袁國棟

摘?要：[目的/意義]采用當前方法分析網(wǎng)絡輿情危機演變特征時，無法明確網(wǎng)絡輿情傳播過程中演變特征影響因素之間的因果關系，導致分析結果的灰色關聯(lián)度低、小誤差概率小、均方差比大，因此研究了網(wǎng)絡輿情危機演變特征及其預警方案創(chuàng)新方法，采用系統(tǒng)動力學對網(wǎng)絡輿情危機演變變量和影響因素進行仿真和建模，獲取網(wǎng)絡輿情危機演變的主要影響因素，結合網(wǎng)絡輿情傳播熱度與各因素之間的因果關系分析網(wǎng)絡輿情傳播系統(tǒng)。[方法/過程]結合Verhulst模型和灰色理論模型構建灰色Verhulst預測模型，根據(jù)各影響因素之間存在的因果關系分析網(wǎng)絡輿情危機演變特征，根據(jù)分析結果提出構建信息匯集分析機制、預警機制、信息發(fā)布機制和引導機制的預警方案。[結果/結論]實驗結果表明，采用所提方法分析網(wǎng)絡輿情危機演變特征時，分析結果的灰色關聯(lián)度高、小誤差概率大、均方差比小。

關鍵詞：網(wǎng)絡輿情危機;演變特征;灰色Verhulst預測模型;預警方案

DOI：10.3969/j.issn.1008-0821.2021.07.016

〔中圖分類號〕G206?〔文獻標識碼〕A?〔文章編號〕1008-0821（2021）07-0154-06

Research?on?the?Evolution?Characteristics?of?Internet?Public

Opinion?Crisis?and?Its?Early?Warning?Scheme

Yuan?Guodong

（Party?School?of?Chongqing?Committee，Chongqing?400041，China）

Abstract：[Purpose/Significance]When?the?current?method?is?used?to?analyze?the?evolution?characteristics?of?network?public?opinion?crisis，the?causal?relationship?between?the?influencing?factors?of?the?evolution?characteristics?in?the?process?of?network?public?opinion?dissemination?can?not?be?clarified，which?leads?to?the?low?grey?correlation?degree，small?error?probability?and?large?mean?square?deviation?ratio?of?the?analysis?results.Therefore，the?evolution?characteristics?of?network?public?opinion?crisis?and?the?innovation?method?of?early?warning?scheme?are?studied，and?the?system?dynamics?is?used?to?analyze?the?network?public?opinion?crisis?the?evolution?variables?and?influencing?factors?are?simulated?and?modeled?to?obtain?the?main?influencing?factors?of?the?evolution?of?network?public?opinion?crisis.Combined?with?the?causal?relationship?between?the?popularity?of?network?public?opinion?and?various?factors，the?network?public?opinion?communication?system?is?analyzed.[Method/Process]Combined?with?Verhulst?model?and?grey?theory?model，the?grey?Verhulst?prediction?model?is?constructed.According?to?the?causal?relationship?between?the?influencing?factors，the?evolution?characteristics?of?network?public?opinion?crisis?are?analyzed.According?to?the?analysis?results，the?early?warning?scheme?of?information?collection?analysis?mechanism，early?warning?mechanism，information?release?mechanism?and?guidance?mechanism?is?proposed.[Result/Conclusion]The?experimental?results?show?that，when?the?proposed?method?is?used?to?analyze?the?evolution?characteristics?of?network?public?opinion?crisis，the?grey?correlation?degree?is?high，the?small?error?probability?is?large，and?the?mean?square?deviation?ratio?is?small.

