基于信息熵的新媒體環境下負面網絡輿情監測指標體系研究

邢云菲 王晰巍 王鐸 韋雅楠

〔摘要〕[目的/意義]新媒體環境下網絡輿情信息傳播對輿情的發展趨勢具有重要的導向作用，對輿情進行監測有助于相關輿情管理部門對輿情信息傳播進行有效引導，促進輿情事件良性發展。[方法/過程]本文基于信息熵理論，通過層次分析法構建評估指標體系，使用模糊綜合評價法建立新媒體環境下網絡輿情監測模型，針對輿情指標隸屬度結果對監測等級進行分類。本文以新浪微博輿情熱點話題“鴻茅藥酒”作為數據源獲取數據進行新媒體環境下網絡輿情監測指標體系分析。[結果/結論]數據結果表明，新媒體環境下網絡輿情熱點話題“鴻茅藥酒”事件的影響力級別為Ⅳ級，需輿情管理者及時監測輿情發展和走勢。通過最終監測值對照監測級別可以幫助政府及相關輿情管理者及時采取針對性措施監測和引導網絡輿情的良性發展。

〔關鍵詞〕新媒體；網絡輿情；模糊綜合評價；指標體系

DOI：10.3969/j.issn.1008-0821.2018.09.007

〔中圖分類號〕C9126〔文獻標識碼〕A〔文章編號〕1008-0821（2018）09-0041-07

Research on the Negative Network Public Opinion Monitoring Index

System Based on Information Entropy in New Media EnvironmentXing Yunfei1Wang Xiwei1，2Wang Duo1Wei Yanan1

（1.Management School，Jilin University，Changchun 130022，China；

2.Big Data Management Research Center，Jilin University，Changchun 130022）

〔Abstract〕[Purpose/Significance]In the new media environment，network public opinion information dissemination plays an important guiding role in the development trend of public opinion.The monitoring of public opinion will help the relevant public opinion management departments to effectively supervise the public opinion information dissemination and promote the benign development of public opinion events.[Method/Process]This paper constructed the index system through analytic hierarchy process based on information entropy theory.The fuzzy comprehensive evaluation method was used to establish the network public opinion monitoring model in the new media environment and the classification of monitoring level was conducted according to the degree of membership of public opinion indexes.This paper took sina weibo platform as an example to obtain data for network public opinion monitoring and analysis under new media environment.[Result/Conclusion]The influence level of“Hong Mao Liquor”was Ⅳ，requiring public opinion managers monitoring the development and trend of public opinion in time.The monitoring level could help the government and relevant public opinion managers to take targeted measures to monitor and guide the benign development of online public opinion.

〔Key words〕new media；network public opinion；fuzzy comprehensive evaluation；indicator system

隨著互聯網的快速發展以及新媒體時代的到來，人們更多通過互聯網平臺表達觀點和態度、宣泄情緒[1]。網絡輿情是以網絡為載體，網民針對現實生活中的熱點新聞所持有的具有一定影響力和傾向性的情感和態度的集合[2]。包括QQ、微信、微博、論壇、博客等在內的新媒體平臺與傳統媒體包括電視、電話、廣播等媒介相比，信息具有傳播速度更快、傳播范圍更廣的特征。因此，相比較傳統媒體，新媒體對人們生活、工作、學習等方面具有較大影響。然而，網絡輿情信息的肆意傳播在一定程度上對輿情的發展趨勢具有重要的導向作用[3]。由于網絡輿情演變方式多樣化可能導致輿情事態向消極方向發展，從而引發輿情危機。因此，加強新媒體環境下網絡輿情監管，及時對負面輿情危機進行識別和監測對營造和諧健康的網絡環境具有重要作用，也能夠促進社會輿情事件的良性發展、維護社會安全。

