基于模糊綜合評價的網絡輿情預警方法研究

郝 楠，馮 晶，高 媛

(1.河北軟件職業技術學院, 河北 保定 071000; 2.空軍航空大學, 長春 130000；3.河北農業大學, 河北 保定 071066)

輿情是一定時期、一定范圍內民眾對社會現實的主觀反映，是群體性的思想、心理、情緒、意見和要求的綜合體現[1]。隨著各種社交網絡平臺相繼興起和智能手機的廣泛使用，越來越多的人喜歡通過網絡表達觀點、宣泄情緒。2018年7月，中國互聯網絡信息中心(CNNIC)發布的第42次中國互聯網發展狀況統計報告顯示，截至2018年6月，我國網民規模為8.02億，手機網民規模達7.88億，分別較2017年末增加了3.8%和4.7%[2]。

網絡輿情信息表達的開放性、快捷性、互動性等特點，使得網絡輿情成為社會熱點的晴雨表。由于網絡輿情用戶量大、傳播速度快、活躍度高，因此對社會穩定、政府公信力等方面的影響越來越大。對政府而言，若缺乏必要的網絡輿情危機預警措施，任由負面輿情擴散，必然影響政府的公信力。對企業和個人而言，負面網絡輿情的傳播輕則導致聲譽受損，重則導致巨大的經濟損失和無形資產損失[3]。

國內外學者對網絡輿情識別、預測、預警開展了大量研究。Goyal等[4]基于頻繁模式挖掘算法分析了網絡中輿論領袖的行為特征和發展趨勢；Gao Hui等[5]建立了基于云計算的海量Web輿情信息識別和監測系統；Ting等[6]提出了一種社會網絡推送模式；蘭月新[7]建立了描述微博輿情擴散、演化規律的微分方程模型；杜智濤等[8]建立了基于灰色預測的網絡輿情預測模型，并運用模式識別方法進行網絡輿情預警；張艷豐等[9]提出了基于直覺模糊推理的網絡輿情監測預警評估方法。從目前的研究情況看，多數側重于從定性角度對輿情發展進行研究，定量的輿情預警方法如微分方程、直覺模糊推理等過于復雜，基于輿情點擊數、評論數、轉發數等統計指標建立的預警模型時效性差。

本文首先建立適用于網絡輿情監測預警的指標體系，在此基礎上結合層析分析法和模糊數學提出基于模糊綜合評價的網絡輿情監測預警方法。以長春長生假疫苗事件、紅黃藍幼兒園事件、蘇享茂自殺事件為案例進行研究，驗證本文所建指標體系和預警模型的有效性，為輿情監管部門決策提供理論支持。

1 網絡輿情預警指標體系的構建

指標體系是輿情監測預警的基礎。指標體系是否科學，能否全面反映輿情的性質、發展趨勢和危機程度，是否具有可操作性，是建立突發事件輿情監測預警系統的關鍵。由于不同學者的研究目的和切入點不同，當前建立的輿情指標體系眾多，適用性各不相同[10-12]。基于輿情的點擊數、轉發數、評論數等統計指標建立的風險預警模型時效性差，過于滯后。建立網絡輿情監測預警系統的目的是“防范于未然”，因此應盡早評估輿情風險等級，采取有效措施降低突發事件帶來的危害。本文對文獻[13]建立的網絡輿情指標體系進行改進，從輿情本體、輿情主體、輿情客體的角度建立適用于網絡輿情監測預警的指標體系。

將網絡輿情預警指標體系分為輿情本體、輿情主體、輿情客體3個1級指標。輿情主體指標指輿情發布者、當事方、官方等，包括發布者影響力、回應能力2個2級指標。輿情本體指標指輿情事件本身的危機程度，包括主題敏感度、事件可信度、媒體熱度、媒體態度4個2級指標。輿情客體指標指輿情受眾對突發事件的擴散和傳播程度，包括媒體擴散度和輔助研判2個2級指標，構建網絡輿情預警指標體系如圖1所示。

圖1 網絡輿情預警指標體系

2 基于模糊綜合評價的網絡輿情預警模型

2.1 因素集的確定

建立綜合評價體系時，根據建立的網絡輿情預警指標體系，基本因素集可劃分為3個1級指標因素集，即U={U1,U2,U3}。每個1級指標因素集又可分為若干個2級指標因素集，即Ui={Ui1,Ui2,…,Uij}。其中：i=1,2,…,m，j=1,2,…,n;m為1級指標個數，n為第i個1級指標對應的2級指標個數。

2.2 評價集的確定及對策

評價集是對評價目標評判結果的集合。本文將網絡輿情預警劃分為4個等級：藍色預警(一般嚴重、Ⅳ級)，黃色預警(比較嚴重、Ⅲ級)，橙色預警(相當嚴重、Ⅱ級)，紅色預警(特別嚴重、Ⅰ級)。于是評價集V={V1,V2,V3,V4}={特別嚴重，相當嚴重，比較嚴重，一般嚴重}。網絡輿情預警等級劃分及相應的對策見表1。

表1 網絡輿情預警等級及對策

2.3 指標權重的計算

層次分析法(analytic hierarchy process,AHP)是由美國匹茲堡大學T.L.Saaty教授于20世紀70年代提出的。該方法體現了人在決策過程中的基本特征，即分解、判斷與綜合，是一種將定性分析與定理分析相結合的系統分析方法[14-15]。

