基于大數據與微分動力學的高校網絡輿情傳播機制研究

■ 貴州理工學院 王喜賓 趙 歡 張 森 唐文勇

1 高校網絡輿情特征分析

1.1 高校網絡輿情的大數據特性

大學生對社會熱點和敏感事件關注度高，轉發速度快，評論度高，網絡成了他們無障礙轉發與評論的重要共享平臺，導致高校網絡輿情具有高突發性、半隱蔽性等特點，并在短時間內呈爆炸式增長，具有典型的大數據特征，為有效挖掘高校網絡輿情大數據中蘊含的有價值的規律提供良好機遇。

1.2 高校網絡輿情的周期性

高校網絡輿情事件與其他輿情事件非常類似，通常會經歷五個發展階段:潛伏期、發酵期、高潮期、衰退期和平淡期。輿情的潛伏期和發酵期是開展輿情防控的關鍵階段，能夠將其控制在萌芽狀態，因此研究輿情的產生與傳播機制對輿情監控非常有必要。

1.3 高校網絡輿情的傳播復雜性

輿情網絡屬于一種典型的復雜社會網絡，其傳播過程與傳染病的病毒傳播過程類似。將參與者抽象為復雜網絡的節點，參與者之間的關系抽象為節點之間的邊，就構造出了便于分析的網絡結構。基于復雜網絡構建的高校網絡輿情傳播模型，有助于發現其中的內在機制，挖掘輿情的產生和傳播規律。

2 基于數據挖掘與微分動力學的高校網絡輿情傳播機制研究

首先是輿情數據獲取，可以采用網絡爬蟲的方式獲取，也可以通過網絡媒體平臺存儲的本地或在線數據獲取；其次是輿情數據預處理，包括數據的清洗、變換、集成等，然后將處理好的、待分析的數據存放在本地或云端便于下一步分析；再次是輿情數據挖掘，主要分析輿情參與者的行為特征、輿情傳播路徑等；最后是結果可視化，將分析得到的結果以更加容易理解的方式呈現給管理人員。

分析高校熱點輿情數據時發現，大部分數據都是無標簽數據，非常不利于聚類精度的提升。為此，采用基于流形結構的半監督混合高斯聚類算法對熱門輿情事件進行分析，其目標函數為:

為了提高算法在處理大規模熱點事件聚類時的性能，設計基于MapReduce的分布式并行處理方法實現聚類算法的高性能計算，具體如圖1所示。

圖1 基于MapReduce的半監督聚類算法框架

通過半監督聚類算法得到熱點輿情事件后，進一步獲得對應的熱門話題，然后基于熱點話題研究熱點輿情傳播機制和路徑。考慮到輿情傳播特點，建立基于傳染病理論(微分動力學方法)的高校網絡輿情傳播模型。在輿情網絡中，將參與者看作節點，將聚類獲得的每個熱點話題劃分為不同區域，區域中的人群包括:易感染人群(S)—不知道輿情者、傳染人群(I)—傳播負面輿情者、潛伏人群(E)—知情者、免疫人群(R)—移除者，這些人群涉及學生、教師、輔導員、班主任、校領導等。假設所研究區域內的總人數為N個恒定不變，那么隨著熱點輿情事件的公布和傳播，參與者的狀態可能會發生遷移，引起傳播過程和網絡結構的變化，如圖2所示。其中，λ表示易感人群轉變成潛伏人群的概率；ω表示潛伏人群轉變成傳染人群的概率；γ表示傳染人群轉化為免疫人群的概率。從而可得SEIR病毒傳播模型的微分動力學方程，如式(2)所示。

圖2 傳統SEIR模型

其中，S(t)、E(t)、I(t)、R(t)分別表示t時刻 4 類人群的密度。

分析上述模型可以發現，傳統的SEIR模型不能準確反映網絡輿情的傳播規律，需要對其進行必要改造，引入其他狀態的人群，提出SEIR-ZF模型。提出的模型不僅考慮了輿情的兩種狀態(正面和負面)，以及兩種輿情在傳播過程中的相互影響與抑制作用，而且還要確保各類人群在轉化時的合理性。于是將潛伏人群(E)進一步細分為知道是負面輿情但不傳播的人群(F)和知道是正面輿情但不傳播人群(Z)。理論上，免疫人群(R)到傳染人群(I)轉化的概率相對較低，其轉化率為γ2；傳染人群(I)轉化為易感染人群(S)以及免疫人群(R)轉換為易感染人群(S)的情況也可能發生，其轉化率分別為b和p，從而得到改進后的SEIR-ZF模型，如圖3所示，以及對應的微分動力學方程如式(3)所示。

圖3 優化后的SEIR模型

其中，F(t)和Z(t)分別表示t時刻知道是負面輿情但不傳播的人群(F)與知道是正面輿情但不傳播人群(Z)的密度。

根據分析需要，采用AnyLogic University軟件對優化后的SEIR-ZF模型進行模擬仿真，并對其中的參數進行調優，以找出高校網絡輿情的傳播規律。通過前面分析，總結出基于數據挖掘技術和微分動力學模型的高校網絡輿情傳播機制分析思路:

第1步，對輿情大數據進行預處理，并采用基于分布式并行處理的半監督聚類分析算法獲得熱門話題；

第2步，針對某一熱門話題，建立SEIR-ZF傳播模型，分析輿情傳播機制；

第3步，采用傳播模型分析軟件對所建立的模型進行仿真；

第4步，對分析結果進行可視化展示與解釋；

第5步，對于其他熱門話題，重復第2步至第4步，最終獲得所有熱門話題的傳播路徑，并對比分析獲得其中的傳播規律。

3 高校網絡輿情引導策略

3.1 技術賦能管理，科學管理高校網絡輿情

對高校網絡輿情科學、合理的分析是建立科學、高效的高校網絡輿情應對策略的前提，并進而制定出科學的引導管理策略。通過收集與分析高校網絡輿情數據，可以隨時捕獲師生以及行政人員對學校規章制度與政策等執行效果的最直接反饋，并根據正面反饋不斷優化育人環境，為人才培養營造良好氛圍。因此，高校可以根據建立的輿情預測模型實現從被動應對到主動管理轉變，預判網絡輿情的發展態勢，提高應對效能，轉變教育引導方式。

3.2 提高技術防范，精準引導高校網絡輿情

高校作為培養新時代復合型人才的主戰場，不可避免地要應對網絡輿情。有效運用前面構建的高校輿情分析與預測模型，能夠提升網絡輿情管理的技術防范。在關鍵時期和敏感階段，深入研究與分析可能發生的事件或問題的趨勢，可以降低網絡輿情的發生率。在初期，提高輿情響應的速度和效率，把網絡輿情扼殺在搖籃中，降低其影響范圍和程度；在爆發期，利用輿情傳播與演化動力學預測模型對網絡輿情進行分析和研判，做好輿情反饋、危機干預。

3.3 探索思政教育新路徑，發揮高校網絡陣地的價值引領作用

首先，高校作為思想政治與意識形態教育的主陣地，需要掌握主動權，積極發揮馬克思主義意識形態在網絡陣地中的價值引領作用。其次，針對突發輿情事件及時分析其演化趨勢，做好通報和回應，牢牢把握網絡輿論的主導地位，發揮輿情管理的教育引導功能。以習近平新時代中國特色社會主義思想為引領，不斷探索和創新高校思想政治教育新路徑，大力弘揚社會主義主旋律，為高校踐行“三全育人”創造積極、正面的網絡輿論環境。