Key?words：internet?public?opinion?crisis;evolution?characteristics;grey?Verhulst?prediction?model;early?warning?plan

我國經(jīng)濟結構在社會轉型期間發(fā)生了較大變化，使得社會生活逐步趨向多元化和復雜化[1]。在此期間一些矛盾逐漸暴露在社會大眾面前，在表達渠道多樣化的情況下，開始在網(wǎng)絡平臺中反映各種社會問題。分析代表性較強的公共事件可知，民意表達空間隨著社會的進步不斷擴展，群體性事件的出現(xiàn)往往會促進網(wǎng)絡輿情的演變，已經(jīng)成為一種比較突出的社會問題，部分不良事件對構建社會主義和諧社會產生了不利影響[2]。網(wǎng)絡的開放性是造成上述問題的主要原因，在網(wǎng)絡的支持下局部突發(fā)事件的擴散速度提升，影響力增強，經(jīng)過一段時間的發(fā)展會逐漸演變成全國性的公共事件，因此群體事件與網(wǎng)絡輿情之間存在的因果關系問題逐漸突出。隨著網(wǎng)絡輿情的不斷演化，會對社會輿情的走向產生影響，對公共決策和政府運行機制產生一定制約[3]。為了降低網(wǎng)絡輿情對社會產生的負面影響，需要研究網(wǎng)絡輿情危機演變特征，提出相關預警方案。

蔣知義等[4]提出基于情感傾向性分析的網(wǎng)絡輿情危機演變特征研究方法，該方法在情感分類詞典的基礎上建立情感傾向分析模型，利用該模型對網(wǎng)絡輿情的情感類型和情感性強度進行統(tǒng)計，根據(jù)統(tǒng)計結果劃分網(wǎng)絡輿情演化階段，實現(xiàn)網(wǎng)絡輿情危機特征分析，該方法沒有分析網(wǎng)絡輿情危機影響因素之間存在的關系，導致分析結果的灰色關聯(lián)度低、小誤差概率小。杜洪濤等[5]提出基于多案例的網(wǎng)絡輿情危機演變特征研究方法，該方法在生命周期理論的基礎上將網(wǎng)絡輿情危機演變過程劃分為3個階段，分別是擴散階段、高潮階段和消散階段，將輿情事件分為非自然突發(fā)事件和自然突發(fā)事件，分析不同階段不同案例的傳播路徑和表現(xiàn)情況，確定演化特征之間存在的聯(lián)系和區(qū)別，獲得影響網(wǎng)絡輿情危機演化的影響因素，最后總結了網(wǎng)絡輿情危機演變特征的變化規(guī)律，該方法在網(wǎng)絡輿情危機演變過程中無法獲取影響因素之間的因果關系，導致均方差比較大。

綜上所述，提出網(wǎng)絡輿情危機演變特征及其預警方案創(chuàng)新研究方法。

1?網(wǎng)絡輿情演化動力學分析

網(wǎng)絡輿情的演變過程主要受以下因素的影響：

1）網(wǎng)絡事件自身具有的破壞力。

2）網(wǎng)絡輿情傳播的推動力，包括媒體推動力和網(wǎng)民推動力。

3）社會組織或政府組織的調控力。

由于網(wǎng)絡輿情危機演變動力影響因素的作用方式之間存在差異，可以將影響因素分為兩類[6]，如圖1所示。

圖1?外源動力和內源動力

網(wǎng)絡輿情危機演變動力關鍵構成變量如圖2所示。

利用系統(tǒng)動力學對上述變量進行仿真和建模，獲取網(wǎng)絡輿情危機演變的主要影響因素。

對系統(tǒng)內部因素關系進行考慮，結合網(wǎng)絡輿情傳播熱度與各影響因素之間存在的因果關系分析網(wǎng)絡輿情傳播系統(tǒng)。系統(tǒng)由3個以上變量構成反饋環(huán)，反饋環(huán)屬于一個因果閉合環(huán)路或關系鏈[7]。如果因果在正反饋環(huán)中增加，結果就會高于原始程度，如果因果在正反饋環(huán)中減少，結果就會低于原始高度。如果因果在負反饋環(huán)中增加，結果就會低于原始程度，如果因果在負反饋環(huán)中減少，結果就會高于原始程度。正反饋環(huán)和負反饋環(huán)之間存在相互作用，使得不同時期網(wǎng)絡輿情熱度與系統(tǒng)狀態(tài)具有一致性[8]。

