基于灰色聚類的我國食品安全網絡輿情預警

劉路，程鐵軍*

南京郵電大學 經濟學院（南京 210023）

隨著大數據時代的到來和Web 2.0的發(fā)展，新的媒介傳播方式使公眾參與網絡的速度快速提高，促使輿論的形成與發(fā)展日趨多樣化。網絡輿情是通過互聯網表達和傳播的各種不同情緒態(tài)度和意見交錯的總和，是網民對某一突發(fā)事件發(fā)表言論與觀點以及傳播信息的重要體現[1]。由于食品安全關系到人們基本生活，在食品安全事件中謠言和網絡輿情的傳播更易造成社會的不穩(wěn)定，伴隨互聯網的普及，網絡輿情影響力逐步擴大，如何做好食品安全事件的網絡輿情預警，促進社會和諧穩(wěn)定，值得研究。

1 食品安全網絡輿情預警研究現狀

在食品安全網絡輿情預警機制與激勵研究方面，林萍等[2]結合食品安全問題事件的特殊性，分析食品安全網絡輿情的構成要素以及各構成要素的特點，建立食品安全網絡輿情構成體系，以期為食品安全預警機制建立提供參考；洪巍等[3]運用MATLAB軟件對輿情的傳播過程進行模擬仿真研究，探討食品安全網絡輿情的傳播機理；洪小娟等[4]學者運用PAD情感模型構建情感語義空間，指出食品安全輿情情感的自我認知層愉悅度較高，且意見領袖對他人情感有較強影響；王旎等[5]學者指出我國食品安全網絡輿情監(jiān)測系統存在數據采集不精準及效率低，數據分析不系統及不到位，數據應用面狹窄及場景化不強等難題，主張從數據采集、數據分析以及數據應用三方面提出解決方案。

在食品安全網絡輿情預警模型構建方面，江志英等[6]指出了傳統輿情預警模型與BP神經網絡預測精度不高等問題，建立了更穩(wěn)定、精度更高的AHP-LSTM風險預警模型，為相關部門有效防范食品安全網絡事件提供一定的理論依據；張艷豐等[7]以模糊層次分析法確定指標要素權重，通過直覺模糊推理算法和模糊綜合評判法進行網絡輿情監(jiān)測預警評估；王高飛等[8]在詳細分析移動社交網絡輿情自身特點與影響因素的基礎上，將層次分析法與模糊綜合分析法相結合，構建基于AHP-模糊綜合分析的移動社交網絡輿情預警模型；杜明英等[9]運用模糊綜合評價方法構建食品安全網絡輿情預警模型，確定了食品安全事件各階段預警等級；溫志強等[10]通過分析融媒體時代網絡輿情的特點，提出了基于語義識別構建網絡輿情風險智能預警的策略；劉繼等[11]指出將機器系統的輿情定量計算能力與輿情決策者的定性分析能力結合起來，建立人機協同的輿情智能預警機制；滕婕等[12]通過將新陳代謝GM（1,N）的馬爾科夫動態(tài)模型與其他模型進行對比分析指出前者的預測精度更高；楊柳等[13]結合灰色關聯分析方法與K均值聚類，對輿情事件進行分級，并在分級基礎上利用支持向量算法構建輿情預警自動識別模型；李啟月等[14]指出網絡輿情危機是一類復雜的高維安全問題，其以輿情危機警級難以界定為著眼點，將系統安全降維理論運用到危機預警中，指出了其具有較好的實用性；林玲等[15]基于改進灰色優(yōu)化支持向量回歸的網絡輿情預測模型進行了實證研究，指出該算法有較強的全局搜索能力、較快的收斂速度和較好的穩(wěn)定性；曹科才等[16]在分數階微積分學框架下，建立了分數階數學模型并進行了參數擬合，以央視曝光的河南知名企業(yè)雙匯“瘦肉精”養(yǎng)豬事件為例，指出了分數微積分學在輿情趨勢預測方面的優(yōu)勢等。

