王高飛+李明
〔摘要〕移動社交網(wǎng)絡(luò)的興起與發(fā)展促使網(wǎng)絡(luò)輿情在極短的時間內(nèi)迅速產(chǎn)生與演化。為科學(xué)有效地對移動社交網(wǎng)絡(luò)輿情進(jìn)行引導(dǎo)和控制,在詳細(xì)分析移動社交網(wǎng)絡(luò)輿情自身特點(diǎn)與影響因素的基礎(chǔ)上,將層次分析法與模糊綜合分析法相結(jié)合,構(gòu)建基于AHP-模糊綜合分析的移動社交網(wǎng)絡(luò)輿情預(yù)警模型。并以“8.12天津港爆炸事故”進(jìn)行實(shí)證分析,最終得出該事件的預(yù)警等級為“特別嚴(yán)重,Ⅰ級”,這與專家對該事件預(yù)警等級的定性相吻合,從而較好說明了該模型的有效性和準(zhǔn)確性。
〔關(guān)鍵詞〕移動社交;網(wǎng)絡(luò)輿情;模糊綜合分析;層次分析法;指標(biāo)體系;預(yù)警模型
DOI:10.3969/j.issn.1008-0821.2017.01.008
〔中圖分類號〕G206.2〔文獻(xiàn)標(biāo)識碼〕A〔文章編號〕1008-0821(2017)01-0041-04
〔Abstract〕The rise and development of mobile social network made the network public opinion can quickly generate and evolve in a very short period of time.In order to guide and control mobile social network public opinion scientifically and effectively,the paper analyzed the characteristics and influencing factors of mobile social network public opinion detailedly,and combined the analytical hierarchy process(AHP)with fuzzy comprehensive analysis method.Then it constructed the mobile social network public opinion early-warning model that based on AHP fuzzy comprehensive analysis,and used“8.12 Tianjin Harbor Explosion Accident”for empirical analysis,finally came to the conclusion that the events of the warning level for particularly serious,class I”,the results and expert the forewarning grade of the event qualitative were consistent,so as to better illustrate the validity and accuracy of the model.
〔Key words〕mobile social interaction;online public opinion;fuzzy comprehensive analysis;AHP;index system;early warning model
互聯(lián)網(wǎng)的迅速發(fā)展使各種社交網(wǎng)絡(luò)平臺相繼興起,尤其是移動終端的廣泛使用使越來越多的人喜歡通過移動社交網(wǎng)絡(luò)平臺傳遞信息、發(fā)表言論。據(jù)2015年12月1日國際電信聯(lián)盟(ITU)發(fā)布的年度互聯(lián)網(wǎng)調(diào)查報告顯示,截至2015年12月全球手機(jī)用戶數(shù)已達(dá)71億,而移動社交用戶數(shù)量已超過20億[1]。移動社交網(wǎng)絡(luò)本身具有的移動性、開放性、虛擬性、匿名性等一系列特點(diǎn)一方面使信息的發(fā)布與傳播更為方便快捷;另一方面也使許多失真信息與網(wǎng)絡(luò)謠言在移動社交網(wǎng)絡(luò)中肆意傳播,移動社交網(wǎng)絡(luò)輿情隨之產(chǎn)生。