操縱。這種對排名的操縱也是平台盈利的重要手段，最具代表性的例子是 **“競價排名”** 等營銷手段。

除開上文所提到的 Userfeeds 的評估證明方式之外，PressCoin 為各獨立新聞機構搭建了一個生態系統，用於新聞產品的生產與交易。生活在 PressCoin 系統裡的獨立新聞機構彼此是依存共生的。每一個獨立新聞機構都分配了一個存儲了該機構信息的數據區塊，PressCoin 通過區塊鏈評估這些獨立新聞機構為整個系統所作出的貢獻的大小，進行再次分配。所有獨立新聞機構的信息都已經記錄在區塊鏈上，沒有私鑰不可隨意篡改。一旦發現有機構發布虛假信息，系統可以通過區塊鏈直接定位到發布源，對其進行相應的懲罰。

3. 區塊鏈追蹤溯源保護版權

數字化時代，信息傳播不再依賴於物理載體，作者很難實現對於數字作品的控制，便出現了大量的抄襲和洗稿。區塊鏈能為新聞作品在某一個特定時間點的存在提供證明，** 在區塊鏈技術的數據庫中，存儲著完整的交易數據，既包括作品創作的時間點，也包括版權交易的時間點，其記錄是透明準確和獨一無二的，** 在浩瀚的新聞生產作品中可以根據數據進行追蹤溯源，具有很強的證明力，為保護版權提供強大技術保障。

4. 區塊鏈保護社交媒體用戶隱私

個人信息保護世界各國網絡安全面臨的巨大問題，用戶在網絡上的身份信息、瀏覽痕跡、創造的內容並不受自己掌控。** 區塊鏈採用 P2P 技術，不需提供任何身份信息，區塊鏈技術不僅能夠實現數據加密，而且利用一套固定算法獲取信任。** 在這種模型中，用戶個人的數據何時開放、開放給誰、開放到什麼程度，均由用戶個人來授權，而不再由網絡信息平台任意處置。

5. 帶動輿情分析技術突飛猛進

區塊鏈有真實、不可篡改的特點，這種強背書成為精準分析網絡輿情的絕佳切入點。當前所流行的輿情預警平台等搜集的信息，存在模糊、混沌、不準確的問題，輿情處理所需的時間周期太長，即便策略得當，還可能目標錯誤。在區塊鏈基礎上，輿情應對的方案將具有高度精確性。方案將作用於哪些人，以什麼手段進行疏導，什麼時間點實施，這些細節的精確性將大大提高效率。

保羅・萊文森提出了 **“補償性媒介” 和 “媒介的人性化趨勢”** 的概念，他指出，人類在媒介演化過程中，不斷地進行著理性選擇，人類的技術越來越完美，但新的媒介又帶來新的問題。媒介的進化是人的選擇結果，能更好地滿足人的需要的媒介被保留了下來。從某種程度上說，** 區塊鏈技術是對以往技術的一種補償，例如對隱私的保護、對信源的核查等，區塊鏈技術能更好地滿足當前社會人們的需要。** 但是，區塊鏈技術只是順應時代發展的一種技術，它並不能解決所有問題。

首先，區塊鏈既是一項新的技術，面臨的最迫切的問題就是缺失一整套統一的標準及法律程序。智能合約的責任主體缺失問題、區塊鏈提供的版權證明並不具有直接的法律效力問題，所有一系列問題都意味著區塊鏈法律與監管急需完善。

其次，區塊鏈的不可篡改性與被遺忘權產生了衝突。由於數字技術和全球網絡的發展，人類記憶與遺忘的格局發生了根本性的轉變，遺忘變成了例外，記住則成了常態。如果互聯網上傳播關於個人的負面信息，那麼在不違反法律的前提下，個人是有權利要求數據控制者永久刪除此類信息。而區塊鏈的不可篡改，使被遺忘權處於不知何去何從的尷尬境地。

