林萍　解一涵　魏靜

〔摘要〕[目的/意義]新信息技術(shù)推動媒體應(yīng)用平臺快速發(fā)展，網(wǎng)民通過主流媒體與自媒體積極參與話題討論，客觀分析信息傳播平臺對網(wǎng)絡(luò)輿情事件發(fā)展的影響力，有利于建立良性的信息生態(tài)循環(huán)圈。[方法/過程]本文以官方公布的十年網(wǎng)絡(luò)輿情熱點事件為數(shù)據(jù)分析對象，使用灰色關(guān)聯(lián)法分析歷年各信息傳播平臺與網(wǎng)絡(luò)輿情熱度的關(guān)聯(lián)關(guān)系，從時間、事件等維度挖掘信息傳播平臺對網(wǎng)絡(luò)輿情熱度的影響特征。[結(jié)論/建議]各信息傳播平臺對網(wǎng)絡(luò)輿情熱度的影響力與傳播技術(shù)發(fā)展水平是同步的，對網(wǎng)絡(luò)輿情熱度的影響呈現(xiàn)勢均力敵之勢，媒體融合、資訊融合是發(fā)展必然趨勢。

〔關(guān)鍵詞〕信息傳播平臺；灰色關(guān)聯(lián)；熱度；網(wǎng)絡(luò)輿情；媒體

DOI：10.3969/j.issn.1008-0821.2018.05.014

〔中圖分類號〕G206〔文獻標(biāo)識碼〕A〔文章編號〕1008-0821（2018）05-0094-06

〔Abstract〕[Purpose/Significance]With the rapid development of information technology，netizens express and communicate opinions through the mainstream medias and the we medias.In order to set up virtuous information ecology circle，it is important to analyze the influence that medias exert on the dissemination of network public opinions.[Method/Process]Based on grey correlation theory，this paper selected the hot issues which evaluated by authority organization to analyze the relationship between the medias influence and the hot degree of network public opinions.[Result / Conclusion]The results showed that the medias influence on the hot degree of network public opinions kept pace with technology development.And different type of medias had the similar influence on the dissemination of network public opinions.It is a trend for the media companies to integrate different type of medias to disseminate news and public opinions.

〔Key words〕network public opinion；grey correlation degree；hot degree；network public opinion；media

截至2017年6月，中國網(wǎng)民規(guī)模達到751億，手機網(wǎng)民規(guī)模達到724億[1]，互聯(lián)網(wǎng)滲透網(wǎng)民日常生活程度日益加深，網(wǎng)絡(luò)已經(jīng)成為網(wǎng)民獲取信息、表達觀點的重要渠道，任何一個話題都有可能因為利益相關(guān)性、群體特殊性等吸引網(wǎng)民廣泛參與。

傳統(tǒng)傳播方式是主流媒體依托其強有力的資源優(yōu)勢形成信息權(quán)威性，通過報紙、電視、廣播等傳統(tǒng)渠道盡可能多地覆蓋了各類人群。新的信息技術(shù)使得新聞徹底突破原有單一、線性的傳播形態(tài)，海量的“自媒體人”通過移動智能終端，隨時隨地將發(fā)現(xiàn)的新聞信息進行發(fā)布，完全顛覆了傳統(tǒng)媒體采集和傳播信息的壟斷地位[2]。一方面網(wǎng)民通過微信或微博獲取信息后，在無法確認(rèn)信息真?zhèn)蔚那闆r下，通過官方微博、微信公眾號、網(wǎng)站新聞等媒體平臺的搜索、發(fā)帖、轉(zhuǎn)發(fā)等行為進一步求證信息；另一方面，傳統(tǒng)媒體對“自媒體人”的信息有存疑，從獲取的線索中再追蹤深入剖析報道，傳統(tǒng)主流媒體有時成了新聞的“跟隨者”。因此，準(zhǔn)確把握各信息傳播平臺對網(wǎng)絡(luò)輿情熱度的影響力，對于建立包括政府、媒體、企業(yè)、個人各主體在內(nèi)的良性信息生態(tài)循環(huán)圈有重要的意義。

