大數(shù)據環(huán)境下網絡輿情信息交互模型研究

夏一雪+蘭月新+劉冰月+瞿志凱

〔摘 要〕[目的/意義]面向大數(shù)據研究多個網絡傳播平臺之間網絡輿情信息交互模型，能夠準確把握大數(shù)據環(huán)境下網絡輿情演化趨勢以及網絡信息在多個平臺之間的傳播規(guī)律，為政府治理網絡輿情提供參考依據。[方法/過程]定性分析大數(shù)據環(huán)境下網絡輿情信息交互機理，通過定義交互系數(shù)，基于微分方程理論構建網絡輿情信息交互模型，并應用差分回歸法對各個媒體平臺的網絡輿情信息交互趨勢開展預測。[結論/結果]經過理論建模和實證分析得出本文構建的信息交互模型及趨勢預測方法是可行的，以上理論研究可為政府準確把握大數(shù)據環(huán)境下網絡輿情演化規(guī)律，制定網絡輿情治理對策提供參考依據。

〔關鍵詞〕大數(shù)據；網絡輿情；信息交互；模型；趨勢預測

DOI：10.3969/j.issn.1008-0821.2017.11.001

〔中圖分類號〕G203；C912.6 〔文獻標識碼〕A 〔文章編號〕1008-0821（2017）11-0003-07

The Research on Information Interaction Model of Network Public Opinion under Big Data Environment

Xia Yixue1 Lan Yuexin1* Liu Bingyue2 Qu Zhikai1

（1.The Chinese People 's Armed Police Force Academy，Langfang 065000，China；

2.Transportation Vocational College，Tianjin 300132，China）

〔Abstract〕[Purpose/Significance]Facing big data to research the information interaction model of network public opinion between multiple network communication platforms，this will accurately grasp the evolution trend of network public opinion and the propagation regularity of network information between multiple platforms under big data environment，and then provide references of network public opinion management for government.[Method/Process]Through the qualitative analysis of the information interaction mechanism of network public opinion under big data environment，defined the interaction coefficient，established the information interaction model based on the theory of differential equation，and used differential recursive scheme to predict network public opinion information interaction trend on multiple platforms.[Result/Conclusion]Through theoretical modeling and empirical analysis，confirmed the feasibility of information interaction model and trend prediction method in this paper.The above theory research will contribute to accurately grasp network public opinion evolution under big data environment，and provided references of network public opinion countermeasures for government.

〔Key words〕big data；network public opinion；information interaction；model；trend prediction

1 現(xiàn)狀分析

截止2017年7月，中國網民規(guī)模達7.51億，互聯(lián)網普及率為54.3%，其中手機網民規(guī)模達7.24億，網民中使用手機上網人群占比為96.3% [1]。隨著移動寬帶互聯(lián)網的普及，網絡輿情在信息體量、復雜性、關聯(lián)性以及產生速度等方面日益呈現(xiàn)出大數(shù)據特征。網絡輿情信息在微博、微信、網絡新聞等多個網絡傳播平臺上傳播而產生交互現(xiàn)象，如何準確把握大數(shù)據環(huán)境下網絡輿情信息交互程度，對于研究網絡輿情演化機理具有重要的理論意義和實踐價值。

針對網絡輿情演化，國內外學術界進行了卓有實績的科學研究。在定性研究方面，主要運用傳播學、哲學、心理學、社會學等多元學科理論研究網絡輿情的形成過程、擴散機理等；在定量研究方面，主要運用統(tǒng)計物理學、社會動力學、信息科學等領域的方法研究網絡輿情的傳播規(guī)律和演化過程。在研究主題方面，包括網絡輿情的生命周期演化、時空演化、主體演化、觀點話題演化、情感演化以及演化趨勢預測等，所采用的主要理論和方法，以及代表性研究成果如表1所示。其中，與國內研究相比，國外研究更偏重于政治領域、公共領域下網絡輿情演化規(guī)律的研究，包括輿情觀點的形成過程和擴散動力等。國內研究在分析網絡輿情演化的一般規(guī)律之外，還對突發(fā)事件網絡輿情[2]、高校網絡輿情[3]等特定類型輿情的演化規(guī)律進行了重點研究。endprint

