朱光婷 潘曉琳

(重慶師范大學(xué) 數(shù)學(xué)科學(xué)學(xué)院， 重慶 401331)

網(wǎng)絡(luò)輿情是指在互聯(lián)網(wǎng)上流行的輿論，其中包含網(wǎng)民或公眾針對(duì)現(xiàn)實(shí)生活中的一些熱點(diǎn)問題、焦點(diǎn)問題、突發(fā)事件表達(dá)的意見、態(tài)度和情緒等等，它們?cè)谝欢〞r(shí)間段內(nèi)集聚匯總，便會(huì)對(duì)與這些問題或事件相關(guān)的當(dāng)事人造成輿論壓力，即形成網(wǎng)絡(luò)輿情危機(jī)。研究網(wǎng)絡(luò)輿情危機(jī)涉及相關(guān)的評(píng)價(jià)指標(biāo)體系，而有關(guān)指標(biāo)數(shù)據(jù)的屬性有兩種類型，即連續(xù)型和離散型。數(shù)據(jù)挖掘中對(duì)連續(xù)型數(shù)據(jù)進(jìn)行預(yù)處理，有關(guān)算法都比較復(fù)雜。本次研究，主要針對(duì)網(wǎng)絡(luò)輿情危機(jī)評(píng)價(jià)指標(biāo)體系探索一種簡(jiǎn)化指標(biāo)的方法?；舅悸肥牵菏紫?，對(duì)評(píng)價(jià)指標(biāo)按選取規(guī)則進(jìn)行初步選取，去除無(wú)法搜集或難以收集數(shù)據(jù)的指標(biāo)；然后，運(yùn)用布爾推理的高效實(shí)現(xiàn)算法將連續(xù)型數(shù)據(jù)離散化，為約簡(jiǎn)粗糙集提供高準(zhǔn)確率的信息表數(shù)據(jù)；最后，采用啟發(fā)式約簡(jiǎn)算法計(jì)算指標(biāo)屬性重要程度，進(jìn)而刪除冗余指標(biāo)。

1 關(guān)于算法

離散化問題主要是根據(jù)斷點(diǎn)把連續(xù)型數(shù)據(jù)的值域范圍切割成有限個(gè)區(qū)間，使每個(gè)區(qū)間的對(duì)象具有相同的類別，這是用一定閾值對(duì)數(shù)據(jù)進(jìn)行空間拆分的過程。

設(shè)決策表為T=(U，A，V)。其中，U為至少有1個(gè)元素的樣本集合；A=C∪D，為非空有限個(gè)條件屬性集與決策屬性集組成的集合；V=∪Va[1]。對(duì)于?a∈C，值域Va=[la，ra]。Pa為Va上的一個(gè)劃分：

Pa={[Ca0，Ca1)，[Ca1，Ca2)，…，[Cak，Cak+1)}

la=Ca0

Cai即為屬性a在值域Va上的一個(gè)斷點(diǎn)；Ca={Ca1，Ca2，…，Cak}，為Va的斷點(diǎn)集。每一個(gè)斷點(diǎn)集確定唯一的一個(gè)劃分。如果 |Pa|=1，表示沒有斷點(diǎn)，集合為空集。集合P={Pa|a∈C∪D}，稱為T的一個(gè)劃分。由P定義一個(gè)新決策表TP=(U，CP∪D，VP)，稱為T的P離散化。

離散化問題可轉(zhuǎn)化為由決策表求解最優(yōu)劃分的決策問題。按典型的基于粗糙集與布爾推理的離散化算法(RSBRA)，根據(jù)最大分辨能力找出的實(shí)際斷點(diǎn)組成的集合為原決策表的次優(yōu)斷點(diǎn)集。布爾推理離散化過程中是完全根據(jù)原始數(shù)據(jù)挖掘數(shù)據(jù)的信息，不會(huì)對(duì)數(shù)據(jù)造成破壞。布爾推理離散算法，直觀、簡(jiǎn)單、容易被人理解，但以此算法確定一個(gè)斷點(diǎn)，空間復(fù)雜度和時(shí)間復(fù)雜度都比較高。因此，需要采用高效的實(shí)現(xiàn)算法來(lái)降低計(jì)算的復(fù)雜度。

