网络舆情危机演变特征及其预警方案研究

来源：核心期刊咨询网时间：2021-08-05 11:1512

摘要：摘 要：[目的/意義]采用当前方法分析网络舆情危机演变特征时，无法明确网络舆情传播过程中演变特征影响因素之间的因果关系，导致分析结果的灰色关联度低、小误差概率

　　摘 要：[目的/意義]采用当前方法分析网络舆情危机演变特征时，无法明确网络舆情传播过程中演变特征影响因素之间的因果关系，导致分析结果的灰色关联度低、小误差概率小、均方差比大，因此研究了网络舆情危机演变特征及其预警方案创新方法，采用系统动力学对网络舆情危机演变变量和影响因素进行仿真和建模，获取网络舆情危机演变的主要影响因素，结合网络舆情传播热度与各因素之间的因果关系分析网络舆情传播系统。[方法/过程]结合Verhulst模型和灰色理论模型构建灰色Verhulst预测模型，根据各影响因素之间存在的因果关系分析网络舆情危机演变特征，根据分析结果提出构建信息汇集分析机制、预警机制、信息发布机制和引导机制的预警方案。[结果/结论]实验结果表明，采用所提方法分析网络舆情危机演变特征时，分析结果的灰色关联度高、小误差概率大、均方差比小。

　　关键词：网络舆情危机;演变特征;灰色Verhulst预测模型;预警方案

　　我国经济结构在社会转型期间发生了较大变化，使得社会生活逐步趋向多元化和复杂化[1]。在此期间一些矛盾逐渐暴露在社会大众面前，在表达渠道多样化的情况下，开始在网络平台中反映各种社会问题。分析代表性较强的公共事件可知，民意表达空间随着社会的进步不断扩展，群体性事件的出现往往会促进网络舆情的演变，已经成为一种比较突出的社会问题，部分不良事件对构建社会主义和谐社会产生了不利影响[2]。网络的开放性是造成上述问题的主要原因，在网络的支持下局部突发事件的扩散速度提升，影响力增强，经过一段时间的发展会逐渐演变成全国性的公共事件，因此群体事件与网络舆情之间存在的因果关系问题逐渐突出。随着网络舆情的不断演化，会对社会舆情的走向产生影响，对公共决策和政府运行机制产生一定制约[3]。为了降低网络舆情对社会产生的负面影响，需要研究网络舆情危机演变特征，提出相关预警方案。

　　蒋知义等[4]提出基于情感倾向性分析的网络舆情危机演变特征研究方法，该方法在情感分类词典的基础上建立情感倾向分析模型，利用该模型对网络舆情的情感类型和情感性强度进行统计，根据统计结果划分网络舆情演化阶段，实现网络舆情危机特征分析，该方法没有分析网络舆情危机影响因素之间存在的关系，导致分析结果的灰色关联度低、小误差概率小。杜洪涛等[5]提出基于多案例的网络舆情危机演变特征研究方法，该方法在生命周期理论的基础上将网络舆情危机演变过程划分为3个阶段，分别是扩散阶段、高潮阶段和消散阶段，将舆情事件分为非自然突发事件和自然突发事件，分析不同阶段不同案例的传播路径和表现情况，确定演化特征之间存在的联系和区别，获得影响网络舆情危机演化的影响因素，最后总结了网络舆情危机演变特征的变化规律，该方法在网络舆情危机演变过程中无法获取影响因素之间的因果关系，导致均方差比较大。

　　综上所述，提出网络舆情危机演变特征及其预警方案创新研究方法。

　　1 网络舆情演化动力学分析

　　网络舆情的演变过程主要受以下因素的影响：

　　1)网络事件自身具有的破坏力。

　　2)网络舆情传播的推动力，包括媒体推动力和网民推动力。

　　3)社会组织或政府组织的调控力。

　　由于网络舆情危机演变动力影响因素的作用方式之间存在差异，可以将影响因素分为两类[6]，如图1所示。

　　图1 外源动力和内源动力

　　网络舆情危机演变动力关键构成变量如图2所示。

　　利用系统动力学对上述变量进行仿真和建模，获取网络舆情危机演变的主要影响因素。

　　对系统内部因素关系进行考虑，结合网络舆情传播热度与各影响因素之间存在的因果关系分析网络舆情传播系统。系统由3个以上变量构成反馈环，反馈环属于一个因果闭合环路或关系链[7]。如果因果在正反馈环中增加，结果就会高于原始程度，如果因果在正反馈环中减少，结果就会低于原始高度。如果因果在负反馈环中增加，结果就会低于原始程度，如果因果在负反馈环中减少，结果就会高于原始程度。正反馈环和负反馈环之间存在相互作用，使得不同时期网络舆情热度与系统状态具有一致性[8]。

　　2 网络舆情危机演变特征研究

　　本文利用灰色Verhulst预测模型对网络舆情危机演变特征进行研究，灰色Verhulst预测模型结合了Verhulst模型和灰色理论模型的优点，可以实现产品经济寿命预测、人口预测、繁殖预测和生物生长预测等，被广泛地应用在生产生活中[9]。

　　3 实验结果与分析

　　为了验证所提方法的整体有效性，在Visual C++开发的TTE网络平台中对所提方法進行测试。

　　本文通过集搜客GooSeeker网络爬虫软件对2019年不同平台的网络舆情热点事件进行抽取，如《啥是佩奇》爆红网络、吴秀波出轨门事件、孙楠送娃读“女德班”事件、河南女子醉驾玛莎拉蒂致死伤、杭州女童被租客带走等多个研究案例作为数据基础。采集自网络舆情事件发生当天起25天之内的舆情传播数据，并以此为基础进行网络舆情危机演变特征提取。限于篇幅，以吴秀波出轨门事件为例，采集网易新闻、腾讯新闻、百度新闻、新浪微博与天涯论坛5个网络舆情传播平台的数据，并对数据采集结果进行整理与分析。具体的数据采集结果如表1所示。

　　在上述数据的支持下，灰色关联度γ、小误差概率P和均方差比C作为测试指标，对所提方法、文献[4]方法和文献[5]方法进行测试，测试指标的计算公式分别如下：

　　式中，δ(k)代表的是关联系数;Δ(0)(k)代表的是绝对误差序列;(0)为Δ(0)(k)对应的均值;S2为Δ(0)(k)对应的方差。

　　灰色关联度越高表明方法分析的网络舆情危机演变特征变化越准确，3种方法的灰色关联度测试结果如图3所示。

　　分析图3可知，文献[4]方法的灰色关联度在22%～25%之间，文献[5]方法的灰色关联度在23%～27%之间，而所提方法的灰色关联度在36%～42%之间，是3种方法中最高的，所以该方法的网络舆情危机演变特征变化分析精度要高于其他实验方法。

　　小误差概率越小，表明方法在网络舆情危机演变过程中对演变特征分析的结果误差越大，则3种方法的小误差概率比较结果如图4所示。

　　由图4可知，文献[4]方法的小误差概率在46%～59%范围内变化，文献[5]方法的小误差概率在42%～46%范围内变化，而所提方法的小误差概率在78%～95%范围内变化，说明所提方法的小误差概率远远高于其他实验方法，证明该方法的网络舆情演变特征分析的结果误差较小。

　　推荐阅读：高职大学生网络舆情特点分析

转载请注明来自：http://www.qikan2017.com/lunwen/wyi/20611.html