邢云菲 王晰巍 王鐸 韋雅楠

〔摘要〕[目的/意義]新媒體環(huán)境下網(wǎng)絡(luò)輿情信息傳播對輿情的發(fā)展趨勢具有重要的導向作用，對輿情進行監(jiān)測有助于相關(guān)輿情管理部門對輿情信息傳播進行有效引導，促進輿情事件良性發(fā)展。[方法/過程]本文基于信息熵理論，通過層次分析法構(gòu)建評估指標體系，使用模糊綜合評價法建立新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測模型，針對輿情指標隸屬度結(jié)果對監(jiān)測等級進行分類。本文以新浪微博輿情熱點話題“鴻茅藥酒”作為數(shù)據(jù)源獲取數(shù)據(jù)進行新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標體系分析。[結(jié)果/結(jié)論]數(shù)據(jù)結(jié)果表明，新媒體環(huán)境下網(wǎng)絡(luò)輿情熱點話題“鴻茅藥酒”事件的影響力級別為Ⅳ級，需輿情管理者及時監(jiān)測輿情發(fā)展和走勢。通過最終監(jiān)測值對照監(jiān)測級別可以幫助政府及相關(guān)輿情管理者及時采取針對性措施監(jiān)測和引導網(wǎng)絡(luò)輿情的良性發(fā)展。

〔關(guān)鍵詞〕新媒體；網(wǎng)絡(luò)輿情；模糊綜合評價；指標體系

DOI：10.3969/j.issn.1008-0821.2018.09.007

〔中圖分類號〕C9126〔文獻標識碼〕A〔文章編號〕1008-0821（2018）09-0041-07

Research on the Negative Network Public Opinion Monitoring Index

System Based on Information Entropy in New Media EnvironmentXing Yunfei1Wang Xiwei1，2Wang Duo1Wei Yanan1

（1.Management School，Jilin University，Changchun 130022，China；

2.Big Data Management Research Center，Jilin University，Changchun 130022）

〔Abstract〕[Purpose/Significance]In the new media environment，network public opinion information dissemination plays an important guiding role in the development trend of public opinion.The monitoring of public opinion will help the relevant public opinion management departments to effectively supervise the public opinion information dissemination and promote the benign development of public opinion events.[Method/Process]This paper constructed the index system through analytic hierarchy process based on information entropy theory.The fuzzy comprehensive evaluation method was used to establish the network public opinion monitoring model in the new media environment and the classification of monitoring level was conducted according to the degree of membership of public opinion indexes.This paper took sina weibo platform as an example to obtain data for network public opinion monitoring and analysis under new media environment.[Result/Conclusion]The influence level of“Hong Mao Liquor”was Ⅳ，requiring public opinion managers monitoring the development and trend of public opinion in time.The monitoring level could help the government and relevant public opinion managers to take targeted measures to monitor and guide the benign development of online public opinion.

〔Key words〕new media；network public opinion；fuzzy comprehensive evaluation；indicator system

隨著互聯(lián)網(wǎng)的快速發(fā)展以及新媒體時代的到來，人們更多通過互聯(lián)網(wǎng)平臺表達觀點和態(tài)度、宣泄情緒[1]。網(wǎng)絡(luò)輿情是以網(wǎng)絡(luò)為載體，網(wǎng)民針對現(xiàn)實生活中的熱點新聞所持有的具有一定影響力和傾向性的情感和態(tài)度的集合[2]。包括QQ、微信、微博、論壇、博客等在內(nèi)的新媒體平臺與傳統(tǒng)媒體包括電視、電話、廣播等媒介相比，信息具有傳播速度更快、傳播范圍更廣的特征。因此，相比較傳統(tǒng)媒體，新媒體對人們生活、工作、學習等方面具有較大影響。然而，網(wǎng)絡(luò)輿情信息的肆意傳播在一定程度上對輿情的發(fā)展趨勢具有重要的導向作用[3]。由于網(wǎng)絡(luò)輿情演變方式多樣化可能導致輿情事態(tài)向消極方向發(fā)展，從而引發(fā)輿情危機。因此，加強新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)管，及時對負面輿情危機進行識別和監(jiān)測對營造和諧健康的網(wǎng)絡(luò)環(huán)境具有重要作用，也能夠促進社會輿情事件的良性發(fā)展、維護社會安全。

