網(wǎng)絡(luò)輿情SIR模型優(yōu)化與干預(yù)研究

楊超波，謝衛(wèi)紅,2，王力綱

1.廣東工業(yè)大學(xué)，管理學(xué)院，廣東 廣州 510623

2.廣東工業(yè)大學(xué)，經(jīng)濟(jì)學(xué)院，廣東 廣州 510623

3.廣東工業(yè)大學(xué)，教務(wù)處，廣東 廣州 510006

引 言

互聯(lián)網(wǎng)已經(jīng)成為政府和企業(yè)獲取輿情、了解公眾思想動(dòng)態(tài)的重要渠道。如何在復(fù)雜而多元化的信息中辨明真?zhèn)?、把握方向和有效引?dǎo)網(wǎng)絡(luò)輿情，已成為企業(yè)維護(hù)企業(yè)形象、提高企業(yè)管理能力所面臨的重要問(wèn)題之一。

為提高企業(yè)網(wǎng)絡(luò)輿情傳播過(guò)程的精準(zhǔn)度和監(jiān)控效果，本文基于SIR（Susceptible Infected Recovered）傳染病模型設(shè)計(jì)SPGNR（Susceptible Positive General Negative Recovered）模型，將SIR 傳染病模型中的感染者細(xì)分為積極的感染者、中性的感染者和消極的感染者等三類感染者，設(shè)計(jì)三個(gè)不同干預(yù)力度的監(jiān)控措施，提升精準(zhǔn)化監(jiān)管成效，對(duì)企業(yè)網(wǎng)絡(luò)輿情監(jiān)控和預(yù)測(cè)具有較高的理論創(chuàng)新價(jià)值和實(shí)踐意義。

1 國(guó)內(nèi)外研究現(xiàn)狀

1.1 企業(yè)網(wǎng)絡(luò)輿情的特點(diǎn)

企業(yè)網(wǎng)絡(luò)輿情往往涉及一個(gè)企業(yè)的負(fù)面消息，進(jìn)而可能引發(fā)企業(yè)危機(jī)，因此相對(duì)于一般的網(wǎng)絡(luò)輿情，企業(yè)網(wǎng)絡(luò)輿情具有一些不同的特點(diǎn)：

（1）企業(yè)網(wǎng)絡(luò)輿情更易被炒作。多數(shù)利益群體或社會(huì)大眾普遍具有“寧愿信其有，不愿信其無(wú)”、“同情弱者，質(zhì)疑強(qiáng)者”的思維模式，外加慣有的不明辨是非就“非理性表達(dá)”、“跟風(fēng)”、“圍觀”的錯(cuò)誤網(wǎng)絡(luò)行為，容易造成企業(yè)負(fù)面輿情的惡意炒作、加速傳播擴(kuò)散。

（2）企業(yè)網(wǎng)絡(luò)輿情易被當(dāng)作維權(quán)渠道。與到信訪部門上訪、尋求法律人士幫助維權(quán)等傳統(tǒng)方式相比，網(wǎng)絡(luò)維權(quán)成本較低，且傳播速度快、擴(kuò)散范圍廣，更加能夠引起相關(guān)部門的關(guān)注和重視。

（3）企業(yè)網(wǎng)絡(luò)輿情易成關(guān)注熱點(diǎn)。近年來(lái)，一旦企業(yè)發(fā)生涉及環(huán)保、安全的事件，很容易成為網(wǎng)民關(guān)注的焦點(diǎn)、引發(fā)輿論，進(jìn)而造成社會(huì)公眾對(duì)企業(yè)的認(rèn)可度大打折扣，直接給企業(yè)的生產(chǎn)經(jīng)營(yíng)和聲譽(yù)形象造成嚴(yán)重影響[1]。

（4）企業(yè)負(fù)面網(wǎng)絡(luò)輿情具有事件的放大性。網(wǎng)民的情緒化和主觀意見往往使得企業(yè)的負(fù)面事件內(nèi)容被無(wú)限放大，即使是小問(wèn)題或者行為本身是沒有對(duì)錯(cuò)之分的，但是在網(wǎng)絡(luò)上該問(wèn)題或者行為會(huì)被放大，認(rèn)定是具有嚴(yán)重錯(cuò)誤的，具有事件的放大性[2]。

