基于SEIR-SPN的突發(fā)事件網(wǎng)絡(luò)輿情演化及預(yù)警機(jī)制*

顧海碩 賈 楠 孟子淳,2 陳 鵬

(1.中國(guó)人民公安大學(xué)信息網(wǎng)絡(luò)安全學(xué)院 北京 102600;2.濟(jì)南市公安局長(zhǎng)清分局 濟(jì)南 250399 )

0 引 言

突發(fā)事件網(wǎng)絡(luò)輿情呈現(xiàn)凝聚時(shí)間短、成因復(fù)雜且應(yīng)對(duì)困難的特征,失控狀態(tài)下的突發(fā)事件網(wǎng)絡(luò)輿情極可能導(dǎo)致網(wǎng)民矛盾激化,造成社會(huì)恐慌,甚至威脅政府公信力[1-2]。面對(duì)迅速發(fā)酵的突發(fā)事件網(wǎng)絡(luò)輿情,及時(shí)的輿情態(tài)勢(shì)分析和預(yù)警[3],快速實(shí)施應(yīng)急處置、控制負(fù)面輿情和危機(jī)公關(guān),是維護(hù)網(wǎng)絡(luò)及社會(huì)輿論穩(wěn)定的關(guān)鍵。而突發(fā)事件網(wǎng)絡(luò)輿情的演化發(fā)展受到政府干預(yù)、網(wǎng)民情緒及態(tài)度等多因素影響,呈現(xiàn)高度的不確定性、關(guān)聯(lián)性和實(shí)時(shí)性,給政府部門輿情信息分析、預(yù)警和應(yīng)對(duì)帶來(lái)極大的困難[4-5]。

當(dāng)前,國(guó)內(nèi)外學(xué)者關(guān)于網(wǎng)絡(luò)輿情的研究(按照輿情發(fā)展主要過(guò)程)可主要概括為監(jiān)測(cè)預(yù)警和引導(dǎo)治理兩方面[6-7]。一是事前的輿情監(jiān)測(cè)預(yù)警,主要集中于路徑機(jī)制和建模構(gòu)建兩個(gè)層面的研究:在路徑機(jī)制方面,孫飛顯[8]等從政府層面提出了針對(duì)負(fù)面網(wǎng)絡(luò)輿情的監(jiān)測(cè)流程、監(jiān)測(cè)指標(biāo)和其量化方法;劉繼[9]等從理論層面探討了綜合多種大數(shù)據(jù)分析方法提高輿情預(yù)警能力的路徑;模型構(gòu)建指的是通過(guò)多學(xué)科理論交叉,如基于定性分析、數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡(luò)和計(jì)量統(tǒng)計(jì)等方法,獲取輿情發(fā)展敏感性信息,進(jìn)行輿情態(tài)勢(shì)動(dòng)態(tài)監(jiān)測(cè)[10-11],例如,Gil-Carcia[12]等提出了運(yùn)用文本聚類算法對(duì)輿情事件中的敏感話題進(jìn)行跟蹤分析;Witbooi P J[13]運(yùn)用分類算法進(jìn)行微博用戶節(jié)點(diǎn)轉(zhuǎn)發(fā)行為分析,構(gòu)建了輿論預(yù)警模型。二是事中及事后的輿情引導(dǎo)與治理,多聚焦于高校大學(xué)生、公共衛(wèi)生事件、群體性事件、食品安全等的輿情傳播機(jī)制、負(fù)面情緒控制策略和引導(dǎo)機(jī)制的研究[14-15],例如,Li[16]等從政府輿情預(yù)警管理的角度,分析群體情緒的時(shí)空演化及控制模型;李勇建[17]等運(yùn)用突發(fā)事件的結(jié)構(gòu)化描述方法從屬性層次分析了輿情的產(chǎn)生和傳播的動(dòng)力學(xué)機(jī)制;張海濤[18]等分析了突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情演化特征,構(gòu)建了多維數(shù)據(jù)融合的突發(fā)公共衛(wèi)生事件輿情引導(dǎo)邏輯框架和“一核多元”的引導(dǎo)機(jī)制;吳孝靈[19]等基于公眾認(rèn)知和政府引導(dǎo)視角構(gòu)建了“公眾-政府”的鄰避輿情演化模型。

