石魯生，陳 林，李 凱

一種網(wǎng)絡(luò)輿情的動態(tài)預(yù)警方法

石魯生，陳 林，李 凱

（宿遷學(xué)院計算機系，江蘇宿遷223800）

針對影響網(wǎng)絡(luò)輿情預(yù)警等級各因素的特點以及目前各預(yù)警方法對預(yù)警等級動態(tài)變化性考慮不足的問題，提出了一種網(wǎng)絡(luò)輿情的動態(tài)預(yù)警方法．引入動態(tài)模糊集，利用模糊綜合評價法對網(wǎng)絡(luò)輿情進行綜合評判和動態(tài)預(yù)警．選取輿情和輿情受眾2個方面共7個對網(wǎng)絡(luò)輿情預(yù)警等級影響較大的因素構(gòu)成預(yù)警指標體系，給出3個輿情實例的預(yù)警計算過程及其最終預(yù)警等級和動態(tài)變化趨勢．驗證結(jié)果表明：動態(tài)預(yù)警方法可以準確計算出預(yù)警等級并對以后的動態(tài)變化趨勢做出正確判斷．

網(wǎng)絡(luò)輿情；預(yù)警；動態(tài)模糊性

網(wǎng)絡(luò)輿情是由于各種事件的刺激而產(chǎn)生的通過互聯(lián)網(wǎng)傳播的人們對于該事件的所有認知、態(tài)度、情感和行為傾向的集合［1］．由于網(wǎng)絡(luò)輿情反映了民情民意，影響著社會發(fā)展，存在引發(fā)社會問題的風險，因此，研究一種可以針對不同情況有效采取合理預(yù)控措施的網(wǎng)絡(luò)輿情預(yù)警方法具有重要意義．近年來，國內(nèi)外不少學(xué)者就網(wǎng)絡(luò)輿情分析和預(yù)警進行研究，丁菊玲等通過對網(wǎng)民觀點極性、觀點強度和觀點屬性的挖掘，給出了利用三粒度觀點樹的網(wǎng)絡(luò)輿情預(yù)警方法［2］；李耘濤等從基于三角模糊數(shù)的網(wǎng)絡(luò)輿情預(yù)警指標體系的灰色特性出發(fā)，給出了灰色預(yù)警的評價方法［3］；許鑫等從信號縱向挖掘和信號橫向防控2個維度介紹了突發(fā)事件的網(wǎng)絡(luò)輿情預(yù)警方法［4］；李弼程等人運用戰(zhàn)場態(tài)勢分析思想，選取7個適合計算機實現(xiàn)的網(wǎng)絡(luò)輿情態(tài)勢分析模式，提出了一種基于直覺模糊推理的網(wǎng)絡(luò)輿情預(yù)警方法［5］；Eirinaki等通過對Web使用記錄的挖掘監(jiān)控網(wǎng)絡(luò)輿情并預(yù)警［6］；Martens等利用單一粒度的觀點挖掘算法從技術(shù)角度進行網(wǎng)絡(luò)輿情監(jiān)控和預(yù)警［7］；Gao等利用云計算平臺對海量的Web信息進行輿情識別和監(jiān)控［8］，此外，文獻［9］至［15］從網(wǎng)絡(luò)輿情的熱點發(fā)現(xiàn)、預(yù)警機制和分析模式等方面提出了一些方法和手段．可以看出，現(xiàn)有研究多側(cè)重于如何及時發(fā)現(xiàn)和獲取輿情熱點以進行網(wǎng)絡(luò)預(yù)警，在預(yù)警方法上主要考慮了影響網(wǎng)絡(luò)輿情的因素眾多且復(fù)雜，但對其動態(tài)性考慮不足，不能全面準確地判斷網(wǎng)絡(luò)輿情的威脅．本研究通過引入動態(tài)模糊集（Dynamic Fuzzy Sets，DFS），利用模糊綜合評判的方法，對網(wǎng)絡(luò)輿情進行動態(tài)預(yù)警．

