王茜儀，杜明坤，孫逸飛

(江蘇警官學(xué)院，江蘇 南京 210031)

0 引言

網(wǎng)絡(luò)輿情，有的專家認(rèn)為是民眾對(duì)管理者持有的政治態(tài)度，有的專家認(rèn)為是民眾對(duì)目前社會(huì)現(xiàn)象的看法和觀點(diǎn)的總和[1]。做好輿情管控有利于提高民眾的安全感和政府部門公信力[2]。隨著網(wǎng)絡(luò)的快速發(fā)展，網(wǎng)絡(luò)輿情傳播途徑越來越多，各種輿情指標(biāo)也層出不窮，指標(biāo)越多越會(huì)影響人民對(duì)輿情的分析和判斷。如今輿情管理已經(jīng)成為社會(huì)秩序管理不可忽視的一部分[3]。

1 基于PCA貝葉斯的網(wǎng)絡(luò)輿情研究

如今，隨著手機(jī)用戶，自媒體增多，網(wǎng)絡(luò)直播、各大視頻網(wǎng)站層出不窮，網(wǎng)絡(luò)輿情的指標(biāo)非常多，單一指標(biāo)已經(jīng)不能對(duì)輿沒情進(jìn)行判斷，如果選取多個(gè)指標(biāo)對(duì)輿情進(jìn)行判斷還要考慮指標(biāo)的權(quán)重問題，網(wǎng)絡(luò)輿情各指標(biāo)之間有一定的關(guān)聯(lián)，主成分分析指標(biāo)之間關(guān)聯(lián)性越大，效果越好。因此，用主成分分析方法(Principal Component Analysis，PCA)對(duì)網(wǎng)絡(luò)輿情各指標(biāo)進(jìn)行降維，提取權(quán)重較高的指標(biāo)，再用貝葉斯網(wǎng)絡(luò)模型進(jìn)行預(yù)測。

首先對(duì)已獲取數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。將數(shù)據(jù)N中心化，即使每個(gè)維度的數(shù)據(jù)數(shù)學(xué)期望為0，得到：

(1)

[coeff,score,latent,tsquare]=PCA(x)

(2)

COEFF是N矩陣所對(duì)應(yīng)的協(xié)方差陣V的所有特征向量組成的矩陣，即變換矩陣或稱投影矩陣，COEFF每列對(duì)應(yīng)一個(gè)特征值的特征向量，列的排列順序是按特征值的大小遞減排序。具體過程如下：

(3)

由T的特征方程可以求得n個(gè)非0特征根λi(i∈[1,m])，將這些特征根從大到小排列得到：λ1≥λ2≥……≥λm>0。

(1)latent貢獻(xiàn)率。

(2)score是對(duì)主分的打分，投影之后的數(shù)據(jù)，也就是說原X矩陣在主成分空間的表示。每一列表示一個(gè)主成分。

(3)latent'將列轉(zhuǎn)置為行。

(4)y=(100*latent/sum(latent))'計(jì)算每個(gè)主成分貢獻(xiàn)率(百分?jǐn)?shù)化)。

(5)B=X*coeff(:,1:r)選擇主成分對(duì)數(shù)據(jù)進(jìn)行還原(經(jīng)中心化處理，所以有負(fù)數(shù))。

通過保留方差最大、包含原始數(shù)據(jù)最多的幾個(gè)主成分來實(shí)現(xiàn)高精度降維來實(shí)現(xiàn)保留了原始數(shù)據(jù)絕大部分信息的同時(shí)精簡數(shù)據(jù)集，本文選擇累計(jì)貢獻(xiàn)率>85%以上的r(r

λj對(duì)應(yīng)的特征向量為Ej=(e1，e2，……，em)，(j=1，2，……，r)，以這些特征向量作列向量形成矩陣O=coeff(:,1:r)。