2?網(wǎng)絡輿情危機演變特征研究

本文利用灰色Verhulst預測模型對網(wǎng)絡輿情危機演變特征進行研究，灰色Verhulst預測模型結合了Verhulst模型和灰色理論模型的優(yōu)點，可以實現(xiàn)產品經(jīng)濟壽命預測、人口預測、繁殖預測和生物生長預測等，被廣泛地應用在生產生活中[9]。

3?實驗結果與分析

為了驗證所提方法的整體有效性，在Visual?C++開發(fā)的TTE網(wǎng)絡平臺中對所提方法進行測試。

本文通過集搜客GooSeeker網(wǎng)絡爬蟲軟件對2019年不同平臺的網(wǎng)絡輿情熱點事件進行抽取，如《啥是佩奇》爆紅網(wǎng)絡、吳秀波出軌門事件、孫楠送娃讀“女德班”事件、河南女子醉駕瑪莎拉蒂致死傷、杭州女童被租客帶走等多個研究案例作為數(shù)據(jù)基礎。采集自網(wǎng)絡輿情事件發(fā)生當天起25天之內的輿情傳播數(shù)據(jù)，并以此為基礎進行網(wǎng)絡輿情危機演變特征提取。限于篇幅，以吳秀波出軌門事件為例，采集網(wǎng)易新聞、騰訊新聞、百度新聞、新浪微博與天涯論壇5個網(wǎng)絡輿情傳播平臺的數(shù)據(jù)，并對數(shù)據(jù)采集結果進行整理與分析。具體的數(shù)據(jù)采集結果如表1所示。

在上述數(shù)據(jù)的支持下，灰色關聯(lián)度γ、小誤差概率P和均方差比C作為測試指標，對所提方法、文獻[4]方法和文獻[5]方法進行測試，測試指標的計算公式分別如下：

式中，δ（k）代表的是關聯(lián)系數(shù);Δ（0）（k）代表的是絕對誤差序列;（0）為Δ（0）（k）對應的均值;S2為Δ（0）（k）對應的方差。

灰色關聯(lián)度越高表明方法分析的網(wǎng)絡輿情危機演變特征變化越準確，3種方法的灰色關聯(lián)度測試結果如圖3所示。

分析圖3可知，文獻[4]方法的灰色關聯(lián)度在22%～25%之間，文獻[5]方法的灰色關聯(lián)度在23%～27%之間，而所提方法的灰色關聯(lián)度在36%～42%之間，是3種方法中最高的，所以該方法的網(wǎng)絡輿情危機演變特征變化分析精度要高于其他實驗方法。

小誤差概率越小，表明方法在網(wǎng)絡輿情危機演變過程中對演變特征分析的結果誤差越大，則3種方法的小誤差概率比較結果如圖4所示。

由圖4可知，文獻[4]方法的小誤差概率在46%～59%范圍內變化，文獻[5]方法的小誤差概率在42%～46%范圍內變化，而所提方法的小誤差概率在78%～95%范圍內變化，說明所提方法的小誤差概率遠遠高于其他實驗方法，證明該方法的網(wǎng)絡輿情演變特征分析的結果誤差較小。

由圖5可知，文獻[4]方法的均方差比在0.030～0.039之間，文獻[5]方法的均方差比在0.036～0.042之間，而在多次迭代中所提方法的均方差比均在0.02以內，遠遠低于實驗對比方法，說明該方法的均方差比更小，網(wǎng)絡輿情危機演變特征分析誤差較低。

分析上述測試結果可知，采用所提方法研究網(wǎng)絡輿情危機演變特征時，分析結果的灰色關聯(lián)度高、小誤差概率大、均方差比小，表明該方法可以得到準確的網(wǎng)絡輿情危機演變特征分析結果，原因在于該方法利用系統(tǒng)動力學對影響網(wǎng)絡輿情危機演變的因素進行仿真和建模，獲取網(wǎng)絡輿情危機演變的主要影響因素，在此基礎上分析網(wǎng)絡輿情傳播系統(tǒng)中各因素之間存在的因果關系，采用灰色Verhulst預測模型對網(wǎng)絡輿情危機演變特征進行研究，提高了分析結果的有效性。