學者針對網(wǎng)絡(luò)輿情監(jiān)測展開了大量研究。學者曾潤喜[4]以警源、警兆和警情3個因素為基礎(chǔ)通過層次分析法構(gòu)建網(wǎng)絡(luò)輿情監(jiān)測指標體系，并對影響指標體系的因素進行分析和排序，最終確定影響權(quán)重；聶峰英等[5]結(jié)合網(wǎng)絡(luò)輿情生命周期理論劃分移動環(huán)境下社交網(wǎng)絡(luò)的輿情等級，基于等級分類分析移動環(huán)境下社交網(wǎng)絡(luò)的生命周期；蘭月新等[6]通過預(yù)測輿情生命周期中潛伏期的高潮問題、擴散期的負面信息監(jiān)測問題以及消退期的衍生輿情監(jiān)測問題構(gòu)建了突發(fā)事件網(wǎng)絡(luò)輿情信息傳播模型；杜智濤等[7]運用灰色預(yù)測方法和模式識別方法建立網(wǎng)絡(luò)輿情預(yù)測模型，提出網(wǎng)絡(luò)輿情預(yù)測與預(yù)警系統(tǒng)建設(shè)的整體架構(gòu)；張一文等[8]提出基于貝葉斯的網(wǎng)絡(luò)輿情監(jiān)測模型并通過對關(guān)鍵指標數(shù)據(jù)進行仿真和學習，建立網(wǎng)絡(luò)輿情態(tài)勢評估模型，從而對網(wǎng)絡(luò)輿情態(tài)勢進行有效評估和預(yù)測。從學者對網(wǎng)絡(luò)輿情監(jiān)測的研究成果來看，其研究主題主要集中在網(wǎng)絡(luò)輿情生命周期分析、監(jiān)測級別劃分、預(yù)警監(jiān)測、輿情演變預(yù)警、監(jiān)測態(tài)勢評估等，但針對新媒體環(huán)境下的網(wǎng)絡(luò)輿情監(jiān)測研究較少。

基于此，本文試圖解決以下3個方面的問題：1）如何基于信息熵和層次分析法建立新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測模型；2）如何基于新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測模型通過模糊綜合實驗得到輿情監(jiān)測結(jié)果；3）如何基于具體輿情話題進行輿情監(jiān)測分析并幫助輿情管理者進行引導和管理。針對上述研究問題，本文構(gòu)建新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標體系，基于層次分析法和信息熵理論確定指標權(quán)重，選擇新浪微博熱點話題“鴻茅藥酒”事件作為數(shù)據(jù)源進行樣本采集和數(shù)據(jù)分析，通過模糊綜合統(tǒng)計實驗設(shè)定網(wǎng)絡(luò)輿情監(jiān)測等級并對監(jiān)測結(jié)果進行評估，最后提出輿情監(jiān)測機制并對政府及輿情管理者提出管理建議。本文的研究在理論層面對新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測研究提供新的理論研究視角，推動理論模型構(gòu)建方法研究；在實踐層面上能夠幫助政府及相關(guān)輿情監(jiān)管機構(gòu)對如何管控輿情信息傳播、防止不良信息擴散，營造良好的網(wǎng)絡(luò)環(huán)境具有重要意義。

2018年9月第38卷第9期現(xiàn)代情報Journal of Modern InformationSep.，2018Vol38No92018年9月第38卷第9期基于信息熵的新媒體環(huán)境下負面網(wǎng)絡(luò)輿情監(jiān)測指標體系研究Sep.，2018Vol38No91相關(guān)理論

11網(wǎng)絡(luò)輿情監(jiān)測

網(wǎng)絡(luò)輿情是指在某個特定的社會空間里，網(wǎng)絡(luò)群眾針對社會中一些現(xiàn)象和問題表達自己的態(tài)度、意見和情感，是群眾在網(wǎng)絡(luò)平臺上表達意愿和情緒的集合[9]。包括網(wǎng)絡(luò)謠言、網(wǎng)絡(luò)暴力、信息生產(chǎn)與消費不對稱現(xiàn)象、技術(shù)風險以及信息規(guī)范缺失等，是網(wǎng)絡(luò)輿情主體信息互換時的非正常狀態(tài)，需要輿情管理者關(guān)注。輿情信息對于輿情主體的消極傳遞與積極傳遞之間的非平衡狀態(tài)，極易引發(fā)網(wǎng)絡(luò)謠言和網(wǎng)民情緒化，強社會關(guān)系、私密性、趨同性等，更加強化了網(wǎng)絡(luò)謠言、網(wǎng)絡(luò)語言暴力等負向信息傳播的影響力和滲透力。

網(wǎng)絡(luò)輿情監(jiān)測指針對網(wǎng)絡(luò)輿情信息傳播過程和結(jié)果進行監(jiān)控、處理和有效控制。負面信息是政府和輿情管理者監(jiān)測的重點，而這些負面信息主要由網(wǎng)民態(tài)度決定，即如果網(wǎng)民態(tài)度主要呈現(xiàn)消極情緒或言論偏激，則該輿情事件亟需輿情管控者及時對信息量和傳播范圍進行有效控制[10]。