學者針對網絡輿情監測展開了大量研究。學者曾潤喜[4]以警源、警兆和警情3個因素為基礎通過層次分析法構建網絡輿情監測指標體系，并對影響指標體系的因素進行分析和排序，最終確定影響權重；聶峰英等[5]結合網絡輿情生命周期理論劃分移動環境下社交網絡的輿情等級，基于等級分類分析移動環境下社交網絡的生命周期；蘭月新等[6]通過預測輿情生命周期中潛伏期的高潮問題、擴散期的負面信息監測問題以及消退期的衍生輿情監測問題構建了突發事件網絡輿情信息傳播模型；杜智濤等[7]運用灰色預測方法和模式識別方法建立網絡輿情預測模型，提出網絡輿情預測與預警系統建設的整體架構；張一文等[8]提出基于貝葉斯的網絡輿情監測模型并通過對關鍵指標數據進行仿真和學習，建立網絡輿情態勢評估模型，從而對網絡輿情態勢進行有效評估和預測。從學者對網絡輿情監測的研究成果來看，其研究主題主要集中在網絡輿情生命周期分析、監測級別劃分、預警監測、輿情演變預警、監測態勢評估等，但針對新媒體環境下的網絡輿情監測研究較少。

基于此，本文試圖解決以下3個方面的問題：1）如何基于信息熵和層次分析法建立新媒體環境下網絡輿情監測模型；2）如何基于新媒體環境下網絡輿情監測模型通過模糊綜合實驗得到輿情監測結果；3）如何基于具體輿情話題進行輿情監測分析并幫助輿情管理者進行引導和管理。針對上述研究問題，本文構建新媒體環境下網絡輿情監測指標體系，基于層次分析法和信息熵理論確定指標權重，選擇新浪微博熱點話題“鴻茅藥酒”事件作為數據源進行樣本采集和數據分析，通過模糊綜合統計實驗設定網絡輿情監測等級并對監測結果進行評估，最后提出輿情監測機制并對政府及輿情管理者提出管理建議。本文的研究在理論層面對新媒體環境下網絡輿情監測研究提供新的理論研究視角，推動理論模型構建方法研究；在實踐層面上能夠幫助政府及相關輿情監管機構對如何管控輿情信息傳播、防止不良信息擴散，營造良好的網絡環境具有重要意義。

2018年9月第38卷第9期現代情報Journal of Modern InformationSep.，2018Vol38No92018年9月第38卷第9期基于信息熵的新媒體環境下負面網絡輿情監測指標體系研究Sep.，2018Vol38No91相關理論

11網絡輿情監測

網絡輿情是指在某個特定的社會空間里，網絡群眾針對社會中一些現象和問題表達自己的態度、意見和情感，是群眾在網絡平臺上表達意愿和情緒的集合[9]。包括網絡謠言、網絡暴力、信息生產與消費不對稱現象、技術風險以及信息規范缺失等，是網絡輿情主體信息互換時的非正常狀態，需要輿情管理者關注。輿情信息對于輿情主體的消極傳遞與積極傳遞之間的非平衡狀態，極易引發網絡謠言和網民情緒化，強社會關系、私密性、趨同性等，更加強化了網絡謠言、網絡語言暴力等負向信息傳播的影響力和滲透力。

網絡輿情監測指針對網絡輿情信息傳播過程和結果進行監控、處理和有效控制。負面信息是政府和輿情管理者監測的重點，而這些負面信息主要由網民態度決定，即如果網民態度主要呈現消極情緒或言論偏激，則該輿情事件亟需輿情管控者及時對信息量和傳播范圍進行有效控制[10]。

12信息熵

1948年香農[11]首先提出信息熵的概念，即將信息量化，解決信息的度量問題。一個信源發生的信息類別能夠根據該信息出現的概率來衡量。假設不確定性函數f是概率P的單調遞減函數，那么兩個獨立信源產生的信息應為其和，即f（p1，p2）=f（p1）+f（p2），則f是對數函數，表示為：f（P）=log1p=-logp。信息熵通過定義信息源的不確定性，針對隨機變量xi的變化描述信息含量的多少，其表達式為：

