大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情演化規(guī)律及預(yù)警模型問題探討

侯學(xué)慧

（新疆警察學(xué)院 新疆烏魯木齊 830001）

一、問題提出

在大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)信息和輿論信息的監(jiān)管及正確引導(dǎo)是非常重要的，保護(hù)好我們祖國、人民群眾的安全是我們警察的使命和義務(wù)。網(wǎng)絡(luò)輿情是指由于各種事件的刺激而產(chǎn)生的通過互聯(lián)網(wǎng)傳播的人們對于該事件的所有認(rèn)知、態(tài)度、情感和行為傾向的集合[1]。我們生活在一個突發(fā)事件頻發(fā)的大數(shù)據(jù)網(wǎng)絡(luò)時代下，突發(fā)事件是指突然發(fā)生，造成或可能造成嚴(yán)重的社會危害，需要采取應(yīng)急處置措施予以應(yīng)對的公共事件[2]。突發(fā)事件的網(wǎng)絡(luò)輿情演化是指“沒有對事件源和次發(fā)生事件進(jìn)行人工應(yīng)急干擾的原擴(kuò)散路徑”[3]。突發(fā)事件爆發(fā)后，一定會引起網(wǎng)絡(luò)輿情發(fā)生，在各種網(wǎng)絡(luò)平臺上信息快速傳播和蔓延下，政府部門要發(fā)揮常規(guī)的傳播模式的效力，還要積極有效的給予矯正型的傳播影響作用，才能更好有效地控制網(wǎng)絡(luò)輿情發(fā)酵。為此，必須要做到日常網(wǎng)絡(luò)輿情的預(yù)警、完善輿情監(jiān)管監(jiān)督機(jī)制、加強(qiáng)輿情的導(dǎo)控。

目前對網(wǎng)絡(luò)輿情的預(yù)警機(jī)制的定量研究，更多是注重網(wǎng)絡(luò)輿情的構(gòu)成因素和因素之間的關(guān)系方面，沒有對時間序列模式與網(wǎng)絡(luò)輿情的變化規(guī)律上研究更深入。在大數(shù)據(jù)的網(wǎng)絡(luò)環(huán)境下，只有定量、深層次地分析網(wǎng)絡(luò)輿情的動態(tài)演化過程，分析其函數(shù)特征和演化規(guī)律，才能針對將要發(fā)生的網(wǎng)絡(luò)輿情做出預(yù)警應(yīng)對。針對現(xiàn)有的網(wǎng)絡(luò)上熱門案例，通過信息提取工作包GooSeeker等信息提取軟件，對案例建立事件發(fā)生的時間與每天新聞發(fā)布數(shù)量做函數(shù)擬合，得到網(wǎng)絡(luò)輿情隨時間周期的發(fā)生、發(fā)展、擴(kuò)散、消亡的動態(tài)演化過程，從而建立網(wǎng)絡(luò)輿情導(dǎo)控和預(yù)警機(jī)制。

研究者們運用不同的模型和方法對網(wǎng)絡(luò)輿情演化階段和構(gòu)成因素進(jìn)行分析，建立預(yù)警機(jī)制，主要包括三方面的研究。一是建立預(yù)警指標(biāo)因素體系，注重于影響輿情變化的關(guān)鍵指標(biāo)討論。二是基于情感傾向性分析，這里包括群眾的態(tài)度是“贊同”“中立”“反對”，從海量信息中，發(fā)現(xiàn)潛在的危機(jī)隱患。三是基于數(shù)據(jù)挖掘的預(yù)警，這種方法是從網(wǎng)絡(luò)中提取和目標(biāo)相關(guān)的數(shù)據(jù)，構(gòu)成數(shù)據(jù)集。本文就是基于真實數(shù)據(jù)，從數(shù)據(jù)挖掘中找到規(guī)律，從而做到更加精確的預(yù)警。

