王治瑩,王韋棋

(安徽工業(yè)大學(xué) 管理科學(xué)與工程學(xué)院,安徽 馬鞍山 243032)

據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)中心公布的報(bào)告顯示,截至2022年,中國(guó)網(wǎng)民規(guī)模達(dá)到10.67億,互聯(lián)網(wǎng)普及率高達(dá)75.6%。同時(shí),近年來(lái)頻繁爆發(fā)的突發(fā)公共事件借助網(wǎng)絡(luò)媒體迅速傳播,常常引發(fā)輿情危機(jī),其破壞力在網(wǎng)絡(luò)輿情的推動(dòng)下被無(wú)限放大,增加了突發(fā)公共事件的處理難度。一旦網(wǎng)絡(luò)輿情中的某些虛假信息得不到有效管控,極有可能衍生出次生事件,進(jìn)而對(duì)居民生活和社會(huì)治安造成巨大的負(fù)面影響。因此,在應(yīng)對(duì)突發(fā)公共事件時(shí)應(yīng)充分考慮網(wǎng)絡(luò)輿情的影響,并通過(guò)適當(dāng)引導(dǎo)網(wǎng)絡(luò)輿情走向來(lái)減少突發(fā)公共事件對(duì)社會(huì)的危害。

目前,網(wǎng)絡(luò)輿情影響下的多階段群決策問(wèn)題研究主要集中在網(wǎng)絡(luò)輿情管控和突發(fā)公共事件應(yīng)急決策兩個(gè)方面。首先,針對(duì)網(wǎng)絡(luò)輿情管控問(wèn)題,國(guó)內(nèi)外學(xué)者從網(wǎng)絡(luò)輿情傳播機(jī)理分析和網(wǎng)絡(luò)輿情演化態(tài)勢(shì)預(yù)測(cè)開(kāi)展了研究。在網(wǎng)絡(luò)輿情傳播機(jī)理分析方面,聶琦等[1]認(rèn)為網(wǎng)絡(luò)輿情的傳播機(jī)理與傳染病的擴(kuò)散機(jī)理類(lèi)似;WANG等[2]構(gòu)建了網(wǎng)絡(luò)輿情時(shí)空演化分析模型和影響因素分析模型,分析了疫情嚴(yán)重程度、網(wǎng)民數(shù)量、媒體報(bào)道數(shù)量和區(qū)域?qū)傩缘榷喾N因素共同影響下的網(wǎng)絡(luò)輿情時(shí)空演變過(guò)程;WANG等[3]采用計(jì)量經(jīng)濟(jì)模型對(duì)輿情信息進(jìn)行了多維因素分析;ZHANG等[4]對(duì)傳染病模型(SIRS)進(jìn)行改進(jìn),將輿情網(wǎng)絡(luò)節(jié)點(diǎn)分成高影響層和低影響層,引入層內(nèi)和層間信息傳輸機(jī)制,構(gòu)建了分層SIRS信息傳輸模型;龐慶華等[5]探索了意見(jiàn)領(lǐng)袖影響下微博負(fù)面輿情的演化規(guī)律,并構(gòu)建了政府、媒體和網(wǎng)民的三方演化博弈模型。關(guān)于網(wǎng)絡(luò)輿情演化態(tài)勢(shì)預(yù)測(cè)的研究,主要采用logistic模型[6]、神經(jīng)網(wǎng)絡(luò)[7]、灰色模型[8]、系統(tǒng)動(dòng)力學(xué)[9]、馬爾科夫模型[10]等方法。鮮有研究采用隱馬爾可夫模型對(duì)網(wǎng)絡(luò)輿情態(tài)勢(shì)進(jìn)行預(yù)測(cè),隱馬爾科夫模型能夠處理具有時(shí)序關(guān)系的數(shù)據(jù)和進(jìn)行序列預(yù)測(cè),且可通過(guò)觀測(cè)數(shù)據(jù)反映實(shí)際狀態(tài),因此采用隱馬爾科夫預(yù)測(cè)輿情態(tài)勢(shì)與實(shí)際情況更符合。其次,針對(duì)突發(fā)公共事件應(yīng)急決策的研究,胡彥等[11]引入三支決策和前景理論構(gòu)建模糊多屬性應(yīng)急決策模型;樊自甫等[12]提出基于區(qū)間值模糊熵構(gòu)建應(yīng)急群決策模型;童玉珍等[13]提出基于猶豫模糊集的突發(fā)公共事件網(wǎng)絡(luò)輿情應(yīng)急群決策方法。然而以上研究均未考慮突發(fā)公共事件演化過(guò)程的多階段性。王治瑩等[14]提出一種考慮決策者情緒對(duì)心理參照點(diǎn)影響的多階段應(yīng)急決策方法;吳鳳平等[15]提出一種多階段多目標(biāo)的動(dòng)態(tài)應(yīng)急決策方法,并使用等差數(shù)列對(duì)多階段時(shí)間序列權(quán)重進(jìn)行賦值。但上述研究未考慮網(wǎng)絡(luò)輿情對(duì)決策者心理參照點(diǎn)和突發(fā)公共事件應(yīng)急決策的影響。

