基于輿情大數(shù)據(jù)的網(wǎng)民關(guān)注度轉(zhuǎn)移模型研究

蘭月新 劉冰月 張鵬

〔摘 要〕[目的/意義]基于輿情大數(shù)據(jù)研究網(wǎng)民關(guān)注度轉(zhuǎn)移模型，能夠深入解讀大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情事件的競爭效應(yīng)，可以為網(wǎng)絡(luò)輿情治理提供參考依據(jù)。[方法/過程]定性分析大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情事件競爭效應(yīng)以及網(wǎng)民關(guān)注度轉(zhuǎn)移機理，基于微分方程組構(gòu)建網(wǎng)民關(guān)注度轉(zhuǎn)移模型，通過研究模型特性和數(shù)值仿真，理解兩個輿情事件之間網(wǎng)民關(guān)注度轉(zhuǎn)移的定量關(guān)系以及未來趨勢，并給出估計模型參數(shù)的方法。[結(jié)論/結(jié)果]經(jīng)過理論建模和實證分析得出本文構(gòu)建的網(wǎng)民關(guān)注度轉(zhuǎn)移模型是可行的，尤其是可以通過輿情數(shù)據(jù)分析確定多個輿情事件的競爭結(jié)果以及網(wǎng)民關(guān)注度轉(zhuǎn)移的關(guān)鍵節(jié)點，為進一步研究網(wǎng)民關(guān)注度轉(zhuǎn)移趨勢預(yù)測問題提供模型基礎(chǔ)。

〔關(guān)鍵詞〕大數(shù)據(jù)；網(wǎng)絡(luò)輿情；網(wǎng)民關(guān)注度；轉(zhuǎn)移模型；預(yù)測；數(shù)值仿真

DOI：10.3969/j.issn.1008-0821.2018.10.002

〔中圖分類號〕C912.6 〔文獻標(biāo)識碼〕A 〔文章編號〕1008-0821（2018）10-0010-06

〔Abstract〕[Purpose/Significance]This paper studied the netizens attention transfer model for big data of network public opinion，and further interpreted the competition effect of different Internet public opinion events under big data environment，and thus provided references of network public opinion management for the government.[Method/Process]Through the qualitative analysis of the competition effect of different Internet public opinion events and netizens attention transfer mechanism under big data environment，this paper constructed the netizens attention transfer model based on the theory of differential equation.By studying the characteristics of model and numerical simulation，this paper further identified the quantitative relationship and future trends of netizens attention transfer between two public opinion events，and provided the method to estimate model parameters.[Result/Conclusion]Through theoretical modeling and empirical analysis，this paper concluded the feasibility of netizens attention transfer model.Through public opinion data analysis，identifying competition results of multiple public opinion events and key nodes of netizens attention transfer could provide model foundation for the further study on the trend prediction of netizens attention transfer.

〔Key words〕big data；network public opinion；netizens attention；transfer model；prediction；numerical simulation

1 現(xiàn)狀分析

根據(jù)第41次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2017年12月，我國手機網(wǎng)民規(guī)模達7.53億，網(wǎng)民中使用手機上網(wǎng)人群的占比由2016年的96.1%提升至97.5%[1]。隨著移動寬帶互聯(lián)網(wǎng)的普及，越來越多的網(wǎng)民通過互聯(lián)網(wǎng)表達自身觀點和訴求，在同一時間段內(nèi)，往往是多個輿情事件并存，并且多個輿情事件相互影響、相互作用，形成一種“競爭”效應(yīng)。如何把握網(wǎng)絡(luò)輿情事件“競爭”實質(zhì)和機理是政府面對各類網(wǎng)絡(luò)輿情事件并發(fā)時需要解決的關(guān)鍵問題。

學(xué)術(shù)界對相關(guān)主題的研究主要體現(xiàn)為兩個方面：一是網(wǎng)民關(guān)注度及其相關(guān)研究，如關(guān)注度的替換/疊加效應(yīng)，以及體現(xiàn)網(wǎng)民關(guān)注度的輿情熱度、熱詞、熱搜等研究；二是輿情事件關(guān)聯(lián)及其相關(guān)研究，如從輿情事件、輿情話題、輿情主體等不同層面探討多事件、多話題、多主體的關(guān)聯(lián)效應(yīng)和演化機理。簡要研究內(nèi)容和代表性研究成果如表1所示。