【定義1[2]】令決策表集L={U}，樣本子集X=L。將屬性a的數(shù)值排序，得到Va1

(3)

【定義2】對(duì)任意斷點(diǎn)Cai，a∈C，1≤i≤n，j=1，2，…，r；n為樣本子集的樣本數(shù)目。令

WX(Cai)=lX(Cai)·rX(Cai)-

(4)

布爾推理離散化的高效實(shí)現(xiàn)算法步驟如下。

第一步：對(duì)決策表中的數(shù)據(jù)按定義1進(jìn)行處理，求出候選斷點(diǎn)數(shù)，確定候選斷點(diǎn)集。

第二步：對(duì)?c∈C1，計(jì)算斷點(diǎn)Cai分辨的樣本對(duì)數(shù)，并根據(jù)其最大值選出實(shí)際斷點(diǎn)(記為Cmax)，加入集合P中，并從C1中剔除Cmax。

第三步：對(duì)于X∈L，如果Cmax將X分割成X1和X2，那么從L中去除X，將X1和X2添加到L中。

第四步：對(duì)?Xi∈L，若Xi中的樣本不屬于同一類，則回到第二步；若Xi中樣本屬于同一類，則選擇結(jié)束。由此可得出實(shí)際斷點(diǎn)集P，將原始數(shù)據(jù)離散化。

粗造集的主要思想是利用現(xiàn)有數(shù)據(jù)信息，將不完整、不確定的都近似得出，從而找出所有信息之間的關(guān)聯(lián)性，保證篩選的客觀性。決策表經(jīng)過處理后，最終得到的屬性約簡(jiǎn)集可能是多個(gè)的。我們希望求得個(gè)數(shù)最少的集合。有研究[3]表明，求取最優(yōu)約簡(jiǎn)的算法是不完備的，于是可退而求其次，尋找高效的近似約簡(jiǎn)算法或者快速的啟發(fā)式約簡(jiǎn)算法。我們采用啟發(fā)式約簡(jiǎn)算法，將可識(shí)別矩陣與可降低復(fù)雜度屬性的重要度相結(jié)合，進(jìn)行屬性約簡(jiǎn)。這種方法有利于處理屬性繁多且數(shù)據(jù)量大的數(shù)據(jù)集?？勺R(shí)別矩陣[4]是一個(gè)主對(duì)角線元素為0的對(duì)稱矩陣：

運(yùn)算過程[5]如下。

第一步：為了減少可識(shí)別矩陣計(jì)算量，對(duì)離散化決策信息表中的決策屬性的表達(dá)進(jìn)行簡(jiǎn)化。選取其中一個(gè)樣本的決策屬性為是(其余全為否)，則對(duì)應(yīng)該樣本的條件屬性全為是(其余條件屬性為否)。通過簡(jiǎn)化后的決策表，構(gòu)造出只有1行的可識(shí)別矩陣。

第二步：根據(jù)各屬性在可識(shí)別矩陣中的頻度和長(zhǎng)度，求出各條件屬性的重要度。頻度較大、長(zhǎng)度較小的條件屬性，其重要程度較大。具體方法是根據(jù)屬性在識(shí)別矩陣中的頻度和長(zhǎng)度，對(duì)條件屬性的重要性進(jìn)行加權(quán)處理[6]。

第三步：對(duì)求出的條件屬性重要度進(jìn)行排序，然后按照重要程度進(jìn)一步對(duì)數(shù)據(jù)進(jìn)行優(yōu)化處理，得到約簡(jiǎn)過程表。