（5）互聯(lián)網(wǎng)的記憶往往比傳統(tǒng)媒體更持久，即便是在危機(jī)被淡化過(guò)后，有相似危機(jī)事件再次發(fā)生時(shí)，企業(yè)也依舊會(huì)被重新推回大眾視線[3]。

總的來(lái)說(shuō)，與一般的網(wǎng)絡(luò)輿情相比，企業(yè)網(wǎng)絡(luò)輿情更易被炒作、易被當(dāng)作維權(quán)渠道、易成關(guān)注熱點(diǎn)、具有事件放大性、持續(xù)時(shí)間更長(zhǎng)，從而導(dǎo)致處理難度更大。

1.2 傳染病模型研究現(xiàn)狀

Kermack 等[4]提出的SIR 模型是目前最經(jīng)典、運(yùn)用最廣泛的傳染病動(dòng)力學(xué)倉(cāng)室模型之一。該模型將研究對(duì)象分為易感染者S、感染者I和免疫者R三種角色，模型圖如圖1所示。

圖1 SIR 傳染病模型Fig.1 SIR epidemic model

SIR 模型的演變過(guò)程如圖2所示。

圖2 SIR 模型演變過(guò)程Fig.2 Evolution process of SIR model

國(guó)內(nèi)外專家學(xué)者使用SIR 傳染病模型研究網(wǎng)絡(luò)輿情，主要包括三種類型：（1）直接應(yīng)用SIR 模型來(lái)研究網(wǎng)絡(luò)輿情的傳播情況，如Clemente 等[5]基于SIR 傳播模型，分析網(wǎng)絡(luò)輿情傳播過(guò)程。（2）結(jié)合SIR 模型和復(fù)雜網(wǎng)絡(luò)理論來(lái)研究網(wǎng)絡(luò)輿情的傳播情況，如Zanette[6]將復(fù)雜網(wǎng)絡(luò)理論和SIR 模型相結(jié)合，對(duì)小型網(wǎng)絡(luò)中的輿情傳播進(jìn)行了研究。（3）拓展SIR模型來(lái)研究網(wǎng)絡(luò)輿情的傳播情況，如孫蕾等[7]基于SIER 模型建立正向傳播與反向傳播的IER 模型，研究輿情傳播方向、輿情狀態(tài)間轉(zhuǎn)化率及社會(huì)風(fēng)險(xiǎn)之間的相互影響關(guān)系。

SIR 模型沒有細(xì)分I的類型，所以無(wú)法看到不同類型的I的中間變化過(guò)程，以致不能進(jìn)行針對(duì)性的差異化監(jiān)管，造成監(jiān)管效果無(wú)法實(shí)現(xiàn)突破性提升。同時(shí)，SIR 模型只考慮感染人數(shù)的變化，而對(duì)于網(wǎng)絡(luò)輿情，不同類型感染者的發(fā)帖數(shù)比例不同。為便于進(jìn)行網(wǎng)絡(luò)輿情監(jiān)管，需顯示同類型感染者的發(fā)帖數(shù)。

1.3 網(wǎng)民情緒研究現(xiàn)狀

情緒是心理學(xué)的一個(gè)關(guān)鍵概念。廣義上認(rèn)為，情緒是一個(gè)囊括了內(nèi)心感受、記憶、認(rèn)知、行動(dòng)傾向的綜合的、復(fù)雜的心理過(guò)程[8]。狹義上的情緒，指的是一個(gè)人內(nèi)心感受的外在表達(dá)[9]。

拉扎勒斯提出的“認(rèn)知-評(píng)價(jià)”理論認(rèn)為，情緒是人與環(huán)境相互作用的產(chǎn)物，人們的情緒會(huì)改變對(duì)事件的認(rèn)知，形成不同的社會(huì)輿論態(tài)勢(shì)[10]。

國(guó)內(nèi)外關(guān)于網(wǎng)民情緒的研究，大部分從心理學(xué)[11]、生理學(xué)[12]、新聞學(xué)與傳播學(xué)[13]等視角研究網(wǎng)民情緒的影響因素，以及從系統(tǒng)動(dòng)力學(xué)[14]、統(tǒng)計(jì)學(xué)[15]等視角通過(guò)建模與仿真研究情緒演化機(jī)理。