綜上所述,以往研究未考慮網(wǎng)絡(luò)輿情對(duì)決策者心理參照點(diǎn)變化和突發(fā)公共事件演化態(tài)勢(shì)的影響,而網(wǎng)絡(luò)輿情演化態(tài)勢(shì)預(yù)測(cè)的研究中也鮮有考慮應(yīng)急方案對(duì)輿情演化的影響。此外,如何建立網(wǎng)絡(luò)輿情影響下的決策者心理參照點(diǎn)更新方法成為突發(fā)公共事件多階段群體決策亟待解決的問(wèn)題?；诖?筆者提出一種網(wǎng)絡(luò)輿情影響下考慮決策者心理參照點(diǎn)變化的突發(fā)公共事件多階段群體決策方法。主要?jiǎng)?chuàng)新點(diǎn):一是基于隱馬爾科夫模型預(yù)測(cè)了考慮應(yīng)急方案影響的網(wǎng)絡(luò)輿情演化過(guò)程;二是基于事態(tài)演化趨勢(shì)更新決策者心理參照點(diǎn),同時(shí)考慮不同決策者風(fēng)險(xiǎn)偏好異質(zhì)性,引入決策者損益敏感度因子。

1 理論基礎(chǔ)

1.1 隱馬爾科夫模型

隱馬爾科夫模型[16](HMM)是一種有關(guān)時(shí)序的概率模型,包含狀態(tài)集和與狀態(tài)對(duì)應(yīng)的觀測(cè)序列。狀態(tài)間的轉(zhuǎn)移由狀態(tài)轉(zhuǎn)移概率矩陣表示。觀測(cè)序列不是狀態(tài)本身,故根據(jù)觀測(cè)序列得到隱狀態(tài)的過(guò)程稱為隱馬爾科夫過(guò)程。HMM由初始概率分布、狀態(tài)轉(zhuǎn)移概率分布和觀測(cè)概率分布決定。

假設(shè)所有狀態(tài)序列的集合為X=(x1,x2,…,xn);所有觀測(cè)序列的集合為Y=(y1,y2,…,ym);長(zhǎng)度為T(mén)的狀態(tài)序列為W={w1,w2,…,wT};相對(duì)應(yīng)的觀測(cè)序列為Z={z1,z2,…,zT};則初始狀態(tài)概率矩陣為σ=[σi]1×n,σi=P(w1=xi),1≤i≤n,表示在t=1時(shí)狀態(tài)為xi的概率;狀態(tài)轉(zhuǎn)移概率矩陣為E=[eij]n×m,eij=P{wt+1=xj|wt=xi},1≤i,j≤n,eij為從t時(shí)刻狀態(tài)xi轉(zhuǎn)移到t+1時(shí)刻xj的概率;觀測(cè)值概率矩陣為F=[fj(k)]n×m,fj(k)=P(zt=yk|wt=xj),1≤j≤n,1≤k≤m,表示t時(shí)刻在狀態(tài)xj的條件下觀測(cè)值為yk的概率。綜上,σ和E決定狀態(tài)序列,F決定觀測(cè)序列,三者共同決定模型參數(shù)。因此,將HMM模型參數(shù)η表示為η=(σ,E,F)。

1.2 累積前景理論

累積前景理論[17](cumulated prospected theory,CPT)是一種關(guān)于決策者行為的理論,傳統(tǒng)的期望效用理論假設(shè)決策者完全理性,這與事實(shí)不符,CPT的提出彌補(bǔ)了期望效用理論關(guān)于理性假設(shè)的不足,在決策時(shí)會(huì)綜合考慮人的風(fēng)險(xiǎn)偏好和心理感知價(jià)值等因素。價(jià)值函數(shù)表示為:

(1)

