基于微博熱度的大學(xué)生思政教育精準(zhǔn)化發(fā)現(xiàn)方法

王詩(shī)宜

摘要：微博是當(dāng)代年輕人表達(dá)觀點(diǎn)的主要平臺(tái)之一，如何利用微博信息進(jìn)行精準(zhǔn)化思政教育是一個(gè)值得研究的課題。文章將微博的傳播特性和時(shí)間特性與聚類算法進(jìn)行融合，同時(shí)根據(jù)時(shí)間序列將微博集合分為多個(gè)增量子集，實(shí)現(xiàn)K值的動(dòng)態(tài)自適應(yīng)和增量化聚類。并分析了微博的點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)特性，提出合適的微博熱度計(jì)算公式，更好地描述微博熱度，進(jìn)而合理地進(jìn)行熱點(diǎn)發(fā)現(xiàn)。

關(guān)鍵詞：聚類；自適應(yīng)；輿情發(fā)現(xiàn)；思政教育

中圖分類號(hào)：TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2022）32-0064-04

1 概述

微博是當(dāng)代年輕人表達(dá)觀點(diǎn)的主要平臺(tái)之一，如何利用微博信息進(jìn)行精準(zhǔn)化思政教育是一個(gè)值得研究的課題。微內(nèi)容[1]的興起，因其在時(shí)間效率和空間效率上的優(yōu)勢(shì)，快速改變著信息的生產(chǎn)和傳播。其中，微博就是互聯(lián)網(wǎng)微內(nèi)容中一種主流媒介形式[2]，提供了一個(gè)開放的平臺(tái)，其簡(jiǎn)短的寫作風(fēng)格，使用戶發(fā)布信息的門檻極度降低，爆炸式信息的產(chǎn)生成為可能；加上微博強(qiáng)大的可操作性、快速評(píng)論、一鍵轉(zhuǎn)發(fā)，使得信息接收用戶可以短時(shí)間內(nèi)完成信息的獲取和觀點(diǎn)的互動(dòng)，并且通過(guò)用戶關(guān)系網(wǎng)以幾何的增長(zhǎng)速度散布出去，這種便捷性、即時(shí)性、互動(dòng)性也進(jìn)一步加快了微內(nèi)容形勢(shì)的發(fā)展。雖然微博對(duì)于熱點(diǎn)話題的排名與推薦[3]，但是主要是根據(jù)詞頻進(jìn)行簡(jiǎn)單的統(tǒng)計(jì)，效果不理想，對(duì)于發(fā)起的熱門話題，是按時(shí)間進(jìn)行倒序排序，較早的有影響力的微博被最新的微博擠壓下去，難以再現(xiàn)，更有甚者，廣告推銷的微博借助熱門話題的標(biāo)簽，擠進(jìn)熱門話題榜，大大降低了話題質(zhì)量。

2017年教育部印發(fā)的《高校思想政治工作質(zhì)量提升工程實(shí)施綱要》中指出高校思想政治教育要“堅(jiān)持問(wèn)題導(dǎo)向，注重精準(zhǔn)施策?！彪S著時(shí)代在變遷，社會(huì)在變化，大學(xué)生正確價(jià)值觀的樹立作為思想政治教育的一部分，也應(yīng)與時(shí)俱進(jìn)、不斷創(chuàng)新才能更好地落到實(shí)處。微博是及時(shí)了解和發(fā)現(xiàn)大學(xué)生價(jià)值觀的重要場(chǎng)所，在新冠肺炎疫情的大背景下，如何利用微博平臺(tái)的碎片化信息，正確引導(dǎo)大學(xué)生的價(jià)值觀，提升大學(xué)生思想政治教育成效是高校亟待解決的一項(xiàng)重要課題。本文通過(guò)對(duì)微博不同于一般文本的特性的研究，比如轉(zhuǎn)發(fā)評(píng)論這種社交性強(qiáng)的傳播特點(diǎn)，以及熱點(diǎn)爆發(fā)時(shí)微博所呈現(xiàn)出來(lái)的時(shí)間特性，將之于熱點(diǎn)發(fā)現(xiàn)技術(shù)相結(jié)合，以更好地發(fā)現(xiàn)熱門話題。本文貢獻(xiàn)如下：（1）提出了一種微博熱度的計(jì)算方法；（2）對(duì)K-means聚類算法進(jìn)行了優(yōu)化；（3）探索了在新媒體的環(huán)境下大學(xué)生思政教育的改革方法。

