基于模糊综合评价的网络舆情预警方法研究

郝 楠，冯 晶，高 媛

(1.河北软件职业技术学院, 河北 保定 071000; 2.空军航空大学, 长春 130000；3.河北农业大学, 河北 保定 071066)

舆情是一定时期、一定范围内民众对社会现实的主观反映，是群体性的思想、心理、情绪、意见和要求的综合体现[1]。随着各种社交网络平台相继兴起和智能手机的广泛使用，越来越多的人喜欢通过网络表达观点、宣泄情绪。2018年7月，中国互联网络信息中心(CNNIC)发布的第42次中国互联网发展状况统计报告显示，截至2018年6月，我国网民规模为8.02亿，手机网民规模达7.88亿，分别较2017年末增加了3.8%和4.7%[2]。

网络舆情信息表达的开放性、快捷性、互动性等特点，使得网络舆情成为社会热点的晴雨表。由于网络舆情用户量大、传播速度快、活跃度高，因此对社会稳定、政府公信力等方面的影响越来越大。对政府而言，若缺乏必要的网络舆情危机预警措施，任由负面舆情扩散，必然影响政府的公信力。对企业和个人而言，负面网络舆情的传播轻则导致声誉受损，重则导致巨大的经济损失和无形资产损失[3]。

国内外学者对网络舆情识别、预测、预警开展了大量研究。Goyal等[4]基于频繁模式挖掘算法分析了网络中舆论领袖的行为特征和发展趋势；Gao Hui等[5]建立了基于云计算的海量Web舆情信息识别和监测系统；Ting等[6]提出了一种社会网络推送模式；兰月新[7]建立了描述微博舆情扩散、演化规律的微分方程模型；杜智涛等[8]建立了基于灰色预测的网络舆情预测模型，并运用模式识别方法进行网络舆情预警；张艳丰等[9]提出了基于直觉模糊推理的网络舆情监测预警评估方法。从目前的研究情况看，多数侧重于从定性角度对舆情发展进行研究，定量的舆情预警方法如微分方程、直觉模糊推理等过于复杂，基于舆情点击数、评论数、转发数等统计指标建立的预警模型时效性差。

本文首先建立适用于网络舆情监测预警的指标体系，在此基础上结合层析分析法和模糊数学提出基于模糊综合评价的网络舆情监测预警方法。以长春长生假疫苗事件、红黄蓝幼儿园事件、苏享茂自杀事件为案例进行研究，验证本文所建指标体系和预警模型的有效性，为舆情监管部门决策提供理论支持。

1 网络舆情预警指标体系的构建

指标体系是舆情监测预警的基础。指标体系是否科学，能否全面反映舆情的性质、发展趋势和危机程度，是否具有可操作性，是建立突发事件舆情监测预警系统的关键。由于不同学者的研究目的和切入点不同，当前建立的舆情指标体系众多，适用性各不相同[10-12]。基于舆情的点击数、转发数、评论数等统计指标建立的风险预警模型时效性差，过于滞后。建立网络舆情监测预警系统的目的是“防范于未然”，因此应尽早评估舆情风险等级，采取有效措施降低突发事件带来的危害。本文对文献[13]建立的网络舆情指标体系进行改进，从舆情本体、舆情主体、舆情客体的角度建立适用于网络舆情监测预警的指标体系。

将网络舆情预警指标体系分为舆情本体、舆情主体、舆情客体3个1级指标。舆情主体指标指舆情发布者、当事方、官方等，包括发布者影响力、回应能力2个2级指标。舆情本体指标指舆情事件本身的危机程度，包括主题敏感度、事件可信度、媒体热度、媒体态度4个2级指标。舆情客体指标指舆情受众对突发事件的扩散和传播程度，包括媒体扩散度和辅助研判2个2级指标，构建网络舆情预警指标体系如图1所示。

图1 网络舆情预警指标体系

2 基于模糊综合评价的网络舆情预警模型

2.1 因素集的确定

建立综合评价体系时，根据建立的网络舆情预警指标体系，基本因素集可划分为3个1级指标因素集，即U={U1,U2,U3}。每个1级指标因素集又可分为若干个2级指标因素集，即Ui={Ui1,Ui2,…,Uij}。其中：i=1,2,…,m，j=1,2,…,n;m为1级指标个数，n为第i个1级指标对应的2级指标个数。

2.2 评价集的确定及对策

评价集是对评价目标评判结果的集合。本文将网络舆情预警划分为4个等级：蓝色预警(一般严重、Ⅳ级)，黄色预警(比较严重、Ⅲ级)，橙色预警(相当严重、Ⅱ级)，红色预警(特别严重、Ⅰ级)。于是评价集V={V1,V2,V3,V4}={特别严重，相当严重，比较严重，一般严重}。网络舆情预警等级划分及相应的对策见表1。

表1 网络舆情预警等级及对策

2.3 指标权重的计算

层次分析法(analytic hierarchy process,AHP)是由美国匹兹堡大学T.L.Saaty教授于20世纪70年代提出的。该方法体现了人在决策过程中的基本特征，即分解、判断与综合，是一种将定性分析与定理分析相结合的系统分析方法[14-15]。

