社交媒体中信息可靠性测评研究

林向义 李秀成 罗洪云

〔摘 要〕通过问卷调查从信息接收者、信息发布者、信息传播途径和信息本身4个方面构建了社交媒体中信息可靠性测评的指标体系。根据社交媒体中信息可靠性测评指标的模糊性构建了基于三角模糊数的社交媒体中信息可靠性测评模型，利用模糊一致偏好关系确定评价指标权重。以微博为例详细阐述了社交媒体中信息可靠性测评的流程。将理论研究和实际应用有效结合起来，有利于提高社交媒体中信息可靠性判断的准确性。

〔关键词〕社交媒体；信息可靠性；测评；微博；三角模糊数；模糊一致偏好关系

DOI：10.3969/j.issn.1008-0821.2016.07.005

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2016）07-0024-06

The Reliability Evaluation on Information in Social Media

——A Case of MicroBlog

Lin Xiangyi Li Xiucheng Luo Hongyun

（Institute of Petroleum Economics and Management，Northeast Petroleum University，Daqing 163318，China）

〔Abstract〕From the receivers，information publishers，information transmission and information itself，it constructs index system for reliability evaluation of information in social media.According to the ambiguity of information transformed in social media，it presented a new reliability evaluation model based on triangular fuzzy number.Fuzzy consistent preference relations are applied to determine the weight of each index.MicroBlog is selected as a typical case to elaborate the process of reliability evaluation of information within it.The Combination between theoretical study and practical application is benefit for users of social media to improve judging accuracy of the reliability of information transformed within social media.

〔Key words〕social media；reliability of information；evaluation；microblog；triangular fuzzy number；consist fuzzy preference relation

当今社会已经进入互联网时代，以社交网站、博客论坛和微信等为代表的社交媒体成为人们及时向目标受众共享信息的大众化平台[1]，其中具有强交叉性特点的微博更是人们获取、发布和传播信息越来越重要的平台[2]。自媒体时代，社交媒体中传播途径较多，而且信息传递具有高度的自由性。由于政府、行业部门对社交媒体中的信息监管力度不足，导致了虚假信息和谣言等不断涌现，严重影响了网络舆情的健康发展，进而威胁到整个社会的稳定。因此，对社交媒体中信息可靠性测评进行研究，能帮助信息转发者和受众者对社交媒体中各种信息可靠性、真实性进行有效评估，正确引导网络舆情的健康发展，维护网络安全和社会稳定。

目前关于研究社交媒体中信息可靠性的文献较少，其中关于社交媒体中信息可靠性测评指标体系的研究成果主要有：薛传业，夏志杰，张志花等（2015）对突发事件中社交媒体信息可信度进行了研究，从信息来源可信度、传播渠道可信度、信息内容可信度以及评论质疑四个维度建立了社交媒体信息可信度指标体系[3]。沈旺，国佳，李贺（2013）从用户视角对网络社区信息质量及可靠性进行了探索，建立了作者声誉、表法能力和证据性等包含13个指标的指标体系[4]。盛宇（2013）以新浪微博为例建立了内容相关度、内容质量和内容更新三方面影响信息质量的指标体系[5]。冯缨，张瑞云（2014）采用模糊综合方法对微博信息质量进行评估，建立了信息内容、表达、效用质量以及发布者质量4个一级指标，12个二级指标[6]。Kristin Page Hocevar等（2014）建立了包含社交媒体的平均水平、成功查找信息的能力和信心、社交媒体的生产内容等的指标体系[7]；对于社交媒体中信息可靠性的相关测评方法的研究成果主要有：莫祖英，马费成，罗毅（2013）利用层次分析法对微博信息质量进行了评价与分析[8]。Chei Sian Lee，Long Ma（2012）建立了基于结构方程模型的社交媒体中共享新闻影响因素的评价与分析[9]。李晓静，张国良（2012）运用因子分析对社交媒体的可信度进行实证研究[10]。