第四步：按照約簡(jiǎn)規(guī)則進(jìn)行約簡(jiǎn)，得到最終的優(yōu)化指標(biāo)。約簡(jiǎn)規(guī)則為：若UInd(C-Ci)=UInd(D)，Ci為可約屬性；若UInd(C-Ci)≠UInd(D)，Ci為不可約屬性[7]。UInd(D)為由指標(biāo)集D導(dǎo)出的等價(jià)類。

2 實(shí)證分析

2.1 樣本及指標(biāo)初選

選取在2019年9月和10月發(fā)生的無(wú)錫高架橋坍塌、中通快遞雙十一漲價(jià)、波音延長(zhǎng)停飛計(jì)劃等10個(gè)近期影響程度不同的事件，將圍繞這些事件的輿情(熱點(diǎn)話題)記為X1至X10，作為評(píng)估對(duì)象。根據(jù)專家評(píng)價(jià)、百度指數(shù)和微博等傳播渠道與途徑，獲取輿情指標(biāo)數(shù)據(jù)[8]。指標(biāo)初選，既要考慮指標(biāo)對(duì)網(wǎng)絡(luò)輿情危機(jī)反映的全面性和準(zhǔn)確性，也要考慮指標(biāo)的實(shí)際意義。為便于收集指標(biāo)數(shù)據(jù)，主要選擇可量化和可操作的指標(biāo)，適當(dāng)選取主觀性指標(biāo)。參考相關(guān)文獻(xiàn)[9]，從網(wǎng)絡(luò)輿情的參與者、被傳播的話題及傳播途徑3個(gè)方面，初步選取指標(biāo)共計(jì)23個(gè)。

2.2 指標(biāo)的離散化

選擇常用的Z-score標(biāo)準(zhǔn)化方法，基于原始數(shù)據(jù)的均值和標(biāo)準(zhǔn)差對(duì)數(shù)據(jù)進(jìn)行處理。設(shè)：xij為事件i對(duì)j個(gè)指標(biāo)的值，yij為標(biāo)準(zhǔn)化后的指標(biāo)值，Xj為指標(biāo)j的數(shù)學(xué)期望，Sj為指標(biāo)j的標(biāo)準(zhǔn)差。則yij=(xij-Xj)Sj。標(biāo)準(zhǔn)化后，指標(biāo)值的區(qū)間為[-2.5，2.5]。然后，按布爾推理離散化的高效實(shí)現(xiàn)算法計(jì)算出23個(gè)指標(biāo)的離散化過程和信息表[10](見表1，未全部列出)。比如第23個(gè)指標(biāo)C23，離散規(guī)則為3個(gè)連續(xù)區(qū)間，分別是[，0.003 52)，[0.003 52，0.906 17)，[0.906 17，]；每個(gè)區(qū)間的對(duì)象具有相同的類別，以從小到大的整數(shù)0、1、2分別代表這些區(qū)間。

表1 指標(biāo)的離散規(guī)則和信息表

2.3 指標(biāo)集的約簡(jiǎn)

對(duì)23個(gè)初選指標(biāo)，按輿情主體、輿情媒體、輿情客體構(gòu)成3個(gè)決策表，利用可識(shí)別矩陣和屬性重要度進(jìn)行屬性約簡(jiǎn)，刪除冗余指標(biāo)。

以輿情主體為例，用U表示事件，X1至X10代表熱點(diǎn)話題，C16至C23分別表示觀點(diǎn)極化數(shù)、是否含偏激觀點(diǎn)、點(diǎn)贊瀏覽比、轉(zhuǎn)發(fā)瀏覽比、評(píng)論瀏覽比、輿情參與人正面情感比率、輿情參與人負(fù)面情感比率、情感傾向強(qiáng)度等8個(gè)指標(biāo)，d表示決策屬性。首先，對(duì)離散化決策表對(duì)決策屬性的表達(dá)進(jìn)行簡(jiǎn)化，形成指標(biāo)決策表(見表2)，其中用1表示是，用0表示否。X1為條件屬性和決策屬性全為肯定的肯定性樣本，基于指標(biāo)決策表，按照可識(shí)別矩陣的定義，求出的輿情主體指標(biāo)可識(shí)別矩陣如表3所示。

