，

隨著網(wǎng)絡(luò)與通信技術(shù)的飛速發(fā)展，信息傳播載體與主體多元化，傳播內(nèi)容多樣化、廣泛化、細(xì)微化，新舊媒體、各類社群間的界限消融，已進入了泛媒體時代。本文借鑒以往學(xué)者將傳染病模型引入網(wǎng)絡(luò)輿情傳播研究的做法[1-4]，以消息識別為基礎(chǔ)，區(qū)分采用SIQR及SIRS模型，引入“外輿論場”“用戶傳染力”等概念優(yōu)化免疫手段，優(yōu)化控制網(wǎng)絡(luò)輿情傳播，搭建了“導(dǎo)”“控”相結(jié)合的網(wǎng)絡(luò)輿情傳播優(yōu)化控制平臺，并利用Swarm軟件仿真分析，有效驗證了該平臺效能。

1 網(wǎng)絡(luò)輿情傳播優(yōu)化控制平臺的構(gòu)建

利用wiki技術(shù)，搭建了一個面向所有人，共同參與、共同編輯，以消息識別結(jié)果為基礎(chǔ)區(qū)分調(diào)用帶連續(xù)接種SIQR模型與SIRS模型的“導(dǎo)”“控”結(jié)合的優(yōu)化控制平臺。該平臺由消息識別器和網(wǎng)絡(luò)輿情控制系統(tǒng)2部分組成，整體框架結(jié)構(gòu)如圖1所示。

圖1 網(wǎng)絡(luò)輿情傳播優(yōu)化控制平臺結(jié)構(gòu)

1.1 消息判別器

1.1.1 消息真?zhèn)闻袆e

以《泛媒體環(huán)境下網(wǎng)絡(luò)輿情傳播控制的優(yōu)化研究》中提出的信息真?zhèn)闻袆e指標(biāo)項及其質(zhì)疑指數(shù)為基礎(chǔ)[5]，以“機器遍歷+人工判別”方式判別輿論傳播過程中初始消息及衍生消息的真?zhèn)巍?/p>

1.1.1.1 機器遍歷方式

首先對消息文本預(yù)處理，以正則表達式+HTMLParser抽取信息，結(jié)合JE分詞系統(tǒng)，獲取良結(jié)構(gòu)化的消息內(nèi)容特征與主題。然后將良結(jié)構(gòu)化的消息內(nèi)容與話題數(shù)據(jù)庫中的話題信息內(nèi)容表及話題信息來源表以機器遍歷方式檢索對比，獲取各指標(biāo)項質(zhì)疑值。若是已有話題，則依據(jù)表內(nèi)字段判斷該消息的內(nèi)容常識性、發(fā)布偶然性、來源真實性及權(quán)威性；若是新話題，則以該消息為特定主題，從微博、知乎、網(wǎng)易等主要網(wǎng)絡(luò)輿論平臺進行信息抓取、處理、識別與分析，將其存入話題庫對應(yīng)表內(nèi)，再進行上述已有話題的檢索判別步驟，完成判別。

1.1.1.2 人工方式

由所有具備人工審核權(quán)限的信息審核員，結(jié)合傳統(tǒng)媒體信息，對消息內(nèi)容的來源準(zhǔn)確性、信息內(nèi)容的專業(yè)性、信息發(fā)布的利益相關(guān)性逐一判別。各指標(biāo)項的所有信息審核員判定分值均低于其對應(yīng)質(zhì)疑指數(shù)時，才判定該指標(biāo)項質(zhì)疑值低于其質(zhì)疑指數(shù)。

最終，綜合上述7項指標(biāo)的質(zhì)疑值，當(dāng)其均低于對應(yīng)指標(biāo)項的質(zhì)疑指數(shù)時，該消息判別為 “真”，否則判別為“假”。

1.1.2 信息文本情感識別

本文從評價對象入手，細(xì)分信息文本為N個評價單元，每個評價單元均由評價對象、評價詞、否定副詞、程度副詞、文本句型5個元素組成，通過累計相加各評價單元情感極值得到信息文本的最終情感值。若信息文本情感值>0，則認(rèn)為信息情感傾向為“正”；若信息文本情感值<0，則認(rèn)為信息情感傾向為“負(fù)”；若信息文本情感值=0，則認(rèn)為信息情感傾向為“中性”。其中有如下2個關(guān)鍵點。

