基于貝葉斯后驗(yàn)的網(wǎng)絡(luò)輿論三角模糊數(shù)型危機(jī)識(shí)別

魏 玲，郭新朋

（哈爾濱理工大學(xué) 管理學(xué)院，哈爾濱 150000）

0 引言

近年來(lái)貝葉斯理論在我國(guó)的概率統(tǒng)計(jì)領(lǐng)域中快速發(fā)展，影響著各行各業(yè)的學(xué)術(shù)研究發(fā)展步伐，基于貝葉斯公式而形成的圖形化網(wǎng)絡(luò)——貝葉斯網(wǎng)絡(luò)（Bayesian Network,BN），利用概率推理方式對(duì)一些變量信息進(jìn)行處理，從而獲取概率數(shù)據(jù)，不僅可以解決不確定性和不完整性的問題，還能夠通過(guò)概率來(lái)推理出相關(guān)影響因素之間的潛在關(guān)系[1]。依據(jù)經(jīng)驗(yàn)推斷結(jié)合貝葉斯公式產(chǎn)生的先驗(yàn)概率結(jié)果，通常情況下被視為主觀概率，而這種概率結(jié)果所產(chǎn)生的結(jié)論也具有一定的主觀色彩，在網(wǎng)絡(luò)輿論危機(jī)的識(shí)別過(guò)程中，客觀性、系統(tǒng)性等特性是必然要求，所以利用貝葉斯理論中的后驗(yàn)概率進(jìn)行影響因素發(fā)生質(zhì)變的概率統(tǒng)計(jì)具有客觀性，其主要特性是對(duì)先驗(yàn)概率的修正，從而為網(wǎng)絡(luò)輿論風(fēng)險(xiǎn)分析提供概率統(tǒng)計(jì)基礎(chǔ)[2]。

本文提出了基于貝葉斯后驗(yàn)的網(wǎng)絡(luò)輿論三角模糊數(shù)型危機(jī)識(shí)別方法。在三角模糊數(shù)型網(wǎng)絡(luò)輿論危機(jī)識(shí)別過(guò)程中，應(yīng)用貝葉斯網(wǎng)絡(luò)的概率推理技術(shù)結(jié)合貝葉斯理論中的后驗(yàn)概率確定主要網(wǎng)絡(luò)輿論危機(jī)產(chǎn)生的影響因素，利用三角模糊數(shù)描述各專家對(duì)輿論危機(jī)產(chǎn)生影響因素評(píng)分的模糊性，文獻(xiàn)[3]利用貝葉斯網(wǎng)絡(luò)與三角模糊數(shù)相結(jié)合，分析了故障模式屬性與危害度之間的關(guān)系，但沒有進(jìn)行去模糊處理，存在結(jié)果模糊的問題。根據(jù)貝葉斯網(wǎng)絡(luò)中的概率推理及信息數(shù)據(jù)處理規(guī)則對(duì)統(tǒng)計(jì)的概率進(jìn)行均值化、去模糊化與歸一化，從而確定網(wǎng)絡(luò)輿論影響因素的危險(xiǎn)指數(shù)，并對(duì)比危險(xiǎn)等級(jí)劃分表確定各影響因素的危險(xiǎn)等級(jí)。利用模糊綜合評(píng)價(jià)理論中的評(píng)語(yǔ)集給出對(duì)應(yīng)影響因素的三角模糊數(shù)評(píng)語(yǔ)值，對(duì)危機(jī)影響因素進(jìn)行加權(quán)處理，從而確定網(wǎng)絡(luò)輿論危機(jī)發(fā)生等級(jí)。

1 理論基礎(chǔ)

1.1 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)的概率推理技術(shù)最先由Pearl[4]提出，用有向無(wú)環(huán)圖（DAG）表示，能夠解決不確定性的、復(fù)雜的問題，且貝葉斯公式是該概率網(wǎng)絡(luò)的理論基礎(chǔ)[5]，具體定義如下：

定義1：條件概率。假設(shè)A、B為一個(gè)隨機(jī)試驗(yàn)中的兩個(gè)事件，將事件A在事件B發(fā)生的條件下的概率稱之為條件概率，表示如下：