大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情具有突發(fā)性、群體性、不確定性等特征，本文從其特征分析，建立數(shù)學(xué)模型符合基于多項式函數(shù)的數(shù)據(jù)特征?？梢酝ㄟ^已有的國內(nèi)熱門網(wǎng)絡(luò)輿情案例與實際數(shù)據(jù)挖掘，建立網(wǎng)絡(luò)輿情演化模型，分析、量化輿情動態(tài)，做好預(yù)警模型。分析事件的真實性、敏感度、主題吸引力、發(fā)布者影響度、主題聚焦度、輿情觀點傾向度、參與度、容忍度、變化頻度、突變度等。在大數(shù)據(jù)環(huán)境下建立基于多項式函數(shù)的網(wǎng)絡(luò)輿情預(yù)警機(jī)制，并用MATLAB軟件對預(yù)測數(shù)據(jù)作仿真實驗。從而建立網(wǎng)絡(luò)輿情隨時間發(fā)展，每個時間段的預(yù)警信號及相關(guān)參數(shù)、關(guān)鍵詞、事件的動態(tài)演化預(yù)警模型。

二、研究方法與模型

持有、接受、表達(dá)某種相同、相似的觀點的人在社會人群中所占的比例超過一定的閥值，這時候這種觀點就上升為輿論[1]。我們從定量的、模型化的分析大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情的演化規(guī)律:

（一）分析網(wǎng)絡(luò)平臺（微博）得到相應(yīng)的數(shù)據(jù)背景

我們主要針對互聯(lián)網(wǎng)上的網(wǎng)絡(luò)輿情進(jìn)行研究、分析。關(guān)注的新媒體網(wǎng)絡(luò)平臺主要是新聞網(wǎng)站-微博等。也通過相應(yīng)的輿情觀測平臺和軟件得到相應(yīng)的數(shù)據(jù)和圖表。利用數(shù)據(jù)挖掘和分析突發(fā)事件隨時間的演化規(guī)律和普通民眾對突發(fā)事件的關(guān)注度等指標(biāo)因素，從而做到下一階段的輿情預(yù)警機(jī)制，并且對下一次發(fā)生的相同突發(fā)案件有應(yīng)對的預(yù)警模型。

（二）數(shù)據(jù)挖掘、分析方法

對于大數(shù)據(jù)背景下，已有的網(wǎng)絡(luò)突發(fā)案件的客觀數(shù)據(jù)，利用網(wǎng)絡(luò)爬蟲、信息提取工具包Goo-Seeker中的抓取規(guī)則和網(wǎng)頁信息抓取工DataScraper等，抓取網(wǎng)站的新聞報道數(shù)量和相應(yīng)的時間分布，以及頻繁出現(xiàn)的關(guān)鍵詞等指標(biāo)因素[4]。通過DataStudio定義搜索信息屬性為url（網(wǎng)頁鏈接地址）、title（新聞標(biāo)題）、time（新聞發(fā)布時間）、num（新聞機(jī)構(gòu)名稱以及新聞關(guān)注條數(shù)）

（三）函數(shù)擬合方法-基于多項式函數(shù)的網(wǎng)絡(luò)輿情演化規(guī)律

對通過信息抓取的獲得的數(shù)據(jù)進(jìn)行挖掘、分析，我們知道突發(fā)事件的網(wǎng)絡(luò)輿情新聞報道數(shù)量（普通民眾關(guān)注、評論程度）是分布在事件發(fā)生時間軸上的一些離散的點，制止整個事件最終消亡。在網(wǎng)絡(luò)熱門事件影響力較大、關(guān)注度較高的突發(fā)事件，往往這些離散點成規(guī)律性的變化，假定任何事件的真實發(fā)展都可以被看成是時間的連續(xù)函數(shù)。在網(wǎng)絡(luò)的大數(shù)據(jù)背景下，從已經(jīng)發(fā)生的突發(fā)事件案例挖掘的數(shù)據(jù)入手，量化的去分析網(wǎng)絡(luò)輿情的演化和發(fā)展。根據(jù)散點圖的規(guī)律，擬合相應(yīng)的多項式函數(shù)，找到其函數(shù)分布規(guī)律，從而做好更好、更早、更加正確的預(yù)警機(jī)制和應(yīng)對手段。