最終得到數(shù)據(jù)集B=O×X。最后用貝葉斯網(wǎng)絡(luò)算法對(duì)其進(jìn)行預(yù)測。

2 實(shí)驗(yàn)研究

2.1 網(wǎng)絡(luò)輿情數(shù)據(jù)采集與標(biāo)準(zhǔn)化處理

每個(gè)事件網(wǎng)絡(luò)輿情預(yù)測指標(biāo)體系選取百度搜索指數(shù)、資訊指數(shù)、媒體指數(shù)、熱門微博數(shù)及微博轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)、點(diǎn)贊數(shù)等7個(gè)指標(biāo)，將獲取的XX房事件、李XX事件、鮑XX事件等6件網(wǎng)絡(luò)輿情事件的數(shù)據(jù)信息分為兩部分，其中李XX事件作為預(yù)測數(shù)據(jù)，其余數(shù)據(jù)做網(wǎng)絡(luò)輿情預(yù)測的樣本數(shù)據(jù)。本文將李XX事件作為演示案例數(shù)據(jù)來源，通過爬蟲對(duì)每項(xiàng)指標(biāo)從2020年2月7日至2020年2月11日連續(xù)11天的信息采集。對(duì)已獲取數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，本文采用Min-max標(biāo)準(zhǔn)化方法，將原始數(shù)據(jù)通過相關(guān)公式映射在[0,1]區(qū)間內(nèi)。(標(biāo)準(zhǔn)化公式：[本數(shù)據(jù)-極小值/極大值-極小值])，標(biāo)準(zhǔn)化處理后數(shù)據(jù)如表1所示。

表1 標(biāo)準(zhǔn)化數(shù)據(jù)

2.2 降維

以每個(gè)指標(biāo)在不同時(shí)間片的數(shù)據(jù)作為主成分分析訓(xùn)練數(shù)據(jù)，這樣每個(gè)事件共有77個(gè)數(shù)據(jù)。用hij表示第i個(gè)指標(biāo)在第j天的數(shù)據(jù)，構(gòu)建出一個(gè)H=(hij)7*11的矩陣，對(duì)該矩陣進(jìn)行主成分分析，可以得到李XX事件主成分貢獻(xiàn)率依次為為57.23%，21.75%，14.71%，4.94%，1.16%，0.11%，0.07%，故本實(shí)驗(yàn)選取達(dá)到85%貢獻(xiàn)率的前3個(gè)主成分信息。通過信息計(jì)算得到：李XX事件前3個(gè)主成分分別能夠表達(dá)原始數(shù)據(jù)集93.17%，6.261%，0.367%的數(shù)據(jù)信息，即前3個(gè)主成分λ1，λ2和λ3可以解釋原始數(shù)據(jù)99.80%的信息量，因此，該數(shù)據(jù)集可以由8維降為3維。利用λ1，λ2和λ3的數(shù)據(jù)對(duì)網(wǎng)絡(luò)輿情進(jìn)行分析，能夠達(dá)到精簡數(shù)據(jù)集的目的。最終得到數(shù)據(jù)Z如表2所示。

表2 主成分?jǐn)?shù)據(jù)

2.3 建立貝葉斯網(wǎng)絡(luò)模型進(jìn)行預(yù)測

2.3.1 確定網(wǎng)絡(luò)結(jié)構(gòu)

本文使用Genie2.3軟件建立數(shù)據(jù)驅(qū)動(dòng)的基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情預(yù)測模型。采集數(shù)據(jù)指標(biāo)共11天，所以網(wǎng)絡(luò)結(jié)構(gòu)中建立共11步時(shí)間片。節(jié)點(diǎn)pca1，pca2和pca3即主成分?jǐn)?shù)據(jù)λ1，λ2和λ3，其中節(jié)點(diǎn)pca1，pca2和pca3是節(jié)點(diǎn)Risk的父節(jié)點(diǎn)，節(jié)點(diǎn)pca3是節(jié)點(diǎn)pca2的父節(jié)點(diǎn)，節(jié)點(diǎn)pca2是節(jié)點(diǎn)pca1的父節(jié)點(diǎn)，同時(shí)節(jié)點(diǎn)pca1、節(jié)點(diǎn)pca2、節(jié)點(diǎn)pca3以及節(jié)點(diǎn)Risk均是下一個(gè)時(shí)間片上本節(jié)點(diǎn)的父節(jié)點(diǎn)，父節(jié)點(diǎn)與子節(jié)點(diǎn)存在因果關(guān)系，需要進(jìn)行參數(shù)學(xué)習(xí)來得到先驗(yàn)概率，構(gòu)建貝葉斯網(wǎng)絡(luò)模型。

