周昕 邱長波 李瑞

〔摘要〕[目的]研究大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境發(fā)展新形勢下，通過概率分析判斷導(dǎo)致危機(jī)爆發(fā)的關(guān)鍵環(huán)節(jié)，為網(wǎng)絡(luò)輿情危機(jī)管理決策提供依據(jù)。[方法]使用貝葉斯模型作為分析工具，探究網(wǎng)絡(luò)輿情危機(jī)關(guān)鍵節(jié)點診斷的流程和機(jī)理。建立網(wǎng)絡(luò)輿情危機(jī)分類匹配模型和關(guān)鍵節(jié)點診斷模型。[結(jié)果]建立60個網(wǎng)絡(luò)輿情危機(jī)事件訓(xùn)練組得出模型條件概率表，3個測試組樣本經(jīng)實證診斷結(jié)果與事實相符。[局限]貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建需要進(jìn)一步通過定量分析進(jìn)行優(yōu)化。[結(jié)論]對網(wǎng)絡(luò)輿情危機(jī)進(jìn)行分型，并精確地從復(fù)雜變量中診斷出對危機(jī)態(tài)勢最具影響的關(guān)鍵節(jié)點。

〔關(guān)鍵詞〕輿情危機(jī)；貝葉斯網(wǎng)絡(luò)；節(jié)點診斷

DOI：10.3969/j.issn.1008-0821.2018.11.011

〔中圖分類號〕G202〔文獻(xiàn)標(biāo)識碼〕A〔文章編號〕1008-0821（2018）11-0059-07

Study on Crisis Diagnosis of Network Public

Opinion Based on Bayesian NetworkZhou XinQiu ChangboLi Rui

（School of Management，Jilin University，Changchun 130022，China）

〔Abstract〕[Objective]Studied the diagnosis procedure of network public opinion crisis control in the new tendency of development of big data network environment.[Methods]Combined the Bayesian network theory with the network public opinion crisis diagnosis，and deeply analyzed the procedure and mechanism of big datamation multimedia network crisis diagnosis.[Results]Analyzed the key variables，sorted relationship network structure，and established a big data multimedia network public opinion crisis classification matching module and a key node diagnosis module.[Limitations]The establishment of the Bayesian network structure needed to be further optimized by quantitative analysis.[Conclusions]Identified the types of network public opinion crisis，and accurately diagnosed the key nodes with the most significant influence on the crisis tendency among complicated variables.

〔Key words〕public opinion crisis；bayesian network；node diagnosis

國內(nèi)外學(xué)者目前普遍認(rèn)同的觀點是網(wǎng)絡(luò)輿情在內(nèi)容上具有復(fù)雜性、突變性、對抗性等特點，在形式上呈現(xiàn)出多樣性、豐富性、互動性特點，在指向上則表現(xiàn)出主觀性、道染性、負(fù)面化等特點[1]。網(wǎng)絡(luò)輿情傳播和演化進(jìn)程縮短態(tài)勢猛烈，進(jìn)程關(guān)鍵節(jié)點的數(shù)量增加，節(jié)點關(guān)系網(wǎng)絡(luò)日益復(fù)雜。在這種情勢下，網(wǎng)絡(luò)輿情危機(jī)的預(yù)判對輿情引導(dǎo)和事件治理就顯得尤為重要。