在針對網絡傳播平臺進行的網絡輿情演化研究方面，國外研究主要集中于對比分析不同平臺的傳播演化過程，如通過采集Twitter、Facebook、Google和YouTube等4個社交媒體、網站中關于《權力的游戲》的用戶評論信息，對比分析不同社交網絡的輿情傳播過程[32]；通過獲取Instagram和Flickr平臺上關于“埃博拉”話題傳播信息，分析使用不同的社交媒體平臺對突發(fā)事件傳播具有不同影響[33]。而國內研究則較少關注這一研究主題。由此，雖然國內外研究在網絡輿情演化機理方面取得了許多研究成果，但是對基于網絡傳播平臺交互的輿情演化規(guī)律仍然關注不足，多個網絡傳播平臺之間網絡輿情信息交互問題需要解決，例如網絡輿情在各個網絡傳播平臺之間的信息交互機理、交互程度以及交互趨勢等。特別是大數(shù)據環(huán)境下，不同網絡傳播平臺間信息交互頻繁，并且呈現(xiàn)較強關聯(lián)性，因此，基于不同網絡傳播平臺，研究大數(shù)據環(huán)境下網絡輿情信息交互問題，具有理論開拓價值。

綜上所述，本文定性分析大數(shù)據環(huán)境下網絡輿情信息交互機理的基礎上，通過定義交互系數(shù)，基于微分方程理論構建網絡輿情信息交互模型，并應用差分回歸法對各個媒體平臺的網絡輿情信息交互趨勢開展預測。經過理論建模和實證分析得出本文構建的信息交互模型及趨勢預測方法是可行的，以上理論研究可為政府準確把握大數(shù)據環(huán)境下網絡輿情演化規(guī)律，制定網絡輿情治理對策提供參考依據。

2 大數(shù)據環(huán)境下網絡輿情信息交互機理

隨著移動寬帶互聯(lián)網的普及，龐大的媒體數(shù)量使得信息傳播平臺越來越多，網絡新聞、網絡報刊、微博、微信、新聞客戶端、論壇、視頻網站等互聯(lián)網平臺已經成為信息傳播的主要載體。當網民針對某個網絡話題展開討論時，文字、圖片、音視頻等信息在各個網絡媒體平臺傳播，并且絕大部分新聞網站、論壇、社交網站、視頻網站等網絡媒體的信息均可相互轉發(fā)、共享、復制，網絡信息交互便捷，進而形成一個網絡輿情大數(shù)據環(huán)境（圖1）。

2.1 網絡輿情信息交互影響要素

在網絡輿情傳播過程中，很多因素制約多個媒體平臺之間的信息交互程度，主要包括媒體平臺的自身定位、目標受眾定位、信息類型差異、信息情感傾向差異、權威程度以及信息交互便捷程度等。常見的信息交互方式有轉發(fā)、共享、復制，轉發(fā)多用于網絡傳播平臺內部，復制和共享則是多個平臺之間的信息交互的主要方式，其中共享功能相對快捷、方便。然而，不同的網絡傳播平臺的共享功能和范圍不一樣，例如，Baidu、搜狐等4個視頻網站均無一鍵共享功能，共享范圍相對較小，而新浪新聞等新聞網站大部分有一鍵共享功能，共享范圍較大，其中中國新聞網和新浪新聞基本可以將信息共享至絕大部分網絡傳播平臺（表2）。

2.2 網絡輿情信息交互機理

在生態(tài)科學領域，種群之間的相互作用，形成生態(tài)系統(tǒng)，其中作用關系主要包括競爭關系、依存關系、捕食關系等；而在輿論生態(tài)領域，網絡輿情傳播過程中，各個網絡傳播平臺之間，由于信息類型差異、信息權威程度以及信息交互的便捷程度等原因，各個網絡傳播平臺信息交互程度各有不同，影響也各有不同。網絡傳播平臺之間的信息交互機理與種群之間的相互作用機理相似，但更為復雜。據此，本文按照生態(tài)科學的建模思路研究網絡傳播平臺之間的信息交互機理。在信息交互過程中，網絡傳播平臺之間的信息交互是雙向的，故而本文將交互程度分為正交互和負交互，正交互會促使輿情信息量增加，而負交互會促使輿情信息量減少。以三平臺為例，平臺1對平臺2的信息交互影響是正的，則平臺1的輿情信息量可以促使平臺2輿情信息量增加；相反，平臺3對平臺1的影響是負向的，則平臺3的輿情信息量會抑制平臺1輿情信息量增加（圖2）。

3 大數(shù)據環(huán)境下網絡輿情信息交互模型研究

3.1 基本假設

4 大數(shù)據環(huán)境下網絡輿情信息交互實證研究

4.1 數(shù)據來源

通過清博輿情監(jiān)測軟件（yuqing.gsdata.cn）統(tǒng)計2017年6月5日至2017年6月25日期間6個網絡傳播平臺涉及“高考”的網絡輿情數(shù)據1 607 293條（按天進行統(tǒng)計，監(jiān)測關鍵詞為“高考”，網絡傳播平臺涉及論壇、微信、微博、網絡新聞、網絡報刊和新聞APP等 ），詳細數(shù)據如表3所示。

