汪　鷺，陸朝陽

(武警工程大學(xué) 理學(xué)院，陜西 西安 710086)

?

基于馬爾可夫模型的網(wǎng)絡(luò)輿情熱度趨勢分析

汪鷺，陸朝陽

(武警工程大學(xué) 理學(xué)院，陜西 西安 710086)

針對網(wǎng)絡(luò)輿情熱度趨勢的特點(diǎn)，利用基于馬爾可夫模型的網(wǎng)絡(luò)輿情熱度趨勢分析方法對巴黎恐怖襲擊事件進(jìn)行分析,該方法可有效預(yù)測熱點(diǎn)網(wǎng)絡(luò)輿情的走勢，為后續(xù)建立網(wǎng)絡(luò)輿情預(yù)警體系和網(wǎng)絡(luò)輿情引導(dǎo)機(jī)制提供了理論支撐.

網(wǎng)絡(luò)輿情; 馬爾科夫模型; 趨勢分析; 恐怖襲擊

網(wǎng)絡(luò)輿情(Internet Public Opinion)是指個(gè)人或者各種社會(huì)群體、組織，通過網(wǎng)絡(luò)渠道對自己關(guān)心或與自身利益緊密相關(guān)的各種公共事物所表達(dá)的情緒、態(tài)度和意見的總和[1].網(wǎng)絡(luò)輿情是社會(huì)網(wǎng)絡(luò)輿情在互聯(lián)網(wǎng)空間的映射，是社會(huì)網(wǎng)絡(luò)輿情的直接反映.

近年來，由于互聯(lián)網(wǎng)的普及與社會(huì)化媒體(如微博、MSN等)的快速發(fā)展，網(wǎng)民的網(wǎng)絡(luò)活躍度日益提高，網(wǎng)絡(luò)輿情的影響力與日俱增,隨之而來的負(fù)面網(wǎng)絡(luò)輿情極有可能誘發(fā)民眾的不良情緒，引發(fā)違規(guī)或過激行為，進(jìn)而嚴(yán)重影響社會(huì)穩(wěn)定.因此，研究網(wǎng)絡(luò)輿情的傳播特征及規(guī)律,對網(wǎng)絡(luò)文化和社會(huì)環(huán)境的健康發(fā)展會(huì)起到重要作用.

現(xiàn)有的研究技術(shù)主要有利用文獻(xiàn)計(jì)量學(xué)方法進(jìn)行定量分析[2]、基于馬爾可夫鏈的網(wǎng)絡(luò)輿情熱度趨勢分析[3]、應(yīng)用不確定理論處理網(wǎng)絡(luò)輿情的不確定性[4]、基于博弈模型的突發(fā)事件網(wǎng)絡(luò)輿情演變研究[5]、基于Single-pass聚類算法的識(shí)別跟蹤[6]、SOM神經(jīng)網(wǎng)絡(luò)聚類分析[7]、基于元胞自動(dòng)機(jī)模型的小世界網(wǎng)絡(luò)病毒傳播研究[8]等.

由于網(wǎng)絡(luò)輿情熱度是隨機(jī)過程并且針對時(shí)間和狀態(tài)都是離散的，所以可建立馬爾可夫模型來分析和預(yù)測網(wǎng)絡(luò)輿情熱度的發(fā)展趨勢.通過分析事件在主要新聞網(wǎng)站、論壇、博客中的點(diǎn)擊數(shù)、回復(fù)數(shù)及博客轉(zhuǎn)載數(shù)，剔除重復(fù)值后利用極值化得到網(wǎng)絡(luò)輿情熱度值，求出網(wǎng)絡(luò)輿情熱度趨勢值并劃分熱度趨勢狀態(tài)區(qū)間，最后運(yùn)用馬爾可夫鏈構(gòu)造狀態(tài)轉(zhuǎn)移矩陣得到預(yù)測結(jié)果并進(jìn)行精度比較.

1　基于馬爾可夫模型的網(wǎng)絡(luò)輿情熱度分析

1.1網(wǎng)絡(luò)輿情熱度的描述及計(jì)算

網(wǎng)絡(luò)輿情熱度是指當(dāng)政府的負(fù)面事件被爆出后，互聯(lián)網(wǎng)上媒體對事件的報(bào)道、網(wǎng)民對事件的討論，以及政府疏導(dǎo)事件在網(wǎng)絡(luò)上交錯(cuò)所形成的網(wǎng)絡(luò)輿情的高漲程度.

