基于SOM 神经网络的旅游突发事件网络舆情的传播态势

沈 阳，夏 日

(华侨大学 旅游学院，福建 泉州 362021)

网络舆情是指为个人或者各种社会群体、组织，通过网络渠道，对自己关心或与自身利益紧密相关的各种公共事物所表达的多种情绪、态度和意见的总和。［1］作为网络环境下的新媒体，微博从数据获取和主流层次上都具有典型价值性，并从时间、地点、发布设备等方面解放了网民的话语权，因此，微博迅速成为网络舆情传播的新途径和主要载体。近年来，台湾阿里山小火车事故、华山景区游客被刀捅、三亚宰客、九寨沟游客大规模滞留等旅游突发事件频发，威胁到游客的人身和财产安全，影响着社会正常的经济秩序。旅游突发事件的破坏性和危害性容易引发社会舆论，如果舆情没有得到及时的控制和引导，会造成谣言出现、事件升温、民众情绪失控等不良后果。因此，研究旅游突发事件在微博这个主流媒体平台中的传播规律，对旅游产业实现对网络舆情的应急控制具有现实的指导价值。国内学者对网络舆情这一领域进行了较为丰富的探索，比较而言，国内学者对旅游突发事件的舆情研究，着重于探索媒体的责任，［2，3］缺少立足于网络微博平台的网民舆情传播与参与行为分析，这使传统研究缺乏对社会公众在网络舆情传播中扮演的角色和作用的认知基础。因此，从行为学视角入手，对旅游突发事件在微博平台中的实时传播规律进行系统研究，是一个具有典型价值的理论选题。

一、研究方法与数据来源

(一)研究方法

本文采用SOM 神经网络对30 起旅游突发事件的数据进行聚类分析。SOM 神经网络由芬兰学者Kohonen 于20 世纪80 年代提出，全称是自组织特征映射神经网络，它采取“胜者为王”的竞争学习算法，通过竞争、合作和权值调节来完成无监督自学习的过程。［4］

1. SOM 神经网络的拓扑结构。SOM 神经网络的拓扑结构如图1 所示，包括输入层和输出层，输入层各节点通过权值与输出层的神经元相互连接，输入层随机接受任意维度的输入模式，然后以拓扑有序的方式变换到输出层，这个变换叫做特征映射，接着在输出神经元之间完成竞争选择。

2. SOM 神经网络的学习过程。

①初始化。确定总的学习次数T，学习速率ɑ(t)，邻域半径N (t)，初始权值Wij(t)，

②对初始权值和输入向量进行归一化处理

③计算传感器的坐标数据与输出神经元的欧式距离:

④找出最小的欧式距离Dij(t)，确定取胜的神经元。

⑤对连接权值进行调整:wij(t+1)=wij+ɑ(t)(xi－wij(t))

⑥更新学习速率ɑ (t)和邻域N(t):ɑ(t)=ɑ(1)(1－t/T) N(t)=N(1)(1－t/T)

⑦当t=t+1 时，返回步骤②;当学习速率ɑ(t)下降为0 或学习次数达到最大值T 时，学习过程结束。

(二)数据来源及处理

微博平台在网络舆情传播平台中具有代表性，并且在数据获取的即时性和便捷性上存在明显优势。由于一般旅游突发事件的微博数量太少、可利用性很低，因此本文选用2010－2014 年内，引起微博较大反响、博友激烈讨论的30 起热点旅游突发事件作为研究样本(见表1)。使用新浪微博的平台开放接口(openAPI)，自行编写程序，以旅游突发事件的关键词，抓取微博数据。通过对微博数据的预分析，发现微博集中在旅游突发事件发生后的10 天之内发布，10 天之后微博基本不再更新。为了方便对比研究，将有关旅游突发事件的第一条微博的发布时间作为起始时间，以3 小时为一个时间段，一天分为8 个时间段:0:01－3:00、

3:01－6:00、6:01－9:00、9:01－12:00、12:01－15:00、15:01－18:00、18:01－21:00、21:01－0:00，10 天共分为80 个时间段，每隔一个时间段记录一次微博数量，同时对每个时间段内的微博数量进行累加处理，这样每个旅游突发事件下都有80 个数据。

