基于信息熵的新媒体环境下负面网络舆情监测指标体系研究

邢云菲 王晰巍 王铎 韦雅楠

〔摘要〕[目的/意义]新媒体环境下网络舆情信息传播对舆情的发展趋势具有重要的导向作用，对舆情进行监测有助于相关舆情管理部门对舆情信息传播进行有效引导，促进舆情事件良性发展。[方法/过程]本文基于信息熵理论，通过层次分析法构建评估指标体系，使用模糊综合评价法建立新媒体环境下网络舆情监测模型，针对舆情指标隶属度结果对监测等级进行分类。本文以新浪微博舆情热点话题“鸿茅药酒”作为数据源获取数据进行新媒体环境下网络舆情监测指标体系分析。[结果/结论]数据结果表明，新媒体环境下网络舆情热点话题“鸿茅药酒”事件的影响力级别为Ⅳ级，需舆情管理者及时监测舆情发展和走势。通过最终监测值对照监测级别可以帮助政府及相关舆情管理者及时采取针对性措施监测和引导网络舆情的良性发展。

〔关键词〕新媒体；网络舆情；模糊综合评价；指标体系

DOI：10.3969/j.issn.1008-0821.2018.09.007

〔中图分类号〕C9126〔文献标识码〕A〔文章编号〕1008-0821（2018）09-0041-07

Research on the Negative Network Public Opinion Monitoring Index

System Based on Information Entropy in New Media EnvironmentXing Yunfei1Wang Xiwei1，2Wang Duo1Wei Yanan1

（1.Management School，Jilin University，Changchun 130022，China；

2.Big Data Management Research Center，Jilin University，Changchun 130022）

〔Abstract〕[Purpose/Significance]In the new media environment，network public opinion information dissemination plays an important guiding role in the development trend of public opinion.The monitoring of public opinion will help the relevant public opinion management departments to effectively supervise the public opinion information dissemination and promote the benign development of public opinion events.[Method/Process]This paper constructed the index system through analytic hierarchy process based on information entropy theory.The fuzzy comprehensive evaluation method was used to establish the network public opinion monitoring model in the new media environment and the classification of monitoring level was conducted according to the degree of membership of public opinion indexes.This paper took sina weibo platform as an example to obtain data for network public opinion monitoring and analysis under new media environment.[Result/Conclusion]The influence level of“Hong Mao Liquor”was Ⅳ，requiring public opinion managers monitoring the development and trend of public opinion in time.The monitoring level could help the government and relevant public opinion managers to take targeted measures to monitor and guide the benign development of online public opinion.

〔Key words〕new media；network public opinion；fuzzy comprehensive evaluation；indicator system

隨着互联网的快速发展以及新媒体时代的到来，人们更多通过互联网平台表达观点和态度、宣泄情绪[1]。网络舆情是以网络为载体，网民针对现实生活中的热点新闻所持有的具有一定影响力和倾向性的情感和态度的集合[2]。包括QQ、微信、微博、论坛、博客等在内的新媒体平台与传统媒体包括电视、电话、广播等媒介相比，信息具有传播速度更快、传播范围更广的特征。因此，相比较传统媒体，新媒体对人们生活、工作、学习等方面具有较大影响。然而，网络舆情信息的肆意传播在一定程度上对舆情的发展趋势具有重要的导向作用[3]。由于网络舆情演变方式多样化可能导致舆情事态向消极方向发展，从而引发舆情危机。因此，加强新媒体环境下网络舆情监管，及时对负面舆情危机进行识别和监测对营造和谐健康的网络环境具有重要作用，也能够促进社会舆情事件的良性发展、维护社会安全。

学者针对网络舆情监测展开了大量研究。学者曾润喜[4]以警源、警兆和警情3个因素为基础通过层次分析法构建网络舆情监测指标体系，并对影响指标体系的因素进行分析和排序，最终确定影响权重；聂峰英等[5]结合网络舆情生命周期理论划分移动环境下社交网络的舆情等级，基于等级分类分析移动环境下社交网络的生命周期；兰月新等[6]通过预测舆情生命周期中潜伏期的高潮问题、扩散期的负面信息监测问题以及消退期的衍生舆情监测问题构建了突发事件网络舆情信息传播模型；杜智涛等[7]运用灰色预测方法和模式识别方法建立网络舆情预测模型，提出网络舆情预测与预警系统建设的整体架构；张一文等[8]提出基于贝叶斯的网络舆情监测模型并通过对关键指标数据进行仿真和学习，建立网络舆情态势评估模型，从而对网络舆情态势进行有效评估和预测。从学者对网络舆情监测的研究成果来看，其研究主题主要集中在网络舆情生命周期分析、监测级别划分、预警监测、舆情演变预警、监测态势评估等，但针对新媒体环境下的网络舆情监测研究较少。