2 相關(guān)工作

針對(duì)新浪微博、騰訊微博等有多方面的研究與應(yīng)用，大多集中在輿論監(jiān)控、情感分析、信息推薦和熱點(diǎn)發(fā)現(xiàn)等方面[4-11]。蔣洪梅分析了微博在輿論傳播中的影響力，總結(jié)了微博客與輿論的相關(guān)性[12]，探討使用微博引導(dǎo)民眾的輿論傾向。楊亮等[13]察覺(jué)到當(dāng)一件重大事情發(fā)生，民眾微博中會(huì)出現(xiàn)較多的情感詞匯，反映了民眾的態(tài)度，并以此提出了情感分布語(yǔ)言模型，通過(guò)語(yǔ)段里的語(yǔ)氣詞等表達(dá)感情的特征來(lái)發(fā)掘熱門話題。在繁雜的信息中想要快速發(fā)掘有用信息是很難的，所以利用信息傳播論總結(jié)了一種微博話題推薦方法，在綜合考慮了信息量、閱讀成本和閱讀時(shí)效性的因素之后，針對(duì)性進(jìn)行微博熱點(diǎn)推薦。

金瀏河等[14]對(duì)多個(gè)主流網(wǎng)絡(luò)媒體與“新冠肺炎疫情”相關(guān)的話題展開輿情分析，可視化、縱深化地對(duì)本次疫情沖擊下的大學(xué)生輿情素養(yǎng)、輿情特征、輿情趨勢(shì)等問(wèn)題進(jìn)行探索。苗瑞丹等[15]提出對(duì)海量數(shù)據(jù)的挖掘分析，定性與定量結(jié)合的畫像方式以及畫像標(biāo)簽的建立模式，為精準(zhǔn)思政提供了技術(shù)可能。周琴等[16]針對(duì)2018年～2021年高校突發(fā)事件網(wǎng)絡(luò)輿情進(jìn)行文本分析后發(fā)現(xiàn)，高校網(wǎng)絡(luò)輿情突發(fā)性強(qiáng)、涉及面廣、影響性大，社交媒體平臺(tái)加速網(wǎng)絡(luò)輿情的生成與傳播，處置不當(dāng)極易催生二次輿情。劉純嘉[17]對(duì)10000條微博評(píng)論數(shù)據(jù)進(jìn)行情感極性標(biāo)注工作，制作出一個(gè)高校輿情數(shù)據(jù)集，并對(duì)熱點(diǎn)問(wèn)題的高校輿情進(jìn)行了分析，取得很好的效果。

3 方法

3.1 微博熱度計(jì)算

微博作為網(wǎng)絡(luò)話題的一種重點(diǎn)表現(xiàn)形式，可以理解為一種隨著時(shí)間推移的信息流，熱點(diǎn)話題就蘊(yùn)含在其中，當(dāng)一條微博發(fā)布后，由于一系列原因，可能是用戶的影響力或是內(nèi)容的流行性，微博被廣泛關(guān)注，存著大量點(diǎn)贊轉(zhuǎn)發(fā)評(píng)論現(xiàn)象，或者其他用戶發(fā)表同主題微博，當(dāng)大量同主題微博爆發(fā)式出現(xiàn)時(shí)，就形成了熱點(diǎn)話題?？偨Y(jié)影響微博熱度的因素，主要分為兩大方面：微博的傳播特性和微博的時(shí)間效應(yīng)。

