基于信息熵的新媒體環(huán)境下負(fù)面網(wǎng)絡(luò)輿情監(jiān)測指標(biāo)體系研究

邢云菲 王晰巍 王鐸 韋雅楠

〔摘要〕[目的/意義]新媒體環(huán)境下網(wǎng)絡(luò)輿情信息傳播對輿情的發(fā)展趨勢具有重要的導(dǎo)向作用，對輿情進(jìn)行監(jiān)測有助于相關(guān)輿情管理部門對輿情信息傳播進(jìn)行有效引導(dǎo)，促進(jìn)輿情事件良性發(fā)展。[方法/過程]本文基于信息熵理論，通過層次分析法構(gòu)建評估指標(biāo)體系，使用模糊綜合評價(jià)法建立新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測模型，針對輿情指標(biāo)隸屬度結(jié)果對監(jiān)測等級進(jìn)行分類。本文以新浪微博輿情熱點(diǎn)話題“鴻茅藥酒”作為數(shù)據(jù)源獲取數(shù)據(jù)進(jìn)行新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標(biāo)體系分析。[結(jié)果/結(jié)論]數(shù)據(jù)結(jié)果表明，新媒體環(huán)境下網(wǎng)絡(luò)輿情熱點(diǎn)話題“鴻茅藥酒”事件的影響力級別為Ⅳ級，需輿情管理者及時(shí)監(jiān)測輿情發(fā)展和走勢。通過最終監(jiān)測值對照監(jiān)測級別可以幫助政府及相關(guān)輿情管理者及時(shí)采取針對性措施監(jiān)測和引導(dǎo)網(wǎng)絡(luò)輿情的良性發(fā)展。

〔關(guān)鍵詞〕新媒體；網(wǎng)絡(luò)輿情；模糊綜合評價(jià)；指標(biāo)體系

DOI：10.3969/j.issn.1008-0821.2018.09.007

〔中圖分類號〕C9126〔文獻(xiàn)標(biāo)識碼〕A〔文章編號〕1008-0821（2018）09-0041-07

Research on the Negative Network Public Opinion Monitoring Index

System Based on Information Entropy in New Media EnvironmentXing Yunfei1Wang Xiwei1，2Wang Duo1Wei Yanan1

（1.Management School，Jilin University，Changchun 130022，China；

2.Big Data Management Research Center，Jilin University，Changchun 130022）

〔Abstract〕[Purpose/Significance]In the new media environment，network public opinion information dissemination plays an important guiding role in the development trend of public opinion.The monitoring of public opinion will help the relevant public opinion management departments to effectively supervise the public opinion information dissemination and promote the benign development of public opinion events.[Method/Process]This paper constructed the index system through analytic hierarchy process based on information entropy theory.The fuzzy comprehensive evaluation method was used to establish the network public opinion monitoring model in the new media environment and the classification of monitoring level was conducted according to the degree of membership of public opinion indexes.This paper took sina weibo platform as an example to obtain data for network public opinion monitoring and analysis under new media environment.[Result/Conclusion]The influence level of“Hong Mao Liquor”was Ⅳ，requiring public opinion managers monitoring the development and trend of public opinion in time.The monitoring level could help the government and relevant public opinion managers to take targeted measures to monitor and guide the benign development of online public opinion.

〔Key words〕new media；network public opinion；fuzzy comprehensive evaluation；indicator system

隨著互聯(lián)網(wǎng)的快速發(fā)展以及新媒體時(shí)代的到來，人們更多通過互聯(lián)網(wǎng)平臺表達(dá)觀點(diǎn)和態(tài)度、宣泄情緒[1]。網(wǎng)絡(luò)輿情是以網(wǎng)絡(luò)為載體，網(wǎng)民針對現(xiàn)實(shí)生活中的熱點(diǎn)新聞所持有的具有一定影響力和傾向性的情感和態(tài)度的集合[2]。包括QQ、微信、微博、論壇、博客等在內(nèi)的新媒體平臺與傳統(tǒng)媒體包括電視、電話、廣播等媒介相比，信息具有傳播速度更快、傳播范圍更廣的特征。因此，相比較傳統(tǒng)媒體，新媒體對人們生活、工作、學(xué)習(xí)等方面具有較大影響。然而，網(wǎng)絡(luò)輿情信息的肆意傳播在一定程度上對輿情的發(fā)展趨勢具有重要的導(dǎo)向作用[3]。由于網(wǎng)絡(luò)輿情演變方式多樣化可能導(dǎo)致輿情事態(tài)向消極方向發(fā)展，從而引發(fā)輿情危機(jī)。因此，加強(qiáng)新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)管，及時(shí)對負(fù)面輿情危機(jī)進(jìn)行識別和監(jiān)測對營造和諧健康的網(wǎng)絡(luò)環(huán)境具有重要作用，也能夠促進(jìn)社會(huì)輿情事件的良性發(fā)展、維護(hù)社會(huì)安全。

