网络舆情热点事件中声量变化及分析研究

韩国柱，张秋波，夏一雪

(武警学院 a.研究生队； b.边防系； c.科研部，河北 廊坊 065000)

●反恐处突研究

网络舆情热点事件中声量变化及分析研究

韩国柱a，张秋波b，夏一雪c

(武警学院 a.研究生队； b.边防系； c.科研部，河北 廊坊 065000)

分析案例的新闻声量、微博声量及网友互动声量等情况，采用描述性统计分析和时间序列分析方法对各月总量及类型总量的变化情况进行研究，为网络舆情的研究提供参考。

网络舆情事件；网络声量；描述性统计分析；时间序列分析

根据中国互联网络信息中心(CNNIC)在京发布《第34次中国互联网络发展状况统计报告》显示，截至2014年6月，中国网民规模达6.32亿。互联网普及率为46.9%[1]。网络时代的到来已经很大程度上改变了人们的工作、生活，网络的普及也在深层次上影响着人们的情感、思想。

网络舆情作为网络时代的产物已经成为了社会舆论场中最有影响力和扩散力的舆论表达[2]。近几年，对于网络舆情的研究不断深入发展，李超零等(2011)采用DWER方法对该数据仓库进行了概念建模[3]，周耀明等(2013)对网络舆情的演化分析进行了研究[4]，兰月新等(2011)建立突发事件网络舆情演进规律的微分方程模型对网络舆情进行研究[5]。但是，以网络舆情报告为基础，分析其中的网络声量变化，从而预测变化趋势的研究还没有。

网络舆情热点事件本身就是所有网络舆情中最具代表性的事件，它们能够集中反映网民对于某几类事件的关注程度。本文以采用描述性统计分析和时间序列分析等方法，对网眼榜2012—2013年各个月份的网络热点事件舆情报告[6]进行挖掘提取。

一、网络声量

(一)网络声量及其特征

根据《辞海》的解释，声量是指声音的响度或强度；音量。这本是一个描述声音特质的量词，但是经过网络化的运用，这一词语的蕴意便发生了深刻的变化。目前，对于网络声量的含义并没有权威表述，所涉及的文章少之又少。在《2008年度商业品牌网络口碑综合报告》[7]一文中在对网络口碑声量的介绍中，指出了“声量为话题数量”；根据缔元信网络数据在2012年伦敦奥运会期间发表的题为《上亿网络声量叹息刘翔伤赛》[8]一文中指出人物网络声量是指当日门户网站中某一人物相关页面的PV数。笔者认为，网络声量是指网络主体通过网络渠道，在网络空间上的诉求和表达，通常以文字、图片和视频等方式进行。网络声量的量化统计往往以网络事件中可量化的某一指标作为基础。

网络声量具有如下特征：

1.数量的庞大性。网络舆情作为社会舆情的重要来源，集中反映了人们的思想与情绪。无论是留言、发帖、评论还是其他任何网络行为，都将产生庞大的声量。这一特性也是网络声量最重要的特点。

2.类型的多样性。首先，网络声量所反映的话题是多元的。涉及境内外经济、政治、社会、文化等各个方面，相当一部分内容还可能是上述多元话题的综合。其次，内容载体丰富。新闻跟帖、论坛帖子、即时通信、博客、微博以及逐渐兴起的4G传媒等都是网络舆情信息的载体。最后，表现形式多样。网络声量不仅会通过直观的数字表达进行反映，还会通过不同的传播媒体间接体现民众的诉求与表达。

3.性质的复杂性。网络声量作为网络舆情的重要指标反映。网络声量的性质及其复杂，参杂着各种不同方面的声音。网络声量是“民意库”，是民情、民生、民意的重要反映；网络声量是“晴雨表”，是现实社会中的量化反映；网络声量是“减压阀”，是民众需要表达和发泄的途径[9]。总之，网络声量的性质及其复杂，是综合的反映。

(二)网络声量的类型

网络声量的类型各种各样，按照地域划分可分为国内网络声量和国外网络声量，按照性质划分可分为官方网络声量和民众网络声量等等。为了便于研究网络声量的变化发展情况，本文采用了网眼榜的划分方式，将网络声量划分为新闻声量、微博声量和网友互动声量来进行分析。

