微博維權(quán)行為甄別研究
——基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型

王 靜 蔡詩(shī)怡

（1．江西財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)學(xué)院，江西 南昌 330013；2．江西財(cái)經(jīng)大學(xué) 應(yīng)用統(tǒng)計(jì)研究中心，江西 南昌 330013）

一、引言

近年來(lái)，公眾的維權(quán)意識(shí)不斷增強(qiáng)，維權(quán)訴求也不斷增加，而傳統(tǒng)維權(quán)渠道相對(duì)有限，這種供求不均衡的外部環(huán)境使人們迫切需要新型維權(quán)途徑，微博維權(quán)隨之誕生。

微博維權(quán)的出現(xiàn)，一定程度上緩解了傳統(tǒng)維權(quán)成本高、門(mén)檻高等問(wèn)題。它集中了成本低、時(shí)效性強(qiáng)、關(guān)注度高以及輿論幫助等優(yōu)勢(shì)。成本低使每一位公民都可作為維權(quán)者或參與者聚集在這一公共話語(yǔ)空間內(nèi)，傾訴自己的故事或發(fā)表觀點(diǎn)；時(shí)效性強(qiáng)使維權(quán)事件能夠在大眾的密切關(guān)注下得到快速發(fā)酵，并得到有效解決。在信息紛繁復(fù)雜的網(wǎng)絡(luò)世界中，關(guān)注度和輿論幫助作為一種催化劑，使維權(quán)者和參與者之間產(chǎn)生了一定程度的情感共鳴，從而促進(jìn)維權(quán)事件成功解決。這也是公民選擇微博維權(quán)作為尋求權(quán)利救濟(jì)的重要原因。

微博維權(quán)的這些優(yōu)點(diǎn)，也為虛假維權(quán)者提供了便捷。虛假維權(quán)者只需注冊(cè)一個(gè)微博賬號(hào)就能在微博上散布虛假信息，假借維權(quán)之名，借助輿論武器，對(duì)無(wú)辜大眾或個(gè)體進(jìn)行道德綁架，虛假維權(quán)，以達(dá)到自己不可告人的目的。這種“以謀利為目的”的維權(quán)行為對(duì)良好網(wǎng)絡(luò)環(huán)境構(gòu)建、社會(huì)公信度提高以及社會(huì)和諧穩(wěn)定產(chǎn)生惡劣影響。同時(shí)，作為一種新興的社交平臺(tái)，微博平臺(tái)的規(guī)范使用以及微博維權(quán)相關(guān)的法律制度不夠完善。很多時(shí)候，微博平臺(tái)及政府相關(guān)部門(mén)難以遏制“以謀利為目的”的虛假維權(quán)行為。因此如何準(zhǔn)確地判斷某一維權(quán)事件是否“以謀利為目的”成為關(guān)鍵。

現(xiàn)階段，不少學(xué)者對(duì)微博維權(quán)行為進(jìn)行了深入研究。孟詡（2020）認(rèn)為，微博維權(quán)是現(xiàn)階段維權(quán)方式中的新形式，解決問(wèn)題的概率較高，因此成了熱門(mén)的維權(quán)渠道，但微博維權(quán)作為一種新生事物，還處于研究和探索的初步階段，存在許多問(wèn)題。對(duì)于目前微博維權(quán)工作中存在的突出問(wèn)題，常健和余建川（2018）認(rèn)為微博維權(quán)雖然對(duì)社會(huì)監(jiān)督、權(quán)益救濟(jì)等各個(gè)方面都起著積極的推動(dòng)作用，但這種維權(quán)方式一定程度上影響著社會(huì)秩序，加大了依法維權(quán)的難度。蔡彤（2014）將網(wǎng)絡(luò)維權(quán)行為大體分為以下幾種類(lèi)型：合法合理的維權(quán)行為、合法但不合理的過(guò)度維權(quán)行為、已構(gòu)成敲詐勒索罪的過(guò)度維權(quán)行為。朱鈺婷（2018）根據(jù)行為人是否存在維權(quán)理由、采用的行為方式是否非法，將維權(quán)行為分為四類(lèi)，本文借鑒這一說(shuō)法，將微博維權(quán)行為分為“以維權(quán)為目的”和“以謀利為目的”兩類(lèi)。針對(duì)不同形式的維權(quán)行為，張玉亮（2021）提出不能采取“一刀切”的單一化評(píng)價(jià)模式，而應(yīng)對(duì)各類(lèi)維權(quán)行為進(jìn)行深入細(xì)致的分析。長(zhǎng)期看，網(wǎng)絡(luò)社會(huì)治理創(chuàng)新要致力于建立穩(wěn)定的治理秩序，消除網(wǎng)絡(luò)恐慌，避免“網(wǎng)絡(luò)起義”。因此為了建立和諧穩(wěn)定的網(wǎng)絡(luò)環(huán)境，應(yīng)及時(shí)甄別出“以謀利為目的”的虛假微博維權(quán)行為，從源頭上遏制其傳播。