1 網(wǎng)絡(luò)輿情預(yù)警指標體系

1．1 預(yù)警等級

網(wǎng)絡(luò)輿情預(yù)警是發(fā)現(xiàn)對網(wǎng)絡(luò)輿情出現(xiàn)、發(fā)展和消亡具有重要影響的因素，并連續(xù)不間斷地動態(tài)監(jiān)測、度量和采集與它們相關(guān)的信息，根據(jù)預(yù)警體系內(nèi)容，運用綜合分析技術(shù)，對當前網(wǎng)絡(luò)輿情做出評價分析、預(yù)測其發(fā)展趨勢、及時做出等級預(yù)報的活動［12］．綜合考慮國際慣例、我國相關(guān)機構(gòu)管理規(guī)定和網(wǎng)絡(luò)輿情的發(fā)展趨勢，網(wǎng)絡(luò)輿情的預(yù)警等級被劃分為：輕警情（Ⅳ級，非常態(tài)）、中度警情（Ⅲ級，警示級）、重警情（Ⅱ級，危險級）和特重警情（Ⅰ級，極度危險級）共4個等級，并依次采用藍色、黃色、橙色和紅色來加以表示［2］，4個預(yù)警等級的具體定義如下：

藍色級（Ⅳ級）：出現(xiàn)輿情，網(wǎng)民對該輿情關(guān)注度低，傳播速度慢，輿情影響局限在較小范圍內(nèi)，沒有轉(zhuǎn)化為行為輿論的可能；

黃色級（Ⅲ級）：出現(xiàn)輿情，網(wǎng)民對該輿情關(guān)注度較高，傳播速度中等，輿情影響局限在一定范圍內(nèi)，沒有轉(zhuǎn)化為行為輿論的可能；

橙色級（Ⅱ級）：出現(xiàn)輿情，網(wǎng)民對該輿情關(guān)注度高，傳播速度快，影響擴散到了很大范圍，輿情有轉(zhuǎn)化為行為輿論的可能；

紅色級（Ⅰ級）：出現(xiàn)輿情，網(wǎng)民對該輿情關(guān)注度極高，傳播速度非?？?，影響擴大到了整個社會，輿情即將化為行為輿論．

1．2 預(yù)警指標

網(wǎng)絡(luò)輿情是隨著互聯(lián)網(wǎng)的發(fā)展而產(chǎn)生的，互聯(lián)網(wǎng)信息的及時性、海量性、廣泛性、互動性和虛擬性導(dǎo)致影響網(wǎng)絡(luò)輿情產(chǎn)生、發(fā)展、變化和消亡的因素不僅數(shù)量眾多而且實時變化，更重要的是這些因素大多較為特殊、復(fù)雜且難于分析，因此，將每一個影響因素都反映在預(yù)警指標體系中較為困難，而選取對網(wǎng)絡(luò)輿情影響較大的因素作為預(yù)警指標是較為現(xiàn)實的．本研究從輿情和輿情受眾2個方面選取了7個指標構(gòu)成輿情預(yù)警體系，如圖1所示．

圖1 網(wǎng)絡(luò)輿情預(yù)警等級指標體系Fig．1 System of pre－warning indicators of internet public opinion

1．2．1 輿情

（1）熱度：某一時間段內(nèi)輿情被相對集中關(guān)注或更加關(guān)注的程度．

（2）焦度：某一時間段內(nèi)輿情熱度持續(xù)的情況．

（3）敏度：某一時間段內(nèi)輿情在熱點排行榜中上升或下降的情況．

1．2．2 輿情受眾

（1）受眾數(shù)量：某一時間段內(nèi)關(guān)注輿情的網(wǎng)民人數(shù)，即受眾數(shù)量，受眾數(shù)量越多，輿情的影響力就越大，它是影響評估輿情預(yù)警等級的重要指標．

（2）受眾廣度：某一時間段內(nèi)輿情受眾地理區(qū)域的分布特性，即受眾廣度，受眾廣度越大，輿情的影響力就越大．

（3）受眾傾向性：某一時間段內(nèi)受眾對于輿情所表現(xiàn)的情感信息，即受眾傾向性，它可以反映出受眾對輿情的某種態(tài)度傾向性．

（4）受眾關(guān)注度：某一時間段內(nèi)輿情被所有受眾關(guān)注的程度即受眾關(guān)注度．

2 網(wǎng)絡(luò)輿情動態(tài)預(yù)警過程

網(wǎng)絡(luò)輿情預(yù)警是一個多層次、多指標和多屬性的復(fù)雜問題，預(yù)警過程中要處理的信息具備模糊性和動態(tài)性．模糊綜合評價法可以在模糊環(huán)境中對受多種因素影響的問題做出有效且全面的評價，進而實現(xiàn)復(fù)雜的非結(jié)構(gòu)性綜合決策，但對于動態(tài)特征明顯的網(wǎng)絡(luò)輿情預(yù)警略顯不足，因此，引入動態(tài)模糊集進行綜合評判和動態(tài)預(yù)警是非常必要的．

