面向大数据的网络舆情多平台交互机理研究

2017-07-13连芷萱张鹏段耀勇刘茉瞿志凯

科技创新导报 2017年13期

连芷萱　张鹏　段耀勇　刘茉　瞿志凯

摘要：网络舆情在进入手机4g时代发生了很大变化，网民无论在时间还是地点两个方面都不再受到限制。由于智能手机的普及，微信、微博、客户端等新媒体兴起，传统纸媒相继推出了网页版本和微媒体版本，新闻网站的新闻条目里也具备了留言功能和转发微信、微博的功能，网络舆情在新媒体环境下呈现出新特点。该文在研究网络舆情案例的基础上，构建包括微信、微博、网站、报刊、论坛、客户端的网络舆情平台交互模型，并且多元回归分析定量研究相关关系，为舆情管理提供符合实战需求的可操作性监测目标。

关键词：大数据网络舆情多元回归分析

中图分类号：TP393 文献标识码：A 文章编号：1674-098X（2017）05（a）-0146-03

经常听到的网络舆情事件，也就是通过互联网热评和焦点话题引起的危机事件。我们已经进入手机4G时代，网民无论在时间还是地点两个方面都不再受到限制。由于智能手机的普及，微信、微博、客户端等新媒体兴起，传统纸媒相继推出了网页版本和微媒体版本，新闻网站的新闻条目里也具备了留言功能和转发微信、微博的功能，网络舆情在新媒体环境下呈现出新特点。

针对网络舆情的议题演变这一焦点，我国学者不断进行研究，基本上集中在以下三点。一是基于传播理论研究网络舆情，即通过研究议题演化机理、演化特征、传播规律等进行仿真实验。比如，方健（2012年）运用生命周期理论，把突发事件网络舆情变化划分成4个关键时段，依次是萌生、扩散、变化和减退，另外对每个时段的舆情进行探究。二是从网络舆情角度研究社会治理问题，即从电子政务、智慧城市等视角进行研究舆情中的民意表达。如，陈妍妍（2013年）基于社会风险理论研究议题演化对于社会管理的作用。三是按事件分类研究教育、司法、暴恐、群体性等事件类别进行专项研究。比如杨军（2014年）对广东陆丰乌坎事件的网络舆情进行了分析探究。

虽然前人已经对网络舆情进行了充分的研究，但是目前大部分学术成果多以定性视角进行研究，定量研究较少。单一主体、单一平台视角下研究较多，多主体多平台交互视角下研究不足。文章擬在定性分析多平台交互机理的基础上，用多元回归分析，研究多平台交互下的网络舆情议题演化，在定量研究的角度探究大数据背景下突发事件网络舆情主体的交互问题，希望能够为政府解决网络舆情在理论方面提供参考。

1 面向大数据的网络舆情平台交互特点

1.1 网民和媒体间的互动拥有爆发性

网络民意以社交媒体平台为突破口，网民与媒体之间的交互具有爆发性的特点。网络舆情曝光于社交平台，被大量转发、点赞后形成热点而后引起其他平台的注意，从而向其他平台扩散。

网络上存在海量事件信息，只有极少部分事件可以演化成网络事件。任一网络事件的爆发，一般都是各类相同事件的网民情绪不停累积的后果。当这种情绪能够被大众感知时，已经不再是单一的事件传播，而是叠加了无数次的传播，我们所见到的宏观尺度上的网络舆情事件是微观上每个网民民意表达的复合呈现。舆论交锋的力量对比体现在话题数量上与在线结果存在差距，相当多的新闻话题、帖子并不是在就事论事，而是在借题发挥，来抒发对社会某一类现象的观点。网络舆情事件的爆发点是偶然的，而在其热议过程中看似偏题的评论正是网络社会的民意动向。

1.2 媒体之间的互动拥有扩散性

媒体之间的相互关系较大程度地控制舆情的影响范围，具有扩散性的特点。网络舆情曝光后往往有一段时间的潜伏期，而经过影响力大的媒体的曝光后，引起其他媒体注意，各自影响自身受众，层层扩散。