本文以人民輿情網(wǎng)2007-2016年發(fā)布的《中國互聯(lián)網(wǎng)輿情分析報告》中歷年20件熱點輿情事件傳播渠道分布數(shù)據(jù)為對象，使用灰色關(guān)聯(lián)法分析歷年各信息傳播平臺與網(wǎng)絡(luò)輿情熱度的關(guān)聯(lián)關(guān)系，從時間、事件等維度挖掘信息傳播平臺對網(wǎng)絡(luò)輿情熱度的影響特征，有助于政府監(jiān)管部門提高輿論引導(dǎo)效率、媒體完善資訊平臺融合、涉事企業(yè)高效回應(yīng)消費者訴求。

1研究現(xiàn)狀

我國網(wǎng)絡(luò)輿情熱度研究始于2010年，研究熱點主要集中在熱度評價指標(biāo)及影響因素、熱度趨勢預(yù)測、熱點話題發(fā)現(xiàn)等方面，企業(yè)和研究機構(gòu)也從定性和定量相結(jié)合的角度建立輿情熱度指標(biāo)。

11網(wǎng)絡(luò)輿情熱度理論研究現(xiàn)狀

建立指標(biāo)體系，通過層次分析法或者是定性的專家打分和定量的歷史數(shù)據(jù)規(guī)范化處理相結(jié)合對各指標(biāo)賦權(quán)，是網(wǎng)絡(luò)輿情熱度研究的主流。2010年，張一文等[3-4]最先提出包括事件爆發(fā)力即事件影響力及事后處理效果，媒體影響力即報道數(shù)量及內(nèi)容質(zhì)量，網(wǎng)民作用力和政府疏導(dǎo)力即公信力、響應(yīng)力和信息溝通能力在內(nèi)的指標(biāo)體系，并結(jié)合BP神經(jīng)網(wǎng)絡(luò)和專家問卷的方式，通過層次分析法建立指標(biāo)權(quán)重。此后，學(xué)者[5-14]主要圍繞事件、媒體、網(wǎng)民、政府四個維度建立細(xì)化指標(biāo)略有差異的網(wǎng)絡(luò)輿情熱度指標(biāo)體系，圍繞搜索量、報道數(shù)量、評論數(shù)量、瀏覽量、回復(fù)量、轉(zhuǎn)帖量等因子賦權(quán)，使用AHP（層次分析法）、螢火蟲聚類算法、Gompertz模型、馬爾科夫鏈等方法進行話題熱度的評價和趨勢預(yù)測。

系統(tǒng)動力學(xué)也是網(wǎng)絡(luò)輿情熱度的重要理論支撐。狄國強等[15]分析事件作用、網(wǎng)民作用、媒體作用和政府作用等對網(wǎng)絡(luò)輿情熱度的影響。袁國平等[16]認(rèn)為網(wǎng)絡(luò)輿情系統(tǒng)變量包括網(wǎng)絡(luò)輿情熱度、事件影響力、事件破壞力、網(wǎng)民對事件的關(guān)注度、事件調(diào)控水平、網(wǎng)絡(luò)媒體關(guān)注度、傳統(tǒng)媒體關(guān)注度、政府關(guān)注度、官方響應(yīng)力度、論壇總貼數(shù)，各變量的數(shù)值主要通過專家打分的方式設(shè)定權(quán)重。

隨著話題研究升溫，部分學(xué)者從話題熱度的角度考慮網(wǎng)絡(luò)輿情熱度評價。諶志群等[17]等提出話題熱度由帖子篇幅權(quán)重和帖子熱度決定，帖子篇幅權(quán)重由關(guān)鍵詞簇的占比衡量，帖子熱度由不同權(quán)重的跟帖量和瀏覽量綜合計算。王林等[18]認(rèn)為熱度由話題簇各參與討論人次數(shù)目累加獲得。裴可鋒等[19]綜合考慮微博評論數(shù)、轉(zhuǎn)帖數(shù)、基于LDA模型的話題內(nèi)容熱度等因素計算話題熱度。聶恩倫等[20]和王衛(wèi)嬌等[21]均認(rèn)為話題熱度趨勢與以往相似話題熱度特征近似。王鵬程等[22]將情感傾向信息融入話題熱度的計算中。楊長春等[23]根據(jù)突發(fā)事件的交互關(guān)系，對突發(fā)事件的熱度進行預(yù)測。蘭月新等[24]基于灰色關(guān)聯(lián)度方法和多維度logistic模型對各個媒體平臺輿情信息開展預(yù)測。

