大數(shù)據(jù)平臺下網(wǎng)絡輿情風險演化模型仿真研究

任昌鴻，童春燕

(重慶師范大學涉外商貿(mào)學院，重慶 401520)

1 引言

隨著我國網(wǎng)絡技術(shù)的不斷發(fā)展，網(wǎng)絡已經(jīng)成為人們?nèi)粘Ｉ钪斜夭豢缮俚脑?。網(wǎng)絡使用率的增加，導致網(wǎng)絡輿情風險出現(xiàn)。網(wǎng)絡輿情指的是互聯(lián)網(wǎng)上流行的對社會問題不同看法的網(wǎng)絡輿論，實質(zhì)上是社會輿論的一種表現(xiàn)形式，主要是通過互聯(lián)網(wǎng)對熱點與焦點問題中影響力較強的觀點與言論進行傳播。現(xiàn)今比較被大眾所接受的網(wǎng)絡輿情定義為：網(wǎng)絡輿情主要是以網(wǎng)絡為載體，以事件為核心，對廣大網(wǎng)民態(tài)度、情感、觀點、意見等進行傳播、互動、表達與后續(xù)的影響[1]。網(wǎng)絡輿情信息比較多元、表達較為快捷，具有開放與虛擬的特性，導致其具有直接性、隨意性、多元化、突發(fā)性、隱蔽性、偏差性等特點。但是，隨著網(wǎng)絡社會的崛起，網(wǎng)絡輿情逐漸的成為現(xiàn)實社會的“晴雨表”，也是一種不可忽視的頻發(fā)性社會現(xiàn)象[2]。網(wǎng)絡輿情主要是通過對民意進行聚合，對社會產(chǎn)生深刻的影響。但是其也存在著較大的風險，近幾年，由于負面的網(wǎng)絡輿情導致當事人抑郁、自殺的事件頻發(fā)，網(wǎng)絡輿情風險也逐漸的受到人們的重視。

為了對網(wǎng)絡輿情風險進行詳細的分析，國內(nèi)外對網(wǎng)絡輿情風險演化模型進行了研究，并取得了一定的成果。目前使用較為廣泛的模型為基于多數(shù)原則的網(wǎng)絡輿情風險演化模型、基于有限信任的網(wǎng)絡輿情風險演化模型以及基于Sznajd的網(wǎng)絡輿情風險演化模型。其中，基于多數(shù)原則的網(wǎng)絡輿情風險演化模型主要的思想為觀點聚合，在該模型中，個體觀點呈現(xiàn)為二元離散狀態(tài)，更加簡單，并簡化了分析的過程；基于有限信任的網(wǎng)絡輿情風險演化模型認為觀點交互行為主要出現(xiàn)在觀點差值小于給定的信任閾值時，以此為基礎(chǔ)，對觀點模型進行建立，分析網(wǎng)絡輿情風險演化過程；基于Sznajd的網(wǎng)絡輿情風險演化模型是粒子交互模型中的典型代表，主要的思想為：更多的個體會更加讓人信服，因此，該模型主要是將觀點進行聚合，以此為基礎(chǔ)，對網(wǎng)絡輿情風險演化模型進行構(gòu)建[3]。但是上述三種方法均存在著網(wǎng)絡輿情風險預測準確性低、控制效果差的缺陷，無法滿足現(xiàn)今互聯(lián)網(wǎng)的需求，為了解決上述問題，基于大數(shù)據(jù)平臺對網(wǎng)絡輿情風險演化模型進行構(gòu)建，并設(shè)計仿真對比實驗對構(gòu)建的網(wǎng)絡輿情風險演化模型性能進行測試與分析。

2 網(wǎng)絡輿情風險演化模型構(gòu)建

2.1 網(wǎng)絡輿情信息獲取

要想對網(wǎng)絡輿情風險演化模型進行構(gòu)建，首要的任務就要對網(wǎng)絡輿情信息進行獲取。通過研究發(fā)現(xiàn)，協(xié)程網(wǎng)絡爬蟲算法更加適用于網(wǎng)絡輿情信息的獲取[4]。具體的信息獲取過程如下所示。

通過協(xié)程網(wǎng)絡爬蟲算法得到網(wǎng)絡輿情信息為

X={x1，x2，…，xn}

(1)

為了對網(wǎng)絡輿情信息中的觀點進行提取，首先采用加權(quán)技術(shù)對信息中的關(guān)鍵詞進行提取。采用權(quán)重對詞的關(guān)鍵程度進行表示，詞權(quán)重計算公式為

(2)

其中，idfxi表示的是第i個詞的權(quán)重值；log表示的是底為10的對數(shù)公式；|D|表示的是網(wǎng)絡輿情信息集合D中信息的總數(shù)；{d′∈D|t∈d′}表示的是包含詞t的信息數(shù)量。

