基于交互關(guān)系的突發(fā)事件熱度預(yù)測(cè)研究

楊長(zhǎng)春++袁敏

〔摘要〕突發(fā)事件之間存在的關(guān)聯(lián)、削弱或衍生的關(guān)系，會(huì)對(duì)現(xiàn)發(fā)的突發(fā)事件的熱度產(chǎn)生影響。本文根據(jù)突發(fā)事件的交互關(guān)系，建立輿情敏感信息庫，對(duì)突發(fā)事件的熱度進(jìn)行預(yù)測(cè)，并通過實(shí)驗(yàn)驗(yàn)證和理論分析，為政府消解突發(fā)事件負(fù)面輿情提供參考。

〔關(guān)鍵詞〕交互關(guān)系；突發(fā)事件；輿情預(yù)熱度；輿論共識(shí)度

DOI：10.3969/j.issn.1008-0821.2017.03.008

〔中圖分類號(hào)〕G206〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2017）03-0040-06

〔Abstract〕The weakened or derived relationships between the occurrence of emergencies，effect the heat of the current incident.Based on the interaction of emergencies，this paper built a public sensitive information database to predict the heat of emergencies.Through the experimental verification and theoretical analysis，the paper obtained the ideal result，which was the efficiency of the government to dissipate the negative public opinion.The results provided feasibility recommendations and methods.

〔Key words〕interaction relationship；emergencies；public opinion preheat degree；the consensus of opinion

突發(fā)事件具有緊急性、嚴(yán)重性、擴(kuò)散性、群發(fā)性和連鎖性等方面的特征[1]，發(fā)生后迅速引爆網(wǎng)絡(luò)輿論場(chǎng)，而因傳播過程中速度迅猛但信息不對(duì)稱、網(wǎng)絡(luò)輿情主客體素質(zhì)良莠不齊等原因，讓不理性、負(fù)面的聲音甚至謠言更容易在網(wǎng)絡(luò)上傳播，增大了突發(fā)事件類網(wǎng)絡(luò)輿情的負(fù)面影響及治理難度。突發(fā)事件之間本身存在的衍生[2]、連鎖[3]、系列化呈現(xiàn)[4]、輿情共振[5]等關(guān)系，而又由于搶占網(wǎng)絡(luò)注意力的利益驅(qū)使，網(wǎng)絡(luò)媒介在突發(fā)事件發(fā)生后主動(dòng)協(xié)同過濾關(guān)聯(lián)事件并加以大量傳播以期望引起更大的關(guān)注量和話語權(quán)，網(wǎng)民對(duì)于特定突發(fā)事件存在群體記憶，使得突發(fā)事件的交互關(guān)系對(duì)突發(fā)事件類網(wǎng)絡(luò)輿情熱度產(chǎn)生了多重影響，將其量化并引入到熱度預(yù)測(cè)的研究中，對(duì)于有效的引導(dǎo)輿情的正確走向，控制突發(fā)事件類輿情發(fā)展具有重要意義。

根據(jù)《第38次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[6]顯示，截至2015年6月，我國微博客用戶規(guī)模已經(jīng)達(dá)到204億，雖然隨著微信、知乎以及豆瓣社區(qū)的興起，微博輿情主引擎的地位在一定程度上被削弱，但是當(dāng)突發(fā)事件爆發(fā)后，微博因?yàn)槠鋸V播性和互動(dòng)性，可以更加原生態(tài)的展現(xiàn)社會(huì)輿論，故仍然是研究網(wǎng)絡(luò)輿情的最佳平臺(tái)。本文就以市場(chǎng)份額為694%的新浪微博微博為例，對(duì)突發(fā)事件在新浪微博上的應(yīng)對(duì)機(jī)制進(jìn)行研究。