1) 比较判断矩阵

判断矩阵A表示各因素的相对重要性，一般采用“1～9”标度法。每一层指标以对应的上一层指标为基准，两两比较构造判断矩阵。

(1)

求解判断矩阵AW=λmaxW的特征根和特征向量，得到的特征向量W正规化后作为各指标的排序权重。

将判断矩阵A的每一列进行归一化，即

(2)

将归一化后判断矩阵的每一列按行相加，即

(3)

(4)

得到的W=(w1,w2,…,wm)即所求特征向量。计算判断矩阵的最大特征根：

(5)

式中(AW)i表示向量AW的第i个元素。

2) 判断矩阵的一致性检验

由于判断矩阵不一定是一致阵，为了避免判断结果发生矛盾，需要进行一致性检验。计算随机一致性比率CR=CI/RI。其中，CI=(λmax-m)/(m-1)，RI为平均随机一致性，其值可通过表2获得。当CR<0.1时，认为判断矩阵A的一致性可接受；否则，认为判断矩阵不一致，需对判断矩阵进行调整，直至满足一致性检验要求。

表2 平均随机一致性RI值

指标权重的计算流程如图2所示。

图2 指标权重的计算流程

2.4 模糊综合评价

根据层次分析法的分析结果，2级预警评价模型为：

Qi=Wi*Ri

(6)

式中：Wi为层析分析法得到的2级模糊评判矩阵的权重向量;Ri为2级模糊评价矩阵;模糊算子(*，+)为加权平均法。该模型不仅能够反映评价对象的全貌，而且能够保留单个因素的评价信息。

1级预警评价模型为：

Q=W*R

(7)

式中：R为二级模糊评价矩阵Qi;W为一级模糊评判矩阵的权重。

最后，对照构建的网络舆情预警评价集，采用最大隶属度原则确定舆情事件预警等级。

3 案例分析

以2017—2018年发生的网络舆情热点事件为研究对象，选取长春长生假疫苗事件、红黄蓝幼儿园事件、苏享茂自杀事件为案例。限于篇幅，本文以长春长生假疫苗事件为例具体分析，运用模糊综合评价法对该舆情事件预警等级进行分析。

3.1 计算预警指标权重

采用“1～9”标度法对1级指标因素集构造判断矩阵如下：

(8)

计算得到权重向量和最大特征根分别为：W=(0.14,0.62,0.24)，λmax=3.02，一致性比率CR=0.02<0.1，因此判断矩阵A具有满意的一致性。同样，得到2级指标因素集的权重分别为：W1=(0.25,0.75)，W2=(0.47,0.16,0.28,0.09)，W3=(0.67,0.33)。

采取网上问卷调查的形式，随机对450名网友发放问卷，对问卷采用李克特量表进行筛选，最终选取其中的400份有效问卷，结果见表3。

表3 长春长生假疫苗事件问卷调查结果

由表3可以得到2级模糊评价矩阵为：

3.2 舆情指标综合评价

由2级评价预警模型，计算2级模糊评价矩阵在2级指标上的评价矩阵：

Q1=W1*R1=(0.43,0.20,0.19,0.18)

Q2=W2*R2=(0.78,0.10,0.07,0.05)

Q3=W3*R3=(0.64,0.20,0.12,0.04)

由模糊层次分析的运算规则，下一层级的评价结果可作为上一层评价的交换矩阵，即：

由式(7)可以得出该网络舆情事件的综合评价结果为：

Q=W*R=(0.70,0.13,0.10,0.07)

3.3 舆情预警等级评价及对策

从模糊综合评价结果可以看出，长春长生假疫苗事件的舆情等级隶属于(特别严重，相当严重，比较严重，一般严重)的隶属度分别为(0.70，0.13，0.10，0.07)。因此，该舆情事件的预警等级为Ⅰ级(特别严重)，需相关部门进行舆情危机管理。

类似地，采用相同方法对红黄蓝幼儿园事件、苏享茂自杀事件进行评估，得到评价结果如表4所示。

表4 3个事件舆情评价结果

4 结束语

本文针对网络舆情突发事件危机预警的需要，构建了网络舆情预警指标体系，提出了一种基于模糊综合评价的网络舆情预警方法。基于网络舆情事件的点击数、转发数等微观统计指标建立的预警模型在实际工作中时效性差。本文从舆情本体、舆情主体、舆情客体的角度构建了适用于网络舆情突发事件快速预警的指标体系，能够抓住网络舆情事件的主要特征。

模糊综合评价法能够将专家知识和网民意向有效结合起来，综合评价舆情突发事件危险等级，融合更多的评估信息，能最大程度保证评价结果的可信度。

以长春长生假疫苗事件、红黄蓝幼儿园事件和苏享茂自杀事件为案例，运用模糊综合评价法进行危机评估，结果表明：其预警等级分别为Ⅰ级(特别严重)、Ⅰ级(特别严重)和Ⅲ级(比较严重)，与实际情况相符，验证了本文所提方法的有效性。