基于改進(jìn)KNN算法與SIR模型的輿情處理研究

張 雷，肖思瑤，楊澤來，王家琪

(1.重慶交通大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，重慶 400074；2.重慶交通大學(xué)信息科學(xué)與工程學(xué)院，重慶 400074)

1 引言

伴隨著全球移動互聯(lián)網(wǎng)絡(luò)的快速發(fā)展，網(wǎng)民數(shù)量爆炸式增長，輿情得以快速和廣泛的傳播。網(wǎng)絡(luò)輿情是社會輿情在互聯(lián)網(wǎng)空間中的映射，但網(wǎng)絡(luò)作為虛擬社會，同時也是完全開放的平臺，潛伏著各類人群和各種思潮[1]， 因而網(wǎng)絡(luò)輿情相對其它輿情形態(tài)更為復(fù)雜，這種情況為輿情的調(diào)控帶來了新的挑戰(zhàn)[2]。一個有效的網(wǎng)絡(luò)輿情的檢測及調(diào)控機(jī)制可以更好的維持社會穩(wěn)定、維護(hù)企業(yè)聲譽(yù)。對于輿情的檢測和調(diào)控涉及到輿情嚴(yán)重性劃分和對輿情進(jìn)行合理有效干預(yù)兩個主要工作。同時，近年來各種智能算法在分類問題[3]、情感分析等任務(wù)上取得突破，這為重大輿情的發(fā)現(xiàn)和調(diào)控提供了新的手段。

對網(wǎng)絡(luò)輿情的嚴(yán)重等級判斷可以篩選出需要重點(diǎn)關(guān)注的對象，提高網(wǎng)絡(luò)輿情的調(diào)控效率。羅平等人將輿情按照負(fù)面情感大小將輿情分為四類[4]；王寧等人綜合網(wǎng)絡(luò)輿情的各方面因素[5]，將輿情分為“藍(lán)色”、“黃色”、“橙色”和“紅色”四類，并基于灰色系統(tǒng)理論對輿情進(jìn)行預(yù)測。

綜合考慮網(wǎng)絡(luò)輿情的各個元素，準(zhǔn)確的模擬網(wǎng)絡(luò)輿情，可以形象的討論各調(diào)控手段對網(wǎng)絡(luò)輿情的影響。Wang Y等人和姚翠友等人[6-7]基于元胞自動機(jī)，分別對網(wǎng)絡(luò)信息的傳播和輿情下個體之間的影響進(jìn)行了研究；連淑娟等人[8]利用KNN算法在輿情模擬的基礎(chǔ)上，對輿情的擴(kuò)散傾向進(jìn)行預(yù)測；Tian R Y等人基于傳染病模型，模擬了社交網(wǎng)絡(luò)中謠言的傳播[9]；Li S等人利用傳染病模型[10]，準(zhǔn)確的模擬了社交網(wǎng)絡(luò)中話題傳播中的行為特征。

Zhang L以及Zhao Y等人[11-12]的研究闡述了意見領(lǐng)袖對于輿情的影響，周曄等人的研究肯定了微博問政對于網(wǎng)絡(luò)輿論的積極影響[13]，另外還有多個研究指出負(fù)面文章限流、敏感詞匯限制等方法可以有效干預(yù)輿情走向。

網(wǎng)絡(luò)輿情主要以文本形式體現(xiàn)，而文本情感分析技術(shù)可以從輿情中提取群眾的情感，用于判斷輿情的嚴(yán)重性。文本情感分析近年來取得了巨大突破，基于長短期記憶網(wǎng)絡(luò)的模型[14]、添加注意力機(jī)制的模型[15]都取得了很好效果。韓開旭等人[16]優(yōu)化了卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)部計(jì)算結(jié)構(gòu)，基于分段卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行文本情感極性分析，使得其精度相比一般模型有明顯提高；Google提出的BERT[17]，大幅打破了SST-2情感分類任務(wù)的紀(jì)錄；百度于19年提出的ERINE模型[18]將中文文本情感極性分析的精度提升到95.4%。