通過現有案例可以看出，對于網絡輿情預警的研究主要側重于網上熱點話題，對食品安全事件網絡輿情預警關注較少。在對網絡輿情預警中，對于指標權重的確定多基于層次分析方法，未能反映出決策者在面對網絡輿情判斷時的猶豫性和模糊性。對于食品安全網絡輿情預警方法，多以模糊綜合評價或直覺模糊推理展開，缺少對食品安全網絡輿情信息數據特點的考量。

基于食品安全事件網絡輿情的復雜性、演變的不確定性等特點，文章提出以灰色系統理論與模糊理論為基礎，基于三角模糊數計算網絡輿情預警指標權重，引入灰色白化權函數對食品安全事件網絡輿情預警等級進行分類。

2 食品安全網絡輿情預警指標體系構建及權重確定

2.1 指標體系構建

對于食品安全網絡輿情預警指標的確定，文章在大量閱讀文獻的基礎上設計初步指標，具體包括主題發(fā)布數量、主題詞數量、主題持續(xù)等20個指標?；诘聽柗品椒ǎ?0名具有專業(yè)網絡輿情研究經驗的研究學者、博士研究生等組建專家組，經過指標篩選，最終指標如圖1所示。

圖1 食品安全網絡輿情預警指標構建

2.2 指標權重確定

由于食品安全網絡輿情的演變發(fā)展具有復雜性和不確定性，人們對于指標權重的確定也存在著模糊性、不確定性和猶豫性，因此，模糊邏輯下的指標權重處理方法更符合實際情況。文章選擇模糊數學中的三角模糊數表達和處理網絡輿情指標權重。具體步驟：

表1 九標度法

第二步，計算各準則層的綜合重要程度。由專家對評價準則進行兩兩比較，根據式（1），得到各準則下的模糊判斷矩陣。

設三角模糊數Mi表示模糊判斷矩陣中第i個準則相對于其他所有評價準則的綜合重要程度值，則由式（2）可計算各準則的綜合重要度。

第三步，對于準則層，計算各準則重要于其他準則的可能性程度。利用式（3），計算各準則重要于其他準則的可能性程度V（Mi≥Mk），式中i,k=1,2,3,i≠k。

進一步根據式（4），得到準則層評價準則的權重向量。

式中：k=1,2,…,n,k≠i。

第四步，對于準則層權重向量歸一化處理，得到各準則權重。利用式（5），計算可得各準則權重W(Ai),i=1,2,3。

最后，計算各指標權重。進一步根據步驟第一步到第四步計算各準則層下的指標權重，并將其與所在準則層權重相乘，最終得到網絡輿情指標權重ηj,j=1,2,…,m。

3 食品安全網絡輿情預警模型構建

灰色聚類分析是灰色系統理論重要組成部分之一，基本思想是根據灰色關聯矩陣或者灰色白化權函數將所考察的觀測指標或觀測對象劃分成若干個可定義類別的方法?；诨疑谆瘷嗪瘮档幕疑垲愒u估模型適用于各灰類邊界清晰，但最可能屬于各灰類的點不明的情形，為避免灰類多重交叉及取值端點延拓的問題，劉思峰[17]對該函數進行了改進，文章采取改進的灰色端點白化權函數的聚類模型。

設有n個食品安全事件，即為聚類對象，m個網絡輿情聚類指標，s個不同灰類，根據第i(i=1,2,…,n；j=1,2,…,m)個對象關于j(j=1,2,…,m)指標的觀測值xij(i=1,2,…,n；j=1,2,…,m)，將第i個對象歸入第k (k∈1,2,…,s)個灰類，稱為灰色聚類。文章構建的灰色預警模型具體步驟如下：