2015年11月13日晚，法國巴黎市短時(shí)間內(nèi)共發(fā)生5次爆炸與5次槍擊，事件共造成至少132人死亡，震撼全球.發(fā)達(dá)的現(xiàn)代傳媒進(jìn)一步放大恐怖襲擊效應(yīng)，使負(fù)面網(wǎng)絡(luò)輿情引起民眾較大的出行恐慌和對政府安全工作的不信任.

該事件的輿情熱度趨勢可用馬爾科夫模型做預(yù)測分析，主要原因如下：

第一，該網(wǎng)絡(luò)輿情的發(fā)展趨勢可以看作一個(gè)非平穩(wěn)的時(shí)間序列，其時(shí)間和狀態(tài)劃分都可描述為離散的過程；第二，網(wǎng)絡(luò)輿情熱度發(fā)展的狀態(tài)空間可以看作隨機(jī)變量中的一個(gè)數(shù)集，并且網(wǎng)絡(luò)輿情的發(fā)展只依賴當(dāng)前時(shí)刻的狀態(tài)，即t+1時(shí)刻的狀態(tài)只與t時(shí)刻的狀態(tài)有關(guān)；第三，從一個(gè)熱度值到另一個(gè)熱度值是隨機(jī)的，也就是說，這個(gè)轉(zhuǎn)移過程的轉(zhuǎn)移概率是隨機(jī)的，這些條件大致符合馬爾可夫鏈的基本要求.

本課題關(guān)于網(wǎng)絡(luò)輿情熱度的計(jì)算結(jié)果，是通過各大網(wǎng)站、社區(qū)、論壇等對關(guān)鍵詞為 “11·13巴黎恐怖襲擊事件”所引發(fā)的新聞、發(fā)帖等信息的點(diǎn)擊數(shù)、回復(fù)數(shù)、轉(zhuǎn)載數(shù)等指標(biāo)綜合計(jì)算得出的.在具體的建模過程中，為了更可靠地反映網(wǎng)民對網(wǎng)絡(luò)輿情事件的態(tài)度與看法，采用極值法對網(wǎng)絡(luò)輿情熱度評(píng)價(jià)指標(biāo)進(jìn)行了無量綱化處理.

表1為巴黎恐怖襲擊事件數(shù)據(jù)統(tǒng)計(jì)表，以天為單位進(jìn)行數(shù)據(jù)采集.其中，T表示天數(shù)，T=(1,2,…,t)；A表示新聞采集數(shù)量，A=(a1，a2，…，at)；B表示網(wǎng)頁采集數(shù)，B=(b1，b2，…，bt)；C表示論壇采集數(shù)，C=(c1，c2，…，ct)；D表示社區(qū)采集數(shù)(博客、微博等)，D=(d1，d2，…，dt).第t天網(wǎng)絡(luò)輿情熱度

(1)

為使數(shù)據(jù)具有可比性和可靠性，消除指標(biāo)之間變異程度的差異，采用極值法對網(wǎng)絡(luò)輿情熱度指標(biāo)進(jìn)行無量綱化處理.為了將極值化后的網(wǎng)絡(luò)輿情熱度控制在[0，100]，在公式中將極值化后的指標(biāo)值乘以100，得到網(wǎng)絡(luò)輿情熱度Ht，計(jì)算公式如下：

(2)

將網(wǎng)絡(luò)輿情熱度時(shí)間序列向量記為H，則

H=(H1,H2,H3，…,Ht).

(3)

1.2狀態(tài)空間的劃分

因網(wǎng)絡(luò)輿情熱度隨時(shí)間推移呈現(xiàn)離散狀態(tài)，首先依據(jù)公式(3)得出的熱度向量，計(jì)算出各個(gè)時(shí)刻網(wǎng)絡(luò)輿情熱度的趨勢值

(4)

1.3狀態(tài)轉(zhuǎn)移矩陣的構(gòu)造

1.3.1構(gòu)造狀態(tài)轉(zhuǎn)移表

首先，統(tǒng)計(jì)趨勢值從當(dāng)前狀態(tài)到下一刻狀態(tài)的數(shù)量.設(shè)從當(dāng)前狀態(tài)Si(i=1,2,3,4)轉(zhuǎn)移到狀態(tài)Sj(j=1,2,3,4)的數(shù)量為nij次，狀態(tài)轉(zhuǎn)移頻數(shù)如表2所示.

