陳樂(lè)朋 周家政

摘要：隨著近年來(lái)中國(guó)網(wǎng)民數(shù)量眾多而網(wǎng)絡(luò)給予了眾多網(wǎng)民言論自由，因此網(wǎng)絡(luò)輿情越來(lái)越被關(guān)注，對(duì)網(wǎng)絡(luò)輿情的預(yù)警也越來(lái)越迫切。該文采用了五個(gè)指標(biāo)對(duì)“廈門PX事件”、“昆明PX事件”和“寧波PX事件”進(jìn)行量化描述，通過(guò)Matlab建立BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型中進(jìn)行學(xué)習(xí)，然后再對(duì)“寧波PX事件”進(jìn)行預(yù)警識(shí)別。模型具有較好的識(shí)別能力，預(yù)警結(jié)果的準(zhǔn)確率達(dá)到了90%以上。

關(guān)鍵詞：網(wǎng)絡(luò)輿情；BP神經(jīng)網(wǎng)絡(luò)；預(yù)警

中圖分類號(hào)：C915 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）22-5283-04

互聯(lián)網(wǎng)這些年來(lái)在我國(guó)的快速的發(fā)展，我國(guó)網(wǎng)民人數(shù)較之前有了大幅的提升。網(wǎng)絡(luò)的開(kāi)放性和靈活性讓其成為反映社會(huì)輿情的主要載體之一。而近兩三年網(wǎng)絡(luò)輿情引發(fā)的事件激增，引起了政府的高度重視，網(wǎng)絡(luò)儼然已成為政府部門了解民意的又一理想窗口。顯然，能夠直觀表達(dá)網(wǎng)絡(luò)輿情的光定性的解讀遠(yuǎn)遠(yuǎn)不夠，對(duì)于決策者更希望得到一個(gè)輿論事件過(guò)程中所處的量化等級(jí)。由于輿情危機(jī)產(chǎn)生具有模糊性和隨機(jī)性是非線性的，因此通過(guò)建立預(yù)警指標(biāo)，再利用容錯(cuò)能力高，通過(guò)學(xué)習(xí)復(fù)雜數(shù)據(jù)發(fā)現(xiàn)規(guī)律進(jìn)行識(shí)別的人工神經(jīng)網(wǎng)絡(luò)是不二選擇。故本文的核心在于BP神經(jīng)網(wǎng)絡(luò)[1]。

1 網(wǎng)絡(luò)輿情危機(jī)預(yù)警指標(biāo)體系

網(wǎng)絡(luò)輿情危機(jī)的發(fā)生，受到多種隨機(jī)因素的影響，而且每個(gè)因素對(duì)結(jié)果所起的效果大小也是不一樣的。因此網(wǎng)絡(luò)輿情危機(jī)預(yù)警的關(guān)鍵是建立科學(xué)、系統(tǒng)的預(yù)警指標(biāo)體系。依據(jù)近些年來(lái)網(wǎng)絡(luò)輿情方面專家的調(diào)查匯總和政府機(jī)構(gòu)對(duì)輿情監(jiān)督部門的考察，并結(jié)合網(wǎng)絡(luò)輿情與危機(jī)預(yù)警機(jī)制方面的資料，經(jīng)過(guò)多次地調(diào)試整理匯總制定出，對(duì)網(wǎng)絡(luò)輿情信息從五個(gè)具體的指標(biāo)構(gòu)建了網(wǎng)絡(luò)輿情危機(jī)預(yù)警指標(biāo)體系[2]。

1.1 輿情預(yù)警指標(biāo)

1.1.1 輿情信息的敏感度

網(wǎng)絡(luò)上有各式各樣的信息，而這些各式各樣的信息其敏感度也是不同的，對(duì)于可能造成社會(huì)動(dòng)蕩的網(wǎng)絡(luò)信息則是政府最為關(guān)注的。顯然各條信息所引起的社會(huì)敏感度是不同的，敏感度越高說(shuō)明產(chǎn)生輿論危機(jī)的可能性就越高。這種指標(biāo)的量化標(biāo)準(zhǔn)采用專家打分的方法得到。得分設(shè)定的范圍為[0，1]，0、0.5、0.7、1表示的意義依次為“具有敏感性”、“敏感”、“很敏感”、“相當(dāng)敏感”。

1.1.2 輿情信息的流通量

輿情信息的流通量反映出輿情信息在網(wǎng)絡(luò)上傳播情況和討論熱度。而這些網(wǎng)絡(luò)上的流通信息會(huì)被搜索引擎例如Google、百度等抓取。因此通過(guò)限定時(shí)間段搜索引擎搜索關(guān)鍵詞得到的搜索量可以作為流通量使用。

1.2.3 輿情觀點(diǎn)傾向度

輿情觀點(diǎn)傾向度主要量化網(wǎng)民對(duì)于某個(gè)輿論信息觀點(diǎn)傾向度。分別由1，0，-1表示正面、中立、反面觀點(diǎn)，用[f（x）][f（x）]表示各個(gè)觀點(diǎn)面傾向度，n表示發(fā)表觀點(diǎn)的總觀點(diǎn)數(shù)，此指標(biāo)用[μ]表示：

