基于認知過程的網絡謠言綜合分類方法研究

張鵬 蘭月新 李昊青

摘 要：對網絡謠言進行合理綜合分類是科學管理網絡謠言的一項重要工作。文章從人們對網絡謠言認知過程出發，采用Hayashi數量化理論III，對49種網絡謠言的7種屬性給以評分，通過對得到的屬性矩陣進行計算，最終得到不同網絡謠言的相對位置圖，通過聚類發現49種網絡謠言可根據閾值的調節，調整網絡謠言的類型數量，從認知的角度可分為簡單謠言、復雜謠言、不明確謠言（模糊謠言）3種類型。

關鍵詞：網絡謠言；謠言認知；輿情管理 ；Hayashi數量化理論III

中圖分類號： G203 文獻標識碼： A DOI：10.11968/tsyqb.1003-6938.2016069

Research of the Comprehensive Classification Method of Internet Rumors Based on the Cognitive Process

Abstract Reasonable comprehensive classification of internet rumors is an important work of the scientific management of Internet rumors. This article， from the perspective people's cognitive process of internet rumors， uses the Hayashi quantification theory III to score on the seven attributes of 49 kinds of Internet rumors. Through the calculation on the attribute matrix， the resulting relative locations of different Internet rumors are eventually obtained. Through clustering， rumors can be adjusted according to the threshold of the rumor type and from the perspective of cognition， the 49 kinds can be divided into simple rumors， complex rumors， and indistinct rumors.

Key words Internet rumor； rumor cognition； public opinion management； Hayashi quantification theory III

進入21世紀，隨著社會經濟文化的快速發展，中國處于社會調整轉型期的各類問題不斷涌現。據2016年1月的統計數據，截至2015年12月，中國網民規模已達6.88億，互聯網普及率達到50.3%，其中手機端用戶規模在2015年12月達6.20億，有90.1%的人通過手機上網[1-2]。互聯網技術的進步，不僅使信息傳播效率和生活便捷度提高，也極大增強了網絡信息的流動性和擴散性。現實世界中的各類問題都會迅速轉移到網絡上，以網絡平臺為陣地，快速爆發、繁殖、醞釀的各類輿情中，有些由于信息的異化而成為謠言。在手機網民中，年輕和低收入群體所占比重較高，上網人群特點直接反映出網絡謠言的主要影響對象，而這些人群反映的輿情信息將對整個網絡正常的輿情生態平衡起到一定的沖擊作用，其中的一些沖擊會導致信息異化從而演變成網絡謠言。各類突發事件導致的網絡輿論經過醞釀、發酵，在傳播中由于增加了傳播人的大量個人情感，尤其是新媒體和自媒體時代，人人都是輿情的制造者和傳播者，當把突發事件放到整個媒體的聚光燈下時，每個人都拿著放大鏡看網絡輿情，在討論和解讀輿情的同時改造著輿情，其中有一部分因信息傳遞過程中失真異化成為網絡謠言。異化的輿情往往增加了信息的傾向性，因而，整個互聯網世界乃至現實社會蘊含的潛在不穩定因素風險也逐漸增加，網絡謠言作為互聯網典型的信息異化型的網絡輿情在規范管理方面的重要性不言而喻。在應對網絡異化的信息時，我們必須要建立合理有效的網絡識別體系。同時建立社會轉型期間的綜合網絡謠言管理體系，從而增強網絡輿情管理能力，這是維護健康有序的公共秩序的內在要求。網絡謠言產生的原因多種多樣，有的是蓄意為之歪曲事實真相，也有的是無心而為，但就其實質而言仍然是包含若干內在特征的信息，這些信息均有其獨特的屬性，通過這些屬性可以從網絡謠言的本身對其進行識別和分類[3]。