f（X）=f（-logpxi）=-∑ni=1p（xi）logp（xi）（1）

0≤pi≤1，i=（1，2，…，n）

xi表示隨機變量，pi代表所有輸出結果的集合（即概率函數）。假設不確定函數f是概率p的單調遞減函數，則n個獨立的不確定事件的發生概率應為其和。

13基于信息熵的新媒體負面網絡輿情監測問題的提出基于信息熵的新媒體環境下負面網絡輿情監測是基于信息熵理論確定評價指標體系的熵值進而計算指標權重。信息熵是評價信息的不確定性，如果某評價指標的熵值越大，說明該評價指標在綜合評價中所起的作用越小，權重越低；反之如果某評價指標的熵值越小，則該評價指標所起的作用越大，權重越高。由于新媒體環境下網絡輿情具有的突發性和不穩定性使網絡輿情在不同時刻的傳播速度、傳播范圍、傳播深度并不相同，因此實時關注輿情信息傳播情況才能及時采取一定措施對輿情傳播進行有效控制。針對新媒體環境下網絡輿情在其產生、發展、蔓延和消散過程中，可能因為政府或輿情管理者的管理不當導致負面網絡輿情信息被放大，甚至產生其他不良衍生事件和網民應激行為。部分負面網絡輿情可能與官員執法犯法、貪污腐敗等因素相關，降低民眾對政府的滿意度，導致政府公信力降低。因此，對新媒體環境下負面網絡輿情進行監測能夠幫助政府及相關輿情管理者及時采取針對性措施監測和引導網絡輿情的良性發展。

2研究方法

21評價指標體系構建的理論依據

對網絡輿情預警指標評價體系的研究較多，但通常存在指標體系中指標重復或相近（如輿情態勢傾向度、輿情態勢發展度）、二級指標過于抽象較難測度（如事件危害度、網民分歧度等）、同層級指標重要程度不一致（如網絡輿情傳播指標、網絡輿情受眾情感指標）。這些因素都可能導致評價結果產生偏差。因此，本文結合信息熵和層次分析法建立評價指標體系，從新媒體環境下網絡輿情傳播特征角度出發，盡量克服上述問題建立負面網絡輿情監測指標體系。

22評價體系

本文的階梯層次結構分為目標層、一級指標和二級指標。根據學者針對輿情的演化特征設計的不同指標體系以及網絡輿情信息傳播特征和規律變化，本文認為，由于影響網絡輿情的因素較多，因此無法確定所有對其變化產生影響的因素，因此選取在網絡輿情信息傳播過程中影響力較大的指標作為網絡輿情監測評估指標體系中的一級指標如下：①輿情熱度，即從輿情信息傳播的基本信息量角度衡量網絡輿情信息傳播強度（包括原創信息量、轉發量、評論量、點贊數）；②輿情關注度，即從輿情信息被輿情主體關注程度計算輿情從產生到消亡的被關注熱度（包括點擊量、搜索量、主題詞數、輿情持續時間）；③網民情感，即從網民的情緒態度上考察輿情主體情感傾向和輿情發展方向（包括網民活躍度、正向情感詞量、負向情感詞量、中性情感詞量）；④輿情影響力，即從輿情傳播的深度及廣度衡量輿情信息對輿情主體的影響程度（包括省市區域分布、關鍵詞覆蓋度、意見領袖數量、熱點新聞報道比率）；⑤輿情敏感度，即從輿情信息的持續傳播角度表示輿情信息的敏感度（包括原創信息量增長率、轉發量增長率、評論量增長率以及搜索量增長率）。

23層次分析法確定權重

本文采用層次分析法，根據AHP1～9的比例標度理論將不同級指標的重要程度兩兩比較以得到量化的判斷矩陣[12]，其標度如表2。確定各指標因素后，采用調查問卷法對所有影響指標因素進行兩兩比較評分，確定各指標的重要程度。

針對新媒體環境下網絡輿情話題傳播特征，比較各指標間的重要性，本文設計了調查問卷。將輿情指標重要程度按照非常重要（4分）、比較重要（3分）、重要（2分）、比較不重要（1分）、非常不重要（0分）進行打分，按照問卷中相同指標的得分加權值計算每個指標的最后得

24熵權法確定權重

信息熵是評價信息的不確定性，如果某評價指標的熵值越大，說明該評價指標在綜合評價中所起的作用越小，權重越低；反之如果某評價指標的熵值越小，則該評價指標所起的作用越大，權重越高[14]。設有p個待評對象，針對q個評價指標的取值，這些待評對象的各個指標值構成一個p×q的判斷矩陣X如公式（2）。由于不同列的數據單位不同，因此按照Tij=Kij＼∑pi=1xij進行無量綱化處理，得到公式（3）。