12網(wǎng)絡(luò)輿情熱度實際應(yīng)用現(xiàn)狀

網(wǎng)絡(luò)輿情熱度應(yīng)用最廣泛的是搜索引擎指數(shù)，比如谷歌通過在一定區(qū)域內(nèi)和一定時間段中針對某關(guān)鍵詞實際搜索數(shù)與所有關(guān)鍵詞平均搜索量之間的比例關(guān)系確定[25]。國內(nèi)目前認(rèn)可度較高的網(wǎng)絡(luò)輿情熱度指數(shù)中新浪微輿情與清華大學(xué)共同發(fā)布網(wǎng)絡(luò)傳播熱度[26]R=Y1×b1+Y2×b2+Y3×b3+Y4×b4，其中Yi=21+a-x-1×100，該指數(shù)根據(jù)不同平臺上的內(nèi)容分布情況進行因子分析，確定各類型來源數(shù)據(jù)的合成系數(shù)。清博指數(shù)[27]之一微信傳播指數(shù)主要通過整體、篇均、頭條、峰值4個傳播力計算，其基礎(chǔ)數(shù)據(jù)來源有閱讀數(shù)和點贊數(shù)，權(quán)重是歷史數(shù)據(jù)模型優(yōu)化后人工分析獲得。人民網(wǎng)輿情熱度主要是通過專家打分對各個信息平臺進行權(quán)重設(shè)置，比如2014年[28]設(shè)置新聞和微博的權(quán)重均為05，2015年[29]則對報刊、網(wǎng)絡(luò)新聞、論壇、博客、微博、微信設(shè)置不同權(quán)重。

13研究現(xiàn)狀分析

網(wǎng)絡(luò)輿情熱度是指當(dāng)事件發(fā)生后，網(wǎng)絡(luò)媒體和網(wǎng)民對事件的報道、討論以及政府或者網(wǎng)絡(luò)監(jiān)管部門提供的引導(dǎo)機制在網(wǎng)絡(luò)上所形成的事件輿情高漲程度[3]。理論研究圍繞網(wǎng)絡(luò)輿情熱度影響因素主要即文本內(nèi)容和文本數(shù)量建立模型。文本數(shù)量側(cè)重考慮網(wǎng)絡(luò)媒體和網(wǎng)民的發(fā)文數(shù)量，但在權(quán)重測算方面主要采用層次分析法的方式。從網(wǎng)絡(luò)輿情熱度的實際應(yīng)用角度分析，權(quán)重的計算較多使用人工的方式。不論是理論研究還是實際應(yīng)用，對于媒體信息傳播能力的評價一直沿用層次分析法的專家打分思想，在大數(shù)據(jù)背景下，其權(quán)重缺乏充分的客觀數(shù)據(jù)支持。

2研究思路

灰色關(guān)聯(lián)分析是通過對“部分”已知信息的挖掘，度量兩個系統(tǒng)或兩個因素之間關(guān)聯(lián)性大小，以尋求系統(tǒng)各因素對目標(biāo)值影響度的大小，從而掌握系統(tǒng)的主要特征[30]。本文以灰色關(guān)聯(lián)度分析人民輿情網(wǎng)2007-2016年發(fā)布的《中國互聯(lián)網(wǎng)輿情分析報告》中歷年20件熱點輿情事件各信息傳播平臺分布數(shù)據(jù)，挖掘同年份各信息傳播平臺熱度與網(wǎng)絡(luò)輿情總體熱度的關(guān)聯(lián)度，通過信息傳播平臺歷年的影響力變化分析媒體的發(fā)展趨勢，通過單一事件各信息傳播平臺熱度與網(wǎng)絡(luò)輿情總體熱度的關(guān)聯(lián)關(guān)系分析媒體融合的必要性。

