政府重大投资项目舆情风险预警指标体系研究*

高 航，丁荣贵

政府重大投资项目舆情风险预警指标体系研究*

高 航，丁荣贵

针对政府重大投资项目舆情风险多发的问题，在探索项目舆情风险作用机理的基础上，提出涵盖舆情主体、舆情信息、舆情传播、舆情受众等四个维度的项目舆情风险预警指标体系。利用层次分析法对各个指标的权重系数进行测算，通过BP神经网络模型进行仿真实验，以昆明PX项目的舆情数据验证项目舆情风险预警指标体系及其权重设置的可靠性与有效性。

舆情风险 预警指标体系 政府重大投资项目

0 引言

政府重大投资项目一般具有涉及面广、影响力大、复杂性强等特点，其决策需重视公众的知情权、参与权与监督权[1]。近年来，一些关于政府重大投资项目的谣言经传播发展，最终成为波及范围广泛的负面舆情，给项目信誉和政府公信力带来较大损害。建立重大投资项目舆情风险预警指标体系刻不容缓[2]。

近年学者针对舆情风险预警问题，从预警机理、预警模式、指标体系等方面开展了研究。王来华从情、知、意等因素分析舆情，认为在事件发生、应急和预防等不同阶段，舆情风险有不同特点[3]。许鑫等以舆情主题信息为切入点，按照舆情发展的一般规律，探索突发事件舆情预警模式[4]。曾润喜关注互联网对舆情风险的影响，构建涵盖警源、警兆、警情的网络舆情风险预警指标体系[5]。总体来说，学者对于舆情风险预警的研究方兴未艾，数量较少，方法较单调，存在关注具体事件多而关注重大项目少的问题。

欲对项目舆情风险进行有效管控，需要建立在洞悉舆情产生、发展与态势的基础上。笔者面向政府重大投资项目舆情风险的产生根源与传播特点，构建涵盖舆情主体、舆情信息、舆情传播、舆情受众等维度的重大项目舆情风险预警指标体系，旨在协助相关方面及时有效地监测舆情动态，为管控舆情风险提供支持。

1 政府重大投资项目舆情风险作用机理

政府重大投资项目舆情的形成需要经历一系列复杂的过程，事件起源、媒体传播、公众关注、政府处理之间互相影响，构成图1所示的政府重大投资项目舆情风险作用机理。

政府重大投资项目舆情事件的发生与发展一般遵循以下四个阶段。

第一阶段：事件发生。根据张一文等的研究，网民最关注的舆情事件主要有政府管理、重大项目、安全事故、经济民生、医患关系、文体娱乐等类型[6]。事件源被当事人或其他利益相关方披露，引发一些群众的评论与关注，影响逐步扩大。

图1 政府重大投资项目舆情风险作用机理

第二阶段：媒介传播。事件经过各种传播途径后，获得更多关注，细节被挖掘，内容被重新解读，并对国内外相似事件进行比较，促使事件的影响进一步扩大。

第三阶段：民众关注。在舆情事件被不断放大的情况下，民众关注热情高涨，事件的波及范围不断增大，形成社会公共事件。

第四阶段：政府管控。在舆情事件形成社会热点时，为维护社会稳定，政府部门往往会调查事件起因，向公众披露事件处理进展，并做出改善承诺，舆情事件一般会在政府有效介入后逐渐平息。

政府部门在有效化解舆情事件的负面影响中扮演着重要角色。互联网的普及助推了舆情传播的深度、广度与速度，致使舆情不断演化扩大。如果政府采用传统的舆情控制作法，往往会导致应对的滞后性、被动性，管控效果不佳，公信力受损。

2 基于层次分析法的项目舆情风险预警指标体系构建

科学合理的预警指标体系是对政府重大投资项目舆情风险整体态势进行系统评估与动态监控的基础与前提。笔者利用层次分析法构建项目舆情风险预警指标体系，依据专家意见进行指标权重测算，并运用预警指标体系对实际舆情数据进行科学研判，有助于政府部门采取恰当的应对策略来降低舆情风险。