3.1.1微博的傳播特性

不同于新聞網(wǎng)站、博客、論壇等其他的網(wǎng)絡(luò)信息平臺(tái)，微博最重要的特點(diǎn)就是其強(qiáng)大的社交屬性，它以用戶的社交圈為傳播途徑完成覆蓋面極廣的網(wǎng)狀傳播，并且除了文本信息之外，還有豐富的元數(shù)據(jù)信息，比如點(diǎn)贊、評(píng)論和轉(zhuǎn)發(fā)。微博傳播特性包括：

（1） 點(diǎn)贊數(shù)：反映了其他用戶對(duì)微博的喜愛(ài)和認(rèn)可，這是最簡(jiǎn)單省時(shí)的方式，反應(yīng)用戶之間的互動(dòng)和對(duì)話題的共鳴，但程度只是一般級(jí)別；

（2） 評(píng)論數(shù)：反映了微博用戶對(duì)于此話題的互動(dòng)程度，這是比點(diǎn)贊更高一層的互動(dòng)行為，當(dāng)對(duì)話題達(dá)到一定喜愛(ài)的程度才會(huì)與博主進(jìn)行進(jìn)一步的互動(dòng)，也是在話題熱度的重要體現(xiàn)；

（3） 轉(zhuǎn)發(fā)數(shù)：反映了此話題的傳播熱度，這種用戶行為直接造成話題的傳播，也是形成熱點(diǎn)話題的基礎(chǔ)。

根據(jù)以上微博熱度影響因素的分析，微博的熱度可以分為靜態(tài)因素和動(dòng)態(tài)因素，靜態(tài)是指點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)等自有因素，動(dòng)態(tài)是隨著時(shí)間的變化，因此，本文提出一種單條微博熱度計(jì)算如公式（1）：

[H=u?H0]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

其中，[u]為微博時(shí)間效應(yīng)因子，[H0]為微博靜態(tài)基礎(chǔ)熱度。

a. 時(shí)間效應(yīng)因子[u]

[u]是隨著微博的發(fā)表時(shí)間越久遠(yuǎn)，時(shí)間效應(yīng)越小，具體如公式（2）：

[u=et-t0α]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

其中，[t]為微博的發(fā)表時(shí)間，[t0]為當(dāng)前時(shí)間，[α]為時(shí)間系數(shù)。

b. 靜態(tài)基礎(chǔ)熱度[H0]

[H0]是不隨時(shí)間變化的，只跟微博的點(diǎn)贊評(píng)論轉(zhuǎn)發(fā)情況有關(guān)，具體如公式（3）：

[H0=logf+1+r-r0r-r0+c]? ? ? ? ? ? ? ? ?（3）

其中，[f]為關(guān)注者個(gè)數(shù)，[r]為轉(zhuǎn)發(fā)數(shù)，[c]是評(píng)論數(shù)，[r0]是平衡因子，取[f]的千分之一，表明當(dāng)用戶的粉絲數(shù)越高時(shí)，轉(zhuǎn)發(fā)量要達(dá)到一個(gè)基礎(chǔ)的轉(zhuǎn)發(fā)數(shù)才能算是一條有意義的微博，以此在一定程度上減弱名人效應(yīng)。

3.1.2微博的時(shí)間效應(yīng)

除了微博的傳播機(jī)制不同，微博還有明顯的時(shí)間效應(yīng)。微博對(duì)用戶來(lái)說(shuō)是一個(gè)關(guān)注事物的展示和內(nèi)心情緒的表達(dá)平臺(tái)，用戶發(fā)布的永遠(yuǎn)是他當(dāng)前最關(guān)注的或最新發(fā)現(xiàn)的內(nèi)容，以求在社交平臺(tái)上獲得好友的共鳴。而當(dāng)熱點(diǎn)事件的過(guò)去，其熱度會(huì)隨之趨于平淡最終降低，也就是隨著熱點(diǎn)事件的爆發(fā)、演變和消亡的時(shí)間過(guò)程，微博的熱度是會(huì)變化的，而且變化是以一種較為急劇的形式呈現(xiàn)的，這將成為微博熱點(diǎn)發(fā)現(xiàn)的重要突破口。