12信息熵

1948年香農(nóng)[11]首先提出信息熵的概念，即將信息量化，解決信息的度量問題。一個信源發(fā)生的信息類別能夠根據(jù)該信息出現(xiàn)的概率來衡量。假設(shè)不確定性函數(shù)f是概率P的單調(diào)遞減函數(shù)，那么兩個獨立信源產(chǎn)生的信息應(yīng)為其和，即f（p1，p2）=f（p1）+f（p2），則f是對數(shù)函數(shù)，表示為：f（P）=log1p=-logp。信息熵通過定義信息源的不確定性，針對隨機變量xi的變化描述信息含量的多少，其表達式為：

f（X）=f（-logpxi）=-∑ni=1p（xi）logp（xi）（1）

0≤pi≤1，i=（1，2，…，n）

xi表示隨機變量，pi代表所有輸出結(jié)果的集合（即概率函數(shù)）。假設(shè)不確定函數(shù)f是概率p的單調(diào)遞減函數(shù)，則n個獨立的不確定事件的發(fā)生概率應(yīng)為其和。

13基于信息熵的新媒體負面網(wǎng)絡(luò)輿情監(jiān)測問題的提出基于信息熵的新媒體環(huán)境下負面網(wǎng)絡(luò)輿情監(jiān)測是基于信息熵理論確定評價指標體系的熵值進而計算指標權(quán)重。信息熵是評價信息的不確定性，如果某評價指標的熵值越大，說明該評價指標在綜合評價中所起的作用越小，權(quán)重越低；反之如果某評價指標的熵值越小，則該評價指標所起的作用越大，權(quán)重越高。由于新媒體環(huán)境下網(wǎng)絡(luò)輿情具有的突發(fā)性和不穩(wěn)定性使網(wǎng)絡(luò)輿情在不同時刻的傳播速度、傳播范圍、傳播深度并不相同，因此實時關(guān)注輿情信息傳播情況才能及時采取一定措施對輿情傳播進行有效控制。針對新媒體環(huán)境下網(wǎng)絡(luò)輿情在其產(chǎn)生、發(fā)展、蔓延和消散過程中，可能因為政府或輿情管理者的管理不當導致負面網(wǎng)絡(luò)輿情信息被放大，甚至產(chǎn)生其他不良衍生事件和網(wǎng)民應(yīng)激行為。部分負面網(wǎng)絡(luò)輿情可能與官員執(zhí)法犯法、貪污腐敗等因素相關(guān)，降低民眾對政府的滿意度，導致政府公信力降低。因此，對新媒體環(huán)境下負面網(wǎng)絡(luò)輿情進行監(jiān)測能夠幫助政府及相關(guān)輿情管理者及時采取針對性措施監(jiān)測和引導網(wǎng)絡(luò)輿情的良性發(fā)展。

2研究方法

21評價指標體系構(gòu)建的理論依據(jù)

對網(wǎng)絡(luò)輿情預(yù)警指標評價體系的研究較多，但通常存在指標體系中指標重復(fù)或相近（如輿情態(tài)勢傾向度、輿情態(tài)勢發(fā)展度）、二級指標過于抽象較難測度（如事件危害度、網(wǎng)民分歧度等）、同層級指標重要程度不一致（如網(wǎng)絡(luò)輿情傳播指標、網(wǎng)絡(luò)輿情受眾情感指標）。這些因素都可能導致評價結(jié)果產(chǎn)生偏差。因此，本文結(jié)合信息熵和層次分析法建立評價指標體系，從新媒體環(huán)境下網(wǎng)絡(luò)輿情傳播特征角度出發(fā)，盡量克服上述問題建立負面網(wǎng)絡(luò)輿情監(jiān)測指標體系。

22評價體系

本文的階梯層次結(jié)構(gòu)分為目標層、一級指標和二級指標。根據(jù)學者針對輿情的演化特征設(shè)計的不同指標體系以及網(wǎng)絡(luò)輿情信息傳播特征和規(guī)律變化，本文認為，由于影響網(wǎng)絡(luò)輿情的因素較多，因此無法確定所有對其變化產(chǎn)生影響的因素，因此選取在網(wǎng)絡(luò)輿情信息傳播過程中影響力較大的指標作為網(wǎng)絡(luò)輿情監(jiān)測評估指標體系中的一級指標如下：①輿情熱度，即從輿情信息傳播的基本信息量角度衡量網(wǎng)絡(luò)輿情信息傳播強度（包括原創(chuàng)信息量、轉(zhuǎn)發(fā)量、評論量、點贊數(shù)）；②輿情關(guān)注度，即從輿情信息被輿情主體關(guān)注程度計算輿情從產(chǎn)生到消亡的被關(guān)注熱度（包括點擊量、搜索量、主題詞數(shù)、輿情持續(xù)時間）；③網(wǎng)民情感，即從網(wǎng)民的情緒態(tài)度上考察輿情主體情感傾向和輿情發(fā)展方向（包括網(wǎng)民活躍度、正向情感詞量、負向情感詞量、中性情感詞量）；④輿情影響力，即從輿情傳播的深度及廣度衡量輿情信息對輿情主體的影響程度（包括省市區(qū)域分布、關(guān)鍵詞覆蓋度、意見領(lǐng)袖數(shù)量、熱點新聞報道比率）；⑤輿情敏感度，即從輿情信息的持續(xù)傳播角度表示輿情信息的敏感度（包括原創(chuàng)信息量增長率、轉(zhuǎn)發(fā)量增長率、評論量增長率以及搜索量增長率）。