學(xué)者針對網(wǎng)絡(luò)輿情監(jiān)測展開了大量研究。學(xué)者曾潤喜[4]以警源、警兆和警情3個(gè)因素為基礎(chǔ)通過層次分析法構(gòu)建網(wǎng)絡(luò)輿情監(jiān)測指標(biāo)體系，并對影響指標(biāo)體系的因素進(jìn)行分析和排序，最終確定影響權(quán)重；聶峰英等[5]結(jié)合網(wǎng)絡(luò)輿情生命周期理論劃分移動(dòng)環(huán)境下社交網(wǎng)絡(luò)的輿情等級，基于等級分類分析移動(dòng)環(huán)境下社交網(wǎng)絡(luò)的生命周期；蘭月新等[6]通過預(yù)測輿情生命周期中潛伏期的高潮問題、擴(kuò)散期的負(fù)面信息監(jiān)測問題以及消退期的衍生輿情監(jiān)測問題構(gòu)建了突發(fā)事件網(wǎng)絡(luò)輿情信息傳播模型；杜智濤等[7]運(yùn)用灰色預(yù)測方法和模式識別方法建立網(wǎng)絡(luò)輿情預(yù)測模型，提出網(wǎng)絡(luò)輿情預(yù)測與預(yù)警系統(tǒng)建設(shè)的整體架構(gòu)；張一文等[8]提出基于貝葉斯的網(wǎng)絡(luò)輿情監(jiān)測模型并通過對關(guān)鍵指標(biāo)數(shù)據(jù)進(jìn)行仿真和學(xué)習(xí)，建立網(wǎng)絡(luò)輿情態(tài)勢評估模型，從而對網(wǎng)絡(luò)輿情態(tài)勢進(jìn)行有效評估和預(yù)測。從學(xué)者對網(wǎng)絡(luò)輿情監(jiān)測的研究成果來看，其研究主題主要集中在網(wǎng)絡(luò)輿情生命周期分析、監(jiān)測級別劃分、預(yù)警監(jiān)測、輿情演變預(yù)警、監(jiān)測態(tài)勢評估等，但針對新媒體環(huán)境下的網(wǎng)絡(luò)輿情監(jiān)測研究較少。

基于此，本文試圖解決以下3個(gè)方面的問題：1）如何基于信息熵和層次分析法建立新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測模型；2）如何基于新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測模型通過模糊綜合實(shí)驗(yàn)得到輿情監(jiān)測結(jié)果；3）如何基于具體輿情話題進(jìn)行輿情監(jiān)測分析并幫助輿情管理者進(jìn)行引導(dǎo)和管理。針對上述研究問題，本文構(gòu)建新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標(biāo)體系，基于層次分析法和信息熵理論確定指標(biāo)權(quán)重，選擇新浪微博熱點(diǎn)話題“鴻茅藥酒”事件作為數(shù)據(jù)源進(jìn)行樣本采集和數(shù)據(jù)分析，通過模糊綜合統(tǒng)計(jì)實(shí)驗(yàn)設(shè)定網(wǎng)絡(luò)輿情監(jiān)測等級并對監(jiān)測結(jié)果進(jìn)行評估，最后提出輿情監(jiān)測機(jī)制并對政府及輿情管理者提出管理建議。本文的研究在理論層面對新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測研究提供新的理論研究視角，推動(dòng)理論模型構(gòu)建方法研究；在實(shí)踐層面上能夠幫助政府及相關(guān)輿情監(jiān)管機(jī)構(gòu)對如何管控輿情信息傳播、防止不良信息擴(kuò)散，營造良好的網(wǎng)絡(luò)環(huán)境具有重要意義。

2018年9月第38卷第9期現(xiàn)代情報(bào)Journal of Modern InformationSep.，2018Vol38No92018年9月第38卷第9期基于信息熵的新媒體環(huán)境下負(fù)面網(wǎng)絡(luò)輿情監(jiān)測指標(biāo)體系研究Sep.，2018Vol38No91相關(guān)理論

11網(wǎng)絡(luò)輿情監(jiān)測

網(wǎng)絡(luò)輿情是指在某個(gè)特定的社會(huì)空間里，網(wǎng)絡(luò)群眾針對社會(huì)中一些現(xiàn)象和問題表達(dá)自己的態(tài)度、意見和情感，是群眾在網(wǎng)絡(luò)平臺上表達(dá)意愿和情緒的集合[9]。包括網(wǎng)絡(luò)謠言、網(wǎng)絡(luò)暴力、信息生產(chǎn)與消費(fèi)不對稱現(xiàn)象、技術(shù)風(fēng)險(xiǎn)以及信息規(guī)范缺失等，是網(wǎng)絡(luò)輿情主體信息互換時(shí)的非正常狀態(tài)，需要輿情管理者關(guān)注。輿情信息對于輿情主體的消極傳遞與積極傳遞之間的非平衡狀態(tài)，極易引發(fā)網(wǎng)絡(luò)謠言和網(wǎng)民情緒化，強(qiáng)社會(huì)關(guān)系、私密性、趨同性等，更加強(qiáng)化了網(wǎng)絡(luò)謠言、網(wǎng)絡(luò)語言暴力等負(fù)向信息傳播的影響力和滲透力。

網(wǎng)絡(luò)輿情監(jiān)測指針對網(wǎng)絡(luò)輿情信息傳播過程和結(jié)果進(jìn)行監(jiān)控、處理和有效控制。負(fù)面信息是政府和輿情管理者監(jiān)測的重點(diǎn)，而這些負(fù)面信息主要由網(wǎng)民態(tài)度決定，即如果網(wǎng)民態(tài)度主要呈現(xiàn)消極情緒或言論偏激，則該輿情事件亟需輿情管控者及時(shí)對信息量和傳播范圍進(jìn)行有效控制[10]。