嚴格來說，網絡謠言就是一種正常的文化現象，其實質是傳統謠言通過網絡媒介進行的信息交流，但其具有傳播效率高，擴散范圍廣特點，并且可以進行跨平臺、跨區域的傳播，降低了傳統謠言傳播的成本和時間限制[4]。由于這種文化現象是隨著人際交流而自然產生的，帶有普遍性且不以人的主觀意志為轉移。因此，我們要承認謠言的這種客觀存在的長期性，并清醒的認識到謠言的危害性。網絡謠言侵害的對象不僅包括政治、經濟，同時其對文化生活也都有影響。從網絡謠言造成的損失看，其可造成經濟損失、名譽損失、精神損失、不良政治影響、降低政府公信力，還會擾亂人們的思想，干擾人們的生活。那么將不可控的網絡謠言，通過謠言風險管理進行評估，同時將網絡謠言案例加以定量計算，對今后管理實踐中隱藏的更大或可控性差的網絡謠言以及可控或隨著時間或輿情規律日趨弱化的網絡謠言采取不同的引導措施，進行分類管控。

科學的分類工作能夠提供更為高效的管理服務，更是理論和科學研究的基礎（Blumer，1931）。研究表明分類是對科學問題中需要界定對象進行選擇和處理的必須的概念性工作。分類盡管可能并無法提供一個共同的概念標準，但能夠提供比較或者對謠言間概念的框架進行區分界定。網絡謠言在不同的原則和標準之下，分類形式也不相同。類型不同實則代表人對謠言不同的認知角度。而不同的認知則代表著不同的理解深度和管理方式，進而影響著管理水平。國內外有關學者均對網絡謠言的分類工作予以重視，國內學者通過對網絡謠言案例進行分析，將網絡謠言事件誘因分成自然災害類、社會傷害類、食品安全類、意外傷害類、政府行動等類型[5]；而從傳播心理狀態進行分析，可將網絡謠言分為期望型、恐懼型、怨恨型、陰謀型等6類[6]；若依據造謠者的目的， 可將網絡謠言劃分為信息求證型、情緒宣泄型、利益攫取型和娛樂惡搞型4種類型[7]。但從整體上看，現有文獻中對謠言的分類形式仍以定性描述為主，主要從謠言反應的原因或背景角度出發，而缺乏從網絡謠言認知和傳播過程的本身特性角度進行量化分類的研究。而描述網絡謠言量化分類過程的矩陣需要數據支持，考慮到謠言分類的相關要素均需是一個明確的值，簡單的說就是“是”或“非”的單一判斷，故構建的數量化矩陣是“0-1”型。而Hayashi數量化理論Ⅲ（“H理論III”）的特點是能將網絡謠言要素的定性概念轉化為“0-1”型矩陣同時進行聚類[8]。

綜上，對網絡謠言進行綜合分類是為了進一步識別網絡謠言風險，并對不同類型網絡謠言采取不同的引導和控制。同時，網絡謠言分類是進行網絡輿情監控和風險管理以及建立網絡謠言風險信息共享平臺的基礎，是進一步識別新網絡謠言的基礎。

本文擬通過對網絡謠言自身的特性進行分析，從人類認知過程的角度通過數量化的方法對網絡謠言進行定性與定量相結合的分析，得到從謠言自然認知角度分析的網絡謠言類型，以期得到便于分類管理的方法。“H理論III”在涉及到分類方法方面有獨特優勢，不僅可以進行人為和客觀相結合的分類，更可較大程度的減少人為干預，便于計算機模糊識別網絡謠言的特征屬性，實現自動化識別。

1 網絡謠言數量化分類實踐

1.1 Hayashi數量化理論簡介

Hayashi數量化理論是由日本的林知己夫教授在1950年首先提出[9-10]，它根據不同的研究目的，在方法上可分為數量化理論I、II、III和IV。其中可以同時對定性和定量變量進行處理的多元分析的是第III類方法。與其他數量化方法相比，“H理論III”的優點在于，反應矩陣可以既包含定量變量，同時也包含定性變量，通過計算可將定性變量轉化為定量變量。“H理論III”所要解決的問題是以反應矩陣為基礎，對各類目和各樣品賦予適當的得分，使得反應情況接近時，樣品和類目有相近的得分[11]。其基本原理是基于“0-1” 屬性判斷矩陣的構建和向量值的計算，從而得到樣本的得分。通過這種原理可將網絡謠言的屬性規范化、數量化，獲得更便于計算機進行計算分析的基礎數據結構，因此，Hayashi數量化理論不僅在理工類的地質、氣象、環保、生物、醫學、產品設計方面適用，也在管理類的人力資源管理、企業管理、災害和風險管理中得到應用[12-14]。

