楊長春++袁敏

〔摘要〕突發(fā)事件之間存在的關(guān)聯(lián)、削弱或衍生的關(guān)系，會對現(xiàn)發(fā)的突發(fā)事件的熱度產(chǎn)生影響。本文根據(jù)突發(fā)事件的交互關(guān)系，建立輿情敏感信息庫，對突發(fā)事件的熱度進行預(yù)測，并通過實驗驗證和理論分析，為政府消解突發(fā)事件負面輿情提供參考。

〔關(guān)鍵詞〕交互關(guān)系；突發(fā)事件；輿情預(yù)熱度；輿論共識度

DOI：10.3969/j.issn.1008-0821.2017.03.008

〔中圖分類號〕G206〔文獻標識碼〕A〔文章編號〕1008-0821（2017）03-0040-06

〔Abstract〕The weakened or derived relationships between the occurrence of emergencies，effect the heat of the current incident.Based on the interaction of emergencies，this paper built a public sensitive information database to predict the heat of emergencies.Through the experimental verification and theoretical analysis，the paper obtained the ideal result，which was the efficiency of the government to dissipate the negative public opinion.The results provided feasibility recommendations and methods.

〔Key words〕interaction relationship；emergencies；public opinion preheat degree；the consensus of opinion

突發(fā)事件具有緊急性、嚴重性、擴散性、群發(fā)性和連鎖性等方面的特征[1]，發(fā)生后迅速引爆網(wǎng)絡(luò)輿論場，而因傳播過程中速度迅猛但信息不對稱、網(wǎng)絡(luò)輿情主客體素質(zhì)良莠不齊等原因，讓不理性、負面的聲音甚至謠言更容易在網(wǎng)絡(luò)上傳播，增大了突發(fā)事件類網(wǎng)絡(luò)輿情的負面影響及治理難度。突發(fā)事件之間本身存在的衍生[2]、連鎖[3]、系列化呈現(xiàn)[4]、輿情共振[5]等關(guān)系，而又由于搶占網(wǎng)絡(luò)注意力的利益驅(qū)使，網(wǎng)絡(luò)媒介在突發(fā)事件發(fā)生后主動協(xié)同過濾關(guān)聯(lián)事件并加以大量傳播以期望引起更大的關(guān)注量和話語權(quán)，網(wǎng)民對于特定突發(fā)事件存在群體記憶，使得突發(fā)事件的交互關(guān)系對突發(fā)事件類網(wǎng)絡(luò)輿情熱度產(chǎn)生了多重影響，將其量化并引入到熱度預(yù)測的研究中，對于有效的引導(dǎo)輿情的正確走向，控制突發(fā)事件類輿情發(fā)展具有重要意義。

根據(jù)《第38次中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》[6]顯示，截至2015年6月，我國微博客用戶規(guī)模已經(jīng)達到204億，雖然隨著微信、知乎以及豆瓣社區(qū)的興起，微博輿情主引擎的地位在一定程度上被削弱，但是當突發(fā)事件爆發(fā)后，微博因為其廣播性和互動性，可以更加原生態(tài)的展現(xiàn)社會輿論，故仍然是研究網(wǎng)絡(luò)輿情的最佳平臺。本文就以市場份額為694%的新浪微博微博為例，對突發(fā)事件在新浪微博上的應(yīng)對機制進行研究。

1相關(guān)研究回顧

現(xiàn)有研究中，學者們對于突發(fā)事件類網(wǎng)絡(luò)輿情熱度的研究相對較多，主要從定性和定量兩個角度展開。定性研究主要從監(jiān)測角度，建立突發(fā)事件熱度評價指標體系，研究突發(fā)事件的關(guān)系來進行熱度預(yù)測。如張一文等[7]從媒體影響力，政府疏導(dǎo)力，事件性質(zhì)和網(wǎng)民相互作用力建立了四級指標的突發(fā)事輿情熱度評價體系。劉毅[8]將三角模糊數(shù)學對網(wǎng)絡(luò)輿情的各個指標權(quán)重進行量化研究，在此基礎(chǔ)上曹學艷等[9]又將政府應(yīng)對等級引入到網(wǎng)絡(luò)輿情熱度評價指標中；而關(guān)于突發(fā)事件關(guān)系中，王國華等[10]對熱點事件的關(guān)聯(lián)的研究中就曾提出要建立關(guān)聯(lián)輿情數(shù)據(jù)庫來進行熱度預(yù)測和輿情監(jiān)控，王建偉等[11]也指出突發(fā)事件之間可能存在的連鎖反應(yīng)可用于應(yīng)急預(yù)警和綜合減災(zāi)。