21數(shù)據(jù)獲取

從人民網(wǎng)的輿情頻道獲取2007-2016年的《中國互聯(lián)網(wǎng)輿情分析報告》[28-29，31-38]。歷年報告根據(jù)網(wǎng)民關(guān)注話題較為集中的信息傳播平臺，通過瀏覽量、發(fā)帖量、轉(zhuǎn)帖量等數(shù)據(jù)統(tǒng)計網(wǎng)絡(luò)輿情熱點事件。2007年根據(jù)網(wǎng)民比較關(guān)注的3個BBS論壇統(tǒng)計發(fā)帖量，2008年選擇4個全國性時事類論壇和人文知識分子較為集中的牛博網(wǎng)統(tǒng)計原貼數(shù)量，2009年選擇五大網(wǎng)絡(luò)社區(qū)統(tǒng)計熱點事件原貼數(shù)量，2010年統(tǒng)計五大網(wǎng)絡(luò)社區(qū)和新浪微博的原貼和跟帖數(shù)量，2011年數(shù)據(jù)來源于三大社區(qū)的原貼數(shù)量和兩個微博的原貼和轉(zhuǎn)帖數(shù)量，2012年和2013年統(tǒng)計三大社區(qū)主帖數(shù)、兩大微博以及人人網(wǎng)和開心網(wǎng)的主貼和轉(zhuǎn)帖總和，2014年通過新聞檢索量和微博（包括新浪和騰訊微博）檢索量綜合確定，2016年根據(jù)報刊、新聞、論壇、博客、微博、微信、App七類媒介形態(tài)的關(guān)鍵詞檢索量統(tǒng)計。由于2015年只給出熱度值并沒有20個熱點事件在各信息傳播平臺的熱度統(tǒng)計，所以不做分析。

22數(shù)據(jù)分析

根據(jù)灰色關(guān)聯(lián)度的求解過程，對數(shù)據(jù)進行處理和分析。

221建立數(shù)據(jù)矩陣，確定參考數(shù)列

歷年統(tǒng)計的傳播信息平臺類型各不相同，所以各年分別建立數(shù)據(jù)矩陣，見公式（1）。其中xi（j）表示事件i在信息傳播平臺j的貼子統(tǒng)計數(shù)量/檢索量，1≤i≤n，1≤j≤m-1，每年的網(wǎng)絡(luò)輿情熱點事件數(shù)量是n，參與統(tǒng)計的平臺數(shù)量即相關(guān)因素數(shù)量是m-1，xi（m）是參考數(shù)列，即各網(wǎng)絡(luò)輿情熱點事件的信息傳播平臺發(fā)帖量總和。

222指標(biāo)數(shù)據(jù)無量綱化

無量綱化處理方法主要有極值化、標(biāo)準(zhǔn)化、均值化以及標(biāo)準(zhǔn)差化方法。一方面，由于各信息傳播平臺的數(shù)量統(tǒng)計口徑不同，有些統(tǒng)計的是原貼量，有些統(tǒng)計的是原貼和轉(zhuǎn)帖量，不同信息傳播平臺之間不能進行直接比較；另一方面，不同信息傳播平臺對同一事件的文本信息量差距較大，新聞雖然原貼數(shù)量較少，但由于是政府部門或?qū)I(yè)媒體撰寫，其包含的信息量較大，而微博雖然原貼數(shù)量和轉(zhuǎn)帖數(shù)量遠遠超過新聞數(shù)量，但由于字?jǐn)?shù)較少，絕大多數(shù)是網(wǎng)民個人的口語化表達，包括各種表情符號的使用，因此其信息量較少。基于以上原因，為了更準(zhǔn)確地反映各信息傳播平臺對網(wǎng)絡(luò)輿情熱度的影響，本文選擇各信息傳播平臺中熱度最高輿情事件的數(shù)值作為基準(zhǔn)數(shù)值，將其他事件的數(shù)值與之比對進行無量綱化，對于參考數(shù)列無量綱化也采用同樣的思路，并建立無量綱化矩陣，見公式（2）、（3）。

223計算關(guān)聯(lián)系數(shù)和關(guān)聯(lián)度

計算每個事件的各信息傳播平臺熱度與參考數(shù)列即事件總體熱度之間的絕對值差，根據(jù)公式（4）、

首先，數(shù)據(jù)清晰顯示各信息傳播平臺對網(wǎng)絡(luò)輿情熱度的影響力與傳播技術(shù)發(fā)展水平是同步的，每一個新出現(xiàn)的信息傳播平臺都會迅速聚集網(wǎng)民廣泛參與話題討論?；?010年統(tǒng)計，新浪論壇和新浪微博的影響力很高。從2010-2014年，不論是新浪還是騰訊，微博由于其開放性、便捷性，使得廣大網(wǎng)民能夠快速、廣泛參與各類話題的討論，部分輿情熱點事件甚至由微博首先發(fā)起，持續(xù)積聚網(wǎng)民話題討論參與熱度使得微博助推網(wǎng)絡(luò)輿情事件迅速升溫。隨著移動互聯(lián)網(wǎng)在應(yīng)用方面的不斷突破，2016年統(tǒng)計數(shù)據(jù)中，微信和APP借力排名網(wǎng)絡(luò)輿情熱度影響力的前三。