2．1 動態(tài)模糊集

定義 設(shè)在論域Z上定義一個映射：

記為（珜B，珝B）＝珜B或珝B，則稱（珜B，珝B）為（珜Z，珝Z）上的動態(tài)模糊集，稱（珜B（珖z），珝B（珗z））為隸屬函數(shù)對（珜B，珝B）的隸屬度．

在論域Z上可以有多個DF集，記U上DF集的全體為DF（Z），即

2個DF子集間的運算可以理解為是對其隸屬函數(shù)作相應(yīng)運算［16］．

2．2 預(yù)警數(shù)學(xué)模型

2．3 預(yù)警過程

2．3．1 構(gòu)造因素集

因素集是預(yù)警體系中的預(yù)警指標，將不同層次的預(yù)警指標構(gòu)成不同的因素集，并將眾多因素分為m類，即將因素集U分成m個因素子集U＝｛U1，U2，…，Ui，…Um｝，（i＝1，2，…，m）每個因素子集Ui有n個元素，即Ui＝｛ui1，ui2，…，uij，…uin｝，其中元素uij（j＝1，2，…，n）表示第i類因素子集的第j個因素．

2．3．2 構(gòu)造權(quán)重集

為區(qū)別各因素子集對預(yù)警等級所產(chǎn)生影響的重要程度，賦予每個因素子集相應(yīng)的權(quán)數(shù)．對因素子集Ui（i＝1，2，…，m）賦予相應(yīng)權(quán)數(shù)Ai（i＝1，2，…，m），則因素權(quán)重向量為

同理，在每個因素子集中，根據(jù)各因素對該因素子集影響的重要程度，賦予每個因素以相應(yīng)的權(quán)數(shù)，構(gòu)造因素子集的權(quán)重向量．設(shè)uij的權(quán)數(shù)為aij，則該因素子集的權(quán)重向量為

2．3．3 構(gòu)造預(yù)警集

對網(wǎng)絡(luò)輿情預(yù)警等級的判定依據(jù)國際慣例和我國相關(guān)機構(gòu)的管理規(guī)定，所有等級（如k個）構(gòu)成一個判定預(yù)警等級的預(yù)警集，無論因素分為多少個因素子集，預(yù)警集只有一個，即

其中，Vx（x＝k，k－1，…，1）表示第x個預(yù)警等級．

2．3．4 構(gòu)造單因素動態(tài)模糊預(yù)警矩陣

單因素模糊預(yù)警單獨從一個因素出發(fā)進行動態(tài)預(yù)警，以確定預(yù)警對象對預(yù)警集中預(yù)警等級動態(tài)模糊化的隸屬度．設(shè)uij對預(yù)警集中第x個預(yù)警等級Vx的隸屬度為為行即可得到單因素動態(tài)模糊預(yù)警矩陣

由于Ri是對第i個因素子集中的各因素進行單因素模糊預(yù)警，故為一級動態(tài)模糊預(yù)警矩陣．則第i個因素子集的動態(tài)模糊預(yù)警等級

為得到全面的預(yù)警結(jié)果必須考慮各因素子集對預(yù)警等級的影響，故需進行二級動態(tài)模糊預(yù)警．二級動態(tài)模糊預(yù)警矩陣應(yīng)為一級動態(tài)模糊預(yù)警結(jié)果的綜合，即

2．3．5 判定網(wǎng)絡(luò)輿情預(yù)警等級及動態(tài)變化趨勢

在綜合考慮各因素子集及因素對預(yù)警等級的影響后，進行矩陣運算D＝AR，再由S＝DVT得到按最大隸屬度原則，即確定最終預(yù)警等級，并根據(jù)）給出動態(tài)變化趨勢．

3 實例分析

以日本3．11核泄漏危機、中國在利比亞的撤僑行動和315消費者維權(quán)為例，通過采集3月12日至3月14日百度貼吧中發(fā)帖和跟帖的數(shù)據(jù)，獲取影響網(wǎng)絡(luò)輿情預(yù)警等級的有效信息，采用動態(tài)預(yù)警方法確定它們網(wǎng)絡(luò)輿情的預(yù)警等級及動態(tài)變化趨勢．

3．1 預(yù)警步驟

3．1．1 因素集

U＝｛輿情（U1），輿情受眾（U2）｝，其中：U1＝｛熱度（u11），焦度（u12），敏度（u13）｝；U2＝｛受眾數(shù)量（u21），受眾廣度（u22），受眾傾向性（u23），受眾關(guān)注度（u24）｝