定義2：全概率公式。若Aj,j=1,…,m，其中m表示m個(gè)互不相容的事件，且P(Aj)〉0,j=1，…，m。

定義3：貝葉斯公式。將全概率公式（2）帶入條件概率公式（1）中，即可得到貝葉斯公式：

式中，B表示隨機(jī)試驗(yàn)的結(jié)果，P(Ai)為先驗(yàn)概率，P（Ai|B）為后驗(yàn)概率。

由貝葉斯公式可知，后驗(yàn)概率公式獲得情況如下描述，假設(shè)D是訓(xùn)練對(duì)象的集合，且每個(gè)訓(xùn)練對(duì)象用n維屬性向量，基于n維屬性向量共劃分為m個(gè)類，由此得到后驗(yàn)概率計(jì)算公式[6]為：

根據(jù)貝葉斯理論中的聯(lián)合概率分布可知，貝葉斯網(wǎng)絡(luò)中的每個(gè)變量（屬性）之間存在著一定的關(guān)聯(lián)性，因此可得到如下公式進(jìn)行條件獨(dú)立假設(shè)：

由公式（5）可知，網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)則對(duì)應(yīng)一個(gè)變量（屬性），當(dāng)P(Bi|j)P(Aj)＞P(Bi|k)P(Ak)，1≤k≤m,1≤j≤m,j≠i且j≠k成立時(shí)，B屬于Aj。

貝葉斯網(wǎng)絡(luò)存在兩種結(jié)構(gòu)，一種是用有向無(wú)環(huán)圖進(jìn)行表示的結(jié)構(gòu)，其中每個(gè)節(jié)點(diǎn)表示一種變量（屬性），且每個(gè)變量之間的弧表示變量（屬性）之間存在的因果關(guān)系，如圖1給出簡(jiǎn)單貝葉斯網(wǎng)絡(luò)有向無(wú)環(huán)圖結(jié)構(gòu)。另一種則是條件概率表（Conditional Probability Table,CPT），可用該表表示每個(gè)節(jié)點(diǎn)變量對(duì)父節(jié)點(diǎn)變量的所有可能性。

圖1 簡(jiǎn)單貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)

貝葉斯網(wǎng)絡(luò)概率推理技術(shù)不僅包含將靜態(tài)和動(dòng)態(tài)結(jié)合分析，有效辨析專家經(jīng)驗(yàn)和問題變化情況的正向推理，還包含后驗(yàn)概率統(tǒng)計(jì)得出的結(jié)構(gòu)逆向獲取信息的推理方式，找到事件發(fā)展變化的原因。由于網(wǎng)絡(luò)輿論演化過(guò)程中的影響因素之間形成的條件概率數(shù)據(jù)有所缺失，故需將獲取的專家評(píng)分的先驗(yàn)概率作為研究基礎(chǔ)，結(jié)合貝葉斯的概率推理技術(shù)進(jìn)一步研究[7]。

（1）正向推理。正向推理是貝葉斯網(wǎng)絡(luò)概率推理技術(shù)中的因果推理，即通過(guò)對(duì)網(wǎng)絡(luò)輿論中危機(jī)風(fēng)險(xiǎn)影響因素發(fā)生的條件概率進(jìn)行統(tǒng)計(jì)，從而對(duì)網(wǎng)絡(luò)輿論危機(jī)發(fā)生進(jìn)行預(yù)測(cè)。

（2）逆向推理。逆向推理在貝葉斯網(wǎng)絡(luò)概率推理中也是診斷推理，通常指對(duì)已知的危機(jī)結(jié)果，利用逆向推理進(jìn)行運(yùn)算，即在計(jì)算出先驗(yàn)概率的情況下，得出該變量（屬性）的后驗(yàn)概率。

（3）雙向推理。雙向推理則利用部分正向推理的結(jié)果，在逆向推理過(guò)程中，對(duì)導(dǎo)致危機(jī)結(jié)果的原因進(jìn)行逆向推理，從而實(shí)現(xiàn)對(duì)原因與結(jié)果的解釋。

在網(wǎng)絡(luò)輿論危機(jī)產(chǎn)生過(guò)程中，每個(gè)階段都是不同的狀態(tài)，通常表現(xiàn)為多階段與多影響因素。在多階段中主要包含了網(wǎng)絡(luò)輿論危機(jī)潛伏期、過(guò)渡期、爆發(fā)期，每個(gè)時(shí)期相關(guān)聯(lián)的影響因素也是不同的，例如潛伏期中有潛在輿論驅(qū)動(dòng)群體、隱性利益。而網(wǎng)絡(luò)輿論危機(jī)形成的整個(gè)周期有著共同的影響因素，政府公信力降低、媒體輿論信息傳播失真、網(wǎng)民關(guān)注度偏移等。貝葉斯網(wǎng)絡(luò)的多狀態(tài)離散處理系統(tǒng)可以將不同的狀態(tài)進(jìn)行關(guān)聯(lián)分析，即將每個(gè)影響因素之間的界限進(jìn)行模糊化處理，從而提高分析各影響因素發(fā)生概率的準(zhǔn)確值。