2016年7月 第36卷第7期 现?"代?"情?"报 Journal of Modern Information July，2016 Vol36 No7

2016年7月 第36卷第7期 社交媒体中信息可靠性测评研究 July，2016 Vol36 No7

1 相关概念

11 社交媒体

社交媒体还没有一个统计的概念。Kaplan和Haenlein（2010）认为社交媒体是一组建立在Web20的思想和技术基础之上基于互联网的应用，并允许创建、编辑和用户交流产生的内容[11]。Jussila，Krkkinen和Immonen（2014）认为社交媒体是完全基于用户创建内容，或者通过用户创建的内容或活动增加应用或显著的服务价值[12]。都平平，郭琪，李雨珂等（2014）认为社交媒体是集交叉性、及时性和传播途径的多样性于一体的社交网络应用[13]。而目前被提及较多的概念是：社交媒体是让人们用来交换彼此之间的意见、想法、经验和观点的工具和平台，允许人们撰写、分享、评价、探讨和互相交流的网络应用程序[14]。目前，常用的社交媒体主要有微博、Twitter、微信、Facebook、虚拟社区和其他社交网站等[15]。社交媒体具有如下特征：

111 大量用户参与

根据《第34次中国互联网络发展状况统计报告》的统计结果，我国网络用户已达到632亿人，使用互联网的概率为469%[16]。随着互联网的快速发展，用户更倾向于便捷的社交性信息交流方式。

112 信息规模大

在社交媒体中，数以百万用户彼此交换自己的观点，经验以及所闻所见，包含各门各类，如娱乐类、体育类、社会类以及生活常识类等。

113 内容更新快

微信、微博等社交媒体中的信息比传统媒体传播速度更快，具有很强的流动性。手机、电脑等更为社交媒体传播信息提供了方便快捷的工具支持。截至2014年中旬，我国手机用户的数量达527亿，其中大部分人随身携带手机，通过社交媒体随时随地发布和接受信息[16]。

114 信息传播方式多样化

社交媒体种类较多，如博客、微博和微信等，每种媒体分享信息的方式多种多样，而且不同社交媒体之间还可以交叉传递信息，如微信可以将朋友圈中的东西分享给微博好友。

115 信息编辑的自由性

自媒体时代，用户使用社交媒体发布信息时以个人为主，每个人都是一个小媒体，自行编制信息发布至社交媒体。

12 信息可靠性

信息可靠性，即信息的可靠程度，是指在信息的正确性未知的状况下，信息及其指向的实际情况相符的可能性信息可靠性[17]。Metzger（2007）认为信息可靠性是信息接收者对信息的判断，是对信息质量和信息来源的可信度的客观认知[18]。常文英，刘冰（2015）认为信息可靠性具有两方面含义：一方面是指信息本身所具有的客观性，如信息来源的可靠性、信息内容与事实的贴近度；另一方面是信息传播过程中，受众者对信息可靠性的主观认识与评价[19]。Subramaniam，Taylor，Jean等（2014）提出社交媒体用户通过预测判断和评价判断确定信息可靠性，用户依靠各种线索预测信息可靠性[20]。

2 社交媒体中信息可靠性测评指标体系

21 指标体系建立的原则

211 目的性原则

为了能更加准确地评价社交媒体中信息可靠性，应从多层次、多方面选取评价指标，围绕评价的目的，形成多样性的评价指标。

212 整体性原则

构建的指标体系要涵盖信息可靠性的各个方面，考虑各种影响社交媒体中信息可靠性的情况，选出具有代表性的指标。

213 科学性原则

选取的指标体系要以系统科学的理论作为依据，客观地反映社交媒体中信息可靠性的实际情况。整体结构合理、层次结构清晰，具有较高的可靠性和统计性[21]。

214 可操作性原则

评价指标体系的可操作性是其被合理应用的前提条件，每项评价指标要有一个明确的意义。

22 指标体系的构成

本文主要从三方面建立社交媒体中信息可靠性测评指标体系：

221 阅读相关理论研究的文献

通过查阅国内外对社交媒体中信息可靠性、真实性、可信度及信息质量的研究成果，初步确定信息发布者、信息接受者、信息传播途径和信息本身4个一级指标及发布者的专业度、接收者评论等二级测评指标。

222 根据社交媒体中信息的特征

从发布者角度进行分析研究，增加了发布者门槛低和发布者的断章取义等二级指标；从信息接收者方面分析，增加了接收者的反馈新指标；从传播途径及信息本身分析，新增了信息监管力度、信息要素齐全度等测评指标，初步建立社交媒体中信息可靠性测评指标体系。

223 问卷调查

利用微信、传真、访谈等形式通过李克特五级分量表对初步建立的社交媒体中信息可靠性测评指标体系进行修改和完善：1=十分不可靠；2=较为不可靠；3=一般可靠；4=较为可靠；5=十分可靠。此次问卷共发放230份调查问卷，其中回收问卷218份，有效问卷210份，问卷有效率为9130%，被调查人员样本分布见表1。