表2 輿情主體指標(biāo)決策表

表3 輿情X1主體指標(biāo)可識(shí)別矩陣

在決策表中，各個(gè)條件屬性帶來(lái)的影響的大小是有差異的，也就是說其重要程度[11]是不同的。因此，需探究哪些條件屬性去掉后影響較大，哪些去掉后影響較小，確定各條件屬性的重要程度。通過以上求出的輿情主體指標(biāo)的決策表和可識(shí)別矩陣，計(jì)算出的各條件屬性的重要度如下。

把條件屬性對(duì)應(yīng)的指標(biāo)按照重要度從小到大的順序依次加入約簡(jiǎn)指標(biāo)集合中，考察各指標(biāo)是否滿足約簡(jiǎn)規(guī)則，是否可約簡(jiǎn)。若不滿足，停止屬性約簡(jiǎn)，生成約簡(jiǎn)過程表(見表4)。

表4 輿情X1主體指標(biāo)的約簡(jiǎn)過程

把C17(是否含偏激觀點(diǎn))、C20(評(píng)論瀏覽比)和C21(輿情參與人正面情感比率)約簡(jiǎn)后，剩下的5個(gè)指標(biāo)即C16、C18、C19、C22和C23便構(gòu)成約簡(jiǎn)后的輿情主體指標(biāo)集合。以同樣的方式，可以得到輿情客體和輿情媒體的指標(biāo)約簡(jiǎn)集合，初選的23個(gè)指標(biāo)最后保留15個(gè)。最終建立的網(wǎng)絡(luò)輿情危機(jī)指標(biāo)體系如表5所示。

表5 約簡(jiǎn)后的網(wǎng)絡(luò)輿情危機(jī)指標(biāo)體系

使用KW檢驗(yàn)，對(duì)指標(biāo)做顯著性分析，顯著水平取0.05。利用SARA軟件，將保留下來(lái)的15個(gè)指標(biāo)進(jìn)行檢驗(yàn)，得檢驗(yàn)概率值為0.001 8，遠(yuǎn)小于0.05，表明保留下來(lái)的指標(biāo)相互間差異明顯。這也證明了算法的合理性，基于改進(jìn)的粗糙集算法，對(duì)網(wǎng)絡(luò)輿情危機(jī)評(píng)價(jià)指標(biāo)體系進(jìn)行約簡(jiǎn)優(yōu)化，具有可行性和有效性。

3 結(jié) 語(yǔ)

為解決網(wǎng)絡(luò)輿情危機(jī)評(píng)價(jià)指標(biāo)體系存在的冗余和不確定性問題，使用改進(jìn)的粗糙集算法對(duì)指標(biāo)進(jìn)行了約簡(jiǎn)處理。首先對(duì)連續(xù)屬性數(shù)據(jù)進(jìn)行離散化處理，采用布爾推理離散化的高效實(shí)現(xiàn)算法，降低確定一個(gè)斷點(diǎn)的空間復(fù)雜度和時(shí)間復(fù)雜度，然后依據(jù)可識(shí)別矩陣和屬性重要度進(jìn)行屬性約簡(jiǎn)，刪除冗余指標(biāo)。指標(biāo)初選階段，直接從原始數(shù)據(jù)中獲得真實(shí)、客觀的潛在信息，既考慮指標(biāo)的實(shí)際意義，又保證篩選的客觀性。KW檢驗(yàn)結(jié)果表明，通過約簡(jiǎn)后的網(wǎng)絡(luò)輿情危機(jī)評(píng)價(jià)指標(biāo)相互間差異明顯，說明算法是合理的。