K=k11…k1q

kp1…kpq（2）

T=t11…t1q

tp1…tpq（3）

第j個指標的熵值為：

Ej=-1lnp∑ni=1tijln（tij）（4）

第j個指標的差異系數為：

Hj=1-Ej（5）

歸一化處理各指標的權重計算指標的權數：

M（t）j=Hj∑nj=1Hj， j=1，2，…，m（6）

25輿情指標綜合評價

根據由信息熵和層次分析法確定的新媒體環境下網絡輿情信息傳播評價指標結果，設定集合為{K1，K2，…，Kn}，且由層次分析法確定的指標權重為{M（e）1，M（e）2，…，M（e）n}，由信息熵確定的指標權重為{M（t）1，M（t）2，…，M（t）n}，則這n個指標的最終綜合權重表達式為：

Mi=M（e）iM（t）i∑nj=1M（e）iM（t）i； i=1，2，…，n（7）

26指標隸屬度計算

通過定性新媒體環境下網絡輿情監測指標，采用專家評分法計算輿情指標隸屬度定義輿情監測等級，并對等級結果進行歸一化處理。設二級指標Ci∈[0，1]，i=1，2，3，4歸一化輿情熱度；Ci∈[0，1]，i=5，6，7，8為歸一化輿情關注度；Ci∈[0，1]，i=9，10，11，12為歸一化網民情感；Ci∈[0，1]，i=13，14，15為歸一化輿情影響力；Ci∈[0，1]，i=16，17，18，19為歸一化輿情敏感度。模糊子集K1={一般重要}與K2={比較重要}的隸屬度函數如下公式（8）和公式（9），δKi（i=5，6，…，19）計算方法同理。δK1（c1，c2，c3，c4）=14exp-C2122+exp-C22122+exp-C2322+exp-C2422（8）δK2（c1，c2，c3，c4）=14exp-（1-C1）222+exp-（1-C21）222+exp-（1-C3）222+exp-（1-C4）222（9）

3數據采集

31數據源選擇

新浪微博具有強大的信息分類和數據處理功能，其海量信息資源為網絡輿情信息傳播提供了便捷的網絡平臺，滿足了多元化新媒體用戶快速登陸、分享信息的需求[15]。利用新浪微博終端即時接受和傳播輿情信息是當前新媒體環境下網絡用戶交流和分享的重要渠道。2017年微博財報數據顯示[16]，截至2017年9月，微博月活躍用戶共376億，與2016年同期相比增長27%，其中移動端占比達92%；日活躍用戶達到165億，較去年同期增長25%。

輿情事件的熱度指數反映了輿論關注的聚焦程度與輿論壓力情況，主要與事件相關媒體報道量、網民討論量、平臺傳播廣度等要素有關。根據2017年中國互聯網輿論分析報告[17]中的輿情熱度和輿情壓力等指標，本文選擇“紅黃藍”幼兒園虐童事件、武漢大學跳樓案、“41”瀘縣事件、“藍色錢江”保姆縱火案、“鴻茅藥酒”事件、江歌案和孕婦絆倒男童案七條熱門負面輿情話題作為數據源進行數據獲取及處理，并進行新媒體環境下網絡輿情監測機制分析。根據百度指數，“鴻茅藥酒”事件輿情話題整體日均值搜索指數為9615，整體同比上漲329%，其搜索指數如圖1。限于篇幅，本文僅以“鴻茅藥酒”事件案件為例計算各指標數據進行統計整理得到實證數據進行討論分析并展開具體分析過程，其他微博熱點話題只顯示最終監測結果并提出管理建議。

32數據獲取及處理

在數據獲取階段，本文選擇每條熱門輿情話題從突發、蔓延到消退時期的輿情相關信息（包括原創微博數量、轉發、評論、點贊、點擊量、搜索量、主題詞數等信息）。本圖1“鴻茅藥酒”事件百度搜索指數圖

文通過網絡爬蟲獲取新浪微博熱點話題“鴻茅藥酒”事件的數據過程如下：①在新浪微博搜索欄輸入“鴻茅藥酒”以獲得所有原創、轉發、評論、點贊等相關信息[18]；②得到信息對應網址，形成相應地址庫；③遞歸獲取所有網址并將相關字段的信息保存到Access數據庫。