12信息熵

1948年香農(nóng)[11]首先提出信息熵的概念，即將信息量化，解決信息的度量問題。一個(gè)信源發(fā)生的信息類別能夠根據(jù)該信息出現(xiàn)的概率來衡量。假設(shè)不確定性函數(shù)f是概率P的單調(diào)遞減函數(shù)，那么兩個(gè)獨(dú)立信源產(chǎn)生的信息應(yīng)為其和，即f（p1，p2）=f（p1）+f（p2），則f是對數(shù)函數(shù)，表示為：f（P）=log1p=-logp。信息熵通過定義信息源的不確定性，針對隨機(jī)變量xi的變化描述信息含量的多少，其表達(dá)式為：

f（X）=f（-logpxi）=-∑ni=1p（xi）logp（xi）（1）

0≤pi≤1，i=（1，2，…，n）

xi表示隨機(jī)變量，pi代表所有輸出結(jié)果的集合（即概率函數(shù)）。假設(shè)不確定函數(shù)f是概率p的單調(diào)遞減函數(shù)，則n個(gè)獨(dú)立的不確定事件的發(fā)生概率應(yīng)為其和。

13基于信息熵的新媒體負(fù)面網(wǎng)絡(luò)輿情監(jiān)測問題的提出基于信息熵的新媒體環(huán)境下負(fù)面網(wǎng)絡(luò)輿情監(jiān)測是基于信息熵理論確定評價(jià)指標(biāo)體系的熵值進(jìn)而計(jì)算指標(biāo)權(quán)重。信息熵是評價(jià)信息的不確定性，如果某評價(jià)指標(biāo)的熵值越大，說明該評價(jià)指標(biāo)在綜合評價(jià)中所起的作用越小，權(quán)重越低；反之如果某評價(jià)指標(biāo)的熵值越小，則該評價(jià)指標(biāo)所起的作用越大，權(quán)重越高。由于新媒體環(huán)境下網(wǎng)絡(luò)輿情具有的突發(fā)性和不穩(wěn)定性使網(wǎng)絡(luò)輿情在不同時(shí)刻的傳播速度、傳播范圍、傳播深度并不相同，因此實(shí)時(shí)關(guān)注輿情信息傳播情況才能及時(shí)采取一定措施對輿情傳播進(jìn)行有效控制。針對新媒體環(huán)境下網(wǎng)絡(luò)輿情在其產(chǎn)生、發(fā)展、蔓延和消散過程中，可能因?yàn)檎蜉浨楣芾碚叩墓芾聿划?dāng)導(dǎo)致負(fù)面網(wǎng)絡(luò)輿情信息被放大，甚至產(chǎn)生其他不良衍生事件和網(wǎng)民應(yīng)激行為。部分負(fù)面網(wǎng)絡(luò)輿情可能與官員執(zhí)法犯法、貪污腐敗等因素相關(guān)，降低民眾對政府的滿意度，導(dǎo)致政府公信力降低。因此，對新媒體環(huán)境下負(fù)面網(wǎng)絡(luò)輿情進(jìn)行監(jiān)測能夠幫助政府及相關(guān)輿情管理者及時(shí)采取針對性措施監(jiān)測和引導(dǎo)網(wǎng)絡(luò)輿情的良性發(fā)展。

2研究方法

21評價(jià)指標(biāo)體系構(gòu)建的理論依據(jù)

對網(wǎng)絡(luò)輿情預(yù)警指標(biāo)評價(jià)體系的研究較多，但通常存在指標(biāo)體系中指標(biāo)重復(fù)或相近（如輿情態(tài)勢傾向度、輿情態(tài)勢發(fā)展度）、二級指標(biāo)過于抽象較難測度（如事件危害度、網(wǎng)民分歧度等）、同層級指標(biāo)重要程度不一致（如網(wǎng)絡(luò)輿情傳播指標(biāo)、網(wǎng)絡(luò)輿情受眾情感指標(biāo)）。這些因素都可能導(dǎo)致評價(jià)結(jié)果產(chǎn)生偏差。因此，本文結(jié)合信息熵和層次分析法建立評價(jià)指標(biāo)體系，從新媒體環(huán)境下網(wǎng)絡(luò)輿情傳播特征角度出發(fā)，盡量克服上述問題建立負(fù)面網(wǎng)絡(luò)輿情監(jiān)測指標(biāo)體系。

22評價(jià)體系

本文的階梯層次結(jié)構(gòu)分為目標(biāo)層、一級指標(biāo)和二級指標(biāo)。根據(jù)學(xué)者針對輿情的演化特征設(shè)計(jì)的不同指標(biāo)體系以及網(wǎng)絡(luò)輿情信息傳播特征和規(guī)律變化，本文認(rèn)為，由于影響網(wǎng)絡(luò)輿情的因素較多，因此無法確定所有對其變化產(chǎn)生影響的因素，因此選取在網(wǎng)絡(luò)輿情信息傳播過程中影響力較大的指標(biāo)作為網(wǎng)絡(luò)輿情監(jiān)測評估指標(biāo)體系中的一級指標(biāo)如下：①輿情熱度，即從輿情信息傳播的基本信息量角度衡量網(wǎng)絡(luò)輿情信息傳播強(qiáng)度（包括原創(chuàng)信息量、轉(zhuǎn)發(fā)量、評論量、點(diǎn)贊數(shù)）；②輿情關(guān)注度，即從輿情信息被輿情主體關(guān)注程度計(jì)算輿情從產(chǎn)生到消亡的被關(guān)注熱度（包括點(diǎn)擊量、搜索量、主題詞數(shù)、輿情持續(xù)時(shí)間）；③網(wǎng)民情感，即從網(wǎng)民的情緒態(tài)度上考察輿情主體情感傾向和輿情發(fā)展方向（包括網(wǎng)民活躍度、正向情感詞量、負(fù)向情感詞量、中性情感詞量）；④輿情影響力，即從輿情傳播的深度及廣度衡量輿情信息對輿情主體的影響程度（包括省市區(qū)域分布、關(guān)鍵詞覆蓋度、意見領(lǐng)袖數(shù)量、熱點(diǎn)新聞報(bào)道比率）；⑤輿情敏感度，即從輿情信息的持續(xù)傳播角度表示輿情信息的敏感度（包括原創(chuàng)信息量增長率、轉(zhuǎn)發(fā)量增長率、評論量增長率以及搜索量增長率）。