序号 旅游突发事件 序号 旅游突发事件1华侨城太空迷航塌落 16三亚宰客门2台湾苏花公路塌方 17 2013 九寨沟大规模游客滞留3伊春客机坠毁 18 驴友五峰山失踪4 江苏宜兴竹海景区滑道事故 19 广东罗浮山雷击事故5丽江导游非礼女游客 20 新疆昌吉旅游大巴翻车6台湾阿里山小火车翻车 21 埃及南部卢克索热气球爆炸7香港女导游殴打内地游客 22 台湾旅游团张家界翻车8中国游客韩国济州岛脱团 23 中国登山驴友巴基斯坦遭枪击9重庆游客凤凰古城遭围殴 24 中国旅游团罗马遭抢劫、10 海南嬉水节非礼女性 25 中国游客巴黎遭抢劫11 杭州河坊街牌坊倒塌、 26 2014 丽江古城火灾12 华山景区刀捅游客 27 云南香格里拉四方街火灾13 江苏太湖景区撞船 28 凤凰古城被淹14 中国游客马尔代夫溺水 29 凤凰古城吊桥坍塌15 女驴友泰山失踪 30西藏尼木旅游大巴坠崖

二、实证研究结果与预测

(一)基于SOM 神经网络的旅游突发事件微博传播聚类研究

启用Matlab7.1 的SOM 神经网络工具箱，编程后，对每条80 个元素的30 条数据进行聚类，如表2所示。总共得到六种聚类结果，每种类型的旅游突发事件的传播态势都有明显的特征:第一聚类，旅游突发事件发生后2 天内，在微博上出现短暂热议，第2－8 天博文数量增长趋势迅速减慢，第9、10 天内博文数量出现新的小阶梯状增长;第二聚类，博文数量的增长态势近乎直线，但是增长速度还是随着时间逐渐降低，在旅游突发事件的整个传播期内，博文数量呈现持续增长的态势;第三聚类，旅游突发事件发生后的第1－4 天内博文数量迅速爆发，4天后相关博文增长速度逐渐趋于零;第四聚类，在旅游突发事件发生后的传播期内，事件一直受到博友的广泛关注，在传播期前2 天内经过热议之后，博文的增长速度明显减慢，但是依然保持持续增长的状态;第五聚类，与第三聚类类似，只是博友热议期缩短到2 天，2 天后相关博文的增长速度逐渐趋于零;第六聚类，博文的传播态势呈现弧型，在传播期的前2 天内，增长速度比较大，博文数量快速爆发，第3－4 天增长速度逐渐减慢，第8－10 天博文基本停止增长。

类别 旅游突发事件 曲 线 特征第一聚类 丽江古城火灾、中国游客韩国济州岛脱团微博发布的第一高峰期处于前10 个时间段(事件发生后30 个小时，第1－2 天)内，中期(第2－8 天)微博发布行为突然减少，后期20 个时间段(第8－10 天)进入微博发布的第二高峰期第二聚类 中国游客巴黎遭抢劫、台湾苏花公路塌方、三亚宰客门、中国登山驴友巴基斯坦遭枪击微博发布数量在事件发生后的10 天内均匀增加，无明显高峰期第三聚类 江苏太湖景区撞船、女驴友泰山失踪、华山景区刀捅游客、埃及南部卢克索热气球爆炸第四聚类 中国游客马尔代夫溺水、华侨城太空迷航塌落、台湾阿里山小火车翻车、微博发布的高峰期处于前30 个时间段(第1－4天)，中后期(第5－10 天)微博增加速度突然变得很缓慢，趋近于零微博发布的高峰期处于前20 个时间段(第1－3天)，中后期(第3－10 天)微博发布行为突然减少第五聚类第六聚类江苏宜兴竹海景区滑道事故、新疆昌吉旅游大巴翻车、西藏尼木旅游大巴坠崖、杭州河坊街牌坊倒塌、广东罗浮山雷击事故、驴友五峰山失踪、中国旅游团罗马遭抢劫、云南香格里拉四方街火灾、台湾旅游团张家界翻车、香港女导游殴打内地游客、丽江导游非礼女游客凤凰古城被淹、海南嬉水节非礼女性、伊春客机坠毁、九寨沟大规模游客滞留、重庆游客凤凰古城遭围殴、凤凰古城吊桥坍塌微博发布的高峰期处于前25 个时间段(第1－2天)，中后期(第3－10 天)微博增加速度突然变得很缓慢，趋近于零微博发布的高峰期处于前10 个时间段(第1－2天)，中期(第2－6 天)微博发布行为逐渐减少，后期(第7－10 天)微博几乎不增长

(二)旅游突发事件网络舆情传播趋势的预测

由于具有信息传播的即时性、互动性、快捷性，微博逐渐成为旅游突发事件网络舆情的重要载体，政府控制舆情的传统方法的功能严重弱化。旅游突发事件的发生涉及社会公众关注的旅游目的地安全、旅游交通安全、游客权益保障等热点问题，不仅会引起微博舆论的爆发，而且错误的信息容易误导社会公众，引起恐慌，扰乱国家经济秩序。因此，实时监测微博的动态，并进行有效预测，对于政府部门采取及时、恰当的措施监管微博舆情具有重要的指导意义。