表1　巴黎恐怖襲擊事件數(shù)據(jù)統(tǒng)計(jì)表

表2　狀態(tài)轉(zhuǎn)移頻數(shù)

1.3.2構(gòu)造狀態(tài)轉(zhuǎn)移矩陣

根據(jù)趨勢狀態(tài)區(qū)間構(gòu)造馬爾可夫狀態(tài)轉(zhuǎn)移概率矩陣，設(shè)從前一時(shí)刻趨勢值狀態(tài)Si轉(zhuǎn)移至下一時(shí)刻趨勢值狀態(tài)Sj的概率為pij:

(5)

因此，可得一步轉(zhuǎn)移概率矩陣

P=(pij), i=1,2,…,n, j=1,2,…,n,

(6)

式中:nij為狀態(tài)Si經(jīng)過1步轉(zhuǎn)移到狀態(tài)Sj的次數(shù)，Ni為Si出現(xiàn)的總次數(shù).

為充分利用近期數(shù)據(jù)、減少隨機(jī)誤差的影響，在構(gòu)造狀態(tài)轉(zhuǎn)移概率矩陣時(shí)，可進(jìn)行多步轉(zhuǎn)移.設(shè)w步轉(zhuǎn)移概率為pij(w)(w=1,2,…)，記為

p(w)=(pij(w)),i=1,2,…,n, j=1,2,…,n.

(7)

1.4網(wǎng)絡(luò)輿情熱度趨勢分析

設(shè)π(i)表示i時(shí)刻的狀態(tài)向量，P為一步狀態(tài)轉(zhuǎn)移矩陣.若網(wǎng)絡(luò)輿情熱度的趨勢最終達(dá)到一個(gè)穩(wěn)定狀態(tài)，那么可以計(jì)算出網(wǎng)絡(luò)輿情趨勢相對穩(wěn)定后各狀態(tài)可能的概率.設(shè)穩(wěn)定以后的狀態(tài)向量為π=π(1)，π(2)，…，π(n)，則根據(jù)馬爾可夫鏈的穩(wěn)定條件有

(8)

式中：

π(i)=π(i-1)P,

(9)

(10)因此，利用狀態(tài)向量和狀態(tài)轉(zhuǎn)移矩陣，結(jié)合馬爾可夫鏈系統(tǒng)穩(wěn)定條件預(yù)測將來時(shí)刻網(wǎng)絡(luò)輿情熱度的狀態(tài)概率，即可預(yù)測出將來時(shí)刻的狀態(tài)向量π.最后，以穩(wěn)定狀態(tài)下的熱度預(yù)測值與實(shí)際值是否一致來評(píng)價(jià)模型的優(yōu)劣.

2　實(shí)證過程

2.1案例的選取和數(shù)據(jù)的采集

從相關(guān)主流網(wǎng)站上獲取2015年有關(guān)“11·13巴黎恐怖襲擊事件”的相關(guān)數(shù)據(jù)，結(jié)合“巴黎暴恐”“敘利亞恐怖分子”等相關(guān)信息，篩去不相關(guān)與重復(fù)的事件，得出有用數(shù)據(jù)作為本次研究的實(shí)例.

采集的數(shù)據(jù)主要來源于各大網(wǎng)站、社區(qū)、論壇等對關(guān)鍵詞為“11·13巴黎恐怖襲擊事件”所引發(fā)的新聞、發(fā)帖等信息的點(diǎn)擊數(shù)、回復(fù)數(shù)和轉(zhuǎn)載數(shù).在百度新聞、百度網(wǎng)頁、搜狗網(wǎng)頁、天涯論壇上以“巴黎暴恐”和“敘利亞恐怖分子”為搜索關(guān)鍵詞獲取數(shù)據(jù)，數(shù)據(jù)抓取時(shí)間為2015年11月10日至2015年12月5日，共獲取有效數(shù)據(jù)樣本760 485條.將該事件發(fā)布的數(shù)據(jù)以天為單位進(jìn)行匯總，從1～26編號(hào)，得到時(shí)間跨度內(nèi)每天發(fā)布的數(shù)據(jù)量，見表3.根據(jù)公式(2)計(jì)算網(wǎng)絡(luò)輿情熱度值，結(jié)果如表4所示.

表3　原始數(shù)據(jù)的采集

注：數(shù)據(jù)來源于網(wǎng)絡(luò).