另外，區塊鏈技術是否能真的抑制假新聞也讓人存疑。一方面，就技術而言，新聞業中很少有人理解區塊鏈技術的運作原理，那麼既然現在新聞內容平台本身就存在 “算法黑箱”，那依賴算法程序的區塊鏈技術是否也存在同樣的問題？

媒體革命已經來臨，

媒體，在這個信息巨量化、茧房化的世界裡，構建一種基於區塊鏈技術的分佈式、去中心化媒體新生態。

什麼是媒體？教科書上的說法 —— 媒體是從傳播者到接受者之間傳遞信息的載體。區塊鏈時代，媒體的屬性正在發生質的改變。

媒體的變遷可以大致劃分為四個時代。

第一個是古典媒體時代，傳統的報紙、雜誌、廣播都屬於古典媒體；

第二個是社交媒體時代，社交媒體是人們彼此分享見解和觀點的平台，人們不用 7 點準時守在電視機前看新聞，所有信息來源都換成了刷朋友圈和微博，“朋友圈成為一種生活方式”；

第三個是智能媒體時代，根據大數據演算你的閱讀習慣，當你點開一則新聞，就會出現無數類似的新聞。但算法構建的閱讀世界裡，人們容易陷入各自主觀偏好信息與觀點的漩渦中，輿論無法統一，世界的呈現方式也日趨碎片化；

第四個時代是區塊鏈媒體時代，在這個系統中既能杜絕假新聞，又能獲得內容激勵和變現，寫文章、看文章都能賺錢，人人是創作者和受益者。

真正的區塊鏈媒體，不是報導區塊鏈的媒體（Blockchain Reports），而是運用區塊鏈的分佈式、去中心化、不可更改、共同維護和智能合約的技術特徵，能發放 token 的全新分佈式媒體（Distributed Media）。以區塊鏈技術和應用為基礎，用區塊鏈的思維和方式經營媒體，這是人類社會發展至今一種全新的媒體生態。

媒體為代表，前三個時代的媒體均是中心化的平台，手握文章生殺大權，審核機制並不透明。例如在微信公號中，文章能否發布需要機器或人工編輯審核，所有的文章都要經過中心化的平台，平台的審核標準影響著作者的創作；

若文章標題出現敏感議題，審核時間將大大延長，即便審核通過，一旦被舉報，平台便馬上刪除該文章以自我保護。而區塊鏈媒體時代，分佈式、去中心化技術，會讓內容的發布和分發更加公平、公正、客觀，人人都可以發表文章，人人都可以對文章做出評價，而且人人都可以根據貢獻值獲益。

區塊鏈技術的到來，將解決媒體發展中的痛點，預示著一個新的媒體時代的到來。

從自媒體到自品牌，再到自商業，媒體將重塑品牌傳播，顛覆諸多行業觀念，開啟全新視野。

2013-2017 年的聚類情況如圖 3-1 所示，其中 #7、#8 和 #9 三個聚類都是針對虛擬貨幣及其影響的探討，反映出區塊鏈早期的研究熱點，從比特幣價值的市場波動情況、幣值變動對投資人的影響到虛擬貨幣在金融體系中的地位等角度進行了許多研究。並在國內禁止 ICO（首次幣發行），也引起了學界對於虛擬貨幣法律層面的探討，從研究熱點中也可以較為明顯地體現。

技術層面上，#0 和 #6 兩個聚類都與區塊鏈技術研究密切相關。最早出現的研究聚焦於以在密碼學為代表的信息安全領域；2013-2014 年間，Vitalik Buterin 首次提出以太坊的概念，使智能合約開始被學界廣泛關注，並嘗試將其拓展到其他領域的應用中。

從應用層面，#1、#2、#3、#4 四個聚類均體現了學界在相關領域的探索。可以看出，早期區塊鏈應用集中出現在銀行、保險等經濟金融領域，區塊鏈已經被許多機構尤其是金融類機構定性為具有顛覆性與重要價值的新興科技，和人工智能、大數據等技術並列。