目前，針對輿情干預(yù)的研究多以策略分析的定性研究為主，對高校輿情、涉醫(yī)輿情等專項輿情事件類別的干預(yù)機(jī)制、路徑等問題展開了系統(tǒng)的研究，然而單純的定性研究并不能滿足輿情干預(yù)的需求。近年來，國內(nèi)學(xué)者聚焦于輿情干預(yù)的定量分析并取得了相應(yīng)成果，在輿情干預(yù)時機(jī)定量分析方面，有學(xué)者[2]把媒體對輿情傳播的干預(yù)作用抽象為強(qiáng)化度及分歧度，構(gòu)建新的SIaIbR模型。根據(jù)輿情傳播動力學(xué)方程，求解系統(tǒng)傳播閡值，證明傳播平衡點的穩(wěn)定性。分歧度對于傳播的影響要遠(yuǎn)大于強(qiáng)化度，當(dāng)分歧度低于05時候，政府介入有助于網(wǎng)絡(luò)輿情更快平息。也有學(xué)者[3]基于元胞自動機(jī)模型對輿情傳播影響因素展開定量研究，并探討這些影響因素對輿情傳播和干預(yù)機(jī)制的影響。在輿情干預(yù)階段，主要探討輿情干預(yù)措施強(qiáng)度和輿情干預(yù)措施實施的不同時間點對輿情傳播的影響。在輿情干預(yù)的感控及作用效果方面，有學(xué)者[4]界定了群眾類型和政府干預(yù)作用，并分析了各類群眾間的狀態(tài)轉(zhuǎn)移關(guān)系，借鑒SEIR傳染病模型的構(gòu)造思路，結(jié)合輿情傳播的實際特點，建立了政府干預(yù)下的輿情傳播控制系統(tǒng)，進(jìn)而運用平均場方法給出了系統(tǒng)的微分方程組模型，通過研究模型的平衡點和穩(wěn)定性，得到了政府所應(yīng)選擇的管控方向。此外有學(xué)者[5]在描述我國2003年以來110起熱度較高的地方政府重大輿情危機(jī)事件特點的基礎(chǔ)上，對影響我國地方政府重大輿情危機(jī)應(yīng)對效果的關(guān)鍵因素進(jìn)行探索性研究，結(jié)果發(fā)現(xiàn)，輿情事件本身、輿情傳播、輿情應(yīng)對相關(guān)變量都會影響輿情干預(yù)效果，新聞發(fā)布充分性、真實性和是否有國家部委干預(yù)是最能影響政府干預(yù)效果的三大變量。目前的研究中學(xué)者開始借助各種模型對輿情干預(yù)進(jìn)行定量研究，然而在輿情干預(yù)關(guān)鍵節(jié)點的診斷上尚有所空白。

本文針對新形勢下網(wǎng)絡(luò)輿情危機(jī)控制的新要求，將貝葉斯網(wǎng)絡(luò)理論和網(wǎng)絡(luò)輿情危機(jī)節(jié)點診斷相結(jié)合，同時基于貝葉斯網(wǎng)絡(luò)的應(yīng)用能力、復(fù)雜關(guān)聯(lián)關(guān)系表示能力、概率不確定表示能力以及因果推理能力，提出基于貝葉斯網(wǎng)絡(luò)建模的網(wǎng)絡(luò)輿情干預(yù)診斷模型。輿情及相關(guān)研究領(lǐng)域中貝葉斯模型的應(yīng)用集中于“自下而上”的計算，用于輿情危機(jī)等級劃分及預(yù)測，而在計算機(jī)及自動化等研究領(lǐng)域中，學(xué)者多使用貝葉斯“自上而下”的計算，進(jìn)行故障診斷及分析。貝葉斯模型的這一應(yīng)用，在輿情危機(jī)研究中可以幫助輿情危機(jī)管控主體做出危機(jī)應(yīng)對決策。因此本文通過貝葉斯網(wǎng)絡(luò)在充分學(xué)習(xí)輿情危機(jī)案例的基礎(chǔ)上，訓(xùn)練得到輿情危機(jī)發(fā)展態(tài)勢與節(jié)點變量之間因果關(guān)系的概率集。在輿情危機(jī)發(fā)生時，首先對輿情危機(jī)進(jìn)行主題分型，快速匹配案例。進(jìn)而通過貝葉斯網(wǎng)絡(luò)自頂而下追溯源頭，對網(wǎng)絡(luò)輿情危機(jī)進(jìn)行分型，并精確地從復(fù)雜變量中診斷出對危機(jī)態(tài)勢最具影響的關(guān)鍵節(jié)點。為網(wǎng)絡(luò)輿情危機(jī)的干預(yù)提供決策依據(jù)。

2018年11月第38卷第11期現(xiàn)代情報Journal of Modern InformationNov.，2018Vol38No112018年11月第38卷第11期基于貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情危機(jī)節(jié)點診斷研究Nov.，2018Vol38No111網(wǎng)絡(luò)輿情危機(jī)節(jié)點診斷貝葉斯結(jié)構(gòu)