3.2 自適應(yīng)的增量聚類算法

微博話題是一個(gè)演變的過(guò)程，每天都會(huì)產(chǎn)生大量的微博，有新的話題，有前段時(shí)間的熱點(diǎn)，在通過(guò)聚類來(lái)發(fā)現(xiàn)微博熱點(diǎn)的過(guò)程中，后續(xù)的微博不斷加入，聚類必須以增量的形式進(jìn)行，而K-means聚類的[k]值也必須隨著后續(xù)微博的主題數(shù)而變化，根據(jù)以上需求，本文改進(jìn)了經(jīng)典算法，解決初始[k]值、增量聚類和[k]值自適應(yīng)的問(wèn)題。算法整體流程圖如圖1所示。

結(jié)合上文所述微博特點(diǎn)進(jìn)行的改進(jìn)，主要有以下幾點(diǎn)：

3.2.1初始[k]值和聚類中心

K-means算法，[k]值的選取很關(guān)鍵，而聚類之前微博主題的個(gè)數(shù)是無(wú)從得知的，所以需要通過(guò)其他途徑獲取[k]值，本文采用最基本的層次聚類，設(shè)定一定閾值，將微博凝聚成若干個(gè)類簇，這樣對(duì)于每條微博都是局部最優(yōu)，然后以此作為K-means的輸入，迭代獲得全局最優(yōu)解。

3.2.2增量聚類

微博具有時(shí)序性，為了發(fā)現(xiàn)微博話題的變化情況，需要每隔一個(gè)時(shí)間觀察一次熱點(diǎn)的變化，所以本文將一定時(shí)間跨度的微博集按照固定時(shí)間間隔劃分為若干個(gè)增量，使用第一個(gè)進(jìn)行層次凝聚，形成初始類簇中心，之后的子集在此基礎(chǔ)上進(jìn)行K-means聚類，每次迭代后都會(huì)對(duì)熱點(diǎn)的變化完成記錄。

3.2.3[ k]值自適應(yīng)

隨著新產(chǎn)生的微博的加入，微博的話題內(nèi)容和話題個(gè)數(shù)都會(huì)隨之變化，所以在聚類的過(guò)程中，[k]也不是固定不變的，本文通過(guò)設(shè)定閾值，在每次迭代的過(guò)程中，如果一條微博和類簇間的相似度小于閾值θ，則不進(jìn)行歸類，而是加入臨時(shí)列表，在一次迭代完成后，通過(guò)計(jì)算與現(xiàn)有類簇的相異度來(lái)決定是否產(chǎn)生新的話題，即如果臨時(shí)列表里的某條微博與現(xiàn)有類簇的相異度大于閾值[α]，則形成一個(gè)新的類簇，[k]值加1，直至所有增量完成聚類。

4 實(shí)驗(yàn)

4.1 數(shù)據(jù)集

本文的測(cè)試數(shù)據(jù)集來(lái)自新浪微博，通過(guò)爬蟲程序按選定關(guān)鍵詞進(jìn)行爬取，時(shí)間范圍為2020年1月1日到2021年12月31日。通過(guò)對(duì)這些微博初步篩選，保留原創(chuàng)消息，去除少于10個(gè)字的消息，刪除重復(fù)微博和廣告微博，再?gòu)慕Y(jié)果中挑選12個(gè)主題，總計(jì)44869條微博，以此作為測(cè)試集語(yǔ)料。

4.2 數(shù)據(jù)預(yù)處理

4.2.1中文分詞

分詞器ICTCLAS[48]是中科院推出的中文分詞器，包括中文分詞、詞性標(biāo)注等模塊。本次實(shí)驗(yàn)的中文分詞工具就是選用了中科院分詞器的Java版實(shí)現(xiàn)。此外ICTCLAS分詞工具還提供自定義用戶詞典功能，以達(dá)到具體領(lǐng)域內(nèi)的更好分詞效果，本文中選用搜狗輸入法詞庫(kù)中的領(lǐng)域詞匯，共149568個(gè)，以提高分詞效果。

