泛媒體環(huán)境下網(wǎng)絡(luò)輿情傳播優(yōu)化控制平臺(tái)的實(shí)現(xiàn)

，

隨著網(wǎng)絡(luò)與通信技術(shù)的飛速發(fā)展，信息傳播載體與主體多元化，傳播內(nèi)容多樣化、廣泛化、細(xì)微化，新舊媒體、各類(lèi)社群間的界限消融，已進(jìn)入了泛媒體時(shí)代。本文借鑒以往學(xué)者將傳染病模型引入網(wǎng)絡(luò)輿情傳播研究的做法[1-4]，以消息識(shí)別為基礎(chǔ)，區(qū)分采用SIQR及SIRS模型，引入“外輿論場(chǎng)”“用戶傳染力”等概念優(yōu)化免疫手段，優(yōu)化控制網(wǎng)絡(luò)輿情傳播，搭建了“導(dǎo)”“控”相結(jié)合的網(wǎng)絡(luò)輿情傳播優(yōu)化控制平臺(tái)，并利用Swarm軟件仿真分析，有效驗(yàn)證了該平臺(tái)效能。

1 網(wǎng)絡(luò)輿情傳播優(yōu)化控制平臺(tái)的構(gòu)建

利用wiki技術(shù)，搭建了一個(gè)面向所有人，共同參與、共同編輯，以消息識(shí)別結(jié)果為基礎(chǔ)區(qū)分調(diào)用帶連續(xù)接種SIQR模型與SIRS模型的“導(dǎo)”“控”結(jié)合的優(yōu)化控制平臺(tái)。該平臺(tái)由消息識(shí)別器和網(wǎng)絡(luò)輿情控制系統(tǒng)2部分組成，整體框架結(jié)構(gòu)如圖1所示。

圖1 網(wǎng)絡(luò)輿情傳播優(yōu)化控制平臺(tái)結(jié)構(gòu)

1.1 消息判別器

1.1.1 消息真?zhèn)闻袆e

以《泛媒體環(huán)境下網(wǎng)絡(luò)輿情傳播控制的優(yōu)化研究》中提出的信息真?zhèn)闻袆e指標(biāo)項(xiàng)及其質(zhì)疑指數(shù)為基礎(chǔ)[5]，以“機(jī)器遍歷+人工判別”方式判別輿論傳播過(guò)程中初始消息及衍生消息的真?zhèn)巍?/p>

1.1.1.1 機(jī)器遍歷方式

首先對(duì)消息文本預(yù)處理，以正則表達(dá)式+HTMLParser抽取信息，結(jié)合JE分詞系統(tǒng)，獲取良結(jié)構(gòu)化的消息內(nèi)容特征與主題。然后將良結(jié)構(gòu)化的消息內(nèi)容與話題數(shù)據(jù)庫(kù)中的話題信息內(nèi)容表及話題信息來(lái)源表以機(jī)器遍歷方式檢索對(duì)比，獲取各指標(biāo)項(xiàng)質(zhì)疑值。若是已有話題，則依據(jù)表內(nèi)字段判斷該消息的內(nèi)容常識(shí)性、發(fā)布偶然性、來(lái)源真實(shí)性及權(quán)威性；若是新話題，則以該消息為特定主題，從微博、知乎、網(wǎng)易等主要網(wǎng)絡(luò)輿論平臺(tái)進(jìn)行信息抓取、處理、識(shí)別與分析，將其存入話題庫(kù)對(duì)應(yīng)表內(nèi)，再進(jìn)行上述已有話題的檢索判別步驟，完成判別。

1.1.1.2 人工方式

由所有具備人工審核權(quán)限的信息審核員，結(jié)合傳統(tǒng)媒體信息，對(duì)消息內(nèi)容的來(lái)源準(zhǔn)確性、信息內(nèi)容的專(zhuān)業(yè)性、信息發(fā)布的利益相關(guān)性逐一判別。各指標(biāo)項(xiàng)的所有信息審核員判定分值均低于其對(duì)應(yīng)質(zhì)疑指數(shù)時(shí)，才判定該指標(biāo)項(xiàng)質(zhì)疑值低于其質(zhì)疑指數(shù)。