關(guān)于網(wǎng)絡(luò)輿情危機(jī)的影響因素及形成機(jī)理有著相對充分的研究，學(xué)者從多個研究角度對影響網(wǎng)絡(luò)輿情危機(jī)形成和演化的要素進(jìn)行機(jī)理分析和實證分析[6]。以貝葉斯網(wǎng)絡(luò)為基礎(chǔ)模型的研究中，貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建是網(wǎng)絡(luò)輿情危機(jī)預(yù)判的基礎(chǔ)，構(gòu)建過程首先要確定網(wǎng)絡(luò)節(jié)點變量的層級關(guān)系，其次要通過分析學(xué)習(xí)，繪制表示節(jié)點關(guān)系的有向無環(huán)圖[7]。本文研究過程中，充分總結(jié)前期研究的節(jié)點規(guī)劃和網(wǎng)絡(luò)結(jié)構(gòu)，通過參數(shù)學(xué)習(xí)的客觀數(shù)據(jù)與已有知識結(jié)合，分析變量之間的因果關(guān)系進(jìn)行邏輯推理，最終構(gòu)建網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。

11網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)節(jié)點分析

網(wǎng)絡(luò)輿情危機(jī)體現(xiàn)了大數(shù)據(jù)環(huán)境的特征，也因多媒體傳播具有獨特的危機(jī)演化模態(tài)，因此在變量提取過程中，本文以輿情傳播維度為藍(lán)本，構(gòu)建了由網(wǎng)絡(luò)輿情危機(jī)主體、網(wǎng)絡(luò)輿情危機(jī)本體、網(wǎng)絡(luò)輿情危機(jī)客體、網(wǎng)絡(luò)輿情危機(jī)媒體、網(wǎng)絡(luò)輿情危機(jī)空間5個變量為準(zhǔn)則層的貝葉斯網(wǎng)絡(luò)節(jié)點結(jié)構(gòu)，如圖1所示。圖1網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)節(jié)點

1）網(wǎng)絡(luò)輿情危機(jī)主體

網(wǎng)絡(luò)輿情危機(jī)主體是在網(wǎng)絡(luò)空間表達(dá)認(rèn)知、情緒、態(tài)度、意見等言論的主體?？剂枯浨槲C(jī)主體的演化趨勢主要關(guān)注情感傾向性和主體組成結(jié)構(gòu)。情感傾向性是指輿情危機(jī)主體在客觀認(rèn)知和判斷基礎(chǔ)上的心理趨同，當(dāng)憤怒、失望、悲觀等情緒在輿情危機(jī)主體族群中得到更多認(rèn)同時情感傾向性高危的頻率較高。主體組成結(jié)構(gòu)是指管控主體、意見領(lǐng)袖主體、自由主體和利益相關(guān)主體的數(shù)量加權(quán)運算后形成的比例結(jié)構(gòu)，其中管控主體的結(jié)構(gòu)權(quán)重對高危頻率有較大影響，作為主要測度指標(biāo)。

2）網(wǎng)絡(luò)輿情危機(jī)本體

網(wǎng)絡(luò)輿情危機(jī)本體就是網(wǎng)絡(luò)輿情信息，是網(wǎng)絡(luò)輿情主體針對某些議題、現(xiàn)象或事件，在網(wǎng)絡(luò)空間表達(dá)的認(rèn)知、情緒、態(tài)度和意見等具體內(nèi)容。考量輿情危機(jī)本體的演化趨勢主要關(guān)注輿情爆發(fā)狀態(tài)、數(shù)據(jù)結(jié)構(gòu)和語義傾向性。爆發(fā)狀態(tài)是最主要的測度指標(biāo)集，主要是對輿情信息的發(fā)布量、瀏覽量、轉(zhuǎn)發(fā)量、搜索量、回復(fù)量以及新聞數(shù)量變化、新聞關(guān)注時間等指標(biāo)的測度，測度結(jié)果經(jīng)過數(shù)據(jù)處理集中反映了輿情危機(jī)的傳播演化階段和爆發(fā)態(tài)勢高危概率。數(shù)據(jù)結(jié)構(gòu)是指圖片、文本、音頻、視頻、符號等數(shù)據(jù)結(jié)構(gòu)的比例及組合情況，異構(gòu)數(shù)據(jù)的組合能夠達(dá)成傳播增效從而提高危機(jī)概率。語義傾向性是對輿情危機(jī)本體的語義特征進(jìn)行提取之后，對其正向、負(fù)向和中性語義的數(shù)量加權(quán)進(jìn)行比例計算，負(fù)向語義標(biāo)簽上升過程會提高危機(jī)概率。