雖然已取得了諸多研究成果，但大多是研究網(wǎng)絡(luò)輿情傳播的一般規(guī)律、針對某些網(wǎng)絡(luò)輿情的案例分析或者多個網(wǎng)絡(luò)輿情事件的統(tǒng)計規(guī)律，而對某個時段多個網(wǎng)絡(luò)輿情事件并存時，相互作用、相互影響的程度和機理尚少有研究。基于此，本文以網(wǎng)民關(guān)注度轉(zhuǎn)移的視角，構(gòu)建數(shù)學(xué)模型，研究多個網(wǎng)絡(luò)輿情事件并存時的競爭機理，為政府制定網(wǎng)絡(luò)輿情治理策略提供參考依據(jù)。

2 大數(shù)據(jù)環(huán)境下網(wǎng)民關(guān)注網(wǎng)絡(luò)輿情機理研究

2.1 大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情事件之間的競爭效應(yīng)

隨著互聯(lián)網(wǎng)的普及，公共管理、社會矛盾、公共安全等各種類別的網(wǎng)絡(luò)輿情事件頻發(fā)，網(wǎng)民的意見、情緒等在網(wǎng)絡(luò)上表達，生成大量文字、圖像、音視頻等格式的輿情信息，這些極具價值的信息在微博、微信、論壇等互聯(lián)網(wǎng)平臺快速傳播。這些滿足大數(shù)據(jù)的快速、多樣、多量、價值性等特征，所以網(wǎng)絡(luò)輿情已經(jīng)形成一個大數(shù)據(jù)環(huán)境。通過整理2014-2017年人民網(wǎng)發(fā)布的《中國互聯(lián)網(wǎng)輿情分析報告》，并從中提煉熱點輿情數(shù)據(jù)發(fā)現(xiàn)：近4年，熱點輿情總數(shù)為3 238，其中每年的日均熱點輿情數(shù)量分別為4.21、1.37、1.65、1.64（詳細數(shù)據(jù)見表2）。這僅僅是熱點輿情的統(tǒng)計數(shù)據(jù)，而非熱點輿情的數(shù)量會更多，所以平均每天都會發(fā)生規(guī)模或大或小的網(wǎng)絡(luò)輿情。

進一步研究這些網(wǎng)絡(luò)輿情案例發(fā)現(xiàn)，網(wǎng)民關(guān)注持續(xù)時間少則幾個小時，多則數(shù)十天，甚至更長時間。有學(xué)者專門研究了100個輿情案例的網(wǎng)民關(guān)注度時間問題，通過統(tǒng)計分析得出網(wǎng)民關(guān)注持續(xù)時間均值為20.59天，關(guān)注持續(xù)時間的極小值為1天，極大值為149天[15]。在網(wǎng)民關(guān)注持續(xù)時間內(nèi)，多個網(wǎng)絡(luò)輿情事件相互影響，相互沖擊，形成一種“競爭”效應(yīng)（見圖1），其競爭的實質(zhì)內(nèi)容即是網(wǎng)民的關(guān)注度。