23層次分析法確定權(quán)重

本文采用層次分析法，根據(jù)AHP1～9的比例標(biāo)度理論將不同級指標(biāo)的重要程度兩兩比較以得到量化的判斷矩陣[12]，其標(biāo)度如表2。確定各指標(biāo)因素后，采用調(diào)查問卷法對所有影響指標(biāo)因素進(jìn)行兩兩比較評分，確定各指標(biāo)的重要程度。

針對新媒體環(huán)境下網(wǎng)絡(luò)輿情話題傳播特征，比較各指標(biāo)間的重要性，本文設(shè)計(jì)了調(diào)查問卷。將輿情指標(biāo)重要程度按照非常重要（4分）、比較重要（3分）、重要（2分）、比較不重要（1分）、非常不重要（0分）進(jìn)行打分，按照問卷中相同指標(biāo)的得分加權(quán)值計(jì)算每個(gè)指標(biāo)的最后得

24熵權(quán)法確定權(quán)重

信息熵是評價(jià)信息的不確定性，如果某評價(jià)指標(biāo)的熵值越大，說明該評價(jià)指標(biāo)在綜合評價(jià)中所起的作用越小，權(quán)重越低；反之如果某評價(jià)指標(biāo)的熵值越小，則該評價(jià)指標(biāo)所起的作用越大，權(quán)重越高[14]。設(shè)有p個(gè)待評對象，針對q個(gè)評價(jià)指標(biāo)的取值，這些待評對象的各個(gè)指標(biāo)值構(gòu)成一個(gè)p×q的判斷矩陣X如公式（2）。由于不同列的數(shù)據(jù)單位不同，因此按照Tij=Kij＼∑pi=1xij進(jìn)行無量綱化處理，得到公式（3）。

K=k11…k1q

kp1…kpq（2）

T=t11…t1q

tp1…tpq（3）

第j個(gè)指標(biāo)的熵值為：

Ej=-1lnp∑ni=1tijln（tij）（4）

第j個(gè)指標(biāo)的差異系數(shù)為：

Hj=1-Ej（5）

歸一化處理各指標(biāo)的權(quán)重計(jì)算指標(biāo)的權(quán)數(shù)：

M（t）j=Hj∑nj=1Hj， j=1，2，…，m（6）

25輿情指標(biāo)綜合評價(jià)

根據(jù)由信息熵和層次分析法確定的新媒體環(huán)境下網(wǎng)絡(luò)輿情信息傳播評價(jià)指標(biāo)結(jié)果，設(shè)定集合為{K1，K2，…，Kn}，且由層次分析法確定的指標(biāo)權(quán)重為{M（e）1，M（e）2，…，M（e）n}，由信息熵確定的指標(biāo)權(quán)重為{M（t）1，M（t）2，…，M（t）n}，則這n個(gè)指標(biāo)的最終綜合權(quán)重表達(dá)式為：

Mi=M（e）iM（t）i∑nj=1M（e）iM（t）i； i=1，2，…，n（7）

26指標(biāo)隸屬度計(jì)算

通過定性新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標(biāo)，采用專家評分法計(jì)算輿情指標(biāo)隸屬度定義輿情監(jiān)測等級，并對等級結(jié)果進(jìn)行歸一化處理。設(shè)二級指標(biāo)Ci∈[0，1]，i=1，2，3，4歸一化輿情熱度；Ci∈[0，1]，i=5，6，7，8為歸一化輿情關(guān)注度；Ci∈[0，1]，i=9，10，11，12為歸一化網(wǎng)民情感；Ci∈[0，1]，i=13，14，15為歸一化輿情影響力；Ci∈[0，1]，i=16，17，18，19為歸一化輿情敏感度。模糊子集K1={一般重要}與K2={比較重要}的隸屬度函數(shù)如下公式（8）和公式（9），δKi（i=5，6，…，19）計(jì)算方法同理。δK1（c1，c2，c3，c4）=14exp-C2122+exp-C22122+exp-C2322+exp-C2422（8）δK2（c1，c2，c3，c4）=14exp-（1-C1）222+exp-（1-C21）222+exp-（1-C3）222+exp-（1-C4）222（9）