1.新闻声量。新闻声量是取自传统的网络主流媒体对于各类事件的披露与报道所反映出来的网络声量。例如搜狐新闻与网易新闻等主流媒体。这些网络新闻媒体具有一定基数的长期关注着，所报道和披露的事件也具有一定的真实性和权威性，因而在各类网络声量中占有重要的地位。

2.微博声量。微博声量是指基于微博这种社交平台而产生的网络声量。目前微博的使用已经渗透到社会各个方面，日益成为新闻舆论的重要来源，并且逐渐改变着人们的生活方式，毫不夸张地讲微博已经成为了网络化社会的重要量标。目前，在国内具有较大影响力的微博有新浪微博、腾讯微博等，每时每刻这些微博都在不断刷新着人们的关注点，不断聚集着网络声量，这些微博声量已经成为了各类声量中最为重要的一支。

3.网友互动声量。网友互动声量是指在各类可供广大网民进行思想交流的网络平台上产生的网络声量。这类声量由于具有直接的现实交流性和直观显示性因而具备极强的分析和预测作用。

二、网络热点事件的声量统计

自2012年以来，网眼榜每个月份都要发布一份网络热点事件的舆情报告，选取当月具有代表性的十个案例进行总结。本文选取了两年来共计240个网络舆情热点事件，采用描述性统计分析方法从以下两个角度进行了统计：

(一)各个月份声量统计

以月为基本单位，通过描述性统计进行数据累加，得出2012—2013年各个月份的声量总量，如表1和表2所示。

表1 2012年各个月份网络声量总量统计表

表2 2013年各个月份网络声量总量统计表

经过计算得出月份声量的平均值并绘制出三种不同类型的声量的比值情况，如图1和图2。

通过分析以上图表，可得出如下结论：

1.各个月份不同声量之间成正相关分布。通过比较表1和表2可以看出，每月的新闻声量、微博声量和网友互动声量的总量分布成正相关趋势，当这一月份中的某一类型声量较多时，其他两个类型的声量也会比其它月份的声量总量大。这一点充分说明了某一事件的热度波及整个网络世界，不会因为平台的差异而造成壁垒，同时也充分说明了网络世界的关联性。相关部门在监测某些热点事件时，必须通盘考虑整个网络的进展情况，做到全面考量。

图1 2012年网络舆情热点事件声量统计图

图2 2013年网络舆情热点事件声量统计图

2.传统新闻媒体声量在数量上大幅下降但比重上稳步提升。通过比较图1和图2可以看出传统的新闻媒体声量由原先的16 394 479降至8 604 459，总量降幅达47.5%，但是总体比重却从22%上升至32%，增幅达10%。由此可见新闻声量在整个网络声量中占据着重要地位。相关部门在今后仍需重点关注此类声量变化。

3.网友互动声量大幅下降，丧失主体地位。在2012年网友互动声量总量最多，比重最大，但是到了2013年，总量由41 142 959降至2 764 756，降幅达到93%，比重由56%降至11%。这一变化表明了随着微博等更多网络媒介的兴起，网民更多依靠浏览、转发、评论等方式表达诉求，而网友之间的持续互动却越来越低。

4.微博声量成为了网络声量中最重要的组成。微博声量从2012年的16 394 479下降至15 284 306，但是比值却从22%增长至57%，净增35%。由此可见，微博在将来的网络世界中必将发挥着主导作用，占据主体地位。

(二)案例类型声量统计

通过对比分析网眼报告中的240个案例，笔者将其分成了20类，各个类型之间进行了事件总结，如表3。

表3 2012—2013年网络热点事件分类统计表

通过表3可以看出，人们对于公众人物、社会道德、公职人员、行政执法和经济生活等五类网络舆情事件关注最多，占事件总量的57.1%，在所有的类型中，涉及公众人物的事件最多，两年来共计43个，占到总量的17.9%。笔者提取了2013年22例公众人物类网络舆情事件进行声量统计，如表4。

表4 网络公众人物类事件声量统计表

通过表4计算得出2013年公众人物类的新闻声量、微博声量和网友互动声量的总量分别为20 654 520、37 247 415、4 743 543，经过比值计算可得，此类网络事件三类声量分别占全年总量的20.0%、20.3%和14.3%。由此可知公众人物对于广大人民的影响力。