2.2 網(wǎng)民關(guān)注網(wǎng)絡(luò)輿情機理分析

網(wǎng)民關(guān)注網(wǎng)絡(luò)輿情受諸多因素影響，包括興趣、愛好、訴求等主觀因素，也包括事件敏感程度、離奇程度等客觀因素影響，這些因素直接影響網(wǎng)民關(guān)注網(wǎng)絡(luò)輿情事件的持續(xù)時間。當(dāng)一段時間內(nèi)，有多個網(wǎng)絡(luò)輿情事件產(chǎn)生時，由于網(wǎng)絡(luò)無界性、開放性等因素，網(wǎng)民的主要關(guān)注點往往會發(fā)生轉(zhuǎn)移，在這個過程中，形成聚集“圍觀”現(xiàn)象，進而使得被“圍觀”的網(wǎng)絡(luò)輿情事件熱度升溫，成為熱點輿情，所以熱點輿情的生成過程也就是網(wǎng)民關(guān)注度轉(zhuǎn)移、聚集的過程。所以，深入研究網(wǎng)民關(guān)注度轉(zhuǎn)移問題，可以深層次解讀熱點輿情生成機理，描述網(wǎng)絡(luò)輿情事件之間的“競爭”效應(yīng)。假設(shè)一段時間內(nèi)，有N個網(wǎng)絡(luò)輿情事件產(chǎn)生，則網(wǎng)民關(guān)注點在N個事件之間相互轉(zhuǎn)移，形成相對復(fù)雜的轉(zhuǎn)移模式。基于此，為深入研究網(wǎng)民關(guān)注度轉(zhuǎn)移機理，N個網(wǎng)絡(luò)輿情事件之間的網(wǎng)民關(guān)注度多向轉(zhuǎn)移模式可以簡化為兩個輿情事件的關(guān)注度單向轉(zhuǎn)移模型（見圖2）。更進一步，網(wǎng)民關(guān)注度由原始輿情I轉(zhuǎn)移到新輿情II，在這個過程中，由于關(guān)注度的轉(zhuǎn)出導(dǎo)致輿情I的信息量增長變緩，而由于關(guān)注度的轉(zhuǎn)入導(dǎo)致輿情II的信息量增長加快，所以網(wǎng)民關(guān)注度轉(zhuǎn)移的實質(zhì)是信息量的轉(zhuǎn)移，通過信息量的變化程度可以描述網(wǎng)民關(guān)注度的轉(zhuǎn)移程度，進而從定量視角解讀網(wǎng)絡(luò)輿情事件之間的“競爭”效應(yīng)。

3 面向輿情大數(shù)據(jù)的網(wǎng)民關(guān)注度模型研究

3.1 建模前提與假設(shè)

根據(jù)信息生命周期理論，網(wǎng)絡(luò)輿情傳播經(jīng)歷發(fā)生、發(fā)展、消退等階段，這與生態(tài)科學(xué)中生物的萌芽、成長、消亡的生長機理相似，即“S型”曲線規(guī)律，故而可以用生物的生長模型來描述網(wǎng)絡(luò)輿情信息的傳播問題，通過大量網(wǎng)絡(luò)輿情數(shù)據(jù)（信息量累計百分比數(shù)據(jù)）也可說明這一點（見圖3）。基于此，本文選取Logistic模型來描述網(wǎng)絡(luò)輿情傳播過程。

4 網(wǎng)民關(guān)注度轉(zhuǎn)移數(shù)值仿真

為進一步研究兩個網(wǎng)絡(luò)輿情事件之間的“競爭”效應(yīng)，通過Matlab數(shù)值仿真方法研究網(wǎng)民關(guān)注度轉(zhuǎn)移機理。為方便仿真研究，設(shè)定仿真參數(shù)見表3。

令輿情Ⅰ轉(zhuǎn)出指標(biāo)σ分別為0、0.05、0.10、0.15、0.20、0.25、0.30、0.35、0.39，調(diào)節(jié)系數(shù)m分別為0.5、1、2、5，繪制網(wǎng)民關(guān)注度由輿情Ⅰ轉(zhuǎn)入輿情Ⅱ（簡稱輿情Ⅰ→輿情Ⅱ）的仿真效果圖（見圖5），研究不同場景的網(wǎng)民關(guān)注度轉(zhuǎn)移規(guī)律問題。