目前關(guān)于網(wǎng)民情緒的相關(guān)研究中，存在兩個(gè)較為突出的不足之處：一是大部分學(xué)者研究網(wǎng)民情緒的分類和識(shí)別，較少研究不同類型網(wǎng)民之間的情緒轉(zhuǎn)變和相互影響關(guān)系；二是較少學(xué)者針對(duì)在大數(shù)據(jù)環(huán)境下來(lái)研究網(wǎng)民情緒的演化趨勢(shì)。

本文在大數(shù)據(jù)環(huán)境下研究積極的感染者、中性的感染者和消極的感染者等三類不同情緒的感染者的演變過(guò)程和演化趨勢(shì)。

2 新模型設(shè)計(jì)

在某一時(shí)刻，若網(wǎng)民未獲悉某話題，為未感染者U；若網(wǎng)民已獲悉某話題，但未對(duì)該話題進(jìn)行評(píng)論、轉(zhuǎn)發(fā)、點(diǎn)贊，為易感染者S；若網(wǎng)民對(duì)該話題進(jìn)行評(píng)論、轉(zhuǎn)發(fā)、點(diǎn)贊，則為感染者。在下一時(shí)刻，若感染者不再評(píng)論、轉(zhuǎn)發(fā)、點(diǎn)贊，則轉(zhuǎn)為免疫者R。

根據(jù)網(wǎng)民發(fā)帖內(nèi)容的情感傾向，將網(wǎng)民分為積極的感染者P、中性的感染者G、消極的感染者N三種類型。

構(gòu)建積極情緒詞庫(kù)和消極情緒詞庫(kù)。積極情緒詞庫(kù)包含衛(wèi)生、健康、清潔、干凈、合格、欣喜、開心、喜悅、快慰、盡情、快樂(lè)、愉快、高興、積極等詞語(yǔ)。消極情緒詞庫(kù)包含中毒、不合格、臟亂、憂郁、沮喪、內(nèi)疚、萎靡、絕望、失望、憤怒、憎恨、煩惱、貪婪、憂愁等詞語(yǔ)。使用積極情緒詞庫(kù)和消極情緒詞庫(kù)對(duì)相關(guān)評(píng)論進(jìn)行詞語(yǔ)匹配，將評(píng)論中出現(xiàn)積極情緒詞庫(kù)中詞語(yǔ)的劃分為積極感染者網(wǎng)帖；評(píng)論中出現(xiàn)消極情緒詞庫(kù)中詞語(yǔ)的劃分為消極感染者網(wǎng)帖；評(píng)論中既沒出現(xiàn)積極情緒詞庫(kù)中詞語(yǔ)又沒出現(xiàn)消極情緒詞庫(kù)中詞語(yǔ)的劃分為中性感染者網(wǎng)帖。

對(duì)積極感染者網(wǎng)帖進(jìn)行轉(zhuǎn)發(fā)、點(diǎn)贊的劃分為積極感染者網(wǎng)帖。對(duì)消極感染者網(wǎng)帖進(jìn)行轉(zhuǎn)發(fā)、點(diǎn)贊的劃分為消極感染者網(wǎng)帖。對(duì)中性感染者網(wǎng)帖進(jìn)行轉(zhuǎn)發(fā)、點(diǎn)贊的劃分為中性感染者網(wǎng)帖。

不同類型的網(wǎng)帖對(duì)應(yīng)相應(yīng)的情感感染者。企業(yè)負(fù)面網(wǎng)絡(luò)輿情容易引起感染者的消極情緒，引發(fā)事件放大性。消極感染者網(wǎng)帖更易被炒作，易成關(guān)注熱點(diǎn)。形成企業(yè)網(wǎng)絡(luò)輿情后，引起相關(guān)部門的關(guān)注和重視，易被當(dāng)作消極感染者的維權(quán)渠道。消極情緒的互聯(lián)網(wǎng)記憶，在相似危機(jī)事件再次發(fā)生時(shí)，讓企業(yè)被重新推回大眾視線。

SPGNR 模型圖如圖3所示。

圖3 SPGNR 模型Fig.3 SPGNR model

其中，X、Y、Z分別為P、G、N的發(fā)帖數(shù)量，Total 為關(guān)于該話題的總發(fā)帖數(shù)量。

隨著輿情事件真相的逐漸披露，網(wǎng)民對(duì)輿情事件的認(rèn)識(shí)越來(lái)越全面，存在部分積極感染者P轉(zhuǎn)化為中性感染者G，部分消極感染者N轉(zhuǎn)化為中性感染者G，因此SPGNR 模型中考慮了P向G轉(zhuǎn)化、N向G轉(zhuǎn)化的情況。