綜上,已有研究成果在輿情預(yù)警機(jī)制、治理策略及體系建設(shè)等方面進(jìn)行了部分探索,為本文突發(fā)事件網(wǎng)絡(luò)輿情演化及預(yù)警奠定了基礎(chǔ),但已有研究在具體工作上還存在一些不足:a.在突發(fā)事件網(wǎng)絡(luò)輿情演化分析過(guò)程中,往往聚焦于研究單一預(yù)警指標(biāo)對(duì)突發(fā)事件網(wǎng)絡(luò)輿情演化及預(yù)警態(tài)勢(shì)發(fā)展的影響,缺乏不同階段多指標(biāo)的分類研究,忽視了多指標(biāo)間的交叉影響,最終影響預(yù)警準(zhǔn)確性;b.已有研究多側(cè)重基于一個(gè)或多個(gè)模型對(duì)突發(fā)事件網(wǎng)絡(luò)輿情演化及預(yù)警建模后的仿真運(yùn)行效果,忽視了多個(gè)模型之間可能的承上啟下的轉(zhuǎn)折,缺乏從系統(tǒng)角度對(duì)突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警進(jìn)行鏈?zhǔn)浇Y(jié)構(gòu)分析。因此,本文針對(duì)以上問題,在厘清突發(fā)事件網(wǎng)絡(luò)輿情系統(tǒng)主要演化路徑及不同階段主要誘因的基礎(chǔ)上,綜合運(yùn)用演化博弈理論與SPN結(jié)構(gòu)模型,構(gòu)建了基于SEIR-SPN的突發(fā)事件網(wǎng)絡(luò)輿情演化及預(yù)警過(guò)程,設(shè)計(jì)了該模型啟動(dòng)規(guī)則及預(yù)警條件,并通過(guò)案例分析進(jìn)行模型的適用性驗(yàn)證。通過(guò)演化平衡點(diǎn)和傳播閾值計(jì)算進(jìn)行突發(fā)事件網(wǎng)絡(luò)輿情態(tài)勢(shì)分析,通過(guò)網(wǎng)絡(luò)輿情預(yù)警概率計(jì)算并分析網(wǎng)絡(luò)輿情預(yù)警指標(biāo)及其對(duì)于網(wǎng)絡(luò)輿情態(tài)勢(shì)發(fā)展的交叉影響,有助于幫助尋找到處理突發(fā)事件網(wǎng)絡(luò)輿情的重點(diǎn)抓手,進(jìn)而提出科學(xué)合理的突發(fā)事件網(wǎng)絡(luò)輿情動(dòng)態(tài)預(yù)警。

1 突發(fā)事件網(wǎng)絡(luò)輿情演化系統(tǒng)及預(yù)警指標(biāo)分析

1.1 突發(fā)事件網(wǎng)絡(luò)輿情演化系統(tǒng)

突發(fā)事件網(wǎng)絡(luò)輿情的演化過(guò)程主要分為產(chǎn)生、發(fā)展、高漲和平息四個(gè)階段(見圖1):

圖1 突發(fā)事件網(wǎng)絡(luò)輿情演化系統(tǒng)

a.產(chǎn)生階段:輿情產(chǎn)生后通過(guò)某種媒介轉(zhuǎn)移至網(wǎng)絡(luò)上,引發(fā)部分網(wǎng)民關(guān)注,并經(jīng)組織評(píng)論、轉(zhuǎn)發(fā)等方式進(jìn)行擴(kuò)散傳播,同時(shí)刺激反饋到網(wǎng)民本身,使得網(wǎng)民形成某些情緒、觀點(diǎn)態(tài)度[20],在形成一定熱度后會(huì)通過(guò)媒體或自媒體等的報(bào)道進(jìn)一步提升曝光度;b.發(fā)展階段:輿情小范圍傳播后逐漸發(fā)酵,以主流網(wǎng)絡(luò)媒體平臺(tái)為源頭,事件和消息被線下平面媒體和電視關(guān)注報(bào)道,事件的影響范圍在不斷的擴(kuò)大,網(wǎng)民會(huì)形成群體交流、討論或意見碰撞,且“網(wǎng)絡(luò)大V”個(gè)人情緒、態(tài)度意見形成之后會(huì)進(jìn)一步刺激事件熱度的上升,這種網(wǎng)民群體以及意見領(lǐng)袖的互動(dòng)會(huì)推動(dòng)輿情進(jìn)入新的階段;c.高漲階段:隨著事態(tài)不斷發(fā)展,關(guān)注度達(dá)到頂峰,且主體網(wǎng)民的訴求沒有得到及時(shí)妥善處理,輿情將進(jìn)一步高漲,表達(dá)更加劇烈,同時(shí)網(wǎng)絡(luò)輿情可能向消極態(tài)勢(shì)發(fā)展,產(chǎn)生新的突發(fā)事件或次生輿情,導(dǎo)致輿情進(jìn)入到爆發(fā)期[21-22];d.平息階段:隨著輿情過(guò)了頂峰,事態(tài)將穩(wěn)步平息,群眾的注意力隨新的議題出現(xiàn)而轉(zhuǎn)移,與此同時(shí)輿情也對(duì)既有的穩(wěn)定秩序造成了破壞,影響了某些人或組織的公信力[23]。其中,在輿情態(tài)勢(shì)發(fā)展階段和高漲階段,相關(guān)的應(yīng)急活動(dòng)會(huì)介入,對(duì)輿情的走向進(jìn)行干預(yù)和引導(dǎo),比如政府有關(guān)部門的公示、通報(bào),官方媒體的辟謠、聲明等[24-25]。