艾诺尔·纽曼对1968年反越战报道进行研究后提出著名的“媒介共鸣”效应，其含义就是当新闻中事件与事件本身性质与意义存在偏差的时候，媒介之间的共鸣可以产生巨大的社会影响。原因在于新闻界共享新闻资源和媒体附和新闻界的意见领袖，使得舆情事件具有了溢散效果，让舆论像涟漪一样相互碰撞激荡。例如“云南导游骂游客”事件从朋友圈曝光后，先是新闻报道，后来脱口秀节目借题发挥提高人气，最后官方发声整改旅游业等，引起了一系列热议。

在大数据的背景下，网络舆情信息由网民发出，通过媒体的交互作用而引爆扩散后，网民的诉求传达给作用主体。作用主体通过媒体发布信息从而引导普通网民。能够发现网络平台无论在舆情生成还是耗散过程中都发挥了重要作用。每种媒体平台的受众、功能、普及程度各有不同，各个平台之间的交互关系也呈现出不同形态。文章使用多样回归分析对每个平台间的互动联系进行具体叙述。

2 面向大数据的网络舆情平台交互机理分析

2.1 变量分析

常有的网络舆情平台包括了微博、期刊、微信以及各类客户端等。其中，以满足网民自身社交需要的平台有微信和微博，以满足行业、部门宣传与营利为需要的有新闻网站、报刊，如人民网、解放军报等。以满足话题讨论为需要的有论坛，如贴吧、天涯社区等。以为某软件附带服务的有程序应用客户端，如知乎、经管之家、美空网等。

微信是一款为即时通讯服务的手机程序，具有普及率高、网民媒体之间交互性强、内容视听化程度高的特点。截至2017年，微信已涵盖我国95%左右的智能手机，月活跃客户超过了8.05亿，每个品牌的微信公众号数目共计有八百万，移动软件连接数目超达85 000个。微信具有语音、视频、图像和文字的传输功能，而且可以运用同享媒体的信息以构建在基本社交功能“摇一摇”“朋友圈”等各类功能插件，可以随时随地分享篇幅不限的视听消息，并通过社交网络关系和粉丝关系而扩散。

微博，即一种利用分享机制分享简短实时信息的广播式社交网络平台，具有普及范围广、网民之间交互性强、内容实效性以及随意性强的明显特征，用户能够利用新浪以及搜狐等客户端建立个人社区，利用140字（标点符号包含在内）的文字更新信息，同时进行实时分享。

新闻网站，即把新闻服务作为重要生存方式的专业网站，其面对非特定的群体发布信息。无论是国家大型网站，还是商业门户，或者地方新闻用户，以及各个行业用户网站同样当作其所在行业的新闻网站。

报刊，即利用纸张传播信息的一类专用工具，其起到说明与宣传的功效。能够维护形象，例如“人民日报”目的就是维护国家整体形象；“企业报”则是致力于维护企业的良好形象。

论坛，将其理解成发帖回帖的平台。其为用户提供一块公共电子白板，任何用户都能够在上面发表内容，表达各种信息或者自身见解。其具备明显的交互性、内容丰富性以及即时性的特点，用户能够在论坛上获取相关服务信息、发布信息、讨论聊天等。

客户端，即和服务器互相对照，为客户供应当地服务的程序，拥有新闻传播这个服务，去除某些限制在当期运作的功能程序以外，一般安置在普通用户机上，应当和服务器互相搭配来进行运作。由于用户群特定，推送针对性强，相对其他平台信息更容易被接受。

2.2 网络平台交互机理的数学仿真

网络平台交互机理主要通过多元线性回归进行分析，如图1所示，首先建立案例库并对舆情生命周期内各个平台的发文数量进行统计。依次将6个平台设置为监测对象，其他平台设置为自变量，建立回归方程，求解，从而得出6个平台之间的相互影响关系。

2.2.1 多元线性回归分析

在大数据环境下，网络舆情议题的溢散受到多个因素影响，因素分析在对网络舆情的研究中至关重要。因素分析方法中使用比较广泛的有因素比较分析、指数因素分析、微积分因素分析、相关和回归分析法等。首先对各种分析方法的特征进行对比比较，该文采取多元回归法展开分析。