在模型的選擇上，一些學(xué)者認(rèn)為采用BP神經(jīng)網(wǎng)絡(luò)模型能夠?qū)ξ⒉┲械南嚓P(guān)話題內(nèi)容產(chǎn)生良好的匹配度。張華（2014）以微博新聞事件輿情預(yù)測(cè)模型為實(shí)例，分析研究了微博熱點(diǎn)話題，對(duì)微博新聞事件輿情預(yù)測(cè)模型的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)進(jìn)行了模型調(diào)整和改進(jìn)，優(yōu)化了該模型的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，并通過(guò)微博新聞熱點(diǎn)事件分析驗(yàn)證了基于模型優(yōu)化后的BP模型神經(jīng)網(wǎng)絡(luò)的微博新聞事件輿情預(yù)測(cè)模型的準(zhǔn)確度和有效性。該文主要使用BP神經(jīng)網(wǎng)絡(luò)算法、遺傳算法優(yōu)化BP拓?fù)浣Y(jié)構(gòu)以及GSA優(yōu)化BP網(wǎng)絡(luò)參數(shù)，但BP神經(jīng)網(wǎng)絡(luò)模型易受權(quán)值、閾值隨機(jī)生成的影響，文章缺少對(duì)這部分內(nèi)容的改進(jìn)。對(duì)于BP神經(jīng)網(wǎng)絡(luò)模型權(quán)值、閾值的優(yōu)化，袁鳴等人（2020）在對(duì)全球氣溫進(jìn)行預(yù)測(cè)時(shí)，發(fā)現(xiàn)遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)（GA-BP）能夠充分利用遺傳算法在進(jìn)化過(guò)程中以最大概率搜索最優(yōu)解的區(qū)域，得到全局性較好的個(gè)體，能夠提高預(yù)測(cè)的準(zhǔn)確率。Kening Dou和Xiaoqi Sun（2021）在對(duì)日照天氣進(jìn)行仿真模擬時(shí)，得到了與袁鳴等學(xué)者相似的結(jié)論，他們發(fā)現(xiàn)通過(guò)遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化后得到的預(yù)測(cè)結(jié)果與單一使用BP神經(jīng)網(wǎng)絡(luò)相比有較大提升，預(yù)測(cè)結(jié)果的百分比誤差與精度均有提高，遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)能夠改進(jìn)單一BP神經(jīng)網(wǎng)絡(luò)對(duì)權(quán)值和閾值不敏感的缺點(diǎn)。

綜上所述，從現(xiàn)有研究看，學(xué)者在有關(guān)微博維權(quán)的重要性與不同維權(quán)行為的差異性的研究中已取得了較豐碩的研究成果。對(duì)于微博維權(quán)的發(fā)展現(xiàn)狀和維權(quán)主體的研究表明，微博維權(quán)目前在解決維權(quán)問(wèn)題、緩解社會(huì)矛盾、助力社會(huì)治理等方面發(fā)揮著非常重要的作用。但與此同時(shí)，對(duì)“以維權(quán)為目的”的真實(shí)維權(quán)信息與“以謀利為目的”的虛假維權(quán)信息的甄別、對(duì)維權(quán)主體目的性的分析目前鮮有研究。如何準(zhǔn)確地將某一維權(quán)事件進(jìn)行分類(lèi)，并遏制“以維權(quán)為目的”的虛假維權(quán)信息的傳播，具有重要的現(xiàn)實(shí)意義。