2.3.2 確定節(jié)點(diǎn)概率

本文選用5名專家意見對(duì)本事件11天期間內(nèi)的Risk節(jié)點(diǎn)進(jìn)行打分，Risk1代表輿情熱度降低，Risk2代表輿情熱度波動(dòng)較小，Risk3代表輿情熱度升高。

2.3.3 數(shù)據(jù)離散化

由于主成分?jǐn)?shù)據(jù)是連續(xù)值，而貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)算法和參數(shù)學(xué)習(xí)算法要求各變量的輸入數(shù)據(jù)是離散值。因此，在結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)之前，需要預(yù)先對(duì)連續(xù)取值的數(shù)據(jù)進(jìn)行離散化處理。

2.3.4 參數(shù)學(xué)習(xí)

建立動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型并確定其結(jié)構(gòu)后，需要進(jìn)行動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)，以獲取網(wǎng)絡(luò)中各節(jié)點(diǎn)隨時(shí)間的先驗(yàn)概率分布。首先，建立一個(gè)數(shù)據(jù)量為1 000的隨機(jī)數(shù)據(jù)集進(jìn)行參數(shù)學(xué)習(xí)，對(duì)先驗(yàn)概率進(jìn)行填充；然后，將XX房事件、鮑XX事件、XX連事件等5件輿情事件數(shù)據(jù)作為訓(xùn)練集，將訓(xùn)練集劃分為不同的時(shí)間片；最后，通過EM參數(shù)學(xué)習(xí)算法進(jìn)行參數(shù)學(xué)習(xí)。

2.3.5 進(jìn)行預(yù)測

參數(shù)學(xué)習(xí)確定貝葉斯網(wǎng)絡(luò)模型節(jié)點(diǎn)信息，將各節(jié)點(diǎn)的時(shí)序數(shù)據(jù)作為證據(jù)信息輸入到模型中進(jìn)行預(yù)測，預(yù)測該事件網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)狀態(tài)隨時(shí)間變化的概率。本實(shí)驗(yàn)將李XX事件作為預(yù)測數(shù)據(jù)，輸入前5天的主成分?jǐn)?shù)據(jù)基pca1，pca2和pca3，然后對(duì)網(wǎng)絡(luò)中各節(jié)點(diǎn)隨時(shí)間變化的后驗(yàn)概率進(jìn)行更新。

在當(dāng)前輸入的證據(jù)信息下，得到突發(fā)事件網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)節(jié)點(diǎn)的隨時(shí)間變化的概率預(yù)測結(jié)果。結(jié)果表明，在接下來的6天時(shí)間內(nèi)，網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)更大可能處于較小狀態(tài)(Risk1)，極小概率會(huì)達(dá)到較大(Risk2)或者重大(Risk3)的狀態(tài)。

根據(jù)預(yù)測結(jié)果繪制預(yù)測模型得到的輿情風(fēng)險(xiǎn)Risk1，Risk2和Risk3的概率值與輿情熱度趨勢實(shí)際值的對(duì)比圖，單純貝葉斯算法用Brisk表示，PCA-貝葉斯用ZRisk表示，預(yù)測結(jié)果對(duì)比如圖1—3所示。

圖1 Risk1預(yù)測結(jié)果對(duì)比

圖2 Risk2預(yù)測結(jié)果對(duì)比

圖3 Risk3預(yù)測結(jié)果對(duì)比

通過對(duì)比可得知，主成分分析貝葉斯算法要比單純使用貝葉斯算法對(duì)輿情進(jìn)行預(yù)測的準(zhǔn)確性更高，預(yù)測結(jié)果更接近實(shí)際情況。且在主成分分析算法進(jìn)行濾過之后，貝葉斯算法的工作量大幅度減小。在指標(biāo)數(shù)量巨大的時(shí)候效果尤為明顯。此方法可以為以后輿情方面的大數(shù)據(jù)工作提供幫助。目前，視頻網(wǎng)站發(fā)展迅猛，尤其是短視頻一直深受民眾歡迎。視頻中所表達(dá)出來關(guān)于民眾的意愿與觀點(diǎn)也尤為重要，希望該方法能夠在視頻輿情的研究中發(fā)揮作用。