一是評價對象、評價詞與評價單元的抽取。評價對象與評價詞的抽取均采用“有監(jiān)督&無監(jiān)督”的半自動方法。首先以無監(jiān)督的Apriori 算法結(jié)合CRFs 模型，抽取部分評價對象，并結(jié)合有監(jiān)督的人工方式抽取的評價對象，獲取評價對象集合；然后一方面以基于Apriori 算法的半監(jiān)督迭代方法抽取具有明顯情感傾向的頻繁項為評價詞，一方面以人工方式抽取本身無明顯情感但結(jié)合位置與評價對象顯示出明顯情感傾向的頻繁項為評價詞，獲取評價詞集；最后以評價詞輸入CRFs 模型，結(jié)合詞位置、程度詞等特征，抽取評價單元。

二是單元5組的分類及情感極值賦值。對評價對象、評價詞、否定副詞、程度副詞及句型進行分類，按類賦予對應(yīng)的情感極值，并結(jié)合消息文本的語境、所指向的領(lǐng)域背景，以人工方式適當(dāng)修正分類及賦值結(jié)果，使消息文本的情感極值更符合其實際語義[6]。

1.1.3 消息識別結(jié)果分類

根據(jù)消息真?zhèn)闻袆e與信息文本情感識別的結(jié)果，將話題消息區(qū)分為“虛假”的消息、“真實”且“負(fù)面”的消息、“真實”且 “正面”的消息和“真實”且 “中性”的消息4類。該分類結(jié)果為網(wǎng)絡(luò)輿情控制系統(tǒng)中模型的調(diào)用、免疫手段的采取提供依據(jù)，是整個網(wǎng)絡(luò)輿情傳播優(yōu)化控制平臺的基礎(chǔ)部分。

1.2 網(wǎng)絡(luò)輿情控制系統(tǒng)

根據(jù)消息識別結(jié)果，網(wǎng)絡(luò)輿情控制系統(tǒng)啟用2種不同模型進行輿論傳播控制。對“虛假”的消息及“真實”且“負(fù)面”的消息啟用帶連續(xù)接種的SIQR模型，加速輿情收斂，以“控”為主；對“真實”且 “正面”的消息啟用SIRS模型，幫助輿情擴散，以“導(dǎo)”為主；對“真實”且 “中性”的消息以監(jiān)測為主。該系統(tǒng)中所有用戶均為注冊用戶(區(qū)分為普通用戶與管理員)，其權(quán)限按其性質(zhì)及等級授予，未注冊訪客只有最低瀏覽權(quán)限。

1.2.1 用戶行為建模與傳染力分析

以話題主題為關(guān)鍵詞，對比話題數(shù)據(jù)庫，搜尋該類話題的發(fā)布者及參與者，并與用戶數(shù)據(jù)庫信息進一步比對，獲取系統(tǒng)內(nèi)所有與該話題有關(guān)的用戶。根據(jù)用戶基本信息及其發(fā)帖、評論、轉(zhuǎn)發(fā)等歷史記錄對其建模，將其中虛假、負(fù)面信息傳播頻次大于系統(tǒng)眾數(shù)的用戶定義為“惡意用戶(um)”，將真實、正面信息傳播頻次大于系統(tǒng)眾數(shù)的用戶定義為“優(yōu)質(zhì)用戶(uh)”，其余的均定義為“普通用戶(uo)”。

該系統(tǒng)網(wǎng)絡(luò)為加權(quán)無標(biāo)度網(wǎng)絡(luò)，根據(jù)平均場理論，系統(tǒng)傳播閾值與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、節(jié)點傳染能力都有關(guān)系，在系統(tǒng)網(wǎng)絡(luò)規(guī)模固定的情況下，節(jié)點傳染力越強，輿情傳播速度越快，傳播范圍越廣[7-8]。因此，在用戶建模同時，分析其傳染力，對輿情傳播控制方法的采用具有極其重要的意義。計算用戶傳染力，并統(tǒng)計其數(shù)據(jù)分布規(guī)律，分別將用戶傳染力分為對應(yīng)的幾個等級(表1)。

表1 用戶傳染力等級表

1.2.2 網(wǎng)絡(luò)輿情傳播的優(yōu)化控制

在開放性網(wǎng)絡(luò)輿情傳播控制系統(tǒng)中，不論消息識別的分類結(jié)果如何，輿情衍化都必然經(jīng)過話題創(chuàng)建、傳播、鎖定3個階段，各類用戶(包括管理員)主要以消息轉(zhuǎn)發(fā)、評論、話題推送、權(quán)限調(diào)整、版本控制等方式參與話題創(chuàng)造與修改，通過協(xié)同編輯加速實現(xiàn)輿情傳播的客觀化和理性化。不同模型的調(diào)用、外輿論場的引進、用戶類型區(qū)分與傳染力分析等均為增強協(xié)同編輯效用的手段。