其實(shí)就是求各個(gè)觀點(diǎn)總和的均值，其取值范圍在（-1，1）。這部分則是通過(guò)統(tǒng)計(jì)事件討論最熱的貼吧的跟帖信息或者微博評(píng)論進(jìn)行打分得到的。

1.2.4 輿情影響范圍

輿情影響范圍是指在某一時(shí)刻或時(shí)間段內(nèi)，輿情信息所影響的區(qū)域性范圍。對(duì)于這部分的評(píng)分依照我國(guó)的行政地域劃分進(jìn)行評(píng)分。即村＼社區(qū)、鄉(xiāng)＼鎮(zhèn)＼街道、縣＼區(qū)、市、省、國(guó)家。其取值范圍為[0，1]。這部分的取值則是通過(guò)新聞報(bào)道中時(shí)間的發(fā)展態(tài)勢(shì)進(jìn)行取值。地域?qū)?yīng)的取值見(jiàn)下表：

1.2.5 網(wǎng)絡(luò)輿情媒體曝光度

網(wǎng)絡(luò)輿情信息被媒體曝光之后則將網(wǎng)絡(luò)信息的討論引到現(xiàn)實(shí)社會(huì)中，而現(xiàn)實(shí)中媒體的報(bào)道是有著比網(wǎng)絡(luò)更為嚴(yán)格的審查制度。媒體的報(bào)道無(wú)疑對(duì)網(wǎng)絡(luò)輿情有著更為影響力的宣傳進(jìn)而推動(dòng)著輿論的發(fā)展。而這部分的數(shù)據(jù)則采用Google news中通過(guò)對(duì)時(shí)間段的設(shè)定搜索關(guān)鍵詞得到相應(yīng)的搜索到的新聞條數(shù)進(jìn)行量化評(píng)價(jià)媒體的曝光度。

1.2.6 輿情指標(biāo)

而結(jié)果評(píng)級(jí)依照《國(guó)家突發(fā)公共事件總體應(yīng)急預(yù)案》將預(yù)警等級(jí)設(shè)為四個(gè)等級(jí)：特別嚴(yán)重、嚴(yán)重、較重和一般。而根據(jù)網(wǎng)絡(luò)輿情危機(jī)的嚴(yán)重程度、經(jīng)濟(jì)程度、可控性等方面將預(yù)警設(shè)為5個(gè)等級(jí)：安全、輕警、中警、重警、急警[7]。

2 數(shù)據(jù)獲取與處理

2.1 事件的選取和回顧

在實(shí)證分析中以“寧波PX事件”為預(yù)警模型的最終目標(biāo)，而選擇了“廈門PX事件”和“昆明PX事件”為學(xué)習(xí)樣本進(jìn)行學(xué)習(xí)。這一連串關(guān)于PX事件其危害的對(duì)象不僅僅是政府形象更是對(duì)整個(gè)社會(huì)和諧穩(wěn)定造成了較大的影響。尤其是寧波PX事件中，甚至出現(xiàn)了不理智的因受謠言的蠱惑沖擊政府機(jī)關(guān)掀翻執(zhí)勤警車的情況。倘若能及時(shí)且準(zhǔn)確地對(duì)此類事件進(jìn)行預(yù)警并作出相應(yīng)的預(yù)防措施就能對(duì)事件進(jìn)行有效的控制。

2.2 指標(biāo)數(shù)據(jù)的獲取

對(duì)于所建立的模型而言其關(guān)鍵不僅僅在于預(yù)警模型的指標(biāo)的建立和神經(jīng)網(wǎng)絡(luò)的識(shí)別。其數(shù)據(jù)的獲取亦是十分關(guān)鍵的一步。根據(jù)各個(gè)數(shù)據(jù)的特點(diǎn)，整理各個(gè)指標(biāo)數(shù)據(jù)獲取方式如下。

將廈門PX事件和昆明PX事件作為一個(gè)學(xué)習(xí)樣本，其數(shù)據(jù)清單如表3所示。

同樣將模型的預(yù)警目標(biāo)——“寧波PX事件”作為目標(biāo)數(shù)據(jù)，其數(shù)據(jù)清單如表4所示。

2.3 輸入數(shù)據(jù)的標(biāo)準(zhǔn)化處理

網(wǎng)絡(luò)輿情危機(jī)預(yù)警指標(biāo)體系中有5個(gè)預(yù)警指標(biāo)，其中存在定性指標(biāo)和定量指標(biāo)兩大類，并且對(duì)各個(gè)指標(biāo)的數(shù)據(jù)進(jìn)行了量化處理，然而各個(gè)指標(biāo)的單位的量綱是不同的，為了能夠?qū)Ω鱾€(gè)指標(biāo)進(jìn)行對(duì)比評(píng)分 ，需要將它們進(jìn)行標(biāo)準(zhǔn)化得到[0，1]無(wú)量綱指標(biāo)。