定量研究主要是從基于自然語言處理和數(shù)據(jù)挖掘和基于內(nèi)容的熱度分析方法。如魯明羽[12]針對中文語義的復(fù)雜性和多樣性，提出模糊聚類算法來對論壇熱點話題挖掘。鄧愛萍[13]提出可以快速聚類的網(wǎng)絡(luò)熱點事件識別與跟蹤的算法。鄭魁等[14]對突發(fā)事件的網(wǎng)絡(luò)信息分詞后合并關(guān)鍵詞，以關(guān)鍵詞列表的形式反映事件熱點。

綜上，對于網(wǎng)絡(luò)輿情危機的研究方向較多，其研究成果也為本文奠定了良好的理論基礎(chǔ)。但是在突發(fā)事件的熱度研究中，往往都是在輿情傳播階段的博主指標、博文指標、傳播指標和受眾指標幾個方面測定輿情熱度等級，在此階段測定的熱度具有一定滯后性，不利于政府快速采取行動阻止輿情進一步擴散，同時沒有將突發(fā)事件的交互關(guān)系考慮其中。因此本文在此基礎(chǔ)上建立的熱度預(yù)測模型，在突發(fā)事件的爆發(fā)初期根據(jù)輿情敏感信息庫對其進行衡量，得出突發(fā)事件的可能熱度，為每次突發(fā)事件的輿情處理提供參考。

2突發(fā)事件熱度預(yù)測模型

根據(jù)《中華人民共和國突發(fā)事件應(yīng)對法》的定義，突發(fā)事件是指突然發(fā)生，造成嚴重社會危害，需要采取應(yīng)急處置措施予以應(yīng)對的自然災(zāi)害，事故災(zāi)難，公共衛(wèi)生事件和社會安全事件[15]。在事件發(fā)生的早期，參照敏感信息庫以及突發(fā)事件的首發(fā)信息特征對突發(fā)事件熱度進行預(yù)測，得出此次輿情的可能熱度，如果預(yù)測的熱度值超過設(shè)置的閥值則對此次事件加大處理網(wǎng)絡(luò)輿情的處理等級?？焖匍_展調(diào)查行動，并即時參與調(diào)查和處理的信息公開。

21基于歷史建立輿情敏感信息庫

輿情預(yù)熱度是基于網(wǎng)絡(luò)資源有限且注意力是稀缺下提出的概念。在一個時間間隔內(nèi)，媒體和公眾對一個事件的注意力是有限的且對于每個事件所給予的注意力是不同的，而政府用來處理突發(fā)事件在網(wǎng)絡(luò)上的傳播的資源也是有限的，要提高資源的利用率，將有限的資源用于處理可能會造成最大影響的事件上來。而在突發(fā)事件爆發(fā)期，政府再介入只會導(dǎo)致意見的分裂但不會影響到傳播過程的完整性，故造成的損失和影響仍然比較大。因此在突發(fā)事件發(fā)生的早期進行熱度預(yù)測，是減少損失和有效管理的重要手段。

突發(fā)事件的傳播過程往往經(jīng)歷萌芽、形成到爆發(fā)、高潮直至消退、消亡（殘留）的完整過程，爆發(fā)期和高潮期持續(xù)時間較長，呈現(xiàn)出二級甚至多級傳播的態(tài)勢、熱點頻現(xiàn)、周而復(fù)始的循環(huán)狀態(tài)。特別是突發(fā)事件具有持續(xù)性和延展性，公眾在較長一段時間內(nèi)都會關(guān)注，因此具有很長的潛伏期。這種潛伏體現(xiàn)在兩個方面，一是在引起極大關(guān)注的突發(fā)事件的網(wǎng)絡(luò)輿情消退后仍有二次爆發(fā)的可能；二是突發(fā)事件出現(xiàn)后并未引起網(wǎng)民足夠的重視，但下次相似的事件發(fā)生時再次被喚起。這兩種情況下，網(wǎng)絡(luò)輿論在前期基礎(chǔ)上傳播的更加洶涌。突發(fā)事件大多涉及政府工作的方方面面，對此網(wǎng)民傾向于負面認知和反面判斷。因此在處理突發(fā)事件的網(wǎng)絡(luò)輿情中有必要建立輿情敏感信息庫，將公共食品安全、醫(yī)療衛(wèi)生、官員貪污、執(zhí)法犯法等極易引起民眾情緒的敏感事件收入其中，以便為現(xiàn)發(fā)的網(wǎng)絡(luò)輿情提供處理經(jīng)驗，也利于于并對其進行監(jiān)控，防止二次輿情的爆發(fā)。

