泛媒體環境下網絡輿情傳播優化控制平臺的實現

，

隨著網絡與通信技術的飛速發展，信息傳播載體與主體多元化，傳播內容多樣化、廣泛化、細微化，新舊媒體、各類社群間的界限消融，已進入了泛媒體時代。本文借鑒以往學者將傳染病模型引入網絡輿情傳播研究的做法[1-4]，以消息識別為基礎，區分采用SIQR及SIRS模型，引入“外輿論場”“用戶傳染力”等概念優化免疫手段，優化控制網絡輿情傳播，搭建了“導”“控”相結合的網絡輿情傳播優化控制平臺，并利用Swarm軟件仿真分析，有效驗證了該平臺效能。

1 網絡輿情傳播優化控制平臺的構建

利用wiki技術，搭建了一個面向所有人，共同參與、共同編輯，以消息識別結果為基礎區分調用帶連續接種SIQR模型與SIRS模型的“導”“控”結合的優化控制平臺。該平臺由消息識別器和網絡輿情控制系統2部分組成，整體框架結構如圖1所示。

圖1 網絡輿情傳播優化控制平臺結構

1.1 消息判別器

1.1.1 消息真偽判別

以《泛媒體環境下網絡輿情傳播控制的優化研究》中提出的信息真偽判別指標項及其質疑指數為基礎[5]，以“機器遍歷+人工判別”方式判別輿論傳播過程中初始消息及衍生消息的真偽。

1.1.1.1 機器遍歷方式

首先對消息文本預處理，以正則表達式+HTMLParser抽取信息，結合JE分詞系統，獲取良結構化的消息內容特征與主題。然后將良結構化的消息內容與話題數據庫中的話題信息內容表及話題信息來源表以機器遍歷方式檢索對比，獲取各指標項質疑值。若是已有話題，則依據表內字段判斷該消息的內容常識性、發布偶然性、來源真實性及權威性；若是新話題，則以該消息為特定主題，從微博、知乎、網易等主要網絡輿論平臺進行信息抓取、處理、識別與分析，將其存入話題庫對應表內，再進行上述已有話題的檢索判別步驟，完成判別。

1.1.1.2 人工方式

由所有具備人工審核權限的信息審核員，結合傳統媒體信息，對消息內容的來源準確性、信息內容的專業性、信息發布的利益相關性逐一判別。各指標項的所有信息審核員判定分值均低于其對應質疑指數時，才判定該指標項質疑值低于其質疑指數。

最終，綜合上述7項指標的質疑值，當其均低于對應指標項的質疑指數時，該消息判別為 “真”，否則判別為“假”。

1.1.2 信息文本情感識別

本文從評價對象入手，細分信息文本為N個評價單元，每個評價單元均由評價對象、評價詞、否定副詞、程度副詞、文本句型5個元素組成，通過累計相加各評價單元情感極值得到信息文本的最終情感值。若信息文本情感值>0，則認為信息情感傾向為“正”；若信息文本情感值<0，則認為信息情感傾向為“負”；若信息文本情感值=0，則認為信息情感傾向為“中性”。其中有如下2個關鍵點。

一是評價對象、評價詞與評價單元的抽取。評價對象與評價詞的抽取均采用“有監督&無監督”的半自動方法。首先以無監督的Apriori 算法結合CRFs 模型，抽取部分評價對象，并結合有監督的人工方式抽取的評價對象，獲取評價對象集合；然后一方面以基于Apriori 算法的半監督迭代方法抽取具有明顯情感傾向的頻繁項為評價詞，一方面以人工方式抽取本身無明顯情感但結合位置與評價對象顯示出明顯情感傾向的頻繁項為評價詞，獲取評價詞集；最后以評價詞輸入CRFs 模型，結合詞位置、程度詞等特征，抽取評價單元。

二是單元5組的分類及情感極值賦值。對評價對象、評價詞、否定副詞、程度副詞及句型進行分類，按類賦予對應的情感極值，并結合消息文本的語境、所指向的領域背景，以人工方式適當修正分類及賦值結果，使消息文本的情感極值更符合其實際語義[6]。