本文通過對網絡謠言的內容、傳播特點等一系列特性進行分析，從對網絡謠言綜合認知的角度考慮，選取數量化的方法進行定性與定量相結合的分析。最終得到網絡謠言從認知角度分析的類型和分類管理的方法。

1.2 網絡謠言的特性

網絡謠言是虛假的輿論信息，每個謠言都具有獨特性的屬性，不同屬性謠言所表現的影響結果不同。這種特性類似于每個人的特質，如善意性、敏銳度、觀察力、忠誠度、攻擊性、模仿能力等特質，通過這些屬性我們才能確定一個具體的立體的人。以統一標準對每個人進行賦值，其得分很難相同。這些潛在特質將決定在特殊情況的激發下，每個人的表現結果不同。與前例類似，不同網絡謠言的特性也不同，從人類認知的角度，可對每種網絡謠言通過幾個問題進行區分，如網絡謠言的代表性、危害程度、影響力、攻擊性、傳播性、生命力和辨識度如何。具此可以根據謠言的相關屬性研究謠言的潛在發展程度和造成的影響，便于進行網絡謠言管理。

1.3 網絡謠言維度與判斷標準

網絡謠言屬性的適當描述與對網絡謠言自身的認知特點直接相關，進一步決定著網絡謠言矩陣的形態。有研究表明網絡謠言的影響力因素有擴散廣度、內容熱度和態度傾向，這些因素又包括若干種二級指標，這一系列二級指標是較好的刻畫謠言造成影響的關鍵因素[15]。奧爾波特認為謠言傳播能力主要在于事件的重要性、模糊程度和信息的不對稱，網絡謠言的特性可以包括這些。傳統觀點認為，謠言模糊性越強越容易傳播，而網絡謠言在傳播過程中為增強可信度配以相關細節描述和相應資料，同時網絡的匿名性也增加了謠言傳播的可能性[16]。

網絡謠言矩陣的構建基礎是對矩陣屬性賦值。本文的謠言矩陣構建原則是基于謠言認知模式和認知過程選擇謠言屬性，由此構建謠言識別屬性（見表1），表1列出了網絡謠言的7種屬性及其判斷標準。構建矩陣時，如對謠言案例的某屬性有反應就認為是“l”，否則是“0”。即看謠言屬性更接近哪種判斷標準，依據判斷標準定為“1”或“0”。

1.4 謠言判斷矩陣的構建

網絡謠言矩陣的構建是對網絡謠言進行分類的關鍵，它關系到最終結果與現實的貼近程度，判斷的矩陣越客觀，最終圖像越能正確反應客觀實際。考慮到“H理論III”是一種可同時對定性和定量變量進行處理的多元分析方法。其基本原理是基于“0-1” 屬性判斷矩陣的構建和向量值的計算，從而得到樣本的得分。該基本原理符合以上網絡謠言屬性的基礎數據結構。選擇“H理論III”，將每個網絡謠言樣本的7個屬性指標轉換成“0-1”屬性的二維判斷矩陣，通過編程運算，將樣本得分在示意圖中與原點距離作為樣本聚類分析的輸入數據，實現對所考察風險樣本的分類目的。因此，科學構建網絡謠言判斷矩陣是得到客觀結果的基礎。汪青云和童玲[17]從社會心理學和謠言傳播學的角度，將網絡謠言分為利他性謠言、利己性謠言和無利性謠言。

在構建網絡謠言判斷矩陣時，本文選取了互聯網關注度較高的49個謠言案例，選取過程要求案例來源豐富、類型多樣，涉及名人類、腐敗類、自然災害類、事故災難類、公共衛生類、社會安全類等多種類型的網絡輿論，網絡謠言的選取具有典型性[3]。并盡可能根據網絡謠言的題目和基礎內容對謠言屬性進行判斷矩陣構建，構建適用于每種可能出現的謠言屬性矩陣（見表2）。

2 網絡謠言計算及結果

受篇幅所限，本文介紹的“H理論III”的基本原理和計算方法參考文獻[11，14，18]。通過Matlab軟件支持的程序計算構造得到特征根，并利用矩陣的前兩個最大特征根（見表4）對應的特征向量所表示的坐標進行描點。