式中:Δxi為決策結(jié)果相對(duì)于參照點(diǎn)的損益,Δxi≥0代表決策者收益,Δxi<0代表決策者損失;α和β分別為風(fēng)險(xiǎn)厭惡系數(shù)和風(fēng)險(xiǎn)偏好系數(shù);λ為損失規(guī)避系數(shù)。通常取α=0.89,β=0.92,λ=2.25[18]。決策者對(duì)收益和損失的決策權(quán)重函數(shù)為:

(2)

(3)

式中:W+(·)和W-(·)均為非線性函數(shù);χ和δ分別為決策者對(duì)收益和損失的態(tài)度,通常取χ=0.61,δ=0.69。

2 問(wèn)題描述

突發(fā)公共事件的演化過(guò)程具有多階段、易變化、不確定等特點(diǎn),決策者在制定應(yīng)急決策方案時(shí)往往不能一蹴而就,而是依據(jù)事態(tài)等級(jí)動(dòng)態(tài)調(diào)整應(yīng)急方案。同時(shí),由突發(fā)公共事件引發(fā)的網(wǎng)絡(luò)輿情也會(huì)對(duì)突發(fā)公共事件的演化過(guò)程造成影響,如若不加控制,極易引發(fā)輿情危機(jī)。反之,突發(fā)公共事件的演化及處理過(guò)程也會(huì)對(duì)網(wǎng)絡(luò)輿情的演化過(guò)程造成影響。因此,網(wǎng)絡(luò)輿情與突發(fā)公共事件之間的耦合演化關(guān)系增加了網(wǎng)絡(luò)輿情態(tài)勢(shì)預(yù)測(cè)及突發(fā)公共事件應(yīng)急決策的難度。

圖1 網(wǎng)絡(luò)輿情影響下的突發(fā)公共事件多階段決策過(guò)程

基于突發(fā)公共事件演化的多階段性以及網(wǎng)絡(luò)輿情與突發(fā)公共事件演化的耦合性,設(shè)計(jì)一套科學(xué)的決策方法,通過(guò)考慮決策者人員傷亡、財(cái)產(chǎn)損失和輿情態(tài)勢(shì)的心理參照點(diǎn)受突發(fā)公共事件演化態(tài)勢(shì)影響動(dòng)態(tài)變化,建立決策者心理參照點(diǎn)更新機(jī)制,并綜合考慮人員傷亡、財(cái)產(chǎn)損失、輿情態(tài)勢(shì)及應(yīng)急決策方案的投入成本、準(zhǔn)備時(shí)間、可行性、風(fēng)險(xiǎn)指數(shù)、輿情傳播廣度等多種指標(biāo),通過(guò)累積前景理論計(jì)算得到備選應(yīng)急方案的優(yōu)劣次序,輔助應(yīng)急管理部門(mén)對(duì)突發(fā)公共事件進(jìn)行處理。網(wǎng)絡(luò)輿情影響下的多階段群決策方法如圖2所示。

圖2 網(wǎng)絡(luò)輿情影響下的多階段群決策方法

3 基于HMM的輿情態(tài)勢(shì)預(yù)測(cè)

突發(fā)公共事件的網(wǎng)絡(luò)輿情危機(jī)等級(jí)無(wú)法直接通過(guò)數(shù)據(jù)顯示,但與網(wǎng)民規(guī)模、網(wǎng)民活躍度、平臺(tái)傳播趨勢(shì)、網(wǎng)民情感傾向等可觀測(cè)數(shù)據(jù)緊密相關(guān),故將這些指標(biāo)作為觀測(cè)序列,將輿情危機(jī)等級(jí)作為隱狀態(tài)。