管理員M設(shè)置敏感詞匯，進行事前用戶審查，在輿論初期及時鎖定惡意用戶um，只開放瀏覽權(quán)限，使其無法參與話題轉(zhuǎn)發(fā)、評價或編輯等。從外輿論場提取對應(yīng)話題的正面、真實信息，以最高頻次推送，加大外輿論場推進率，引導(dǎo)其看法，提高接種成功率。上述接種免疫手段將貫穿輿情衍化全過程。

充分重視優(yōu)質(zhì)用戶uh。除管理員權(quán)限外，最大程度開放其權(quán)限，減少其評論、轉(zhuǎn)發(fā)、創(chuàng)建類似新話題的時間、字?jǐn)?shù)等限制，增強其正面客觀話題的置頂頻率，使之更好地參與協(xié)同編輯。以固定頻次從外輿論場提取相關(guān)正面真實信息推送，促進其傳染能力和等級的提升，便于擴散正面情緒、客觀信息，增強系統(tǒng)自凈能力。

對普通用戶uo按傳染力等級開放權(quán)限及調(diào)整外輿論場信息推送力度。調(diào)用SIQR模型時，等級越高，對應(yīng)系統(tǒng)權(quán)限越低且信息推送頻次越高。根據(jù)其中心性與中間中心性挑選核心用戶，進一步限制其協(xié)同編輯權(quán)限，加強其信息內(nèi)容的審查頻次與力度。一旦發(fā)現(xiàn)其惡意、虛假信息傳播頻次超過系統(tǒng)眾數(shù)，則視其為um予以隔離，且注重對核心用戶的真實正面信息推送，提高接種成功率。調(diào)用SIRS模型時，等級越高對應(yīng)系統(tǒng)權(quán)限越高，充分發(fā)揮其傳染力，促進正面輿情擴散；而等級越低信息推送頻次越高，不僅提取外輿論場信息推送，加大其推進率，且注重平臺熱點和優(yōu)質(zhì)用戶推薦，增強uh的輻射影響，促進uo向uh轉(zhuǎn)變。

各類用戶不再局限于網(wǎng)絡(luò)傳播環(huán)境，從系統(tǒng)提取引發(fā)輿論的根本問題，外推至外輿論場，尋求共振與支持，促進根本問題解決并將結(jié)果反饋給輿情平臺，引導(dǎo)輿情傳播理性化、客觀化，并使其自身認(rèn)識到網(wǎng)絡(luò)輿情并非脫離社會現(xiàn)實存在，其恰恰植根于現(xiàn)實土壤。群聚力用于傳播 “謠言”，無助于事件解決。

管理員(M)動態(tài)監(jiān)測話題傳播，按時間軸順序?qū)鞑ミ^程分為N個時間段，計算各時間段內(nèi)各節(jié)點流量Qvi(t)(即t時刻流經(jīng)vi節(jié)點的瞬時數(shù)據(jù)量，為t時刻vi節(jié)點的數(shù)據(jù)流入量與流出量之差)，及各節(jié)點傳播速度qvi(t)(即t時刻vi節(jié)點傳播話題的速度，為t時刻vi節(jié)點話題發(fā)送與接收速度之差)，并依據(jù)兩者大小，找到“核心節(jié)點”[9]。然后按順序兩兩比較各時間段內(nèi)各節(jié)點流量大小與傳播速度，尤其當(dāng)核心節(jié)點不再發(fā)生明顯變化時，則認(rèn)為該時刻后輿情傳播進入穩(wěn)定態(tài)，管理員即對其鎖定。