1) 比較判斷矩陣

判斷矩陣A表示各因素的相對重要性，一般采用“1～9”標度法。每一層指標以對應的上一層指標為基準，兩兩比較構造判斷矩陣。

(1)

求解判斷矩陣AW=λmaxW的特征根和特征向量，得到的特征向量W正規化后作為各指標的排序權重。

將判斷矩陣A的每一列進行歸一化，即

(2)

將歸一化后判斷矩陣的每一列按行相加，即

(3)

(4)

得到的W=(w1,w2,…,wm)即所求特征向量。計算判斷矩陣的最大特征根：

(5)

式中(AW)i表示向量AW的第i個元素。

2) 判斷矩陣的一致性檢驗

由于判斷矩陣不一定是一致陣，為了避免判斷結果發生矛盾，需要進行一致性檢驗。計算隨機一致性比率CR=CI/RI。其中，CI=(λmax-m)/(m-1)，RI為平均隨機一致性，其值可通過表2獲得。當CR<0.1時，認為判斷矩陣A的一致性可接受；否則，認為判斷矩陣不一致，需對判斷矩陣進行調整，直至滿足一致性檢驗要求。

表2 平均隨機一致性RI值

指標權重的計算流程如圖2所示。

圖2 指標權重的計算流程

2.4 模糊綜合評價

根據層次分析法的分析結果，2級預警評價模型為：

Qi=Wi*Ri

(6)

式中：Wi為層析分析法得到的2級模糊評判矩陣的權重向量;Ri為2級模糊評價矩陣;模糊算子(*，+)為加權平均法。該模型不僅能夠反映評價對象的全貌，而且能夠保留單個因素的評價信息。

1級預警評價模型為：

Q=W*R

(7)

式中：R為二級模糊評價矩陣Qi;W為一級模糊評判矩陣的權重。

最后，對照構建的網絡輿情預警評價集，采用最大隸屬度原則確定輿情事件預警等級。

3 案例分析

以2017—2018年發生的網絡輿情熱點事件為研究對象，選取長春長生假疫苗事件、紅黃藍幼兒園事件、蘇享茂自殺事件為案例。限于篇幅，本文以長春長生假疫苗事件為例具體分析，運用模糊綜合評價法對該輿情事件預警等級進行分析。

3.1 計算預警指標權重

采用“1～9”標度法對1級指標因素集構造判斷矩陣如下：

(8)

計算得到權重向量和最大特征根分別為：W=(0.14,0.62,0.24)，λmax=3.02，一致性比率CR=0.02<0.1，因此判斷矩陣A具有滿意的一致性。同樣，得到2級指標因素集的權重分別為：W1=(0.25,0.75)，W2=(0.47,0.16,0.28,0.09)，W3=(0.67,0.33)。

采取網上問卷調查的形式，隨機對450名網友發放問卷，對問卷采用李克特量表進行篩選，最終選取其中的400份有效問卷，結果見表3。

表3 長春長生假疫苗事件問卷調查結果

由表3可以得到2級模糊評價矩陣為：

3.2 輿情指標綜合評價

由2級評價預警模型，計算2級模糊評價矩陣在2級指標上的評價矩陣：

Q1=W1*R1=(0.43,0.20,0.19,0.18)

Q2=W2*R2=(0.78,0.10,0.07,0.05)

Q3=W3*R3=(0.64,0.20,0.12,0.04)

由模糊層次分析的運算規則，下一層級的評價結果可作為上一層評價的交換矩陣，即：

由式(7)可以得出該網絡輿情事件的綜合評價結果為：

Q=W*R=(0.70,0.13,0.10,0.07)

3.3 輿情預警等級評價及對策

從模糊綜合評價結果可以看出，長春長生假疫苗事件的輿情等級隸屬于(特別嚴重，相當嚴重，比較嚴重，一般嚴重)的隸屬度分別為(0.70，0.13，0.10，0.07)。因此，該輿情事件的預警等級為Ⅰ級(特別嚴重)，需相關部門進行輿情危機管理。

類似地，采用相同方法對紅黃藍幼兒園事件、蘇享茂自殺事件進行評估，得到評價結果如表4所示。

表4 3個事件輿情評價結果

4 結束語

本文針對網絡輿情突發事件危機預警的需要，構建了網絡輿情預警指標體系，提出了一種基于模糊綜合評價的網絡輿情預警方法。基于網絡輿情事件的點擊數、轉發數等微觀統計指標建立的預警模型在實際工作中時效性差。本文從輿情本體、輿情主體、輿情客體的角度構建了適用于網絡輿情突發事件快速預警的指標體系，能夠抓住網絡輿情事件的主要特征。

模糊綜合評價法能夠將專家知識和網民意向有效結合起來，綜合評價輿情突發事件危險等級，融合更多的評估信息，能最大程度保證評價結果的可信度。

以長春長生假疫苗事件、紅黃藍幼兒園事件和蘇享茂自殺事件為案例，運用模糊綜合評價法進行危機評估，結果表明：其預警等級分別為Ⅰ級(特別嚴重)、Ⅰ級(特別嚴重)和Ⅲ級(比較嚴重)，與實際情況相符，驗證了本文所提方法的有效性。