筆者采用根據(jù)大數(shù)據(jù)背景下具體真實案例的數(shù)據(jù)進(jìn)行挖掘和分析，做出相應(yīng)的散點圖，通過MATLAB軟件進(jìn)行函數(shù)擬合，得到與網(wǎng)絡(luò)輿情的動態(tài)演化最貼近的連續(xù)曲線-多項式函數(shù)擬合，建立數(shù)學(xué)模型，分析其演化特征。在考慮是否符合相應(yīng)的函數(shù)擬合時，采用最小二乘法[5]來分析誤差，找到離散點的最佳的函數(shù)逼近，在有限數(shù)據(jù)的基礎(chǔ)上建立合適的、合理化的數(shù)學(xué)模型。利用變量之間的相關(guān)系數(shù)R，分析擬合的多項式函數(shù)的預(yù)測值與真實值之間的具體的相關(guān)性。

分析突發(fā)事件的輿論數(shù)據(jù)是一些在時間軸上離散的數(shù)據(jù)點。根據(jù)其圖像，規(guī)律的發(fā)現(xiàn)散點圖符合基于最小二乘法的多項式函數(shù)擬合。下面給出一些定義:

最小二乘法:通過最小化誤差的平方和找到數(shù)據(jù)的最佳擬合函數(shù)，對挖掘出的真實數(shù)據(jù)再取定相應(yīng)的多項式函數(shù)Px(x)，使得誤差的平方和E2達(dá)到最小值，定義:

E2=，其中Yi為數(shù)據(jù)的真實值、p(xi)為數(shù)據(jù)預(yù)測值，我們稱pn(x)為擬合函數(shù)或最小二乘解。

由最小二乘法原理，可以知道擬合函數(shù)應(yīng)該滿足:

（四）突發(fā)事件網(wǎng)絡(luò)輿情演化的函數(shù)特征分析——基于概率的指數(shù)型分布、多峰值高斯分布函數(shù)演化規(guī)律

我們通過分析案例的散點圖，得到擬合多項式函數(shù)圖像，發(fā)現(xiàn)突發(fā)事件網(wǎng)絡(luò)輿情的演化規(guī)律，從概率和統(tǒng)計學(xué)上分析，服從指數(shù)分布（突發(fā)型）和多峰值高斯函數(shù)分布特征（持續(xù)型），函數(shù)分布成分段函數(shù)型（混合型）。

指數(shù)分布（突發(fā)性）:在概率論和統(tǒng)計學(xué)中，指數(shù)分布是一種連續(xù)概率分布，可以用來表示獨立隨機(jī)事件發(fā)生的時間間隔。一個指數(shù)分布的概率密度函數(shù)是:

p(x,a)=a*e-a*x(x＞0）X是時間變量;其中a>0是分布的一個參數(shù)，常被稱為率參數(shù)，即每單位時間發(fā)生該事件的次數(shù)。其中我們定義a是影響因子，a決定著突發(fā)事件網(wǎng)絡(luò)輿情的開始影響程度，a的值越大，整個事件的影響力就越大，所以在預(yù)警時一定要關(guān)注影響因子的值。

多峰值高斯分布模型（持續(xù)型）:高斯分布又稱為正態(tài)分布，根據(jù)具體的案例分析，我們不難發(fā)現(xiàn)持續(xù)型輿情案例，呈現(xiàn)峰多值的高斯分布，其函數(shù)如下:

p(x)=；其中n是指峰的個數(shù)決定。當(dāng)n=1時，是一次單峰的持續(xù)型輿情案例，當(dāng)n=2時，是雙峰的持續(xù)型案例；ai是第i個峰值的影響因子，ai決定著突發(fā)事件網(wǎng)絡(luò)輿情該峰值的影響程度，ai的值越大，整個事件的影響力就越大。βi是事件的關(guān)注因子，當(dāng)βi的值說明在該峰值內(nèi)的關(guān)注時間長短，越大時，說明事件關(guān)注時間較長。