由于移動社交網(wǎng)絡(luò)平臺用戶量大、活躍度高,它能在短時間內(nèi)促使輿情事件迅速演化,因此它對于社會的和諧與穩(wěn)定、政府的權(quán)威度與公信力都產(chǎn)生很大影響。移動社交網(wǎng)絡(luò)輿情已引起了國內(nèi)外專家學(xué)者的高度關(guān)注。M.Y.Cha等通過對社交網(wǎng)站Flickr中的輿情傳播規(guī)律進(jìn)行研究,揭示好友關(guān)系對輿情擴(kuò)散所起的作用[2]。Saki.Knafo論證了Twitter在美國總統(tǒng)大選中所起到的重要作用[3];Takehara等在對社交網(wǎng)絡(luò)輿情傳播特點(diǎn)研究的基礎(chǔ)上,為廣告投放設(shè)計(jì)出一種移動社交推薦系統(tǒng)[4];Naohiro Matsumura在對日本社交網(wǎng)絡(luò)進(jìn)行深入分析的基礎(chǔ)上提出了“影響力擴(kuò)散模型”[5];Ting.I.H等利用社交平臺分析用戶的相關(guān)信息,提出了社會網(wǎng)絡(luò)推送模式[6]。在國內(nèi),蘭月新通過構(gòu)建微分方程模型來對微博輿情的擴(kuò)散與演化規(guī)律進(jìn)行了深入研究[7]。王玉珠對微信輿情的生成、特征、輿情效能進(jìn)行研究,提出微信是推進(jìn)輿情演進(jìn)發(fā)展的雙刃劍,應(yīng)當(dāng)引起重視[8];郭勇陳等探討了意見領(lǐng)袖在網(wǎng)絡(luò)論壇環(huán)境中的作用與影響,并給出相關(guān)管理建議[9];夏雨禾對微博中輿情的生成要素、模式等進(jìn)行分析,提出微博輿情的引導(dǎo)建議[10];肖凝希對輿情的生命周期進(jìn)行深入分析,提出了社交網(wǎng)絡(luò)輿情的預(yù)警對策[11]。
總的來說,現(xiàn)階段移動社交網(wǎng)絡(luò)輿情的相關(guān)研究數(shù)量偏少,且現(xiàn)有研究大多從定性的角度對社交網(wǎng)絡(luò)輿情進(jìn)行研究,而鮮有從細(xì)粒度上針對移動社交網(wǎng)絡(luò)輿情進(jìn)行相關(guān)因素分析及等級劃分的定量研究。為了豐富以上研究,本文在詳細(xì)分析移動社交網(wǎng)絡(luò)自身特點(diǎn)與影響因素的基礎(chǔ)上,建立了移動社交網(wǎng)絡(luò)輿情指標(biāo)體系,并運(yùn)用層次分析法與模糊綜合分析法構(gòu)建了移動社交網(wǎng)絡(luò)輿情預(yù)警模型。最后結(jié)合實(shí)例驗(yàn)證該模型的可行性和有效性,以期為政府部門科學(xué)有效地控制和引導(dǎo)移動社交網(wǎng)絡(luò)輿情提供借鑒和參考。
1移動社交網(wǎng)絡(luò)輿情概述
移動社交網(wǎng)絡(luò)是用戶在真實(shí)的人際交往中通過各種媒介特別是通過移動終端借助移動社交網(wǎng)絡(luò)平臺建立的一種虛擬化的人際關(guān)系網(wǎng)(如圖1)。在此基礎(chǔ)上,并借鑒相關(guān)專家學(xué)者對網(wǎng)絡(luò)輿情的定義,筆者認(rèn)為移動社交網(wǎng)絡(luò)輿情是指通過移動社交網(wǎng)絡(luò)自由表達(dá)和傳播的各種情緒、態(tài)度和意見交錯的綜合。
近些年網(wǎng)絡(luò)輿情事件頻發(fā),而移動社交網(wǎng)絡(luò)平臺則成為引領(lǐng)輿情發(fā)展的主要陣地。從2015年“東方之星”長江沉船事件、天津?yàn)I海新區(qū)爆炸事件、成都男子逼停暴打女司機(jī)事件,到2016年上半年哈爾濱“天價魚”事件、“人機(jī)大戰(zhàn)”事件、山東假疫苗事件等等,微信、微博、論壇等各種移動社交網(wǎng)站所發(fā)布的網(wǎng)絡(luò)信息已經(jīng)成為推動網(wǎng)絡(luò)輿情發(fā)展的主要力量。這主要是由移動社交網(wǎng)絡(luò)3個特點(diǎn)決定的:
1.1移動社交網(wǎng)絡(luò)輿情具有隨機(jī)性特點(diǎn)
移動社交網(wǎng)絡(luò)輿情的隨機(jī)性包括網(wǎng)絡(luò)信息發(fā)布的隨機(jī)性與信息發(fā)布者的隨機(jī)性。網(wǎng)絡(luò)信息發(fā)布的隨機(jī)性是指移動社交網(wǎng)絡(luò)用戶能夠隨時隨地表達(dá)自己的情感,發(fā)表或轉(zhuǎn)發(fā)各種各樣的信息言論,而其中有些信息可能是失真的甚至是網(wǎng)絡(luò)謠言。信息發(fā)布者的隨機(jī)性指處于“全民麥克風(fēng)”時代,只要是移動社交網(wǎng)絡(luò)用戶都可以在社交網(wǎng)絡(luò)平臺上發(fā)布信息,這使得網(wǎng)絡(luò)信息的發(fā)布者具有較大偶然性。
1.2移動社交網(wǎng)絡(luò)輿情呈現(xiàn)出碎片化特點(diǎn)
各種移動社交網(wǎng)絡(luò)平臺,如微信、微博等,其發(fā)布信息都具有短、平、快的特點(diǎn),大多用戶都通過簡短的言語、圖片、語音等形式將所聞所感表達(dá)出來。以新浪微博為例,用戶發(fā)布的每條信息被限定在140字以內(nèi),這與傳統(tǒng)的博客不同,真正體現(xiàn)了其“微”的特點(diǎn),這正滿足了人們生活節(jié)奏加快、并急于與人及時分享生活狀態(tài)的需求。
1.3移動社交網(wǎng)絡(luò)輿情具有聚眾傳播特點(diǎn)
隨著移動互聯(lián)網(wǎng)的不斷發(fā)展與社交網(wǎng)絡(luò)平臺的不斷壯大,移動社交網(wǎng)絡(luò)輿情的傳播越來越呈現(xiàn)出聚眾傳播的特點(diǎn)?!熬郾妭鞑ァ敝柑幱谏缃痪W(wǎng)絡(luò)中的人們通過各種網(wǎng)絡(luò)平臺,以取得某種認(rèn)同為目的得一種群體性傳播形式。聚眾傳播融合了多種傳播方式與途徑,既包括信息的聚合也包括具有相同觀點(diǎn)人群的聚合。
2移動社交網(wǎng)絡(luò)輿情預(yù)警模型構(gòu)建
模糊綜合評價法是模糊數(shù)學(xué)范疇內(nèi)對于某事物給出綜合評價分析的一種有效的分析方法。該方法主要包含:①確定因素集;②確定指標(biāo)權(quán)重;③確定評價集;④進(jìn)行綜合評判等步驟。層次分析法(AHP)是基于把要分析的較為復(fù)雜的問題看成一個整體的系統(tǒng),通過對系統(tǒng)內(nèi)的多個因素的逐層分析,對于相關(guān)的因素咨詢有關(guān)專家并由專家給定相應(yīng)的權(quán)值,進(jìn)而建立相關(guān)模型。本文將兩者進(jìn)行有機(jī)結(jié)合構(gòu)建移動社交網(wǎng)絡(luò)輿情預(yù)警模型,力圖在已有網(wǎng)絡(luò)輿情預(yù)警研究的基礎(chǔ)上,設(shè)計(jì)移動社交網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系,運(yùn)用“AHP-模糊綜合評價”方法對移動社交網(wǎng)絡(luò)輿情影響因素進(jìn)行模糊綜合評判并對輿情預(yù)警等級進(jìn)行劃分,進(jìn)而實(shí)現(xiàn)預(yù)警目的。
2.1移動社交網(wǎng)絡(luò)輿情指標(biāo)體系構(gòu)建
通過對現(xiàn)有輿情指標(biāo)體系相關(guān)文獻(xiàn)[12-16]的分析,結(jié)合移動社交網(wǎng)絡(luò)的主要特點(diǎn),本文構(gòu)建了移動社交網(wǎng)絡(luò)輿情二級指標(biāo)體系,以輿情主題信息、輿情發(fā)布者、輿情參與者和輿情擴(kuò)散度為一級指標(biāo),建立如圖2所示的移動社交網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系。從圖中可以看出,該指標(biāo)體系包含一級指標(biāo)4個,二級指標(biāo)13個。其中一級指標(biāo)包括輿情主題信息、輿情發(fā)布者、輿情參與者與輿情擴(kuò)散度。輿情主題信息包括同類主題發(fā)布總數(shù)、主題敏感度、主題轉(zhuǎn)發(fā)評論次數(shù)3個二級指標(biāo);輿情發(fā)布者包括輿情所在社交網(wǎng)站、發(fā)布者粉絲數(shù)量2個二級指標(biāo);輿情參與者包含參與者所在社交網(wǎng)站、參與者粉絲數(shù)量、事件正面回復(fù)數(shù)及事件負(fù)面回復(fù)數(shù)4個二級指標(biāo);輿情擴(kuò)散度包括社交網(wǎng)站權(quán)威度、社交網(wǎng)站分布度、輿情議論熱度和輿情傳播速度5個二級指標(biāo)。