本文在前人研究成果的基礎(chǔ)上，收集2019—2020年微博上發(fā)布的110個(gè)典型案例，首先根據(jù)微博維權(quán)事件的四種類(lèi)型，將不合理不合法、合理不合法、不合理合法三種類(lèi)型的維權(quán)事件歸納為“以謀利為目的”的虛假維權(quán)信息，將合理合法的維權(quán)事件歸納為“以維權(quán)為目的”的真實(shí)維權(quán)信息，隨后建立遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的算法來(lái)甄別不同目的的維權(quán)行為。然后將甄別結(jié)果與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的甄別進(jìn)行比較，結(jié)果表明，較單一使用BP神經(jīng)網(wǎng)絡(luò)而言，優(yōu)化后的算法預(yù)測(cè)精度更高，預(yù)測(cè)結(jié)果比較穩(wěn)定，且不受BP算法權(quán)值、閾值隨機(jī)生成的影響，在甄別過(guò)程中，此方法更為有效，能夠有效地甄別出“以謀利為目的”的虛假維權(quán)信息，從源頭上減少微博上此類(lèi)信息的傳播。最后根據(jù)實(shí)際，結(jié)合微博維權(quán)的特點(diǎn)，提出相關(guān)建議。

二、微博維權(quán)行為界定

由于微博維權(quán)的便利性，虛假維權(quán)者只需注冊(cè)一個(gè)微博賬號(hào)就能在微博上散布虛假信息，這種“以謀利為目的”的維權(quán)行為對(duì)良好網(wǎng)絡(luò)環(huán)境構(gòu)建、社會(huì)公信度提高以及社會(huì)和諧穩(wěn)定產(chǎn)生惡劣影響。對(duì)于不同原因、目的的微博維權(quán)行為，本文借鑒朱鈺婷的思路，將其拆分為“目的行為”與“手段行為”的組合，主要有以下四類(lèi)：

（一）不合理、不合法的維權(quán)行為

這種行為主要是指維權(quán)者的維權(quán)目的、維權(quán)手段既不合理也不合法。不合理是指維權(quán)者不存在維權(quán)依據(jù)，通常在網(wǎng)絡(luò)上表現(xiàn)為僅依靠發(fā)布文字微博，無(wú)法提供任何與維權(quán)事件相關(guān)的證據(jù)；不合法是指維權(quán)者所需的賠償遠(yuǎn)遠(yuǎn)超過(guò)維權(quán)案例應(yīng)得的賠償，通常在網(wǎng)絡(luò)上表現(xiàn)為維權(quán)者存在過(guò)激的言論、希望得到遠(yuǎn)超事件本身價(jià)值的賠償或者以某種不合法手段進(jìn)行威脅來(lái)維護(hù)自己的權(quán)益。存在這些表現(xiàn)形式的維權(quán)事件既不合理也不合法，因此將其納入“以謀利為目的”的維權(quán)行為。

（二）合理、不合法的維權(quán)行為

這種行為主要是指維權(quán)者的維權(quán)目的合理，維權(quán)手段不合法。通常表現(xiàn)為維權(quán)者能夠提供出維權(quán)案件相關(guān)的證據(jù)，如照片、證明等，但在維權(quán)過(guò)程中存在過(guò)激的言論、希望得到遠(yuǎn)超事件本身價(jià)值的賠償或者以某種不合法手段進(jìn)行威脅來(lái)維護(hù)自己的權(quán)益。因此雖然維權(quán)事件合理，但維權(quán)者在維權(quán)過(guò)程中采取了不當(dāng)?shù)氖侄?，因此將這種維權(quán)行為納入“以謀利為目的”的維權(quán)行為。

（三）不合理、合法的維權(quán)行為

這種行為主要是指維權(quán)者的維權(quán)目的不合理，但維權(quán)手段合法。通常表現(xiàn)為維權(quán)者不存在維權(quán)依據(jù)，僅依靠發(fā)布文字微博，無(wú)法提供任何與維權(quán)事件相關(guān)的證據(jù)，但在申請(qǐng)獲得賠償時(shí)，采用合法的方式，不存在過(guò)激言論、超額賠償以及威脅等手段。因此將這種維權(quán)行為納為“以謀利為目的”的維權(quán)行為。