由于不同類型感染者對(duì)同一話題的興趣度不同，所以發(fā)帖率也不同。一般來(lái)說(shuō)，P、G、N的興趣度呈遞增趨勢(shì)，后者的發(fā)帖率大于前者，即

圖3中的參數(shù)，如表1所示。

表1 轉(zhuǎn)換參數(shù)說(shuō)明Table 1 Explanation of the conversion parameters

續(xù)表

SPGNR 模型中角色轉(zhuǎn)換的動(dòng)力學(xué)方程組如下:

陳波等[16]已經(jīng)證明輿情傳播系統(tǒng)都存在零傳播平衡點(diǎn)和唯一的非零傳播平衡點(diǎn)。

根據(jù)方程組（2）的第一個(gè)方程可知，U從1 開始逐漸減少，直至減至0 后保持不變，即U的平衡位置為0，可得U*=0。令方程組（2）中第2 至第5個(gè)方程的右端為0，即

不同行業(yè)的企業(yè)網(wǎng)絡(luò)輿情的演變過(guò)程和傳播規(guī)律不盡相同。不同的演變過(guò)程，對(duì)應(yīng)的傳播模型參數(shù)也有所差異。綜合分析2012年至2022年國(guó)內(nèi)發(fā)生的一些企業(yè)網(wǎng)絡(luò)輿情傳播過(guò)程的分析，如表2（數(shù)據(jù)來(lái)源于百度指數(shù)）所示，發(fā)現(xiàn)參數(shù)中具有獲悉率、消極感染者的感染率及其發(fā)帖率較高，積極感染者的感染率及其發(fā)帖率較低的特點(diǎn)。

根據(jù)對(duì)表2的企業(yè)網(wǎng)絡(luò)輿情真實(shí)案例的傳播過(guò)程分析，使用方程組（2）來(lái)擬合表2中企業(yè)網(wǎng)絡(luò)輿情的傳播過(guò)程曲線，從而得出每個(gè)企業(yè)網(wǎng)絡(luò)輿情對(duì)應(yīng)方程組（2）的參數(shù)，進(jìn)而得到表3的參數(shù)取值范圍。按照該取值范圍應(yīng)用到2019年后發(fā)生的其他真實(shí)的企業(yè)網(wǎng)絡(luò)輿情事件，得到的傳播過(guò)程與實(shí)際傳播情況基本吻合。

表2 2012年至2022年發(fā)生的企業(yè)網(wǎng)絡(luò)輿情Table 2 Enterprise network public opinion from 2012 to 2022

續(xù)表

表3 參數(shù)取值范圍Table 3 The parameters’ ranges

SPGNR 模型演變過(guò)程如圖4所示。

圖4中，U逐漸減少，直至t=8 時(shí)減為零，并保持不變。S呈先增后減趨勢(shì)，在t=3 時(shí)達(dá)到峰值，在t=8 時(shí)減為零，并保持不變。P、G、N從t=4 開始快速增加，在t=6 時(shí)達(dá)到峰值，然后快速減少，在t=14 時(shí)減為零，并保持不變。R從t=2 開始明顯增加，并在t=4 后快速增加，在t=14 時(shí)接近最大值1.0，即全部感染者變?yōu)槊庖哒撸⒈３植蛔?。X、Y、Z與P、G、N的變化趨勢(shì)一致。在同一時(shí)刻，P的發(fā)帖比例小于G的發(fā)帖比例，N的發(fā)帖比例最大。發(fā)帖總數(shù)Tatal從t=4 開始快速增加，并在t=6 時(shí)達(dá)到峰值，接近1.0，然后快速減少，在t=14 時(shí)減為零，并保持不變。在企業(yè)出現(xiàn)負(fù)面事件后，更容易引發(fā)網(wǎng)民的負(fù)面情緒，所以持負(fù)面情緒的網(wǎng)民數(shù)會(huì)明顯多于持正面情緒的網(wǎng)民數(shù)，中立的網(wǎng)民數(shù)介于兩者之間，即圖4中的消極感染者多于中性感染者和積極感染者。