綜上所述，對于輿情模擬，過往的研究已提出一些準(zhǔn)確可行的模型，并通過定性分析，提出了多個輿情調(diào)控手段。然而，這些研究過于零散，對于重大輿情，不能構(gòu)建一個完整有效的反應(yīng)機(jī)制；同時，對于網(wǎng)絡(luò)輿情嚴(yán)重性的劃分研究以及各調(diào)控手段對網(wǎng)絡(luò)輿情的調(diào)控效果的研究，大多都是從定性的角度出發(fā)，鮮有研究進(jìn)行定量分析。

對于這種現(xiàn)狀，本文提出了一種融合智能算法的輿情調(diào)控機(jī)制。首先基于KNN算法[19]，配合文本情感極性分析技術(shù)，對網(wǎng)絡(luò)輿情的嚴(yán)重性進(jìn)行劃分，然后對于嚴(yán)重的負(fù)面網(wǎng)絡(luò)輿情進(jìn)行有效調(diào)控。為了探討調(diào)控手段的有效性，本文嘗試?yán)没趥魅静∧Ｐ偷姆抡嫣接懜鞲深A(yù)手段對于網(wǎng)絡(luò)輿情的調(diào)控情況。

相較于以往的研究，本文的主要創(chuàng)新點(diǎn)總結(jié)如下：

1) 借鑒機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)的發(fā)展成果，提出了一套較為完整的重大網(wǎng)絡(luò)輿情發(fā)現(xiàn)及調(diào)控機(jī)制，為網(wǎng)絡(luò)輿情的處理提供了理論手段。

2) 以往研究大多從定性分析角度對輿情進(jìn)行嚴(yán)重性劃分，本文利用融合文本情感分析的改進(jìn)KNN算法定量的將網(wǎng)絡(luò)輿情按照嚴(yán)重性劃分等級，篩選出嚴(yán)重輿情，為輿情的調(diào)控集中力量。

3) 以往研究大多從經(jīng)驗(yàn)和定性角度分析輿情的調(diào)控手段，本文基于精細(xì)劃分的拓展SIR模型，對輿情的傳播機(jī)制進(jìn)行仿真模擬，并定量研究各網(wǎng)絡(luò)輿情調(diào)控手段對于輿情的整體影響。從理論上探究了各調(diào)控手段的有效性和調(diào)控力度。

2 網(wǎng)絡(luò)輿情處理方法

首先利用情感極性分析配合KNN算法對網(wǎng)絡(luò)輿情進(jìn)行嚴(yán)重性等級劃分，篩選出嚴(yán)重輿情，再對其進(jìn)行相關(guān)調(diào)控。為了驗(yàn)證相關(guān)調(diào)控手段的有效性，本文進(jìn)一步基于拓展SIR傳染病模型，探究了調(diào)控手段有效性和調(diào)控力度。

2.1 輿情嚴(yán)重性劃分

本文借鑒王寧等人的研究將輿情按照嚴(yán)重性劃分為“藍(lán)色”、“黃色”、“橙色”和“紅色”，如表1，并借助網(wǎng)絡(luò)輿情的負(fù)面影響大小來描述輿情的嚴(yán)重性。

表1 網(wǎng)絡(luò)輿情的嚴(yán)重等級劃分

為判斷網(wǎng)絡(luò)輿情的負(fù)面影響大小，本文從網(wǎng)絡(luò)輿情中提取出三個指標(biāo)，即“傳播時間”、“傳播規(guī)?！焙汀熬W(wǎng)民的情感”，通過融合文本情感分析利用該三個指標(biāo)KNN算法進(jìn)行輿情負(fù)面影響嚴(yán)重性分類。

2.1.1 特征提取

分類前先需要對輿情信息嚴(yán)重性特征進(jìn)行提取。

對于網(wǎng)絡(luò)輿情的傳播時間。可以借助從輿情開始時間到輿情發(fā)展到頂峰時間之間的時間間隔，用如下公式表示

Gu=Tpeak-Tbegin

(1)