（四）合理、合法的維權(quán)行為

這種維權(quán)行為是本文倡導(dǎo)的維權(quán)方式，主要是指維權(quán)者的維權(quán)目的、維權(quán)手段合理、合法。維權(quán)者不僅能夠提供維權(quán)案件相關(guān)的證據(jù)，且在申請(qǐng)獲得賠償時(shí)，采用合法的方式，不存在過(guò)激言論、超額賠償以及威脅等手段。具有這些表現(xiàn)形式的維權(quán)事件其目的、手段均合理合法，因此本文將這種維權(quán)行為納為“以維權(quán)為目的”的維權(quán)行為。

四種類(lèi)型的維權(quán)事件中，合理、合法的維權(quán)行為是本文所倡導(dǎo)的，因此本文將其定義為“以維權(quán)為目的”的真實(shí)維權(quán)信息，將剩余三種定義為“以謀利為目的”的虛假維權(quán)信息。

三、遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)雖然能夠有效地適用于分類(lèi)、擬合等任務(wù)，但在尋求最優(yōu)解的時(shí)候，很有可能陷入局部最優(yōu)、預(yù)測(cè)誤差較大的情況；而遺傳算法則是一種通過(guò)對(duì)自然進(jìn)化過(guò)程模擬來(lái)尋求最優(yōu)解的方法。目前有關(guān)遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的文獻(xiàn)主要包括優(yōu)化連接權(quán)、優(yōu)化結(jié)構(gòu)和優(yōu)化學(xué)習(xí)規(guī)則三個(gè)方面。本文通過(guò)對(duì)遺傳算法和BP神經(jīng)網(wǎng)絡(luò)兩者優(yōu)勢(shì)的結(jié)合，構(gòu)建遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值、閾值進(jìn)行優(yōu)化，使被優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)可以較好地實(shí)現(xiàn)對(duì)函數(shù)的輸出。其流程如圖1所示。

圖1 遺傳算法優(yōu)化BP算法流程

該流程主要?jiǎng)澐譃閮蓚€(gè)部分，分別是BP神經(jīng)網(wǎng)絡(luò)部分和遺傳算法部分。在該算法的具體工作流程中，首先依據(jù)擬合函數(shù)輸入、輸出參數(shù)個(gè)數(shù)確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并初步確定出BP神經(jīng)網(wǎng)絡(luò)權(quán)值、閾值長(zhǎng)度，進(jìn)而確定遺傳算法中每一個(gè)個(gè)體的長(zhǎng)度。遺傳算法的優(yōu)化部分主要利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的初始權(quán)值和閾值，首先對(duì)初始值進(jìn)行編碼，并據(jù)此得到一個(gè)初始種群，種群中的每一個(gè)體都包含了一個(gè)網(wǎng)絡(luò)權(quán)值和閾值，接著通過(guò)適應(yīng)度函數(shù)計(jì)算每一個(gè)初始個(gè)體的全部適應(yīng)度，通過(guò)遺傳算法的數(shù)據(jù)選擇、交叉和變異這三個(gè)操作找到最優(yōu)適應(yīng)度值所對(duì)應(yīng)的個(gè)體。最后，用遺傳算法獲取的最優(yōu)個(gè)體對(duì)網(wǎng)絡(luò)初始權(quán)值和閾值進(jìn)行賦值，利用BP神經(jīng)網(wǎng)絡(luò)對(duì)該網(wǎng)絡(luò)進(jìn)行訓(xùn)練并預(yù)測(cè)其函數(shù)輸出。