3）網(wǎng)絡(luò)輿情危機(jī)客體

網(wǎng)絡(luò)輿情危機(jī)客體是引發(fā)網(wǎng)絡(luò)輿情的刺激物、網(wǎng)絡(luò)輿情的指向物，包括信息時間、熱點現(xiàn)象和公共話題?？剂枯浨槲C(jī)客體的演化趨勢主要關(guān)注話題公共性、話題敏感性和話題真實性，這一系列指標(biāo)主觀性較強(qiáng)，在測度過程中其危機(jī)概率主要依靠專家商議評估。話題公共性決定了輿情危機(jī)的波及面，公共性越強(qiáng)的輿情危機(jī)其高危概率越高。話題敏感性決定了輿情危機(jī)的猛烈程度，食品安全、反腐等話題對于輿情危機(jī)主體來說極為敏感，傳染性強(qiáng)演變速率快，具有更高的危機(jī)概率。話題真實性決定了輿情危機(jī)的演化走向，關(guān)于真實性的矛盾觀點也具有高危概率。

4）網(wǎng)絡(luò)輿情危機(jī)媒體

網(wǎng)絡(luò)輿情危機(jī)媒體是各種傳播形式和手段的總稱，是信息從傳播者到接受方的傳播平臺?？剂枯浨槲C(jī)媒體的演化趨勢主要關(guān)注數(shù)據(jù)源路徑和數(shù)據(jù)終端路徑。數(shù)據(jù)源路徑包括社交網(wǎng)絡(luò)、新聞門戶、微博等媒介，路徑越復(fù)雜則可控性越差，錯誤信息和謠言的傳播越迅猛則相對的高危頻率越高。數(shù)據(jù)終端路徑包括PC、智能手機(jī)和智能電子設(shè)備。終端路徑覆蓋面越廣則輿情危機(jī)演化的空間越大，輿情信息傳播的速度越快覆蓋面越廣，因此在輿情危機(jī)演化過程中高危概率越高。

5）網(wǎng)絡(luò)輿情危機(jī)空間

網(wǎng)絡(luò)輿情的產(chǎn)生發(fā)展及演變離不開環(huán)境的支持，這個供網(wǎng)絡(luò)輿情進(jìn)行活動及演化的場所即為網(wǎng)絡(luò)輿情的空間?？剂枯浨槲C(jī)空間的演化趨勢主要關(guān)注外部環(huán)境、干擾噪音和技術(shù)基礎(chǔ)。外部環(huán)境是輿情危機(jī)所處時空中經(jīng)濟(jì)環(huán)境、法律環(huán)境、文化環(huán)境等社會背景的集合，其對輿情危機(jī)演化的作用評估體現(xiàn)為主觀評價，當(dāng)外部環(huán)境對輿情危機(jī)有催化作用時高危概率相應(yīng)提高。干擾噪音主要是指在輿情危機(jī)傳播演化過程中，可能搶占輿情主體關(guān)注度的信息或話題，例如同時期的其他輿情信息或具有爭議的觀點，噪音越小則輿情主體的關(guān)注越集中，進(jìn)而提高輿情危機(jī)高危概率。技術(shù)基礎(chǔ)是計算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)集合，技術(shù)發(fā)展可能為輿情危機(jī)傳播和演化提供更大的可能，也有可能為輿情危機(jī)治理提供工具，從而影響輿情危機(jī)的高危頻率。

12網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建

在上述網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)節(jié)點分析的基礎(chǔ)上，以事實因果關(guān)系為依據(jù)，進(jìn)一步構(gòu)建其貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，如圖2所示。圖2網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)

網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)是一個有向無環(huán)的概率樹圖，其中箭頭指向的一方為結(jié)果變量，另一方為原因變量。

其中以C為頂層父節(jié)點，其非空概率事件集包括E1、E2、E3、E4、E5，皆為其自身子節(jié)點。

節(jié)點E1的非空概率事件集包括其子節(jié)點I1、I2、I3，此外節(jié)點I5與EI存在因果關(guān)系，當(dāng)輿情危機(jī)全面爆發(fā)時會激化輿情危機(jī)客體矛盾，加速輿情危機(jī)客體演進(jìn)。

節(jié)點E2的非空概率事件集包括其子節(jié)點I4、I5、I6，此外節(jié)點I8與E2存在因果關(guān)系，強(qiáng)烈的情感傾向會影響輿情危機(jī)主體的客觀判斷從而促使輿情危機(jī)本體演化。節(jié)點E4與E2存在因果關(guān)系，輿情危機(jī)媒體的路徑組合會對爆發(fā)狀態(tài)有促進(jìn)或抑制作用，同時改變數(shù)據(jù)結(jié)構(gòu)，使異構(gòu)輿情信息得到整合，其中節(jié)點I9對節(jié)點I4有直接因果關(guān)系。