最終，綜合上述7項(xiàng)指標(biāo)的質(zhì)疑值，當(dāng)其均低于對(duì)應(yīng)指標(biāo)項(xiàng)的質(zhì)疑指數(shù)時(shí)，該消息判別為 “真”，否則判別為“假”。

1.1.2 信息文本情感識(shí)別

本文從評(píng)價(jià)對(duì)象入手，細(xì)分信息文本為N個(gè)評(píng)價(jià)單元，每個(gè)評(píng)價(jià)單元均由評(píng)價(jià)對(duì)象、評(píng)價(jià)詞、否定副詞、程度副詞、文本句型5個(gè)元素組成，通過(guò)累計(jì)相加各評(píng)價(jià)單元情感極值得到信息文本的最終情感值。若信息文本情感值>0，則認(rèn)為信息情感傾向?yàn)椤罢?；若信息文本情感?0，則認(rèn)為信息情感傾向?yàn)椤柏?fù)”；若信息文本情感值=0，則認(rèn)為信息情感傾向?yàn)椤爸行浴薄Ｆ渲杏腥缦?個(gè)關(guān)鍵點(diǎn)。

一是評(píng)價(jià)對(duì)象、評(píng)價(jià)詞與評(píng)價(jià)單元的抽取。評(píng)價(jià)對(duì)象與評(píng)價(jià)詞的抽取均采用“有監(jiān)督&無(wú)監(jiān)督”的半自動(dòng)方法。首先以無(wú)監(jiān)督的Apriori 算法結(jié)合CRFs 模型，抽取部分評(píng)價(jià)對(duì)象，并結(jié)合有監(jiān)督的人工方式抽取的評(píng)價(jià)對(duì)象，獲取評(píng)價(jià)對(duì)象集合；然后一方面以基于Apriori 算法的半監(jiān)督迭代方法抽取具有明顯情感傾向的頻繁項(xiàng)為評(píng)價(jià)詞，一方面以人工方式抽取本身無(wú)明顯情感但結(jié)合位置與評(píng)價(jià)對(duì)象顯示出明顯情感傾向的頻繁項(xiàng)為評(píng)價(jià)詞，獲取評(píng)價(jià)詞集；最后以評(píng)價(jià)詞輸入CRFs 模型，結(jié)合詞位置、程度詞等特征，抽取評(píng)價(jià)單元。

二是單元5組的分類(lèi)及情感極值賦值。對(duì)評(píng)價(jià)對(duì)象、評(píng)價(jià)詞、否定副詞、程度副詞及句型進(jìn)行分類(lèi)，按類(lèi)賦予對(duì)應(yīng)的情感極值，并結(jié)合消息文本的語(yǔ)境、所指向的領(lǐng)域背景，以人工方式適當(dāng)修正分類(lèi)及賦值結(jié)果，使消息文本的情感極值更符合其實(shí)際語(yǔ)義[6]。

1.1.3 消息識(shí)別結(jié)果分類(lèi)

根據(jù)消息真?zhèn)闻袆e與信息文本情感識(shí)別的結(jié)果，將話題消息區(qū)分為“虛假”的消息、“真實(shí)”且“負(fù)面”的消息、“真實(shí)”且 “正面”的消息和“真實(shí)”且 “中性”的消息4類(lèi)。該分類(lèi)結(jié)果為網(wǎng)絡(luò)輿情控制系統(tǒng)中模型的調(diào)用、免疫手段的采取提供依據(jù)，是整個(gè)網(wǎng)絡(luò)輿情傳播優(yōu)化控制平臺(tái)的基礎(chǔ)部分。

1.2 網(wǎng)絡(luò)輿情控制系統(tǒng)