四、數(shù)據(jù)來(lái)源與預(yù)處理

（一）數(shù)據(jù)來(lái)源

由于沒(méi)有現(xiàn)成的數(shù)據(jù)庫(kù)，為了避免收集維權(quán)數(shù)據(jù)的主觀性，本文按照時(shí)間順序選取2019年1月1日至2020年12月31日兩年內(nèi)發(fā)生的微博維權(quán)事件，對(duì)每一條維權(quán)信息進(jìn)行整理。整理發(fā)現(xiàn)，消費(fèi)者維權(quán)案例占絕大多數(shù)，在構(gòu)成數(shù)據(jù)集時(shí)樣本重合，因此再按照熱度排名，選取熱度較高的110件案例（剔除大部分屬性相似的消費(fèi)者維權(quán)案例），選取的案例涵蓋了兩年間的所有維權(quán)類(lèi)型，且在數(shù)量分布上合理，滿足代表性。經(jīng)整理后數(shù)據(jù)集共有110條記錄，共分為8個(gè)屬性，分別是：維權(quán)者類(lèi)型、維權(quán)者是否實(shí)名制、維權(quán)者是否被納入失信名單、維權(quán)者是否列出證據(jù)、維權(quán)是否損害他人利益、維權(quán)過(guò)程中是否恐嚇辱罵毆打被維權(quán)對(duì)象、是否有多方介入、維權(quán)出發(fā)點(diǎn)。

（二）歸一化處理

由于本文數(shù)據(jù)中的量綱單位并不完全相同，為了消除數(shù)據(jù)由于不同量綱導(dǎo)致的偏差，首先對(duì)其進(jìn)行歸一化處理，將所有具備量綱的數(shù)據(jù)轉(zhuǎn)化為［0，1］區(qū)間的無(wú)量綱單位數(shù)據(jù)。最后，再對(duì)這些數(shù)據(jù)進(jìn)行反歸一化還原處理。本文采用的是mapminmax（）函數(shù)對(duì)數(shù)據(jù)進(jìn)行歸一化處理，用ymax、xmax、xmin分別表示每一列數(shù)據(jù)中的最大值和最小值，計(jì)算方式是：

（三）參數(shù)設(shè)定

在關(guān)于BP神經(jīng)網(wǎng)絡(luò)各種參數(shù)的選擇中，本文采用最基本的三層BP神經(jīng)網(wǎng)絡(luò)，即由輸入層、隱含層和輸出層三個(gè)部分組成。根據(jù)該微博維權(quán)數(shù)據(jù)集的特點(diǎn)，輸入層選取8個(gè)神經(jīng)元；輸出層選取1個(gè)神經(jīng)元。隱含層個(gè)數(shù)的選擇上，考慮既要滿足精度要求，又要盡可能減少訓(xùn)練學(xué)習(xí)的時(shí)間，故本文設(shè)定一個(gè)隱含層。對(duì)于隱含層節(jié)點(diǎn)數(shù)的選擇，本文參考公式：

確定隱含層節(jié)點(diǎn)數(shù)的范圍，最終確定為10個(gè)節(jié)點(diǎn)數(shù)。其中m表示隱含層節(jié)點(diǎn)數(shù)，n表示輸入層節(jié)點(diǎn)數(shù)，l表示輸出層節(jié)點(diǎn)數(shù)，α為1—10之間的常數(shù)。

遺傳算法優(yōu)化BP網(wǎng)絡(luò)模型的參數(shù)設(shè)定主要包括了種群規(guī)模數(shù)、進(jìn)化次數(shù)、交叉概率和變異概率。在參數(shù)的選擇上，若種群規(guī)模過(guò)于小，則會(huì)出現(xiàn)近親交配，產(chǎn)生一個(gè)病態(tài)的基因；而規(guī)模過(guò)大，又會(huì)出現(xiàn)難以收斂且穩(wěn)健性下降的問(wèn)題。種群進(jìn)化的次數(shù)過(guò)少，算法不易收斂，種群尚未成熟；進(jìn)化次數(shù)過(guò)大，算法已經(jīng)熟練或者種群過(guò)于早熟，繼續(xù)進(jìn)化則沒(méi)有意義。交叉概率過(guò)大容易破壞已有的有利模型，隨機(jī)性增大，容易造成最優(yōu)個(gè)體的錯(cuò)失；而交叉概率過(guò)小無(wú)法有效地更新種群。變異概率過(guò)小，會(huì)使種群中的多樣性減少太快，容易造成有效基因的迅速丟失且不容易被修補(bǔ)；而變異概率過(guò)大時(shí)，又可能會(huì)增加高階模式被破壞的概率。本文通過(guò)多次試驗(yàn)，設(shè)置網(wǎng)絡(luò)甄別模型參數(shù)如下：種群規(guī)模為3，進(jìn)化次數(shù)為10，交叉概率為0.9，變異概率為0.2。