這類社交網絡使用區塊鏈來記錄社交網絡中的信息發布和傳播，使用戶的所有言論都有跡可循，並對社區中優質內容的貢獻者和傳播者都給予激勵，對虛假信息和垃圾信息的製造者和傳播者給予懲罰。這些特點使生產、傳播信息的成本變高，相比傳統社交網絡中的用戶，該類社交網絡中用戶更加注意自己在社區中的言論，也更能理性看待社區中發布的各類信息，從而構建了一種新型的信息傳播環境。

收益 — 風險矩陣，提出了一種針對區塊鏈環境下的社交網絡的輿情傳播模型。然而，目前大多數研究集中在區塊鏈技術在信息傳播領域的應用前景和改善區塊鏈中信息傳播的效率、降低信息存儲的成本等方面。僅有少數研究提出了針對區塊鏈社交網絡的傳播模型，但是在這部分研究中仍未考慮過社交網絡中的意見對立人群以及不同的激勵政策對各群體傳播行為的影響。

首先，作為一個去中心化的分佈式賬本，由於基礎架構中激勵層的技術特點，區塊鏈中每一個節點都需要進行數據驗證以達成共識並記賬，所以需要設計合理的激勵措施令區塊鏈中各節點的利益與整體共識一致。這種底層技術特點映射到應用層面就是各種基於區塊鏈技術的社交網絡平台向優質內容創作者以及傳播者發放平台的經濟代幣進行激勵，為平台用戶創作帶來了經濟動力。所以用戶為盡可能多地獲取其他用戶的認可以及代幣激勵，在表達自己觀點時會更加理性。在用戶規範了自己行為的同時，社交網絡平台也可依靠調整代幣的激勵政策對平台用戶進行有效的引導。

其次，區塊鏈技術基礎架構的共識層利用區塊的特點在高度去中心化的系統中高效地形成共識。在傳播的過程中，區塊鏈社交網絡平台中的用戶在一定程度上影響了信息的傳播效果。用戶可以支付平台代幣對一條內容進行投票，評價該內容是否為優質 (或低質量) 信息，是否應將該內容優先浮現令更多用戶看到以擴大其傳播範圍，由此促進了優質內容的傳播而獲得平台的代幣激勵。

最後，區塊鏈中保存的數據可追溯且難以篡改。區塊鏈技術利用時間戳和數字簽名來保證區塊鏈中存儲的信息的穩定性與可靠性，用戶的傳播行為以及傳播內容都會存儲在區塊鏈中且不可刪除，即使用戶刪除了某條信息的本地記錄，該信息仍會記錄在其他分佈式賬本中。借此特點，社交網絡平台上的其他用戶在接收到信息後可以通過查詢創作 (或傳播) 該信息的用戶的歷史發布記錄和歷史傳播記錄初步判定接收到的信息的真實性。

區塊鏈社交網絡信息傳播的實際情況，假設 SNS 中存在信息 T (T 為一類話題的支持或反對信息)，將 SNS 中的節點分為易感染節點 S (Susceptible)、觀望節點 E (exposed)、贊同節點 A (Advocates)、反對節點 O (Objector)、免疫節點 R (Removed)，贊同節點 A 與反對節點 O 統稱為感染者節點 (Infected)。其中 S 節點表示用戶還未接觸到信息 T。E 節點表示接觸信息 T 後，為最大化自身經濟收益而暫時處於觀望狀態的節點。A 節點表示接觸信息 T 後，對信息 T 持贊同意見，並選擇傳播支持信息的節點。節點 O 表示接觸信息 T 後，持反對意見，並選擇傳播反對信息的節點。R 表示不再受信息影響的節點。

SEAOR 模型狀態轉移過程 Fig.1 The state transition process of the SEAOR model

設 S (k,t)、E (k,t)、A (k,t)、O (k,t)、R (k,t) 分別表示 t 時刻度為 k 的易感染節點、觀望節點、贊同節點、反對節點、免疫節點的密度，且在任意時刻(k,t)+E (k,t)+A (k,t)+O (k,t)+R (k,t)=1，各狀態之間的轉移規則描述如下：