1相關(guān)研究回顧

現(xiàn)有研究中，學(xué)者們對(duì)于突發(fā)事件類網(wǎng)絡(luò)輿情熱度的研究相對(duì)較多，主要從定性和定量?jī)蓚€(gè)角度展開。定性研究主要從監(jiān)測(cè)角度，建立突發(fā)事件熱度評(píng)價(jià)指標(biāo)體系，研究突發(fā)事件的關(guān)系來進(jìn)行熱度預(yù)測(cè)。如張一文等[7]從媒體影響力，政府疏導(dǎo)力，事件性質(zhì)和網(wǎng)民相互作用力建立了四級(jí)指標(biāo)的突發(fā)事輿情熱度評(píng)價(jià)體系。劉毅[8]將三角模糊數(shù)學(xué)對(duì)網(wǎng)絡(luò)輿情的各個(gè)指標(biāo)權(quán)重進(jìn)行量化研究，在此基礎(chǔ)上曹學(xué)艷等[9]又將政府應(yīng)對(duì)等級(jí)引入到網(wǎng)絡(luò)輿情熱度評(píng)價(jià)指標(biāo)中；而關(guān)于突發(fā)事件關(guān)系中，王國華等[10]對(duì)熱點(diǎn)事件的關(guān)聯(lián)的研究中就曾提出要建立關(guān)聯(lián)輿情數(shù)據(jù)庫來進(jìn)行熱度預(yù)測(cè)和輿情監(jiān)控，王建偉等[11]也指出突發(fā)事件之間可能存在的連鎖反應(yīng)可用于應(yīng)急預(yù)警和綜合減災(zāi)。

定量研究主要是從基于自然語言處理和數(shù)據(jù)挖掘和基于內(nèi)容的熱度分析方法。如魯明羽[12]針對(duì)中文語義的復(fù)雜性和多樣性，提出模糊聚類算法來對(duì)論壇熱點(diǎn)話題挖掘。鄧愛萍[13]提出可以快速聚類的網(wǎng)絡(luò)熱點(diǎn)事件識(shí)別與跟蹤的算法。鄭魁等[14]對(duì)突發(fā)事件的網(wǎng)絡(luò)信息分詞后合并關(guān)鍵詞，以關(guān)鍵詞列表的形式反映事件熱點(diǎn)。

綜上，對(duì)于網(wǎng)絡(luò)輿情危機(jī)的研究方向較多，其研究成果也為本文奠定了良好的理論基礎(chǔ)。但是在突發(fā)事件的熱度研究中，往往都是在輿情傳播階段的博主指標(biāo)、博文指標(biāo)、傳播指標(biāo)和受眾指標(biāo)幾個(gè)方面測(cè)定輿情熱度等級(jí)，在此階段測(cè)定的熱度具有一定滯后性，不利于政府快速采取行動(dòng)阻止輿情進(jìn)一步擴(kuò)散，同時(shí)沒有將突發(fā)事件的交互關(guān)系考慮其中。因此本文在此基礎(chǔ)上建立的熱度預(yù)測(cè)模型，在突發(fā)事件的爆發(fā)初期根據(jù)輿情敏感信息庫對(duì)其進(jìn)行衡量，得出突發(fā)事件的可能熱度，為每次突發(fā)事件的輿情處理提供參考。

2突發(fā)事件熱度預(yù)測(cè)模型

根據(jù)《中華人民共和國突發(fā)事件應(yīng)對(duì)法》的定義，突發(fā)事件是指突然發(fā)生，造成嚴(yán)重社會(huì)危害，需要采取應(yīng)急處置措施予以應(yīng)對(duì)的自然災(zāi)害，事故災(zāi)難，公共衛(wèi)生事件和社會(huì)安全事件[15]。在事件發(fā)生的早期，參照敏感信息庫以及突發(fā)事件的首發(fā)信息特征對(duì)突發(fā)事件熱度進(jìn)行預(yù)測(cè)，得出此次輿情的可能熱度，如果預(yù)測(cè)的熱度值超過設(shè)置的閥值則對(duì)此次事件加大處理網(wǎng)絡(luò)輿情的處理等級(jí)。快速開展調(diào)查行動(dòng)，并即時(shí)參與調(diào)查和處理的信息公開。

21基于歷史建立輿情敏感信息庫

輿情預(yù)熱度是基于網(wǎng)絡(luò)資源有限且注意力是稀缺下提出的概念。在一個(gè)時(shí)間間隔內(nèi)，媒體和公眾對(duì)一個(gè)事件的注意力是有限的且對(duì)于每個(gè)事件所給予的注意力是不同的，而政府用來處理突發(fā)事件在網(wǎng)絡(luò)上的傳播的資源也是有限的，要提高資源的利用率，將有限的資源用于處理可能會(huì)造成最大影響的事件上來。而在突發(fā)事件爆發(fā)期，政府再介入只會(huì)導(dǎo)致意見的分裂但不會(huì)影響到傳播過程的完整性，故造成的損失和影響仍然比較大。因此在突發(fā)事件發(fā)生的早期進(jìn)行熱度預(yù)測(cè)，是減少損失和有效管理的重要手段。