1.2 突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系

根據(jù)突發(fā)事件網(wǎng)絡(luò)輿情系統(tǒng)主要演化路徑及構(gòu)成網(wǎng)絡(luò)輿情不同階段的主要誘因,并在結(jié)合已有研究成果的基礎(chǔ)上[26-27],將突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警影響要素劃分為突發(fā)事件本體輿情、負(fù)面輿情、衍生輿情和政府引導(dǎo)四大部分。本體輿情為突發(fā)事件本身相關(guān)的網(wǎng)絡(luò)信息及其所引發(fā)的信息傳播和討論,也是輿情產(chǎn)生和發(fā)展階段的主要信息來(lái)源;負(fù)面輿情的產(chǎn)生和發(fā)酵是網(wǎng)絡(luò)輿情系統(tǒng)從平穩(wěn)狀態(tài)向高漲狀態(tài)轉(zhuǎn)變的主要原因,負(fù)面輿情信息的關(guān)注度、互動(dòng)度和渠道活性將消極情緒快速大范圍蔓延;衍生輿情是因突發(fā)事件本身及其負(fù)面輿情沒有得到快速有效控制,而導(dǎo)致新的次生輿情事件產(chǎn)生;政府引導(dǎo)包括政府通報(bào)和官方媒體報(bào)道等,及時(shí)準(zhǔn)確的權(quán)威信息發(fā)布是輿情治理的主要方式。

突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警是由上述四大要素共同組成的動(dòng)態(tài)整體,建立突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系及其量化指標(biāo)見表1。

表1 突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系

2 基于SEIR-SPN的突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警模型構(gòu)建

2.1 基于SEIR的突發(fā)事件網(wǎng)絡(luò)輿情演化過(guò)程構(gòu)建

伴隨突發(fā)事件網(wǎng)絡(luò)輿情的蔓延和發(fā)酵,網(wǎng)民大眾會(huì)產(chǎn)生不同的情緒反應(yīng)行為,各種情緒反應(yīng)之間會(huì)受多種主客體因素影響進(jìn)行概率轉(zhuǎn)換,這種網(wǎng)民情緒轉(zhuǎn)換行為符合公共衛(wèi)生領(lǐng)域中的SEIR模型疾病傳染特征[28-29]。故基于傳播動(dòng)力學(xué)理論,可建立突發(fā)事件網(wǎng)絡(luò)輿情SEIR演化傳播模型:將突發(fā)事件網(wǎng)絡(luò)輿情演化系統(tǒng)中網(wǎng)民劃分為未知者S(持續(xù)關(guān)注輿情的所有群體)、潛伏者E(已接受并可能傳播輿情的人群)、傳播者I(受負(fù)面輿情影響產(chǎn)生并傳播消極言論的群體)、免疫者R(受客觀、正面輿情影響產(chǎn)生并傳播積極言論的群體),其傳播路徑為S→E→I→R,未知者S以α的比率變?yōu)闈摲逧,潛伏者E若選擇傳播輿情信息則以μ的比率變?yōu)閭鞑フ逫,否則以β的比率變?yōu)槊庖哒逺,傳播者I以γ的比率變?yōu)槊庖哒逺[30],傳播路徑如圖2所示。

圖2 網(wǎng)民SEIR模型傳播路徑

其傳播動(dòng)力學(xué)微分方程表示如下:

(1)

(2)

(3)

(4)

同時(shí),基于上述分析,對(duì)該模型提出以下基本假設(shè):

①若一定比例N的網(wǎng)民(N≈1)對(duì)突發(fā)事件進(jìn)行網(wǎng)絡(luò)圍觀,且對(duì)該突發(fā)事件感興趣程度為θ,則網(wǎng)民N以θ的比率轉(zhuǎn)變?yōu)檩浨槲粗呔W(wǎng)民群體S(t)。

④傳播者I(t)基于“意見領(lǐng)袖”的正面引導(dǎo)及自身覺悟,以φ的比率轉(zhuǎn)變?yōu)槊庖哒逺(t)(其中0<φ<1)。

基于以上假設(shè),依托SEIR模型構(gòu)建突發(fā)事件網(wǎng)絡(luò)輿情演化過(guò)程,如圖3所示,并構(gòu)建其傳播動(dòng)力學(xué)微分方程,見式(5)。

圖3 突發(fā)事件網(wǎng)絡(luò)輿情演化過(guò)程

(5)

基于李雅普諾夫穩(wěn)定性定理[32-33]得出如下結(jié)論:

證明:滿足R0≤1時(shí),求得輿情傳播模型的雅可比矩陣J1,見式(6):