2.2因素集的確定
確定研究目標(biāo)的因素集是建立綜合評價體系時首先要考慮的。在確定移動社交網(wǎng)絡(luò)輿情的因素集時,主要考慮影響移動社交網(wǎng)絡(luò)輿情的一些關(guān)鍵指標(biāo),對關(guān)鍵指標(biāo)體系進(jìn)行劃分,即U={U1,U2,…,Un}本文根據(jù)移動社交網(wǎng)絡(luò)輿情的自身特點(diǎn)及建立的移動社交網(wǎng)絡(luò)輿情預(yù)警指標(biāo)將基本因素集U大致劃分成4個子集,對于評價因素Ui={Ui1,Ui2,…,Uik},將其分為由13個具體因素形成的評價因素集合。
2.3評價集的確定
評判集指的是評判目標(biāo)的評判結(jié)果集合。在建立評價集V={v1,v2,v3,…,vm}時,本文綜合我國自然災(zāi)害預(yù)警等級劃分標(biāo)準(zhǔn)與相關(guān)專家學(xué)者意見,將移動社交網(wǎng)絡(luò)輿情預(yù)警分為4個等級:藍(lán)色預(yù)警(輕微嚴(yán)重,Ⅳ級)、黃色預(yù)警(比較嚴(yán)重,Ⅲ級)、橙色預(yù)警(嚴(yán)重,Ⅱ級)和紅色預(yù)警(特別嚴(yán)重,Ⅰ級),也就是取m=4對移動社交網(wǎng)絡(luò)輿情預(yù)警等級進(jìn)行評價,則評價確立的等級集合為V={v1,v2,v3,v4}={輕微嚴(yán)重,比較嚴(yán)重,相當(dāng)嚴(yán)重,特別嚴(yán)重}。
2.4指標(biāo)權(quán)重的計(jì)算
運(yùn)用層次分析法(AHP)確定影響移動社交網(wǎng)絡(luò)輿情的各因素的權(quán)重。在分析移動社交網(wǎng)絡(luò)輿情影響因素過程中,由于各因素的重要程度有所差別,因此要賦予各因素以不同的權(quán)重,我們可以運(yùn)用層次分析法(AHP)來對移動社交網(wǎng)絡(luò)輿情影響因素的重要度進(jìn)行排序。首先將各影響因素按主次與隸屬關(guān)系分組形成遞階層次結(jié)構(gòu),在通過有關(guān)專家對同一層次移動社交網(wǎng)絡(luò)輿情影響因素重要性進(jìn)行兩兩比較并評分進(jìn)而建立判斷矩陣,然后計(jì)算判斷矩陣的最大特征值和對應(yīng)的特征向量,以特征向量各分量表示該層次相應(yīng)影響因素的重要性權(quán)重。例如,要確定“輿情主題信息U1”的各影響子因素重要性權(quán)值A(chǔ)1=(a11,a12,…,a1n)可以計(jì)算滿足:AW=λmaxW的特征根與特征向量。特征根和特征向量可以用和積法來近似求解,具體步驟為:
由結(jié)果可以看出,調(diào)查中網(wǎng)友對該事件的評論隸屬于(一般嚴(yán)重、比較嚴(yán)重、嚴(yán)重、特別嚴(yán)重)的隸屬度分別為:(0.076,0.163,0.347,0.414),其中隸屬度為“特別嚴(yán)重”的隸屬度最大,為0.414,因此得出對于該事件的預(yù)警等級為“特別嚴(yán)重,Ⅰ級”即“紅色預(yù)警”。這與事件發(fā)生后專家對該事件的定性結(jié)論相一致。
4結(jié)論
移動互聯(lián)網(wǎng)時代,各種實(shí)時社交工具如微信、微博、QQ等儼然成為人們發(fā)表言論、信息交流的主要陣地,隨之而來的是移動社交網(wǎng)絡(luò)輿情的迅速產(chǎn)生與演化。因此如何科學(xué)地進(jìn)行輿情預(yù)警,進(jìn)而有效地控制和引導(dǎo)移動社交網(wǎng)絡(luò)輿情則顯得尤為重要。本文在融合層次分析法與模糊綜合分析法的基礎(chǔ)上構(gòu)建了基于AHP-模糊綜合分析法的移動社交網(wǎng)絡(luò)輿情預(yù)警模型,并以“8.12天津?yàn)I海新區(qū)爆炸事故”進(jìn)行實(shí)證分析,得到了較好的預(yù)警效果。