突發(fā)事件的傳播過程往往經(jīng)歷萌芽、形成到爆發(fā)、高潮直至消退、消亡（殘留）的完整過程，爆發(fā)期和高潮期持續(xù)時(shí)間較長(zhǎng)，呈現(xiàn)出二級(jí)甚至多級(jí)傳播的態(tài)勢(shì)、熱點(diǎn)頻現(xiàn)、周而復(fù)始的循環(huán)狀態(tài)。特別是突發(fā)事件具有持續(xù)性和延展性，公眾在較長(zhǎng)一段時(shí)間內(nèi)都會(huì)關(guān)注，因此具有很長(zhǎng)的潛伏期。這種潛伏體現(xiàn)在兩個(gè)方面，一是在引起極大關(guān)注的突發(fā)事件的網(wǎng)絡(luò)輿情消退后仍有二次爆發(fā)的可能；二是突發(fā)事件出現(xiàn)后并未引起網(wǎng)民足夠的重視，但下次相似的事件發(fā)生時(shí)再次被喚起。這兩種情況下，網(wǎng)絡(luò)輿論在前期基礎(chǔ)上傳播的更加洶涌。突發(fā)事件大多涉及政府工作的方方面面，對(duì)此網(wǎng)民傾向于負(fù)面認(rèn)知和反面判斷。因此在處理突發(fā)事件的網(wǎng)絡(luò)輿情中有必要建立輿情敏感信息庫，將公共食品安全、醫(yī)療衛(wèi)生、官員貪污、執(zhí)法犯法等極易引起民眾情緒的敏感事件收入其中，以便為現(xiàn)發(fā)的網(wǎng)絡(luò)輿情提供處理經(jīng)驗(yàn)，也利于于并對(duì)其進(jìn)行監(jiān)控，防止二次輿情的爆發(fā)。

對(duì)中國人民網(wǎng)監(jiān)測(cè)中心每年發(fā)布的《網(wǎng)絡(luò)輿論共識(shí)度研究報(bào)告》[15]中政府認(rèn)同度比較低、輿論場(chǎng)差異較大的事件性質(zhì)作為輿情敏感信息庫的類別。具體如表1：

借鑒并結(jié)合文獻(xiàn)[9]的網(wǎng)絡(luò)輿情熱度應(yīng)對(duì)等級(jí)的評(píng)價(jià)指標(biāo)，構(gòu)建輿情敏感信息庫的數(shù)據(jù)結(jié)構(gòu)。根據(jù)新浪微博的2010-2015年的互聯(lián)網(wǎng)輿情分析報(bào)告提供的事件熱度值以及當(dāng)年的新浪微博的討論量，將2010-2015年有影響的突發(fā)事件錄入輿情敏感信息庫中，其中收集的數(shù)據(jù)分為客觀數(shù)據(jù)和主觀數(shù)據(jù)，客觀數(shù)據(jù)是指發(fā)生時(shí)間、持續(xù)時(shí)間、微博討論量、事件性質(zhì)、熱度等定性數(shù)據(jù)，客觀數(shù)據(jù)過新浪提供的API接口應(yīng)用python爬蟲程序進(jìn)行搜集。主觀數(shù)據(jù)如應(yīng)對(duì)等級(jí)、政府應(yīng)對(duì)滿意度等采用德費(fèi)爾法，由10位網(wǎng)絡(luò)輿情管理領(lǐng)域的專家對(duì)事件的政府處理效果打分，去掉最高分和最低分平均而得。具體結(jié)構(gòu)如表2實(shí)例。