五、實(shí)證結(jié)果與分析

（一）不同屬性分類(lèi)的描述性統(tǒng)計(jì)

觀察表1可知，本文所用的110個(gè)案例均為實(shí)名發(fā)布，實(shí)名性使在微博上隨意發(fā)布虛假維權(quán)信息的網(wǎng)民會(huì)有所忌憚，因此在公民發(fā)布維權(quán)信息時(shí)，可將實(shí)名制列為必要條件；在失信名單一行中，3個(gè)維權(quán)者納入失信名單的案例均為“以謀利為目的”，因此檢測(cè)出維權(quán)者被納入失信名單后，微博平臺(tái)須加大審核力度，再予以發(fā)布；在是否列出證據(jù)一行中，其中有17個(gè)案例沒(méi)有給出證據(jù)，僅有3個(gè)案例為“以維權(quán)為目的”，故微博平臺(tái)可將需要證據(jù)列為必要條件，如相關(guān)照片、購(gòu)物憑證、與相關(guān)人員聊天記錄、報(bào)警回執(zhí)單等，而不是一味地只看維權(quán)者的敘述；從維權(quán)出發(fā)點(diǎn)一行來(lái)看，自身利益未受損的案例個(gè)數(shù)有19條，但其中僅有36.84%為“以維權(quán)為目的”，因此當(dāng)維權(quán)者表達(dá)自身利益未受損時(shí)，微博平臺(tái)亦應(yīng)加大審核力度，再予以發(fā)布。

表1 “以維權(quán)為目的”案例個(gè)數(shù)在不同類(lèi)別中占比情況

（二）遺傳算法優(yōu)化BP計(jì)算結(jié)果

遺傳算法優(yōu)化過(guò)程中個(gè)體適應(yīng)度值變化如圖2所示。進(jìn)化過(guò)程中，隨著進(jìn)化代數(shù)的增加，平均適應(yīng)度與最佳適應(yīng)度呈現(xiàn)出增長(zhǎng)的趨勢(shì)，能夠?qū)υ惴ㄟM(jìn)行優(yōu)化。結(jié)果表明，當(dāng)進(jìn)化次數(shù)達(dá)到6時(shí)，個(gè)體達(dá)到最佳適應(yīng)度。

圖2 個(gè)體適應(yīng)度值變化

圖3中，（a）為訓(xùn)練集預(yù)測(cè)結(jié)果，（b）為測(cè)試集預(yù)測(cè)結(jié)果，記“以維權(quán)為目的”的維權(quán)事件為1，以“謀利為目的”的虛假維權(quán)事件為0。從88個(gè)訓(xùn)練集樣本的預(yù)測(cè)結(jié)果來(lái)看，76個(gè)樣本被判定為“以維權(quán)為目的”的真實(shí)維權(quán)信息，12個(gè)樣本被判定為“以謀利為目的”的虛假維權(quán)信息，與運(yùn)用“目的行為”及“手段行為”的判斷相一致，預(yù)測(cè)準(zhǔn)確率達(dá)到100%；從22個(gè)測(cè)試集樣本的預(yù)測(cè)結(jié)果來(lái)看，18個(gè)樣本被判定為“以維權(quán)為目的”的真實(shí)維權(quán)信息，4個(gè)樣本被判定為“以謀利為目的”的虛假維權(quán)信息，與運(yùn)用“目的行為”及“手段行為”的判斷對(duì)比，其中有兩個(gè)樣本被誤判為“以謀利為目的”的虛假維權(quán)信息，預(yù)測(cè)值的準(zhǔn)確率為90.91%。但預(yù)測(cè)準(zhǔn)確率仍達(dá)到90%以上，預(yù)測(cè)結(jié)果較好。

圖3 訓(xùn)練集、測(cè)試集預(yù)測(cè)結(jié)果

重復(fù)五次實(shí)驗(yàn)得到的各次準(zhǔn)確率及平均準(zhǔn)確率如表2所示，該結(jié)果預(yù)測(cè)精度較高，訓(xùn)練集樣本的準(zhǔn)確率均達(dá)到90%以上，測(cè)試集樣本的準(zhǔn)確率均在90%以上，且預(yù)測(cè)結(jié)果比較穩(wěn)定，波動(dòng)不大。實(shí)驗(yàn)結(jié)果證明，該方法在對(duì)兩種不同目的的微博維權(quán)行為的甄別上具有可行性。