基于此，本文试图解决以下3个方面的问题：1）如何基于信息熵和层次分析法建立新媒体环境下网络舆情监测模型；2）如何基于新媒体环境下网络舆情监测模型通过模糊综合实验得到舆情监测结果；3）如何基于具体舆情话题进行舆情监测分析并帮助舆情管理者进行引导和管理。针对上述研究问题，本文构建新媒体环境下网络舆情监测指标体系，基于层次分析法和信息熵理论确定指标权重，选择新浪微博热点话题“鸿茅药酒”事件作为数据源进行样本采集和数据分析，通过模糊综合统计实验设定网络舆情监测等级并对监测结果进行评估，最后提出舆情监测机制并对政府及舆情管理者提出管理建议。本文的研究在理论层面对新媒体环境下网络舆情监测研究提供新的理论研究视角，推动理论模型构建方法研究；在实践层面上能够帮助政府及相关舆情监管机构对如何管控舆情信息传播、防止不良信息扩散，营造良好的网络环境具有重要意义。

2018年9月第38卷第9期现代情报Journal of Modern InformationSep.，2018Vol38No92018年9月第38卷第9期基于信息熵的新媒体环境下负面网络舆情监测指标体系研究Sep.，2018Vol38No91相关理论

11网络舆情监测

网络舆情是指在某个特定的社会空间里，网络群众针对社会中一些现象和问题表达自己的态度、意见和情感，是群众在网络平台上表达意愿和情绪的集合[9]。包括网络谣言、网络暴力、信息生产与消费不对称现象、技术风险以及信息规范缺失等，是网络舆情主体信息互换时的非正常状态，需要舆情管理者关注。舆情信息对于舆情主体的消极传递与积极传递之间的非平衡状态，极易引发网络谣言和网民情绪化，强社会关系、私密性、趋同性等，更加强化了网络谣言、网络语言暴力等负向信息传播的影响力和渗透力。

网络舆情监测指针对网络舆情信息传播过程和结果进行监控、处理和有效控制。负面信息是政府和舆情管理者监测的重点，而这些负面信息主要由网民态度决定，即如果网民态度主要呈现消极情绪或言论偏激，则该舆情事件亟需舆情管控者及时对信息量和传播范围进行有效控制[10]。

12信息熵

1948年香农[11]首先提出信息熵的概念，即将信息量化，解决信息的度量问题。一个信源发生的信息类别能够根据该信息出现的概率来衡量。假设不确定性函数f是概率P的单调递减函数，那么两个独立信源产生的信息应为其和，即f（p1，p2）=f（p1）+f（p2），则f是对数函数，表示为：f（P）=log1p=-logp。信息熵通过定义信息源的不确定性，针对随机变量xi的变化描述信息含量的多少，其表达式为：

f（X）=f（-logpxi）=-∑ni=1p（xi）logp（xi）（1）

0≤pi≤1，i=（1，2，…，n）

xi表示随机变量，pi代表所有输出结果的集合（即概率函数）。假设不确定函数f是概率p的单调递减函数，则n个独立的不确定事件的发生概率应为其和。

13基于信息熵的新媒体负面网络舆情监测问题的提出基于信息熵的新媒体环境下负面网络舆情监测是基于信息熵理论确定评价指标体系的熵值进而计算指标权重。信息熵是评价信息的不确定性，如果某评价指标的熵值越大，说明该评价指标在综合评价中所起的作用越小，权重越低；反之如果某评价指标的熵值越小，则该评价指标所起的作用越大，权重越高。由于新媒体环境下网络舆情具有的突发性和不稳定性使网络舆情在不同时刻的传播速度、传播范围、传播深度并不相同，因此实时关注舆情信息传播情况才能及时采取一定措施对舆情传播进行有效控制。针对新媒体环境下网络舆情在其产生、发展、蔓延和消散过程中，可能因为政府或舆情管理者的管理不当导致负面网络舆情信息被放大，甚至产生其他不良衍生事件和网民应激行为。部分负面网络舆情可能與官员执法犯法、贪污腐败等因素相关，降低民众对政府的满意度，导致政府公信力降低。因此，对新媒体环境下负面网络舆情进行监测能够帮助政府及相关舆情管理者及时采取针对性措施监测和引导网络舆情的良性发展。