觀察仿真圖像發(fā)現(xiàn)：隨著轉(zhuǎn)出指標(biāo)的增加，一方面，輿情Ⅰ的信息量上限由1 000單調(diào)遞減至25，輿情Ⅰ的轉(zhuǎn)出度O（Ⅰ）由0單調(diào)增加至97.5%；另一方面，輿情Ⅱ的信息量上限由2 000單調(diào)增加至某個峰值后，然后再單調(diào)遞減，輿情Ⅱ的轉(zhuǎn)入度I（Ⅱ）變化區(qū)間分別為[0，4.01%]、[0，7.74%]、[0，14.55%]、[0，31.65%]。此外，對應(yīng)不同的調(diào)節(jié)系數(shù)m，可以繪制輿情Ⅱ的信息量與轉(zhuǎn)出指標(biāo)的關(guān)系圖（見圖6）。不難發(fā)現(xiàn)，輿情Ⅱ的信息量在σ=r12=0.2處取得峰值，對應(yīng)峰值分別為2 080.1235、2 154.7005、2 290.9944、2 632.9932，這就說明輿情Ⅰ轉(zhuǎn)出指標(biāo)為增長率一半時，輿情Ⅱ的競爭效果達到最優(yōu)，正因為這一點，隨著輿情Ⅰ信息量的轉(zhuǎn)入，輿情Ⅱ的信息量曲線由單“S”型逐步變?yōu)殡p“S”型，在m=5時，雙“S”圖像尤為清晰，所以兩個輿情事件的競爭關(guān)系也是導(dǎo)致網(wǎng)絡(luò)輿情數(shù)據(jù)出現(xiàn)“震蕩效應(yīng)”的原因之一。

5 實證研究

5.1 數(shù)據(jù)來源

通過清博輿情監(jiān)測軟件（http：//yuqing.gsdata.cn）分別獲取雪鄉(xiāng)宰客事件、“桑吉”爆燃事件、女子阻攔高鐵事件的微博輿情統(tǒng)計數(shù)據(jù)，數(shù)據(jù)采集時段為2018年1月9日0點至2018年1月19日23點（詳細數(shù)據(jù)見圖7）。

5.2 數(shù)據(jù)分析

由于3個輿情事件均是同一時段的熱點輿情，無法事先判斷事件信息量的轉(zhuǎn)出和轉(zhuǎn)入，所以，為方便研究輿情事件之間的競爭效應(yīng)，本文將3個事件中任取兩個作為建模事件，故而形成六種結(jié)果。通過前文確定模型系數(shù)的方法，根據(jù)3個輿情事件的微博輿情統(tǒng)計數(shù)據(jù)可以確定模型的具體參數(shù)（見表4、表5）。

通過數(shù)據(jù)分析發(fā)現(xiàn)：當(dāng)只有雪鄉(xiāng)宰客事件和“桑吉”爆燃事件時，信息量由“桑吉”爆燃事件轉(zhuǎn)移到雪鄉(xiāng)宰客事件；只有雪鄉(xiāng)宰客事件和女子阻攔高鐵事件時，信息量由雪鄉(xiāng)宰客事件轉(zhuǎn)移到女子阻攔高鐵事件；只有女子阻攔高鐵事件和“桑吉”爆燃事件時，信息量由“桑吉”爆燃事件轉(zhuǎn)移到女子阻攔高鐵事件。所以當(dāng)3個輿情事件共存時，“桑吉”爆燃事件的信息量分別轉(zhuǎn)移到另外兩個輿情事件中，并且轉(zhuǎn)移到雪鄉(xiāng)宰客事件的信息量要多于轉(zhuǎn)移到女子阻攔高鐵事件的信息量，而雪鄉(xiāng)宰客事件信息量轉(zhuǎn)移到女子阻攔高鐵事件中。所以，根據(jù)本文計算結(jié)果，3個事件的競爭結(jié)果排序是女子阻攔高鐵事件>雪鄉(xiāng)宰客事件>“桑吉”爆燃事件，這也驗證了通過網(wǎng)民關(guān)注度研究網(wǎng)絡(luò)輿情事件競爭效應(yīng)的可行性。

6 總結(jié)與展望

隨著移動寬帶互聯(lián)網(wǎng)的普及，網(wǎng)絡(luò)輿情事件頻發(fā)，已呈現(xiàn)大數(shù)據(jù)環(huán)境，同一時段的網(wǎng)絡(luò)輿情事件之間存在競爭關(guān)系，研究競爭程度和結(jié)果可以為網(wǎng)絡(luò)輿情治理提供參考依據(jù)。基于此，本文通過網(wǎng)民關(guān)注度的視角研究網(wǎng)絡(luò)輿情事件的競爭效應(yīng)，構(gòu)建了網(wǎng)民關(guān)注度轉(zhuǎn)移模型，并通過模型分析、參數(shù)估計、數(shù)值仿真以及實證分析研究了模型特性、網(wǎng)民關(guān)注度轉(zhuǎn)移機理等，并通過實際案例驗證了模型可行性。