其中Tpeak為輿情頂峰的時間，Tbegin為輿情開始時間。

對于網(wǎng)絡(luò)輿情的規(guī)模。多個指標(biāo)可用于描述，本文選取如表2的三個指標(biāo)描述網(wǎng)絡(luò)輿情規(guī)模。

表2 輿情規(guī)模的量化指標(biāo)

(2)

其中Nr，Nc，H分別為歸一化處理后的總閱讀數(shù)，總評論數(shù)和總熱度指數(shù)。

對于網(wǎng)民的情感。通過隨機(jī)抽取網(wǎng)絡(luò)輿情下網(wǎng)民的評論，基于文本情感極性分析深度學(xué)習(xí)算法可獲得文本的情感極性預(yù)測，將單個文本情感做如表3映射。

表3 情感與打分映射關(guān)系

2.1.2 嚴(yán)重性劃分

KNN算法即為k臨近算法，對于給定的數(shù)據(jù)，考慮在整體數(shù)據(jù)集中與該數(shù)據(jù)距離最近(即最相似)的k個數(shù)據(jù)，包含此k個數(shù)據(jù)最多的類別即判斷為給定數(shù)據(jù)的類別。

數(shù)據(jù)間的“距離”可以用數(shù)據(jù)歸一化后的歐氏距離來描述。即

(3)

其中xi，yi分別為兩組數(shù)據(jù)中第i維的數(shù)據(jù)。

k值的選取對模型的精度影響較大，故實(shí)驗(yàn)中要充分考慮各k值下的分類精度。

綜上，本文的嚴(yán)重性分類方法整體流程可以總結(jié)如圖1。

圖1 嚴(yán)重性分類流程圖

首先抓取互聯(lián)網(wǎng)輿情信息，利用文本情感分析等手段提取輿情特征，得到輿情特征向量，再計(jì)算訓(xùn)練集中和待判斷點(diǎn)歐氏距離最小的k個數(shù)據(jù)，包含這些數(shù)據(jù)最多的類即為目標(biāo)輿情的預(yù)測類。

2.2 調(diào)控方法有效性及調(diào)控力度探究

過往的研究從定性的角度分析了各調(diào)控手段對于網(wǎng)絡(luò)輿情的積極影響，如官方賬戶互動、負(fù)面文章限流、建立虛擬積極意見領(lǐng)袖、對于消極意見領(lǐng)袖封號限制和教育等手段。本文將輿情下的群眾精細(xì)劃分為六類，分析各類人群間的轉(zhuǎn)換關(guān)系以及調(diào)控手段對人群轉(zhuǎn)換的影響，從而構(gòu)建拓展SIR模型，進(jìn)行仿真，探討各手段對網(wǎng)絡(luò)輿情的影響。

2.2.1 模型準(zhǔn)備

根據(jù)社交網(wǎng)絡(luò)的評論人群的特點(diǎn)，可將群眾分為六類，如表4展示。

表4 群眾分類

為界定群眾對于輿情的整體態(tài)度，本文利用Bad描述輿情的負(fù)面影響大小

Bad=i(t)+t(t)

(4)

分析各類人群間存在轉(zhuǎn)化關(guān)系如圖2所示。

圖2 輿情中各人群轉(zhuǎn)化示意

其中，g為正面輿情傳播力度，b為負(fù)面輿情傳播者的傳播效率，β為負(fù)面領(lǐng)袖轉(zhuǎn)化率，r1為負(fù)面輿情領(lǐng)袖被封號隔離的速率，r2為負(fù)面意見領(lǐng)袖解封后成為I人群的概率，r3為負(fù)面輿情領(lǐng)袖解封后成為B人群的概率，r4為負(fù)面領(lǐng)袖解封后成為R人群的概率。