2.1 层次分析法及其适用性

层次分析法于20世纪70年代由美国数学家Thomas L.Saaty提出，是一种将问题层层分解的科学评价方法。该方法将欲解决的问题细分为处于不同层次的各种因素，由上层到下层按照因素的相对重要性进行打分，并将结果展现为矩阵。在计算矩阵的标准化特征向量的基础上，进行一致性检验，最终得到各要素的层次单排序和层次总排序权重值。层次分析法是一种有效的系统分析和科学评价方法，适合于人类大脑分析解决问题所需进行的比较、分解和综合过程。笔者应用层次分析法研究各类事件和现象对舆情风险的影响程度，以向专家发放调查问卷的形式对各指标权重进行调研，发出问卷90份，回收85份，经过筛选后的有效问卷78份，问卷有效率为91.8%。

2.2 项目舆情风险预警指标体系构建思路

学者对舆情风险预警指标体系的研究始于2006年，集中在信息科学、情报科学、新闻传播、公共管理等领域。戴媛等从网络舆情安全角度出发，提出以舆情综合指数为一级指标，以舆情流通量、舆情要素、舆情状态趋势为二级指标的网络舆情安全评估指标体系[7]。金兼斌认为舆情主要可以通过促发因素、传播成本、持续时间、增长速度、地域分布、主题显著度、意见分布等7个因素加以描述，他提炼出时间维度、数量维度、显著维度、集中维度、意见维度5个二级指标，并构建了舆情风险监测指标体系[8]。谈国新等利用信息空间模型对网络舆情的传播过程和产生根源进行分析研究，提出包括舆情、舆情受众、舆情传播、舆情发布者、区域和谐在内的舆情风险预警指标体系，首次增加了从区域差异视角考察潜在社会矛盾的指标[9]。以上学者提出的舆情风险预警指标体系在传播层面对舆情传播的主题、受众、过程等要素进行了全面揭示，在内容层面从内容识别、内容分析等角度对舆情价值进行了深度挖掘，基本上涵盖了从主题、内容到传播等大部分舆情风险预警点[10]。不过，由于受研究方法所限，这些指标体系各有不足，存在指标体系不完整、忽略受众分析、行业针对性不强等问题。笔者按照可测性、可靠性、导向性、延续性等原则，依据政府重大投资项目舆情风险作用机理，立足舆情风险产生与传播的全过程，提出应从舆情主体、舆情信息、舆情传播、舆情受众等四个维度对舆情风险进行描述，以此为基础构建政府重大投资项目舆情风险预警评价指标体系。

2.3 项目舆情风险预警指标体系说明

笔者运用层次分析模型对舆情主体、舆情信息、舆情传播、舆情受众等四个二级指标进行细化，建立表1所示的阶梯层次结构模型。

表1 政府重大投资项目舆情风险预警指标体系阶梯层次结构模型

舆情主体指标主要是指舆情信息发布者的相关特征测度，分为权威性、影响力、价值观、活跃度等四个方面，其中权威性主要是指舆情主体具有使人信服的力量和威望；影响力主要是指舆情主体引起舆情受众作出预期反应的感召力；价值观主要是指舆情主体对自身及外界事物的价值定位；活跃度则主要是指舆情主体在传播媒介中发布信息的频率及获得的响应。舆情信息指标主要是指舆情主题的相关属性，分为主题性、敏感度、关注度、危害性等四个方面，其中主题性主要是指舆情信息主题的类型；敏感度主要是指舆情信息容易引发大众兴趣的程度；关注度主要是指舆情信息的热度和聚焦程度；危害性主要是指舆情信息影响社会稳定和经济发展的程度。舆情传播指标主要是指影响舆情信息传播与扩散的各种因素，分为传播方式、媒体影响力、演化度、扩散度等四个方面，其中传播方式主要是指舆情信息传播的主要载体；媒体影响力主要是指传播舆情信息的媒体的受众感召力；演化度主要是指舆情信息在传播过程中的演化与变异程度；扩散度主要是指舆情信息从上一级舆情主体向下一级舆情主体扩散的程度[11]。舆情受众指标主要是指舆情信息接收者的属性特征，分为受众规模、地理分布度、受众共鸣度、再传播率等四个方面，其中受众规模主要是指受舆情信息影响的人群规模；地理分布度主要是指舆情受众在地域上的集中或分散程度；受众共鸣主要是指舆情信息被舆情引发受众共情与认可的程度；再传播率主要是指舆情受众将舆情信息再次转发的比率[12]。