(6)

(7)

結(jié)論二:傳播閾值R0>1時(shí),輿情傳播模型的平衡點(diǎn)為(S*,E*,I*)。

證明:滿足R0>1時(shí),求得輿情傳播模型的雅可比矩陣J2,見式(8):

(8)

λ2=-1,λ3=-φ

(9)

當(dāng)R0>1時(shí),有傳播平衡點(diǎn)(S*,E*,I*)是系統(tǒng)內(nèi)漸進(jìn)穩(wěn)定的[34],結(jié)論(2)說(shuō)明了傳播閾值R0>1時(shí),會(huì)存在感染狀態(tài)網(wǎng)民,從而增加了網(wǎng)絡(luò)輿情惡性演化的風(fēng)險(xiǎn)。

2.2 基于SPN的突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警

現(xiàn)有研究多運(yùn)用Petri網(wǎng)理論(SPN結(jié)構(gòu)模型)構(gòu)造一種鏈?zhǔn)浇Y(jié)構(gòu)來(lái)反映群體事件、震后災(zāi)害、重大傳染病、以及應(yīng)急管理流程系統(tǒng)的演化、傳播和配置情況[35-36],而SPN結(jié)構(gòu)模型作為一種適合于描述異步的、并發(fā)的計(jì)算機(jī)系統(tǒng)模型,其鏈?zhǔn)浇Y(jié)構(gòu)可用于對(duì)突發(fā)事件網(wǎng)絡(luò)輿情系統(tǒng)演化及預(yù)警系統(tǒng)內(nèi)指標(biāo)間的交叉影響分析。

SPN中的變遷被定義為Molloy形式的指數(shù)分布函數(shù)[37],見式(10):

?t∈T:Ft=1-e-λtx

(10)

其中:參數(shù)λt表示變遷t的平均速率,隨機(jī)延遲時(shí)間變量x≥0。

SPN一般被定義為包含六個(gè)元素的有向圖:SPN =(P,T,F,W,M,λ),其中:

①P={P1,P2,…,Pn} 是預(yù)警關(guān)鍵要素有限集合,n>0表示庫(kù)所總數(shù);

②Ti={t1,t2,…,tk} 表示預(yù)警要素變遷總數(shù);

③F?{P×T}∪{T×P} 是變遷輸入和輸出有向弧元素集合,分別表示觸動(dòng)預(yù)警條件和預(yù)警成果;

④W:F→N+是弧權(quán)函數(shù),對(duì)有向弧賦權(quán)重,N+={1,2,…,n};

⑤M:P→N是標(biāo)識(shí)集合,表示可能出現(xiàn)的狀態(tài),M1是初始標(biāo)識(shí);

⑥λ={λ1,λ2,…,λn}是變遷點(diǎn)火速率集合,與時(shí)間變遷相關(guān)聯(lián),時(shí)間變遷服從負(fù)指數(shù)分布,λ表示分布函數(shù)的參數(shù)。

突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警機(jī)制各環(huán)節(jié)各要素參數(shù)需要設(shè)置合理,其中實(shí)時(shí)監(jiān)測(cè)與態(tài)勢(shì)預(yù)測(cè)是預(yù)警環(huán)節(jié)的重中之重,二者并駕齊驅(qū)是有效預(yù)警的關(guān)鍵,而根據(jù)預(yù)警結(jié)果為相關(guān)部門提供系統(tǒng)的輔助決策支持是構(gòu)建此突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警機(jī)制的主要目的,故構(gòu)建突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警機(jī)制如圖4所示。

圖4 突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警研判結(jié)構(gòu)圖

基于突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系及預(yù)警研判結(jié)構(gòu)圖,建立突發(fā)事件網(wǎng)絡(luò)輿情SPN預(yù)警模型(如圖5所示),該模型由 9 個(gè)網(wǎng)絡(luò)輿情預(yù)警要素和12個(gè)要素變遷組成。其中SPN結(jié)構(gòu)模型中的符號(hào)定義,參見表2。

表2 突發(fā)事件網(wǎng)絡(luò)輿情SPN預(yù)警模型中的符號(hào)定義

圖5 突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警SPN模型

通過(guò)運(yùn)用突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警的SPN模型與Markov鏈同構(gòu)性[38],來(lái)分析突發(fā)事件網(wǎng)絡(luò)輿情演化系統(tǒng)的動(dòng)態(tài)變化。由SPN模型確定初始標(biāo)識(shí):M1=(1,1,1,0,0,0,0,0,0),根據(jù)SPN的觸發(fā)規(guī)則,建立如下可達(dá)標(biāo)識(shí),見式(11)。

M1=(1,1,1,0,0,0,0,0,0)

M2=(0,0,0,1,0,0,0,0,0)

M3=(0,0,0,1,0,0,0,0,0)