表4　巴黎恐怖襲擊事件的網(wǎng)絡(luò)輿情熱度

從表4可看出，該網(wǎng)絡(luò)輿情事件基本符合網(wǎng)絡(luò)輿情的生命周期特點(diǎn)，即11月10日至11月13日為形成期、11月13日至11月14日為短暫的加速期、11月14日至11月20日為成熟期、11月21日后為衰退期.但可看到，11月24日至11月25日有異常高值，原因可能是繼巴黎恐怖襲擊之后，相繼接連發(fā)生了馬里人質(zhì)事件和喀麥隆自殺性襲擊；歐盟所在地布魯塞爾因面臨著嚴(yán)重而緊迫的恐怖襲擊威脅，在11月21日將安全等級(jí)提至最高；11月22日法國海軍“夏爾·戴高樂”號(hào)核動(dòng)力航空母艦已經(jīng)抵達(dá)地中海東部海域，艦載機(jī)或于23日開始打擊極端組織“伊斯蘭國”(ISIS)的行動(dòng).這些可能致使網(wǎng)民的搜索熱度再次攀升.

2.2熱度趨勢的計(jì)算及狀態(tài)空間的劃分

根據(jù)公式(4)計(jì)算本次事件網(wǎng)絡(luò)輿情熱度趨勢值及每天網(wǎng)絡(luò)輿情所處狀態(tài)空間，得到2015年11月10日至12月4日該事件的網(wǎng)絡(luò)輿情熱度趨勢值和所處狀態(tài)空間,如表5所示.

表5　巴黎恐怖襲擊事件的網(wǎng)絡(luò)輿情熱度趨勢值及所處狀態(tài)

表5中，S1,S2,S3,S4為熱度趨勢值的4個(gè)狀態(tài)空間，分別為S1=[48.059 5，96.118 9]，S2=[0，48.059 5]，S3=[-18.123 2,0]，S4=[-36.246 3，-18.123 2].

表6　熱度狀態(tài)轉(zhuǎn)移頻數(shù)統(tǒng)計(jì)表

2.3熱度趨勢狀態(tài)轉(zhuǎn)移過程的構(gòu)造

統(tǒng)計(jì)表5中的數(shù)據(jù)從當(dāng)前狀態(tài)轉(zhuǎn)移至下一刻狀態(tài)空間的頻數(shù)，可得該網(wǎng)絡(luò)輿情熱度狀態(tài)可能的轉(zhuǎn)移過程.例如,表5中由編號(hào)1到編號(hào)2的轉(zhuǎn)移狀態(tài),可看作由T時(shí)刻狀態(tài)S2到T+1時(shí)刻狀態(tài)S2的轉(zhuǎn)移，在所對應(yīng)熱度狀態(tài)轉(zhuǎn)移表中第二行第二列的狀態(tài)轉(zhuǎn)移次數(shù)加1，如表6所示.

2.4網(wǎng)絡(luò)輿情熱度趨勢分析

由于不確定因素的存在，為了排除異常點(diǎn)造成的趨勢波動(dòng),選擇尾段數(shù)據(jù)進(jìn)行預(yù)測.選取11月29日(即編號(hào)20)作為初始時(shí)刻，檢驗(yàn)本模型的準(zhǔn)確程度.初始時(shí)刻的網(wǎng)絡(luò)輿情熱度趨勢值對應(yīng)的狀態(tài)向量是π(0)=(0,0,1,0).利用初始狀態(tài)向量和狀態(tài)轉(zhuǎn)移概率矩陣,預(yù)測后5天的網(wǎng)絡(luò)輿情熱度趨勢值在每個(gè)狀態(tài)的概率，將得到的預(yù)測值與事件發(fā)展的真實(shí)數(shù)據(jù)進(jìn)行對比.

利用表6中熱度狀態(tài)轉(zhuǎn)移的次數(shù)和公式(5)，得出一步轉(zhuǎn)移概率矩陣

將任意狀態(tài)轉(zhuǎn)移至Si的預(yù)測轉(zhuǎn)移概率記作pi,i=1,2,3,4.根據(jù)馬爾可夫模型進(jìn)行預(yù)測,利用公式(9)可有π(1)=π(0)P,得出下一刻的狀態(tài)向量π(1)，預(yù)測結(jié)果見表7.

將表7中的預(yù)測結(jié)果與后來事件發(fā)展的真實(shí)數(shù)據(jù)對比并進(jìn)行誤差分析，得到的結(jié)果如表8所示.可以看到,預(yù)測的網(wǎng)絡(luò)輿情熱度趨勢區(qū)間有4個(gè)與實(shí)際相符，只有第3個(gè)區(qū)間的預(yù)測稍有偏差，準(zhǔn)確率為80%.分析可知,12月2日的預(yù)測空間為S3,而實(shí)際所處空間為S2，但由于12月2日的輿情熱度很接近S2和S3的臨界處，故利用該模型對網(wǎng)絡(luò)輿情熱度趨勢進(jìn)行預(yù)測仍是有效的.