節(jié)點E3的非空概率事件集包括其子節(jié)點I7、I8，此外節(jié)點E1與E3存在因果關(guān)系，輿情危機(jī)客體對輿情危機(jī)主體產(chǎn)生直接刺激，從而觸發(fā)輿情，輿情危機(jī)客體的話題屬性對輿情危機(jī)主體受眾的結(jié)構(gòu)和機(jī)泵情感認(rèn)知有著決定性作用。節(jié)點I6與E3存在因果關(guān)系，輿情危機(jī)主體在進(jìn)行知識加工中所賦予的語義受認(rèn)知和情感影響，負(fù)向語義的比例越高則輿情危機(jī)主體高危概率越高。節(jié)點I2與E3的子節(jié)點I8存在因果關(guān)系，話題敏感性越高，輿情危機(jī)主體的情感傾向越強(qiáng)烈，產(chǎn)生極端情感的比率越高。

節(jié)點E4的非空概率事件集包括其子節(jié)點I9、I10，此外節(jié)點E5與E4存在因果關(guān)系，外部環(huán)境會對數(shù)據(jù)源路徑和數(shù)據(jù)數(shù)據(jù)終端路勁產(chǎn)生約束作用，而E5的子節(jié)點I11對E4有直接因果關(guān)系，技術(shù)基礎(chǔ)的適配性是輿情危機(jī)媒體作用的重要條件。

節(jié)點E4的非空概率事件集包括其子節(jié)點I11、I12和I13，不存在其他因果關(guān)系。

2網(wǎng)絡(luò)輿情危機(jī)節(jié)點診斷貝葉斯模型構(gòu)建

網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)模型的核心流程包括案例匹配和關(guān)鍵節(jié)點診斷兩個過程，分別通過貝葉斯網(wǎng)絡(luò)推理算法實現(xiàn)，將輿情信息經(jīng)過語義識別和數(shù)據(jù)處理后形成訓(xùn)練集D={d1，d2，…，dn}和測試集T={t1，t2，…，tn}，訓(xùn)練集和測試集有交集且可互相轉(zhuǎn)換。網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)模型算法流程如圖3所示：圖3網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)模型算法流程

將采集的網(wǎng)絡(luò)輿情進(jìn)行語義提出和數(shù)據(jù)處理形成訓(xùn)練集和測試集，根據(jù)網(wǎng)絡(luò)輿情危機(jī)的5個分類維度進(jìn)行選擇，并使用算法進(jìn)行概率學(xué)習(xí)，概率學(xué)習(xí)的算法較為常用的有計數(shù)算法、梯度下降法和最大期望法，但是對于網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)模型的復(fù)雜性都有一定的局限，關(guān)于算法的選擇和優(yōu)化將在未來研究中進(jìn)一步開展。經(jīng)過關(guān)系概率學(xué)習(xí)后得到分類先驗信息和診斷先驗信息，經(jīng)貝葉斯網(wǎng)絡(luò)學(xué)習(xí)得出危機(jī)分類的主題標(biāo)簽，根據(jù)測試集的分類結(jié)果調(diào)用其診斷關(guān)系概率，再次經(jīng)過貝葉斯網(wǎng)絡(luò)學(xué)習(xí)診斷出其關(guān)鍵節(jié)點。對貝葉斯網(wǎng)絡(luò)輸出的分類主題標(biāo)簽和關(guān)鍵節(jié)點診斷進(jìn)行置信度判斷，滿足置信度要求的，可以用于修正現(xiàn)有貝葉斯網(wǎng)絡(luò)模型的關(guān)系概率。

這一算法流程遵循了貝葉斯定理中自頂而下的概率計算過程，根據(jù)前文研究的推導(dǎo)，網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)關(guān)鍵節(jié)點診斷模型的頂層父節(jié)點為輿情事件危機(jī)等級的分布概率，網(wǎng)絡(luò)模型各節(jié)點，皆為影響輿情危機(jī)演化進(jìn)程的要素變量。在算法流程的仿真訓(xùn)練過程中，選取訓(xùn)練集，獲得表達(dá)輿情事件危機(jī)等級與各模型節(jié)點之間關(guān)系強(qiáng)度的先驗概率。在模型實證過程中，對測試集的輿情危機(jī)進(jìn)行分析，經(jīng)模型推導(dǎo)得出現(xiàn)有危機(jī)等級概率分布下，各節(jié)點的實際發(fā)生概率，從而從中篩選出導(dǎo)致輿情危機(jī)演化的關(guān)鍵節(jié)點，完成診斷過程。