圖4 SPGNR 模型演變過(guò)程Fig.4 Evolution process of SPGNR mode

3 新模型應(yīng)用

使用Python3.0 和PyCharm 在Windows7 平臺(tái)上將SPGNR 模型應(yīng)用到真實(shí)的企業(yè)網(wǎng)絡(luò)輿情，并與SIR 模型的應(yīng)用效果進(jìn)行對(duì)比。

2020年7月30日，海底撈旗下門店所用筷子檢出大腸菌群不合格，引起廣大網(wǎng)民的關(guān)注和討論，形成網(wǎng)絡(luò)輿情。以“大腸菌群”為關(guān)鍵詞，選取2020年7月23日至2020年8月10日的百度指數(shù)里的資訊指數(shù)作為驗(yàn)證對(duì)象，具體指數(shù)情況如圖5所示。

圖5中，事件被媒體報(bào)道后，網(wǎng)絡(luò)評(píng)論數(shù)迅速?gòu)?月29日的3000 多條增加到30日的近38 萬(wàn)條。7月31日，減少至約10 萬(wàn)條。8月1日減少至約2萬(wàn)條，并持續(xù)維持在2 萬(wàn)條左右。

圖5 “海底撈大腸菌群不合格”的百度指數(shù)Fig.5 Baidu Index of “unqualified coliform group of Haidilao”

將SIR 模型應(yīng)用到上述企業(yè)網(wǎng)絡(luò)輿情事件，效果如圖6所示。

從圖6可看到，易感染者S，從7月25日開始逐漸減少，7月28 至30日快速減少，在7月31日減少至0 人。

圖6 SIR 模型應(yīng)用Fig.6 The application of the SIR mode

感染者I的數(shù)量從7月26日開始逐漸增加，7月28 至30日快速增加，并在7月30日達(dá)到峰值，近22 萬(wàn)人。8月1日，感染者I的數(shù)量快速減少至約5 萬(wàn)人。8月5日開始，約減少至0 人，并維持不變。

免疫者R，從7月27日開始逐漸增加，7月28至8月1日快速增加，在8月5日達(dá)到峰值，約38萬(wàn)人，并維持不變。

為提高監(jiān)管成效，在企業(yè)網(wǎng)絡(luò)輿情監(jiān)測(cè)的同時(shí)增加干預(yù)設(shè)置，以便于實(shí)時(shí)進(jìn)行輿論引導(dǎo)、真相公布、對(duì)策實(shí)施。根據(jù)企業(yè)網(wǎng)絡(luò)輿情可能引發(fā)的負(fù)面影響程度大小，分為影響較低、影響嚴(yán)重、影響惡劣三種不同影響程度。對(duì)應(yīng)地，設(shè)計(jì)0、1、2 三個(gè)不同干預(yù)級(jí)別的監(jiān)管措施，其中0 級(jí)為不干預(yù)，1 級(jí)為一般干預(yù)力度，2 級(jí)為強(qiáng)力干預(yù)力度。

不同的干預(yù)級(jí)別，對(duì)應(yīng)不同的干預(yù)力度。對(duì)方程組（2）中的參數(shù)分別增設(shè)干預(yù)系數(shù)來(lái)調(diào)整干預(yù)力度。

從理論分析來(lái)看，根據(jù)圖3和方程組（2）可知，當(dāng)h的干預(yù)系數(shù)值小于1 時(shí)，可減少易感染者者S的數(shù)量，即阻止網(wǎng)絡(luò)輿情的發(fā)展；當(dāng)m、n、j的干預(yù)系數(shù)值小于1 時(shí)，可減少易感染者者S轉(zhuǎn)化為積極感染者P、中性感染者G和消極感染者N，即阻止網(wǎng)絡(luò)輿情的發(fā)展；當(dāng)u和v的干預(yù)系數(shù)值大于1 時(shí)，則促進(jìn)積極感染者P和消極感染者N轉(zhuǎn)化為中性感染者G，降低網(wǎng)絡(luò)輿情的關(guān)注度，可加速網(wǎng)絡(luò)輿情衰退；當(dāng)e、f、q、c的干預(yù)系數(shù)值大于1 時(shí)，則促進(jìn)積極感染者P、中性感染者G、消極感染者N和易感染者者S轉(zhuǎn)化為免疫者R，即加速網(wǎng)絡(luò)輿情衰退。