本文在數據處理過程中，使用Excel和Access數據庫處理數據。首先將數據字段規范化處理，將內容中含有超文本字符和表情符等無效字段進行數據清洗；然后對采集到的原始數據經過人工處理篩選，包括刪除重復性文本、刪除不可識別符號、刪除無用詞語等；將時間規范為“*年*月*日”格式；通過中文分詞工具“盤古分詞”將信息內容拆分并形成最終精簡數據庫；對采集到的文本根據“情感分析用詞語集（Beta版）”進行正向、負向和中性情感詞量計算；最后在Excel中根據評論轉發搜索量變化計算原創信息量增長率、轉發量增長率、評論量增長率以及搜索量增長率。根據本文構建的新媒體環境下網絡輿情監測指標體系中的二級指標因素進行數據統計分析，得到原始數據如表4所示。

4討論與分析

41模糊綜合統計實驗

設置新媒體環境下網絡輿情信息傳播影響指標等級評分為0～10分，且評分為整數段。指標的評分值越高代表該指標因素對網絡輿情監測內容的影響力越高。將各指標屬性值做歸一化處理，得到第i個指標下的第j個評價等級指標值比重。根據新媒體環境下網絡輿情監測指標計算公式得到各指標標準化結果，其中一級指標的權重為[022，024，018，017，019]，二級指標的權重分別為M1=[028，031，027，014]；M2=[021，019，032，28]；M3=[016，027，029，28]；M4=[032，026，023，019]；M5=[024，028，022，026]。

對一級指標因素集{B1，B2，B3，B4，B5}分別作模糊綜合評價。設V={v1，v2，v3，v4，v5}為網絡輿情監測評價集，Bi中個指標對于V的權重分配為Mi=[mi1，mi2，…，min]，得到一級指標評判向量為：=Mi*i=[bi1，bi2，…，bin]，i=1，2，…，k，則：

B1=M1*T1=[0254，0108，0125，0364]

B2=M2*T2=[0147，0216，0469，0325]

B3=M3*T3=[0317，0058，0434，0204]

B4=M4*T4=[0208，0497，0057，0146]

B5=M5*T5=[0412，0258，0027，0359]

=M*T=[022，024，018，017，019]*0254010801250364

0147021604690325

0317005804340204

0208049700570146

0412025800270359=[02619，02196，02330，02878]

將二級模糊綜合評判結果與指標模糊隸屬度評價級別的乘積作為網絡輿情隸屬度監測值，即Z=*δT，判斷級別隸屬度為01、075、05、025，分別為極、大、中、小。從而實現網絡輿情監測評估的模糊隸屬度監測數值，后續再根據監測類別實現對網絡輿情隸屬度監測值的進一步評估分析。

Z=*δT=[02619，02196，02330，02878]*1

075

05

025=06150

42網絡輿情監測等級設定

將20個新媒體環境下網絡輿情二級態勢指標轉換為在區間[0，1]的度量方法，分別為K1，K2，K3，…，K19。依據專家隸屬度模糊評價分析，把新媒體環境下網絡輿情監測評定要素分為輿情熱度、輿情關注度、輿情網民情感、輿情影響力和輿情敏感度得出每個一級指標的隸屬度。根據模糊綜合統計實驗結果確定新媒體環境下網絡輿情監測等級，如表5所示。輿情監測影響力級別分為5個等級，重要程度由低到高分別對應灰色監測、藍色監測、黃色監測、橙色監測和紅色監測。屬于灰色監測的輿情話題重要程度最低，屬于紅色監測的輿情話題重要程度最高。在進行新媒體環境下網絡輿情監測及控制過程中要綜合考慮輿情熱度、輿情關注度、網民情感、輿情影響力、輿情敏感度5個因素進行網絡輿情隸屬度監測值計算并進行風險評估，對于橙色和紅色監測提高警惕。

新浪微博熱門話題“鴻茅藥酒”事件網絡輿情隸屬度監測值結果為06150，屬于橙色監測。由于該事件從突發到迅速蔓延時間極短，產生大量輿情信息，網民情感傾向性偏負面，信息量增長率較高，引發其他輿情衍生話題如食品安全、消費者權益等進行二次傳播，需要輿情管理者對此及時采取合理措施應對，并對該話題進展進行實時監測。