對中國人民網(wǎng)監(jiān)測中心每年發(fā)布的《網(wǎng)絡(luò)輿論共識度研究報告》[15]中政府認同度比較低、輿論場差異較大的事件性質(zhì)作為輿情敏感信息庫的類別。具體如表1：

借鑒并結(jié)合文獻[9]的網(wǎng)絡(luò)輿情熱度應(yīng)對等級的評價指標，構(gòu)建輿情敏感信息庫的數(shù)據(jù)結(jié)構(gòu)。根據(jù)新浪微博的2010-2015年的互聯(lián)網(wǎng)輿情分析報告提供的事件熱度值以及當年的新浪微博的討論量，將2010-2015年有影響的突發(fā)事件錄入輿情敏感信息庫中，其中收集的數(shù)據(jù)分為客觀數(shù)據(jù)和主觀數(shù)據(jù)，客觀數(shù)據(jù)是指發(fā)生時間、持續(xù)時間、微博討論量、事件性質(zhì)、熱度等定性數(shù)據(jù)，客觀數(shù)據(jù)過新浪提供的API接口應(yīng)用python爬蟲程序進行搜集。主觀數(shù)據(jù)如應(yīng)對等級、政府應(yīng)對滿意度等采用德費爾法，由10位網(wǎng)絡(luò)輿情管理領(lǐng)域的專家對事件的政府處理效果打分，去掉最高分和最低分平均而得。具體結(jié)構(gòu)如表2實例。

22指標構(gòu)建與熱度預(yù)測的計算方法

本文熱度預(yù)測采取的方法是在突發(fā)事件發(fā)生后，對突發(fā)事件的具體特征以及輿情敏感信息關(guān)聯(lián)事件進行分析，得出事件的可能熱度的一種預(yù)測方法。指標構(gòu)建從兩方面考慮，一是同類型突發(fā)事件的疊加影響，如“深圳娃娃魚”事件與“山東青島大蝦”事件屬于在不同時間段內(nèi)的同類型突發(fā)事件，兩次事件的疊加使得民眾對于不良商家和涉事政府的不作為產(chǎn)生了更大的反感情緒，加大了“山東青島大蝦”事件的惡劣影響。二是不同類型事件的交互影響，這種交互影響體現(xiàn)在兩方面，一方面可能產(chǎn)生衍生輿情。衍生輿情是指在原始輿情的高潮結(jié)束后，因為某個衍生點產(chǎn)生的衍生輿情造成的另一個輿情高潮，與原始輿情交叉在一起造成更大的影響[1]。例如地震屬于自然災(zāi)害類，而官員貪污屬于官民關(guān)系類，若在地震事件期間爆出官員挪用救災(zāi)資金，則會產(chǎn)生更大的社會影響；另一方面，在一個時間間隔內(nèi)，不同類型的突發(fā)事件若沒有聯(lián)系，則存在削弱的關(guān)系。例如自然災(zāi)害類的“廬山地震”和社會道德爭議類的“復(fù)旦投毒案”事件在同一天發(fā)生，但是“復(fù)旦投毒案”熱度就被“廬山地震”削弱。故在輿情敏感輿情信息庫時，需要建立突發(fā)事件之間的內(nèi)在聯(lián)系，將孤立的突發(fā)事件有機的聯(lián)合起來。因此引入度分布的概念，度分布是網(wǎng)絡(luò)的重要統(tǒng)計特征，在社會網(wǎng)絡(luò)中，度可以表示個體的影響力和重要程度[16]，將每個類別的突發(fā)事件抽象為節(jié)點，則度表示突發(fā)事件的交互關(guān)系，使用數(shù)據(jù)可視化軟件Gephi計算度生成突發(fā)事件關(guān)系圖，如圖1所示。1