(1)HMM節(jié)點(diǎn)狀態(tài)設(shè)定。充分考慮突發(fā)公共事件各種情景下網(wǎng)絡(luò)輿情的定量和定性數(shù)據(jù)的特點(diǎn),將各節(jié)點(diǎn)狀態(tài)劃分如下:①突發(fā)公共事件情景節(jié)點(diǎn)狀態(tài)設(shè)定,決策點(diǎn)只能有一種情景發(fā)生,將決策點(diǎn)發(fā)生的情景的狀態(tài)表示為T(mén),其他情景狀態(tài)表示為F;②備選方案節(jié)點(diǎn)的狀態(tài)設(shè)定,根據(jù)突發(fā)事件的演化進(jìn)程及決策者的研判,最終決策只能選一種方案,被選擇的方案狀態(tài)為T(mén),其他方案為F。③網(wǎng)民規(guī)模狀態(tài)劃分,指在一段時(shí)間內(nèi)網(wǎng)民瀏覽事件信息的次數(shù)和點(diǎn)贊量。瀏覽次數(shù)和點(diǎn)贊量越多,網(wǎng)民規(guī)模越大,輿情熱度越高。因此,將網(wǎng)民規(guī)模的狀態(tài)劃分為高(H)、中(M)、低(S)。④網(wǎng)民活躍度狀態(tài)劃分,網(wǎng)民對(duì)相關(guān)話題發(fā)表評(píng)論的微博總數(shù)量,發(fā)表的評(píng)論數(shù)量越多,網(wǎng)民活躍度越高,對(duì)事件的關(guān)注度越高,輿情熱度越高。將網(wǎng)民活躍度劃分為高(H)、中(M)、低(S)。⑤平臺(tái)傳播趨勢(shì)狀態(tài)劃分,指事件一段時(shí)間內(nèi)在微博等網(wǎng)絡(luò)平臺(tái)上傳播的效果,將平臺(tái)傳播趨勢(shì)劃分為高(H)、中(M)、低(S)。⑥網(wǎng)民情感傾向狀態(tài)劃分,分別為積極情感(P)、中性情感(M)和消極情感(N)。⑦輿情危機(jī)等級(jí)劃分,分別為紅色預(yù)警(Ⅰ級(jí))、橙色預(yù)警(Ⅱ級(jí))、黃色預(yù)警(Ⅲ級(jí))和藍(lán)色預(yù)警(Ⅳ級(jí))。

(2)HMM參數(shù)學(xué)習(xí)。在使用HMM預(yù)測(cè)網(wǎng)絡(luò)輿情演化態(tài)勢(shì)時(shí),首先需要獲得HMM的三元要素η=(σ,E,F)。由于無(wú)明確狀態(tài)序列,屬于無(wú)監(jiān)督學(xué)習(xí)過(guò)程,Baum-Welch算法是一種經(jīng)典的無(wú)監(jiān)督學(xué)習(xí)算法,故采用Baum-Welch算法訓(xùn)練HMM參數(shù)。假設(shè)已知數(shù)據(jù)只包含了m個(gè)長(zhǎng)度為T(mén)維的觀測(cè)序列{Z1,Z2,…,Zm},沒(méi)有給出相應(yīng)的狀態(tài)序列,為學(xué)習(xí)HMM的參數(shù)η=(σ,E,F),將觀測(cè)序列數(shù)據(jù)設(shè)為觀測(cè)數(shù)據(jù)Z,狀態(tài)序列數(shù)據(jù)設(shè)為不可觀測(cè)的隱數(shù)據(jù)W,故HMM是一個(gè)帶有隱變量的概率模型,如式(4)所示,參數(shù)學(xué)習(xí)過(guò)程參考文獻(xiàn)[19],具體如式(5)～式(7)所示。

(4)

(5)

(6)

(7)

4 基于CPT的多階段應(yīng)急決策方法

4.1 基于熵權(quán)法的評(píng)價(jià)指標(biāo)賦權(quán)

(8)

(9)

(10)

4.2 指標(biāo)屬性值規(guī)范化

決策者在做效用評(píng)價(jià)時(shí),通常有精確值、區(qū)間值和自然語(yǔ)言等多種不同數(shù)據(jù)類(lèi)型的指標(biāo)。為了統(tǒng)一比較標(biāo)準(zhǔn),需對(duì)原始數(shù)據(jù)進(jìn)行規(guī)范化、標(biāo)準(zhǔn)化處理?？紤]到實(shí)際決策信息往往具有模糊性、不確定性,因此將不同種數(shù)據(jù)類(lèi)型轉(zhuǎn)換成直覺(jué)模糊數(shù)的形式,其表達(dá)形式為A=(μA(x),vA(x)),μA(x)表示元素x的隸屬度,vA(x)表示元素x的非隸屬度,πA(x)=1-μA(x)-vA(x)表示x屬于A的猶豫度。

(11)

(12)

(13)

表1 語(yǔ)言變量轉(zhuǎn)化表

(14)

4.3 基于事態(tài)演化趨勢(shì)的心理參照點(diǎn)更新方法

4.4 計(jì)算情景價(jià)值

4.5 計(jì)算情景權(quán)重

πfj(t)=

(15)