3數(shù)據(jù)采集

31數(shù)據(jù)源選擇

新浪微博具有強(qiáng)大的信息分類和數(shù)據(jù)處理功能，其海量信息資源為網(wǎng)絡(luò)輿情信息傳播提供了便捷的網(wǎng)絡(luò)平臺，滿足了多元化新媒體用戶快速登陸、分享信息的需求[15]。利用新浪微博終端即時(shí)接受和傳播輿情信息是當(dāng)前新媒體環(huán)境下網(wǎng)絡(luò)用戶交流和分享的重要渠道。2017年微博財(cái)報(bào)數(shù)據(jù)顯示[16]，截至2017年9月，微博月活躍用戶共376億，與2016年同期相比增長27%，其中移動(dòng)端占比達(dá)92%；日活躍用戶達(dá)到165億，較去年同期增長25%。

輿情事件的熱度指數(shù)反映了輿論關(guān)注的聚焦程度與輿論壓力情況，主要與事件相關(guān)媒體報(bào)道量、網(wǎng)民討論量、平臺傳播廣度等要素有關(guān)。根據(jù)2017年中國互聯(lián)網(wǎng)輿論分析報(bào)告[17]中的輿情熱度和輿情壓力等指標(biāo)，本文選擇“紅黃藍(lán)”幼兒園虐童事件、武漢大學(xué)跳樓案、“41”瀘縣事件、“藍(lán)色錢江”保姆縱火案、“鴻茅藥酒”事件、江歌案和孕婦絆倒男童案七條熱門負(fù)面輿情話題作為數(shù)據(jù)源進(jìn)行數(shù)據(jù)獲取及處理，并進(jìn)行新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測機(jī)制分析。根據(jù)百度指數(shù)，“鴻茅藥酒”事件輿情話題整體日均值搜索指數(shù)為9615，整體同比上漲329%，其搜索指數(shù)如圖1。限于篇幅，本文僅以“鴻茅藥酒”事件案件為例計(jì)算各指標(biāo)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)整理得到實(shí)證數(shù)據(jù)進(jìn)行討論分析并展開具體分析過程，其他微博熱點(diǎn)話題只顯示最終監(jiān)測結(jié)果并提出管理建議。

32數(shù)據(jù)獲取及處理

在數(shù)據(jù)獲取階段，本文選擇每條熱門輿情話題從突發(fā)、蔓延到消退時(shí)期的輿情相關(guān)信息（包括原創(chuàng)微博數(shù)量、轉(zhuǎn)發(fā)、評論、點(diǎn)贊、點(diǎn)擊量、搜索量、主題詞數(shù)等信息）。本圖1“鴻茅藥酒”事件百度搜索指數(shù)圖

文通過網(wǎng)絡(luò)爬蟲獲取新浪微博熱點(diǎn)話題“鴻茅藥酒”事件的數(shù)據(jù)過程如下：①在新浪微博搜索欄輸入“鴻茅藥酒”以獲得所有原創(chuàng)、轉(zhuǎn)發(fā)、評論、點(diǎn)贊等相關(guān)信息[18]；②得到信息對應(yīng)網(wǎng)址，形成相應(yīng)地址庫；③遞歸獲取所有網(wǎng)址并將相關(guān)字段的信息保存到Access數(shù)據(jù)庫。

本文在數(shù)據(jù)處理過程中，使用Excel和Access數(shù)據(jù)庫處理數(shù)據(jù)。首先將數(shù)據(jù)字段規(guī)范化處理，將內(nèi)容中含有超文本字符和表情符等無效字段進(jìn)行數(shù)據(jù)清洗；然后對采集到的原始數(shù)據(jù)經(jīng)過人工處理篩選，包括刪除重復(fù)性文本、刪除不可識別符號、刪除無用詞語等；將時(shí)間規(guī)范為“*年*月*日”格式；通過中文分詞工具“盤古分詞”將信息內(nèi)容拆分并形成最終精簡數(shù)據(jù)庫；對采集到的文本根據(jù)“情感分析用詞語集（Beta版）”進(jìn)行正向、負(fù)向和中性情感詞量計(jì)算；最后在Excel中根據(jù)評論轉(zhuǎn)發(fā)搜索量變化計(jì)算原創(chuàng)信息量增長率、轉(zhuǎn)發(fā)量增長率、評論量增長率以及搜索量增長率。根據(jù)本文構(gòu)建的新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標(biāo)體系中的二級指標(biāo)因素進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析，得到原始數(shù)據(jù)如表4所示。

4討論與分析

41模糊綜合統(tǒng)計(jì)實(shí)驗(yàn)

設(shè)置新媒體環(huán)境下網(wǎng)絡(luò)輿情信息傳播影響指標(biāo)等級評分為0～10分，且評分為整數(shù)段。指標(biāo)的評分值越高代表該指標(biāo)因素對網(wǎng)絡(luò)輿情監(jiān)測內(nèi)容的影響力越高。將各指標(biāo)屬性值做歸一化處理，得到第i個(gè)指標(biāo)下的第j個(gè)評價(jià)等級指標(biāo)值比重。根據(jù)新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標(biāo)計(jì)算公式得到各指標(biāo)標(biāo)準(zhǔn)化結(jié)果，其中一級指標(biāo)的權(quán)重為[022，024，018，017，019]，二級指標(biāo)的權(quán)重分別為M1=[028，031，027，014]；M2=[021，019，032，28]；M3=[016，027，029，28]；M4=[032，026，023，019]；M5=[024，028，022，026]。