2 網(wǎng)絡(luò)輿情傳播優(yōu)化控制平臺的效能仿真分析

該平臺的Swarm仿真系統(tǒng)由ObserverSwarm，ModelSwarm，StartSwarm 3個層次組成。StartSwarm為最上層，用于啟用程序；ObserverSwarm為中間層，用于控制并觀察ModelSwarm的運行狀況，并將運行結(jié)果以各類話題的數(shù)量變化趨勢為指標(biāo)進行展示；ModelSwarm則為主體核心層，調(diào)用了User類、PosAuction類、CombAuction類和AuctionModelSwarm類。其中User類用于生成用戶傳染力和用戶類型，PosAuction類封裝N個用戶并計算獲取各類用戶具備不同傳染力等級時對各類話題的感染力度；CombAuction類調(diào)用PosAuction類，獲取網(wǎng)絡(luò)輿情傳播控制平臺的初始化狀態(tài)，更新運算，獲取不同控制模式下單位時刻內(nèi)平臺各類話題的數(shù)量及其對應(yīng)的各類用戶數(shù)量；AuctionModelSwarm類再調(diào)用CombAuction類，模擬輿情傳播全過程，持續(xù)計算，獲取不同控制模式下平臺各類話題的數(shù)量及其變化趨勢。

本文在仿真系統(tǒng)中將話題區(qū)分為理性正面話題(★)、中性話題(●)和負(fù)面虛假話題(▲)3類，用戶區(qū)分為管理員(M)、惡意用戶(um)、優(yōu)質(zhì)用戶(uh)和普通用戶(uo)4類。各類用戶傳染力區(qū)分為5等，分別賦予“1、2、3、4、5”5個數(shù)值，數(shù)值越大，其傳染力越強。

2.1 一般網(wǎng)絡(luò)輿情傳播平臺(無優(yōu)化模型)

該平臺中用戶傳染力數(shù)值為常數(shù)，感染其他用戶及其話題內(nèi)容性質(zhì)的能力是固定的，不發(fā)生變化。平臺運轉(zhuǎn)時，各類用戶隨機走動，按以下規(guī)則進行感染：當(dāng)um遇到話題，該話題標(biāo)記為負(fù)面虛假話題(▲)，并感染1個uo成為um，感染 1個uh成為uo；當(dāng)uh遇到話題，即理性正面話題(★)、中性話題(●)均標(biāo)記為理性正面話題(★)，負(fù)面虛假話題(▲)標(biāo)記為中性話題(●)，只感染1個uo成為uh；當(dāng)uo遇到話題，參考該話題的關(guān)聯(lián)話題，以其中數(shù)量最多的話題類型予以標(biāo)記，當(dāng)數(shù)量相當(dāng)時，將其標(biāo)記為中性話題(●)，不感染任何用戶；當(dāng)M遇到話題，該話題標(biāo)記為理性正面話題(★)，不感染任何用戶。

對該平臺進行仿真分析，發(fā)現(xiàn)平臺運行迭代到15次時，平臺中負(fù)面虛假話題486條(占73.97%)，理性正面話題38條(占5.78%)；而uo數(shù)量占用戶總數(shù)的73.6%，uh和 um數(shù)均不超過15%。可見輿論傳播初期，負(fù)面虛假話題及中性話題占絕大多數(shù)，而理性正面話題非常少；大部分用戶都為普通用戶，容易受到信息內(nèi)容及關(guān)聯(lián)用戶的影響與感染。隨著迭代次數(shù)增加，網(wǎng)絡(luò)輿情不斷傳播發(fā)酵，當(dāng)平臺迭代到890余次后，各節(jié)點(尤其核心節(jié)點)流量不再明顯變化，且各類話題數(shù)量也趨于平穩(wěn)，即認(rèn)定該網(wǎng)絡(luò)輿情已處于傳播穩(wěn)定態(tài)，此時理性正面話題1 348條(占81.25%)，負(fù)面虛假話題174條(占10.52%)，而中性話題132條(占7.98%)，而uo數(shù)量仍超過半數(shù)(占用戶總數(shù)的57.1%)，uh數(shù)量僅增長了5.7。

可見，當(dāng)無優(yōu)化模型時，網(wǎng)絡(luò)平臺需迭代較多次數(shù)，耗費較長時間才能實現(xiàn)輿情穩(wěn)定，完成對輿情傳播的控制，且理性正面話題增速緩慢，優(yōu)質(zhì)用戶數(shù)只略微增長，普通用戶仍占大多數(shù)，整體環(huán)境更有利于負(fù)面虛假話題信息的傳遞與發(fā)酵(圖2)。