22指標(biāo)構(gòu)建與熱度預(yù)測(cè)的計(jì)算方法

本文熱度預(yù)測(cè)采取的方法是在突發(fā)事件發(fā)生后，對(duì)突發(fā)事件的具體特征以及輿情敏感信息關(guān)聯(lián)事件進(jìn)行分析，得出事件的可能熱度的一種預(yù)測(cè)方法。指標(biāo)構(gòu)建從兩方面考慮，一是同類型突發(fā)事件的疊加影響，如“深圳娃娃魚”事件與“山東青島大蝦”事件屬于在不同時(shí)間段內(nèi)的同類型突發(fā)事件，兩次事件的疊加使得民眾對(duì)于不良商家和涉事政府的不作為產(chǎn)生了更大的反感情緒，加大了“山東青島大蝦”事件的惡劣影響。二是不同類型事件的交互影響，這種交互影響體現(xiàn)在兩方面，一方面可能產(chǎn)生衍生輿情。衍生輿情是指在原始輿情的高潮結(jié)束后，因?yàn)槟硞€(gè)衍生點(diǎn)產(chǎn)生的衍生輿情造成的另一個(gè)輿情高潮，與原始輿情交叉在一起造成更大的影響[1]。例如地震屬于自然災(zāi)害類，而官員貪污屬于官民關(guān)系類，若在地震事件期間爆出官員挪用救災(zāi)資金，則會(huì)產(chǎn)生更大的社會(huì)影響；另一方面，在一個(gè)時(shí)間間隔內(nèi)，不同類型的突發(fā)事件若沒有聯(lián)系，則存在削弱的關(guān)系。例如自然災(zāi)害類的“廬山地震”和社會(huì)道德爭(zhēng)議類的“復(fù)旦投毒案”事件在同一天發(fā)生，但是“復(fù)旦投毒案”熱度就被“廬山地震”削弱。故在輿情敏感輿情信息庫時(shí)，需要建立突發(fā)事件之間的內(nèi)在聯(lián)系，將孤立的突發(fā)事件有機(jī)的聯(lián)合起來。因此引入度分布的概念，度分布是網(wǎng)絡(luò)的重要統(tǒng)計(jì)特征，在社會(huì)網(wǎng)絡(luò)中，度可以表示個(gè)體的影響力和重要程度[16]，將每個(gè)類別的突發(fā)事件抽象為節(jié)點(diǎn)，則度表示突發(fā)事件的交互關(guān)系，使用數(shù)據(jù)可視化軟件Gephi計(jì)算度生成突發(fā)事件關(guān)系圖，如圖1所示。1

其中節(jié)點(diǎn)為輿情敏感信息庫中的不同類型的突發(fā)事件，邊表示與其它類型的突發(fā)事件的關(guān)系，分為正相關(guān)和負(fù)相關(guān)，正相關(guān)表示連鎖或者衍生關(guān)系，負(fù)相關(guān)表示削弱關(guān)系。絕對(duì)值越大則表示兩個(gè)節(jié)點(diǎn)的交互影響越強(qiáng)。較大的節(jié)點(diǎn)擁有與比其它節(jié)點(diǎn)相比更多的聯(lián)系。

為了對(duì)預(yù)熱度進(jìn)行量化的計(jì)算，還需要建立合理并具有實(shí)際可操作性的指標(biāo)，借鑒文獻(xiàn)[15]比較成熟的網(wǎng)絡(luò)輿情熱度的部分指標(biāo)，結(jié)合突發(fā)事件的自身特征以及與其它突發(fā)事件的聯(lián)系，形成指標(biāo)體系，其中一級(jí)指標(biāo)1個(gè)，二級(jí)指標(biāo)3個(gè)，三級(jí)指標(biāo)8個(gè)。熱度預(yù)測(cè)的指標(biāo)體系如表2所示。

221數(shù)據(jù)標(biāo)準(zhǔn)化

預(yù)熱度中的計(jì)算指標(biāo)包括效益型指標(biāo)和成本型指標(biāo)，E11、E12、E21、E22都為效益型指標(biāo)，而E13、E23為成本型指標(biāo)。為了使數(shù)據(jù)更易于計(jì)算，要對(duì)其進(jìn)行同趨化處理，采用指標(biāo)無量綱化方法，公式分別為（1）和（2）。

得到的數(shù)值在[0，1]區(qū)間內(nèi)，對(duì)其進(jìn)行標(biāo)準(zhǔn)化將其放大100倍，至區(qū)間[0，100]，得到最終計(jì)算數(shù)據(jù)。