4?網(wǎng)絡輿情危機預警方案

本文主要以網(wǎng)絡輿情演化動力學為基礎，對網(wǎng)絡輿情危機演變特征進行了分析，且通過實驗證實了該方法的網(wǎng)絡輿情危機演變特征分析結果具有灰色關聯(lián)度高、小誤差概率大、均方差比小等多種優(yōu)勢，因此可以得到更為精準的網(wǎng)絡輿情危機演變特征分析結果。需要在上述研究結果的支持下，進行網(wǎng)絡輿情危機預警方案設計，以達到控制網(wǎng)絡輿情的傳播速度以及提升社會穩(wěn)定性的最終目的。

4.1?構建信息匯集分析機制

由于信息是網(wǎng)絡輿情危機處理的基礎，所以需要構建信息匯集分析機制。輿情危機信息匯集機制是指通過相關部門根據(jù)輿情在演變過程中的規(guī)律，通過心理學、計算機科學和統(tǒng)計學等研究方法，利用多種信息收集方法和渠道實現(xiàn)輿情危機信息獲取和反饋[11]。在構建網(wǎng)絡輿情危機信息匯集分析機制中應該注意以下幾點：

1）在網(wǎng)絡輿情危機演變過程中主體之間存在協(xié)調作用，應該采取符合實際情況的策略以解決不同類型的網(wǎng)絡輿情危機。

2）要保證網(wǎng)絡輿情危機信息匯集的目的性和全面性，盡可能采集有價值的信息。

3）細化考核機制和工作流程，細化目標和明確責任。

4）挖掘不同領域專家的信息分析能力，構建信息分析專家?guī)臁?/p>

5）為了提高網(wǎng)絡輿情危機處理的規(guī)范化和制度化，建立激勵機制。

4.2?建立預警機制

由于網(wǎng)絡輿情危機的發(fā)生通常是無法預見的，但網(wǎng)絡輿情危機的演變過程是可以控制的，因此需要制定預警機制。預警機制屬于制止和防范網(wǎng)絡輿情危機發(fā)生的工作機制，可以在網(wǎng)絡輿情危機發(fā)生前進行報警[12]。構建預警機制時需要重點關注以下問題：

1）重視網(wǎng)絡輿情演化分析相關工作，及時掌握網(wǎng)絡輿情危機演變特征。

2）及時、準確地實現(xiàn)網(wǎng)絡輿情危機信息的發(fā)布，保證內容的真實性和多樣化。

4.3?完善信息發(fā)布機制

由于在實際中，網(wǎng)絡輿情傳播渠道具有多樣性，不局限于網(wǎng)易新聞、騰訊新聞、百度新聞、新浪微博與天涯論壇這幾個較大的網(wǎng)絡輿情傳播平臺，所以需要構建較為完善的信息發(fā)布機制。消解網(wǎng)絡輿情危機的主要動力是政府行為，同時也需要網(wǎng)絡參與主體的共同努力。如果政府網(wǎng)絡輿情危機處理能力及力度較差，會推動輿情的進一步擴大，對公眾的心理產生不利影響[13]。本文主要通過以下幾個方面完善信息發(fā)布機制：

1）提高政府的執(zhí)政能力和決策能力，優(yōu)化政府行為，平衡公眾心理。

2）政府對外聯(lián)系的主要窗口是政府門戶網(wǎng)站，構建并完善政府門戶網(wǎng)站可以讓公眾獲得相關信息。

3）政府通過網(wǎng)絡發(fā)言人制度能夠增強與網(wǎng)民之間的交流和溝通。

4）為了避免惡意行為造成的信息失真現(xiàn)象，需要加強信息保密和技術防范，保證網(wǎng)絡輿情信息公開的時效性[14]。

4.4?建立引導機制

以吳秀波出軌門事件為例，其傳播速度極快，且對社會造成了很大的負面影響，所以媒體和政府應該圍繞網(wǎng)上的熱點問題，充分發(fā)揮導向作用，使網(wǎng)絡形成健康風氣[15]。不同地區(qū)的網(wǎng)民在網(wǎng)絡中可以共同討論同一輿情話題，容易使網(wǎng)絡輿情信息變得尖銳和泛化，政府對輿情和公眾心理的引導在公眾信息不對稱的情況下十分重要。