參考文獻(xiàn)
[1]國際電信聯(lián)盟(ITU)《衡量信息社會報告(2015)》解讀[EB/OL].http:∥qw.gzzxxw.com/15/12/2/c1/57657.shtml,2016-05-25.
[2]M.Y.Cha,A.Mislove,and K.P.Gummadi.A measurement-driven analysis of information propagation in the flickr social network[C].in Proceedings of the 18th international conference on World Wide Web,WWW09,2009:721-730.
[3]Saki Knafo.NDAA Trends On Twitter During The Debate[N].The Huffington Post,2012-10-23,(9).
[4]Takehara T,Miki S,Nitta N.Extracting Context Information from Microblog Based on Analysis of Online Reviews[C].Multimedia and Expo Workshops(ICMEW),2012 IEEE International Conference on.IEEE,2012:248-253.
[5]Naohiro Matsumura.Collaborative Communication Strategies in Online Community[R].The Fourth International Workshop on Social Intelligence Design,Stanford:Stanford University,2005:23-27.
[6]Ting I H,Chang P S,Wang S L.Understanding Microblog Users for Social Recommendation Based on Social Networks Analysis[J].The Journal of Universal Computer Science,2012,18(4):554-576.
[7]蘭月新.突發(fā)事件微博輿情擴(kuò)散規(guī)律模型研究[J].情報科學(xué),2013,31(3):31-34.
[8]王玉珠.微信輿論場:生成、特征及輿情效能[J].情報雜志,2014,33(7):146-150.
[9]郭勇陳,沈洋,馬靜.基于意見領(lǐng)袖的網(wǎng)絡(luò)論壇輿情演化多主體仿真研究[J].情報雜志,2015,34(2):13-21.
[10]夏雨禾.突發(fā)事件中的微博輿論:基于新浪微博的實(shí)證研究[J].新聞與傳播研究,2011(5):43-51,110-111.
[11]肖凝希.淺談輿論生命周期視角下的微博輿論預(yù)警[J].科技創(chuàng)新導(dǎo)報,2013,(15):229-229.
[12]李文杰,化存才,何偉全,等.網(wǎng)絡(luò)輿情信息的綜合評價指標(biāo)體系構(gòu)建與模糊評判模型[J].情報科學(xué),2015,33(9):93-99.
[13]孫玲芳,翟鵬博.基于可變模糊集理論的輿情指標(biāo)預(yù)警模型研究[J].計(jì)算機(jī)與數(shù)字工程,2014,42(2):267-271.
[14]丁菊玲,勒中堅(jiān),薛圈圈.定量網(wǎng)絡(luò)輿情危機(jī)預(yù)警模型構(gòu)建[J].圖書情報工作,2011,55(20):59-63.
[15]曾潤喜,杜換霞,王君澤.網(wǎng)絡(luò)輿情指標(biāo)體系的方法與模型比較研究[J].情報雜志,2014,33(4):96-101.
[16]聶峰英,張.移動社交網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系構(gòu)建[J].情報理論與實(shí)踐,2015,38(12):64-67.
(本文責(zé)任編輯:孫國雷)