问卷调查中选取平均分375为标准进行指标取舍，高于平均分375的指标选取，低于平均分375的舍去。最后形成社交媒体中信息可靠性测评的指标体系，如表2所示。

3 社交媒体中信息可靠性测评模型及流程

三角模糊数是以模糊理论为基础，主要是量化人们想法和看法的模糊性，在语言方面可以正确代表模糊理论的近似推理，其中语言变量由三角模糊数表示[22]，即一个模糊数A=（，，）称为三角模糊数[23]。由于社交媒体中信息可靠性难以准确量化，只能采用定性指标进行测评，三角模糊数恰能将定性指标进行量化，因此本文选用三角模糊数构建对社交媒体中信息可靠性测评模型。社交媒体中信息可靠性测评模型及流程如下[24-25]：

步骤1：确定待评价对象、评价指标及评价专家。假设每个待评价对象有m个一级指标记为Ai（i=1，2，…，m）；p个二级指标，记为Aij（j=1，2，…，p）；n个评价专家，记为Ek（k=1，2，…，n）。

步骤2：定义语言变量的评价等级和所对应的三角模糊数值。评价语言变量用于确定社交媒体中信息可靠性不同指标下的测评值。三角模糊数用集合A=（a，b，c），其中a

fA（x）=0，x

（x-a）/（b-a）a≤x

（c-x）/（c-b）b≤x

0，x≥c?"

（1）

设A=（a1，b2，c1）和B=（a2，b2，c2），三角模糊数的计算规则如下：

A+B=（a1，b1，c1）+（a2，b2，c2）=（a1+a1，b1+b2，c1+c2）

A-B=（a1，b1，c1）-（a2，b2，c2）=（a1-a2，b1-b2，c1-c2）

A×B=（a1，b1，c1）×（a2，b2，c2）=（a1a2，b1b2，c1c2）

kA=（ka1，kb1，kc1）

A÷B=（a1，b1，c1）÷（a2，b2，c2）=（a1/a2，b1/b2，c1，c2）

（A-1）=（1/a1，1/b1，1/c1）

利用[0，10]区间确定社交媒体中信息可靠性的语言变量与所对应的三角模糊数，见表3。

表3 语言变量等级及对应三角模糊数

语言变量 三角模糊数

绝对不可靠（AU） （0，0，25）

很不可靠（VU） （0，25，5）

一般可靠（C） （25，5，75）

很可靠（VR） （5，75，10）

绝对可靠（AR） （75，10，10）

步骤3：计算评价社交媒体中信息可靠性的二级指标模糊平均值

xij=1n∑nk=1xkij，?"i=1，2，…，m

（2）

其中，xij是指第i个一级指标下的第j个二级指标的模糊平均评价值；xkij是指第k个专家利用三角模糊数表示的第i个一级指标下的第j个二级指标的评价值。

步骤4：利用中心值法去模糊化[26]。

M（x）=2b+c+a4

（3）

步骤5：利用模糊一致偏好关系（Consistent Fuzzy Preference Relations，简记为CFPR）确定权重[27-28]。

模糊一致偏好关系是在2004年由Herrera-Viedma提出的，该方法是在传统两两判断矩阵比较中避免不一致状况发生的简便方法。CFPR中主要有3个命题[29-30]。

（1）指标集X={x1，x2，…，xn}，与其相关的互补乘性偏好关系A=（aij），其中aij∈[1/9，9]；与其对应的互补模糊偏好关系P=（pij），其中pij∈[0，1]，则P=g（A），即：

pij=g（aij）=12（1+log9（aij））

（4）

其中，g可根据研究实际情况进行适当转换，称为转换函数。

（2）对于模糊偏好关系P=（pij），则：

pij+pjk+pki=32，i

（5）

（3）对于模糊偏好关系P=（pij），则有：

pi（i+1）+p（i+1）（i+2）+…+p（j-1）j+pji=j-i+12，?"i

（6）

如果计算所得pij不在区间[0，1]中，而处于[-a，1+a]（a>0）这一区间。那么在保持互补以及加性一致性不变的条件下可以通过转换函数将其化至[0，1]间，步骤如下：