23層次分析法確定權(quán)重

本文采用層次分析法，根據(jù)AHP1～9的比例標度理論將不同級指標的重要程度兩兩比較以得到量化的判斷矩陣[12]，其標度如表2。確定各指標因素后，采用調(diào)查問卷法對所有影響指標因素進行兩兩比較評分，確定各指標的重要程度。

針對新媒體環(huán)境下網(wǎng)絡(luò)輿情話題傳播特征，比較各指標間的重要性，本文設(shè)計了調(diào)查問卷。將輿情指標重要程度按照非常重要（4分）、比較重要（3分）、重要（2分）、比較不重要（1分）、非常不重要（0分）進行打分，按照問卷中相同指標的得分加權(quán)值計算每個指標的最后得

24熵權(quán)法確定權(quán)重

信息熵是評價信息的不確定性，如果某評價指標的熵值越大，說明該評價指標在綜合評價中所起的作用越小，權(quán)重越低；反之如果某評價指標的熵值越小，則該評價指標所起的作用越大，權(quán)重越高[14]。設(shè)有p個待評對象，針對q個評價指標的取值，這些待評對象的各個指標值構(gòu)成一個p×q的判斷矩陣X如公式（2）。由于不同列的數(shù)據(jù)單位不同，因此按照Tij=Kij＼∑pi=1xij進行無量綱化處理，得到公式（3）。

K=k11…k1q

kp1…kpq（2）

T=t11…t1q

tp1…tpq（3）

第j個指標的熵值為：

Ej=-1lnp∑ni=1tijln（tij）（4）

第j個指標的差異系數(shù)為：

Hj=1-Ej（5）

歸一化處理各指標的權(quán)重計算指標的權(quán)數(shù)：

M（t）j=Hj∑nj=1Hj， j=1，2，…，m（6）

25輿情指標綜合評價

根據(jù)由信息熵和層次分析法確定的新媒體環(huán)境下網(wǎng)絡(luò)輿情信息傳播評價指標結(jié)果，設(shè)定集合為{K1，K2，…，Kn}，且由層次分析法確定的指標權(quán)重為{M（e）1，M（e）2，…，M（e）n}，由信息熵確定的指標權(quán)重為{M（t）1，M（t）2，…，M（t）n}，則這n個指標的最終綜合權(quán)重表達式為：

Mi=M（e）iM（t）i∑nj=1M（e）iM（t）i； i=1，2，…，n（7）

26指標隸屬度計算

通過定性新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標，采用專家評分法計算輿情指標隸屬度定義輿情監(jiān)測等級，并對等級結(jié)果進行歸一化處理。設(shè)二級指標Ci∈[0，1]，i=1，2，3，4歸一化輿情熱度；Ci∈[0，1]，i=5，6，7，8為歸一化輿情關(guān)注度；Ci∈[0，1]，i=9，10，11，12為歸一化網(wǎng)民情感；Ci∈[0，1]，i=13，14，15為歸一化輿情影響力；Ci∈[0，1]，i=16，17，18，19為歸一化輿情敏感度。模糊子集K1={一般重要}與K2={比較重要}的隸屬度函數(shù)如下公式（8）和公式（9），δKi（i=5，6，…，19）計算方法同理。δK1（c1，c2，c3，c4）=14exp-C2122+exp-C22122+exp-C2322+exp-C2422（8）δK2（c1，c2，c3，c4）=14exp-（1-C1）222+exp-（1-C21）222+exp-（1-C3）222+exp-（1-C4）222（9）

3數(shù)據(jù)采集

31數(shù)據(jù)源選擇

新浪微博具有強大的信息分類和數(shù)據(jù)處理功能，其海量信息資源為網(wǎng)絡(luò)輿情信息傳播提供了便捷的網(wǎng)絡(luò)平臺，滿足了多元化新媒體用戶快速登陸、分享信息的需求[15]。利用新浪微博終端即時接受和傳播輿情信息是當前新媒體環(huán)境下網(wǎng)絡(luò)用戶交流和分享的重要渠道。2017年微博財報數(shù)據(jù)顯示[16]，截至2017年9月，微博月活躍用戶共376億，與2016年同期相比增長27%，其中移動端占比達92%；日活躍用戶達到165億，較去年同期增長25%。