222末級(jí)指標(biāo)含義

2221同類型事件的時(shí)間間隔E11

突發(fā)輿情的影響具有時(shí)間效應(yīng)，距現(xiàn)發(fā)事件的時(shí)間間隔越長(zhǎng)，對(duì)現(xiàn)發(fā)突發(fā)事件的影響則越小，故計(jì)算現(xiàn)發(fā)的突發(fā)事件距離最近一次的同性質(zhì)的突發(fā)事件的時(shí)間間隔n（n的單位為月，若時(shí)間間隔不足1個(gè)月則計(jì)做n=0），同類型時(shí)間間隔權(quán)重為E11=100-n。

2222突發(fā)事件的熱度E12，E21

對(duì)輿情敏感信息庫中的同類型突發(fā)事件的熱度加權(quán)求平均，以保證計(jì)算盡量符合最近時(shí)間間隔的實(shí)際情況，提高計(jì)算精度。2010-2015年賦予了不同的權(quán)重[07，075，08，09，1]。例如“搶鹽風(fēng)波”這類型的網(wǎng)絡(luò)謠言類突發(fā)事件，因?yàn)榻鼛啄陮?duì)于網(wǎng)絡(luò)謠言的治理，此類事件已經(jīng)很少能引起極大的影響，但若不加權(quán)處理就記入熱度計(jì)算，則會(huì)影響計(jì)算的精度。最后為了使數(shù)據(jù)更具有可比性進(jìn)行歸一化處理之后可得表3所示。

2223突發(fā)事件的政府滿意度E13，E23

對(duì)輿情敏感信息庫中的相同類型突發(fā)事件的政府應(yīng)對(duì)滿意度進(jìn)行與熱度的類似的操作，可得表4。一般而言，政府應(yīng)對(duì)滿意度與突發(fā)事件的熱度成反比，政府應(yīng)對(duì)滿意度低的突發(fā)事件再次發(fā)生只會(huì)增加網(wǎng)民的不滿情緒，而不會(huì)削弱輿情熱度。為了后來的層次分析法的計(jì)算，對(duì)政府應(yīng)對(duì)滿意度進(jìn)行處理，先進(jìn)行取反1-θij，再對(duì)取反結(jié)果進(jìn)行歸一化和標(biāo)準(zhǔn)化處理，公式（1），放大100倍將最終數(shù)值區(qū)間固定在[0，100]，結(jié)果如表5所示。

2224與不同突發(fā)事件的關(guān)系系數(shù)E21

突發(fā)事件的網(wǎng)絡(luò)輿情一般持續(xù)時(shí)間在10～20天左右，輿情的爆發(fā)期和高潮期集中在前5天，若在此期間發(fā)生無聯(lián)系的另一起突發(fā)事件，則突發(fā)事件的熱度就會(huì)被削弱；或若此突發(fā)事件是由前一突發(fā)事件衍生的、相關(guān)聯(lián)的事件，則此突發(fā)事件的熱度就會(huì)增強(qiáng)。

關(guān)系系數(shù)具體見圖1所示的邊標(biāo)簽。

將其關(guān)系系數(shù)放大100倍，使值落在[0～100]區(qū)間內(nèi)。

2225突發(fā)事件主體E31

突發(fā)事件的主體是指參與或者涉及事件的人，從主體身份以及主體影響力兩個(gè)方面進(jìn)行考察。主體身份是指當(dāng)事人或涉事人的社會(huì)身份，不同的社會(huì)身份所引起的關(guān)注以及情感態(tài)度都不一致，如大學(xué)生、嬰兒、孕婦、農(nóng)民工等弱勢(shì)群體更容易激起民眾同情，高官、城管、醫(yī)生等容易激起社會(huì)道德討論；而主體影響力是指知名度、社會(huì)地位，影響力越大的主體引起的關(guān)注也越大。若無主體則忽略不計(jì)（自然災(zāi)害無主體）。

2226損失程度E32

在突發(fā)事件初期，損失程度難以一步明朗的情況下，若屬于A類則按照國家分類標(biāo)準(zhǔn)劃分，見圖并分別賦予權(quán)重，若不屬于A類事件，則根據(jù)具體情況劃分。

223AHP方法計(jì)算指標(biāo)權(quán)重

層次分析法是由美國匹茲堡大學(xué)教授TLSaaty在20世紀(jì)70年代中期提出的。它的基本思想是把一個(gè)復(fù)雜的問題分解為各個(gè)組成因素，并將這些因素按支配關(guān)系分組，從而形成一個(gè)有序的遞階層次結(jié)構(gòu)，層次分析法可以考慮指標(biāo)之間的相對(duì)重要性，提高權(quán)重設(shè)計(jì)的科學(xué)性[15]。