3．1．2 權(quán)重集

根據(jù)專家的意見，采用Delphi法綜合得到各因素子集和因素的權(quán)重系數(shù)，得到因素權(quán)重向量A＝｛A1，A2｝＝｛0．35，0．65｝，其中因素子集權(quán)重向量A1＝｛a11，a12，a13｝＝｛0．29，0．57，0．14｝，A2＝｛a21，a22，a23，a24｝＝｛0．23，0．08，0．38，0．31｝

3．1．3 預(yù)警集

綜合考慮國際慣例、我國相關(guān)機構(gòu)管理規(guī)定和網(wǎng)絡(luò)輿情發(fā)展的趨勢，得到預(yù)警集V＝｛藍色級（V4），黃色級（V3），橙色級（V2），紅色級（V1）｝，建立預(yù)警向量V＝｛4，3，2，1｝．

3．1．4 單因素動態(tài)模糊預(yù)警矩陣

針對不同輿情，通過多位專家評分，給出每個因素對于不同預(yù)警等級的動態(tài)模糊化的隸屬度，得到各輿情的一級動態(tài)模糊預(yù)警矩陣，再經(jīng)過與權(quán)重集合成運算得到二級動態(tài)模糊預(yù)警矩陣．

（1）日本3．11核泄漏危機

該輿情的2個一級動態(tài)模糊預(yù)警矩陣為

第1個因素子集“輿情”的動態(tài)模糊預(yù)警等級

同理，可得第2個因素子集“輿情受眾”的動態(tài)模糊預(yù)警等級

因此，該輿情的二級動態(tài)模糊預(yù)警矩陣

（2）中國在利比亞的撤僑行動

該輿情2個一級動態(tài)模糊預(yù)警矩陣為

同理計算可得該輿情的二級動態(tài)模糊預(yù)警矩陣

（3）315消費者維權(quán)

由該輿情的一級動態(tài)模糊預(yù)警矩陣為

計算得到二級動態(tài)模糊預(yù)警矩陣

3．1．5 預(yù)警等級和動態(tài)變化趨勢

（1）日本3．11核泄漏危機

最終預(yù)警等級的計算結(jié)果為：

（2）中國在利比亞的撤僑行動

（3）315消費者維權(quán)

3．2 結(jié)果分析

表1為3個實例預(yù)警結(jié)果的比較．

表1 3個輿情的預(yù)警結(jié)果比較Tab．1 Comparation of three public opinions pre－warningresults

從表1的預(yù)警結(jié)果可知，3月12日至3月14日3天內(nèi)，我國公眾對日本3．11核泄漏危機高度關(guān)注，預(yù)警等級已達橙色級，并且該等級隨著時間推移有可能繼續(xù)上升達極度危險的紅色級；而中國在利比亞的撤僑行動自2月末開始持續(xù)至3月4日已全部結(jié)束，作為1949年以來最大規(guī)模的撤離海外中國公民行動，該事件雖然曾經(jīng)引起公眾在網(wǎng)絡(luò)上的高度關(guān)注，但隨著時間推移，特別是日本3．11大地震的發(fā)生，其受關(guān)注程度大為降低，預(yù)警等級只達黃色級，且呈現(xiàn)繼續(xù)下降的趨勢；315消費者維權(quán)由于是年度活動，受關(guān)注程度自然不如3．11地震和撤僑這樣的突發(fā)事件，故預(yù)警等級僅為藍色級，但是隨著3月15日期的臨近，其動態(tài)變化趨勢明顯處于上升狀態(tài)．在隨后的幾天里，因為網(wǎng)絡(luò)上謠言四起以及公眾對核泄漏的恐慌，全國出現(xiàn)了一次不小的“搶鹽風波”，而錦湖輪胎、手機流亡軟件和毒餐巾紙等隨著中央電視電3．15晚會的曝光也受到了廣泛關(guān)注和熱議，利比亞撤僑行動則隨著時間推移逐漸淡出了公眾視野，這些都證明前面對各輿情預(yù)警等級及其動態(tài)變化趨勢的判斷是正確的．

4 結(jié)語

網(wǎng)絡(luò)是各種不同意見自我表達的重要平臺，通過網(wǎng)絡(luò)輿情預(yù)警預(yù)先對可能對社會安全與穩(wěn)定造成影響的事件采取措施，將其危害降低到最小是政府相關(guān)部門亟待解決的問題之一．本研究針對影響網(wǎng)絡(luò)輿情的各因素具有模糊性和動態(tài)性的特點，通過引入動態(tài)模糊集，并利用模糊綜合評價法，構(gòu)建了一種網(wǎng)絡(luò)輿情的動態(tài)預(yù)警方法，實驗結(jié)果表明該方法對來自網(wǎng)絡(luò)輿情的威脅能夠進行動態(tài)、及時且全面的預(yù)警．