4.2.2去停用詞

停用詞選取網(wǎng)上整理的3000多個(gè)詞匯，包括標(biāo)點(diǎn)符號(hào)、無(wú)意義數(shù)字、語(yǔ)氣助詞，稱謂詞等，對(duì)微博分詞之后的結(jié)果，進(jìn)行去停用詞，并過(guò)濾掉詞頻低于5的詞語(yǔ)，形成最后的單條微博特征詞集合。

4.2.3計(jì)算權(quán)值

將分詞并去停用詞之后的詞語(yǔ)集合，計(jì)算TF-IDF值，形成初步處理后的原始VSM向量，這也是本次實(shí)驗(yàn)各個(gè)對(duì)比方法改進(jìn)前的文檔向量。

4.3 實(shí)驗(yàn)結(jié)果

以微博的#每日高速路況#熱度作為實(shí)驗(yàn)的基線，對(duì)比熱點(diǎn)發(fā)現(xiàn)的效果。首先，我們以3天為單位，將上述預(yù)料分為11個(gè)增量，第一個(gè)增量進(jìn)行層次聚類，得到[K=2]，閾值取[α=0.3]，[θ=0.8]，每次增量集迭代完成計(jì)算和記錄類簇?zé)岫?，結(jié)果如圖2所示。其中，藍(lán)色線條表示#疫情大學(xué)生返鄉(xiāng)#話題，灰色線條表示#每日高速路況#。通過(guò)實(shí)驗(yàn)，我們發(fā)現(xiàn)2020年1月13日至25日之間，微博關(guān)于疫情大學(xué)生返鄉(xiāng)的事件有過(guò)激烈的討論，短期內(nèi)微博熱度升高。

接著，對(duì)時(shí)間進(jìn)行了更細(xì)粒度的劃分，以1天為單位分為13個(gè)增量，時(shí)間范圍2020年4月3日至2020年4月15日，聚類和閾值與之前相同。每次增量集迭代完成計(jì)算和記錄類簇?zé)岫?，結(jié)果如圖3所示。其中，藍(lán)色線條表示#山東理工大學(xué)虐貓事件#話題，灰色線條表示#每日高速路況#。圖中顯示，4月9日和4月10日熱度明顯升高，并成為熱點(diǎn)事件。通過(guò)對(duì)比微博熱搜榜，發(fā)現(xiàn)4月10日時(shí)，#山東理工大學(xué)虐貓事件#進(jìn)入了熱搜榜，而筆者的算法在9日便發(fā)現(xiàn)了該熱點(diǎn)，體現(xiàn)了算法的先進(jìn)性。

大學(xué)生在虛擬世界和現(xiàn)實(shí)交織生活，以微博為首的網(wǎng)絡(luò)信息對(duì)其的思維、生活、學(xué)習(xí)以及行為等各方面影響頗深，尤以價(jià)值觀的樹立為甚。這種影響是雙面的，一方面若能明辨網(wǎng)絡(luò)上的信息并合理吸收，可以正面引導(dǎo)大學(xué)生的思維，樹立大學(xué)生正確的價(jià)值觀；另一方面，若是對(duì)網(wǎng)絡(luò)上的信息不假思索地輕信，則可能會(huì)導(dǎo)致大學(xué)生偏離、否定主流意識(shí)形態(tài)，形成錯(cuò)誤的價(jià)值觀。通過(guò)筆者的方法可以第一時(shí)間發(fā)現(xiàn)熱點(diǎn)，及早掌握輿論風(fēng)向，并為大學(xué)思政工作提供有效幫助。

5 總結(jié)

