大數據環境下微博輿情預測模型方法研究

劉冰月++夏一雪++李增++高揚++屈健++王俊迪

摘 要：該文通過定性分析大數據環境下微博輿情熱度分析，構建微博輿情傳播的logistic模型，根據差分回歸法構建微博輿情熱度預測模型，并根據3種差分格式針對“霧霾”微博輿情開展實證研究，以期為微博輿情傳播理論提供模型參考。

關鍵詞：大數據 微博輿情 logistic 預測 仿真

中圖分類號：C912.6 文獻標識碼：A 文章編號：1674-098X（2017）03（c）-0149-03

1 現狀分析

據中國互聯網絡信息中心（CNNIC）第39次《中國互聯網絡發展狀況統計報告》，截至2016年12月，我國網民規模達7.31億，互聯網普及率為53.2%。其中社交應用是我國網民個人互聯網應用的主要類型，微博作為主流的網絡社交媒體，得益于名人明星、網紅及媒體內容生態的建立與不斷強化，以及在短視頻和移動直播上的深入布局，不僅用戶使用率高，并且由于其“井噴”式外向型傳播的信息傳播模式，是目前網絡輿情首發和擴散的主要載體，相應的，微博輿情熱度成為網絡輿情監測和治理的重要指標。

目前，學術界針對微博輿情熱度的研究主要集中于兩個方面。一是微博輿情熱度評價體系研究，主要以用戶數最多、首曝網絡輿情事件最頻繁的新浪微博為研究對象，從網絡輿情主體、客體、傳播、受眾等維度，構建評價體系，進行微博輿情熱度監測和預警，為網絡輿情分析、引導和管理研究提供理論依據[1-2]。二是微博輿情熱度趨勢研究，主要是基于馬爾科夫鏈等通過構建熱度趨勢模型，通過采集輿情指標數據得到熱度的時間序列值、劃分輿情熱度趨勢的狀態空間、構建狀態轉移矩陣、預測熱度的趨勢變化區間等研究步驟，進行預測微博輿情走勢等研究[3，4]。但是，已有研究在定量研究方法上相對單一，采用更具適合度的研究方法來優化修正評價體系和預測模型，是該領域未來研究的重點。

2 大數據背景下微博輿情熱度分析

2.1 微博輿情輿情趨勢

通過新浪微博數據中心的微指數功能統計近6個月（2016年8月3日至2017年2月3日）的熱詞“樸槿惠”涉及的新浪微博數據（按天進行統計），詳細數據見圖1（數據網址：http：//data.weibo.com/index/hotword？wid=1091324457063&wname=樸槿惠）。

通過圖1不難發現，微博輿情傳播可以定性地分為潛伏期、擴散期、消退期。輿情潛伏期，微博發文量少，且信息量增長緩慢；輿情擴散期，微博發文量短時間快速增長，且呈現出強烈的震蕩趨勢；輿情消退期，微博發表量迅速降低，輿情熱度趨于平緩。

2.2 微博輿情熱度分析

通過定性觀察圖1容易發現，這一點和生態學中生物生長有相似之處，所以輿情的傳播和生物的生長過程具有相似機理。目前，大部分微博數據都是按小時、天等統計的，它們只能描述微博輿情發生的頻率而不是變化規律，需要對微博輿情統計數據進行累加才能作為微博輿情建模變量使用。所以，累加后的微博數據曲線呈“S”形增長趨勢。基于此，文章選取生長曲線中的logistic模型來研究微博輿情熱度，進而研究預測模型。

3 大數據背景下微博輿情熱度預測模型

3.1 基本模型與假設

假設為微博輿情傳播規律的函數，初值為且≤K，因微博發文量受空間、網民情緒等影響，故有上限。假設時間內，微博發文量增量，則增長率為。隨著的增加，微博發文量趨于“飽和”狀態，則增長率與“剩余空間”成正比。

其中為內稟增長率（定值）。當時，微博輿情傳播模型為：

求解微分方程得：

3.2 微博輿情熱度預測模型

袁志發、孫耀東、殷祚云、朱珉仁、代濤、魏冠軍等人在文獻[5-10]中先后研究了logistic模型確定參數的方法。文章先將logistic微分方程按照3種差分格式變成其對應差分方程，再通過二元線性回歸分析確定參數和。

Logistic模型：

對應的差分方程為：

其中。不難看出，是關于和的二元線性關系。應用Excel或者Matlab進行回歸分析，即可得出回歸系數和，從而得到參數K和。但是差分分為向前差分、向后差分、中心差分3種。所以，基于logistic模型的微博輿情熱度預測模型可以分為3種情況。