1.1.3 消息識別結果分類

根據消息真偽判別與信息文本情感識別的結果，將話題消息區分為“虛假”的消息、“真實”且“負面”的消息、“真實”且 “正面”的消息和“真實”且 “中性”的消息4類。該分類結果為網絡輿情控制系統中模型的調用、免疫手段的采取提供依據，是整個網絡輿情傳播優化控制平臺的基礎部分。

1.2 網絡輿情控制系統

根據消息識別結果，網絡輿情控制系統啟用2種不同模型進行輿論傳播控制。對“虛假”的消息及“真實”且“負面”的消息啟用帶連續接種的SIQR模型，加速輿情收斂，以“控”為主；對“真實”且 “正面”的消息啟用SIRS模型，幫助輿情擴散，以“導”為主；對“真實”且 “中性”的消息以監測為主。該系統中所有用戶均為注冊用戶(區分為普通用戶與管理員)，其權限按其性質及等級授予，未注冊訪客只有最低瀏覽權限。

1.2.1 用戶行為建模與傳染力分析

以話題主題為關鍵詞，對比話題數據庫，搜尋該類話題的發布者及參與者，并與用戶數據庫信息進一步比對，獲取系統內所有與該話題有關的用戶。根據用戶基本信息及其發帖、評論、轉發等歷史記錄對其建模，將其中虛假、負面信息傳播頻次大于系統眾數的用戶定義為“惡意用戶(um)”，將真實、正面信息傳播頻次大于系統眾數的用戶定義為“優質用戶(uh)”，其余的均定義為“普通用戶(uo)”。

該系統網絡為加權無標度網絡，根據平均場理論，系統傳播閾值與網絡拓撲結構、節點傳染能力都有關系，在系統網絡規模固定的情況下，節點傳染力越強，輿情傳播速度越快，傳播范圍越廣[7-8]。因此，在用戶建模同時，分析其傳染力，對輿情傳播控制方法的采用具有極其重要的意義。計算用戶傳染力，并統計其數據分布規律，分別將用戶傳染力分為對應的幾個等級(表1)。

表1 用戶傳染力等級表

1.2.2 網絡輿情傳播的優化控制

在開放性網絡輿情傳播控制系統中，不論消息識別的分類結果如何，輿情衍化都必然經過話題創建、傳播、鎖定3個階段，各類用戶(包括管理員)主要以消息轉發、評論、話題推送、權限調整、版本控制等方式參與話題創造與修改，通過協同編輯加速實現輿情傳播的客觀化和理性化。不同模型的調用、外輿論場的引進、用戶類型區分與傳染力分析等均為增強協同編輯效用的手段。

管理員M設置敏感詞匯，進行事前用戶審查，在輿論初期及時鎖定惡意用戶um，只開放瀏覽權限，使其無法參與話題轉發、評價或編輯等。從外輿論場提取對應話題的正面、真實信息，以最高頻次推送，加大外輿論場推進率，引導其看法，提高接種成功率。上述接種免疫手段將貫穿輿情衍化全過程。

充分重視優質用戶uh。除管理員權限外，最大程度開放其權限，減少其評論、轉發、創建類似新話題的時間、字數等限制，增強其正面客觀話題的置頂頻率，使之更好地參與協同編輯。以固定頻次從外輿論場提取相關正面真實信息推送，促進其傳染能力和等級的提升，便于擴散正面情緒、客觀信息，增強系統自凈能力。

對普通用戶uo按傳染力等級開放權限及調整外輿論場信息推送力度。調用SIQR模型時，等級越高，對應系統權限越低且信息推送頻次越高。根據其中心性與中間中心性挑選核心用戶，進一步限制其協同編輯權限，加強其信息內容的審查頻次與力度。一旦發現其惡意、虛假信息傳播頻次超過系統眾數，則視其為um予以隔離，且注重對核心用戶的真實正面信息推送，提高接種成功率。調用SIRS模型時，等級越高對應系統權限越高，充分發揮其傳染力，促進正面輿情擴散；而等級越低信息推送頻次越高，不僅提取外輿論場信息推送，加大其推進率，且注重平臺熱點和優質用戶推薦，增強uh的輻射影響，促進uo向uh轉變。