三、以时间序列分析方法对声量的预测分析

在此类网络声量数据中，每月的声量情况就是时间序列的数据，因此，对各类声量采用时间序列分析可以进行有效预测。

(一)数据的提取和初步处理

本文选取2013年全年各个月份的声量总量，以新闻声量和微博声量为参考值，进行数据的提取和初步处理。通过对数据的累加计算，得出表5。

表5 2013年各月新闻声量与微博声量累加前后统计表

(二)数据的分析与趋势预测

通过使用Excel公式编辑器，采用时间序列分析的方法对累加后的数据量进行分析预测，得出图3、图4和图5。

图3 2013年新闻声量函数预测图

图4 2013微博声量函数预测图

通过图3分析得出，2013年新闻声量时间序列的统计分析图，函数式为

F(x)= 9 067 071.98x+ 1 551 023.24

置信度R2=0.92拟合程度较高。

图5 2013年网友互动声量函数预测图

通过图4分析得出，2013年新闻声量时间序列的统计分析图，函数式为

F(x)= 15184085.32x+17554844.08

置信度R2=0.94拟合程度较高。

通过图5分析得出，2013年网友互动声量时间序列的统计分析图，函数式为

F(x)= 2829814.00x+3858224.83

置信度R2=0.91拟合程度较高。

通过分析新闻声量、微博声量以及网友互动声量的函数方程，可以看到今后新闻声量、微博声量、网友互动声量这几类声量将成上升趋势。

(三)小结

1.新闻声量、微博声量、网友互动声量的增长将成为长期趋势。无论何种声量在今后的时期都将持续不断增长。这些声量背后折射的是网民的诉求与表达。面对日益增长的网络声量，政府和国家舆情监管部门必须予以高度的重视。

2.预测函数算法拟合度较高。函数真实值、预测值在短期内较高，预测偏差较小，趋势一致。置信度水平高，函数运用得当，预测趋势正确。

四、结束语

网络声量作为网民观念的量化反映，在未来的网络舆情研究中必将成为重要的指标作用，本文仅通过数学方法进行了粗浅的探讨，以期引起相关部门的重视，为将来的网络舆情研究提供重要的理论支持和实践参考。

[1] 中国互联网络信息中心．第 34 次中国互联网络发展状况统计报告[R/OL]．[2014-07-21]．

[2] 李彪,郑满宁.社交媒体时代的网络舆情[J].新闻记者,2014(1):36-41.

[3] 李超零,陈越,黄惠新,牛孝印.网络舆情数据仓库多维建模技术研究[J].情报杂志,2011,30(7)：150-156.

[4] 周耀明，张慧成，王波.网络舆情演化模式分析[J].信息工程大学学报,2013,13(3):334-341.

[5] 兰月新,邓新元.突发事件网络舆情演进规律模型研究[J].情报杂志,2011,30(8)：47-50.

[6] 网眼榜.网络热点事件舆情报告(2012-2013)[R/OL].http://www.wyyyy.com/Monitor/channels/ 82.html,2014.

[7] 大旗网络.2008年度商业品牌网络口碑综合报告[R/OL].http://wenku.baidu.com/view/ddc520.html.

[8] 缔信网络数据.上亿网络声量叹息刘翔伤赛[EB/OL].http://www.dratio.com/2012/0810/159305.html.

[9] 王国华，曾润喜，方付建.解码网络舆情[M].武汉：华中科技大学出版社，2011:1-2.

(责任编辑 杜 彬)

The Research of the Volume Change in the Internet Public Opinion of Hot Events

HAN Guozhua， ZHANG Qiubob， XIA Yixuec

(a.TeamofGraduateStudent；b.DepartmentofBorder-controlandImmigration；c.DepartmentofScientificResearch，TheArmedPoliceAcademy，Langfang，HebeiProvince065000，China)

The paper analyzes news sound volume， microblog sound volume and users interacting sound volume in each case， etc.， uses the method of descriptive statistical analysis and time series to analysis changes in the type of each month and the total amount to achieve the predicted target， provides a useful reference for the study of the internet public opinion.

network public opinion event； network sound volume； descriptive statistical analysis; analysis of time series

2014-09-22

全国统计科学研究计划重点项目“大数据背景下网络舆情风险预警研究”(2014LZ10)阶段性成果

韩国柱(1990— )，男，河北黄骅人，在读硕士研究生； 张秋波(1965— )，女，黑龙江绥化人，教授； 夏一雪(1983— )，女，山东日照人，讲师。

G206

A

1008-2077(2015)05-0079-05