根據(jù)消息識(shí)別結(jié)果，網(wǎng)絡(luò)輿情控制系統(tǒng)啟用2種不同模型進(jìn)行輿論傳播控制。對(duì)“虛假”的消息及“真實(shí)”且“負(fù)面”的消息啟用帶連續(xù)接種的SIQR模型，加速輿情收斂，以“控”為主；對(duì)“真實(shí)”且 “正面”的消息啟用SIRS模型，幫助輿情擴(kuò)散，以“導(dǎo)”為主；對(duì)“真實(shí)”且 “中性”的消息以監(jiān)測(cè)為主。該系統(tǒng)中所有用戶均為注冊(cè)用戶(區(qū)分為普通用戶與管理員)，其權(quán)限按其性質(zhì)及等級(jí)授予，未注冊(cè)訪客只有最低瀏覽權(quán)限。

1.2.1 用戶行為建模與傳染力分析

以話題主題為關(guān)鍵詞，對(duì)比話題數(shù)據(jù)庫(kù)，搜尋該類(lèi)話題的發(fā)布者及參與者，并與用戶數(shù)據(jù)庫(kù)信息進(jìn)一步比對(duì)，獲取系統(tǒng)內(nèi)所有與該話題有關(guān)的用戶。根據(jù)用戶基本信息及其發(fā)帖、評(píng)論、轉(zhuǎn)發(fā)等歷史記錄對(duì)其建模，將其中虛假、負(fù)面信息傳播頻次大于系統(tǒng)眾數(shù)的用戶定義為“惡意用戶(um)”，將真實(shí)、正面信息傳播頻次大于系統(tǒng)眾數(shù)的用戶定義為“優(yōu)質(zhì)用戶(uh)”，其余的均定義為“普通用戶(uo)”。

該系統(tǒng)網(wǎng)絡(luò)為加權(quán)無(wú)標(biāo)度網(wǎng)絡(luò)，根據(jù)平均場(chǎng)理論，系統(tǒng)傳播閾值與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、節(jié)點(diǎn)傳染能力都有關(guān)系，在系統(tǒng)網(wǎng)絡(luò)規(guī)模固定的情況下，節(jié)點(diǎn)傳染力越強(qiáng)，輿情傳播速度越快，傳播范圍越廣[7-8]。因此，在用戶建模同時(shí)，分析其傳染力，對(duì)輿情傳播控制方法的采用具有極其重要的意義。計(jì)算用戶傳染力，并統(tǒng)計(jì)其數(shù)據(jù)分布規(guī)律，分別將用戶傳染力分為對(duì)應(yīng)的幾個(gè)等級(jí)(表1)。

表1 用戶傳染力等級(jí)表

1.2.2 網(wǎng)絡(luò)輿情傳播的優(yōu)化控制

在開(kāi)放性網(wǎng)絡(luò)輿情傳播控制系統(tǒng)中，不論消息識(shí)別的分類(lèi)結(jié)果如何，輿情衍化都必然經(jīng)過(guò)話題創(chuàng)建、傳播、鎖定3個(gè)階段，各類(lèi)用戶(包括管理員)主要以消息轉(zhuǎn)發(fā)、評(píng)論、話題推送、權(quán)限調(diào)整、版本控制等方式參與話題創(chuàng)造與修改，通過(guò)協(xié)同編輯加速實(shí)現(xiàn)輿情傳播的客觀化和理性化。不同模型的調(diào)用、外輿論場(chǎng)的引進(jìn)、用戶類(lèi)型區(qū)分與傳染力分析等均為增強(qiáng)協(xié)同編輯效用的手段。