從實(shí)驗(yàn)仿真來(lái)看，通過(guò)反復(fù)調(diào)整干預(yù)系數(shù)值來(lái)觀察表2中企業(yè)網(wǎng)絡(luò)輿情的傳播過(guò)程曲線，當(dāng)傳播過(guò)程曲線達(dá)到一般干預(yù)力度效果時(shí)，對(duì)應(yīng)的干預(yù)系數(shù)值即為一般干預(yù)力度的干預(yù)系數(shù)值；當(dāng)傳播過(guò)程曲線達(dá)到強(qiáng)力干預(yù)力度效果時(shí)，對(duì)應(yīng)的干預(yù)系數(shù)值即為強(qiáng)力干預(yù)力度的干預(yù)系數(shù)值。設(shè)置不同干預(yù)級(jí)別對(duì)應(yīng)的干預(yù)系數(shù)值，如表4所示。

表4 干預(yù)系數(shù)表Table 4 The intervention coefficient table

當(dāng)輿情事件涉及的相關(guān)企業(yè)公布事件真相、公開處理方案、承諾處理結(jié)果等；相關(guān)行業(yè)協(xié)會(huì)聲明介入處理、公布處理結(jié)果、公共管理制度優(yōu)化等；非官方媒體跟進(jìn)事件真相報(bào)道、呼吁理性看待事件等，可視為干預(yù)級(jí)別為1 的干預(yù)措施。

當(dāng)官方媒體跟進(jìn)事件真相報(bào)道、呼吁理性看待事件等；政府公布事件真相、公開處理方案、承諾處理結(jié)果等；網(wǎng)絡(luò)平臺(tái)運(yùn)營(yíng)方采取技術(shù)干預(yù)手段等，可視為干預(yù)級(jí)別為2 的干預(yù)措施。

參考表3的參數(shù)取值范圍，使用方程組（2）進(jìn)行多次測(cè)試，得到表5的參數(shù)取值，可使SPGNR 模型在干預(yù)級(jí)別為0 級(jí)時(shí)對(duì)上述企業(yè)網(wǎng)絡(luò)輿情事件的應(yīng)用情況如圖7所示。

表5 參數(shù)取值Table 5 The parameters’ values

圖7 干預(yù)級(jí)別為0 級(jí)時(shí)Fig.7 The intervention level of Lev.0

當(dāng)干預(yù)級(jí)別為0 級(jí)時(shí)的網(wǎng)絡(luò)輿情演變情況如表6所示。當(dāng)干預(yù)級(jí)別為1 級(jí)時(shí)，使用表4的干預(yù)系數(shù)值，則SPGNR 模型的應(yīng)用情況如圖8所示。當(dāng)干預(yù)級(jí)別為1 級(jí)時(shí)的網(wǎng)絡(luò)輿情演變情況如表7所示。

表6 0 級(jí)時(shí)的輿情演變情況Table 6 The evolution of public opinion with Lev.0

表7 1 級(jí)時(shí)的輿情演變情況Table 7 The evolution of public opinion with Lev.1

圖8 干預(yù)級(jí)別為1 級(jí)時(shí)Fig.8 The intervention level of Lev.1

干預(yù)級(jí)別為1 級(jí)時(shí)，根據(jù)表4設(shè)置相應(yīng)的干預(yù)系數(shù)值，出現(xiàn)與0 級(jí)時(shí)的主要區(qū)別：

（1）積極感染者P的峰值約為0 級(jí)時(shí)的50%，對(duì)應(yīng)的發(fā)帖數(shù)X峰值約為0 級(jí)時(shí)的67%，在8月6日約減少至0 條，比0 級(jí)時(shí)提前1 天。

（2）中性感染者G的峰值約為0 級(jí)時(shí)的67%，對(duì)應(yīng)的發(fā)帖數(shù)Y峰值約為0 級(jí)時(shí)的67%，在8月6日約減少至0 條，比0 級(jí)時(shí)提前1 天。

（3）消極感染者N的峰值約為0 級(jí)時(shí)的70%對(duì)應(yīng)的發(fā)帖數(shù)Z峰值約為0 級(jí)時(shí)的71%，在8月6日約減少至0 條，比0 級(jí)時(shí)提前1 天。

（4）總網(wǎng)絡(luò)帖數(shù)Total 的峰值約為0 級(jí)時(shí)的66%，在8月6日約減少至0 條，比0 級(jí)時(shí)提前1 天。