1.2 三角模糊數(shù)

1.2.1 三角模糊數(shù)定義

根據(jù)傳統(tǒng)的三角模糊數(shù)理論可知，一個(gè)三角模糊數(shù)中包含三個(gè)可能值，即較低可能值、可能值、較高可能值，按照概率分布函數(shù)確定三角模糊數(shù)的隸屬函數(shù)，給定一個(gè)隨機(jī)三角模糊數(shù)，且已知 0≤Al≤Am≤Au，則變量b屬于?的隸屬度公式為：

1.2.2 三角模糊數(shù)運(yùn)算法則[8]

（1）加法交換律

（4）除法運(yùn)算

（5）數(shù)乘運(yùn)算（給定任意實(shí)數(shù)β）

式（9）中，Aj（j=l,m,u）與Bi（i=l,m,u）中至少有一個(gè)大于零；式（10）中，Bi（i=l,m,u）大于零。

三角模糊數(shù)理論應(yīng)用于網(wǎng)絡(luò)輿論危機(jī)識(shí)別過(guò)程，由于網(wǎng)絡(luò)輿論危機(jī)的表現(xiàn)極具模糊化，且依據(jù)其三個(gè)發(fā)展階段可以看出，影響輿論變質(zhì)化的因素體現(xiàn)在網(wǎng)民、事件、政府、媒體等類別，因此針對(duì)某一個(gè)公共事件的網(wǎng)絡(luò)輿論危機(jī)識(shí)別的過(guò)程中必須依照專家的經(jīng)驗(yàn)進(jìn)行初步判斷，才能確定貝葉斯網(wǎng)絡(luò)的危機(jī)評(píng)定的基礎(chǔ)。

由貝葉斯網(wǎng)絡(luò)的先驗(yàn)概率公式與專家經(jīng)驗(yàn)結(jié)合計(jì)算可得，三角模糊數(shù)均值化公式如下：

基于上述三角模糊運(yùn)算法則，給定任意一個(gè)正整數(shù)η和三角模糊數(shù)，則將該三角模糊數(shù)去模糊化的公式如下：

給定M位專家的評(píng)語(yǔ)，按照下頁(yè)表1給出的三角模糊數(shù)評(píng)語(yǔ)值進(jìn)行如下計(jì)算，第i個(gè)變量（屬性）B的三角模糊數(shù)概率矩陣可用，其中j=1,2,…,m。三角模糊數(shù)歸一化公式如下：

在式（13）與式（14）的聯(lián)合基礎(chǔ)上進(jìn)行危機(jī)等級(jí)公式處理，如式（15）：

表1 變量危機(jī)程度評(píng)語(yǔ)及其對(duì)應(yīng)的三角模糊數(shù)[9]

2 三角模糊數(shù)型網(wǎng)絡(luò)輿論危機(jī)識(shí)別

網(wǎng)絡(luò)輿論在不同的網(wǎng)絡(luò)平臺(tái)中已經(jīng)成為了人們進(jìn)行及時(shí)獲取、交流與傳遞信息的一種方式。本文主要以2016年上半年發(fā)生的重大醫(yī)療事故事件——“魏則西事件”作為依據(jù)進(jìn)行分析。該事件發(fā)生后不僅引起了政府對(duì)醫(yī)療的關(guān)注，還引起了一場(chǎng)網(wǎng)絡(luò)輿論浪潮，針對(duì)醫(yī)療機(jī)構(gòu)與百度搜索排名相關(guān)討論大幅度增加，造成的輿論導(dǎo)向群體極化現(xiàn)象也是比較嚴(yán)重的，因此對(duì)此事件應(yīng)用貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)下的三角模糊數(shù)進(jìn)行網(wǎng)絡(luò)輿論危機(jī)識(shí)別是有必要的。