M4=(0,0,0,1,0,0,0,0,0)

M5=(0,0,0,0,1,0,0,0,0)

M6=(0,0,0,0,0,1,0,0,0)

(11)

M7=(0,0,0,0,0,1,0,0,0)

M8=(0,0,0,0,0,1,0,0,0)

M9=(0,0,0,0,0,1,0,0,0)

M10=(0,0,0,0,0,1,0,0,0)

M11=(0,0,0,0,1,0,1,1,0)

M12=(0,0,0,0,0,0,0,0,1)

依據(jù)可達(dá)集,構(gòu)建與SPN同構(gòu)的Markov鏈,如圖6所示。其中,圖中有向弧表示該預(yù)警SPN模型從一個(gè)狀態(tài)向另一個(gè)狀態(tài)的轉(zhuǎn)換過(guò)程,每條弧上的標(biāo)注代表該弧所對(duì)應(yīng)變遷的平均實(shí)施速率λj。

圖6 網(wǎng)絡(luò)輿情預(yù)警SPN模型同構(gòu)的Markov鏈

令P(Mi)(i=1,2,…,12)為危機(jī)預(yù)警SPN模型穩(wěn)定狀態(tài)下的Mi概率,則穩(wěn)態(tài)概率P=(P(M1),P(M2),…,P(M12),根據(jù)Markov平穩(wěn)分布相關(guān)定理和切普曼-柯爾莫哥洛夫方程可得式(12)。

(12)

由圖6所示Markov鏈和式(12),得到突發(fā)事件網(wǎng)絡(luò)輿情演化系統(tǒng)狀態(tài)概率間的關(guān)系式(13)。

(13)

2.3 模型運(yùn)行路徑及預(yù)警啟動(dòng)規(guī)則

基于上述SEIR-SPN突發(fā)事件網(wǎng)絡(luò)輿情演化及預(yù)警模型的構(gòu)建,按照突發(fā)事件網(wǎng)絡(luò)輿情系統(tǒng)發(fā)展過(guò)程,設(shè)計(jì)該模型的實(shí)際運(yùn)行路徑與流程。

首先,通過(guò)構(gòu)建SEIR模型進(jìn)行突發(fā)事件網(wǎng)絡(luò)輿情演化平衡點(diǎn)和傳播閾值計(jì)算:當(dāng)傳播閾值R0≤1時(shí),認(rèn)定網(wǎng)民狀態(tài)不會(huì)被感染,輿情傳播也不會(huì)惡性演化,認(rèn)為本次突發(fā)事件網(wǎng)絡(luò)輿情態(tài)勢(shì)平緩,可由系統(tǒng)自我恢復(fù),無(wú)需政府部門外加干預(yù);當(dāng)傳播閾值R0>1時(shí),認(rèn)為網(wǎng)民狀態(tài)會(huì)被感染,輿情傳播惡性演化的風(fēng)險(xiǎn)也大大增加,該網(wǎng)絡(luò)輿情演化系統(tǒng)無(wú)法自我恢復(fù),則需要政府部門及時(shí)啟動(dòng)網(wǎng)絡(luò)輿情嚴(yán)重性評(píng)估程序進(jìn)行預(yù)警研判,采取措施進(jìn)行干預(yù),最大限度地降低輿情影響。

然后,基于突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警指標(biāo)權(quán)重劃分預(yù)警指標(biāo)風(fēng)險(xiǎn)級(jí)別為Ⅰ類、Ⅱ類和Ⅲ類,并進(jìn)行嚴(yán)重性評(píng)估。本文采用層次分析法改進(jìn)的網(wǎng)絡(luò)分析法(Analytic Network Process,ANP)使用yaanp軟件進(jìn)行權(quán)重計(jì)算,并做降序處理,獲得預(yù)警指標(biāo)風(fēng)險(xiǎn)評(píng)級(jí),參見表3。

表3 突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警評(píng)級(jí)指標(biāo)

最后,建立SPN預(yù)警結(jié)構(gòu)模型,通過(guò)互聯(lián)網(wǎng)數(shù)據(jù)爬取,挖掘?qū)嶋H案例的部分開放數(shù)據(jù),并得到λ1、…、λ12共12個(gè)平均實(shí)施速率參數(shù),獲得特定情況下的系統(tǒng)狀態(tài)預(yù)警概率,見式(14)。

(14)

其中:P代表危機(jī)預(yù)警概率P(M12),φ、ψ、l為待定常數(shù),i、j=1,2,…,12。

同時(shí),設(shè)定預(yù)警閾值為0.1,并設(shè)置預(yù)警評(píng)級(jí)規(guī)則如下:

若預(yù)警概率P∈[0.1,0.2]或達(dá)到預(yù)警臨界曲面,則啟動(dòng)藍(lán)色預(yù)警;