第二，從信息傳播平臺角度看，網(wǎng)民對于社會事務(wù)的關(guān)注度并沒有明顯的身份特征差異。強國論壇是人民網(wǎng)設(shè)立的國內(nèi)最早中文論壇，凱迪社區(qū)知識分子比較集中、關(guān)注時政文化等嚴(yán)肅問題，天涯社區(qū)關(guān)注話題非常廣泛，網(wǎng)民在職業(yè)、年齡等方面分布較為廣泛，但從2007年開始連續(xù)七年統(tǒng)計三大論壇對網(wǎng)絡(luò)輿情熱度的影響力差距不大。

第三，在媒體融合的背景下，各信息傳播平臺對網(wǎng)絡(luò)輿情熱度的影響呈現(xiàn)勢均力敵之勢。比如人民日報集團，有傳統(tǒng)紙質(zhì)媒體“人民日報”通過郵局全國發(fā)行銷售；有專業(yè)新聞網(wǎng)站“人民網(wǎng)”，提供人民日報電子版，以及更多的權(quán)威解讀專業(yè)板塊；在新浪微博有“人民日報”和“人民網(wǎng)”官方微博，在Facebook上也有幾百萬粉絲；在微信平臺有“人民日報微信”、“人民日報時評”、“人民網(wǎng)”等諸多公眾號；APP也有“人民日報”客戶端。傳統(tǒng)媒體充分借助信息新技術(shù)，通過資訊平臺融合的方式，全方位引導(dǎo)網(wǎng)民參與話題討論。

第四，從信息傳播平臺對單個事件網(wǎng)絡(luò)輿情熱度關(guān)聯(lián)度和影響力分析看，單一信息傳播平臺對事件熱度的影響力是很有限的（表3）。例如2009年的上海交通管理部門“釣魚執(zhí)法”事件，新浪論壇討論數(shù)量排名第一，但由于在其他信息傳播平臺的熱度與其他事件差距較大，新浪論壇與事件熱度的關(guān)聯(lián)度只有03775；2010年袁騰飛言論惹爭議事件，在強國論壇和中華網(wǎng)論壇的熱度都是排名第一，由于在其他信息傳播平臺的熱度較低，兩個論壇對與事件熱度的關(guān)聯(lián)度均只有05；2012年莫言獲諾貝爾文學(xué)獎事件，在知識分子聚集的凱迪社區(qū)引起熱烈的討論，其熱度遠遠超過其他所有事件，同樣由于信息平臺傳播的不均衡，凱迪社區(qū)與事件熱度的關(guān)聯(lián)度只有03333。各類事件要充分利用主流媒體和自媒體的影響力，正面事件充分利用各信息傳播平臺吸引網(wǎng)民廣泛參與、提升社會正能量；負(fù)面事件也要考慮綜合運用各信息傳播平臺盡快回應(yīng)廣大網(wǎng)民的訴求，引導(dǎo)輿論方向。