輿情事件的熱度指數(shù)反映了輿論關(guān)注的聚焦程度與輿論壓力情況，主要與事件相關(guān)媒體報道量、網(wǎng)民討論量、平臺傳播廣度等要素有關(guān)。根據(jù)2017年中國互聯(lián)網(wǎng)輿論分析報告[17]中的輿情熱度和輿情壓力等指標，本文選擇“紅黃藍”幼兒園虐童事件、武漢大學跳樓案、“41”瀘縣事件、“藍色錢江”保姆縱火案、“鴻茅藥酒”事件、江歌案和孕婦絆倒男童案七條熱門負面輿情話題作為數(shù)據(jù)源進行數(shù)據(jù)獲取及處理，并進行新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測機制分析。根據(jù)百度指數(shù)，“鴻茅藥酒”事件輿情話題整體日均值搜索指數(shù)為9615，整體同比上漲329%，其搜索指數(shù)如圖1。限于篇幅，本文僅以“鴻茅藥酒”事件案件為例計算各指標數(shù)據(jù)進行統(tǒng)計整理得到實證數(shù)據(jù)進行討論分析并展開具體分析過程，其他微博熱點話題只顯示最終監(jiān)測結(jié)果并提出管理建議。

32數(shù)據(jù)獲取及處理

在數(shù)據(jù)獲取階段，本文選擇每條熱門輿情話題從突發(fā)、蔓延到消退時期的輿情相關(guān)信息（包括原創(chuàng)微博數(shù)量、轉(zhuǎn)發(fā)、評論、點贊、點擊量、搜索量、主題詞數(shù)等信息）。本圖1“鴻茅藥酒”事件百度搜索指數(shù)圖

文通過網(wǎng)絡(luò)爬蟲獲取新浪微博熱點話題“鴻茅藥酒”事件的數(shù)據(jù)過程如下：①在新浪微博搜索欄輸入“鴻茅藥酒”以獲得所有原創(chuàng)、轉(zhuǎn)發(fā)、評論、點贊等相關(guān)信息[18]；②得到信息對應(yīng)網(wǎng)址，形成相應(yīng)地址庫；③遞歸獲取所有網(wǎng)址并將相關(guān)字段的信息保存到Access數(shù)據(jù)庫。

本文在數(shù)據(jù)處理過程中，使用Excel和Access數(shù)據(jù)庫處理數(shù)據(jù)。首先將數(shù)據(jù)字段規(guī)范化處理，將內(nèi)容中含有超文本字符和表情符等無效字段進行數(shù)據(jù)清洗；然后對采集到的原始數(shù)據(jù)經(jīng)過人工處理篩選，包括刪除重復(fù)性文本、刪除不可識別符號、刪除無用詞語等；將時間規(guī)范為“*年*月*日”格式；通過中文分詞工具“盤古分詞”將信息內(nèi)容拆分并形成最終精簡數(shù)據(jù)庫；對采集到的文本根據(jù)“情感分析用詞語集（Beta版）”進行正向、負向和中性情感詞量計算；最后在Excel中根據(jù)評論轉(zhuǎn)發(fā)搜索量變化計算原創(chuàng)信息量增長率、轉(zhuǎn)發(fā)量增長率、評論量增長率以及搜索量增長率。根據(jù)本文構(gòu)建的新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標體系中的二級指標因素進行數(shù)據(jù)統(tǒng)計分析，得到原始數(shù)據(jù)如表4所示。

4討論與分析

41模糊綜合統(tǒng)計實驗

設(shè)置新媒體環(huán)境下網(wǎng)絡(luò)輿情信息傳播影響指標等級評分為0～10分，且評分為整數(shù)段。指標的評分值越高代表該指標因素對網(wǎng)絡(luò)輿情監(jiān)測內(nèi)容的影響力越高。將各指標屬性值做歸一化處理，得到第i個指標下的第j個評價等級指標值比重。根據(jù)新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標計算公式得到各指標標準化結(jié)果，其中一級指標的權(quán)重為[022，024，018，017，019]，二級指標的權(quán)重分別為M1=[028，031，027，014]；M2=[021，019，032，28]；M3=[016，027，029，28]；M4=[032，026，023，019]；M5=[024，028，022，026]。