大數(shù)據(jù)的核心是預(yù)測，本文僅僅是建立了兩個輿情事件的關(guān)注度轉(zhuǎn)移模型，而限于篇幅，尚未根據(jù)本文模型預(yù)測網(wǎng)民關(guān)注度轉(zhuǎn)移趨勢以及網(wǎng)絡(luò)輿情事件競爭結(jié)果。此外，對于多個事件并存時的轉(zhuǎn)移問題，以及多個事件不同步時的轉(zhuǎn)移問題有待進一步研究。

參考文獻

[1]中國互聯(lián)網(wǎng)絡(luò)信息中心.第41次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[R/OL].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201801/t20180131_70190.htm，2018-02-06.

[2]陳安，房亞楠.多輿情事件的演化機理及其公眾關(guān)注度的替換/疊加效應(yīng)研究[J].廣州大學(xué)學(xué)報：社會科學(xué)版，2017，16（6）：24-29.

[3]劉艷紅.基于關(guān)注度的網(wǎng)絡(luò)輿情信息傳播探究[J].新聞研究導(dǎo)刊，2017，（23）：78，81.

[4]滕文杰.突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情網(wǎng)民關(guān)注度區(qū)域分布研究[J].中國衛(wèi)生事業(yè)管理，2015，32（5）：393-396.

[5]林萍，解一涵，魏靜.信息傳播平臺對網(wǎng)絡(luò)輿情熱度的影響分析[J].現(xiàn)代情報，2018，38（5）：94-99.

[6]徐旖旎.基于微博的媒體奇觀網(wǎng)絡(luò)輿情熱度趨勢分析[J].情報科學(xué)，2017，35（2）：92-97，125.

[7]蘇國強，劉芊汝，薛信朋，等.面向輿情大數(shù)據(jù)的突發(fā)事件網(wǎng)絡(luò)民意熱度評價研究[J].內(nèi)江科技，2017，38（7）：74-75.

[8]曾子明，黃城鶯.基于BP神經(jīng)網(wǎng)絡(luò)的突發(fā)傳染病輿情熱度趨勢預(yù)測模型研究[J].現(xiàn)代情報，2018，38（5）：37-44，52.

[9]楊寧.傳播學(xué)視域下微博熱搜榜的問題研究[J].新聞傳播，2017，（12）：121-122.

[10]喻國明.大數(shù)據(jù)分析下的中國社會輿情：總體態(tài)勢與結(jié)構(gòu)性特征——基于百度熱搜詞（2009-2012）的輿情模型構(gòu)建[J].中國人民大學(xué)學(xué)報，2013，27（5）：2-9.

[11]王長峰，莊文英，于長鉞.基于改進SIR模型的群體意見競爭演化研究[J].情報雜志，2017，36（10）：97-103，136.

[12]許媛，梁循.政府指導(dǎo)下時序耦合的企業(yè)相關(guān)雙輿情分析——以“魏則西”及“雷洋”事件的耦合為例[J].中國管理科學(xué)，2016，24（S1）：294-301.

[13]尹熙成，朱恒民，馬靜，等.微博輿情話題傳播的耦合網(wǎng)絡(luò)模型——分析話題衍生性特征與用戶閱讀心理[J].情報理論與實踐，2015，38（11）：82-86.

[14]王國華，鄧海峰，王雅蕾，等.網(wǎng)絡(luò)熱點事件中的輿情關(guān)聯(lián)問題研究[J].情報雜志，2012，31（7）：1-5.

[15]張雪紅.社會性事件網(wǎng)民關(guān)注規(guī)律研究[D].太原：太原科技大學(xué)，2013.

[16]姜啟源，謝金星，葉俊.數(shù)學(xué)模型[M].北京：高等教育出版社，2011.

（責(zé)任編輯：馬 卓）