對于指標的觀測值xj，可由式（8）計算出屬于灰類k的白化權值。

式中：j=1,2,…,m；k=1,2,…,s。

4 實證分析

文章選取2021年星巴克過期食材事件與2022年土坑酸菜事件進行對比分析。2021年12月13日，記者在無錫星巴克門店進行調查發(fā)現，店鋪將過期的食材保存后繼續(xù)使用，存在食品安全違法行為；12月14日星巴克發(fā)表聲明指出媒體報道的兩家無錫門店員工的確存在營運操作上的違規(guī)行為，并提出了相關整改措施。2022年3月15日，央視315晚會曝光土坑酸菜，指出部分老壇酸菜包是土坑腌制，隨后，輿情事件持續(xù)發(fā)酵，引發(fā)了廣泛的輿論關注，“3·15老壇酸菜”等相關話題沖上微博熱搜；湖南省政府以及相關部門在事件發(fā)生后，迅速行動、積極應對，對醬腌菜企業(yè)開展大排查大整頓，責令相關企業(yè)停產整頓，并對全部產品進行封存。從這兩件食品安全事件來看，隨著社交媒體的變革和大數據時代的到來，食品安全事件一經曝出，輿情便會在短時間內達到高峰，給涉事以及相關企業(yè)帶來一系列食品安全危機，并引發(fā)大規(guī)模網絡輿情。為驗證模型的有效性和達到食品安全事件網絡輿情有效預警，文章采取Python設計爬蟲代碼，收集兩個事件發(fā)生后一個月內的輿情數據，其中定性指標邀請專家打分獲取相關數據，具體如表2所示。

表2 星巴克過期事件與土坑酸菜事件輿情數據

4.1 指標權重確定

對于指標權重，筆者邀請20名具有專業(yè)網絡輿情研究經驗的行業(yè)專家組成評定小組，專家組構成主要包括3位具有網絡輿情高級別課題的教授學者、10位發(fā)表過食品安全網絡輿情相關文章的研究學者、7位網絡輿情研究方向的碩博士研究生，對各專家的模糊值平均，得到準則層與各指標的三角模糊數判斷矩陣。限于篇幅，文章僅展示準則層的權重計算過程，指標權重計算過程與此步驟相同。首先將專家組的模糊值進行平均，得到準則層的模糊判斷矩陣，如表3所示。

表3 準則層A1-A3模糊判斷矩陣

根據式（2），計算準則層的重要程度：

M1=(0.217,0.382,0.627)

M2=(0.197,0.341,0.608)

M3=(0.182,0.277,0.443)

根據式（4）計算：

同理可得：

根據式（5），進行歸一化處理，得到各準則權重W=（0.383,0.347,0.270）。

同理計算各準則層內的指標權重，最終得到各指標權重如表4所示。

表4 網絡輿情預警指標權重確定

4.2 灰色白化權函數確定

結合以往文獻研究，文章將網絡輿情分為四級：一般、比較嚴重、嚴重、特別嚴重，分別對應的灰類為1，2，3和4類?；诨疑垲惙椒?，結合食品安全網絡輿情歷史案例數據，設置各指標相關級別數據，因此得到j指標k子類白化權函數，具體如表5所示。

表5 網絡輿情指標灰色白化權函數設定

4.3 灰色聚類結果分析

將相關數據輸入灰色系統軟件GSTA 8.0，對輸出結果進行整理，得到兩個事件在各評價指標所屬灰類白化權值，具體如表6和表7所示。

表6 星巴克過期事件各評價指標灰類值

表7 土坑酸菜事件各評價指標灰類可能度值

對星巴克過期事件和土坑酸菜事件整體所屬的灰色聚類系數進行整理，得到聚類系數矩陣：

5 結論

針對食品安全事件網絡輿情預警中存在的復雜性、灰色性等特征，文章將灰色信息與端點白化權函數引入到網絡輿情預警的等級范圍，構建基于灰色聚類的網絡輿情預警模型。同時針對網絡輿情演變發(fā)展的不確定性和隨機性，考慮決策者的猶豫程度和模糊判斷，引入三角模糊數確定預警指標權重，構建灰色白化權函數聚類預警模型。最后，將模型應用到食品安全事件中，實證分析表明模型的有效性和科學性。