2研究方法

21评价指标体系构建的理论依据

对网络舆情预警指标评价体系的研究较多，但通常存在指标体系中指标重复或相近（如舆情态势倾向度、舆情态势发展度）、二级指标过于抽象较难测度（如事件危害度、网民分歧度等）、同层级指标重要程度不一致（如网络舆情传播指标、网络舆情受众情感指标）。这些因素都可能导致评价结果产生偏差。因此，本文结合信息熵和层次分析法建立评价指标体系，从新媒体环境下网络舆情传播特征角度出发，尽量克服上述问题建立负面网络舆情监测指标体系。

22评价体系

本文的阶梯层次结构分为目标层、一级指标和二级指标。根据学者针对舆情的演化特征设计的不同指标体系以及网络舆情信息传播特征和规律变化，本文认为，由于影响网络舆情的因素较多，因此无法确定所有对其变化产生影响的因素，因此选取在网络舆情信息传播过程中影响力较大的指标作为网络舆情监测评估指标体系中的一级指标如下：①舆情热度，即从舆情信息传播的基本信息量角度衡量网络舆情信息传播强度（包括原创信息量、转发量、评论量、点赞数）；②舆情关注度，即从舆情信息被舆情主体关注程度计算舆情从产生到消亡的被关注热度（包括点击量、搜索量、主题词数、舆情持续时间）；③网民情感，即从网民的情绪态度上考察舆情主体情感倾向和舆情发展方向（包括网民活跃度、正向情感词量、负向情感词量、中性情感词量）；④舆情影响力，即从舆情传播的深度及广度衡量舆情信息对舆情主体的影响程度（包括省市区域分布、关键词覆盖度、意见领袖数量、热点新闻报道比率）；⑤舆情敏感度，即从舆情信息的持续传播角度表示舆情信息的敏感度（包括原创信息量增长率、转发量增长率、评论量增长率以及搜索量增长率）。

23层次分析法确定权重

本文采用层次分析法，根据AHP1～9的比例标度理论将不同级指标的重要程度两两比较以得到量化的判断矩阵[12]，其标度如表2。确定各指标因素后，采用调查问卷法对所有影响指标因素进行两两比较评分，确定各指标的重要程度。

针对新媒体环境下网络舆情话题传播特征，比较各指标间的重要性，本文设计了调查問卷。将舆情指标重要程度按照非常重要（4分）、比较重要（3分）、重要（2分）、比较不重要（1分）、非常不重要（0分）进行打分，按照问卷中相同指标的得分加权值计算每个指标的最后得

24熵权法确定权重

信息熵是评价信息的不确定性，如果某评价指标的熵值越大，说明该评价指标在综合评价中所起的作用越小，权重越低；反之如果某评价指标的熵值越小，则该评价指标所起的作用越大，权重越高[14]。设有p个待评对象，针对q个评价指标的取值，这些待评对象的各个指标值构成一个p×q的判断矩阵X如公式（2）。由于不同列的数据单位不同，因此按照Tij=Kij＼∑pi=1xij进行无量纲化处理，得到公式（3）。

K=k11…k1q

kp1…kpq（2）

T=t11…t1q

tp1…tpq（3）

第j个指标的熵值为：

Ej=-1lnp∑ni=1tijln（tij）（4）

第j个指标的差异系数为：

Hj=1-Ej（5）

归一化处理各指标的权重计算指标的权数：

M（t）j=Hj∑nj=1Hj， j=1，2，…，m（6）

25舆情指标综合评价

根据由信息熵和层次分析法确定的新媒体环境下网络舆情信息传播评价指标结果，设定集合为{K1，K2，…，Kn}，且由层次分析法确定的指标权重为{M（e）1，M（e）2，…，M（e）n}，由信息熵确定的指标权重为{M（t）1，M（t）2，…，M（t）n}，则这n个指标的最终综合权重表达式为：

Mi=M（e）iM（t）i∑nj=1M（e）iM（t）i； i=1，2，…，n（7）

26指标隶属度计算

通过定性新媒体环境下网络舆情监测指标，采用专家评分法计算舆情指标隶属度定义舆情监测等级，并对等级结果进行归一化处理。设二级指标Ci∈[0，1]，i=1，2，3，4归一化舆情热度；Ci∈[0，1]，i=5，6，7，8为归一化舆情关注度；Ci∈[0，1]，i=9，10，11，12为归一化网民情感；Ci∈[0，1]，i=13，14，15为归一化舆情影响力；Ci∈[0，1]，i=16，17，18，19为归一化舆情敏感度。模糊子集K1={一般重要}与K2={比较重要}的隶属度函数如下公式（8）和公式（9），δKi（i=5，6，…，19）计算方法同理。δK1（c1，c2，c3，c4）=14exp-C2122+exp-C22122+exp-C2322+exp-C2422（8）δK2（c1，c2，c3，c4）=14exp-（1-C1）222+exp-（1-C21）222+exp-（1-C3）222+exp-（1-C4）222（9）