其中節(jié)點為輿情敏感信息庫中的不同類型的突發(fā)事件，邊表示與其它類型的突發(fā)事件的關(guān)系，分為正相關(guān)和負相關(guān)，正相關(guān)表示連鎖或者衍生關(guān)系，負相關(guān)表示削弱關(guān)系。絕對值越大則表示兩個節(jié)點的交互影響越強。較大的節(jié)點擁有與比其它節(jié)點相比更多的聯(lián)系。

為了對預(yù)熱度進行量化的計算，還需要建立合理并具有實際可操作性的指標，借鑒文獻[15]比較成熟的網(wǎng)絡(luò)輿情熱度的部分指標，結(jié)合突發(fā)事件的自身特征以及與其它突發(fā)事件的聯(lián)系，形成指標體系，其中一級指標1個，二級指標3個，三級指標8個。熱度預(yù)測的指標體系如表2所示。

221數(shù)據(jù)標準化

預(yù)熱度中的計算指標包括效益型指標和成本型指標，E11、E12、E21、E22都為效益型指標，而E13、E23為成本型指標。為了使數(shù)據(jù)更易于計算，要對其進行同趨化處理，采用指標無量綱化方法，公式分別為（1）和（2）。

得到的數(shù)值在[0，1]區(qū)間內(nèi)，對其進行標準化將其放大100倍，至區(qū)間[0，100]，得到最終計算數(shù)據(jù)。

222末級指標含義

2221同類型事件的時間間隔E11

突發(fā)輿情的影響具有時間效應(yīng)，距現(xiàn)發(fā)事件的時間間隔越長，對現(xiàn)發(fā)突發(fā)事件的影響則越小，故計算現(xiàn)發(fā)的突發(fā)事件距離最近一次的同性質(zhì)的突發(fā)事件的時間間隔n（n的單位為月，若時間間隔不足1個月則計做n=0），同類型時間間隔權(quán)重為E11=100-n。

2222突發(fā)事件的熱度E12，E21

對輿情敏感信息庫中的同類型突發(fā)事件的熱度加權(quán)求平均，以保證計算盡量符合最近時間間隔的實際情況，提高計算精度。2010-2015年賦予了不同的權(quán)重[07，075，08，09，1]。例如“搶鹽風波”這類型的網(wǎng)絡(luò)謠言類突發(fā)事件，因為近幾年對于網(wǎng)絡(luò)謠言的治理，此類事件已經(jīng)很少能引起極大的影響，但若不加權(quán)處理就記入熱度計算，則會影響計算的精度。最后為了使數(shù)據(jù)更具有可比性進行歸一化處理之后可得表3所示。

2223突發(fā)事件的政府滿意度E13，E23

對輿情敏感信息庫中的相同類型突發(fā)事件的政府應(yīng)對滿意度進行與熱度的類似的操作，可得表4。一般而言，政府應(yīng)對滿意度與突發(fā)事件的熱度成反比，政府應(yīng)對滿意度低的突發(fā)事件再次發(fā)生只會增加網(wǎng)民的不滿情緒，而不會削弱輿情熱度。為了后來的層次分析法的計算，對政府應(yīng)對滿意度進行處理，先進行取反1-θij，再對取反結(jié)果進行歸一化和標準化處理，公式（1），放大100倍將最終數(shù)值區(qū)間固定在[0，100]，結(jié)果如表5所示。

2224與不同突發(fā)事件的關(guān)系系數(shù)E21

突發(fā)事件的網(wǎng)絡(luò)輿情一般持續(xù)時間在10～20天左右，輿情的爆發(fā)期和高潮期集中在前5天，若在此期間發(fā)生無聯(lián)系的另一起突發(fā)事件，則突發(fā)事件的熱度就會被削弱；或若此突發(fā)事件是由前一突發(fā)事件衍生的、相關(guān)聯(lián)的事件，則此突發(fā)事件的熱度就會增強。