各類用戶不再局限于網絡傳播環境，從系統提取引發輿論的根本問題，外推至外輿論場，尋求共振與支持，促進根本問題解決并將結果反饋給輿情平臺，引導輿情傳播理性化、客觀化，并使其自身認識到網絡輿情并非脫離社會現實存在，其恰恰植根于現實土壤。群聚力用于傳播 “謠言”，無助于事件解決。

管理員(M)動態監測話題傳播，按時間軸順序將傳播過程分為N個時間段，計算各時間段內各節點流量Qvi(t)(即t時刻流經vi節點的瞬時數據量，為t時刻vi節點的數據流入量與流出量之差)，及各節點傳播速度qvi(t)(即t時刻vi節點傳播話題的速度，為t時刻vi節點話題發送與接收速度之差)，并依據兩者大小，找到“核心節點”[9]。然后按順序兩兩比較各時間段內各節點流量大小與傳播速度，尤其當核心節點不再發生明顯變化時，則認為該時刻后輿情傳播進入穩定態，管理員即對其鎖定。

2 網絡輿情傳播優化控制平臺的效能仿真分析

該平臺的Swarm仿真系統由ObserverSwarm，ModelSwarm，StartSwarm 3個層次組成。StartSwarm為最上層，用于啟用程序；ObserverSwarm為中間層，用于控制并觀察ModelSwarm的運行狀況，并將運行結果以各類話題的數量變化趨勢為指標進行展示；ModelSwarm則為主體核心層，調用了User類、PosAuction類、CombAuction類和AuctionModelSwarm類。其中User類用于生成用戶傳染力和用戶類型，PosAuction類封裝N個用戶并計算獲取各類用戶具備不同傳染力等級時對各類話題的感染力度；CombAuction類調用PosAuction類，獲取網絡輿情傳播控制平臺的初始化狀態，更新運算，獲取不同控制模式下單位時刻內平臺各類話題的數量及其對應的各類用戶數量；AuctionModelSwarm類再調用CombAuction類，模擬輿情傳播全過程，持續計算，獲取不同控制模式下平臺各類話題的數量及其變化趨勢。

本文在仿真系統中將話題區分為理性正面話題(★)、中性話題(●)和負面虛假話題(▲)3類，用戶區分為管理員(M)、惡意用戶(um)、優質用戶(uh)和普通用戶(uo)4類。各類用戶傳染力區分為5等，分別賦予“1、2、3、4、5”5個數值，數值越大，其傳染力越強。

2.1 一般網絡輿情傳播平臺(無優化模型)

該平臺中用戶傳染力數值為常數，感染其他用戶及其話題內容性質的能力是固定的，不發生變化。平臺運轉時，各類用戶隨機走動，按以下規則進行感染：當um遇到話題，該話題標記為負面虛假話題(▲)，并感染1個uo成為um，感染 1個uh成為uo；當uh遇到話題，即理性正面話題(★)、中性話題(●)均標記為理性正面話題(★)，負面虛假話題(▲)標記為中性話題(●)，只感染1個uo成為uh；當uo遇到話題，參考該話題的關聯話題，以其中數量最多的話題類型予以標記，當數量相當時，將其標記為中性話題(●)，不感染任何用戶；當M遇到話題，該話題標記為理性正面話題(★)，不感染任何用戶。

對該平臺進行仿真分析，發現平臺運行迭代到15次時，平臺中負面虛假話題486條(占73.97%)，理性正面話題38條(占5.78%)；而uo數量占用戶總數的73.6%，uh和 um數均不超過15%。可見輿論傳播初期，負面虛假話題及中性話題占絕大多數，而理性正面話題非常少；大部分用戶都為普通用戶，容易受到信息內容及關聯用戶的影響與感染。隨著迭代次數增加，網絡輿情不斷傳播發酵，當平臺迭代到890余次后，各節點(尤其核心節點)流量不再明顯變化，且各類話題數量也趨于平穩，即認定該網絡輿情已處于傳播穩定態，此時理性正面話題1 348條(占81.25%)，負面虛假話題174條(占10.52%)，而中性話題132條(占7.98%)，而uo數量仍超過半數(占用戶總數的57.1%)，uh數量僅增長了5.7。