5?結束語

社情民意可以通過網(wǎng)絡輿情進行反映，如果不能妥當處理網(wǎng)絡輿情，將導致局部問題全局化、普通問題熱點化、簡單問題復雜化，對社會穩(wěn)定產生不利影響，因此對網(wǎng)絡輿情危機演變特征進行分析，提出相關預警方案是相關部門目前亟須解決的問題。目前網(wǎng)絡輿情危機演變特征分析方法得到的結果灰色關聯(lián)度低、小誤差概率低、均方差比大，因此本文在系統(tǒng)動力學的基礎上分析影響網(wǎng)絡輿情傳播的因素，利用Verhulst預測模型研究網(wǎng)絡輿情危機演變特征，并根據(jù)分析結果提出預警方案，以期為社會穩(wěn)定發(fā)展提供保障。

參考文獻

[1]邢云菲，王晰巍，韋雅楠，等.新媒體環(huán)境下網(wǎng)絡輿情用戶情感演化模型研究——基于情感極性及情感強度理論[J].情報科學，2018，36（8）：142-148.

[2]胡峰.重大疫情網(wǎng)絡輿情演變機理及跨界治理研究——基于“四點四階段”演化模型[J].情報理論與實踐，2020，43（6）：23-29，55.

[3]李天龍.突發(fā)事件輿情的階段應對策略[J].情報雜志，2018，37（12）：106-111.

[4]蔣知義，馬王榮，鄒凱，等.基于情感傾向性分析的網(wǎng)絡輿情情感演化特征研究[J].現(xiàn)代情報，2018，38（4）：52-59.

[5]杜洪濤，王君澤，李婕.基于多案例的突發(fā)事件網(wǎng)絡輿情演化模式研究[J].情報學報，2017，36（10）：1038-1049.

[6]王超.我國突發(fā)性網(wǎng)絡輿情事件的關聯(lián)網(wǎng)絡結構分析[J].現(xiàn)代情報，2019，39（12）：121-130.

[7]趙蓉英，王旭.突發(fā)事件網(wǎng)絡輿情關鍵節(jié)點識別及導控對策研究——以“大賢村遭洪災事件”為例[J].現(xiàn)代情報，2018，38（1）：19-24，30.

[8]劉英杰，黃微，李瑞.大數(shù)據(jù)網(wǎng)絡環(huán)境下輿情信息情感維度模型構建研究[J].情報理論與實踐，2016，39（4）：32-35.

[9]成俊會，張思，吉清凱.基于SNA的社會熱點事件微博輿情階段性傳播網(wǎng)絡的結構分析——以“于歡案”為例[J].管理評論，2019，31（3）：295-304.

[10]嚴鍇.公共安全視域下的輿情熱點及發(fā)展趨勢可視化分析[J].西安科技大學學報，2019，39（6）：1082-1089.

[11]王曉晨，關碩，于文博，等.體育賽事網(wǎng)絡輿情的傳播特征研究——基于2019年女排世界杯的文本情感分析[J].成都體育學院學報，2020，46（5）：74-81.

[12]王蘭成，陳立富.國內外網(wǎng)絡輿情演化、預警和應對理論研究綜述[J].圖書館雜志，2018，37（12）：6-15.

[13]曹睿娟，姜仁貴，解建倉，等.基于大數(shù)據(jù)的城市內澇網(wǎng)絡輿情監(jiān)測及演化機理[J].西安理工大學學報，2020，36（2）：151-158.

[14]李北偉，富金鑫，周昕.意識形態(tài)視角下網(wǎng)絡輿情危機應對機制研究[J].情報理論與實踐，2018，41（5）：27-31，49.

[15]彭麗徽，李賀，張艷豐.基于SNA與模糊TOPSIS的網(wǎng)絡輿情關鍵節(jié)點識別分類模型研究[J].現(xiàn)代情報，2017，37（8）：17-25.

（責任編輯：孫國雷）