本文提出了微博熱點(diǎn)發(fā)現(xiàn)的改進(jìn)方向，結(jié)合微博特性，將傳統(tǒng)的K-means聚類算法改成了增量的形式，并且完成了K值自適應(yīng)。同時(shí)，結(jié)合層次聚類，解決了K-means啟動(dòng)時(shí)依賴人為設(shè)定K值和初始聚類中心的不足。此外還提出了微博熱度計(jì)算公式，以便更準(zhǔn)確地描述微博類簇的熱度。最后，通過(guò)設(shè)計(jì)實(shí)驗(yàn)，定性地驗(yàn)證了話題發(fā)掘的結(jié)果，實(shí)驗(yàn)表明本文方法可以有效發(fā)現(xiàn)熱點(diǎn)。

參考文獻(xiàn)：

[1] 張靜. 基于微博的網(wǎng)絡(luò)熱點(diǎn)發(fā)現(xiàn)模型及平臺(tái)研究[D]. 華中科技大學(xué)， 2010.

[2] 李巖.基于微博的網(wǎng)絡(luò)熱點(diǎn)發(fā)現(xiàn)研究[D].鎮(zhèn)江：江蘇科技大學(xué)，2013.

[3] 李永道.微博熱點(diǎn)話題發(fā)現(xiàn)方法研究[D].南京：南京師范大學(xué)，2013.

[4] Beil F， Ester M， Xu X. Frequent term-based text clustering[C]//Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining. ACM， 2002： 436-442.

[5] 王永恒，賈焰，楊樹強(qiáng).海量短語(yǔ)信息文本聚類技術(shù)研究[J].計(jì)算機(jī)工程，2007，33（14）：38-40.

[6] 胡吉祥，許洪波，劉悅，等.重復(fù)串特征提取算法及其在文本聚類中的應(yīng)用[J].計(jì)算機(jī)工程，2007，33（2）：65-67.

[7] Gabrilovich E.Feature generation for textual information retrieval using world knowledge[J].ACM SIGIR Forum，2007，41（2）：123.

[8] Hotho A，Staab S，Stumme G.Ontologies improve text document clustering[C]//Third IEEE International Conference on Data Mining.Melbourne，F(xiàn)L，USA.IEEE，2003：541-544.

[9] Brusco M J，K?hn H F.Comment on “Clustering by passing messages between data points”[J].Science，2008，319（5864）：726.

[10] 徐戈，王厚峰.自然語(yǔ)言處理中主題模型的發(fā)展[J].計(jì)算機(jī)學(xué)報(bào)，2011，34（8）：1423-1436.

[11] Blei D M， Ng A Y， Jordan M I. Latent dirichlet allocation[J]. Journal of machine Learning research，2003，3（1）：993-1022.

[12] 蔣洪梅.微博客的特點(diǎn)及其輿論影響力[J].新聞愛(ài)好者，2011（5）：85-86.

[13] 楊亮，林原，林鴻飛.基于情感分布的微博熱點(diǎn)事件發(fā)現(xiàn)[J].中文信息學(xué)報(bào)，2012，26（1）：84-90，109.

[14] 金瀏河，施健.疫情沖擊下大學(xué)生網(wǎng)絡(luò)輿情演化趨勢(shì)與高校思政引導(dǎo)——基于互聯(lián)網(wǎng)多平臺(tái)數(shù)據(jù)的計(jì)量分析[J].高教學(xué)刊，2022，8（21）：1-7.

[15] 苗瑞丹，王真.大數(shù)據(jù)畫像技術(shù)助推精準(zhǔn)思政的技術(shù)可能、現(xiàn)實(shí)挑戰(zhàn)和對(duì)策思考[J].思想教育研究，2022（7）：41-46.

[16] 周琴，夏友福.高校突發(fā)事件網(wǎng)絡(luò)輿情的應(yīng)對(duì)策略探析——基于2018—2021年141個(gè)高校輿情事件的分析[J].傳媒論壇，2022，5（16）：82-84.

[17] 劉純嘉.面向高校輿情的中文文本情感傾向性分析[D].南昌：江西師范大學(xué)，2020.

【通聯(lián)編輯：王力】