圖2無優(yōu)化控制的輿情傳播仿真結(jié)果

2.2 免疫優(yōu)化的網(wǎng)絡(luò)輿情傳播平臺

該平臺中用戶傳染力數(shù)值是變化的，其感染其他用戶及其話題內(nèi)容性質(zhì)的能力根據(jù)平臺一系列優(yōu)化免疫措施發(fā)生改變。當(dāng)平臺運轉(zhuǎn)時，各類用戶隨機走動，按以下規(guī)則進行感染：事先區(qū)分um，鎖定、隔離，使um只能接受而無法傳播其他用戶話題信息，不改變?nèi)魏卧掝}性質(zhì)、不感染任何用戶；當(dāng)uh遇到話題，傳染力等級為4、5的uh將各類話題均標(biāo)記為理性正面話題(★)，感染1個uo成為uh、1個um成為uh；傳染力等級為1、2、3的uh僅將理性正面話題(★)、中性話題(●)標(biāo)記為理性正面話題(★)，仍將負(fù)面虛假話題(▲)標(biāo)記為中性話題(●)，只感染1個uo成為uh；當(dāng)uo遇到話題，傳染力等級為4、5的uo將話題標(biāo)記為理性正面話題(★)，感染一個um成為uo；傳染力等級為1、2、3的uo則參考關(guān)聯(lián)話題中數(shù)量最多的類型予以標(biāo)記，當(dāng)數(shù)量相當(dāng)時，將其標(biāo)記為中性話題(●)，不感染用戶；當(dāng)M遇到話題，該話題標(biāo)記為理性正面話題(★)，感染1個uo成為uh、1個um成為uh。

對該平臺進行仿真分析，發(fā)現(xiàn)盡管在初期，平臺中負(fù)面虛假話題及中性話題仍占多數(shù)，理性正面話題數(shù)量也很少：SIQR模式下，迭代到15次時，負(fù)面虛假話題占71.36%，理性正面話題占4.62%；SIRS模式下，迭代到15次時，負(fù)面虛假話題占69.73%，理性正面話題占5.97%，且普通用戶為平臺大多數(shù)。但隨著外輿論場、用戶權(quán)限等優(yōu)化免疫手段的運用，SIQR模式下平臺僅迭代至494次，輿情傳播進入了較為穩(wěn)定的收斂狀態(tài)；而SIRS模式下平臺迭代至643次，使輿情傳播進入了大范圍的地方病狀態(tài)，實現(xiàn)了短時間內(nèi)輿情傳播的快速收斂與擴散，加速了輿情傳播的理性化與客觀化，使優(yōu)化平臺的“控”“導(dǎo)”功能均得到了較好發(fā)揮，且平臺中優(yōu)質(zhì)用戶數(shù)均得到一定程度提升，增長率超過20%，惡意用戶數(shù)量也明顯下降(圖3、圖4)。

圖3 連續(xù)接種SIRQ模式下輿情傳播優(yōu)化控制的仿真結(jié)果

圖4 SIRS模式下輿情傳播優(yōu)化控制的仿真結(jié)果

3 結(jié)語

各類網(wǎng)絡(luò)輿情傳播控制平臺多以“控”為主，忽視正面輿情傳播，聚焦網(wǎng)絡(luò)媒體，忽略外輿論場作用，視野局限于封閉單一的環(huán)境系統(tǒng)，缺乏開放性和動態(tài)性，且免疫手段單一、滯后，未充分考慮傳播節(jié)點的傳播能力與網(wǎng)絡(luò)結(jié)構(gòu)帶來的影響。

本文從泛媒體環(huán)境出發(fā)，充分考慮上述問題，在文獻[5]的基礎(chǔ)上，利用wiki技術(shù)構(gòu)建網(wǎng)絡(luò)輿情傳播優(yōu)化控制的技術(shù)框架與平臺，以消息識別為基礎(chǔ)，靈活調(diào)用不同模型控制輿情，人人參與、共同編輯，以用戶建模與傳染力分析結(jié)果為依據(jù)，按不同等級開放各類權(quán)限，區(qū)分推送外輿論場信息，加大外輿論場推進作用，全程接種，優(yōu)化免疫。并且利用Swarm軟件進行仿真分析，發(fā)現(xiàn)對比一般網(wǎng)絡(luò)輿情傳播平臺，該優(yōu)化平臺加速了輿情傳播的理性化與客觀化，能短時間內(nèi)實現(xiàn)輿情傳播的快速收斂與擴散，控制打擊“謠言”，弘揚正能量，更貼合開放環(huán)境下輿情傳播控制的現(xiàn)實需要，充分驗證了其控制方法的有效性。但本文尚未推行該平臺大規(guī)模的實踐使用，對其實踐效果也未有科學(xué)評價手段，這是我們進一步研究所需解決的問題與目標(biāo)。