對一級指標因素集{B1，B2，B3，B4，B5}分別作模糊綜合評價。設(shè)V={v1，v2，v3，v4，v5}為網(wǎng)絡(luò)輿情監(jiān)測評價集，Bi中個指標對于V的權(quán)重分配為Mi=[mi1，mi2，…，min]，得到一級指標評判向量為：=Mi*i=[bi1，bi2，…，bin]，i=1，2，…，k，則：

B1=M1*T1=[0254，0108，0125，0364]

B2=M2*T2=[0147，0216，0469，0325]

B3=M3*T3=[0317，0058，0434，0204]

B4=M4*T4=[0208，0497，0057，0146]

B5=M5*T5=[0412，0258，0027，0359]

=M*T=[022，024，018，017，019]*0254010801250364

0147021604690325

0317005804340204

0208049700570146

0412025800270359=[02619，02196，02330，02878]

將二級模糊綜合評判結(jié)果與指標模糊隸屬度評價級別的乘積作為網(wǎng)絡(luò)輿情隸屬度監(jiān)測值，即Z=*δT，判斷級別隸屬度為01、075、05、025，分別為極、大、中、小。從而實現(xiàn)網(wǎng)絡(luò)輿情監(jiān)測評估的模糊隸屬度監(jiān)測數(shù)值，后續(xù)再根據(jù)監(jiān)測類別實現(xiàn)對網(wǎng)絡(luò)輿情隸屬度監(jiān)測值的進一步評估分析。

Z=*δT=[02619，02196，02330，02878]*1

075

05

025=06150

42網(wǎng)絡(luò)輿情監(jiān)測等級設(shè)定

將20個新媒體環(huán)境下網(wǎng)絡(luò)輿情二級態(tài)勢指標轉(zhuǎn)換為在區(qū)間[0，1]的度量方法，分別為K1，K2，K3，…，K19。依據(jù)專家隸屬度模糊評價分析，把新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測評定要素分為輿情熱度、輿情關(guān)注度、輿情網(wǎng)民情感、輿情影響力和輿情敏感度得出每個一級指標的隸屬度。根據(jù)模糊綜合統(tǒng)計實驗結(jié)果確定新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測等級，如表5所示。輿情監(jiān)測影響力級別分為5個等級，重要程度由低到高分別對應(yīng)灰色監(jiān)測、藍色監(jiān)測、黃色監(jiān)測、橙色監(jiān)測和紅色監(jiān)測。屬于灰色監(jiān)測的輿情話題重要程度最低，屬于紅色監(jiān)測的輿情話題重要程度最高。在進行新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測及控制過程中要綜合考慮輿情熱度、輿情關(guān)注度、網(wǎng)民情感、輿情影響力、輿情敏感度5個因素進行網(wǎng)絡(luò)輿情隸屬度監(jiān)測值計算并進行風險評估，對于橙色和紅色監(jiān)測提高警惕。

新浪微博熱門話題“鴻茅藥酒”事件網(wǎng)絡(luò)輿情隸屬度監(jiān)測值結(jié)果為06150，屬于橙色監(jiān)測。由于該事件從突發(fā)到迅速蔓延時間極短，產(chǎn)生大量輿情信息，網(wǎng)民情感傾向性偏負面，信息量增長率較高，引發(fā)其他輿情衍生話題如食品安全、消費者權(quán)益等進行二次傳播，需要輿情管理者對此及時采取合理措施應(yīng)對，并對該話題進展進行實時監(jiān)測。

43監(jiān)測結(jié)果評估

新媒體環(huán)境下網(wǎng)絡(luò)輿情事件指標體系監(jiān)測值結(jié)果和其對應(yīng)輿情影響力級別、監(jiān)測等級關(guān)系如表6所示。表5網(wǎng)絡(luò)輿情指標體系檢測值對應(yīng)監(jiān)測等級

指標體系監(jiān)測值輿情影響力級別輿情監(jiān)測等級[0，019]Ⅰ灰色監(jiān)測[02，039]Ⅱ藍色監(jiān)測[04，059]Ⅲ黃色監(jiān)測[06，079]Ⅳ橙色監(jiān)測[08，1]Ⅴ紅色監(jiān)測

力級別監(jiān)測等級“紅黃藍”幼兒園虐童事件087Ⅴ紅色監(jiān)測武漢大學跳樓案076Ⅳ橙色監(jiān)測“41”瀘縣事件035Ⅱ藍色監(jiān)測“藍色錢江”保姆縱火案072Ⅳ橙色監(jiān)測江歌案085Ⅴ紅色監(jiān)測孕婦絆倒男童案043Ⅲ黃色監(jiān)測