管理員M設(shè)置敏感詞匯，進(jìn)行事前用戶審查，在輿論初期及時(shí)鎖定惡意用戶um，只開(kāi)放瀏覽權(quán)限，使其無(wú)法參與話題轉(zhuǎn)發(fā)、評(píng)價(jià)或編輯等。從外輿論場(chǎng)提取對(duì)應(yīng)話題的正面、真實(shí)信息，以最高頻次推送，加大外輿論場(chǎng)推進(jìn)率，引導(dǎo)其看法，提高接種成功率。上述接種免疫手段將貫穿輿情衍化全過(guò)程。

充分重視優(yōu)質(zhì)用戶uh。除管理員權(quán)限外，最大程度開(kāi)放其權(quán)限，減少其評(píng)論、轉(zhuǎn)發(fā)、創(chuàng)建類(lèi)似新話題的時(shí)間、字?jǐn)?shù)等限制，增強(qiáng)其正面客觀話題的置頂頻率，使之更好地參與協(xié)同編輯。以固定頻次從外輿論場(chǎng)提取相關(guān)正面真實(shí)信息推送，促進(jìn)其傳染能力和等級(jí)的提升，便于擴(kuò)散正面情緒、客觀信息，增強(qiáng)系統(tǒng)自凈能力。

對(duì)普通用戶uo按傳染力等級(jí)開(kāi)放權(quán)限及調(diào)整外輿論場(chǎng)信息推送力度。調(diào)用SIQR模型時(shí)，等級(jí)越高，對(duì)應(yīng)系統(tǒng)權(quán)限越低且信息推送頻次越高。根據(jù)其中心性與中間中心性挑選核心用戶，進(jìn)一步限制其協(xié)同編輯權(quán)限，加強(qiáng)其信息內(nèi)容的審查頻次與力度。一旦發(fā)現(xiàn)其惡意、虛假信息傳播頻次超過(guò)系統(tǒng)眾數(shù)，則視其為um予以隔離，且注重對(duì)核心用戶的真實(shí)正面信息推送，提高接種成功率。調(diào)用SIRS模型時(shí)，等級(jí)越高對(duì)應(yīng)系統(tǒng)權(quán)限越高，充分發(fā)揮其傳染力，促進(jìn)正面輿情擴(kuò)散；而等級(jí)越低信息推送頻次越高，不僅提取外輿論場(chǎng)信息推送，加大其推進(jìn)率，且注重平臺(tái)熱點(diǎn)和優(yōu)質(zhì)用戶推薦，增強(qiáng)uh的輻射影響，促進(jìn)uo向uh轉(zhuǎn)變。

各類(lèi)用戶不再局限于網(wǎng)絡(luò)傳播環(huán)境，從系統(tǒng)提取引發(fā)輿論的根本問(wèn)題，外推至外輿論場(chǎng)，尋求共振與支持，促進(jìn)根本問(wèn)題解決并將結(jié)果反饋給輿情平臺(tái)，引導(dǎo)輿情傳播理性化、客觀化，并使其自身認(rèn)識(shí)到網(wǎng)絡(luò)輿情并非脫離社會(huì)現(xiàn)實(shí)存在，其恰恰植根于現(xiàn)實(shí)土壤。群聚力用于傳播 “謠言”，無(wú)助于事件解決。

管理員(M)動(dòng)態(tài)監(jiān)測(cè)話題傳播，按時(shí)間軸順序?qū)鞑ミ^(guò)程分為N個(gè)時(shí)間段，計(jì)算各時(shí)間段內(nèi)各節(jié)點(diǎn)流量Qvi(t)(即t時(shí)刻流經(jīng)vi節(jié)點(diǎn)的瞬時(shí)數(shù)據(jù)量，為t時(shí)刻vi節(jié)點(diǎn)的數(shù)據(jù)流入量與流出量之差)，及各節(jié)點(diǎn)傳播速度qvi(t)(即t時(shí)刻vi節(jié)點(diǎn)傳播話題的速度，為t時(shí)刻vi節(jié)點(diǎn)話題發(fā)送與接收速度之差)，并依據(jù)兩者大小，找到“核心節(jié)點(diǎn)”[9]。然后按順序兩兩比較各時(shí)間段內(nèi)各節(jié)點(diǎn)流量大小與傳播速度，尤其當(dāng)核心節(jié)點(diǎn)不再發(fā)生明顯變化時(shí)，則認(rèn)為該時(shí)刻后輿情傳播進(jìn)入穩(wěn)定態(tài)，管理員即對(duì)其鎖定。