依據(jù)表2建立的指標(biāo)體系，構(gòu)建兩兩比較判斷矩陣B=（bij）n*n，得到各個(gè)指標(biāo)的相對(duì)權(quán)重，對(duì)指標(biāo)權(quán)重特征向量進(jìn)行一致性檢驗(yàn)，最后計(jì)算組合權(quán)重，得出一級(jí)指標(biāo)相對(duì)于上級(jí)總體指標(biāo)的權(quán)重分配值。利用同樣方法可以得到二級(jí)指標(biāo)相對(duì)于一級(jí)指標(biāo)的權(quán)重，得到其權(quán)重如表7所示：

3實(shí)驗(yàn)驗(yàn)證

對(duì)2015年引起較大影響的事件進(jìn)行“預(yù)熱度”的計(jì)算，對(duì)計(jì)算結(jié)果與《2015年互聯(lián)網(wǎng)輿情分析報(bào)告：2015年網(wǎng)絡(luò)熱點(diǎn)輿情》給出的實(shí)際事件熱度進(jìn)行比較分析，分析結(jié)果如表8所示：

可知擬合結(jié)果較好，預(yù)熱度和實(shí)際熱度數(shù)據(jù)顯著相關(guān)。

以山東疫苗事件為例，315曝光的劣質(zhì)義齒生產(chǎn)后，2016年3月18日山東疫苗事件的發(fā)生，迅速的引爆了輿論場(chǎng)，引起民眾極大的恐慌情緒和對(duì)政府監(jiān)管失守的極大不滿。而“山東疫苗事件”之所以造成如此巨大的輿論影響，正是因?yàn)榍捌诹淤|(zhì)義齒事件的鋪墊，以及2013年“乙肝疫苗致人死亡事件”和2010年的“山西疫苗事件”的文章《疫苗之殤》微博上二次傳播，導(dǎo)致民眾對(duì)政府監(jiān)管的不滿情緒在涉及醫(yī)療安全這類敏感事件時(shí)徹底引爆。以此次事件為例帶入計(jì)算可得輿情預(yù)熱度EH=078125，可知已經(jīng)屬于較大負(fù)面輿情事故。

此種熱度預(yù)測(cè)方法是在突發(fā)事件發(fā)生初期，對(duì)突發(fā)事件可能熱度的預(yù)測(cè)。在此基礎(chǔ)上將有限的網(wǎng)絡(luò)輿情管理資源優(yōu)化分配到最有可能造成較大社會(huì)影響的事件上，盡管因?yàn)橥话l(fā)事件之間存在的差異性和演變機(jī)理的不同，就算出來的熱度并不等同于突發(fā)事件的實(shí)際熱度。從實(shí)驗(yàn)結(jié)果上看，預(yù)測(cè)熱度值對(duì)實(shí)際熱度也存在普遍的高估，但是為了降低忽略任何一個(gè)可能會(huì)引起較大影響的負(fù)面事件的可能性，這種有限度的高估是可以接受的。

4結(jié)論與展望

突發(fā)事件的熱度預(yù)測(cè)，對(duì)政府合理調(diào)度網(wǎng)絡(luò)資源，監(jiān)督引導(dǎo)輿論正確走向，提高政府公信力具有重要意義。準(zhǔn)確性和即時(shí)性是熱度預(yù)測(cè)最重要的兩個(gè)因素，因此本文在分析突發(fā)事件網(wǎng)絡(luò)輿情的特征以及之間存在的交互關(guān)系的基礎(chǔ)上建立輿情敏感信息庫來對(duì)現(xiàn)發(fā)的突發(fā)事件進(jìn)行熱度預(yù)測(cè)，相較于對(duì)突發(fā)事件發(fā)生后再進(jìn)行數(shù)據(jù)挖掘等處理方法上提高了預(yù)測(cè)的速度，且具有可接受的預(yù)測(cè)精度。

另外本文將突發(fā)事件類網(wǎng)絡(luò)輿情關(guān)系引入到輿情熱度指標(biāo)的研究中，豐富了已有的輿情熱度的評(píng)價(jià)指標(biāo)，也為政府應(yīng)對(duì)突發(fā)事件類網(wǎng)絡(luò)輿情提供參考，即重視歷史突發(fā)輿情的處理結(jié)果和處理經(jīng)驗(yàn)的價(jià)值，在輿情傳播的潛伏期能識(shí)別出可能引起較大影響的突發(fā)事件并優(yōu)先處理，破環(huán)其演化路徑，減少由于謠言、錯(cuò)誤輿論等對(duì)于公信力的削弱。