研究過(guò)程中向?qū)＜胰后w征求意見，按照專家經(jīng)驗(yàn)總結(jié)分析，并對(duì)收集回來(lái)的問卷進(jìn)行模糊化處理，得到具體的評(píng)估值，應(yīng)用于貝葉斯網(wǎng)絡(luò)后驗(yàn)概率的計(jì)算和三角模糊數(shù)的確定。問卷獲取來(lái)源的各個(gè)專家群體主要包含醫(yī)學(xué)領(lǐng)域的各大高校教授、互聯(lián)網(wǎng)競(jìng)價(jià)排名領(lǐng)域的專家、高校科研管理部門主管以及政府相關(guān)處理部門的領(lǐng)導(dǎo)的意見，共發(fā)放了150份，回收有效問卷數(shù)量為138份。具體的危機(jī)識(shí)別過(guò)程如下：

2.1 網(wǎng)絡(luò)輿論貝葉斯網(wǎng)絡(luò)的構(gòu)建

貝葉斯網(wǎng)絡(luò)的構(gòu)建過(guò)程中首先需要確定網(wǎng)絡(luò)中的根節(jié)點(diǎn)和葉節(jié)點(diǎn)，其次是確定連接變量之間的有向關(guān)聯(lián)弧，因此通過(guò)對(duì)專家進(jìn)行調(diào)查訪問得到表2的網(wǎng)絡(luò)輿論中主要影響因素及類別，并給出如圖2所示的網(wǎng)絡(luò)結(jié)構(gòu)圖。

從圖2中可以看出，貝葉斯網(wǎng)絡(luò)中有5個(gè)根節(jié)點(diǎn)，其余均為葉節(jié)點(diǎn)，且其中包含4個(gè)類別節(jié)點(diǎn)。其中根節(jié)點(diǎn)集合為{b1,b2,b6,b12,b14}，葉節(jié)點(diǎn)為“網(wǎng)絡(luò)輿論”，而其余均為中間節(jié)點(diǎn)。

2.2 模糊概率計(jì)算及處理

圖2 網(wǎng)絡(luò)輿論貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)

表2 網(wǎng)絡(luò)輿論貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)指標(biāo)說(shuō)明

依據(jù)動(dòng)態(tài)分析理論，確定模糊概率需要將同一影響因素在不同的時(shí)間段內(nèi)產(chǎn)生的不同結(jié)果進(jìn)行統(tǒng)計(jì)，以每個(gè)影響因素的數(shù)值對(duì)比率作為變量后驗(yàn)概率驗(yàn)算基礎(chǔ)。依據(jù)式（4）確定每個(gè)變量的后驗(yàn)概率，并根據(jù)專家對(duì)每個(gè)影響因素可能存在發(fā)生給出其先驗(yàn)概率，應(yīng)用式（3）的條件概率進(jìn)行計(jì)算。在問卷調(diào)查的專家中具有權(quán)威性的專家人數(shù)為5人，因此根據(jù)表1中給出的模糊語(yǔ)義值表述對(duì)問卷調(diào)查中這5位專家對(duì)影響因素的評(píng)價(jià)進(jìn)行整合，給出根節(jié)點(diǎn)和中間節(jié)點(diǎn)的三角模糊數(shù)值矩陣，如下所示：

同理，根據(jù)專家對(duì)每個(gè)變量的觀點(diǎn)，如“還行”、“差不多”、“很可能”等模糊詞進(jìn)行三角模糊處理，并利用式（12）、式（13）、式（14）對(duì)其進(jìn)行操作。當(dāng)η=2時(shí)，有如下結(jié)果。

利用式（12）對(duì)每個(gè)變量的在貝葉斯網(wǎng)絡(luò)中的概率進(jìn)行三角模糊數(shù)均值化處理如下頁(yè)表3所示。

按照式（13）進(jìn)行去模糊化操作，實(shí)現(xiàn)將概率值精準(zhǔn)化，使其變?yōu)閷?shí)數(shù)，此時(shí)根據(jù)專家數(shù)可以確定η的取值為3，可得結(jié)果如下頁(yè)表4所示。

表3 三角模糊數(shù)均值化處理結(jié)果

表4 三角模糊數(shù)去模糊化處理結(jié)果

歸一化作為一種無(wú)量綱處理手段，不僅可以消除無(wú)關(guān)影響因素，還能進(jìn)一步精確變量的概率準(zhǔn)確度，利用式（3）和式（14）對(duì)各根節(jié)點(diǎn)和中間節(jié)點(diǎn)進(jìn)行處理，從而得到歸一化的處理結(jié)果，如表5所示。