在網(wǎng)絡輿情信息中，若是關(guān)鍵詞k出現(xiàn)了n次，而網(wǎng)絡輿情信息總詞數(shù)為N，則詞頻為n/N。

由于網(wǎng)絡輿情信息中含有大量的相似關(guān)鍵詞，為了簡化網(wǎng)絡輿情信息，將相似的關(guān)鍵詞進行集合，對相似關(guān)鍵詞權(quán)重進行計算，得到

(3)

其中，Wxi，d′表示的是相似關(guān)鍵詞權(quán)重值；α表示的是計算參數(shù)。

通過式(3)得到各個相似關(guān)鍵詞的權(quán)重值，以此為基礎(chǔ)，對網(wǎng)絡輿情關(guān)鍵詞分布圖進行構(gòu)建。

通過統(tǒng)計分析方法得到詞頻的二維與三維圖，如圖1所示。

圖1 網(wǎng)絡輿情詞頻二維、三維圖

根據(jù)上述得到的網(wǎng)絡輿情詞頻圖，通過聚類算法獲取網(wǎng)絡輿情觀點信息，得到

(4)

通過上述過程完成了網(wǎng)絡輿情信息的獲取，并得到了網(wǎng)絡輿情觀點信息集合，為下述網(wǎng)絡輿情觀點的聚合提供數(shù)據(jù)支撐。

2.2 網(wǎng)絡輿情觀點聚合規(guī)則設(shè)定

以上述得到的網(wǎng)絡輿情觀點集合為基礎(chǔ)，采用Weisbuch-Deffuant模型對網(wǎng)絡輿情觀點聚合規(guī)則進行設(shè)定，以此為基礎(chǔ)，對網(wǎng)絡輿情觀點進行聚合[5]。具體的過程如下所示。

忽略網(wǎng)絡輿情觀點聚合空間中流失的情況，設(shè)定網(wǎng)絡規(guī)模為M，將其中各個個體構(gòu)成的社會網(wǎng)絡記為G(M，E)，其中，E表示的是網(wǎng)絡中邊的數(shù)量。

(5)

在網(wǎng)絡輿情觀點聚合中，個體交互程度具有非充分性與異質(zhì)性的特性，個體對他人觀點的接受程度也是不同的。在網(wǎng)絡輿情觀點聚合過程中，收斂系數(shù)主要是對個體對他人觀點接收程度進行描述的變量，其取值的不同直接影響著觀點聚合的效果。因此，收斂系數(shù)設(shè)置為一個固定值并不合理[8]。本節(jié)采用收斂系數(shù)的分布f(μ)對收斂系數(shù)進行代替。另外，將信任閾值與觀點距離引入，其滿足下述公式

(6)

根據(jù)上述公式得到網(wǎng)絡輿情觀點聚合一般規(guī)則為

(7)

其中，ε為值域[0，1]上的一個固定值。

方式一：隨機加邊[9]。主要是依據(jù)概率在網(wǎng)絡個體中進行隨機選擇，使新加入個體與其聯(lián)系進行建立；

方式二：依據(jù)度值權(quán)重進行非等概率加邊[10]。主要是依據(jù)網(wǎng)絡連接的“馬太效應”對新加入個體與已存在的個體進行連接，其概率為

(8)

同時，網(wǎng)絡中具有名人效應，以方式二進行加邊更加符合實際的情況。因此，得到大數(shù)據(jù)平臺下網(wǎng)絡輿情觀點聚合流程如圖2所示。

圖2 大數(shù)據(jù)平臺下網(wǎng)絡輿情觀點聚合流程圖

通過上述過程完成了網(wǎng)絡輿情觀點聚合規(guī)則的設(shè)定，并對觀點進行了聚合，為網(wǎng)絡輿情風險系數(shù)的計算做準備。

2.3 網(wǎng)絡輿情信息擴散模式搭建

以上述得到的網(wǎng)絡輿情觀點聚合結(jié)果為基礎(chǔ)，采用倉室模型對網(wǎng)絡輿情信息擴散模式進行搭建，具體的模式搭建過程如下所示[11]。

倉室模型是現(xiàn)今使用較為廣泛的模型類型，倉室模型示意圖如圖3所示。

圖3 倉室模型示意圖

如圖3所示，S表示的是個體非知情狀態(tài)，表示個體沒有受到網(wǎng)絡輿情信息擴散的影響，對輿情信息認知較少；E表示的是個體知情狀態(tài)，個體對網(wǎng)絡輿情信息具有一定的了解，并受到其擴散的影響；I表示的是傳播狀態(tài)，這些個體是網(wǎng)絡輿情信息擴散的主要推動者；R表示的是移出狀態(tài)，該狀態(tài)的個體不會受到網(wǎng)絡輿情信息擴散的影響，處于免疫狀態(tài)。

網(wǎng)絡輿情信息擴散中個體狀態(tài)轉(zhuǎn)移流程如圖4所示。

圖4 個體狀態(tài)轉(zhuǎn)移流程圖

以圖4為基礎(chǔ)，對網(wǎng)絡輿情信息擴散模式進行搭建，用公式表示為

(9)