式中:πfj(h)=ω+(pfj(h))、πfj(n)=ω-(pfj(n)),f=1,2,…,L,j=1,2,…,M;ω+(·)、ω-(·)分別表示“收益”和“損失”的權(quán)重函數(shù),ω+(p)=pγ/(pγ+(1-p)γ)1/γ,ω-(p)=pδ/(pδ+(1-p)δ)1/δ,γ=0.61,δ=0.69。

4.6 計(jì)算方案綜合前景值

5 算例分析

某地爆發(fā)傳染病,經(jīng)過(guò)傳染病學(xué)專(zhuān)家分析疫情將持續(xù)3個(gè)階段,每個(gè)階段都可能出現(xiàn)以下4種情景。S1:疫情得到全面控制,可能造成的人員傷亡數(shù)為5～10人,經(jīng)濟(jì)損失為50～100萬(wàn)元,輿情態(tài)勢(shì)為[0.0,0.3];S2:疫情在少數(shù)地區(qū)失控,可能造成的人員傷亡數(shù)為10～15人,經(jīng)濟(jì)損失為100～200萬(wàn)元,輿情態(tài)勢(shì)為[0.3,0.5];S3:疫情在多數(shù)地區(qū)失控,可能造成的人員傷亡數(shù)為20～30人,經(jīng)濟(jì)損失為200～500萬(wàn)元,輿情態(tài)勢(shì)為[0.5,0.7];S4:疫情全面失控,可能造成的人員傷亡數(shù)為50～100人,經(jīng)濟(jì)損失為500～700萬(wàn)元,輿情態(tài)勢(shì)為[0.7,1.0]。為應(yīng)對(duì)該突發(fā)疫情事件,決策者制定4個(gè)應(yīng)急方案。各應(yīng)急決策備選方案的評(píng)價(jià)指標(biāo)如表2所示。

表2 應(yīng)急決策方案的評(píng)價(jià)指標(biāo)

各決策者在決策時(shí)主要依據(jù)8個(gè)指標(biāo)對(duì)流行性傳染病進(jìn)行應(yīng)急響應(yīng):B1投入成本,B2準(zhǔn)備時(shí)間,B3可行性,B4風(fēng)險(xiǎn)指數(shù),B5輿情傳播廣度,B6人員傷亡,B7財(cái)產(chǎn)損失,B8輿情態(tài)勢(shì)。4名決策者給出的不同指標(biāo)的權(quán)重如表3所示。

表3 各決策者對(duì)各指標(biāo)的權(quán)重

表4 輿情危機(jī)狀態(tài)轉(zhuǎn)移概率矩陣

6 結(jié)論

(1)針對(duì)突發(fā)公共事件演化過(guò)程受網(wǎng)絡(luò)輿情態(tài)勢(shì)影響可能導(dǎo)致決策結(jié)果不同的問(wèn)題,提出了一種網(wǎng)絡(luò)輿情影響下考慮決策者心理參照點(diǎn)變化的多階段群決策方法。不僅考慮了突發(fā)公共事件的多階段特征和多決策者對(duì)各指標(biāo)評(píng)價(jià)不一致的情形,還考慮了網(wǎng)絡(luò)輿情演化態(tài)勢(shì)對(duì)決策者心理參照點(diǎn)的影響進(jìn)而對(duì)應(yīng)急決策結(jié)果產(chǎn)生影響,為多階段群決策提供了新思路。

(2)采用HMM預(yù)測(cè)各情景和應(yīng)急方案下網(wǎng)絡(luò)輿情演化趨勢(shì),并得到各網(wǎng)絡(luò)輿情態(tài)勢(shì)下情景轉(zhuǎn)移概率;同時(shí),針對(duì)決策者不同階段心理參照點(diǎn)轉(zhuǎn)移,提出基于突發(fā)公共事件演化態(tài)勢(shì)的決策者心理參照點(diǎn)更新機(jī)制,并考慮了不同決策者風(fēng)險(xiǎn)偏好異質(zhì)性,引入損益敏感度改進(jìn)決策者心理參照點(diǎn)更新機(jī)制。

(3)輿情信息從孕育、發(fā)展,到爆發(fā),具有時(shí)滯性。因此,未來(lái)可考慮網(wǎng)絡(luò)輿情信息的時(shí)滯性,使用具有時(shí)滯效應(yīng)的灰色模型對(duì)網(wǎng)絡(luò)輿情進(jìn)行預(yù)測(cè),可能會(huì)更加貼合網(wǎng)絡(luò)輿情傳播機(jī)理,得到更佳的決策結(jié)果。