基于SOAR模型的網(wǎng)絡(luò)輿情應(yīng)急響應(yīng)策略

陳 佳

（濮陽職業(yè)技術(shù)學(xué)院 數(shù)學(xué)與信息工程學(xué)院，河南 濮陽 457000）

一、引言

在互聯(lián)網(wǎng)技術(shù)日漸普及的社會(huì)背景下，越來越多的網(wǎng)絡(luò)群體渴望通過網(wǎng)絡(luò)獲取具有時(shí)效性的輿情信息，并在掌握網(wǎng)絡(luò)事件真相的前提下，與廣大網(wǎng)友分享其個(gè)人對事件的看法與情感。針對此種現(xiàn)象，地方政府應(yīng)當(dāng)及時(shí)地采取干預(yù)措施，對網(wǎng)絡(luò)輿情的互聯(lián)網(wǎng)指向進(jìn)行主導(dǎo)與控制，避免網(wǎng)絡(luò)輿情影響到社會(huì)群體的認(rèn)知，也避免在此過程中，政府公信力受到干擾[1]（91-92）。現(xiàn)如今的市場技術(shù)研究部門，盡管已基于公共層面設(shè)計(jì)了一些具有針對性的調(diào)控模型，但大部分設(shè)計(jì)成果均從社會(huì)媒體層面進(jìn)行事件的解讀，僅注重對事件管理，沒有對輿情進(jìn)行網(wǎng)絡(luò)統(tǒng)計(jì)與分析[2]（132-133）。此種控制機(jī)制與響應(yīng)當(dāng)時(shí)缺少連續(xù)性，也無法基于網(wǎng)民情感層面，對事態(tài)的連續(xù)性進(jìn)行預(yù)測，其過程缺少對網(wǎng)絡(luò)融合復(fù)雜環(huán)境的映射，因此可以認(rèn)為，現(xiàn)如今社會(huì)形態(tài)可提供給地方政府的網(wǎng)絡(luò)輿情響應(yīng)方法，在實(shí)際應(yīng)用中，均存在某種不適配的問題。為了更好地落實(shí)政府主導(dǎo)輿情，本文引進(jìn)SOAR模型，結(jié)合模型的認(rèn)知框架，對網(wǎng)絡(luò)輿情應(yīng)急響應(yīng)方法展開研究，致力于通過此種方式，對網(wǎng)民的情感進(jìn)行正向疏導(dǎo)。

二、基于SOAR模型的網(wǎng)絡(luò)輿情應(yīng)急響應(yīng)

（一）基于SOAR模型的網(wǎng)絡(luò)輿情下網(wǎng)民群體行為映射

SOAR包含了State（狀態(tài)）、Operate（操作）、Result（結(jié)果）三部分，SOAR模型可以將這三部分有機(jī)地結(jié)合在一起，模型架構(gòu)如圖1所示：

圖1 SOAR模型架構(gòu)

長期記憶也可以稱為程序性記憶，工作記憶也可以稱為短期記憶，長期記憶可以作為規(guī)則，在其中提取出有用的信息，短期記憶經(jīng)過編碼可以傳輸至長期記憶中，短期記憶不僅可存儲(chǔ)近期記憶，還能存儲(chǔ)與之相關(guān)的信息。

SOAR模型可以對網(wǎng)民群體進(jìn)行映射研究，可有效掌握網(wǎng)絡(luò)輿情下不同網(wǎng)絡(luò)群體對事件的反應(yīng)與認(rèn)知，有利于全面落實(shí)對網(wǎng)絡(luò)輿情的應(yīng)急響應(yīng)。在此過程中，結(jié)合SOAR模型的認(rèn)知框架，進(jìn)行人類思維的模擬，可將模型的輸入/輸出層對應(yīng)群體認(rèn)知領(lǐng)域，記憶層對應(yīng)群體感知領(lǐng)域，推理過程對應(yīng)人腦思維過程[3]（134）。為了更準(zhǔn)確地描述用戶需求，可采用提取SOAR模型算子的方式，進(jìn)行群體行為的學(xué)習(xí)，并嘗試從心理學(xué)角度對映射行為進(jìn)行認(rèn)知。

例如，在社會(huì)網(wǎng)絡(luò)輿情中，不同類型的網(wǎng)絡(luò)群體對于相同事件的感知與認(rèn)知是不同的，在前端獲取信息后，后端自動(dòng)將獲取的信息與記憶層信息進(jìn)行對接。在此過程中，模型算子發(fā)生主動(dòng)匹配行為，并根據(jù)算子的匹配結(jié)果，對網(wǎng)絡(luò)輿情做出正面與負(fù)面判斷[4]（57）。 此過程如圖2所示：

圖2基于SOAR模型的網(wǎng)絡(luò)輿情行為判斷

當(dāng)網(wǎng)民對輿情事件具有了一個(gè)初步的判斷后，SOAR模型情感層將產(chǎn)生記憶，基于此，可對網(wǎng)民群體行為進(jìn)行映射。具體步驟如下：提取模型中匹配成功的算子，將其與記憶層現(xiàn)有數(shù)據(jù)庫中的算子進(jìn)行對接，對接成功后，終端將輸出預(yù)測情感，以此作為網(wǎng)民對網(wǎng)絡(luò)輿情的映射行為。反之，當(dāng)提取的算子與數(shù)據(jù)庫中算子對接不成功時(shí)，映射行為將受到前端用戶主觀行為與認(rèn)知的影響，并在長期記憶的干預(yù)下，對事件給予主觀判斷，以此種方式，完成對群體網(wǎng)絡(luò)輿情行為的映射。

（二）融合網(wǎng)民傾向性的網(wǎng)絡(luò)輿情應(yīng)急響應(yīng)策略設(shè)計(jì)