（1）向后差分情況。向后差分的格式為，其中。

（2）向前差分情況。向前差分的格式為

，其中。

（3）中心差分情況中心差分的格式為

，其中。

（4）3種情況的對比分析。

通過3種差分的公式不難發現，向前差分和中心差分只能預測期，而向后差分能夠預測期。所以在微博輿情高潮來臨前比較適合使用向后差分預測輿情趨勢，而經過高潮值之后，應該綜合使用3種差分格式。

4 實證分析

4.1 數據來源

通過新浪微博數據中心的微指數功能統計2個星期（2016年12月31日至2017年1月13日）的熱詞“霧霾”涉及的新浪微博數據（按天進行統計），詳細數據見圖2（數據網址：http：//data.weibo.com/index/hotword？wid=293178324457063&wname=霧霾）。

4.2 微博輿情靜態預測

分別應用向前差分、向后差分、中心差分替代統計數據，應用logistic模型開展差分回歸預測，得到3種差分對應的預測模型為：

向后差分情況：

向前差分情況：

中心差分情況：

預測精度（可決系數）分別為0.9742、0.9152、0.9695，預測曲線和原始數據曲線對比見圖3。容易看出，向前差分更接近于原始曲線，中心差分預測曲線介于向后差分和向前差分之間。

4.3 微博輿情動態預測

在已知前4天的數據基礎上，以此加入新數據，推斷微博輿情傳播曲線。

（1）向后差分情況（見圖4）。

（2）向前差分情況（見圖5）。

（3）中心差分情況（見圖6）。

通過上述3種差分情況分析，可以看出向后差分和向前差分預測相對滯后，且吻合度較差，而中心差分則能夠以較高吻合度進行動態預測，是微博輿情發展趨勢預測中更具適用性的預測模型，能夠較好地實現微博輿情熱度預測的研究目標。

5 結語

隨著大數據時代的到來，網絡輿情在數據體量、復雜性和產生速度等方面發生巨大變化。網絡輿論引導方法已超出了現常用的框架。習近平總書記在全國宣傳思想工作會議上提出，宣傳思想工作創新，重點要抓好理念創新、手段創新。網絡輿情是網絡輿論引導工作的基礎和晴雨表，以大數據觀念變革傳統網絡輿論引導思維，準確把握網絡輿情的內在特征及其在演化過程中的潛在規律，對于新形勢下做好網絡輿論引導工作，維護網絡社會安全，具有重要的理論意義和實踐價值。

文章基于logistic模型，研究了3種差分格式的微博輿情預測模型，并通過具體的微博輿情案例開展了實證研究，但仍有很多問題需要深入研究。例如，人民網針對輿情預警提出“黃金4小時”的概念，所以開展輿情預測的原始數據需要按小時進行統計和建模，才能提前感知風險，做到主動預測預警預防。

參考文獻

[1] 王長寧，陳維勤，許浩.對微博輿情熱度監測及預警的指標體系的研究[J].計算機與現代化，2013（1）：126-129.

[2] 孫飛顯，程世輝，靳曉婷，等.政府負面網絡輿情熱度定量評價方法——以新浪微博為例[J].情報雜志，2015（8）：137-141.

[3] 王新猛.基于馬爾可夫鏈的政府負面網絡輿情熱度趨勢分析——以新浪微博為例[J].情報雜志，2015（7）：161-164.

[4] 徐旖旎.基于微博的媒體奇觀網絡輿情熱度趨勢分析[J].情報科學，2017（2）：92-97.

[5] 袁志發，劉光祖，肖俊璋.0.618法在兩種常用生長曲線擬合中的應用[J].西北農學院學報，1984（3）：59-63.

[6] 孫耀東，王太源，陶俊.S型曲線的掃描回歸方法[J].揚州大學學報：自然科學版，1999（8）：10-12.

[7] 殷祚云.Logistic曲線擬合方法研究[J].數理統計與管理，2002（1）：41-46.

[8] 朱珉仁.Gompertz模型和Logistic模型的擬合[J].數學的實踐與認識，2002（9）：705-709.

[9] 代濤，徐學軍，黃顯峰.離散Logistic人口增長預測模型研究[J].三峽大學學報：自然科學版，2010（10）：102-105.

[10] 魏冠軍，黨亞民.基于Bayes理論的Logistic增長曲線模型參數估計方法研究[J].工程勘察，2012（5）：64-67.