多元回归分析又称为因素分析法，多元回归分析是根据依次选取自变量进入回归方程的探索复回归方法，同时采用前进选取法以及后退删除法，筛选出特定变量与特定当作变化原因的变量两者最理想数量关系。采取逐步回归分析法的过程中，因为影响因素多样化，同时各种因素对预测对象产生影响有线性以及非线性两种类型，针对非线性回归一般是利用适当的转换，变成线性回归，再次进行求解。

2.2.2 模型构建

在网络平台交互中，6种平台依次作为测量对象，其他5种平台作为影响因素，则多元线性回归模型的矩阵为：

式中Y为监测对象，X为影响因素，B为待估参数，V则是随机误差。

此文采取SPSS 18.0进行回归分析，将整理好的统计数据录入到软件后，进行逐步多元回归分析的具体操作如下：

（1）选择菜单【分析】→【回归】→【线性】。（2）选择因变量进入列表框。（3）选择多个自变量进入列表框。（4）在Method框中选中Stepwise（逐步回归法）。

2.2.3 数值检验

针对多元性回归同时需要展开数值检验进而明确方程模型回归效果。常用的检验方法有R检验、F检验和t检验。（1）R检验是通过复相关系数R明确影响因素与测量对象的两者的关联程度。R值越接近1，则回归效果越好。（2）F检验是对回归方程能否成立进行检验。（3）t检验则是对所有回归系数是否具备意义展开检验。结果输出设置具体如表1所示。

3 实证分析

3.1 数据来源

此文选取了“果敢冲突中国教师死亡”舆情案例进行分析，利用清博舆情监测软件，计算6种平台在舆情生存周期内的交互关系。案例6种平台发文数量如图2所示。

3.2 多元回归分析回归结果

具体情况见表2。

4 结果分析

以微信为监测对象可知，微信与微博交互关系强，与网站交互关系较强，与其他平台交互关系弱。以微博为监测对象可知，微博与微信交互关系强，与网站交互关系较强，与其他平台交互关系弱。以报刊为监测对象可知，报刊与微信、微博、网站相关较强，与其他平台交互关系弱。以客户端为监测对象可知，客户端与报刊交互性关系较强，与其他平台交互关系弱。以论坛为监测对象可知，论坛与微信、微博交互关系较强，与报刊、网站交互关系次强，与客户端交互关系弱。

5 结语

文章通过研究大数据背景下网络舆情平台交互关系，构建了大数据背景下多平台交互模型，通过数值仿真研究了平台作用间的相互影响程度，为网络舆情的进一步研究提供参考依据。此外，根据文中构建的数学模型并结合突发事件案例，可以估算各个作用平台在某个突发事件中的交互效果，进而为开展交互效果评估提供参考。

参考文献

[1] 田进，朱利平，曾润喜.网络舆情交互触发演变特征及政策议题构建效果[J].情报杂志，2016，35（1）：135-138.

[2] 兰月新，王芳，张秋波，等.大数据背景下网络舆情主体交互机理与对策研究[J].图书与情报，2016（3）：28-37.

[3] 王根生.无标度特性下网络舆情演化迁移元胞模型[J].小型微型计算機系统，2013，34（5）：1085-1090.

[4] 兰月新，董希琳，苏国强，等.大数据背景下微博舆情信息交互模型研究[J].现代图书情报技术，2015（5）：24-33.

[5] 戴建华，廖瑞丹.基于时间记忆的网络舆情交互模型研究[J].现代情报，2016，36（2）：8-11，42.

[6] 苏国强，兰月新.基于SIR的突发事件网络谣言扩散模型研究[J].武警学院学报，2013（4）：90-92.

[7] 王慧，兰月新，潘樱心.基于信息异化动力视角的网络衍生舆情成因研究[J].现代情报，2013（7）：59-63.

[8] 戎蕊，兰月新，张鹏，等.政务微媒体在网络反腐中的应用研究[J].现代情报，2015（5）：9-13.

[9] 刘翠亭，兰月新，张琦，等.社交网络对群体性事件的影响和对策研究[J].电子政务，2015（5）：50-57.