對一級指標(biāo)因素集{B1，B2，B3，B4，B5}分別作模糊綜合評價(jià)。設(shè)V={v1，v2，v3，v4，v5}為網(wǎng)絡(luò)輿情監(jiān)測評價(jià)集，Bi中個(gè)指標(biāo)對于V的權(quán)重分配為Mi=[mi1，mi2，…，min]，得到一級指標(biāo)評判向量為：=Mi*i=[bi1，bi2，…，bin]，i=1，2，…，k，則：

B1=M1*T1=[0254，0108，0125，0364]

B2=M2*T2=[0147，0216，0469，0325]

B3=M3*T3=[0317，0058，0434，0204]

B4=M4*T4=[0208，0497，0057，0146]

B5=M5*T5=[0412，0258，0027，0359]

=M*T=[022，024，018，017，019]*0254010801250364

0147021604690325

0317005804340204

0208049700570146

0412025800270359=[02619，02196，02330，02878]

將二級模糊綜合評判結(jié)果與指標(biāo)模糊隸屬度評價(jià)級別的乘積作為網(wǎng)絡(luò)輿情隸屬度監(jiān)測值，即Z=*δT，判斷級別隸屬度為01、075、05、025，分別為極、大、中、小。從而實(shí)現(xiàn)網(wǎng)絡(luò)輿情監(jiān)測評估的模糊隸屬度監(jiān)測數(shù)值，后續(xù)再根據(jù)監(jiān)測類別實(shí)現(xiàn)對網(wǎng)絡(luò)輿情隸屬度監(jiān)測值的進(jìn)一步評估分析。

Z=*δT=[02619，02196，02330，02878]*1

075

05

025=06150

42網(wǎng)絡(luò)輿情監(jiān)測等級設(shè)定

將20個(gè)新媒體環(huán)境下網(wǎng)絡(luò)輿情二級態(tài)勢指標(biāo)轉(zhuǎn)換為在區(qū)間[0，1]的度量方法，分別為K1，K2，K3，…，K19。依據(jù)專家隸屬度模糊評價(jià)分析，把新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測評定要素分為輿情熱度、輿情關(guān)注度、輿情網(wǎng)民情感、輿情影響力和輿情敏感度得出每個(gè)一級指標(biāo)的隸屬度。根據(jù)模糊綜合統(tǒng)計(jì)實(shí)驗(yàn)結(jié)果確定新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測等級，如表5所示。輿情監(jiān)測影響力級別分為5個(gè)等級，重要程度由低到高分別對應(yīng)灰色監(jiān)測、藍(lán)色監(jiān)測、黃色監(jiān)測、橙色監(jiān)測和紅色監(jiān)測。屬于灰色監(jiān)測的輿情話題重要程度最低，屬于紅色監(jiān)測的輿情話題重要程度最高。在進(jìn)行新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測及控制過程中要綜合考慮輿情熱度、輿情關(guān)注度、網(wǎng)民情感、輿情影響力、輿情敏感度5個(gè)因素進(jìn)行網(wǎng)絡(luò)輿情隸屬度監(jiān)測值計(jì)算并進(jìn)行風(fēng)險(xiǎn)評估，對于橙色和紅色監(jiān)測提高警惕。

新浪微博熱門話題“鴻茅藥酒”事件網(wǎng)絡(luò)輿情隸屬度監(jiān)測值結(jié)果為06150，屬于橙色監(jiān)測。由于該事件從突發(fā)到迅速蔓延時(shí)間極短，產(chǎn)生大量輿情信息，網(wǎng)民情感傾向性偏負(fù)面，信息量增長率較高，引發(fā)其他輿情衍生話題如食品安全、消費(fèi)者權(quán)益等進(jìn)行二次傳播，需要輿情管理者對此及時(shí)采取合理措施應(yīng)對，并對該話題進(jìn)展進(jìn)行實(shí)時(shí)監(jiān)測。

43監(jiān)測結(jié)果評估

新媒體環(huán)境下網(wǎng)絡(luò)輿情事件指標(biāo)體系監(jiān)測值結(jié)果和其對應(yīng)輿情影響力級別、監(jiān)測等級關(guān)系如表6所示。表5網(wǎng)絡(luò)輿情指標(biāo)體系檢測值對應(yīng)監(jiān)測等級

指標(biāo)體系監(jiān)測值輿情影響力級別輿情監(jiān)測等級[0，019]Ⅰ灰色監(jiān)測[02，039]Ⅱ藍(lán)色監(jiān)測[04，059]Ⅲ黃色監(jiān)測[06，079]Ⅳ橙色監(jiān)測[08，1]Ⅴ紅色監(jiān)測

力級別監(jiān)測等級“紅黃藍(lán)”幼兒園虐童事件087Ⅴ紅色監(jiān)測武漢大學(xué)跳樓案076Ⅳ橙色監(jiān)測“41”瀘縣事件035Ⅱ藍(lán)色監(jiān)測“藍(lán)色錢江”保姆縱火案072Ⅳ橙色監(jiān)測江歌案085Ⅴ紅色監(jiān)測孕婦絆倒男童案043Ⅲ黃色監(jiān)測