2 網(wǎng)絡(luò)輿情傳播優(yōu)化控制平臺(tái)的效能仿真分析

該平臺(tái)的Swarm仿真系統(tǒng)由ObserverSwarm，ModelSwarm，StartSwarm 3個(gè)層次組成。StartSwarm為最上層，用于啟用程序；ObserverSwarm為中間層，用于控制并觀察ModelSwarm的運(yùn)行狀況，并將運(yùn)行結(jié)果以各類(lèi)話題的數(shù)量變化趨勢(shì)為指標(biāo)進(jìn)行展示；ModelSwarm則為主體核心層，調(diào)用了User類(lèi)、PosAuction類(lèi)、CombAuction類(lèi)和AuctionModelSwarm類(lèi)。其中User類(lèi)用于生成用戶傳染力和用戶類(lèi)型，PosAuction類(lèi)封裝N個(gè)用戶并計(jì)算獲取各類(lèi)用戶具備不同傳染力等級(jí)時(shí)對(duì)各類(lèi)話題的感染力度；CombAuction類(lèi)調(diào)用PosAuction類(lèi)，獲取網(wǎng)絡(luò)輿情傳播控制平臺(tái)的初始化狀態(tài)，更新運(yùn)算，獲取不同控制模式下單位時(shí)刻內(nèi)平臺(tái)各類(lèi)話題的數(shù)量及其對(duì)應(yīng)的各類(lèi)用戶數(shù)量；AuctionModelSwarm類(lèi)再調(diào)用CombAuction類(lèi)，模擬輿情傳播全過(guò)程，持續(xù)計(jì)算，獲取不同控制模式下平臺(tái)各類(lèi)話題的數(shù)量及其變化趨勢(shì)。

本文在仿真系統(tǒng)中將話題區(qū)分為理性正面話題(★)、中性話題(●)和負(fù)面虛假話題(▲)3類(lèi)，用戶區(qū)分為管理員(M)、惡意用戶(um)、優(yōu)質(zhì)用戶(uh)和普通用戶(uo)4類(lèi)。各類(lèi)用戶傳染力區(qū)分為5等，分別賦予“1、2、3、4、5”5個(gè)數(shù)值，數(shù)值越大，其傳染力越強(qiáng)。

2.1 一般網(wǎng)絡(luò)輿情傳播平臺(tái)(無(wú)優(yōu)化模型)

該平臺(tái)中用戶傳染力數(shù)值為常數(shù)，感染其他用戶及其話題內(nèi)容性質(zhì)的能力是固定的，不發(fā)生變化。平臺(tái)運(yùn)轉(zhuǎn)時(shí)，各類(lèi)用戶隨機(jī)走動(dòng)，按以下規(guī)則進(jìn)行感染：當(dāng)um遇到話題，該話題標(biāo)記為負(fù)面虛假話題(▲)，并感染1個(gè)uo成為um，感染 1個(gè)uh成為uo；當(dāng)uh遇到話題，即理性正面話題(★)、中性話題(●)均標(biāo)記為理性正面話題(★)，負(fù)面虛假話題(▲)標(biāo)記為中性話題(●)，只感染1個(gè)uo成為uh；當(dāng)uo遇到話題，參考該話題的關(guān)聯(lián)話題，以其中數(shù)量最多的話題類(lèi)型予以標(biāo)記，當(dāng)數(shù)量相當(dāng)時(shí)，將其標(biāo)記為中性話題(●)，不感染任何用戶；當(dāng)M遇到話題，該話題標(biāo)記為理性正面話題(★)，不感染任何用戶。