表7　預(yù)測結(jié)果

表8　熱度趨勢預(yù)測區(qū)間與實(shí)際趨勢區(qū)間

3　結(jié)語

以2015年的網(wǎng)絡(luò)輿情熱點(diǎn)事件“11·13巴黎恐怖襲擊事件”為例,進(jìn)行了網(wǎng)絡(luò)輿情熱度實(shí)證分析.通過研究，希望網(wǎng)絡(luò)輿情事件熱度的預(yù)測可以為情報(bào)部門及時(shí)捕捉網(wǎng)絡(luò)熱點(diǎn)中的敏感信息并為負(fù)面網(wǎng)絡(luò)輿情的疏導(dǎo)提供決策支持.網(wǎng)絡(luò)輿情熱度趨勢的研究為情報(bào)部門提出以下兩點(diǎn)建議：第一，當(dāng)負(fù)面網(wǎng)絡(luò)輿情正處于緩慢上升區(qū)時(shí),監(jiān)測者必須及時(shí)發(fā)現(xiàn)并加以控制，防止輿情趨勢出現(xiàn)急速上升;第二，在輿論狀態(tài)處于緩慢下降區(qū)時(shí),要繼續(xù)實(shí)時(shí)監(jiān)測數(shù)據(jù)，防止后期再次出現(xiàn)反彈.

本課題存在的不足和需要改進(jìn)的地方如下：第一，采集的數(shù)據(jù)不夠完整，不能充分考慮到網(wǎng)絡(luò)輿情事件的復(fù)雜性和突發(fā)性，仍需要大量案例檢驗(yàn)和完善該模型;第二，還需要不斷創(chuàng)新和優(yōu)化該模型，提高精確度;第三，需要結(jié)合數(shù)據(jù)的波動(dòng)更為精確地進(jìn)行預(yù)測.

[1]劉毅.略論網(wǎng)絡(luò)輿情的概念、特點(diǎn)、表達(dá)與傳播[J].理論界,2007，35(1):11-12.

[2]崔薇,曾潤喜,王國華.中國網(wǎng)絡(luò)輿情研究文獻(xiàn)計(jì)量分析[J].情報(bào)科學(xué),2011,29(1):131-135.

[3]劉勘,李晶,劉萍.基于馬爾可夫鏈的輿情熱度趨勢分析[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(36):170-173.

[4]蘇創(chuàng),彭錦,李圣國.基于不確定微分方程的網(wǎng)絡(luò)輿情傳播模型研究[J].系統(tǒng)工程理論與實(shí)踐,2015，35(12):1-9.

[5]賓寧,張成科,莊佳弟,等.突發(fā)事件網(wǎng)絡(luò)輿情演變過程中的演化博弈行為分析[J].情報(bào)探索,2015，19(7):15-20.

[6]王猛,李斌,孫春奇.基于頻繁模式挖掘的網(wǎng)絡(luò)輿情熱點(diǎn)發(fā)現(xiàn)技術(shù)研究[J].微計(jì)算機(jī)信息,2010，26(36):35-37.

[7]楊于峰,余偉萍,田盼.基于SOM神經(jīng)網(wǎng)絡(luò)的品牌丑聞微博傳播分類預(yù)測研究[J].情報(bào)雜志,2013，32(10):23-28.

[8]周彬鑌,陳雪波.基于元胞自動(dòng)機(jī)的小世界網(wǎng)絡(luò)病毒傳播研究[J].計(jì)算機(jī)與現(xiàn)代化,2015，20(1):8-14.

Trend analysis of public opinion based on Markov model

WANG Lu，LU Zhaoyang

(School of Sciences, Engineering University of Chinese Armed Police Forces, Xi' an 710086, China)

According to the characteristics of the network public opinion trend, we can analyze Paris terrorist attacks through the network public opinion trend method based on Markov model. The hot spots trend of network public opinion can be effectively predicted, and the results in this paper can offer theoretical support for the subsequent establishment of early warning system and the guiding mechanism of network public opinion.

network public opinion; Markov model; trend analysis; terrorist attack

2016-04-20

汪鷺(1993-)，女，云南文山人，碩士研究生，研究方向?yàn)榫W(wǎng)絡(luò)輿情傳播.

O213

A

1674-330X(2016)03-0059-05