表5 無(wú)量綱歸一化處理結(jié)果

2.3 網(wǎng)絡(luò)輿論危險(xiǎn)等級(jí)確定

當(dāng)專家數(shù)量M確定為5時(shí)，依據(jù)式（15）計(jì)算各個(gè)影響因素的危險(xiǎn)指數(shù)，計(jì)算結(jié)果如表6所示。

表6 變量危險(xiǎn)指數(shù)

根據(jù)網(wǎng)絡(luò)輿情專家系統(tǒng)中給出的危險(xiǎn)級(jí)別的劃分，如表7所示，可以將上述變量進(jìn)行危險(xiǎn)定級(jí)。

表7 危險(xiǎn)級(jí)別劃分

根據(jù)式（6）的隸屬度公式對(duì)均值化后的三角模糊數(shù)進(jìn)行操作，確定每個(gè)變量屬于哪一具體類別，為網(wǎng)絡(luò)輿論危機(jī)等級(jí)確定的結(jié)果提供類別劃分依據(jù)，使得分析的結(jié)果更具有簡(jiǎn)單性。

例如，計(jì)算變量b1～b5的隸屬度，確定其是否屬于圖1給出的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)中的類別，計(jì)算結(jié)果如表8所示。

表8 變量b1～b5隸屬度

當(dāng)隸屬度值大于零時(shí)才能說(shuō)明該變量屬于對(duì)應(yīng)的類別，具有的風(fēng)險(xiǎn)類型接近于實(shí)際情況，而隸屬度值等于零則表明該變量有非常大的可能不屬于該類別，或說(shuō)與該類別的貼近度較低，因此一定程度上加大了該變量轉(zhuǎn)化成危機(jī)因素的風(fēng)險(xiǎn)，即在原有風(fēng)險(xiǎn)等級(jí)上增加10%的可能度[10]。

3 結(jié)束語(yǔ)

本文提出的網(wǎng)絡(luò)輿論危機(jī)識(shí)別方法，不僅可以實(shí)現(xiàn)對(duì)公眾輿論的影響因素分析，還能利用貝葉斯網(wǎng)絡(luò)的概率推理技術(shù)對(duì)每個(gè)影響因素的發(fā)生概率及危險(xiǎn)化程度進(jìn)行計(jì)算，將定性變量以定量的方式進(jìn)行表示，從而提高三角模糊數(shù)與貝葉斯網(wǎng)絡(luò)的有效利用率，充分地分析突發(fā)事件的網(wǎng)絡(luò)輿論演化成危機(jī)的主體影響因素。為了進(jìn)一步提高網(wǎng)絡(luò)危機(jī)識(shí)別速度，在未來(lái)的學(xué)術(shù)研究工作中將應(yīng)用分布式處理方式與快速檢索算法聯(lián)合處理，彌補(bǔ)本文在危機(jī)識(shí)別速度上存在的局限性。

參考文獻(xiàn)：

[1]Jensen F V,Nielsen T D.Bayesian Networks and Decision Graphs[J].Springer Berlin,2015,50(3).

[2]相麗玲，王晴.信息公開背景下網(wǎng)絡(luò)輿情危機(jī)演化特征及治理機(jī)制研究[J].情報(bào)科學(xué),2014,(4).

[3]翟勝，師五喜，修春波.基于模糊貝葉斯網(wǎng)的危害性分析方法[J].計(jì)算機(jī)應(yīng)用,2014,34(12).

[4]胡玉勝，涂序彥，崔曉瑜等.基于貝葉斯網(wǎng)絡(luò)的不確定性知識(shí)的推理方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2001，7(12).

[5]岳超源.決策理論與方法[M].北京：科學(xué)出版社，2003.

[6]馬賓，殷立峰.一種基于Hadoop平臺(tái)的并行樸素貝葉斯網(wǎng)絡(luò)輿情快速分類算法[J].現(xiàn)代圖書情報(bào)技術(shù)，2015，(2).

[7]韓磊，吳樹芳，王子賢.貝葉斯網(wǎng)絡(luò)[J].電腦知識(shí)與技術(shù)，2009，5(21).

[8]江文奇.基于FVIKOR的三角模糊數(shù)型多準(zhǔn)則決策方法[J].控制與決策，2016，31(7).

[9]王君,樊治平.知識(shí)管理者能力的一種模糊多指標(biāo)評(píng)價(jià)方法[J].系統(tǒng)管理學(xué)報(bào)，2003，12(3).

[10]黃智力，羅鍵.三角模糊數(shù)型不確定多指標(biāo)決策的可能度關(guān)系法[J].控制與決策，2015，30(8).