（5）免疫者R在8月6日達(dá)到峰值，比0 級(jí)時(shí)提前1 天。

當(dāng)干預(yù)級(jí)別為2 級(jí)時(shí)，使用表4的干預(yù)系數(shù)值，則SPGNR 模型的應(yīng)用情況如圖9所示；網(wǎng)絡(luò)輿情演變情況如表8所示；根據(jù)表4設(shè)置相應(yīng)的干預(yù)系數(shù)值，出現(xiàn)與0 級(jí)時(shí)的主要區(qū)別：

表8 2 級(jí)時(shí)的輿情演變情況Table 8 The evolution of public opinion with Lev.2

圖9 干預(yù)級(jí)別為2 級(jí)時(shí)Fig.9 The intervention level of Lev.2

（1）積極感染者P比0 級(jí)時(shí)提前1 天達(dá)到峰值，峰值約為0 級(jí)時(shí)的50%，比0 級(jí)時(shí)提前4 天減少至0 人。對(duì)應(yīng)的發(fā)帖數(shù)X比0 級(jí)時(shí)提前1 天達(dá)到峰值，峰值約為0 級(jí)時(shí)的67%，比0 級(jí)時(shí)提前4 天減少至0 條。

（2）中性感染者G比0 級(jí)時(shí)提前1 天達(dá)到峰值，峰值約為0 級(jí)時(shí)的58%，比0 級(jí)時(shí)提前4 天減少至0 人。對(duì)應(yīng)的發(fā)帖數(shù)Y比0 級(jí)時(shí)提前1 天達(dá)到峰值，峰值約為0 級(jí)時(shí)的58%，比0 級(jí)時(shí)提前4 天減少至0 條。

（3）消極感染者N比0 級(jí)時(shí)提前1 天達(dá)到峰值，峰值約為0 級(jí)時(shí)的40%，比0 級(jí)時(shí)提前4 天減少至0 人。對(duì)應(yīng)的發(fā)帖數(shù)Z比0 級(jí)時(shí)提前1 天達(dá)到峰值，峰值約為0 級(jí)時(shí)的47%，比0 級(jí)時(shí)提前4 天減少至0 條。

（4）總網(wǎng)絡(luò)帖數(shù)Total 比0 級(jí)時(shí)提前1 天達(dá)到峰值，峰值約為0 級(jí)時(shí)的55%，比0 級(jí)時(shí)提前4 天減少至0 條。

（5）免疫者R比0 級(jí)時(shí)提前2 天達(dá)到峰值。

從圖8和圖9的對(duì)比分析，可發(fā)現(xiàn)干預(yù)級(jí)別2的網(wǎng)帖數(shù)峰值只比與干預(yù)級(jí)別1 的少近4 萬(wàn)條，約為0 級(jí)時(shí)的10%，效果不是太明顯?？紤]到不同干預(yù)級(jí)別所需的干預(yù)成本，以及對(duì)應(yīng)的干預(yù)效果，所以“海底撈大腸菌群不合格”企業(yè)網(wǎng)絡(luò)輿情采用干預(yù)級(jí)別1 可滿足監(jiān)管需求。

應(yīng)用SPGNR 模型和SIR 模型的效果對(duì)比，如表9所示。

表9 與實(shí)際輿情對(duì)比Table 9 Comparison with the actual public opinion

由于SIR 模型的研究對(duì)象是傳染病感染者，沒有考慮到網(wǎng)絡(luò)輿情中不同類型感染者的發(fā)帖率不同，因此不能用SIR 模型直接顯示網(wǎng)帖數(shù)。

本文設(shè)計(jì)的SPGNR 模型，考慮到不同類型感染者的發(fā)帖率差異問(wèn)題，找出其對(duì)應(yīng)關(guān)系，可顯示網(wǎng)帖數(shù)。

傳染病感染者由于生理原因，只能逐漸康復(fù)，因此SIR模型的感染者在峰值出現(xiàn)后，只能逐漸減少。

本文設(shè)計(jì)的SPGNR 模型，結(jié)合表2中 2012年至2022年發(fā)生的企業(yè)網(wǎng)絡(luò)輿情的實(shí)際情況，使得網(wǎng)帖數(shù)在出現(xiàn)峰值后快速減少，符合實(shí)際企業(yè)網(wǎng)絡(luò)輿情的真實(shí)情況。