43監測結果評估

新媒體環境下網絡輿情事件指標體系監測值結果和其對應輿情影響力級別、監測等級關系如表6所示。表5網絡輿情指標體系檢測值對應監測等級

指標體系監測值輿情影響力級別輿情監測等級[0，019]Ⅰ灰色監測[02，039]Ⅱ藍色監測[04，059]Ⅲ黃色監測[06，079]Ⅳ橙色監測[08，1]Ⅴ紅色監測

力級別監測等級“紅黃藍”幼兒園虐童事件087Ⅴ紅色監測武漢大學跳樓案076Ⅳ橙色監測“41”瀘縣事件035Ⅱ藍色監測“藍色錢江”保姆縱火案072Ⅳ橙色監測江歌案085Ⅴ紅色監測孕婦絆倒男童案043Ⅲ黃色監測

新媒體環境下網絡輿情監測研究需要綜合評估指標體系監測值、輿情影響力級別和監測等級3個維度來對監測提供風險決策建議。在表5中6項負面輿情事件中，“紅黃藍”幼兒園虐童事件和“江歌案”的指標體系監測值相對最高，分別為087和085，主要體現在輿情熱度高，輿情關注度和輿情影響力相對較高，而用戶情感詞中負向情感數量遠高于正向和中性情感詞量，出現的意見領袖數量較多，由線上引發線下輿情危機的可能性較大。針對這類Ⅴ級輿情事件使用紅色監測，需要輿情管理者對事件發展持續監測，及時播報事態處理進展。負面輿情事件“武漢大學跳樓案”和“藍色錢江保姆縱火案”的輿情體系監測值分別為076和072，影響力級別都為Ⅳ，監測等級為橙色監測。這兩項負面輿情事件的輿情熱度和輿情關注度相當但輿情敏感度不高，輿情事件持續事件不長，但網民情感相對偏激。對這類橙色監測的輿情事件應采取實時關注輿情進展，根據輿情發展趨勢和網民情感傾向做好監測和引導工作?！?1瀘縣事件”和“孕婦絆倒男童案”的負面輿情監測值分別為035（Ⅱ級）和043（Ⅲ級），輿情指標綜合得分較低，為藍色監測和黃色監測。這兩項負面輿情事件的輿情熱度和關注度都較低且持續事件短，對網絡平臺和社會大眾造成的危機較小，僅需輿情管理者適當監測輿情發展和走勢。

對比發現本文選取的微博輿情熱點話題隸屬度監測值結果與現實中這些輿情事件的傳播特征和發展規律較一致，因此本文設計的新媒體環境下網絡輿情監測指標較能夠客觀反映網絡輿情事件的發展狀態。基于信息熵和層次分析法得到的指標權重進行模糊綜合評價分析，能夠正確預測網絡輿情危機事件的爆發和擴散，并針對這些事件幫助輿情管理者進行有效監測和預防。另一方面也能夠為新媒體環境下網絡輿情監測研究提供一個系統的理論視角，提高政府對輿情的實時監控能力和管理能力。

5結論

本文在理論層面，將網絡輿情信息傳播影響因素分為輿情熱度、輿情關注度、網民情感、輿情影響力和輿情敏感度5個一級指標并設定下達的20指標，構建比較判斷矩陣確定指標權重。本文構建新媒體環境下網絡輿情監測指標體系，基于層次分析法和信息熵理論確定指標權重，選擇新浪微博熱點話題“鴻茅藥酒”事件作為數據源進行樣本采集和數據分析，通過模糊綜合統計實驗設定網絡輿情監測等級并對監測結果進行評估，最后提出輿情監測機制和監測態勢預測方法，為分析新媒體環境下網絡輿情監測研究提供了新的理論研究視角。本文在實踐層面，通過網絡爬蟲獲取新浪微博數據，采用實證分析法對新浪微博熱點話題“鴻茅藥酒”進行數據分析，運用模糊綜合評價法進行模糊綜合統計實驗，量化輿情指標項并對六項負面網絡輿情事件的監測結果進行評估，提出輿情管理建議。數據結果表明，新媒體環境下網絡輿情熱點話題“鴻茅藥酒”事件的影響力級別為Ⅳ級，顯示為橙色監測，需輿情管理者及時監測輿情發展和走勢。根據新媒體環境下網絡輿情信息傳播數據與相應指標項對應權重乘積能夠得到該輿情事件的最終監測值，對照監測級別可以幫助政府及相關輿情管理者及時采取針對性措施監測和引導網絡輿情的良性發展，保障社會安全。