表2 五次重復(fù)準(zhǔn)確率結(jié)果

六、傳統(tǒng)算法與優(yōu)化算法的甄別效果對(duì)比

（一）BP神經(jīng)網(wǎng)絡(luò)甄別結(jié)果

抽取數(shù)據(jù)集的80%，共計(jì)88條數(shù)據(jù)進(jìn)行訓(xùn)練，將剩下的20%，共計(jì)22條數(shù)據(jù)作為測(cè)試集。運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行五次重復(fù)實(shí)驗(yàn)，得到結(jié)果如表3所示。

表3 五次訓(xùn)練參數(shù)結(jié)果

根據(jù)表中結(jié)果，可計(jì)算得到甄別正確平均準(zhǔn)確率為80.91%，雖然平均準(zhǔn)確率較高（大于80%），但甄別的精度不高，準(zhǔn)確率最高時(shí)能達(dá)到90.91%，但最低時(shí)只有68.18%，原因可能是甄別結(jié)果易受BP神經(jīng)網(wǎng)絡(luò)初始生成的權(quán)值、閾值的影響，因此BP神經(jīng)網(wǎng)絡(luò)不太適合對(duì)不同目的微博維權(quán)行為的甄別。

（二）兩種算法甄別結(jié)果對(duì)比

對(duì)于甄別兩種不同目的微博維權(quán)類(lèi)型，BP神經(jīng)網(wǎng)絡(luò)算法的五次網(wǎng)絡(luò)訓(xùn)練結(jié)果均能達(dá)到收斂。但比較五次結(jié)果的準(zhǔn)確率，結(jié)果相差較大，精度和穩(wěn)定性不高。由于BP神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)初始化時(shí)權(quán)值和閾值是隨機(jī)生成的，這個(gè)結(jié)果對(duì)收斂的影響比較大，且可能在訓(xùn)練過(guò)程中找不到解，陷入局部較小的情況。本案例中，BP神經(jīng)網(wǎng)絡(luò)對(duì)不同目的微博維權(quán)類(lèi)型的甄別精確度波動(dòng)太大，因此不太適合甄別不同目的的維權(quán)信息。而本文研究設(shè)計(jì)的遺傳算法優(yōu)化BP算法，將遺傳算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合，能夠有效地優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)，以便于得到最佳的網(wǎng)絡(luò)結(jié)構(gòu)以及該結(jié)構(gòu)對(duì)應(yīng)的初始權(quán)值、閾值和學(xué)習(xí)速率，甄別結(jié)果的準(zhǔn)確率與精度也更高。

在兩種算法得到的五次結(jié)果中隨機(jī)抽取一次甄別結(jié)果，如表4所示，其中1代表“以維權(quán)為目的”的維權(quán)事件，0代表“以謀利為目的”的虛假維權(quán)事件。結(jié)果顯示，遺傳算法改進(jìn)后的算法與原始BP神經(jīng)網(wǎng)絡(luò)算法相比較，甄別精度更高。且根據(jù)上文中的五次實(shí)驗(yàn)結(jié)果，比較兩種算法的穩(wěn)定性，改進(jìn)后的算法優(yōu)于原算法。因此該算法是一種更優(yōu)的算法，可運(yùn)用此算法來(lái)甄別“以謀利為目的”的虛假維權(quán)信息。

表4 實(shí)際值與兩種算法甄別結(jié)果對(duì)比

七、結(jié)論與政策建議

（一）結(jié)論

微博維權(quán)案例日益普遍，本文將微博維權(quán)案例的四種基本類(lèi)型（不合理不合法的維權(quán)事件、合理不合法的維權(quán)事件、不合理合法的維權(quán)事件、合理合法的維權(quán)事件）最終歸結(jié)為“以謀利為目的”的虛假維權(quán)事件以及“以維權(quán)為目的”的真實(shí)維權(quán)事件兩大類(lèi)。目前鮮有對(duì)“以謀利為目的”的虛假維權(quán)信息的甄別及遏制，導(dǎo)致“以謀利為目的”的虛假維權(quán)信息盛行。由于目前對(duì)于BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)值、閾值的選取沒(méi)有一套完整確定的理論，一般都是憑借人們的經(jīng)驗(yàn)去選擇，因此本文借助于遺傳算法，優(yōu)化了BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)，在一定程度上彌補(bǔ)了BP神經(jīng)網(wǎng)絡(luò)隨機(jī)生成權(quán)值、閾值的不足，使甄別機(jī)制更加適合。