新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測研究需要綜合評估指標(biāo)體系監(jiān)測值、輿情影響力級別和監(jiān)測等級3個(gè)維度來對監(jiān)測提供風(fēng)險(xiǎn)決策建議。在表5中6項(xiàng)負(fù)面輿情事件中，“紅黃藍(lán)”幼兒園虐童事件和“江歌案”的指標(biāo)體系監(jiān)測值相對最高，分別為087和085，主要體現(xiàn)在輿情熱度高，輿情關(guān)注度和輿情影響力相對較高，而用戶情感詞中負(fù)向情感數(shù)量遠(yuǎn)高于正向和中性情感詞量，出現(xiàn)的意見領(lǐng)袖數(shù)量較多，由線上引發(fā)線下輿情危機(jī)的可能性較大。針對這類Ⅴ級輿情事件使用紅色監(jiān)測，需要輿情管理者對事件發(fā)展持續(xù)監(jiān)測，及時(shí)播報(bào)事態(tài)處理進(jìn)展。負(fù)面輿情事件“武漢大學(xué)跳樓案”和“藍(lán)色錢江保姆縱火案”的輿情體系監(jiān)測值分別為076和072，影響力級別都為Ⅳ，監(jiān)測等級為橙色監(jiān)測。這兩項(xiàng)負(fù)面輿情事件的輿情熱度和輿情關(guān)注度相當(dāng)?shù)浨槊舾卸炔桓?，輿情事件持續(xù)事件不長，但網(wǎng)民情感相對偏激。對這類橙色監(jiān)測的輿情事件應(yīng)采取實(shí)時(shí)關(guān)注輿情進(jìn)展，根據(jù)輿情發(fā)展趨勢和網(wǎng)民情感傾向做好監(jiān)測和引導(dǎo)工作。“41瀘縣事件”和“孕婦絆倒男童案”的負(fù)面輿情監(jiān)測值分別為035（Ⅱ級）和043（Ⅲ級），輿情指標(biāo)綜合得分較低，為藍(lán)色監(jiān)測和黃色監(jiān)測。這兩項(xiàng)負(fù)面輿情事件的輿情熱度和關(guān)注度都較低且持續(xù)事件短，對網(wǎng)絡(luò)平臺和社會(huì)大眾造成的危機(jī)較小，僅需輿情管理者適當(dāng)監(jiān)測輿情發(fā)展和走勢。

對比發(fā)現(xiàn)本文選取的微博輿情熱點(diǎn)話題隸屬度監(jiān)測值結(jié)果與現(xiàn)實(shí)中這些輿情事件的傳播特征和發(fā)展規(guī)律較一致，因此本文設(shè)計(jì)的新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標(biāo)較能夠客觀反映網(wǎng)絡(luò)輿情事件的發(fā)展?fàn)顟B(tài)?；谛畔㈧睾蛯哟畏治龇ǖ玫降闹笜?biāo)權(quán)重進(jìn)行模糊綜合評價(jià)分析，能夠正確預(yù)測網(wǎng)絡(luò)輿情危機(jī)事件的爆發(fā)和擴(kuò)散，并針對這些事件幫助輿情管理者進(jìn)行有效監(jiān)測和預(yù)防。另一方面也能夠?yàn)樾旅襟w環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測研究提供一個(gè)系統(tǒng)的理論視角，提高政府對輿情的實(shí)時(shí)監(jiān)控能力和管理能力。

5結(jié)論

本文在理論層面，將網(wǎng)絡(luò)輿情信息傳播影響因素分為輿情熱度、輿情關(guān)注度、網(wǎng)民情感、輿情影響力和輿情敏感度5個(gè)一級指標(biāo)并設(shè)定下達(dá)的20指標(biāo)，構(gòu)建比較判斷矩陣確定指標(biāo)權(quán)重。本文構(gòu)建新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測指標(biāo)體系，基于層次分析法和信息熵理論確定指標(biāo)權(quán)重，選擇新浪微博熱點(diǎn)話題“鴻茅藥酒”事件作為數(shù)據(jù)源進(jìn)行樣本采集和數(shù)據(jù)分析，通過模糊綜合統(tǒng)計(jì)實(shí)驗(yàn)設(shè)定網(wǎng)絡(luò)輿情監(jiān)測等級并對監(jiān)測結(jié)果進(jìn)行評估，最后提出輿情監(jiān)測機(jī)制和監(jiān)測態(tài)勢預(yù)測方法，為分析新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測研究提供了新的理論研究視角。本文在實(shí)踐層面，通過網(wǎng)絡(luò)爬蟲獲取新浪微博數(shù)據(jù)，采用實(shí)證分析法對新浪微博熱點(diǎn)話題“鴻茅藥酒”進(jìn)行數(shù)據(jù)分析，運(yùn)用模糊綜合評價(jià)法進(jìn)行模糊綜合統(tǒng)計(jì)實(shí)驗(yàn)，量化輿情指標(biāo)項(xiàng)并對六項(xiàng)負(fù)面網(wǎng)絡(luò)輿情事件的監(jiān)測結(jié)果進(jìn)行評估，提出輿情管理建議。數(shù)據(jù)結(jié)果表明，新媒體環(huán)境下網(wǎng)絡(luò)輿情熱點(diǎn)話題“鴻茅藥酒”事件的影響力級別為Ⅳ級，顯示為橙色監(jiān)測，需輿情管理者及時(shí)監(jiān)測輿情發(fā)展和走勢。根據(jù)新媒體環(huán)境下網(wǎng)絡(luò)輿情信息傳播數(shù)據(jù)與相應(yīng)指標(biāo)項(xiàng)對應(yīng)權(quán)重乘積能夠得到該輿情事件的最終監(jiān)測值，對照監(jiān)測級別可以幫助政府及相關(guān)輿情管理者及時(shí)采取針對性措施監(jiān)測和引導(dǎo)網(wǎng)絡(luò)輿情的良性發(fā)展，保障社會(huì)安全。