關(guān)系系數(shù)具體見圖1所示的邊標簽。

將其關(guān)系系數(shù)放大100倍，使值落在[0～100]區(qū)間內(nèi)。

2225突發(fā)事件主體E31

突發(fā)事件的主體是指參與或者涉及事件的人，從主體身份以及主體影響力兩個方面進行考察。主體身份是指當事人或涉事人的社會身份，不同的社會身份所引起的關(guān)注以及情感態(tài)度都不一致，如大學生、嬰兒、孕婦、農(nóng)民工等弱勢群體更容易激起民眾同情，高官、城管、醫(yī)生等容易激起社會道德討論；而主體影響力是指知名度、社會地位，影響力越大的主體引起的關(guān)注也越大。若無主體則忽略不計（自然災(zāi)害無主體）。

2226損失程度E32

在突發(fā)事件初期，損失程度難以一步明朗的情況下，若屬于A類則按照國家分類標準劃分，見圖并分別賦予權(quán)重，若不屬于A類事件，則根據(jù)具體情況劃分。

223AHP方法計算指標權(quán)重

層次分析法是由美國匹茲堡大學教授TLSaaty在20世紀70年代中期提出的。它的基本思想是把一個復(fù)雜的問題分解為各個組成因素，并將這些因素按支配關(guān)系分組，從而形成一個有序的遞階層次結(jié)構(gòu)，層次分析法可以考慮指標之間的相對重要性，提高權(quán)重設(shè)計的科學性[15]。

依據(jù)表2建立的指標體系，構(gòu)建兩兩比較判斷矩陣B=（bij）n*n，得到各個指標的相對權(quán)重，對指標權(quán)重特征向量進行一致性檢驗，最后計算組合權(quán)重，得出一級指標相對于上級總體指標的權(quán)重分配值。利用同樣方法可以得到二級指標相對于一級指標的權(quán)重，得到其權(quán)重如表7所示：

3實驗驗證

對2015年引起較大影響的事件進行“預(yù)熱度”的計算，對計算結(jié)果與《2015年互聯(lián)網(wǎng)輿情分析報告：2015年網(wǎng)絡(luò)熱點輿情》給出的實際事件熱度進行比較分析，分析結(jié)果如表8所示：

可知擬合結(jié)果較好，預(yù)熱度和實際熱度數(shù)據(jù)顯著相關(guān)。

以山東疫苗事件為例，315曝光的劣質(zhì)義齒生產(chǎn)后，2016年3月18日山東疫苗事件的發(fā)生，迅速的引爆了輿論場，引起民眾極大的恐慌情緒和對政府監(jiān)管失守的極大不滿。而“山東疫苗事件”之所以造成如此巨大的輿論影響，正是因為前期劣質(zhì)義齒事件的鋪墊，以及2013年“乙肝疫苗致人死亡事件”和2010年的“山西疫苗事件”的文章《疫苗之殤》微博上二次傳播，導(dǎo)致民眾對政府監(jiān)管的不滿情緒在涉及醫(yī)療安全這類敏感事件時徹底引爆。以此次事件為例帶入計算可得輿情預(yù)熱度EH=078125，可知已經(jīng)屬于較大負面輿情事故。

此種熱度預(yù)測方法是在突發(fā)事件發(fā)生初期，對突發(fā)事件可能熱度的預(yù)測。在此基礎(chǔ)上將有限的網(wǎng)絡(luò)輿情管理資源優(yōu)化分配到最有可能造成較大社會影響的事件上，盡管因為突發(fā)事件之間存在的差異性和演變機理的不同，就算出來的熱度并不等同于突發(fā)事件的實際熱度。從實驗結(jié)果上看，預(yù)測熱度值對實際熱度也存在普遍的高估，但是為了降低忽略任何一個可能會引起較大影響的負面事件的可能性，這種有限度的高估是可以接受的。