选取第六聚类的旅游突发事件作为样本，取6个旅游突发事件的微博数据的平均值，将其作为预测数据，采用指数函数方法进行拟合并预测。选用80 个数据的前70 个数据作拟合，得出拟合模型，后10 个数据作为预测结果检验数据。

指数函数的拟合模型是:y =103.9543* exp(－3.7236/ (x +0.53707))，拟合结果的相关系数是0.99435，第71 到80 个数据的预测曲线与实际曲线几乎完全吻合，说明模型的预测效果很好。

三、结论与讨论

(一)结论

1. 遵循“黄金4 小时”舆情应对模式。基于旅游突发事件在微博平台中的舆情传播态势分析，容易发现，博文数量集中在前2 天内爆发，并且在前4 个小时内，微博数量增长速度非常快。旅游突发事件应对模式应该从传统事件处置的“黄金24小时”缩短到新媒体环境下的“黄金4 小时”报道事件。需要旅游政府、企业、景区等主体联合进行舆论应对工作，第一时间识别微博舆情的危机苗头，即时发布权威信息，澄清和驳斥不实信息，引导主流媒体舆论的走向。

2. 即时公开信息，挽回旅游地形象。不实的言论会诱发网友情绪，扰乱旅游突发事件的事态发展，损害旅游目的地的旅游形象。通过对旅游突发事件的微博传播的特征分析发现，传播期的前两天是网络舆论的爆发期，也是舆情控制的关键时期。旅游目的地政府部门和景区管理部门应该主动与媒体、博友沟通，第一时间公开透明地发布旅游突发事件的真相、调查结果、处置过程等信息，让媒体客观公正地评价旅游突发事件，引导网友的舆论倾向。既可以表现旅游目的地对突发事件的响应能力，又有利于旅游目的地形象的维护。

3. 发布权威信息，消除“信息污染”。事件发生后，在传播期的前两天内，突发事件往往处于发展方向不明确的状态中，在博友、媒体各方的广泛关注下，一个不实消息的传播都可能激发各方的情绪，造成舆情危机态势的蔓延。旅游目的地景区、政府部门、旅游局等官方微博应该发布独家权威消息，多角度介绍旅游突发事件的真相、事态进展、调查结果、善后处理等消息，消灭事件相关消息中有害的、虚假的、误导的信息元素。

4. 开发舆情跟踪系统，建立舆情跟踪机制。加快高等院校和科研机构对舆情监测核心技术、信息规制挖掘技术、信息理解与分类技术的攻克，建立产学研合作平台，经过技术成果转化过程，将成果投入使用。旅游目的地应该建立完善的旅游突发事件的舆情监控机制，在旅游突发事件刚发生而网络舆情尚在潜伏期的时候，提高对舆情的预判能力，实现对事件舆情的动态变化进行实时跟踪监测，及时采取措施引导网络舆情和化解矛盾。

(二)讨论

旅游突发事件发生之后，微博用户围绕着突发事件的自由讨论，从众心理推动着舆论的发展，产生轰动的效果，在网络舆情生成过程中起到推波助澜的作用，为了描述旅游突发事件的微博传播态势，本文选取了30 个旅游突发事件，运用新浪微博API 平台，设计程序抓取微博数据，调用Matlab7.1 的SOM 神经网络工具箱对30 个微博数据进行聚类分析，得出六种聚类结果，并画出基于时间线的微博传播态势图，在此基础上运用指数函数方法对微博传播态势进行预测。本文的研究还存在不足之处，未来研究应该进一步对聚类结果进行建模，更为标准地描述事件的传播规律，并选取更多的旅游突发事件进行态势预测，提高预测的精确度，在此基础上开发微博舆情管理系统，对微博舆情进行实时监控和态势预测，以期应用到微博舆情的实际管理工作中。

［1］李明德，张宏邦. 微博舆情:模式、表征与趋势［J］. 情报杂志，2013，32(7):49.

［2］许海，才婉茹. 突发事件报道中的“信息污染”与“媒介责任”——对菲律宾人质劫持事件报道的思考［J］. 新闻记者，2010(11):29－32.

［3］蹇莉. 突发事件的媒体应对策略——以汶川大地震为例［J］. 西南民族大学学报(人文社科版)，2008，(9):174－178.

［4］朱光，朱学芳. 基于SOM 的图书馆用户个性化数字信息服务需求分类研究［J］. 情报科学，2013，31(2):88－91.