信息生態視域下網絡輿情預警、溯源及治理策略研究

張少芳?李獻軍?劉延鋒

摘要：作為網絡安全的重要組成部分，及時發現并合理處置網絡輿情、化解網絡輿情帶來的風險對維護網絡空間安全、保障社會和諧穩定發展等具有重要意義。從網絡輿情的演化機理出發，通過構建網絡輿情預警和溯源機制，能夠對網絡輿情風險進行早期識別和預測并鎖定輿情主體，幫助監管部門快速對網絡輿情事件作出響應，而相應的治理策略可以為監管部門有效進行網絡輿情治理提供一定的參考。

關鍵詞：網絡輿情；演化機理；預警；溯源；治理策略

引言

隨著互聯網技術的飛速發展和基于互聯網的各種應用、服務的不斷完善，我國網民數量在近幾年一直保持著高速增長，截至2022年12月，我國網民的數量已達到10.67億，互聯網的普及率為75.6%[1]。網絡虛擬空間的開放性、匿名性、低約束性及其泛在化的特性使公眾隨時可以關注到社會熱點問題并通過評論、轉發等方式參與其中，極大地提升了信息傳播的速度和廣度。但在信息不對稱、盲目從眾、惡意情緒引導等諸多因素的影響下，網絡信息的傳播極易出現失控現象，引發網民負面能量的宣泄，導致網絡輿情的發生，嚴重傷害政府的形象和公信力[2]。因此，作為維護網絡安全的重要一環，如何及時地發現并合理處置網絡輿情以確保網絡輿情安全，推動網絡輿情信息生態系統健康發展關系到社會的穩定和諧發展。

一、網絡輿情的演化機理

網絡輿情是指以互聯網為載體傳播的輿情，是網民對于自身關切的社會現象、熱點事件等所表達的認知、態度、情感、傾向性等的總和[3]。與傳統的社會輿情相比，網絡輿情的行為主體即參與網民不受地理空間限制，因此其覆蓋范圍更廣、傳播速度也更快，隨之而來的是管控難度自然也更大。

在信息生態視域下，對網絡輿情演化產生影響的主要有三大要素，分別為信息人、信息以及信息環境[4]。其中主體要素為信息人，包括政府、媒體、網民，網民具體還可分類為普通網民、意見領袖等，信息人在網絡中進行信息的發布、傳播、評論等，推動信息的擴散，引導信息帶來的輿論走向。信息作為客體要素，是各類信息人針對某些熱點事件等在網絡上發表的各種言論、看法等的集合，可以通過文字、圖片、視頻等各種不同的方式進行表達，信息是對當前網絡輿情現實情況的客觀反映。信息環境是指網絡輿情演化環境，包括國家針對網絡信息安全相關的法律法規、網絡技術及硬件設施、信息倫理以及信息供需適配度等內容，信息環境會在多個方面對輿情的演化施加影響。網絡輿情的演化過程實際上就是各要素之間協同并相互影響的過程。

從網絡輿情演化的內在邏輯上來看，其產生的原因一般都是主體要素為了表達一定的訴求或獲取一定的利益。即有些網民或媒體出于諸如吸引粉絲、博取關注或滿足某種不合理訴求等原因在網絡上發布經過惡意剪輯、重構并帶有明顯個人感情色彩的信息，以誘導網民產生共鳴，并對信息進行評論、轉發等，從而形成集體行為。隨著參與網民的數量不斷增加，在信息不對稱、利益相關方的推動下，真相往往會被淹沒，事件不斷地被扭曲，而在網民整體科學文化素養不高的情況下，其盲目的從眾心理、法不責眾心理極易被利用，激化其網絡情緒，導致網絡不實信息暴風式的傳播，引發大量網民負面情緒的宣泄，形成網絡輿情。

二、網絡輿情的預警機制

網絡輿情預警的目的是根據網絡輿情的演化特征，在其產生的萌芽階段就能夠對其進行識別并預測到以后有可能會產生的風險[5]。而為識別并預測風險，需要建立網絡輿情預警模型，基于模型對大量的網絡輿情數據進行分析，以找出其中對網絡輿情發展各階段起到關鍵影響的各種因素，構建出科學的網絡輿情預警體系。

從整體來看，網絡輿情預警的基本工作流程如下：

首先，從網絡輿情的特征出發多維度構建網絡輿情風險評價指標體系，具體包含但不限于基于發布者、參與者等特征的主體維度指標，基于發帖、評論數量等特征的內容維度指標，基于閱讀量、點贊量以及傳播速度等特征的傳播維度指標，基于話題敏感度、關注度等特征的主題維度指標，基于政府、官媒等主體響應速度、引導手段以及控制能力等特征的響應維度指標等，并基于風險評價指標體系構建形成網絡輿情預警模型。在網絡輿情預警模型構建完成后，結合網絡輿情的傳播演化規律和發展態勢變化，對搜集獲取到的輿情數據進行分析處理，包括對其進行數據清洗以及數據的抽取、提取相關數據特征等，然后將其帶入預警模型，并通過計算其風險值，對應給出相應的網絡輿情預警的等級進行預警。