2.1 特征向量的求取

經過計算，謠言樣本得分每個樣本得到所選的7個屬性的得分，矩陣特征向量為（0.3229，0.0579，

0.0419，0.0056，0.0281，0.0135，0.0195）。

2.2 特征根的有效性檢驗

為了解每個特征根對總體特征向量的貢獻程度，需計算各特征根占特征向量的信息比重（見表3）。

前第一、第二特征根包含的信息比共占77.81%，滿足“H理論III”對分類的量化精度要求[11]。因此，選取第一、第二特征根作為表述謠言得分的主要指標（見表4），在得分坐標圖上用第1特征根b1表示橫坐標，第2特征根b2表示縱坐標。

2.3 網絡謠言分布示意圖

在二維坐標圖上將各謠言的得分進行描點記錄，并將坐標原點移到左下角進行坐標變換（見圖1），圖中橫坐標代表網絡謠言對第一特征值得分y1，縱坐標代表網絡謠言對第二特征值得分y2，各點表示謠言樣本基于其7種屬性的相互位置關系。圖中橫坐標表示謠言傳播性從弱到強的變化，縱坐標表示謠言的生命力從小到大的變化。從認知角度，傳播性小且生命力弱的可認為是簡單謠言，與之相對的傳播性大且生命力強的可認為是模糊、不明確的謠言，介于兩者之間的被稱為復雜謠言。

表3中第一、第二特征根向量的最大值對應的是傳播性和生命力，說明這兩個屬性是網絡謠言最具代表性的特征，與我們對網絡謠言本身特征的理解相吻合。

3 計算結果分析

為便于觀察各網絡謠言分布規律，我們將（0，-0.2）作為原點，計算每種謠言與原點的距離。通過計算得到遠離原點的謠言的生命力和傳播能力比較強。根據距離的網絡謠言聚類圖見圖2。

通過SPSS13.0軟件，使用離原點的距離進行聚類操作，當閾值L1=（2，3）可以將49種謠言分為5類；當閾值L2=（4，5）時可以將49種謠言分為3類；當閾值L3=（5，23）可以將49種謠言分為2類；當閾值>23時，謠言可分為1類（見圖2）。

3.1 分類結果

通過軟件聚類將網絡謠言從總體趨勢上分為簡單謠言、復雜謠言、模糊（不明確的）謠言三種。當閾值為（2，3）時，49種網絡謠言從區域上可分為A-E五種類型。體現了從簡單到復雜的過渡形態。當閾值（4，5）時，從認知的角度認為網絡謠言也可以分為簡單、復雜、模糊三種類型（見表5）。

三種類型網絡謠言的側重點不同，政府對應的管理方式也不相同。49種網絡謠言綜合分類類型，和每類謠言的解讀方式以及個人和政府的應對方法（見表6）。

3.2 聚類法分類的解讀和政府應對辦法

距離原點的遠近確定了謠言生命力和傳播能力兩種屬性可以表現為從簡單到復雜的性質。因此，網絡謠言通過距離上判斷，可給出不同類型謠言的總體分類建議（見圖1）。表6從人類認知的謠言屬性角度，給出網絡謠言聚類的相關距離，并對這3種類型謠言進行定性描述及提供政府和公眾的應對辦法解讀。

從圖1和圖2中的分類與聚類結果看，以距離為聚類元素具有參考意義。但其中也有若干謠言分類錯位的情況，如D40并未在E類型中，而是在D類型中；D34的位置表現似乎與聚類結果相差較大。可知圖1僅作為謠言相互位置間的參考，具體謠言類型還可根據使用需要與常識結合進行判斷，同時謠言分類結果還與構建謠言矩陣的人的知識結構有直接關系。同時每個人由于知識結構不同，謠言風險抵御能力有差異，因此，對于謠言的辨識能力有差別，進而導致謠言對生活造成的影響也不同。

3.3 網絡謠言應對策略

不同類型的謠言傳遞的最重要的信息其所攜帶的內容是不同的，這些內容所傳遞的信息量對于每個人影響是不同的，區別在于每個人掌握真實信息的程度，如：“地震謠言”往往影響的是青少年、婦女等特殊敏感人群；而“房地產稅征收”對家中有一定財產，對自身固定資產關注較高的人的影響較大，所以，謠言影響的多為受眾內心的潛意識。同樣對謠言關注點的不同人群是由知識文化水平差異決定的。每個人知識水平結構不同，對于知識認可度也存在差距，對于網絡謠言的敏感性和可接受程度也不同。有的人接受謠言程度高，對謠言識別度低，易受謠言欺騙。知識結構的差異性是相對而非絕對的。總體來說，知識文化水平較高的人群識別網絡謠言的能力較強。