4結(jié)論

各種新的信息傳播平臺不斷出現(xiàn)，新平臺的影響力逐年增加，而各媒體資訊平臺融合的趨勢也導(dǎo)致各信息傳播平臺的影響力處于動態(tài)發(fā)展。面對海量的多元數(shù)據(jù)，傳統(tǒng)的人工賦權(quán)方式不能客觀反映各信息傳播平臺對網(wǎng)絡(luò)輿情熱度的影響力。本文基于歷史數(shù)據(jù)，綜合輿情事件的各傳播信息平臺根據(jù)文本數(shù)量體現(xiàn)的熱度與事件總體熱度進行比對分析。首先，使用灰色關(guān)聯(lián)模型對數(shù)據(jù)進行分析，克服專家打分存在主觀偏差的弱點，保證統(tǒng)計的客觀性、計算效率高；第二，為防止微博文本絕對數(shù)量大但信息量少、而新聞文本絕對數(shù)量少但信息量大，用絕對數(shù)量占比方式難以全面體現(xiàn)其熱度的缺點，各信息傳播平臺分別使用本平臺的最熱數(shù)據(jù)作為基數(shù)進行無量綱化處理；第三，選取官方發(fā)布的最具有代表性的網(wǎng)絡(luò)輿情熱點事件，通過關(guān)聯(lián)度歸一化處理，獲得各信息傳播平臺的影響力，可以作為其他網(wǎng)絡(luò)輿情事件熱度評價的權(quán)重參考；第四，從綜合不同事件的橫向分析和基于時間縱向發(fā)展兩個維度分析信息傳播平臺對網(wǎng)絡(luò)輿情熱度的影響變化，較全面展示了媒體在輿論引導(dǎo)和資訊融合方面的發(fā)展現(xiàn)狀和趨勢。

然而，本文也存在一些值得改進和深入的地方。微博一般會通過@或#等鏈接方式轉(zhuǎn)發(fā)新聞，因此，報刊、新聞對于微博的信息傳播具有一定影響力。網(wǎng)絡(luò)輿情熱度由內(nèi)容和數(shù)量兩個維度共同決定，報刊、新聞包含的信息較為全面、主題集中；單條微博包含的信息量少，評論的信息量更少，同一篇新聞可能會在微博或論壇被稀疏、衍生成多個主題。因此，需要結(jié)合內(nèi)容的信息量對各信息傳播平臺的熱度進行修正。

參考文獻

[1]中國互聯(lián)網(wǎng)絡(luò)信息中心.第40次中國互聯(lián)網(wǎng)絡(luò)發(fā)展統(tǒng)計報告[R].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201708/t20170803_69444.htm，2017-08-03.

[2]范以錦.傳播影響力遷徙后的主流媒體應(yīng)對[J].新聞與寫作，2015，（1）：58-60.

[3]張一文，齊佳音，方濱興，等.非常規(guī)突發(fā)事件網(wǎng)絡(luò)輿情熱度評價指標(biāo)體系構(gòu)建[J].情報雜志，2010，29（11）：71-75，117.

[4]張一文，齊佳音，方濱興，等.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(xué)，2011，29（9）：1418-1424.

[5]王雅蕾，方付建.輿情熱點事件的熱源研究——基于人民網(wǎng)“輿情排行榜”的分析[J].北京理工大學(xué)學(xué)報：社會科學(xué)版，2011，13（4）：108-113.

[6]王青，成穎，巢乃鵬.網(wǎng)絡(luò)輿情監(jiān)測及預(yù)警指標(biāo)體系構(gòu)建研究[J].圖書情報工作.2011，55（8）：54-57，111.

[7]馮江平，張月，趙舒貞，等.網(wǎng)絡(luò)輿情評價指標(biāo)體系的構(gòu)建與應(yīng)用[J].云南師范大學(xué)學(xué)報：哲學(xué)社會科學(xué)版，2014，46（2）：75-84.

[8]曹學(xué)艷，張仙，劉樑，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(xué)，2014，22（3）：82-89.

[9]王雅琳，陸向艷，鐘誠.基于鏈接和螢火蟲算法聚類博文發(fā)現(xiàn)熱點話題[J].計算機工程與設(shè)計，2015，36（6）：1620-1625.

[10]孫飛顯，程世輝，靳曉婷，等.政府負(fù)面網(wǎng)絡(luò)輿情熱度定量評價方法——以新浪微博為例[J].情報雜志，2015，34（8）：137-141.

[11]蘭月新，王芳，董希琳，等.公共危機事件網(wǎng)絡(luò)輿情熱度模型研究[J].情報科學(xué)，2016，34（2）：32-36.

[12]林文聲，姚一源，王志剛.食品安全事件網(wǎng)絡(luò)輿情熱度評價研究：基于BP神經(jīng)網(wǎng)絡(luò)的方法[J].現(xiàn)代管理科學(xué)，2016，（9）：30-32.

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

[14]屈啟興，齊佳音.基于微博的企業(yè)網(wǎng)絡(luò)輿情熱度趨勢分析[J].情報雜志，2014，33（6）：133-137.