1) 易感節點 S 接觸到目標信息後，S 可能以概率 psa 轉變為贊同節點 A，或以概率 pso 轉變為反對節點 O，或因經濟激勵和懲罰而選擇暫時觀望，以概率 pse 轉變為觀望者節點 E。其中 psa、pso、pse 分別成為易感節點 S 對信息的贊同概率、反對概率、觀望概率。

2) 觀望節點 E 再次接觸到贊同節點 A 或反對節點 O 後，可能以概率 pea 轉變成贊同節點 A、以概率 peo 轉變成反對節點 O，或以概率 per 轉變成免疫節點 R。稱 pae、peo、per 分別為觀望節點 E 的贊同概率、反對概率、直接免疫概率。

3) 贊同節點 A 以概率 par 轉變成免疫節點 R，稱 par 為贊同節點 A 對目標信息的免疫概率。

4) 反對節點 O 以概率 por 轉變成免疫節點 R，稱 por 為反對節點 O 對目標信息的免疫概率。

5) 當節點成為免疫節點 R 後，其狀態不再改變。

基於上述狀態間轉移規則及系統動力學，基於區塊鏈社交網絡中的信息傳播模型如式 (1)：

(1)

其中，pcon 為網絡中任意一條隨機邊與感染者節點相連的概率。

矩陣中 x 為觀望者接受來自感染者的消息的概率，即 x 為 pea+peo，1-x 為 per。y、z 分別為贊同者和反對者傳播信息的概率，當感染者不再傳播消息時，其將轉變成免疫者，即 1-y、1-z 分別為 pir、por。

群體 S 或群體 E 接受消息後轉變成群體 I (A 或 O)，付出投票的成本 c，並根據 A 與 O 在所有 I 中的密度 (λ 和 1-λ) 從社區提供的經濟激勵中獲得其基本收益 λE、(1-λ) E。當 I 成功影響健康節點，即擴大了信息的傳播範圍，I 將會獲得其對應的額外收益。同時，I 傳播的消息可能被認定為劣質內容，I 將得到相應的經濟懲罰，即 I 傳播信息的懲罰風險。

uE1=(yλ-zλ+z)E-(y+z)c

(2)uE2≡0

構造觀望者 E 採取策略 “接受” 概率的複製動態方程 [15]

(5)F(x)=x(1-x)[(yλ-zλ+z)E-(y+z)c]

(6)

• (1) 若 (yλ-zλ+z) E-(y+z) c=0，則 F (x)≡0, 即無論觀望者 E 選擇策略 “接受” 和 “不接受” 比例如何，其策略都不會隨時間發生改變。此時 per 與 pea+peo 不變。

• (2) 若 (yλ-zλ+z) E-(y+z) c≠0，令 F (x)=0，可得 x=0，x=1 為 x 的兩個穩定點。即在不出現選擇相反策略的突變體時，觀望者 E 選擇特定策略的比例 (穩定在 “接受” 或 “不接受”) 不再發生變化。此時，對 F (x) 求導可得

可以得出轉移概率 per、par、por 在 t 時刻下的變化趨勢及函數。上述博弈的參與者為觀望者 E 與全體感染者，所以僅通過上述計算無法界定當觀望者 E 選擇策略 “接受” 時，轉移概率 pei 與 peo 的變化趨勢。當 E 選擇策略 “接受” 時：(1) 若 E 選擇接受 A 傳播的信息，通過博弈矩陣可知其收益為 λE-c；(2) 若 E 選擇接受 O 傳播的信息，通過博弈矩陣可知其收益為 (1-λ) E-c。

λ 為 A 當前在所有感染者中的密度，(1-λ) 為 O 當前在所有感染者中的密度。因此，在 E 選定策略 “接受” 的條件下，其收益與 A、O 在所有感染者中的密度相關，即選擇人數較多的一方 E 總能獲得較高的收益。一定程度上反映了真實社交網絡中的個體會在面對大眾信念時壓制自己的懷疑、偽化即有知識的現象，這種現象稱之為從眾效應 [16]。萬佑紅等人 [17] 通過結合信息的初始傳播率和某時刻中傳播者的密度描述從眾效應對信息傳播概率的影響。根據上述已有研究並結合本文實際，分別得出在 E 選定策略 “接受” 的條件下，轉移概率 pea 與 peo 的動態變化方程。