因此，政府在針對網絡輿論或者網絡謠言管理過程中，在對不同謠言分組，進行區別引導的同時，更應重視對弱勢群體網絡謠言引導。從整體上提高個人的文化普及程度和辨識能力，同時提高政府對特殊網絡謠言的引導能力（如涉及公共安全類）。另外，對于某些不置可否的謠言，只要不威脅到公眾安全和影響市場秩序，可以允許謠言在一定可控范圍內的發酵，同時引導群眾進行廣泛的爭論，從而實現群眾認知的再教育、再提高，這相當于提高個體對謠言風險的掌控程度，謠言解釋的過程也是民眾思想意識進步的過程。從基礎上提升民眾素養的根本之道，仍然是文化教育和尊重科學，用文化和科學的力量啟發民智。

在網絡謠言風險管理的過程中，需要建立謠言案例庫和謠言處置應對方案庫，當有新謠言出現時可以輕松進行分類比對，按照已有謠言成功的處理方式，采取自由發酵或專業部門進行干預的方式——涉及到各專業領域謠言，如經濟類謠言由銀行、財政、稅務等官方機構進行解釋。具體對策主要包括：（1）增強民眾判斷力，增強政策解讀，增加官方答疑平臺；（2）提高互聯網環境的科學性，從技術手段打擊惡意造謠者；（3）各地、各級政府應秉持科學、公開、公正的態度對待網上質疑的聲音；（4）官方建立統一辟謠平臺，及時辟謠，跟蹤信息走向，掌控輿論走向。

4 討論

本文雖然實現了基于認知過程的網絡謠言的數量化分類，但仍存在如下問題需進一步討論：

（1）本文分類結果有待改進，個別謠言的類別歸屬與大眾認知存在一定差距。究其原因，本文僅從理論方法上對網絡謠言分類進行了研究，并未對與認知不符的謠言類別從認知角度對判斷矩陣進行修正。因此對于與認知有一定差距的謠言可通過對屬性判斷矩陣值加以調整，重新構造矩陣并計算，調整分類結果。通過調整各個謠言屬性的模糊評分可提高分類結果的精度，但模糊化會使判斷矩陣更加復雜，在謠言屬性判斷的權重方面也會有較大的模糊性，不適用于謠言的快速分類定位。

（2）謠言的產生和演變有其自身規律。隨著人類社會生產關系和科技應用水平的不斷提高，謠言的產生和演變也會隨著改變。辨識謠言的能力因個人或群體的認知水平不同而有差異。認知水平受從事職業、教育水平、知識文化背景的影響很大。不同的人看待同一種謠言的角度與對不同謠言特征的把握水平差距造成對謠言的感知結果也不同。因此，在本文的探索過程中，對謠言矩陣的判斷仍然存在一定人為因素，但隨著對謠言產生的社會背景理解進一步深入，判斷矩陣的指標定義的進一步明確，這個問題最終會得以解決。

（3）本文通過“H理論III”將定性描述科學的轉化為定量的值，利用計算機程序處理大型矩陣的方便性，使得原需人工處理矩陣的數量化理論得以應用。針對網絡謠言分類方法的探索是在研究網絡謠言屬性的基礎上進行的，實驗選取的網絡謠言樣本雖然只是近幾年才在網絡上流行的事件，但現代典型謠言所具有的反復性和傳播效應的相似性，可為今后謠言分類研究做基礎數據庫。同時，本文所研究的分類方法是基于大眾視角關注的謠言的通用分類，與具體部門、行業的喜好一定有區別，但可從方法上為其他學科謠言的專業分類提供思路。

5 結論

本文通過基于網絡謠言的認知過程進行判斷得到的矩陣，采用“H理論III”方法計算得到不同謠言的相對得分以及在網絡謠言管理圖譜中的相對位置差異，通過距離聚類將不同的網絡謠言通過閾值選取分為不同的謠言類別，為定量化謠言識別提供了一種具體可實現的方法。通過研究得到了以下主要結論：