在研究過程中本文僅以新浪微博平臺作為數據源分析新媒體環境下網絡輿情監測級別，可能導致數據分析的結果存在局限性。本文在后續研究中將選取更多新媒體平臺如博客、貼吧、論壇等進行數據的獲取以驗證模型可行性，并擴充樣本數量進行新媒體環境下的網絡輿情監測研究。

參考文獻

[1]DTouin M，OConnoT K W，Schmidt G B，et al.Facebook Fited：Legal Petspectives and Young Adults Opinions on the Use of Social Media in Hiting and Fiting Decisions[J].ComputeTs in Human BehavioT，2015，46：123-128.

[2]王晰巍，邢云菲，張柳，等.社交媒體環境下的網絡輿情國內外發展動態及趨勢研究[J].情報資料工作，2017，（4）：6-14.

[3]王青，成穎，巢乃鵬.網絡輿情監測及監測指標體系研究綜述[J].情報科學，2011，（7）：1104-1108.

[4]曾潤喜.網絡輿情突發事件監測指標體系構建[J].情報理論與實踐，2010，33（1）：77-80.

[5]聶峰英，張旸.移動社交網絡輿情監測指標體系構建[J].情報理論與實踐，2015，38（12）：64-67.

[6]蘭月新；曾潤喜.突發事件網絡輿情傳播規律與監測階段研究[J].情報雜志.2013，32（5）：16-19.

[7]杜智濤，謝新洲.利用灰色預測與模式識別方法構建網絡輿情預測與監測模型[J].圖書情報工作，2013，57（15）：27-33.

[8]張一文，齊佳音，方濱興.基于貝葉斯網絡建模的非常規危機事件網絡輿情監測研究[J].圖書情報工作.2012，56（2）：76-81.

[9]王英，龔花萍.基于情感維度的大數據網絡輿情情感傾向性分析研究——以“南昌大學自主保潔”微博輿情事件為例[J].情報科學，2017，35（4）：37-42.

[10]夏一雪，蘭月新，李昊青，等.面向突發事件的微信輿情生態治理研究[J].現代情報，2017，37（5）：28-32.

[11]Shannon C E.A Mathematical Theoty of Communication[J].Bell System Technical JouTnal，1948，27：379-423.

[12]王鐵套，王國營，陳越.基于模糊綜合評價法的網絡輿情監測模型[J].情報雜志，2012，31（6）：47-51.

[13]張艷豐，李賀，彭麗徽，等.基于語義隸屬度模糊推理的網絡輿情監測監測實證研究[J].情報理論與實踐，2017，40（9）：82-89.

[14]邢云菲，王晰巍，韓雪雯，等.基于信息熵的新媒體環境下網絡節點影響力研究——以微信公眾號為例[J].圖書情報工作，2018，62（5）：76-86.

[15]徐勇，張慧，陳亮.一種基于情感分析的 UGC 模糊綜合評價方法——以淘寶商品文本評論UGC為例[J].情報理論與實踐，2016，39（6）：64-69.

[16]Useit知識庫“新浪微博數據中心”《2017微博用戶發展報告》[EB/OL].http：//www.useit.com.cn/thTead-17562-1-1.html，2017-12-25.

[17]個人圖書館《2017年中國互聯網輿情研究報告》[EB/OL].http：//www.360doc.com/content/18/0105/16/29770038_719321 877.shtml，2018-01-05.

[18]王晰巍，邢云菲，王楠阿雪，等.新媒體環境下突發事件網絡輿情信息傳播及實證研究——以新浪微博“南海仲裁案”話題為例[J].情報理論與實踐.2017，40（9）：1-7.

（責任編輯：孫國雷）2018年9月第38卷第9期現代情報Journal of Modern InformationSep.，2018Vol38No92018年9月第38卷第9期新媒體視域下個體投資用戶的信息獲取行為研究Sep.，2018Vol38No9

收稿日期：2018-05-05