對(duì)該平臺(tái)進(jìn)行仿真分析，發(fā)現(xiàn)平臺(tái)運(yùn)行迭代到15次時(shí)，平臺(tái)中負(fù)面虛假話題486條(占73.97%)，理性正面話題38條(占5.78%)；而uo數(shù)量占用戶總數(shù)的73.6%，uh和 um數(shù)均不超過(guò)15%?？梢?jiàn)輿論傳播初期，負(fù)面虛假話題及中性話題占絕大多數(shù)，而理性正面話題非常少；大部分用戶都為普通用戶，容易受到信息內(nèi)容及關(guān)聯(lián)用戶的影響與感染。隨著迭代次數(shù)增加，網(wǎng)絡(luò)輿情不斷傳播發(fā)酵，當(dāng)平臺(tái)迭代到890余次后，各節(jié)點(diǎn)(尤其核心節(jié)點(diǎn))流量不再明顯變化，且各類(lèi)話題數(shù)量也趨于平穩(wěn)，即認(rèn)定該網(wǎng)絡(luò)輿情已處于傳播穩(wěn)定態(tài)，此時(shí)理性正面話題1 348條(占81.25%)，負(fù)面虛假話題174條(占10.52%)，而中性話題132條(占7.98%)，而uo數(shù)量仍超過(guò)半數(shù)(占用戶總數(shù)的57.1%)，uh數(shù)量?jī)H增長(zhǎng)了5.7。

可見(jiàn)，當(dāng)無(wú)優(yōu)化模型時(shí)，網(wǎng)絡(luò)平臺(tái)需迭代較多次數(shù)，耗費(fèi)較長(zhǎng)時(shí)間才能實(shí)現(xiàn)輿情穩(wěn)定，完成對(duì)輿情傳播的控制，且理性正面話題增速緩慢，優(yōu)質(zhì)用戶數(shù)只略微增長(zhǎng)，普通用戶仍占大多數(shù)，整體環(huán)境更有利于負(fù)面虛假話題信息的傳遞與發(fā)酵(圖2)。

圖2無(wú)優(yōu)化控制的輿情傳播仿真結(jié)果

2.2 免疫優(yōu)化的網(wǎng)絡(luò)輿情傳播平臺(tái)

該平臺(tái)中用戶傳染力數(shù)值是變化的，其感染其他用戶及其話題內(nèi)容性質(zhì)的能力根據(jù)平臺(tái)一系列優(yōu)化免疫措施發(fā)生改變。當(dāng)平臺(tái)運(yùn)轉(zhuǎn)時(shí)，各類(lèi)用戶隨機(jī)走動(dòng)，按以下規(guī)則進(jìn)行感染：事先區(qū)分um，鎖定、隔離，使um只能接受而無(wú)法傳播其他用戶話題信息，不改變?nèi)魏卧掝}性質(zhì)、不感染任何用戶；當(dāng)uh遇到話題，傳染力等級(jí)為4、5的uh將各類(lèi)話題均標(biāo)記為理性正面話題(★)，感染1個(gè)uo成為uh、1個(gè)um成為uh；傳染力等級(jí)為1、2、3的uh僅將理性正面話題(★)、中性話題(●)標(biāo)記為理性正面話題(★)，仍將負(fù)面虛假話題(▲)標(biāo)記為中性話題(●)，只感染1個(gè)uo成為uh；當(dāng)uo遇到話題，傳染力等級(jí)為4、5的uo將話題標(biāo)記為理性正面話題(★)，感染一個(gè)um成為uo；傳染力等級(jí)為1、2、3的uo則參考關(guān)聯(lián)話題中數(shù)量最多的類(lèi)型予以標(biāo)記，當(dāng)數(shù)量相當(dāng)時(shí)，將其標(biāo)記為中性話題(●)，不感染用戶；當(dāng)M遇到話題，該話題標(biāo)記為理性正面話題(★)，感染1個(gè)uo成為uh、1個(gè)um成為uh。