（1）“H理論III”對于謠言分類是適合的。分類方法以構建反應謠言主要屬性的矩陣為基礎，不僅能夠分出合理的類別，還可隨需求變化閾值調節類型數量。同時，將謠言問題中定性描述轉為定量的研究謠言屬性，比只用定性描述進行分類更具說服力，更易于謠言自動化管理，為多特征屬性的網絡謠言分析進行有益的探索。

（2）通過對閾值的變化，可將謠言分為需要的數量類型。通過調整閾值，謠言可在1類到5類之間進行分類調整。本文建議個人和行業可采用簡單、復雜，模糊/不明確這三類區分法，便于從認知的角度對網絡謠言進行管理。

（3）從人類認知的角度看，只有提高每個人的文化素養和科學水平，改變自身的知識結構，才是有效辨識謠言，抵制謠言，引導謠言的最佳途徑。本文為網絡謠言認知從人類自身知識水平結構屬性分析的角度進行了有益的探索。

參考文獻：

[1] 中國互聯網絡信息中心.CNNIC發布第37次《中國互聯網絡發展狀況統計報告》[EB/OL].[2016-04-20].http：//www.cnnic.cn/gywm/xwzx/rdxw/2016/201601/t20160122_53283.htm.

[2] 陳瀅.淺析移動時代下的“互聯網碎片經濟”[J].未來與發展，2015（7）：49-52.

[3] 張鵬，蘭月新，李昊青，等.基于Hayashi數量化理論的網絡謠言分類應對策略分析[J].情報雜志，2016，35（1）：110-115.

[4] 周裕瓊.當代中國社會的網絡謠言研究[M].北京：商務印書館，2012.

[5] 王國華，汪娟，方付建.基于案例分析的網絡謠言事件政府應對研究[J].情報雜志，2011（10）：72-76.

[6] 張欽朋.網絡謠言的傳播機理及其治理路徑：基于傳播心理的分析[J].中共天津市委黨校學報，2013（2）：87-90，96.

[7] 孫麗.網絡謠言的類型與特征[J].電子政務，2015（1）：18-23.

[8] 林知己夫.數量化の方法[M].東京：東洋經濟新報社，1972.

[9] Hayashi C.On the quantification of qualitative data from the mathematic- statistical point of view[R].Annals of the Institute of Stat Math，1950：12-57.

[10] Hayashi C.On the prediction of phenomena from qualitative data and the quantification of qualitative data from the mathem

atico statistical point of view[R].Annals of the Institute of Stat.Math，1952：69-98.

[11] 董文泉，周光亞，夏立顯.數量化理論及其應用[M].長春：吉林人民出版社，1979.

[12] Li N，Gu W，Okada N，et al.The utility of Hayashis quantification theory for assessment of land surfaceindices in influence dust storm- a case study in Inner Mongolia China[J].Atmospheric Environment，2005，39（1）：119-126.

[13] 李寧，張鵬，胡愛軍，等.從風險認知到風險數量化分類[J].地球科學進展，2009，24（1）：43-49.

[14] 張鵬，李寧，吳吉東，等.基于風險認知過程的綜合風險分類方法研究[J].安全與環境學報，2010，10（5）：221-226.

[15] 蘭月新.突發事件網絡謠言傳播規律模型研究[J].圖書情報工作，2012，56（14）：57-61.

[16] 王小雨，李自，劉子菱.網絡謠言的特點、傳播原因及應對策略[J].法制博覽旬刊，2013（6）：44.

[17] 汪青云，童玲.突發事件中的網絡謠言特征分析——基于2010-2014年間網絡謠言的研究[J].新聞知識，2015，7（6）：6-8.

[18] 張鵬.基于Hayashi數量化理論III的綜合風險分類研究[D].北京：北京師范大學，2009.

作者簡介：張鵬（1981-），男，中國人民武裝警察部隊學院消防指揮系講師，博士，研究方向：網絡輿情、網絡謠言研究；蘭月新 （1981-）， 男，中國人民武裝警察部隊學院基礎部講師， 碩士研究生，研究方向：網絡輿情研究；李昊青（1983-），男，中國人民武裝警察部隊學院訓練部講師，研究方向：網絡輿情研究；瞿志凱（1987-），男，中國人民武裝警察部隊學院研究生部碩士研究生，研究方向：網絡輿情研究。