量化的指標(biāo)均有正負(fù)方向均有正負(fù)方向之分，自然這些數(shù)據(jù)的標(biāo)注化方法均有不同：

1）正向指標(biāo)處理：正向指標(biāo)表示值越大越安全，危機(jī)等級(jí)越小無(wú)量綱化以最小值為基準(zhǔn)，正向無(wú)量綱化處理方程：

2） 負(fù)向指標(biāo)處理：負(fù)向指標(biāo)在文章中表示指標(biāo)值越小越安全，危機(jī)等級(jí)越小。無(wú)量綱化以最大值為基準(zhǔn)，負(fù)向的無(wú)量綱化處理方程：

其中，X 表示量化后的指標(biāo)值， [xmin]表示指標(biāo)的最小值， [xi] 表示指標(biāo)的實(shí)際值， [xmax]表示指標(biāo)的最大值。

3 輿情預(yù)警模型的建立及結(jié)果

3.1 模型的建立

神經(jīng)網(wǎng)絡(luò)模型是一個(gè)典型的“輸入-處理-輸出”的過(guò)程。輸入是采集到的指標(biāo)的實(shí)際值，輸出是模型識(shí)別的結(jié)果，即預(yù)警的敏感度，而中間過(guò)稱則采用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)計(jì)算，這部分相當(dāng)于“黑匣子”。在處理的時(shí)候，該文采用三層BP網(wǎng)絡(luò)（一個(gè)輸入層、一個(gè)隱含層、一個(gè)輸出層）的網(wǎng)絡(luò)結(jié)構(gòu)，那么輸入、輸出節(jié)點(diǎn)數(shù)分別是5和1[8]。

在設(shè)置完參數(shù)之后用第四章所講述的利用Matlab軟件完成模型的建立。

3.2 結(jié)果及檢驗(yàn)

通過(guò)搜集得到的數(shù)據(jù)匯編成的學(xué)習(xí)樣本，并將其中的70%作為樣本，30%作為檢驗(yàn)樣本進(jìn)行。

通過(guò)計(jì)算可以得到該表，從該表中容易得到，學(xué)習(xí)過(guò)程中準(zhǔn)確率達(dá)到了91.76%。并在測(cè)過(guò)程中抽取了5項(xiàng)進(jìn)行預(yù)測(cè)，得到的準(zhǔn)確率為92.31%，其較高的準(zhǔn)確率。因此有理由認(rèn)為該模型在未來(lái)的預(yù)測(cè)過(guò)程中其準(zhǔn)確率應(yīng)該達(dá)到90%以上。

4 研究結(jié)論

本文的研究結(jié)果表明：基于輿情量化指標(biāo)的BP神經(jīng)網(wǎng)絡(luò)能夠?qū)W(wǎng)絡(luò)輿情信息進(jìn)行較為準(zhǔn)確的預(yù)警，無(wú)論是學(xué)習(xí)還是最后實(shí)踐的識(shí)別準(zhǔn)確率都達(dá)到了80%以上。這種預(yù)警方法通過(guò)輿情信息的預(yù)警指標(biāo)利用量化評(píng)價(jià)方法可以降低人為的主管臆斷，而實(shí)驗(yàn)結(jié)果也表明了其擁有較高的識(shí)別準(zhǔn)確率。并且利用Matlab進(jìn)行編程得到的預(yù)警模型具有廣泛的應(yīng)用前景和使用價(jià)值。模型可以為政府提供網(wǎng)絡(luò)輿情的預(yù)警，也為企業(yè)的網(wǎng)絡(luò)聲譽(yù)進(jìn)行預(yù)警為企業(yè)的公關(guān)提供預(yù)警參考。

參考文獻(xiàn)：

[1] 薛圈圈.基于BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情危機(jī)預(yù)警研究[D].江西：江西財(cái)經(jīng)大學(xué)，2010：25-30.

[2] 戴媛.我國(guó)網(wǎng)絡(luò)輿情安全評(píng)估指標(biāo)體系研究[D].北京：北京化工大學(xué)，2008：13-22.

[3] 袁越.廈門PX時(shí)間[OL].http：//news.sina.com.cn/c/2007-09-27/165713986641.shtml.

[4] 王秀娟.昆明PX事件[N].中國(guó)石油石化，2013.

[5] 大公網(wǎng).鎮(zhèn)海PX項(xiàng)目引發(fā)群體性事件[OL].http：//www.takungpao.com/mainland/node_13226.htm.

[6] 周子健.基于網(wǎng)絡(luò)搜索量的上海世博會(huì)國(guó)際影響力研究[J].藝海，2011（5）：80-82.

[7] 王新輝.基于BP神經(jīng)網(wǎng)絡(luò)的國(guó)際電子商務(wù)信用風(fēng)險(xiǎn)預(yù)警模型研究[D].沈陽(yáng)：沈陽(yáng)工業(yè)大學(xué)，2008：7-14.

[8] 楊淑娥，黃禮.基于BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)預(yù)警模型.系統(tǒng)工程理論與實(shí)踐[J].2005（1）：21-26.