對(duì)該平臺(tái)進(jìn)行仿真分析，發(fā)現(xiàn)盡管在初期，平臺(tái)中負(fù)面虛假話題及中性話題仍占多數(shù)，理性正面話題數(shù)量也很少：SIQR模式下，迭代到15次時(shí)，負(fù)面虛假話題占71.36%，理性正面話題占4.62%；SIRS模式下，迭代到15次時(shí)，負(fù)面虛假話題占69.73%，理性正面話題占5.97%，且普通用戶為平臺(tái)大多數(shù)。但隨著外輿論場(chǎng)、用戶權(quán)限等優(yōu)化免疫手段的運(yùn)用，SIQR模式下平臺(tái)僅迭代至494次，輿情傳播進(jìn)入了較為穩(wěn)定的收斂狀態(tài)；而SIRS模式下平臺(tái)迭代至643次，使輿情傳播進(jìn)入了大范圍的地方病狀態(tài)，實(shí)現(xiàn)了短時(shí)間內(nèi)輿情傳播的快速收斂與擴(kuò)散，加速了輿情傳播的理性化與客觀化，使優(yōu)化平臺(tái)的“控”“導(dǎo)”功能均得到了較好發(fā)揮，且平臺(tái)中優(yōu)質(zhì)用戶數(shù)均得到一定程度提升，增長(zhǎng)率超過(guò)20%，惡意用戶數(shù)量也明顯下降(圖3、圖4)。

圖3 連續(xù)接種SIRQ模式下輿情傳播優(yōu)化控制的仿真結(jié)果

圖4 SIRS模式下輿情傳播優(yōu)化控制的仿真結(jié)果

3 結(jié)語(yǔ)

各類(lèi)網(wǎng)絡(luò)輿情傳播控制平臺(tái)多以“控”為主，忽視正面輿情傳播，聚焦網(wǎng)絡(luò)媒體，忽略外輿論場(chǎng)作用，視野局限于封閉單一的環(huán)境系統(tǒng)，缺乏開(kāi)放性和動(dòng)態(tài)性，且免疫手段單一、滯后，未充分考慮傳播節(jié)點(diǎn)的傳播能力與網(wǎng)絡(luò)結(jié)構(gòu)帶來(lái)的影響。

本文從泛媒體環(huán)境出發(fā)，充分考慮上述問(wèn)題，在文獻(xiàn)[5]的基礎(chǔ)上，利用wiki技術(shù)構(gòu)建網(wǎng)絡(luò)輿情傳播優(yōu)化控制的技術(shù)框架與平臺(tái)，以消息識(shí)別為基礎(chǔ)，靈活調(diào)用不同模型控制輿情，人人參與、共同編輯，以用戶建模與傳染力分析結(jié)果為依據(jù)，按不同等級(jí)開(kāi)放各類(lèi)權(quán)限，區(qū)分推送外輿論場(chǎng)信息，加大外輿論場(chǎng)推進(jìn)作用，全程接種，優(yōu)化免疫。并且利用Swarm軟件進(jìn)行仿真分析，發(fā)現(xiàn)對(duì)比一般網(wǎng)絡(luò)輿情傳播平臺(tái)，該優(yōu)化平臺(tái)加速了輿情傳播的理性化與客觀化，能短時(shí)間內(nèi)實(shí)現(xiàn)輿情傳播的快速收斂與擴(kuò)散，控制打擊“謠言”，弘揚(yáng)正能量，更貼合開(kāi)放環(huán)境下輿情傳播控制的現(xiàn)實(shí)需要，充分驗(yàn)證了其控制方法的有效性。但本文尚未推行該平臺(tái)大規(guī)模的實(shí)踐使用，對(duì)其實(shí)踐效果也未有科學(xué)評(píng)價(jià)手段，這是我們進(jìn)一步研究所需解決的問(wèn)題與目標(biāo)。