對各種調(diào)控手段對上述參數(shù)的影響進(jìn)行分析，可以得到分級影響示意圖如圖3所示?？梢杂^察到，虛擬積極意見領(lǐng)袖數(shù)量Y與g、r3和r4正相關(guān)；官方賬戶互動程度W與g正相關(guān)；負(fù)面文章限流程度X與b負(fù)相關(guān)，與r2正相關(guān)；封號限制程度F與r1正相關(guān)，與b負(fù)相關(guān)；對負(fù)面意見領(lǐng)袖進(jìn)行教育的程度J與r4正相關(guān)。

圖3 外加調(diào)控手段的分級影響

(5)

2.2.2 輿情的仿真模擬

基于SIR傳染病模型，對輿情下每一種人群的轉(zhuǎn)化率進(jìn)行分析，可以得到如下的輿情傳播模型的動態(tài)微分方程。

以人群B為例，在Δt時間內(nèi)，人群的變化為

N(Δt)B=N(S)+N(P)r3-N(B)R-N(B)t

(6)

其中，N(S)為S人群轉(zhuǎn)化而來的人數(shù)，N(P)r3為P人群以概率r3轉(zhuǎn)化來的人數(shù)，N(B)R為B轉(zhuǎn)化為R人群的人數(shù)，N(B)I為B轉(zhuǎn)化為I人群的人數(shù)。

整個過程中，從S轉(zhuǎn)化為B的總?cè)藬?shù)為

N·[i(t)+t(t)]·b·s(t)·Δt

(7)

單位時間內(nèi)由P人群轉(zhuǎn)化為B人群的人數(shù)為P(t)·N·r3，則P人群以概率r3轉(zhuǎn)化為B的總?cè)藬?shù)為

N(P)r3=p(t)·N·r3·Δt

(8)

總結(jié)得到動態(tài)微分方程組如式(9)。且滿足

s(t)+r(t)+b(t)+i(t)+t(t)+p(t)=1

(9)

利用該微分模型，模擬輿情中各人群的變化情況，描述輿情的發(fā)展。進(jìn)一步加以調(diào)控手段，觀察調(diào)控手段對于模型各變量的影響，即可探討輿情調(diào)控手段的有效性和調(diào)控力度大小。

3 實(shí)驗(yàn)與分析

3.1 基于融合文本情感分析的改進(jìn)KNN算法進(jìn)行輿情嚴(yán)重性劃分

3.1.1 數(shù)據(jù)準(zhǔn)備和預(yù)處理

利用合法數(shù)據(jù)抓取的手段，從微博平臺抓取72個輿情數(shù)據(jù)樣本，其中56個輿情數(shù)據(jù)樣本作為訓(xùn)練集，16個作為測試集，并進(jìn)行人工標(biāo)注，抓取時注意數(shù)據(jù)集中四種嚴(yán)重程度的輿情數(shù)據(jù)占比相同。

主要從網(wǎng)絡(luò)上抓取到以下幾方面輿情數(shù)據(jù)：輿情的開始時間Tbegin和發(fā)展到頂峰的時間Tpeak；網(wǎng)絡(luò)輿情話題的總閱讀量Nr，總討論量Nc；百度指數(shù)提供的輿情熱度指數(shù)；隨機(jī)抓取的30條輿情評論文本。

對于文本的情感極性分析，為簡化實(shí)驗(yàn)，本文借用百度基于ERNIE的文本情感極性分析接口。

3.1.2 模型的訓(xùn)練結(jié)果和分析驗(yàn)證

將56個訓(xùn)練數(shù)據(jù)全用于訓(xùn)練KNN模型，利用16個數(shù)據(jù)進(jìn)行測試，因?yàn)閿?shù)據(jù)量不夠充分，測試集的不同選取會帶來較大精度測量誤差，于是將原始72個數(shù)據(jù)隨機(jī)打亂，再構(gòu)建測試集。

測量模型在不同亂序情況下，及不同k值下的精度如圖4，三維坐標(biāo)系間中做出模型對于訓(xùn)練集的聚類圖如圖5，其中Timenorm、Emonorm和Scalenorm皆為歸一化后的數(shù)據(jù)。