21網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)關(guān)鍵節(jié)點診斷過程模型網(wǎng)絡(luò)輿情傳播演化過程中存在觸發(fā)機(jī)理，網(wǎng)絡(luò)輿情客體的熱度影響因素對網(wǎng)絡(luò)輿情主體的刺激量變積累達(dá)到一定的質(zhì)變臨界值，從而使網(wǎng)絡(luò)輿情主體產(chǎn)生應(yīng)激反應(yīng)，從而觸發(fā)其傳播意愿的過程。據(jù)此本文在貝葉斯定理的基礎(chǔ)上[10-11]，建立網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)模型指標(biāo)層狀態(tài)屬性集{state T，state M}，任一指標(biāo)節(jié)點狀態(tài)state T和state M的概率加和均為1。

貝葉斯網(wǎng)絡(luò)通過父節(jié)點與子節(jié)點之間的關(guān)系概率進(jìn)行推導(dǎo)，并構(gòu)建關(guān)系概率表。關(guān)系概率表的結(jié)構(gòu)由各級節(jié)點的數(shù)量和狀態(tài)屬性決定。國家對自然災(zāi)害、事故災(zāi)難和公共衛(wèi)生事件預(yù)警分級，依據(jù)突發(fā)事件可能造成的危害程度、波及范圍、影響力大小、人員及財產(chǎn)損失等情況，由高到低劃分為特別重大（Ⅰ級）、重大（Ⅱ級）、較大（Ⅲ級）、一般（Ⅳ級）4個級別，并依次采用紅色、橙色、黃色、藍(lán)色來加以表示。據(jù)此本文建立網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)模型目標(biāo)層、準(zhǔn)則層狀態(tài)屬性集{degree R，degree O，degree Y，degree B}。任一節(jié)點狀態(tài)degree R，degree O，degree Y，degree B的概率加和均為1。

1）對目標(biāo)層節(jié)點訓(xùn)練得到其全概率公式：

P（C）=∑5n=1P（En）P（C|En）

2）根據(jù)貝葉斯定理，對準(zhǔn)則層節(jié)點則有：

P（En|C）=P（En）P（En|C）P（C）

3）得出輿情危機(jī)準(zhǔn)則層的概率集，則一定有：

P（Em|C）>P（En|C）

其中，1≤m≤5，1≤n≤5，m≠n。

從而對于每一個未知關(guān)鍵節(jié)點的輿情危機(jī)，診斷其貝葉斯網(wǎng)絡(luò)準(zhǔn)則層節(jié)點概率，從中選擇概率最大的節(jié)點作為輿情危機(jī)的關(guān)鍵節(jié)點。重復(fù)以上算法流程，最終在指標(biāo)層節(jié)點中診斷出具有最大概率的關(guān)鍵節(jié)點。

22模型運用實例與仿真結(jié)果分析

先驗關(guān)系概率的訓(xùn)練與優(yōu)化，是網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)關(guān)鍵節(jié)點診斷過程模型運行的基礎(chǔ)。在前期研究中，往往采用直接給出條件概率表的方式進(jìn)行貝葉斯網(wǎng)絡(luò)模型的建立。但是網(wǎng)絡(luò)輿情具有顯著的復(fù)雜性，多元性及傳播疊加特征，一次存在大量節(jié)點，且因果關(guān)系非常復(fù)雜。本文采用Netica軟件進(jìn)行貝葉斯網(wǎng)絡(luò)仿真，通過建立訓(xùn)練集，通過數(shù)據(jù)學(xué)習(xí)獲得貝葉斯網(wǎng)絡(luò)的條件概率集。