①计算偏好值集合B。

B={pij，i

pji=j-i+12pi（i+1）-p（i+1）（i+2）-…-p（j-1）j

（7）

②计算k值。

k=min{B∪{p12，p23，…，p（n-1）n}}

（8）

P={p12，p23，…，p（n-1）n}∪B∪{1-p12，1-p23，…，1-p（n-1）n}∪-B

（9）

得出转换函数：

f∶[-a，1+a]→[0，1]，?"f（x）=x+a1+2a，?"a<0

（10）

③标准化检验。

对计算出的pkij值进行检验，并将不在[0，1]区间中的pkij根据转化函数进行转化，使其处于[0，1]区间内。综合考虑各专家的判断，取其均值作为依据，即：

pij=1m∑mk=1pkij

（11）

④确定权重。

以模糊偏好关系矩阵P=（pij）作为依据，计算各级指标的平均偏好程度为：

si=1n∑nj=1pij

（12）

则各指标的权重为：

wi=si∑ni=1si

（13）

步骤6：计算待评价社交媒体中信息可靠性的一级指标的加权分数

vi=∑pj=1wij×dij，?"i=1，2，…，m

（14）

步骤7：计算待评价社交媒体中信息可靠性的综合加权得分

V=∑mi=1Wi×vi

（15）

步骤8：确定待评价社交媒体中信息可靠性等级

本文将社交媒体中信息可靠性划分为5个等级，见表4。依据公式（15）计算得到社交媒体中信息可靠性的综合加权得分后依据V值确定待评价社交媒体中信息可靠性的所属等级。

4 实例分析

本文在研究社交媒体中信息可靠性测评时选择了一种使用率极高，极具代表性的应用——新浪微博，并对其中油气价格相关信息可靠性进行测评研究。为了测评新浪微博中该信息可靠性，聘请了9个研究方向与油气、能源和社交媒体的相关专家根据表3所示的语言变量对社交媒体中信息可靠性的二级指标进行测评，语言评价值见表5。

根据公式（2）计算得出社交媒体中信息可靠性二级指标的模糊均值，见表6。

根据公式（3）对上表中各指标的模糊均值去模糊化，根据公式（4）～（13）的模糊一致偏好关系法确定二级指标权重，见表7。

根据公式（14）计算出每个一级指标的综合得分，再依照公式（15）计算出社交媒体中信息可靠性的综合得分，计算结果见表8。

从表8可以看出，新浪微博中有关油气价格的信息可靠性测评的综合评分为89分，处于很可靠和绝对可靠等

级之间。A1指标得分为74分，倾向于很可靠等级；指标A2、A3、A4的得分别为78分、78分、79分，皆处于很可靠与绝对可靠等级之间，同时倾向于很可靠等级。其中，发布者的意图、接受者的网络依赖、评论与反馈、传播途径的监管力度和信息的可理解性等指标所占比重较大。因此，加强信息可靠性的管理，主要从这些方面出发，加强信息接收者的谨慎性，提高信息接收者的认知能力和对评价与反馈的重视，降低信息者对网络的依赖，提高信息发布者的专业度及责任意识，控制发布者门槛，加大传播途径监管力度和信息内容的管理，全面提高社交媒体中信息可靠性。

5 结 论

本文从信息接受者、信息发布者、信息传播途径和信息本身四方面构建了社交媒体中信息可靠性测评的指标体系。该指标体系能够反映出影响社交媒体中信息可靠性的主要因素，为今后社交媒体中信息可靠性测评的相关研究提供一定的借鉴。基于模糊一致偏好关系与三角模糊数构建社交媒体中信息可靠性测评模型，解决了定性指标难以量化的困难。利用模糊一致偏好关系法确定社交媒体中信息可靠性指标体系中各指标的权重，既能减少两两比较的次数，又能保证数据高度一致性。实践表明，本文构建的社交媒体中信息可靠性测评指标体系和方法，能为社交媒体用户准确判断信息可靠性提供理论依据和实践应用工具。

参考文献

[1]Osatuyi Babajide.Information sharing on social media sites[J].Computers in Human Behavior，2013，29（6）：2622-2631.

[2]王谦秋，陈丽娜.微博新闻信息可信度研究——基于内地全日制在校大学生样本的调查数据[J].新媒体与社会，2012，（3）：296-316.

[3]薛传业，夏志杰，张志花，等.突发事件中社交媒体信息可信度研究[J].现代情报，2015，（4）：12-16.

[4]沈旺，国佳，李贺.网络社区信息质量及可靠性评价研究——基于用户视角[J].现代图书情报技术，2013，（1）：69-74.