通過(guò)運(yùn)用優(yōu)化后的算法甄別，結(jié)果顯示訓(xùn)練集樣本中，甄別結(jié)果的準(zhǔn)確率均在95%以上，測(cè)試集樣本甄別結(jié)果的準(zhǔn)確率都大于90%。甄別的精度、穩(wěn)定性均高于BP神經(jīng)網(wǎng)絡(luò)的甄別結(jié)果，能夠穩(wěn)定、有效地甄別出“以謀利為目的”的虛假維權(quán)事件。因此遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在對(duì)于不同目的維權(quán)事件的甄別，是比較有效的。

綜上所述，本文在甄別微博維權(quán)事件的目的性問(wèn)題上具有較強(qiáng)的甄別能力，有效地彌補(bǔ)了前人研究的不足，能夠在初期就遏制“以謀利為目的”的虛假維權(quán)信息的發(fā)布。

（二）政策建議

本文根據(jù)數(shù)據(jù)集的8個(gè)屬性，為微博平臺(tái)及維權(quán)者提供以下建議：

1.完善實(shí)名制度，讓“虛假”現(xiàn)形

本文搜集到的數(shù)據(jù)中，維權(quán)者均為實(shí)名維權(quán)，但微博上仍有匿名發(fā)布維權(quán)信息的情況。匿名發(fā)布者易因?yàn)槟涿S意發(fā)布或真或假的言論，導(dǎo)致虛假言論難以溯源。微博雖然是虛擬空間，但每個(gè)人都應(yīng)對(duì)自己的網(wǎng)絡(luò)言論、行為負(fù)責(zé)。若微博平臺(tái)實(shí)施強(qiáng)制實(shí)名制，可以約束網(wǎng)民行為，在微博上隨意發(fā)布虛假維權(quán)信息的人會(huì)有所忌憚。

2.強(qiáng)化執(zhí)法力度，維護(hù)網(wǎng)絡(luò)秩序

若通過(guò)甄別過(guò)程，確定某個(gè)賬號(hào)發(fā)布的是“以謀利為目的”的虛假維權(quán)信息，微博平臺(tái)應(yīng)及時(shí)清理虛假信息，并按照傳播影響，輕則對(duì)該賬號(hào)進(jìn)行禁言、封號(hào)等處理，重則通過(guò)司法程序?qū)Πl(fā)布者進(jìn)行處罰，同時(shí)應(yīng)降低該用戶的信用等級(jí)，在該用戶下一次發(fā)布維權(quán)信息時(shí)著重審查。

3.上傳有效證據(jù)，供網(wǎng)友辨別

根據(jù)本文建立的甄別機(jī)制，在維權(quán)過(guò)程中如若一味地?cái)⑹?，沒(méi)有列出證據(jù)，很有可能被列為“以謀利為目的”的虛假維權(quán)而不予發(fā)布。因此維權(quán)者在發(fā)布維權(quán)信息時(shí)應(yīng)盡可能多地列出證據(jù)，如貼出相關(guān)照片、購(gòu)物憑證、與相關(guān)人員聊天記錄以及報(bào)警回執(zhí)單等。

4.合理合法維權(quán)，勿讓維權(quán)成侵權(quán)

維權(quán)過(guò)程中，不少維權(quán)者會(huì)有恐嚇、辱罵、毆打被維權(quán)對(duì)象，損害他人正當(dāng)利益的行為，這種行為一般是處于強(qiáng)勢(shì)方才會(huì)采取的措施，因此在甄別過(guò)程中也很有可能被列為“以謀利為目的”的虛假維權(quán)而不予發(fā)布。故維權(quán)者在維權(quán)時(shí)要注意控制情緒，保證維權(quán)用詞、維權(quán)方法得當(dāng)，勿讓維權(quán)成侵權(quán)。