為了對模型仿真所需訓(xùn)練數(shù)據(jù)進(jìn)行采集，本研究邀請10位對輿情危機(jī)和貝葉斯網(wǎng)絡(luò)的研究領(lǐng)域十分熟悉的專家組成專家組，通過會議討論的方式進(jìn)行精準(zhǔn)問卷調(diào)查，專家組還負(fù)責(zé)條件概率集的審核和優(yōu)化，已經(jīng)仿真結(jié)果的測評。本文隨機(jī)抽取2015-2017年6月這段時間發(fā)生的60件非常規(guī)危機(jī)事件作為訓(xùn)練集，及“成都女司機(jī)被打”、“馬克蘭大學(xué)中國留學(xué)生演講”、“北大女碩士失蹤”、“比特幣勒索病毒席卷全球”4個危機(jī)事件作為測試集，訓(xùn)練集和測試集所選取的網(wǎng)絡(luò)輿情危機(jī)事件所處環(huán)境均為大數(shù)據(jù)環(huán)境，涉及信息量及傳播進(jìn)程符合大數(shù)據(jù)特征。

通過專家組的分析得出訓(xùn)練集的原始數(shù)據(jù)，將貝葉斯網(wǎng)絡(luò)模型邊緣概率變量離散化，最終得到網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)模型邊緣概率表，如表1。

在其貝葉斯網(wǎng)絡(luò)條件概率集中得到集中體現(xiàn)，各節(jié)點之間處于動態(tài)關(guān)聯(lián)特性。各邊緣概率間同樣存在作用關(guān)系，當(dāng)出現(xiàn)新的證據(jù)時，網(wǎng)絡(luò)輿情態(tài)勢處于何種水平的可能性將會發(fā)生相應(yīng)變化。如果獲得其他證據(jù)，則可以對貝葉斯網(wǎng)絡(luò)中的節(jié)點做出相應(yīng)調(diào)整，觀測輿情態(tài)勢的演變。多媒體技術(shù)作用下輿情在傳播過程中具有高互動高反饋的特性，因此邊緣概率間的相互作用，更能準(zhǔn)確地反應(yīng)輿情演化過程。

在模型建立后，需要對其有效性進(jìn)行測試，測試集危機(jī)態(tài)勢及仿真運算結(jié)果如表3所示。

其中2015年發(fā)生的“成都女司機(jī)被打事件”所釀成的網(wǎng)絡(luò)輿情風(fēng)波，經(jīng)專家組評定，該事件危機(jī)態(tài)勢為，degree O概率為80%，degree Y概率為20%。通過仿真運算，得出該輿情危機(jī)關(guān)鍵點診斷結(jié)果如圖6所示。

由“成都女司機(jī)被打事件”仿真結(jié)果可知，在準(zhǔn)則層節(jié)點中，網(wǎng)絡(luò)輿情主體的觸發(fā)幾率最高，而在指標(biāo)層節(jié)點中，主體組成結(jié)構(gòu)的觸發(fā)幾率最高，同時話題公共性的觸發(fā)幾率同時居高，診斷結(jié)果具有邏輯意義，這一輿情危機(jī)的話題被網(wǎng)絡(luò)主體廣泛關(guān)注，各階層的組成結(jié)構(gòu)均對這一話題產(chǎn)生了傳播意愿，因此輿情危機(jī)得以不斷演化。同時外部環(huán)境和干擾噪音的觸發(fā)概率居高，說明該事件發(fā)生過程中，網(wǎng)絡(luò)輿情空間內(nèi)不存在強(qiáng)干擾信息，外部環(huán)境適宜輿情危機(jī)演化。綜合說明“成都女司機(jī)被打事件”處于易于演化的弱干擾環(huán)境中，網(wǎng)絡(luò)輿情主體普遍對這一話題給予關(guān)注。通過對測試事件的輿情危機(jī)關(guān)鍵節(jié)點的診斷，干預(yù)其演化走向的高效著力點可以選擇利用環(huán)境噪音分散輿情主體的關(guān)注投入，可以較大概率降低危機(jī)等級?！榜R克蘭大學(xué)中國留學(xué)生演講”事件危機(jī)等級較低，情感傾向性圖6“成都女司機(jī)被打事件”關(guān)鍵節(jié)點診斷結(jié)果

指標(biāo)在這一危機(jī)事件中起主導(dǎo)作用，當(dāng)群體情感傾向過于消極激進(jìn)時，事件危機(jī)等級會升高?！氨贝笈T士失蹤”作為高危等級事件，其觸發(fā)幾率的指標(biāo)同樣反應(yīng)為情感傾向性，同時其受干擾噪音影響較高，這一事件相關(guān)的社會問題較多，易衍生話題?！氨忍貛爬账鞑《鞠砣颉笔录C(jī)等級在測試集中最低，根據(jù)仿真結(jié)果分析，這一事件受話題公共性影響，達(dá)到了相應(yīng)的傳播廣度，但不易發(fā)展為高危輿情事件。