［1］ 曾潤喜．網(wǎng)絡(luò)輿情信息資源共享研究［J］．情報雜志，2009，28（8）：187－191．

［2］ 丁菊玲，勒中堅．基于觀點樹的網(wǎng)絡(luò)輿情危機預(yù)警方法［J］．計算機應(yīng)用研究，2011，28（9）：3501－3504．

［3］ 李耘濤，劉妍，劉毅．網(wǎng)絡(luò)輿情灰色預(yù)警評價研究［J］．情報雜志，2011，30（4）：24－27．

［4］ 許鑫，張嵐嵐．基于信號分析的突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警研究［J］．情報理論與實踐，2010，33（12）：97－100．

［5］ 李弼程，王瑾，林?。谥庇X模糊推理的網(wǎng)絡(luò)輿情預(yù)警方法［J］．計算機應(yīng)用研究，2010，27（9）：3312－3315．

［6］ EIRINAKI M，VAZIRGIANNIS M．Web mining for web personalization［J］．ACM Transactions on Internet Technology，2003，3（1）：12－13．

［7］ MARTENS D，BRUYNSEELS L，BAESENS B，et al．Predicting going concern opinion with data mining［J］．Decision Support Systems，2008，45（4）：765－777．

［8］ GAO H，JIANG J，SHE L，et al．A new agglomerative hierarchical clustering algorithm implementation based on the map reduce framework［J］．International Journal of Digital Content Technology and Its Applications，2010，4（3）：95－100．

［9］ 黃敏，胡學(xué)鋼．基于復(fù)雜網(wǎng)絡(luò)方法的輿情熱點挖掘［J］．計算機仿真，2011，28（9）：114－117．

［10］ 殷風景，肖衛(wèi)東，葛斌，等．一種面向網(wǎng)絡(luò)話題發(fā)現(xiàn)的增量文本聚類算法［J］．計算機應(yīng)用研究，2011，28（1）：54－57．

［11］ 鄭魁，疏學(xué)明，袁宏永．網(wǎng)絡(luò)輿情熱點信息自動發(fā)現(xiàn)方法［J］．計算機工程，2010，36（3）：4－6．

［12］ 吳紹忠，李淑華．互聯(lián)網(wǎng)絡(luò)輿情預(yù)警機制研究［J］．中國人民公安大學(xué)學(xué)報：自然科學(xué)版，2008（3）：38－42．

［13］ 李弼程，林琛，周杰，等．網(wǎng)絡(luò)輿情態(tài)勢分析模式研究［J］．情報科學(xué)，2010，28（7）：1083－1088．

［14］ 錢愛兵．基于主題的網(wǎng)絡(luò)輿情分析模型及其實現(xiàn)［J］．情報分析與研究，2008（4）：49－55．

［15］ 謝海光，陳中潤．互聯(lián)網(wǎng)內(nèi)容及輿情深度分析模式［J］．中國青年政治學(xué)院學(xué)報，2006（3）：95－100．

［16］ 李凡長，劉貴全，佘玉梅．動態(tài)模糊邏輯引論［M］．昆明：云南科技出版社，2005：8－9．

（責任編校 亢原彬）

Method of dynamic pre－warning of internet public opinion

SHI Lu－sheng，CHEN Lin，LI Kai
（Department of Computer，Suqian College，Suqian 223800，Jiangsu Province，China）

In view of each factor’s characteristics that affect internet public opinions pre－warning level，and insufficient consideration for dynamic changing trends of the present pre－warning methods，a dynamic pre－warning method of internet public opinion is proposed．Comprehensive evaluation and dynamic pre－warning of internet public opinion are carried out by introducing dynamic fuzzy sets and using fuzzy comprehensive evaluation．Two levels total seven factors that greatly impact on pre－warning network constitute a system of pre－warning indicators，and pre－warning computing processes of three public opinions are given as well as the levels and dynamic changing trends．The results show that this method can accurately calculate the pre－warning level and make the right judgment on the dynamic changing trends of the future．

internet public opinions；pre－warning；dynamic fuzzyness

book=2012,ebook=47

TP391

A

1671－1114（2012）02－0059－07

2011－10－02

江蘇省宿遷學(xué)院重點科研基金資助項目（2010KY09）；江蘇省宿遷學(xué)院重點科研基金資助項目（2011KY16）

石魯生（1978－），男，講師，主要從事新型數(shù)據(jù)庫和動態(tài)模糊理論等方面的研究．