[15]狄國強，曾華藝，勒中堅，等.網(wǎng)絡(luò)輿情事件的系統(tǒng)動力學(xué)模型與仿真[J].情報雜志，2012，31（8）：12-20.

[16]袁國平，許曉兵.基于系統(tǒng)動力學(xué)的關(guān)于突發(fā)事件后網(wǎng)絡(luò)輿情熱度研究[J].情報科學(xué)，2015，33（10）：52-56.

[17]諶志群，徐寧，王榮波.基于主題演化圖的網(wǎng)絡(luò)論壇熱點跟蹤[J].情報科學(xué)，2013，（31）3：147-150.

[18]王林，時勘，趙楊，等.基于突發(fā)事件的微博集群行為輿情感知實驗[J].情報雜志，2013，32（5）：32-37，48.

[19]裴可鋒，陳永洲，馬靜.基于DTPM模型的話題熱度預(yù)測方法[J].情報雜志，2016，35（12）：52-57.

[20]聶恩倫，陳黎，王亞強，等.基于K近鄰的新話題熱度預(yù)測算法[J].計算機科學(xué)，2012，（S1）：257-260.

[21]王衛(wèi)姣，陳黎，王亞強，等.LDA和KNN相結(jié)合的帖子熱度預(yù)測算法[J].四川大學(xué)學(xué)報：自然科學(xué)版，2014，51（3）：467-473.

[22]王鵬程，肖正，劉輝.融合觀點傾向的話題熱度趨勢建模研究[J].計算機工程，2015，41（7）：66-70.

[23]楊長春，袁敏.基于交互關(guān)系的突發(fā)事件熱度預(yù)測研究[J].現(xiàn)代情報，2017，37（3）：40-45.

[24]蘭月新，劉冰月，張鵬，等.面向大數(shù)據(jù)的網(wǎng)絡(luò)輿情熱度動態(tài)預(yù)測模型研究[J].情報雜志，2017，36（6）：105-110，147.

[25]Zhi Da，Joseph Engelbergz，Pengjie Gao et al.In Search of Earnings Predictability[C].China International Conference in Finance，2011：1-32.

[26]新浪微輿情與清華大學(xué)共同發(fā)布網(wǎng)絡(luò)傳播熱度指數(shù)算法[EB/OL].http：//news.163.com/16/1220/12/C8NT2UTV000 18AOP.html，2016-12-20.

[27]清博指數(shù)[EB/OL].http：//www.gsdata.cn/site/usage#WCI，2017-07-01.

[28]人民網(wǎng).2014年中國互聯(lián)網(wǎng)輿情分析報告[EB/OL].http：//yuqing.people.com.cn/.

[29]人民網(wǎng).2015年中國互聯(lián)網(wǎng)輿情分析報告[EB/OL].http：//yuqing.people.com.cn/.

[30]劉思峰，楊英杰，吳利豐.灰色系統(tǒng)理論及其應(yīng)用[M].第7版.北京：科學(xué)出版社，2014.

[31]人民網(wǎng).2007年中國互聯(lián)網(wǎng)輿情分析報告[EB/OL].http：//yuqing.people.com.cn/.

[32]人民網(wǎng).2008年中國互聯(lián)網(wǎng)輿情分析報告[EB/OL].http：//yuqing.people.com.cn/.

[33]人民網(wǎng).2009年中國互聯(lián)網(wǎng)輿情分析報告[EB/OL].http：//yuqing.people.com.cn/.

[34]人民網(wǎng).2010年中國互聯(lián)網(wǎng)輿情分析報告[EB/OL].http：//yuqing.people.com.cn/.

[35]人民網(wǎng).2011年中國互聯(lián)網(wǎng)輿情分析報告[EB/OL].http：//yuqing.people.com.cn/.

[36]人民網(wǎng).2012年中國互聯(lián)網(wǎng)輿情分析報告[EB/OL].http：//yuqing.people.com.cn/.

[37]人民網(wǎng).2013年中國互聯(lián)網(wǎng)輿情分析報告[EB/OL].http：//yuqing.people.com.cn/.

[38]人民網(wǎng).2016年中國互聯(lián)網(wǎng)輿情分析報告[EB/OL].http：//yuqing.people.com.cn/.

（實習(xí)編輯：陳媛）