3結(jié)語

網(wǎng)絡(luò)輿情危機(jī)受到大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境和多媒體傳播模態(tài)影響，具有變量復(fù)雜多變等特征，因此對網(wǎng)絡(luò)輿情危機(jī)的研判分析需要更有效的算法。從貝葉斯網(wǎng)絡(luò)理論出發(fā)，梳理了網(wǎng)絡(luò)輿情危機(jī)預(yù)判分析的工作流程，對診斷機(jī)理進(jìn)行全方位的分析。從輿情危機(jī)傳播維度提出5個變量的網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)節(jié)點結(jié)構(gòu)，并以闡述變量事件集的邏輯因果，最終構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。并在此基礎(chǔ)上構(gòu)建網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)案例匹配模型、網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)態(tài)勢預(yù)警模型和網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)干預(yù)診斷模型，為相關(guān)領(lǐng)域研究提供了新的思路。

對網(wǎng)絡(luò)輿情危機(jī)預(yù)判進(jìn)行研究能夠為新技術(shù)環(huán)境下政府管理網(wǎng)絡(luò)輿情提供決策支持，可以幫助政府把握網(wǎng)絡(luò)輿情危機(jī)的分類分型規(guī)律，在危機(jī)發(fā)生時，幫助政府診斷危機(jī)的主要作用變量，行之有效地對關(guān)鍵節(jié)點進(jìn)行干預(yù)。為政府管理網(wǎng)絡(luò)輿情提供理論依據(jù)，為政策制定提供決策依據(jù)，減少社會風(fēng)險治理的成本。

在進(jìn)一步的研究中，一是要對網(wǎng)絡(luò)輿情危機(jī)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)進(jìn)行優(yōu)化研究，降低主觀作用；二是對網(wǎng)絡(luò)輿情危機(jī)貝葉斯模型的先驗概率參數(shù)訓(xùn)練算法進(jìn)行優(yōu)化和實證，將人工智能算法引入?yún)?shù)訓(xùn)練過程，提高參數(shù)可信度。

參考文獻(xiàn)

[1]王楊，尤科本，王夢瑤，等.基于博弈論的網(wǎng)絡(luò)社區(qū)輿情傳播模型研究[J].計算機(jī)應(yīng)用，2013，30（8）：2480-2482.

[2]張立凡，趙凱.媒體干預(yù)下帶有討論機(jī)制的網(wǎng)絡(luò)輿情傳播模型研究[J].現(xiàn)代圖書情報技術(shù)，2015，42（11）：60-67.

[3]鄧青，劉藝，馬亞萍，等.基于元胞自動機(jī)的網(wǎng)絡(luò)信息傳播和輿情干預(yù)機(jī)制研究[J].管理評論，2016，28（8）：106-114.

[4]王治瑩，李勇建.政府干預(yù)下突發(fā)事件輿情傳播規(guī)律與控制決策[J].管理科學(xué)學(xué)報，2017，20（2）：43-52.

[5]劉銳.地方重大輿情危機(jī)特征及干預(yù)效果影響因素——基于2003年以來110起地方政府重大輿情危機(jī)的實證分析[J].情報雜志，2015，34（6）：93-99.

[6]黃微，李瑞，孟佳林.大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情傳播要素及運行機(jī)理研究[J].圖書情報工作，2015，59（21）：38-44.

[7]張一文，齊佳音，等.基于貝葉斯網(wǎng)絡(luò)建模的非常規(guī)危機(jī)事件網(wǎng)絡(luò)輿情預(yù)警研究[J].圖書情報工作，2012，56（2）：76-81.

[8]F Jensen，T Nielsen.Bayesian Networks and Decision Graphs[M].SecondEdition.New York：Springer Science Business Media，2007：10-11.

[9]M Hanninen，P Kujala.Influences of Variables on Ship Collision Probability in a Bayesian Belief Network Model[J].Reliability Engineering & System Safety，2012，102：27-40.

（責(zé)任編輯：孫國雷）2018年11月第38卷第11期現(xiàn)代情報Journal of Modern InformationNov.，2018Vol38No112018年11月第38卷第11期區(qū)塊鏈技術(shù)在圖書館智慧服務(wù)中的應(yīng)用研究Nov.，2018Vol38No11

收稿日期：2018-05-16