分段概率分布函數(shù)（混合型）:根據(jù)分析具體的輿情案例，有些較為復(fù)雜的突發(fā)事件輿情演化，呈現(xiàn)出前段圖像走勢呈指數(shù)函數(shù)分布，后段呈多峰值高斯分布函數(shù)模型，其函數(shù)如下:

三、模型的分析與建立、求解

（一）模型的分析、建立概述-網(wǎng)絡(luò)輿情隨時間序列函數(shù)的特征分析

按照關(guān)于社會治理、公共安全服務(wù)類、法制信息化、刑事案件等四類典型輿情案例進(jìn)行分析，具體分析其動態(tài)變化情況。

1.“天津毒瘤造假”事件——突發(fā)型。2017年1月16日，在天津市靜海區(qū)獨流鎮(zhèn)的一些普通民宅里，每天生產(chǎn)著大量假冒名牌調(diào)料，雀巢、太太樂、王守義、家樂、海天、李錦記等市場知名品牌幾乎無一幸免。這些假冒劣質(zhì)調(diào)料，通過物流配送或送貨上門的方式，流向北京、上海、安徽、江西、福建、山東、四川、黑龍江、新疆等地區(qū)。監(jiān)測關(guān)鍵詞[（天津+獨流）*（造假+假冒+劣質(zhì)+制假）*（調(diào)料+窩點）]

我們在大數(shù)據(jù)環(huán)境下，通過數(shù)據(jù)爬蟲得到1周之內(nèi)新聞網(wǎng)站、大型媒體傳播情況。如圖1、圖2:

圖1 天津毒瘤造假輿情監(jiān)測傳播數(shù)據(jù)

圖2 多項式擬合——天津毒瘤造假輿情傳播

建立基于最小二乘法的多項式函數(shù)擬合，新聞報道量與時間序列的函數(shù)關(guān)系滿足:

2.“怕冷哥”事件——持續(xù)型（單峰值）。2016年1月央視記者大鬧冬運會的安檢口的視頻，全長1分44秒。根據(jù)視頻顯示，該名攜帶央視“媒體記者”證的黑衣男子在某安檢口和安檢人員發(fā)生沖突，安檢人員讓其脫掉外套配合安檢，男子態(tài)度囂張，回復(fù)八個“我冷”，并質(zhì)問“省領(lǐng)導(dǎo)需要安檢嗎?”因男子拒不配合工作，安檢人員要求其從安檢儀上下來，對此，男子回應(yīng)“我冷，怎么了，小心我投訴你”，這類社會公共服務(wù)類輿情事件。監(jiān)測關(guān)鍵詞[（新疆+安檢）*（央視+記者）*冬運會]

通過對微博信息數(shù)據(jù)爬蟲抓取，得到一周之內(nèi)微博網(wǎng)友的傳播情況。

圖3 多項式擬合——怕冷哥事件輿情傳播

微博發(fā)表轉(zhuǎn)帖數(shù)與時間序列的函數(shù)關(guān)系滿足:

3.“法制信息化建設(shè)”輿情——持續(xù)型（雙峰值）。2017年2月23日，由中國社科院法學(xué)研究所和社科文獻(xiàn)出版社共同發(fā)布的《法治藍(lán)皮書·中國法院信息化發(fā)展報告》指出，借助法院信息化的應(yīng)用和發(fā)展，中國法院的司法透明度得到全方位提升，信息化為司法公開提供了平臺，拓展了司法公開的廣度與深度。監(jiān)測關(guān)鍵詞[法院信息化發(fā)展，法院*信息化，法院*智慧，法治*藍(lán)皮書，社科院*法治]。

通過輿情觀測軟件，得到15天新聞媒體的傳播情況。

圖4 法制信息化建設(shè)輿情監(jiān)測傳播數(shù)據(jù)

圖5 多項式擬合——法制信息化建設(shè)輿情傳播

新聞報告量與時間序列的函數(shù)關(guān)系滿足:

4.“杭州保姆縱火案”事件——持續(xù)型（雙峰值）。2017年6月22日，杭州小區(qū)保姆縱火案是于北京時間6月22日凌晨5點左右在杭州某小區(qū)發(fā)生的縱火案。該事件造成4人死亡（1位母親和3個未成年孩子）。23至24日，受害人家屬林生斌的家庭生活細(xì)節(jié)、作案保姆的嗜賭欠債背景曝光，由此，夾雜著群眾對消防部門和物業(yè)部門的救援行動的質(zhì)疑，以及對保姆、家政行業(yè)深入反思的輿情呈井噴之勢。

通過輿情觀測軟件，得到30天新聞媒體的傳播情況。監(jiān)測關(guān)鍵詞[保姆*家政，小區(qū)*物業(yè)，消防設(shè)施*消防]。

圖6 多項式擬合——杭州保姆縱火案輿情傳播

新聞報告量與時間序列的函數(shù)關(guān)系滿足:

（二）模型的分析、建立概述——網(wǎng)絡(luò)輿情演化的概率分布特征分析

我們把大數(shù)據(jù)背景下的突發(fā)事件網(wǎng)絡(luò)輿情事件分成三種類型:突發(fā)型、持續(xù)型、混合型。突發(fā)型:“天津獨流造假”事件屬于突發(fā)型輿情事件，函數(shù)滿足:p(x,a)=a*e-a*x。

根據(jù)研究基于多項式函數(shù)擬合的圖像分析，符合指數(shù)型分布的特征。該類事件的突發(fā)性強(qiáng)、破壞性大、社會影響大。事件發(fā)生頻率低，具有很大的轟動性，事發(fā)后引起數(shù)量大的報道，但隨著網(wǎng)民對該事件的了解和解決，網(wǎng)絡(luò)輿情呈現(xiàn)出遞減趨勢，直至消亡。

持續(xù)型:“怕冷哥”事件、“法制信息化建設(shè)”“杭州保姆縱火案”事件都屬于持續(xù)型網(wǎng)絡(luò)輿情。均滿足多峰值的高斯分布函數(shù)特征；其函數(shù)表達(dá)式:

p(x)=；具有持續(xù)型特征的網(wǎng)絡(luò)輿情事件，從事件發(fā)生到高漲，一般經(jīng)歷一段時間的發(fā)展過程，從而達(dá)到第一次峰值，通過社會、政策、公安等采取一定措施后，在輿情生命周期內(nèi)達(dá)到平緩，但由于信息傳播的波動性或者應(yīng)對輿情處理措施等，可能會再一次達(dá)到峰值，最終消亡。

混合型:既包含“突發(fā)型”特征，也包含“持續(xù)型”網(wǎng)絡(luò)輿情特征，我們用分段函數(shù)表示這一類輿情演化:

四、模型的推廣與評價

綜上，本項目研究的主要脈絡(luò)是，在大數(shù)據(jù)條件下選取網(wǎng)絡(luò)上的熱點事件進(jìn)行分析，利用了網(wǎng)絡(luò)爬蟲、信息提取工具包等手段，抓取了網(wǎng)站的新聞報道量和相應(yīng)的時間分布以及在熱門事件中出現(xiàn)的關(guān)鍵詞，以網(wǎng)絡(luò)輿情演化特征為標(biāo)準(zhǔn)，將輿情事件分為突發(fā)型、持續(xù)型、混合型，對網(wǎng)絡(luò)輿情每一種類型進(jìn)行了數(shù)據(jù)挖掘，分析相應(yīng)的新聞報道量和時間分布的離散點，構(gòu)造出合理的多項式函數(shù)。由此探索網(wǎng)絡(luò)輿情演化規(guī)律，有助于對網(wǎng)絡(luò)輿情事件的監(jiān)控和預(yù)警，為引導(dǎo)網(wǎng)絡(luò)輿情提供參考。由于案例樣本量有限，成果的推廣價值尚有待進(jìn)一步驗證。對數(shù)據(jù)的抓取，也可能存在一定程度的誤差，這可能影響輿情演化規(guī)律探索的精確性。而且影響網(wǎng)絡(luò)輿情的因素很多，本文中考慮的因素未及全面，研究還需要繼續(xù)深入。