可知區塊鏈社交網絡中的激勵機制和社交網絡中普遍存在的從眾心理，會影響區塊鏈社交網絡中不同群體傳播行為。用戶的期望收益與其基本收益 E、傳播成本 c、傳播懲罰風險 R、傳播額外收益有關，而不同感染者的密度又影響其所獲基本收益和額外收益。所以，調整上述參數，均會對各群體的密度變化產生影響。由於信息傳播時間相對較短，在後續實驗中本文暫不考慮網絡規模的動態變化。

因群體 E、A、O 的傳播收益總是大於其傳播風險，所以群體 A、O 密度均在短時間內上升，且不會下降，最終達到穩態。

調整激勵政策，令群體 E、A、O 的傳播收益可能大於 0 或小於 0，各群體變化趨勢如圖 6 所示。

區塊鏈社交網絡給予用戶的經濟激勵能夠深刻影響社交網絡中用戶的傳播行為。經濟收益可以極大激發用戶對信息的傳播熱情，與激勵並存的經濟懲罰機制又可使用戶在面對不同信息時保持理性和懷疑，不輕易相信虛假和劣質信息。在實際的輿情監測中，平台可以針對不同的情況調整激勵政策，以凸顯高質量內容並抑制低質量信息的傳播，更有利於營造積極健康向上的網絡輿論環境。

了一種用於內容推薦的 Sean 模型，在區塊鏈社交平台 Steemit 上構建的數據集上與 CF 算法等其他基於內容的推薦方法進行對比，取得了較好的效果 [26]。本文使用其公開的 Steemit 用戶關係數據集來構建一個複雜的網絡。網絡拓撲如圖2所示。該圖包含 7242 個節點和 273942 條邊。節點的顏色和大小代表節點的度數。如果節點的顏色越深，尺寸越大，則節點的度數大約越大。

社交網絡使用激勵機制來突出高質量信息並抑制低質量信息。在一定程度上，區塊鏈社交網絡可以利用其激勵機制來鼓勵用戶抑制劣質信息的傳播。抑制效果可以用信息達到最大傳播範圍時不同信息傳播者的密度差來表示。模型能否描述這種效果也是評價模型是否合理的一個指標。在區塊鏈環境下，由於經濟激勵，用戶在選擇傳播行為時會更加謹慎，而不是收到信息就隨便傳播。而當用戶頻繁接觸某類意見時，他們更傾向於選擇傳播這類觀點。由此可見，傳播開始時各種傳播者的比例，將對用戶接觸信息後的傳播行為產生重要影響。本實驗選取不同類型傳播者的初始密度比，觀察不同信息傳播者在信息達到最大傳播範圍時的密度差異。本文模型與傳統通信模型的對比如圖 本實驗選取不同類型傳播者的初始密度比，觀察不同信息傳播者在信息達到最大傳播範圍時的密度差異。本文模型與傳統通信模型的對比如圖 本實驗選取不同類型傳播者的初始密度比，觀察不同信息傳播者在信息達到最大傳播範圍時的密度差異。

除了核心用戶的識別，傳播規模也是影響微博最終傳播效果的關鍵要素之一。通過對信息傳播規模的預測，可以提早發現信息傳播的最終影響範圍。相關研究集中於信息傳播建模、影響力最大化等方面。

第一，本文通過分析微博網絡中完整的轉發鏈路，定義了核者的識別。

第二，本文通過提取微博網絡中的相關特徵，綜合分析對轉發產生影響的因素，考慮到影響轉發因素的用戶影響力以及信息強化效應，以線性閾值模型（LT）、傳染病模型（SEIR）為最初藍本，改進閾值表示方法，實現對於單條微博最終傳播規模的預測。