圖4 不同亂序情況下以及不同 k值下的模型精度

圖5 模型對于訓(xùn)練集的聚類圖

由圖4可以觀察到，三種不同的測試集選取情況下，模型精度分別為88%、56%和69%。模型的精度最高可達(dá)88.0%，模型平均精度為71.0%。由圖5可以觀察到測試集明顯的聚類為4類，可以判定模型較好的取得了分類效果。綜上可以判斷在該數(shù)據(jù)量上，模型已達(dá)到不錯的輿情嚴(yán)重性劃分效果。

為測試模型的實(shí)際效果，本文嘗試?yán)帽疚哪Ｐ蛯?020年8月的輿情“浙大通報(bào)努某某留校察看事件”進(jìn)行嚴(yán)重性等級劃分。首先從新浪微博爬取到該輿情的閱讀量 1.6 億，討論數(shù) 10.4 萬，百度熱度指數(shù)5702，估算輿情從出現(xiàn)到輿情頂峰的持續(xù)時間為1天，并合法地隨機(jī)爬取了微博話題“#浙大通報(bào)努某某留校察看事件#”下的30條評論。通過情感極性分析接口得到每個評論樣本的情感正負(fù)，得到該30個文本的情感極性，其中4個正面文本，26個負(fù)面文本。

計(jì)算得到

(10)

再將數(shù)據(jù)包裝為向量(53369900，1，-0.73)加入總樣本中，數(shù)據(jù)歸一化后得到(1.0，0.0，0.135)。

基于已訓(xùn)練好的分類模型，對樣本進(jìn)行類別判斷。得到該向量被判斷為第4類，即為該輿情屬于紅色重大輿情。而分析輿情本身，“浙大通報(bào)努某某留校察看事件”近幾日引起了互聯(lián)網(wǎng)上各種不好的評價，確實(shí)對單位有巨大的不利影響，需引起重點(diǎn)關(guān)注，應(yīng)該立馬采取相關(guān)調(diào)控手段。

3.2 基于拓展SIR模型的輿情仿真和調(diào)控方法研究

3.2.1 模型實(shí)現(xiàn)

為簡化實(shí)驗(yàn)，初始化模型各初始變量：

S=950;B=40;I=10;T=0;P=0;R=0

(11)

假設(shè)各參數(shù)初始值為b=0.1;g=0.3;β=0.05;r1=0.05;r2=0.25;r3=0.25;r4=0.5。當(dāng)時間t∈[0，40]時，得到結(jié)果如圖6 (a)所示；當(dāng)時間t∈[0，1]時，得到結(jié)果如圖6 (b)所示。

圖6 各人群人數(shù)隨著時間的變化

考察t∈[0，40]時，可以觀察到隨著時間t的增長，最終R人群數(shù)量最終會逼近總?cè)藬?shù)數(shù)量，其他人群數(shù)量趨近于0。最終群眾會對一個話題失去興趣，并不再傳播。這與實(shí)際情況是相符的。

考察t∈[0，1]時。結(jié)合實(shí)際考慮，輿情初期時，由于負(fù)面輿情的傳播，不知輿情者減少，S人群在最初階段總?cè)藬?shù)迅速減小，最終趨于0，和圖象中一致。后由于輿情的進(jìn)一步傳播，部分負(fù)面輿情者成為傳播者，而在圖象中B人群在t=0.2左右出現(xiàn)一個高峰，B人群總?cè)藬?shù)因?yàn)檗D(zhuǎn)化為I或R人群總?cè)藬?shù)初期階段減少，二者是一致的。I人群呈現(xiàn)迅速上升趨勢，隨后其總?cè)藬?shù)緩慢減少也和實(shí)際相符，人們剛得知負(fù)面輿情時容易被負(fù)面情緒感染，從而開始傳播輿情，后由于對該輿情市區(qū)興趣或本身冷靜的認(rèn)識到了輿情的實(shí)際情況，便不再傳播負(fù)面輿情，并想向其他人群轉(zhuǎn)化，所以I人群在達(dá)到高峰后開始緩慢下降。