若預(yù)警概率P∈(0.2,0.3]或達(dá)到預(yù)警臨界曲面,則啟動(dòng)黃色預(yù)警;

若預(yù)警概率P∈(0.3,0.4]或達(dá)到預(yù)警臨界曲面,則啟動(dòng)橙色預(yù)警;

若預(yù)警概率P>0.4或達(dá)到預(yù)警臨界曲面,則啟動(dòng)紅色預(yù)警。

3 實(shí)例分析

2022年6月,“某A市燒烤店打人”事件引發(fā)了全國(guó)性的輿論發(fā)酵,而后轉(zhuǎn)年3月,“大學(xué)生組團(tuán)坐擼串”登上熱搜,“某B市燒烤”話題持續(xù)火爆并吸引了全國(guó)各地網(wǎng)友的關(guān)注,短時(shí)間內(nèi)發(fā)生的兩次“燒烤事件”其完全不同的發(fā)展態(tài)勢(shì),不禁引起民眾的對(duì)比討論。本文以這兩次“燒烤”事件為例,分析突發(fā)事件網(wǎng)絡(luò)輿情演化及預(yù)警機(jī)制,并進(jìn)行模型適用性的交叉驗(yàn)證。

3.1 基于“某A市燒烤店打人”事件的預(yù)警研判分析

將以上參數(shù)代入,得到傳播閾值,見式(15):

(15)

可知,本次突發(fā)事件存在輿情嚴(yán)重惡性演化的風(fēng)險(xiǎn),需要進(jìn)行輿情演化系統(tǒng)的危機(jī)預(yù)警概率分析。

不妨設(shè)數(shù)據(jù)庫(kù)迭代速率為30次/分鐘,則λ1=30,Ⅰ類、Ⅱ類和Ⅲ類預(yù)警指標(biāo)速率分別為13條/分鐘、5條/分鐘和2條/分鐘,則λ2=13,λ3=5,λ4=2,采集數(shù)據(jù)期間網(wǎng)民熱度高漲,使得該突發(fā)事件網(wǎng)絡(luò)輿情關(guān)注度上升(變遷5t),同時(shí),大量不良媒體或個(gè)人在考察流量或利益收效的情況下,發(fā)布態(tài)度極端的不實(shí)信息(變遷6t)。經(jīng)過(guò)官方媒體和政府機(jī)關(guān)平臺(tái)通報(bào),相關(guān)傳播度下降,設(shè)λ5=5,λ6=2,Ⅰ類、Ⅱ類和Ⅲ類評(píng)價(jià)影響速率的增長(zhǎng)率分別為0.71、0.21和0.42,則λ7=0.71,λ8=0.21,λ9=0.42,在各關(guān)節(jié)交叉影響下(變遷10t),突發(fā)事件網(wǎng)絡(luò)輿情趨勢(shì)走向不好的方向(變遷11t),發(fā)展形勢(shì)愈加緊迫從而拉響警報(bào)(變遷12t),故設(shè)λ10=14,λ11=9,λ12=1。

①Ⅲ類預(yù)警指標(biāo)所占權(quán)重較小,對(duì)網(wǎng)絡(luò)輿情危機(jī)預(yù)警影響較弱,因此首先考慮Ⅰ類、Ⅱ類預(yù)警指標(biāo)實(shí)時(shí)速率的交互影響。各項(xiàng)參數(shù)取值λ1=30,λ4=2,λ5=5,λ6=2,λ7=0.71,λ8=0.21,λ9=0.42,λ10=14,λ11=9,λ12=1,將其代入式(13)得到Ⅰ、Ⅱ類預(yù)警指標(biāo)實(shí)時(shí)值和預(yù)警概率之間的關(guān)系,見式(16):

(16)

其中:P代表危機(jī)預(yù)警概率(P(M12)),λ2和λ3分別代表I類和Ⅱ類預(yù)警指標(biāo)實(shí)時(shí)值。如設(shè)定警報(bào)閾值為0.1,求解λ2和λ3變動(dòng)下輿情處于危機(jī)狀態(tài)的概率變化,如圖7所示。

圖7 λ2和λ3變動(dòng)下網(wǎng)絡(luò)輿情處于危機(jī)狀態(tài)的概率

由圖7可知,當(dāng)λ2=4.17,λ3=2.30時(shí),危機(jī)預(yù)警的概率是43.39%,此時(shí)直接進(jìn)入預(yù)警評(píng)級(jí)系統(tǒng),啟動(dòng)預(yù)警。

②考慮Ⅰ類、Ⅱ類預(yù)警指標(biāo)實(shí)時(shí)值增長(zhǎng)率的交互影響。各項(xiàng)參數(shù)取值λ1=30,λ2=13,λ3=5,λ4=2,λ5=5,λ6=2,λ9=0.42,λ10=14,λ11=9,λ12=1,將其代入式(13),Ⅰ類和Ⅱ類預(yù)警指標(biāo)增長(zhǎng)率和預(yù)警概率之間的關(guān)系為:

(17)

其中:λ7和λ8分別代表I類和Ⅱ類預(yù)警指標(biāo)增長(zhǎng)率,求解λ7和λ8變動(dòng)下輿情處于危機(jī)狀態(tài)的概率變化,如圖8所示。

圖8 λ7和λ8變動(dòng)下輿情處于危機(jī)狀態(tài)的概率

由圖8所示,當(dāng)λ7=0.2,λ8=0.2時(shí),危機(jī)預(yù)警概率為41.82%,此時(shí)直接進(jìn)入預(yù)警評(píng)級(jí)系統(tǒng),啟動(dòng)預(yù)警。

③考慮Ⅰ-Ⅲ類預(yù)警指標(biāo)實(shí)時(shí)值增長(zhǎng)率之間的交互影響。各項(xiàng)參數(shù)取值λ1=30,λ2=13,λ3=5,λ4=2,λ5=5,λ6=2,λ10=14,λ11=9,λ12=1,并假設(shè)預(yù)警臨界值P(M12)為0.400,將其代入式(13)得到Ⅰ-Ⅲ類預(yù)警指標(biāo)增長(zhǎng)率之間的交互關(guān)系為:

(18)

當(dāng)λ7=0.21,λ8=0.37,λ9=0.25時(shí)達(dá)到預(yù)警臨界(λ7,λ8,λ9均大于預(yù)設(shè)閾值,則啟動(dòng)預(yù)警),直接進(jìn)入預(yù)警評(píng)級(jí)系統(tǒng),啟動(dòng)預(yù)警。

基于圖7和圖8的仿真結(jié)果可知,Ⅰ類、Ⅱ類預(yù)警指標(biāo)增長(zhǎng)率的交互影響(即λ7和λ8變動(dòng)下輿情處于危機(jī)狀態(tài)的概率)更為突出,故最終選擇λ7和λ8作為主要影響因素。根據(jù)上述研究,將參數(shù)代入式(17),得到該突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警概率P=0.4498>0.4,故啟動(dòng)紅色預(yù)警。

3.2 基于“某B市燒烤”的預(yù)警研判分析

(19)

可知,當(dāng)前突發(fā)事件輿情嚴(yán)重惡性演化的風(fēng)險(xiǎn)較小,輿情系統(tǒng)內(nèi)部可自我恢復(fù),暫時(shí)可不予采取輿情引導(dǎo)措施。

R0=0.0828?1

(20)

R0=2.5489>1

(21)

可知,伴隨“某B市燒烤”的極大熱度,以及馬上即將要迎來(lái)的大量訪客,極易存在輿情惡性演化的風(fēng)險(xiǎn),亟需政府部門基于危機(jī)預(yù)警概率采取預(yù)防措施。

設(shè)數(shù)據(jù)庫(kù)迭代速率為50次/分鐘,則λ1=25,Ⅰ類、Ⅱ類和Ⅲ類預(yù)警指標(biāo)速率分別為13條/分鐘、5條/分鐘和2條/分鐘,則λ2=13,λ3=5,λ4=2,采集數(shù)據(jù)期間突發(fā)事件網(wǎng)絡(luò)輿情關(guān)注度上升(變遷5t),同時(shí)存在發(fā)布態(tài)度極端的不實(shí)信息的情況(變遷6t)。而后,經(jīng)過(guò)官方媒體和政府機(jī)關(guān)平臺(tái)通報(bào),傳播度下降,不妨設(shè)λ5=7,λ6=3,Ⅰ類、Ⅱ類和Ⅲ類評(píng)價(jià)影響速率的增長(zhǎng)率分別為0.71、0.21和0.42,則λ7=0.71,λ8=0.21,λ9=0.42,在各關(guān)節(jié)交叉影響下(變遷10t),突發(fā)事件網(wǎng)絡(luò)輿情趨勢(shì)走向不好的方向(變遷11 t),發(fā)展形勢(shì)愈加緊迫從而拉響警報(bào)(變遷12t),故可設(shè)λ10=15,λ11=10,λ12=1。

各項(xiàng)參數(shù)取值λ1=50,λ2=13,λ3=5,λ4=2,λ5=7,λ6=3,λ9=0.42,λ10=15,λ11=10,λ12=1,將其代入式(13),Ⅰ類和Ⅱ類預(yù)警指標(biāo)增長(zhǎng)率和預(yù)警概率之間的關(guān)系如公式(22)所示:

(22)

其中:λ7和λ8分別代表I類和Ⅱ類預(yù)警指標(biāo)增長(zhǎng)率,λ7和λ8變動(dòng)下輿情處于危機(jī)狀態(tài)的概率變化如圖9所示。