4結(jié)論與展望

突發(fā)事件的熱度預(yù)測，對政府合理調(diào)度網(wǎng)絡(luò)資源，監(jiān)督引導(dǎo)輿論正確走向，提高政府公信力具有重要意義。準確性和即時性是熱度預(yù)測最重要的兩個因素，因此本文在分析突發(fā)事件網(wǎng)絡(luò)輿情的特征以及之間存在的交互關(guān)系的基礎(chǔ)上建立輿情敏感信息庫來對現(xiàn)發(fā)的突發(fā)事件進行熱度預(yù)測，相較于對突發(fā)事件發(fā)生后再進行數(shù)據(jù)挖掘等處理方法上提高了預(yù)測的速度，且具有可接受的預(yù)測精度。

另外本文將突發(fā)事件類網(wǎng)絡(luò)輿情關(guān)系引入到輿情熱度指標的研究中，豐富了已有的輿情熱度的評價指標，也為政府應(yīng)對突發(fā)事件類網(wǎng)絡(luò)輿情提供參考，即重視歷史突發(fā)輿情的處理結(jié)果和處理經(jīng)驗的價值，在輿情傳播的潛伏期能識別出可能引起較大影響的突發(fā)事件并優(yōu)先處理，破環(huán)其演化路徑，減少由于謠言、錯誤輿論等對于公信力的削弱。

豐富了輿情熱度計算指標，預(yù)熱度的計算是基于以往突發(fā)事件的權(quán)重指標計算，但是針對負面突發(fā)輿情的多爆發(fā)點的特點，由于敏感輿情信息庫不具有足夠多的數(shù)據(jù)，應(yīng)用機器學習算法容易出現(xiàn)過度擬合的特征，因此在將來的研究中基于前人關(guān)于熱度等級的研究基礎(chǔ)上，盡可能完善輿情敏感信息庫，以便于采用機器學習算法進行數(shù)據(jù)的擬合。

參考文獻

[1]蘭月新.突發(fā)事件微博輿情擴散規(guī)律模型研究[J].情報雜志，2013，31（3）：31-34.

[2]蘭月新.突發(fā)事件網(wǎng)絡(luò)衍生輿情監(jiān)測模型研究[J].現(xiàn)代圖書情報技術(shù)，2013，（3）：51-57.

[3]王建偉，榮莉莉.突發(fā)事件的連鎖反應(yīng)網(wǎng)絡(luò)模型研究[J].計算機應(yīng)用研究，2008，25（11）：3288-3291.

[4]方付建，肖林，王國華.網(wǎng)絡(luò)輿情熱點事件“系列化呈現(xiàn)”問題研究[J].情報雜志，2011（2）：1-5.

[5]劉雪梅.對網(wǎng)絡(luò)空間輿情共振現(xiàn)象研究框架的思考[J].新聞與傳播研究，2011，（4）：32-33.

[6]科學世界網(wǎng).看點！第38次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》[J].科學家，2016，4（9）.

[7]張一文，齊佳音，方濱興.非常規(guī)突發(fā)事件網(wǎng)絡(luò)輿情熱度評價體系研究[J].情報科學，2011，29（9）：1418-1424.

[8]劉毅.基于三角模糊數(shù)的網(wǎng)絡(luò)輿情預(yù)警指標體系構(gòu)建[J].統(tǒng)計與決策，2012，（2）：12-15.

[9]曹學艷，張仙，劉睴，等.基于應(yīng)對等級的突發(fā)事件網(wǎng)絡(luò)輿情熱度分析[J].中國管理科學，2014，22（3）：83-88.

[10]王國華，鄧海峰，王雅蕾.網(wǎng)絡(luò)熱點事件中的輿情關(guān)聯(lián)問題研究[J].情報雜志，2012，31（7）：1-5.

[11]王建偉，榮莉莉.突發(fā)事件的連鎖反應(yīng)網(wǎng)絡(luò)模型研究[J].計算機應(yīng)用研究，2008，（11）：3288-3291.

[12]魯明羽，姚曉娜，魏善嶺.基于模糊聚類的網(wǎng)絡(luò)論壇熱點話題挖掘[J].大連海事大學學報，2008，34（4）：52-59.

[13]鄧愛萍.網(wǎng)絡(luò)熱點發(fā)現(xiàn)與跟蹤算法研究[J].計算機與現(xiàn)代化，2009，（12）：122-124.

[14]鄭魁，疏學明，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.

[15]祝華新.網(wǎng)絡(luò)輿論共識度研究報告[R].北京：人民輿情檢測室，2015

（本文責任編輯：馬卓）