2.4 项目舆情风险预警指标体系权重测算

在专家打分的基础上，经过层次分析法的计算，得到图2所示的政府重大投资项目舆情风险预警指标体系权重结果。

图2 政府重大投资项目舆情风险预警指标体系权重结果

3 基于BP神经网络的项目舆情风险预警指标体系验证

笔者利用层次分析法设计了政府重大投资项目舆情风险评价指标体系及其权重设置。然而层次分析法虽然较成熟，但也存在受专家偏好影响大、将相差悬殊的要素放在同一层次比较、忽视动态因素等缺点，出现易受人为因素影响、评价结果主观性强、带来漂移值等问题。为弥补层次分析法的不足，须通过基于实际数据的分析方法来对已得到的项目舆情风险指标体系进行验证，以确保评价指标体系的科学合理性。

3.1 BP神经网络模型

BP神经网络是由Rumelhart提出的一种多层次反馈网络模型，通过模仿人类大脑的神经网络的自学习、自适应能力和强容错性，可进行更加接近人类思维模式的定性和定量相结合的综合评价。该方法通过样本的“学习与培训”可模仿事物在时空方面的错综复杂关系，强大的自学能力和广泛的适应性让其在解决非线性问题方面效果显著。该方法可以帮助弥补层次分析法在确定重大项目舆情风险指标体系中的不足，与层次分析法形成互补验证，以增加指标体系的客观合理性[13]。

图3 三层BP神经网络模型的拓扑结构

笔者采用具有多输入的三层BP神经网络来验证政府重大投资项目舆情风险预警指标体系的合理性。第一层为输入层，共n个节点，分别输入无量纲化处理的n个舆情风险预警指标；第二层为隐含层，根据问题的复杂程度有所不同，共m个节点；第三层为输出层，有y个节点，输出被评价对象的总评价结果。

3.2 数据与样本处理

笔者选取2013年5月发生的昆明PX项目舆情事件作为实验数据，数据来源于“天涯论坛”，对该论坛中关于昆明PX项目的723个帖子进行统计和处理。

2013年5月16日，昆明众多市民戴着写有黑色PX、红色叉号的口罩，举着“春城拒绝污染项目”等标语等走上街头，抗议有争议的PX项目落户，引发网友在论坛上大量发帖。持续半个多月后，事件逐渐降温，到2013年5月31日基本平息。出于处理需要，笔者将此期间的16天作为16个时间点来处理，以此为基础统计各时间点下舆情风险指标的原始数据，并进行归一化处理。

3.3 基于BP神经网络模型的仿真检验

根据层次分析法得出的政府重大投资项目舆情风险预警指标体系，输入层的节点数n=16，输出层的节点数y=1。在确定隐含层节点数时，根据其计算公式，将α在1～10之间逐个试验，得到当α=7时，BP神经网络的经验优化误差最小，得到隐含层节点数m=11。

为保证仿真实验的效果，笔者选用前12个时间点的指标数据作为训练样本，后4个时间点的指标数据作为检验样本。采用Matlab中的BP神经网络工具箱进行训练，设定的学习精度为ε=0.0001，训练次数N=1200，其训练结果和检验结果分别如表2所示。

表2 基于Matlab的BP神经网络训练结果

从表2可知，除第3和第7个训练样本出现超过5%的相对误差外，其余10个训练样本的相对误差较小，说明该三层BP神经网络模型的训练效果较为理想。在此基础上，将4个检验样本的指标数据输入训练完成的网络模型，得到的检测结果如表3所示。