4 結(jié)論

從本文設(shè)計(jì)的SPGNR 模型與SIR 模型應(yīng)用在企業(yè)網(wǎng)絡(luò)輿情中的效果對(duì)比，可得出以下管理啟示：

（1）細(xì)分研究對(duì)象，有利于提升企業(yè)網(wǎng)絡(luò)輿情監(jiān)管的精準(zhǔn)度。SIR 模型，沒有將感染者進(jìn)行分類，導(dǎo)致監(jiān)管的粒度較粗，不利于精準(zhǔn)化監(jiān)管。企業(yè)負(fù)面網(wǎng)絡(luò)輿情往往引發(fā)大量消極情緒的網(wǎng)絡(luò)評(píng)論。為更有針對(duì)性地研究企業(yè)網(wǎng)絡(luò)輿情，本文將感染者細(xì)分為積極的感染者、中性的感染者和消極的感染者等三類感染者，有利于針對(duì)引起負(fù)面影響的消極感染者制定精準(zhǔn)化的監(jiān)管措施，提高監(jiān)管成效。

（2）研究不同類型感染者的發(fā)帖率，有利于預(yù)測(cè)企業(yè)網(wǎng)絡(luò)輿情的演變趨勢(shì)，便于制定相關(guān)的監(jiān)管措施。不同類型感染者的發(fā)帖率不同，掌握發(fā)帖率的差異規(guī)律，可提高企業(yè)網(wǎng)絡(luò)輿情的監(jiān)管成效。

（3）企業(yè)網(wǎng)絡(luò)輿情引發(fā)的負(fù)面影響程度不盡相同。本文將其分為三種不同的影響程度。為提升精準(zhǔn)化監(jiān)管成效，對(duì)應(yīng)地制定三種不同監(jiān)管力度的干預(yù)級(jí)別。根據(jù)企業(yè)網(wǎng)絡(luò)輿情引發(fā)的不同負(fù)面影響程度，實(shí)施輕重有別的干預(yù)級(jí)別，既保證監(jiān)管成效，又不造成監(jiān)管資源浪費(fèi)。

（4）企業(yè)網(wǎng)絡(luò)輿情傳播，在不同時(shí)刻會(huì)出現(xiàn)不同的狀態(tài)，需實(shí)時(shí)對(duì)其進(jìn)行監(jiān)管，并及時(shí)采取監(jiān)管措施，以將負(fù)面影響控制在限定的范圍內(nèi)，避免造成嚴(yán)重的負(fù)面影響。

（5）企業(yè)網(wǎng)絡(luò)輿情的傳播規(guī)律，可能會(huì)出現(xiàn)新的變化，需持續(xù)對(duì)其進(jìn)行研究，才能及時(shí)發(fā)現(xiàn)其新的傳播規(guī)律，以便采用新的研究工具來(lái)提高監(jiān)管成效。

本文的創(chuàng)新點(diǎn)包括：（1）將感染者類型細(xì)分為積極的感染者、中性的感染者和消極的感染者，便于管理者對(duì)消極的感染者進(jìn)行精準(zhǔn)化監(jiān)控；（2）提出不同類型的感染者的發(fā)帖率不同，使得設(shè)計(jì)的SPGNR 模型更接近企業(yè)網(wǎng)絡(luò)輿情的真實(shí)情況；（3）設(shè)計(jì)三種不同干預(yù)力度的干預(yù)級(jí)別，以提高企業(yè)網(wǎng)絡(luò)輿情的監(jiān)控成效。

通過(guò)“海底撈大腸菌群不合格”的真實(shí)企業(yè)網(wǎng)絡(luò)輿情的應(yīng)用效果表明，SPGNR 模型應(yīng)用在企業(yè)網(wǎng)絡(luò)輿情的傳播過(guò)程精準(zhǔn)度和監(jiān)控效果優(yōu)于SIR 模型。

本文提出改進(jìn)模型的設(shè)計(jì)和企業(yè)網(wǎng)絡(luò)輿情的參數(shù)取值范圍。后續(xù)將深入研究不同類型企業(yè)網(wǎng)絡(luò)輿情的傳播特點(diǎn)和參數(shù)取值規(guī)律。

利益沖突聲明

所有作者聲明不存在利益沖突關(guān)系。