新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測研究需要綜合評估指標體系監(jiān)測值、輿情影響力級別和監(jiān)測等級3個維度來對監(jiān)測提供風險決策建議。在表5中6項負面輿情事件中，“紅黃藍”幼兒園虐童事件和“江歌案”的指標體系監(jiān)測值相對最高，分別為087和085，主要體現(xiàn)在輿情熱度高，輿情關(guān)注度和輿情影響力相對較高，而用戶情感詞中負向情感數(shù)量遠高于正向和中性情感詞量，出現(xiàn)的意見領(lǐng)袖數(shù)量較多，由線上引發(fā)線下輿情危機的可能性較大。針對這類Ⅴ級輿情事件使用紅色監(jiān)測，需要輿情管理者對事件發(fā)展持續(xù)監(jiān)測，及時播報事態(tài)處理進展。負面輿情事件“武漢大學跳樓案”和“藍色錢江保姆縱火案”的輿情體系監(jiān)測值分別為076和072，影響力級別都為Ⅳ，監(jiān)測等級為橙色監(jiān)測。這兩項負面輿情事件的輿情熱度和輿情關(guān)注度相當?shù)浨槊舾卸炔桓?，輿情事件持續(xù)事件不長，但網(wǎng)民情感相對偏激。對這類橙色監(jiān)測的輿情事件應(yīng)采取實時關(guān)注輿情進展，根據(jù)輿情發(fā)展趨勢和網(wǎng)民情感傾向做好監(jiān)測和引導工作。“41瀘縣事件”和“孕婦絆倒男童案”的負面輿情監(jiān)測值分別為035（Ⅱ級）和043（Ⅲ級），輿情指標綜合得分較低，為藍色監(jiān)測和黃色監(jiān)測。這兩項負面輿情事件的輿情熱度和關(guān)注度都較低且持續(xù)事件短，對網(wǎng)絡(luò)平臺和社會大眾造成的危機較小，僅需輿情管理者適當監(jiān)測輿情發(fā)展和走勢。

對比發(fā)現(xiàn)本文選取的微博輿情熱點話題隸屬度監(jiān)測值結(jié)果與現(xiàn)實中這些輿情事件的傳播特征和發(fā)展規(guī)律較一致，因此本文設(shè)計的新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標較能夠客觀反映網(wǎng)絡(luò)輿情事件的發(fā)展狀態(tài)。基于信息熵和層次分析法得到的指標權(quán)重進行模糊綜合評價分析，能夠正確預(yù)測網(wǎng)絡(luò)輿情危機事件的爆發(fā)和擴散，并針對這些事件幫助輿情管理者進行有效監(jiān)測和預(yù)防。另一方面也能夠為新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測研究提供一個系統(tǒng)的理論視角，提高政府對輿情的實時監(jiān)控能力和管理能力。

5結(jié)論

本文在理論層面，將網(wǎng)絡(luò)輿情信息傳播影響因素分為輿情熱度、輿情關(guān)注度、網(wǎng)民情感、輿情影響力和輿情敏感度5個一級指標并設(shè)定下達的20指標，構(gòu)建比較判斷矩陣確定指標權(quán)重。本文構(gòu)建新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標體系，基于層次分析法和信息熵理論確定指標權(quán)重，選擇新浪微博熱點話題“鴻茅藥酒”事件作為數(shù)據(jù)源進行樣本采集和數(shù)據(jù)分析，通過模糊綜合統(tǒng)計實驗設(shè)定網(wǎng)絡(luò)輿情監(jiān)測等級并對監(jiān)測結(jié)果進行評估，最后提出輿情監(jiān)測機制和監(jiān)測態(tài)勢預(yù)測方法，為分析新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測研究提供了新的理論研究視角。本文在實踐層面，通過網(wǎng)絡(luò)爬蟲獲取新浪微博數(shù)據(jù)，采用實證分析法對新浪微博熱點話題“鴻茅藥酒”進行數(shù)據(jù)分析，運用模糊綜合評價法進行模糊綜合統(tǒng)計實驗，量化輿情指標項并對六項負面網(wǎng)絡(luò)輿情事件的監(jiān)測結(jié)果進行評估，提出輿情管理建議。數(shù)據(jù)結(jié)果表明，新媒體環(huán)境下網(wǎng)絡(luò)輿情熱點話題“鴻茅藥酒”事件的影響力級別為Ⅳ級，顯示為橙色監(jiān)測，需輿情管理者及時監(jiān)測輿情發(fā)展和走勢。根據(jù)新媒體環(huán)境下網(wǎng)絡(luò)輿情信息傳播數(shù)據(jù)與相應(yīng)指標項對應(yīng)權(quán)重乘積能夠得到該輿情事件的最終監(jiān)測值，對照監(jiān)測級別可以幫助政府及相關(guān)輿情管理者及時采取針對性措施監(jiān)測和引導網(wǎng)絡(luò)輿情的良性發(fā)展，保障社會安全。