在完成上述相關(guān)工作的基礎(chǔ)上，可結(jié)合網(wǎng)民群體行為映射結(jié)果，對網(wǎng)民傾向性進(jìn)行預(yù)測，預(yù)測操作過程為：需要將網(wǎng)絡(luò)群體的感知層面記憶與規(guī)則信息進(jìn)行對接，對于匹配或?qū)映晒Φ乃阕?，需要將其調(diào)用到候選子集中進(jìn)行響應(yīng)決策輔助[5]（147）。運(yùn)用TFIDF算法提取網(wǎng)絡(luò)輿情信息，計(jì)算網(wǎng)絡(luò)輿情信息的權(quán)值公式如下：

公式（1）中tf表示詞語在文章中出現(xiàn)的頻率，idf表示逆文檔頻率。輸出算子匹配結(jié)果，根據(jù)匹配結(jié)果中雷同結(jié)果數(shù)量，對網(wǎng)民傾向性再進(jìn)一步進(jìn)行最優(yōu)解計(jì)算。計(jì)算公式如下：

公式（2）中：f(x)表示為針對網(wǎng)民的網(wǎng)絡(luò)輿情傾向性預(yù)測結(jié)果；I表示為積極期望值；C表示為特征加權(quán)因子；P表示為期望值；φ表示為記憶邏輯參數(shù)；lmax表示為最高期望值。

將計(jì)算結(jié)果導(dǎo)入候選機(jī)制，并結(jié)合新的規(guī)則庫進(jìn)行網(wǎng)絡(luò)輿情響應(yīng)狀態(tài)的對接。為了確保響應(yīng)行為的規(guī)范性與價(jià)值性，還需要在此過程中，構(gòu)建不同網(wǎng)絡(luò)群體的行為規(guī)則，將所有發(fā)生的響應(yīng)行為按照行為規(guī)則進(jìn)行篩選，以此種方式，確保響應(yīng)結(jié)果與實(shí)際結(jié)果兩者之間具備一定批量協(xié)同性，從而完成對基于SOAR模型的網(wǎng)絡(luò)輿情應(yīng)急響應(yīng)策略設(shè)計(jì)。

三、實(shí)驗(yàn)分析

為進(jìn)一步驗(yàn)證本文提出的應(yīng)急響應(yīng)策略在實(shí)際應(yīng)用中的效果，利用本文提出的策略與傳統(tǒng)基于分級分類的應(yīng)急響應(yīng)策略，針對某高校內(nèi)部網(wǎng)絡(luò)輿情演變情況進(jìn)行應(yīng)急響應(yīng)對比，并探究在本文提出應(yīng)急策略實(shí)施后對高校網(wǎng)絡(luò)用戶群體行為的具體影響。

本文以某一具體事件的網(wǎng)絡(luò)用戶群體行為演變作為實(shí)驗(yàn)環(huán)境，將網(wǎng)絡(luò)用戶負(fù)面情感作為評價(jià)指標(biāo)，為實(shí)現(xiàn)對網(wǎng)絡(luò)用戶負(fù)面情感的量化，本文選擇以偏好度作為量化評價(jià)指標(biāo)，偏好度計(jì)算公式為：

偏好度=針對該事件網(wǎng)民某種行為對應(yīng)的數(shù)據(jù)量/針對該事件網(wǎng)民發(fā)布的數(shù)據(jù)總量

由上述公式可知，偏好度越高，則產(chǎn)生負(fù)面情感的網(wǎng)絡(luò)用戶人數(shù)越少，說明應(yīng)急響應(yīng)措施實(shí)施有效程度高。反之，偏好度越低，則產(chǎn)生的負(fù)面情感的網(wǎng)絡(luò)用戶人數(shù)越多，說明應(yīng)急響應(yīng)措施實(shí)施有效程度低。

基于上述理論分析，將兩種應(yīng)急響應(yīng)策略應(yīng)用于該實(shí)驗(yàn)環(huán)境當(dāng)中，并對兩種策略在實(shí)施后的用戶偏好度進(jìn)行計(jì)算，并將得出的計(jì)算結(jié)果以表格的形式繪制，如表1（第23頁）所示：

從表1中兩種應(yīng)急響應(yīng)策略實(shí)驗(yàn)結(jié)果可以看出，本文應(yīng)急響應(yīng)策略實(shí)施后的偏好度明顯提高。

通過上述對比實(shí)驗(yàn)證明，本文提出的應(yīng)急響應(yīng)策略可進(jìn)一步減少網(wǎng)民產(chǎn)生負(fù)面情感，在具體實(shí)施時(shí)具有更高的有效性。

表1 兩種應(yīng)急響應(yīng)策略實(shí)驗(yàn)結(jié)果對比

四、結(jié)束語

網(wǎng)絡(luò)輿情是影響社會(huì)群體認(rèn)知、干預(yù)網(wǎng)絡(luò)群體主觀情感的主要因素，為了降低網(wǎng)絡(luò)輿情對社會(huì)群體造成的負(fù)面干預(yù)與影響，本文從基于SOAR模型的網(wǎng)絡(luò)輿情下網(wǎng)民群體行為映射、融合網(wǎng)民傾向性的網(wǎng)絡(luò)輿情應(yīng)急響應(yīng)決策兩個(gè)方面，對提出的課題展開了研究，并在完成對此的研究后，通過對比實(shí)驗(yàn)證明，本文應(yīng)急響應(yīng)策略在實(shí)施后產(chǎn)生負(fù)面情感的用戶更少，可實(shí)現(xiàn)對網(wǎng)絡(luò)輿情做出正確的情感指示，為解決網(wǎng)絡(luò)輿情對網(wǎng)民群體情感造成的負(fù)面干擾問題提供指導(dǎo)。