4.2 數(shù)據建模

假設論壇、微信、微博、網絡新聞、網絡報刊、新聞APP上“高考”網絡輿情信息量分別為xi（t），i=1，2，3，4，5，6。通過整理原始數(shù)據，應用差分回歸法確定模型參數(shù)。其中信息增長率分別為0.7805、0.7875、0.9979、0.7842、0.7568、0.9526，參數(shù)σijKi的值見表4，6個方程對應的可決系數(shù)分別為0.9551、0.9632、0.9793、0.8972、0.8444、0.9437，數(shù)據擬合效果很好。

4.3 結果分析

1）通過分析數(shù)據建模得出的參數(shù)表，得出6個傳播平臺之間的信息交互影響程度（表5）。從表中發(fā)現(xiàn)，“高考”網絡輿情傳播過程中，6個網絡傳播平臺的信息交互影響程度依次為網絡新聞、新聞APP、微博、微信、網絡報刊和論壇，其中由網絡新聞與其他5個平臺的信息交互程度最高（5個正交互）；網絡報刊和論壇的信息交互影響程度最低（5個負交互）。通過表2也可以發(fā)現(xiàn)，信息交互影響最大的是“一鍵共享”功能，而這6類平臺中只有網絡新聞具備這個功能。

2）通過表3數(shù)據可以計算模型平衡點，進而對網絡輿情信息交互趨勢進行預測。根據平衡點公式

代入相關參數(shù)得到

進而得到6類網絡傳播平臺“高考”輿情信息量預測值（表6），據此，政府可以根據輿情信息量的多少，有針對性地制定網絡輿情治理對策。

5 結論與展望

5.1 研究結論

網絡輿情信息在微博、微信、網絡新聞等多個網絡傳播平臺上傳播而產生交互現(xiàn)象，如何準確把握大數(shù)據環(huán)境下網絡輿情信息交互程度，對于研究網絡輿情演化機理具有重要的理論意義和實踐價值。本文在研究網絡輿情信息交互機理基礎上，構建n個網絡傳播平臺的網絡輿情信息交互模型為：endprint

通過差分回歸法確定了模型參數(shù)，并據此研究網絡輿情信息交互趨勢預測問題，最后通過“高考”網絡輿情數(shù)據驗證了模型。通過本文的研究可以得出以下結論：

1）以Logistic為基礎模型構建微分方程組研究網絡輿情信息交互機理是可行的，這一點已經通過實際網絡輿情數(shù)據進行了驗證；

2）應用差分回歸法確定模型參數(shù)，并確定微分方程組的平衡點，然后據此研究網絡輿情信息交互趨勢預測問題是可行的。

5.2 研究展望

1）網絡輿情信息交互程度評價問題。通過表2數(shù)據可以發(fā)現(xiàn)，目前網絡傳播平臺之間信息交互功能各有不同，進而導致各個網絡平臺信息交互程度不同，為進一步研究網絡輿情信息交互問題，需要對網絡傳播平臺的信息交互程度進行評估，進而為政府治理網絡輿情提供更多參考。

參考文獻

[1]中國互聯(lián)網絡信息中心.第40次中國互聯(lián)網絡發(fā)展狀況統(tǒng)計報告[R].http：//cnnic.cn/gywm/xwzx/rdxw/201708/t20170804_69449.htm，2017-08-06.

[2]陳璟浩，李綱.突發(fā)社會安全事件網絡輿情演化的生存分析——基于70起重大社會安全事件的分析[J].情報雜志，2016，（4）：70-74.

[3]鄧春林，楊柳，王涵之.高校網絡群體性事件輿情演化規(guī)律初探——基于多項式擬合的定量分析[J].現(xiàn)代情報，2016，（5）：16-20.

[4]王平，謝耘耕.突發(fā)公共事件網絡輿情的形成及演變機制研究[J].現(xiàn)代傳播，2013，（3）：63-69.

[5]姜勝洪.網絡輿情形成與發(fā)展規(guī)律研究[J].蘭州學刊，2010，（5）：77-79.

[6]謝科范，趙湜，陳剛，等.網絡輿情突發(fā)事件的生命周期原理及集群決策研究[J].武漢理工大學學報：社科版，2010，（8）：483-486.

[7]辛文娟，賴涵.群體極化視域下網絡輿情的演化機制研究——以微博網民討論“浙江溫嶺殺醫(yī)案”為例[J].情報雜志，2015，（2）：47-52.

[8]于兆吉，張嘉桐.基于扎根理論的突發(fā)性網絡輿情演化影響因素研究[J].東北大學學報，2016，（5）：498-502.