豐富了輿情熱度計(jì)算指標(biāo)，預(yù)熱度的計(jì)算是基于以往突發(fā)事件的權(quán)重指標(biāo)計(jì)算，但是針對(duì)負(fù)面突發(fā)輿情的多爆發(fā)點(diǎn)的特點(diǎn)，由于敏感輿情信息庫不具有足夠多的數(shù)據(jù)，應(yīng)用機(jī)器學(xué)習(xí)算法容易出現(xiàn)過度擬合的特征，因此在將來的研究中基于前人關(guān)于熱度等級(jí)的研究基礎(chǔ)上，盡可能完善輿情敏感信息庫，以便于采用機(jī)器學(xué)習(xí)算法進(jìn)行數(shù)據(jù)的擬合。

參考文獻(xiàn)

[1]蘭月新.突發(fā)事件微博輿情擴(kuò)散規(guī)律模型研究[J].情報(bào)雜志，2013，31（3）：31-34.

[2]蘭月新.突發(fā)事件網(wǎng)絡(luò)衍生輿情監(jiān)測(cè)模型研究[J].現(xiàn)代圖書情報(bào)技術(shù)，2013，（3）：51-57.

[3]王建偉，榮莉莉.突發(fā)事件的連鎖反應(yīng)網(wǎng)絡(luò)模型研究[J].計(jì)算機(jī)應(yīng)用研究，2008，25（11）：3288-3291.

[4]方付建，肖林，王國華.網(wǎng)絡(luò)輿情熱點(diǎn)事件“系列化呈現(xiàn)”問題研究[J].情報(bào)雜志，2011（2）：1-5.

[5]劉雪梅.對(duì)網(wǎng)絡(luò)空間輿情共振現(xiàn)象研究框架的思考[J].新聞與傳播研究，2011，（4）：32-33.

[6]科學(xué)世界網(wǎng).看點(diǎn)！第38次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[J].科學(xué)家，2016，4（9）.

[7]張一文，齊佳音，方濱興.非常規(guī)突發(fā)事件網(wǎng)絡(luò)輿情熱度評(píng)價(jià)體系研究[J].情報(bào)科學(xué)，2011，29（9）：1418-1424.

[8]劉毅.基于三角模糊數(shù)的網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系構(gòu)建[J].統(tǒng)計(jì)與決策，2012，（2）：12-15.

[9]曹學(xué)艷，張仙，劉睴，等.基于應(yīng)對(duì)等級(jí)的突發(fā)事件網(wǎng)絡(luò)輿情熱度分析[J].中國管理科學(xué)，2014，22（3）：83-88.

[10]王國華，鄧海峰，王雅蕾.網(wǎng)絡(luò)熱點(diǎn)事件中的輿情關(guān)聯(lián)問題研究[J].情報(bào)雜志，2012，31（7）：1-5.

[11]王建偉，榮莉莉.突發(fā)事件的連鎖反應(yīng)網(wǎng)絡(luò)模型研究[J].計(jì)算機(jī)應(yīng)用研究，2008，（11）：3288-3291.

[12]魯明羽，姚曉娜，魏善嶺.基于模糊聚類的網(wǎng)絡(luò)論壇熱點(diǎn)話題挖掘[J].大連海事大學(xué)學(xué)報(bào)，2008，34（4）：52-59.

[13]鄧愛萍.網(wǎng)絡(luò)熱點(diǎn)發(fā)現(xiàn)與跟蹤算法研究[J].計(jì)算機(jī)與現(xiàn)代化，2009，（12）：122-124.

[14]鄭魁，疏學(xué)明，袁宏永.網(wǎng)絡(luò)輿情熱點(diǎn)信息自動(dòng)發(fā)現(xiàn)方法[J].計(jì)算機(jī)工程，2010，36（3）：4-6.

[15]祝華新.網(wǎng)絡(luò)輿論共識(shí)度研究報(bào)告[R].北京：人民輿情檢測(cè)室，2015

（本文責(zé)任編輯：馬卓）