在研究過程中本文僅以新浪微博平臺作為數(shù)據(jù)源分析新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測級別，可能導致數(shù)據(jù)分析的結(jié)果存在局限性。本文在后續(xù)研究中將選取更多新媒體平臺如博客、貼吧、論壇等進行數(shù)據(jù)的獲取以驗證模型可行性，并擴充樣本數(shù)量進行新媒體環(huán)境下的網(wǎng)絡(luò)輿情監(jiān)測研究。

參考文獻

[1]DTouin M，OConnoT K W，Schmidt G B，et al.Facebook Fited：Legal Petspectives and Young Adults Opinions on the Use of Social Media in Hiting and Fiting Decisions[J].ComputeTs in Human BehavioT，2015，46：123-128.

[2]王晰巍，邢云菲，張柳，等.社交媒體環(huán)境下的網(wǎng)絡(luò)輿情國內(nèi)外發(fā)展動態(tài)及趨勢研究[J].情報資料工作，2017，（4）：6-14.

[3]王青，成穎，巢乃鵬.網(wǎng)絡(luò)輿情監(jiān)測及監(jiān)測指標體系研究綜述[J].情報科學，2011，（7）：1104-1108.

[4]曾潤喜.網(wǎng)絡(luò)輿情突發(fā)事件監(jiān)測指標體系構(gòu)建[J].情報理論與實踐，2010，33（1）：77-80.

[5]聶峰英，張旸.移動社交網(wǎng)絡(luò)輿情監(jiān)測指標體系構(gòu)建[J].情報理論與實踐，2015，38（12）：64-67.

[6]蘭月新；曾潤喜.突發(fā)事件網(wǎng)絡(luò)輿情傳播規(guī)律與監(jiān)測階段研究[J].情報雜志.2013，32（5）：16-19.

[7]杜智濤，謝新洲.利用灰色預(yù)測與模式識別方法構(gòu)建網(wǎng)絡(luò)輿情預(yù)測與監(jiān)測模型[J].圖書情報工作，2013，57（15）：27-33.

[8]張一文，齊佳音，方濱興.基于貝葉斯網(wǎng)絡(luò)建模的非常規(guī)危機事件網(wǎng)絡(luò)輿情監(jiān)測研究[J].圖書情報工作.2012，56（2）：76-81.

[9]王英，龔花萍.基于情感維度的大數(shù)據(jù)網(wǎng)絡(luò)輿情情感傾向性分析研究——以“南昌大學自主保潔”微博輿情事件為例[J].情報科學，2017，35（4）：37-42.

[10]夏一雪，蘭月新，李昊青，等.面向突發(fā)事件的微信輿情生態(tài)治理研究[J].現(xiàn)代情報，2017，37（5）：28-32.

[11]Shannon C E.A Mathematical Theoty of Communication[J].Bell System Technical JouTnal，1948，27：379-423.

[12]王鐵套，王國營，陳越.基于模糊綜合評價法的網(wǎng)絡(luò)輿情監(jiān)測模型[J].情報雜志，2012，31（6）：47-51.

[13]張艷豐，李賀，彭麗徽，等.基于語義隸屬度模糊推理的網(wǎng)絡(luò)輿情監(jiān)測監(jiān)測實證研究[J].情報理論與實踐，2017，40（9）：82-89.

[14]邢云菲，王晰巍，韓雪雯，等.基于信息熵的新媒體環(huán)境下網(wǎng)絡(luò)節(jié)點影響力研究——以微信公眾號為例[J].圖書情報工作，2018，62（5）：76-86.

[15]徐勇，張慧，陳亮.一種基于情感分析的 UGC 模糊綜合評價方法——以淘寶商品文本評論UGC為例[J].情報理論與實踐，2016，39（6）：64-69.

[16]Useit知識庫“新浪微博數(shù)據(jù)中心”《2017微博用戶發(fā)展報告》[EB/OL].http：//www.useit.com.cn/thTead-17562-1-1.html，2017-12-25.

[17]個人圖書館《2017年中國互聯(lián)網(wǎng)輿情研究報告》[EB/OL].http：//www.360doc.com/content/18/0105/16/29770038_719321 877.shtml，2018-01-05.

[18]王晰巍，邢云菲，王楠阿雪，等.新媒體環(huán)境下突發(fā)事件網(wǎng)絡(luò)輿情信息傳播及實證研究——以新浪微博“南海仲裁案”話題為例[J].情報理論與實踐.2017，40（9）：1-7.

（責任編輯：孫國雷）2018年9月第38卷第9期現(xiàn)代情報Journal of Modern InformationSep.，2018Vol38No92018年9月第38卷第9期新媒體視域下個體投資用戶的信息獲取行為研究Sep.，2018Vol38No9

收稿日期：2018-05-05