在研究過程中本文僅以新浪微博平臺作為數(shù)據(jù)源分析新媒體環(huán)境下網(wǎng)絡(luò)輿情監(jiān)測級別，可能導(dǎo)致數(shù)據(jù)分析的結(jié)果存在局限性。本文在后續(xù)研究中將選取更多新媒體平臺如博客、貼吧、論壇等進(jìn)行數(shù)據(jù)的獲取以驗(yàn)證模型可行性，并擴(kuò)充樣本數(shù)量進(jìn)行新媒體環(huán)境下的網(wǎng)絡(luò)輿情監(jiān)測研究。

參考文獻(xiàn)

[1]DTouin M，OConnoT K W，Schmidt G B，et al.Facebook Fited：Legal Petspectives and Young Adults Opinions on the Use of Social Media in Hiting and Fiting Decisions[J].ComputeTs in Human BehavioT，2015，46：123-128.

[2]王晰巍，邢云菲，張柳，等.社交媒體環(huán)境下的網(wǎng)絡(luò)輿情國內(nèi)外發(fā)展動(dòng)態(tài)及趨勢研究[J].情報(bào)資料工作，2017，（4）：6-14.

[3]王青，成穎，巢乃鵬.網(wǎng)絡(luò)輿情監(jiān)測及監(jiān)測指標(biāo)體系研究綜述[J].情報(bào)科學(xué)，2011，（7）：1104-1108.

[4]曾潤喜.網(wǎng)絡(luò)輿情突發(fā)事件監(jiān)測指標(biāo)體系構(gòu)建[J].情報(bào)理論與實(shí)踐，2010，33（1）：77-80.

[5]聶峰英，張旸.移動(dòng)社交網(wǎng)絡(luò)輿情監(jiān)測指標(biāo)體系構(gòu)建[J].情報(bào)理論與實(shí)踐，2015，38（12）：64-67.

[6]蘭月新；曾潤喜.突發(fā)事件網(wǎng)絡(luò)輿情傳播規(guī)律與監(jiān)測階段研究[J].情報(bào)雜志.2013，32（5）：16-19.

[7]杜智濤，謝新洲.利用灰色預(yù)測與模式識別方法構(gòu)建網(wǎng)絡(luò)輿情預(yù)測與監(jiān)測模型[J].圖書情報(bào)工作，2013，57（15）：27-33.

[8]張一文，齊佳音，方濱興.基于貝葉斯網(wǎng)絡(luò)建模的非常規(guī)危機(jī)事件網(wǎng)絡(luò)輿情監(jiān)測研究[J].圖書情報(bào)工作.2012，56（2）：76-81.

[9]王英，龔花萍.基于情感維度的大數(shù)據(jù)網(wǎng)絡(luò)輿情情感傾向性分析研究——以“南昌大學(xué)自主保潔”微博輿情事件為例[J].情報(bào)科學(xué)，2017，35（4）：37-42.

[10]夏一雪，蘭月新，李昊青，等.面向突發(fā)事件的微信輿情生態(tài)治理研究[J].現(xiàn)代情報(bào)，2017，37（5）：28-32.

[11]Shannon C E.A Mathematical Theoty of Communication[J].Bell System Technical JouTnal，1948，27：379-423.

[12]王鐵套，王國營，陳越.基于模糊綜合評價(jià)法的網(wǎng)絡(luò)輿情監(jiān)測模型[J].情報(bào)雜志，2012，31（6）：47-51.

[13]張艷豐，李賀，彭麗徽，等.基于語義隸屬度模糊推理的網(wǎng)絡(luò)輿情監(jiān)測監(jiān)測實(shí)證研究[J].情報(bào)理論與實(shí)踐，2017，40（9）：82-89.

[14]邢云菲，王晰巍，韓雪雯，等.基于信息熵的新媒體環(huán)境下網(wǎng)絡(luò)節(jié)點(diǎn)影響力研究——以微信公眾號為例[J].圖書情報(bào)工作，2018，62（5）：76-86.

[15]徐勇，張慧，陳亮.一種基于情感分析的 UGC 模糊綜合評價(jià)方法——以淘寶商品文本評論UGC為例[J].情報(bào)理論與實(shí)踐，2016，39（6）：64-69.

[16]Useit知識庫“新浪微博數(shù)據(jù)中心”《2017微博用戶發(fā)展報(bào)告》[EB/OL].http：//www.useit.com.cn/thTead-17562-1-1.html，2017-12-25.

[17]個(gè)人圖書館《2017年中國互聯(lián)網(wǎng)輿情研究報(bào)告》[EB/OL].http：//www.360doc.com/content/18/0105/16/29770038_719321 877.shtml，2018-01-05.

[18]王晰巍，邢云菲，王楠阿雪，等.新媒體環(huán)境下突發(fā)事件網(wǎng)絡(luò)輿情信息傳播及實(shí)證研究——以新浪微博“南海仲裁案”話題為例[J].情報(bào)理論與實(shí)踐.2017，40（9）：1-7.

（責(zé)任編輯：孫國雷）2018年9月第38卷第9期現(xiàn)代情報(bào)Journal of Modern InformationSep.，2018Vol38No92018年9月第38卷第9期新媒體視域下個(gè)體投資用戶的信息獲取行為研究Sep.，2018Vol38No9

收稿日期：2018-05-05