[9]李昊青.基于信息異化理論的網絡衍生輿情演化規(guī)律及對策研究——以網絡謠言治理為例[J].現(xiàn)代情報，2015，（5）：4-8.

[10]蘭月新，鄧新元.突發(fā)事件網絡輿情演進規(guī)律模型研究[J].情報雜志，2011，（8）：47-50.

[11]陳福集，張燕.基于E-Divisive的網絡輿情演化分析[J].情報雜志，2016，（4）：75-79.

[12]陳濤，林杰.基于搜索引擎關注度的網絡輿情時空演化比較分析——以谷歌趨勢和百度指數(shù)比較為例[J].情報雜志，2013，（3）：7-10.

[13]方薇.采用元胞自動機的網絡輿情傳播模型研究[J].計算機應用，2010，（3）：751-755.

[14]宋姜，吳鵬，甘利人.網民沉默因素的元胞自動機輿情演化建模及仿真[J].情報理論與實踐，2015，（8）：124-129.

[15]張玉亮，張昊蘇.突發(fā)事件網絡輿情主體靜態(tài)博弈分析及相關政策建議[J].情報雜志，2014，（8）：150-154.

[16]韓少春，劉 云，張彥超，等.基于動態(tài)演化博弈論的輿論傳播羊群效應[J].系統(tǒng)工程學報，2011，（2）：275-281.

[17]王元卓，于建業(yè)，邱雯，等.網絡群體行為的演化博弈模型與分析方法[J].計算機學報，2015，（2）：282-300.

[18]張一文，齊佳音，馬君，等.網絡輿情與非常規(guī)突發(fā)事件作用機制——基于系統(tǒng)動力學建模分析[J].情報雜志，2010，（9）：1-6.

[19]劉玉文，郭強，吳宣夠，等.基于TSSCM模型的新聞輿情演化識別[J].情報雜志，2017，（2）：115-121.

[20]黃衛(wèi)東，林萍，董怡，等.基于話題特征詞的網絡輿情參與者情感演化分析[J].情報雜志，2015，（11）：117-122.

[21]Bartolozzi M，Leinweber D B，Thomas A W.Stochastic opinion formation in scale-free networks[J].Physical Review E，2005，72（4）：46-113.

[22]Stauffer D，Sá Martins J S.Simulation of Galam's contrarian opinions on percolative lattices[J].Physica A：Statistical Mechanics and its Applications，2004，334（3）：558-565.

[23]陳福集，李林斌.G（Galam）模型在網絡輿情演化中的應用[J].計算機應用，2011，（12）：3411-3413.

[24]Crokidakis N.Effects of mass media on opinion spreading in the Sznajd sociophysics model[J].Physica A：Statistical Mechanics and its Applications，2012，391（4）：1729-1734.

[25]陳桂茸.網絡輿論演化的高影響力優(yōu)先有限信任模型[J].上海交通大學學報，2013，（1）：155-160.

[26]Martins A C R.Mobility and social network effects on extremist opinions[J].Physical Review E，2008，78（3）：036104.endprint

[27]林萍，黃衛(wèi)東.基于LDA模型的網絡輿情事件話題演化分析[J].情報雜志，2013，（12）：26-30.

[28]Kim K，Baek Y M，Kim N.Online news diffusion dynamics and public opinion formation：a case study of the controversy over judges personal opinion expression on SNS in Korea[J].The Social Science Journal，2015，52（2）：205-216.

[29]Mark Freemana，James McVittieb，Iryna Sivakc，et al.Viral information propagation in the Digg online social network[J].Statistical Mechanics and Its Applications，2014，415（1）：87-94.

[30]方薇，何留進，宋良圖.因特網上輿情傳播的預測建模和仿真研究[J].計算機科學，2012，（2）：203-205.

[31]郭韌，李紅，陳福集.基于可拓聚類的網絡輿情演化預測研究[J].情報理論與實踐，2017，（1）：83-87.

[32]Arno Scharl，Alexander Hubmann-Haidvogel，Alistair Jonesa.Analyzing the public discourse on works of fiction-detection and visualization of emotion in online coverage about HBO's Game of Thrones[J].Processing & Management，2016，52（1）：129-138.

[33]Seltzer E K，Jean N S，Kramer-Golinkoff E.The content of social media's share images about Ebola：aretrospective study[J].Public Health，2015，129（9）：1273-1277.

[34]劉毅.網絡輿情研究概論[M].天津：天津人民出版社，2007：53.

[35]蘭月新，王芳，董希琳，等.公共危機事件網絡輿情熱度模型研究[J].情報科學，2016，34（2）：32-36.endprint