從上述的工作流程中來看，科學的評價指標體系構建是網絡輿情預警模型高準確度預警的基礎。而由于網絡輿情的類型多樣、復雜程度高等原因，不同的專家學者從不同的維度構建評價指標，分別形成適用于針對不同類型網絡輿情進行預警的模型。例如楊柳等結合網絡輿情演化的特點及其規律，構建了包括輿情熱度、輿情強度和輿情變化度等3個一級指標以及主題聚焦度、影響度、輿論變化傾度等10個二級指標的兩級預警指標體系[6]；王華等則結合突發熱點事件的特征構建了包括輿情量度、聚焦度和強度等3個一級指標以及搜索指數、媒體指數、話題閱讀趨勢等6個二級指標的兩級預警指標體系[7]。而無論是哪一種指標體系，其指標均可以被分類為定量指標和定性指標兩種，其中定量指標一般可以通過網絡爬蟲等直接獲取數據，而定性指標傳統上則往往需要由專家打分來對該指標進行賦權[8]。專家打分的方式出發點是認為專家的經驗足以支持指標賦權的科學性和準確性，且實現起來比較簡單，但任何人為評判均難以避免其主觀性和片面性，因此近幾年在專家打分預警方法的基礎上，基于機器學習算法、基于傳播過程以及基于情感分析等的預警方法也不斷地出現并得到應用。其中基于機器學習算法的預警通過遺傳算法、灰色關聯分析及支持向量機算法等來實現輿情風險的識別和預警[9]，有效避免了專家賦權的方式，但其比較依賴于大量的已知輿情相關數據的支持，時效性相對較弱；基于傳播過程的預警是通過對輿情傳播和發展的過程進行分析，構建以輿情演化各階段特征為主體的預警模型，通過分析當前輿情的實時特征，對其未來演化和發展的趨勢進行預測，從而達到對輿情進行預警的目的[10]；基于情感分析的預警則是通過對熱點事件的評論內容進行情感傾向性的分析，通過其正面或負面評論的比例和數量等分析預測輿情的發展趨勢及可能存在的輿情風險[11]，當然該方法預警結果的準確性與熱點事件評論的數量密切相關，只有評論數量足夠多，才能夠保障預警結果的準確。

輿情數據的搜集和獲取是預警模型高準確度預警的關鍵。網絡輿情預警模型分析的主體是輿情數據，因此，如何高效準確地獲取輿情數據顯得至關重要。輿情數據來源于諸如微博、抖音等網絡上的各大媒體平臺，數據量極其龐大且內容復雜，一般通過網絡爬蟲技術基于關鍵字等信息對數據進行抓取[12]，然后使用數據清洗技術剔除掉抓取到的數據中的重復數據和噪聲數據，并使用數據抽取技術從其中提取輿情相關特征。進一步可以使用分類技術以及基于無監督學習的文本聚類技術對輿情數據進行分類及新輿情相關話題的識別和追蹤[13]。清洗分類后的數據輸入到網絡輿情預警模型中，模型通過數據分析進行輿情風險的評估和預警。結合實際應用和政府相關制度，按照輿情的嚴重程度預警一般被分為4個等級，從低到高分別為藍色預警、黃色預警、橙色預警和紅色預警[14]。

三、網絡輿情的溯源

一旦出現網絡輿情，在進行輿情治理的過程中，通過信息溯源對輿情主體進行鎖定，對惡意制造輿論、導致輿情發生的主體依法進行處罰并公開，從而形成震懾效應，對約束媒體、網民的行為，凈化網絡空間有著非常重要的意義。因此，網絡輿情的溯源一直以來都是網絡輿情研究中的熱點方向，很多專家學者也提出了各種不同的溯源相關算法。例如，楊瀟等針對微博提出了一種基于用戶興趣的溯源算法，通過對博主、評論人和轉發人等的影響力以及關注度和時間的綜合計算進行溯源[15]；于凱等提出了一種基于多中心性分析的算法進行網絡輿情信息原點的追溯來提高溯源的準確率[16]。但大多數的溯源算法在實際的應用過程中，一旦輿情信息被人為地修改或刪除，必然帶來因為溯源信息的缺失導致無法準確溯源的問題。區塊鏈技術則可以較好地保障數據的防篡改和可溯源，為網絡輿情的高效準確溯源提供技術上的支持[17]。

基于區塊鏈技術的網絡輿情溯源架構通過區塊鏈技術構建輿情數據的共享中心，將輿情相關數據信息全部通過區塊鏈存儲。在需要時通過Merkle樹和分布式Hash表實現輿情信息的高效精準溯源，而且Hash算法的單向不可逆屬性可以有效保障數據的完整性：在區塊鏈中，輿情相關數據信息通過Hash算法計算后以散列值的方式存儲，而對同一數據的多次Hash計算其結果完全一致，因此可以將實際信息的散列結果與區塊鏈中的散列值進行比對，如果一致，則說明輿情信息數據完整，沒有被篡改，從而為準確溯源提供了數據保障。