可見，當無優化模型時，網絡平臺需迭代較多次數，耗費較長時間才能實現輿情穩定，完成對輿情傳播的控制，且理性正面話題增速緩慢，優質用戶數只略微增長，普通用戶仍占大多數，整體環境更有利于負面虛假話題信息的傳遞與發酵(圖2)。

圖2無優化控制的輿情傳播仿真結果

2.2 免疫優化的網絡輿情傳播平臺

該平臺中用戶傳染力數值是變化的，其感染其他用戶及其話題內容性質的能力根據平臺一系列優化免疫措施發生改變。當平臺運轉時，各類用戶隨機走動，按以下規則進行感染：事先區分um，鎖定、隔離，使um只能接受而無法傳播其他用戶話題信息，不改變任何話題性質、不感染任何用戶；當uh遇到話題，傳染力等級為4、5的uh將各類話題均標記為理性正面話題(★)，感染1個uo成為uh、1個um成為uh；傳染力等級為1、2、3的uh僅將理性正面話題(★)、中性話題(●)標記為理性正面話題(★)，仍將負面虛假話題(▲)標記為中性話題(●)，只感染1個uo成為uh；當uo遇到話題，傳染力等級為4、5的uo將話題標記為理性正面話題(★)，感染一個um成為uo；傳染力等級為1、2、3的uo則參考關聯話題中數量最多的類型予以標記，當數量相當時，將其標記為中性話題(●)，不感染用戶；當M遇到話題，該話題標記為理性正面話題(★)，感染1個uo成為uh、1個um成為uh。

對該平臺進行仿真分析，發現盡管在初期，平臺中負面虛假話題及中性話題仍占多數，理性正面話題數量也很少：SIQR模式下，迭代到15次時，負面虛假話題占71.36%，理性正面話題占4.62%；SIRS模式下，迭代到15次時，負面虛假話題占69.73%，理性正面話題占5.97%，且普通用戶為平臺大多數。但隨著外輿論場、用戶權限等優化免疫手段的運用，SIQR模式下平臺僅迭代至494次，輿情傳播進入了較為穩定的收斂狀態；而SIRS模式下平臺迭代至643次，使輿情傳播進入了大范圍的地方病狀態，實現了短時間內輿情傳播的快速收斂與擴散，加速了輿情傳播的理性化與客觀化，使優化平臺的“控”“導”功能均得到了較好發揮，且平臺中優質用戶數均得到一定程度提升，增長率超過20%，惡意用戶數量也明顯下降(圖3、圖4)。

圖3 連續接種SIRQ模式下輿情傳播優化控制的仿真結果

圖4 SIRS模式下輿情傳播優化控制的仿真結果

3 結語

各類網絡輿情傳播控制平臺多以“控”為主，忽視正面輿情傳播，聚焦網絡媒體，忽略外輿論場作用，視野局限于封閉單一的環境系統，缺乏開放性和動態性，且免疫手段單一、滯后，未充分考慮傳播節點的傳播能力與網絡結構帶來的影響。

本文從泛媒體環境出發，充分考慮上述問題，在文獻[5]的基礎上，利用wiki技術構建網絡輿情傳播優化控制的技術框架與平臺，以消息識別為基礎，靈活調用不同模型控制輿情，人人參與、共同編輯，以用戶建模與傳染力分析結果為依據，按不同等級開放各類權限，區分推送外輿論場信息，加大外輿論場推進作用，全程接種，優化免疫。并且利用Swarm軟件進行仿真分析，發現對比一般網絡輿情傳播平臺，該優化平臺加速了輿情傳播的理性化與客觀化，能短時間內實現輿情傳播的快速收斂與擴散，控制打擊“謠言”，弘揚正能量，更貼合開放環境下輿情傳播控制的現實需要，充分驗證了其控制方法的有效性。但本文尚未推行該平臺大規模的實踐使用，對其實踐效果也未有科學評價手段，這是我們進一步研究所需解決的問題與目標。