其中，λ，1-λ，ω，?，γ分別表示的是S→I，S→E，E→I，E→R，I→R之間的轉(zhuǎn)移概率；Θ(t)表示的是t時刻傳播節(jié)點的概率。

通過上述過程完成了網(wǎng)絡輿情信息擴散模式的搭建，對其擴散模型進行了詳細的分析，為下述網(wǎng)絡輿情風險系數(shù)的計算提供支撐。

2.4 網(wǎng)絡輿情風險系數(shù)計算

以上述搭建的網(wǎng)絡輿情信息擴散模式為基礎(chǔ)，通過敏感性分析對網(wǎng)絡輿情風險系數(shù)進行計算[12]。具體計算過程如下所示。

傳播概率對網(wǎng)絡輿情信息擴散效果有著直接的影響，隨著傳播概率的變化，網(wǎng)絡輿情信息擴散的效果也存在著較大的不同。將上述過程簡化為數(shù)值模型為

(10)

其中，ψ(t)表示的是網(wǎng)絡輿情信息擴散效果。

根據(jù)上述公式結(jié)果，通過敏感性分析公式計算網(wǎng)絡輿情風險系數(shù)，得到

(11)

其中，Ξ表示的是網(wǎng)絡輿情風險系數(shù)，通常情況下，認為網(wǎng)絡輿情風險系數(shù)越大，則網(wǎng)絡輿情風險越大。

通過上述過程實現(xiàn)了大數(shù)據(jù)平臺下網(wǎng)絡輿情風險演化模型的構(gòu)建，為網(wǎng)絡輿情風險的預測與控制提供了強而有力的支撐。

3 仿真對比實驗

上述過程實現(xiàn)了大數(shù)據(jù)平臺下網(wǎng)絡輿情風險演化模型的構(gòu)建，但是對其是否能夠解決現(xiàn)有模型存在的問題還無法確定，為此設(shè)計仿真對比實驗對構(gòu)建模型的性能進行測試與分析。

首先對實驗平臺進行構(gòu)建，如圖5所示。

圖5 實驗平臺示意圖

在仿真對比實驗過程中，采用構(gòu)建模型與現(xiàn)有的基于多數(shù)原則的網(wǎng)絡輿情風險演化模型、基于有限信任的網(wǎng)絡輿情風險演化模型以及基于Sznajd的網(wǎng)絡輿情風險演化模型進行對比實驗。為了保障實驗結(jié)果的準確性，將實驗外部環(huán)境參數(shù)設(shè)置為一致，通過網(wǎng)絡輿情風險預測準確性與控制效果對模型的性能進行體現(xiàn)。具體的實驗結(jié)果分析過程如下所示。

3.1 網(wǎng)絡輿情風險預測準確性對比分析

為了保障實驗結(jié)果的準確性，在網(wǎng)絡輿情信息量15MBit與50MBit情況下，對網(wǎng)絡輿情風險預測準確性進行實驗，通過實驗得到網(wǎng)絡輿情風險預測準確性對比情況如表1、表2所示。

表1 信息量15MBit下網(wǎng)絡輿情風險預測準確性對比情況表

表2 信息量50MBit下網(wǎng)絡輿情風險預測準確性對比情況表

如表1、表2所示，構(gòu)建模型的網(wǎng)絡輿情風險預測準確性遠遠的高于現(xiàn)有三種方法，信息量15MBit情況下最大值為94%；信息量50MBit情況下最大值為89%。

3.2 網(wǎng)絡輿情風險控制效果對比分析

網(wǎng)絡輿情風險演化模型可以通過模型系數(shù)的設(shè)置對網(wǎng)絡輿情風險進行控制，其控制效果直接影響著模型的性能。

通過實驗得到網(wǎng)絡輿情風險控制效果對比情況如圖6所示。

圖6 網(wǎng)絡輿情風險控制效果對比情況圖

如圖6所示，構(gòu)建模型的網(wǎng)絡輿情風險控制效果參數(shù)遠遠的高于現(xiàn)有三種方法，說明構(gòu)建模型控制效果更好。

通過實驗結(jié)果顯示，構(gòu)建的網(wǎng)絡輿情風險演化模型極大的提升了網(wǎng)絡輿情風險預測準確性與控制效果，充分說明構(gòu)建的網(wǎng)絡輿情風險演化模型具備更好的性能。

4 結(jié)束語

構(gòu)建的網(wǎng)絡輿情風險演化模型極大的提升了網(wǎng)絡輿情風險預測準確性與控制效果，為網(wǎng)絡輿情風險的預測與控制提供了強而有力的支撐。但是模型的網(wǎng)絡輿情風險預測準確性與控制效果依然具有很大的上升空間，需要對模型進行進一步的優(yōu)化。