四、網絡輿情的治理

在信息生態視域下，從網絡輿情演化的主體即信息人維度來看，網絡輿情的治理需要建立以政府為主導、媒體、網民共同參與的聯動機制。

政府作為管理者首先一方面要組織協調各方面的資源共同應對網絡輿情；另一方面政府應進一步加強輿情應對中的主動性，對監測到的輿情事件及時進行響應，對廣大網民關切的關鍵問題所涉及的可公開內容進行快速、全面、客觀地披露，有效避免因信息供需失衡導致的輿情激化[18]。其次，政府應建立相關宣傳教育機制，通過多種渠道對網民進行價值觀等的教育，提高網民對網絡事件的辨別能力。第三，政府要加大監管和問責力度，對惡意引導網絡輿論的媒體和網民一經發現嚴肅處理，形成震懾效應，從而降低網絡輿情的發生率。

從媒體維度來看，主流媒體要明確自己承擔的社會責任，在政府的領導下，針對網絡輿情要及時準確地向廣大網民傳遞正面的信息，對事件真相如實進行報道，疏導網民情緒，堅守媒體人的職業操守和道德底線。自媒體平臺也要強化責任意識，堅決避免將商業邏輯凌駕于職業道德和行業規范之上，對于存在發布和傳播謠言、惡意煽動情緒等行為的賬號要堅決封號，凈化網絡輿論環境[19]。

廣大網民則應利用政府提供的學習渠道，通過學習不斷提升自身的科學素養，提高對輿情信息的辨別能力，增強自我約束能力，避免被別有用心的網民或媒體誘導，合理合法地使用網絡表達自己的訴求，自覺維護風清氣正的網絡輿論環境。

結語

本文從信息生態視域下網絡輿情的生成邏輯和演化機理出發，基于網絡輿情演化特征通過網絡輿情預警機制對其進行實時預警，進一步通過鎖定輿情主體的溯源技術，把輿情治理從傳統的輿情爆發后治理拓展到對源頭的約束治理，最后給出了針對網絡輿情的治理策略，可以為監管部門有效進行網絡輿情治理提供參考。

參考文獻：

[1]第51次中國互聯網絡發展狀況統計報告[EB/OL].https：//cnnic.cn/n4/2023/0302/c199-10755.html，2023-03-02.

[2]孫欽瑩，任曉麗.基于雙重失衡環境的網絡輿情演化機理與治理策略研究[J].情報雜志，2023，42（04）：98-106.

[3]喬玲.新媒體時代網絡輿情給社會治理帶來的問題及對策分析[J].城市黨報研究，2022（12）：38-41.

[4]牟冬梅，邵琦，楊鑫禹，等.信息生態視域下突發公共事件網絡輿情運行方式研究[J].現代情報，2022，42（03）：22-30.

[5]迪路陽，鐘寒，施水才.網絡輿情預警研究綜述[J].數據分析與知識發現，網絡首發：2023-02-10.

[6]楊柳，羅文倩，鄧春林，等.基于灰色關聯分析的輿情分級與預警模型研究[J].情報科學，2020，38（08）：28-34.

[7]王華，羅玲，喬晶.網絡輿情突發熱點事件風險模糊綜合評價研究[J].情報理論與實踐，網絡首發：2023-07-07.

[8]楊小溪，鄭珊珊，晉兆雨，等.基于信息生態理論的網絡輿情預警評價指標體系研究[J].情報理論與實踐，2021，44（03）：143-148.

[9]黃星，劉樑.突發事件網絡輿情風險評價方法及應用[J].情報科學，2018，36（04）：3-9.

[10]孫蕾，孫紹榮.基于風險感知的重大工程網絡輿情傳播防控機制研究[J].工業工程與管理，2019，24（05）：161-169.

[11]劉英杰，黃微，李瑞.大數據網絡環境下輿情信息情感維度模型構建研究[J].情報理論與實踐，2016，39（04）：32-35.

[12]顏潔.大數據技術背景下輿情收集與監測分析[J].網絡安全技術與應用，2022（07）：154-155.

[13]張秀華，云紅艷，賀英，等.基于卷積神經網絡和K-means的中文新聞事件檢測與主題提取[J].科學技術與工程，2020，20（03）：1139-1144.

[14]武慧娟，張海濤，王盡暉，等.基于熵權法的網絡輿情預警模糊綜合評價模型研究[J].情報科學，2018，36（07）：58-61.

[15]楊瀟，陳秀真，馬進，等.基于用戶興趣的微博溯源算法[J].網絡與信息安全學報，2020，6（06）：164-173.

[16]于凱，白西柯，郭煜婕.基于多中心性分析的網絡輿情信息源點追溯研究[J].情報雜志，2022，41（03）：166-172.

[17]曾子明，江新林.突發公共衛生事件中基于區塊鏈的網絡輿情溯源體系研究[J].現代情報，2023，43（06）：149-157.

[18]旋馨月.融媒體時代下網絡輿情的風險化解及防范對策研究[J].今傳媒，2022，30（12）：41-44.

[19]楊洋洋.事件驅動、權威主導與公眾訴求：重大突發事件中網絡輿情觸發機制研究[J].情報資料工作，2023，44（01）：33-41.