關注關係是其社交網絡結構的重要組成部分，用戶間的關注關係共同構成網絡結構的入度與出度。通過分析 88829 條用戶關注數據有如下發現（附錄 Ⅱ（1））：

• 有 8420 人次（10%）關注人數高達 993，我們分析提供的數據爬取時最高爬取量為 993。

• 大量用戶關注數在 100~200 檔位，符合一般邏輯，因為大多數人處理社交事務精力有限。

俩個網絡與四種指標展開。考慮到核心用戶在不同場景下有不同的定義，在信息傳播的情形下，本文使用用戶微博擴散能力、對下級用戶影響程度能力為衡量指標計算核心用戶的核心程度。具體運用 PageRank 思想，基於微博轉發關係網絡、用戶關注關係網絡，構建信息轉發時間性、用戶轉發影響力，對下級用戶的情緒強弱性影響以及在靜態網絡中的用戶自身位置信息指標決定用戶核心程度。

• 對文本進行分詞，找出文本中的情感詞、否定詞以及程度副詞；

• 判斷每個情感詞之前是否存在否定詞及程度副詞，將其與情感詞分為文本中的一個組；

• 如果情感詞前有否定詞則將情感詞的情感權值乘以 - 1，如果有程度副詞就乘以程度副詞的程度值；

• 加和所有組的得分，積極情緒得分大於 0、消極情緒得分小於 0，絕對值越大情緒越強。

度算法算法：在基於社交網絡的信息傳播過程中：

• 轉發影響力：體現被轉發用戶信息傳播能力在話題內的信息傳播廣度。

• 用戶自身質量：體現用戶信息傳播能力影響用戶的強度。

因此本文將這兩個度量指標通過線性融合計算用戶在話題內的信息傳播能力大小。

經典的傳播理論認為信息的傳播可以分為 “大眾傳播” 和 “人際傳播”。隨著社會網絡分析（SNA）方法不斷地發展，對於信息傳播規模的預測出現了過度 “結構” 化現象 (6)，即過分強調網絡結構，忽略的信息傳播的宏觀性。個體間的相互作用對最終傳播規模有著重要影響，誇大其網絡結構的作用，往往有悖實際情況。

出現讓 “非結構化傳播” 和 “結構化傳播” 間的界限更加模糊。

滿足以下假設：

1. 假設 1：用戶發布或者轉發用戶的狀態為感染用戶，其直接粉絲的狀態為易感染用戶。

2. 假設 2：微博用戶從易感染用戶成為感染用戶的概率為 β。

3. 假設 3：用戶從感染轉態成為免疫狀態的概率為 α。

4. 假設 4：沒有關注這些感染用戶的狀態為外來用戶。此類用戶自主閱讀微博並轉發的概率為 γ。

當給定某條熱點，信任圈層，t 時刻，在 SIRE 模型中：

• S (t) 表示 t 時刻易感染用戶的數量，該部分人群可能會進行轉發；

• I (t) 表示已轉發改微博的用戶，並且具有傳播力的人群；

• R (t) 表示免疫用戶 R 的數量，該類用戶表示 t 時刻不會再轉發該微博的用戶人數。

本文提出一種基於關注關係、用戶影響力以及信息強化效應的傳播規模預測模型，該模型在線性閾值模型（LT）(11) 的基礎上著重考慮不同用戶影響力。該模型分為兩個部分，啟動部分及後續傳播部分。啟動部分考慮根微博用戶 u 對粉絲集合 fans (u) 的影響力 PR (u)，用戶 v 轉發閾值設置為 0 到該粉絲所有關注用戶（Fv）PR 值之和間的隨機數，即 γv∈[0,sum (PR (Fv))]，若 PR (u)>γv，則用戶 v 不轉發；若 PR (u)≤γv，則用戶 v 轉發。後續傳播部分因為信息的冗餘所以存在強化效應，對用戶的總影響力 Influce (v) 計算如下：

v 轉發閾值設置為 0 到該所有關注用戶（Fv）PR 值之和間的隨機數，與 LR 模型不同，當 v 所關注用戶近 90% 都轉發了該信息，則用戶 v 必參與轉發。