表3 未经训练的4个样本检验结果

从表3可知，各检验样本的实际输出与期望输出之间的最大相对误差为3.88%，相对误差绝对值的平均数为2.58%，说明利用层次分析法通过专家调研得到的政府重大投资项目舆情风险预警指标体系及其权重系数，与采用实际数据的检测结果基本一致，指标体系通过了BP神经网络的验证。

4 结论

科学的操作性强的风险预警指标体系可以为有关部门研判政府重大投资项目舆情、建立风险预警机制以及确立应急方案提供管理参考。本文根据政府重大投资项目舆情风险作用机理，在国内外学者相关研究的基础上，梳理推动舆情产生及演化的原因，遵循可测性、可靠性、导向性、延续性等原则，结合信息传播过程模型，提出应从舆情主体、舆情信息、舆情传播、舆情受众等四个维度来描述舆情风险。在此基础上，构建了政府重大投资项目舆情风险预警评价指标体系，利用层次分析法对各个指标的权重系数进行测算，并通过BP神经网络模型对昆明PX项目舆情的相关数据进行仿真实验，以此验证政府重大投资项目舆情风险预警指标体系的可靠性与有效性。

[1]方洁，龚立群.利益相关者视角下的微博舆情监测指标体系研究[J].情报杂志，2013（9）：29-33.

[2]兰月新，曾润喜.突发事件网络舆情传播规律与预警阶段研究[J].情报杂志，2013（5）：16-19.

[3]王来华.政府如何应对舆情危机[J].决策，2007（7）：34-35.

[4]许鑫，章成志.国内网络舆情研究的回顾与展望[J].情报理论与实践，2009（3）：115-120.

[5]曾润喜.网络舆情突发事件预警指标体系构建[J].情报理论与实践，2010（1）：77-80.

[6]张一文，齐佳音，方滨兴，等.非常规突发事件网络舆情热度评价指标体系构建[J].情报杂志，2010（11）：71-75.

[7]戴媛，姚飞.基于网络舆情安全的信息挖掘及评估指标体系研究[J].情报理论与实践，2008（6）：873-876.

[8]金兼斌.网络舆论调查的方法和策略[J].河南社会科学，2007（4）：118-121.

[9]谈国新，方一.突发公共事件网络舆情监测指标体系研究[J].华中师范大学学报（人文社会科学版），2010（3）：66-70.

[10]喻国明.现阶段中国社会舆情的态势、热点与传播机制研究[J].中国人民大学学报，2013（5）：1-9.

[11]王青，成颖，巢乃鹏.网络舆情监测及预警指标体系研究综述[J].情报科学，2011（7）：1104-1108.

[12]付宏，田丽.基于微博传播的舆情演进案例研究[J].图书情报工作，2013（8）：34-37.

[13]朱毅华，郭诗云，张超群.网络舆情研究中的仿真方法应用综述[J].情报杂志，2013（10）：29-35.

Research on Risk Early Warning Index System of Public Opinions on Major Government Projects

GAOHang，DINGRong-gui

Based on the mechanism of public opinion risk in major government project，a risk early warning index system of public opinions is proposed，which consists of four parts：subject，information，media，audience.The authors estimate the weight of each indicator with AHP（Analytic Hierarchy Process），and do simulation experiments with BP Neural Network on Kunming PX Project to verify the reliability and effectiveness of the system and its weights.

public opinion risk；early warning；major government project

格式 高航，丁荣贵.政府重大投资项目舆情风险预警指标体系研究[J].图书馆论坛，2014（7）：28-33.

高航（1983-），男，山东大学管理学院博士，山东政法学院讲师；丁荣贵（1967-），男，博士，博士生导师，山东大学管理学院教授。

2014-01-29

*本文系国家自然科学基金项目“项目利益相关方治理关系网络风险研究”（编号：71072111）、山东大学人文社会科学重大研究项目“政府重大投资项目评价和治理机制研究”（编号：12RWZD16）研究成果之一