圖9 λ7和λ8變動(dòng)下輿情處于危機(jī)狀態(tài)的概率

根據(jù)預(yù)警啟動(dòng)規(guī)則,由上述參數(shù)代入式(22),得到“某B市燒烤”網(wǎng)絡(luò)輿情預(yù)警概率P=0.4495>0.4,故啟動(dòng)紅色預(yù)警。

4 結(jié) 論

在突發(fā)事件網(wǎng)絡(luò)輿情蔓延發(fā)酵的過(guò)程中,通過(guò)輿情系統(tǒng)演化及預(yù)警分析,及時(shí)給予干預(yù)措施并糾正輿情導(dǎo)向,可有效疏解負(fù)面情緒的影響力,消除網(wǎng)絡(luò)輿情的影響。本文從政府決策支持的角度出發(fā),通過(guò)構(gòu)建基于SEIR-SPN的突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警模型,系統(tǒng)地解決了伴隨突發(fā)事件網(wǎng)絡(luò)輿情的發(fā)展發(fā)酵,政府部門“是否需要干預(yù)”及“干預(yù)程度”的決策問題。

本文得出主要結(jié)論如下:a.通過(guò)梳理突發(fā)事件網(wǎng)絡(luò)輿情主要演化路徑及不同發(fā)展階段的主要影響因素,從突發(fā)事件本體輿情、負(fù)面輿情、衍生輿情和政府引導(dǎo)四個(gè)層面構(gòu)建了網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系;b.構(gòu)建基于演化博弈理論的SEIR突發(fā)事件網(wǎng)絡(luò)輿情演化過(guò)程,并綜合運(yùn)用SPN模型與其同構(gòu)的Markov鏈,提出并構(gòu)建基于SEIR-SPN的突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警模型,同時(shí),設(shè)計(jì)了伴隨突發(fā)事件網(wǎng)絡(luò)輿情演化系統(tǒng)的模型運(yùn)行路徑及預(yù)警啟動(dòng)規(guī)則:通過(guò)分析突發(fā)事件網(wǎng)絡(luò)輿情系統(tǒng)的演化平衡點(diǎn)和傳播閾值,進(jìn)行系統(tǒng)態(tài)勢(shì)研判,若R0≤1,認(rèn)為系統(tǒng)自我恢復(fù),無(wú)需政府干預(yù);若R0>1,則認(rèn)為該網(wǎng)絡(luò)輿情演化系統(tǒng)無(wú)法自我恢復(fù),需要進(jìn)一步通過(guò)系統(tǒng)狀態(tài)預(yù)警概率計(jì)算進(jìn)行預(yù)警評(píng)級(jí)。c.以“某A市燒烤店打人”事件和“某B市燒烤”事件為例進(jìn)行模型適用性驗(yàn)證,運(yùn)用實(shí)驗(yàn)定量分析通過(guò)求解網(wǎng)絡(luò)輿情演化系統(tǒng)演化平衡點(diǎn)、傳播閾值和預(yù)警穩(wěn)態(tài)概率,實(shí)現(xiàn)了預(yù)警等級(jí)判定后鏈?zhǔn)浇Y(jié)構(gòu)下的突發(fā)事件網(wǎng)絡(luò)輿情系統(tǒng)狀態(tài)分析。其中,在案例分析中,通過(guò)對(duì)“某A市燒烤店打人”事件進(jìn)行仿真實(shí)驗(yàn),得到λ7和λ8的變化(即Ⅰ類、Ⅱ類預(yù)警指標(biāo)增長(zhǎng)率的交互影響)對(duì)于輿情危機(jī)狀態(tài)的概率影響更為顯著,有助于幫助在相似的案例分析及輿情治理中確定重點(diǎn)抓手;同時(shí),本文對(duì)于將“某B市燒烤”這種積極輿情事件代入模型時(shí)進(jìn)行了優(yōu)化處理:基于實(shí)際考量,將表達(dá)前往意愿等類似評(píng)論劃歸為消極評(píng)論數(shù),從政府層面較大程度預(yù)判了可能的網(wǎng)絡(luò)輿情負(fù)面演化,也給類似網(wǎng)絡(luò)輿情預(yù)警提供了新的分析思路。

盡管本文在理論及仿真計(jì)算層面對(duì)突發(fā)事件網(wǎng)絡(luò)輿情的演化和預(yù)警機(jī)制進(jìn)行了深入探討,但是由于篇幅限制,尚未在模型優(yōu)化和應(yīng)用方面進(jìn)行詳細(xì)分析,因此未來(lái)將會(huì)圍繞模型適用性,進(jìn)一步開展考慮輿情演化過(guò)程中信息碰撞及耦合作用等的系列研究,以期發(fā)展和完善的突發(fā)事件網(wǎng)絡(luò)輿情理論和實(shí)踐體系。