[5]盛宇.基于内容的微博信息质量评价研究——以新浪微博为例[J].情报科学，2013，（5）：51-54.

[6]冯缨，张瑞云.基于用户体验的微博信息质量评估研究[J].图书馆学研究，2014，（9）：62-67.

[7]Hocevar Kristin Page，Flanagin Andrew J.，Metzger Miriam J.Social media self-efficacy and information evaluation online[J].Computers in Human Behavior，2014，39：254-262.

[8]莫祖英，马费成，罗毅.微博信息质量评价模型构建研究[J].信息资源管理学报，2013，3（2）：12-18.

[9]Lee Chei Sian，Ma Long.News sharing in social media：The effect of gratifications and prior experience[J].Computers in Human Behavior，2012，28（2）：331-339.

[10]李晓静，张国良.社会化媒体可信度研究：理论探讨与实证分析[J].新闻大学，2012，（6）：105-114.

[11]Kaplan Andreas M.，Haenlein Michael.Users of the world，unite！The challenges and opportunities of Social Media[J].Business Horizons，2010，53（1）：59-68.

[12]Jussila Jari J.，Krkkinen Hannu，Aramo-Immonen Heli.Social media utilization in business-to-business relationships of technology industry firms[J].Computers in Human Behavior，2014，30：606-613.

[13]都平平，郭琪，李雨珂，等.基于社交媒体的网络学科信息交互推广服务[J].图书情报工作，2014，58（2）：84-90.

[14]罗希，郭健全，魏景赋.社交媒体时代科普信息传播的困境与突破[J].科普研究，2012，（6）：5-10.

[15]崔颖安，李雪，王志晓，等.在线社交媒体数据抽样方法的比较研究[J].计算机学报，2014，（8）：1859-1876.

[16]第34次中国互联网络发展状况统计报告[J].互联网天地，2014，（7）：71-89.

[17]王勇，汪华登.信息的可靠性探讨[Z].中国北京，2011：4.

[18]Metzger Miriam J.Making sense of credibility on the Web：Models for evaluating online information and recommendations for future research[J].JAm.Soc.Inf.Sci.，2007，58（13）.

[19]常文英，刘冰.基于可信度分析的微博用户个人信息泄露实证研究——以新浪微博为例[J].情报杂志，2015，（8）：169-176.

[20]Mega Subramaniam Natalie Greene Taylor Beth.As simple as that？：tween credibility assessment in a complex online world[J].Journal of Documentation，2014，（71）：550-571.

[21]林向义，张庆普，罗洪云.基于DEA的企业自主创新能力评价与提升研究[J].运筹与管理，2009，（4）：152-158.

[22]Lin Hua-Yang，Hsu Ping-Yu，Sheen Gwo-Ji.A fuzzy-based decision-making procedure for data warehouse system selection[J].Expert Systems with Applications，2007，32（3）：939-953.

[23]Ebrahimnejad Ali.An improved approach for solving fuzzy transportation problem with triangular fuzzy numbers[J].Journal of Intelligent & Fuzzy Systems，2015，29（2）：963-974.

[24]林向义，罗洪云，曹明阁，等.基于WSR系统论和三角模糊数的知识管理绩效评价研究[J].现代情报，2013，（6）：6-9.

[25]林向义，罗洪云，朱志红，等.基于模糊TOPSIS的虚拟科研团队成员知识共享效率评价[J].现代情报，2013，（7）：28-33.

[26]杨东红，陈永凤，朱丽陶.油田装备制造企业知识吸收能力评价[J].辽宁工程技术大学学报：社会科学版，2015，（4）：373-377.

[27]穆琳.基于模糊一致偏好关系的高校教师绩效评价[J].统计与决策，2013，（9）：56-59.

[28]林向义，刘晶，魏景柱.钻井工程项目管理成熟度评价[J].工程管理学报，2011，（5）：548-552.

[29]Wang Tien-Chin，Chen Yueh-Hsiang.Applying fuzzy linguistic preference relations to the improvement of consistency of fuzzy AHP[J].Information Sciences，2008，178（19）：3755-3765.

[30]Chao Ru-Jen，Chen Yueh-Hsiang.Evaluation of the criteria and effectiveness of distance e-learning with consistent fuzzy preference relations[J].Expert Systems with Applications，2009，36（7）：10657-10662.

（本文责任编辑：郭沫含）