3.2.2 實(shí)驗(yàn)結(jié)果

模型中有多個參數(shù)，b、g、β、r1、r2、r3和r4。

固定其它參數(shù)，觀察Bad關(guān)于各參數(shù)的變化規(guī)律，如圖7。

圖7 Bad關(guān)于變量g、b、β和r1的變化規(guī)律

假設(shè)所有被封號者最后都會解封，則有r2+r3+r4=1；若將r2與r3作為自由變量，則只需滿足r2+r3=0.5。

固定其它參數(shù)，觀察Bad關(guān)于變量r2的變化規(guī)律，結(jié)果如圖8 (a)。固定其它參數(shù)，觀察Bad關(guān)于變量r3的變化規(guī)律，結(jié)果仍如圖8 (a)。

圖8 Bad關(guān)于變量r2、r4的變化規(guī)律

3.2.3 結(jié)果分析

通過上述實(shí)驗(yàn)現(xiàn)象，可以觀察到：

在一個輿情周期內(nèi)，Bad值對參數(shù)g、β最敏感，其次是r1與r4，而b、r2與r3的變化對產(chǎn)生的影響不大。結(jié)合本文2.2節(jié)部分中的模型，虛擬積極意見領(lǐng)袖數(shù)量度量指標(biāo)Y和g、r3、r4正相關(guān)，官方帳戶互動程度W與g正相關(guān)，負(fù)面文章限流程度X與b正相關(guān)，與r2負(fù)相關(guān)，封號限制程度F與r1正相關(guān)、與b負(fù)相關(guān)，對負(fù)面輿情領(lǐng)袖進(jìn)行教育程度J與r4呈正相關(guān)。

綜上，政府或企業(yè)對輿情進(jìn)行干預(yù)時，應(yīng)優(yōu)先選擇措施Y(增加虛擬積極意見領(lǐng)袖數(shù)量)和W(加強(qiáng)官方賬戶互動)，其次選擇措施J(對負(fù)面意見領(lǐng)袖進(jìn)行教育)甚至F(對負(fù)面意見領(lǐng)袖封號)，X(負(fù)面文章限流)需要搭配其余四種使用以求取得更好的輿情調(diào)控效果。

結(jié)合實(shí)驗(yàn)結(jié)果，可以總結(jié)：對于互聯(lián)網(wǎng)輿情的處理，可以先利用融合文本情感分析的KNN算法篩選出嚴(yán)重輿情，繼而加大力度進(jìn)行官方帳戶互動、增加虛擬的積極意見領(lǐng)袖，進(jìn)一步還可以對負(fù)面輿情領(lǐng)袖進(jìn)行封號教育，這三者對于網(wǎng)絡(luò)輿情調(diào)控的作用較為顯著。這種方法從定量分析的角度給網(wǎng)絡(luò)輿情處理提供了理論支持，是一種值得實(shí)踐的有效手段。

4 結(jié)語

本文提出了一種簡單有效的網(wǎng)絡(luò)輿情檢測和調(diào)控機(jī)制，借鑒基于深度學(xué)習(xí)的文本情感分析技術(shù)，對KNN算法進(jìn)行改進(jìn)，用于輿情的嚴(yán)重性劃分，并利用有效手段對嚴(yán)重輿情進(jìn)行調(diào)控。同時，本文利用對人群精細(xì)劃分的拓展SIR模型模擬輿情的傳播，探究了調(diào)控手段的有效性和調(diào)控力度。綜上得到結(jié)論：

1) 本文提出的輿情嚴(yán)重性分級模型精度最高可達(dá)88.00%，對網(wǎng)絡(luò)輿情的處理有較大的意義。

2) 官方帳戶互動和虛擬積極意見領(lǐng)袖對輿情調(diào)控力度較大，同時，對輿情的消極意見領(lǐng)袖進(jìn)行封號教育也能取得不錯效果。

3) 本文提出的仿真探究方法，為輿情調(diào)控手段的有效性探究提供了一定理論基礎(chǔ)。