3数据采集

31数据源选择

新浪微博具有强大的信息分类和数据处理功能，其海量信息资源为网络舆情信息传播提供了便捷的网络平台，满足了多元化新媒体用户快速登陆、分享信息的需求[15]。利用新浪微博终端即时接受和传播舆情信息是当前新媒体环境下网络用户交流和分享的重要渠道。2017年微博财报数据显示[16]，截至2017年9月，微博月活跃用户共376亿，与2016年同期相比增长27%，其中移动端占比达92%；日活跃用户达到165亿，较去年同期增长25%。

舆情事件的热度指数反映了舆论关注的聚焦程度与舆论压力情况，主要与事件相关媒体报道量、网民讨论量、平台传播广度等要素有关。根据2017年中国互联网舆论分析报告[17]中的舆情热度和舆情压力等指标，本文选择“红黄蓝”幼儿园虐童事件、武汉大学跳楼案、“41”泸县事件、“蓝色钱江”保姆纵火案、“鸿茅药酒”事件、江歌案和孕妇绊倒男童案七条热门负面舆情话题作为数据源进行数据获取及处理，并进行新媒体环境下网络舆情监测机制分析。根据百度指数，“鸿茅药酒”事件舆情话题整体日均值搜索指数为9615，整体同比上涨329%，其搜索指数如图1。限于篇幅，本文仅以“鸿茅药酒”事件案件为例计算各指标数据进行统计整理得到实证数据进行讨论分析并展开具体分析过程，其他微博热点话题只显示最终监测结果并提出管理建议。

32数据获取及处理

在数据获取阶段，本文选择每条热门舆情话题从突发、蔓延到消退时期的舆情相关信息（包括原创微博数量、转发、评论、点赞、点击量、搜索量、主题词数等信息）。本图1“鸿茅药酒”事件百度搜索指数图

文通过网络爬虫获取新浪微博热点话题“鸿茅药酒”事件的数据过程如下：①在新浪微博搜索栏输入“鸿茅药酒”以获得所有原创、转发、评论、点赞等相关信息[18]；②得到信息对应网址，形成相应地址库；③递归获取所有网址并将相关字段的信息保存到Access数据库。

本文在数据处理过程中，使用Excel和Access数据库处理数据。首先将数据字段规范化处理，将内容中含有超文本字符和表情符等无效字段进行数据清洗；然后对采集到的原始数据经过人工处理筛选，包括删除重复性文本、删除不可识别符号、删除无用词语等；将时间规范为“*年*月*日”格式；通过中文分词工具“盘古分词”将信息内容拆分并形成最终精简数据库；对采集到的文本根据“情感分析用词语集（Beta版）”进行正向、负向和中性情感词量计算；最后在Excel中根据评论转发搜索量变化计算原创信息量增长率、转发量增长率、评论量增长率以及搜索量增长率。根据本文构建的新媒体环境下网络舆情监测指标体系中的二级指标因素进行数据统计分析，得到原始数据如表4所示。

4讨论与分析

41模糊综合统计实验

设置新媒体环境下网络舆情信息传播影响指标等级评分为0～10分，且评分为整数段。指标的评分值越高代表该指标因素对网络舆情监测内容的影响力越高。将各指标属性值做归一化处理，得到第i个指标下的第j个评价等级指标值比重。根据新媒体环境下网络舆情监测指标计算公式得到各指标标准化结果，其中一级指标的权重為[022，024，018，017，019]，二级指标的权重分别为M1=[028，031，027，014]；M2=[021，019，032，28]；M3=[016，027，029，28]；M4=[032，026，023，019]；M5=[024，028，022，026]。

对一级指标因素集{B1，B2，B3，B4，B5}分别作模糊综合评价。设V={v1，v2，v3，v4，v5}为网络舆情监测评价集，Bi中个指标对于V的权重分配为Mi=[mi1，mi2，…，min]，得到一级指标评判向量为：=Mi*i=[bi1，bi2，…，bin]，i=1，2，…，k，则：

B1=M1*T1=[0254，0108，0125，0364]

B2=M2*T2=[0147，0216，0469，0325]

B3=M3*T3=[0317，0058，0434，0204]

B4=M4*T4=[0208，0497，0057，0146]

B5=M5*T5=[0412，0258，0027，0359]

=M*T=[022，024，018，017，019]*0254010801250364

0147021604690325

0317005804340204

0208049700570146

0412025800270359=[02619，02196，02330，02878]

将二级模糊综合评判结果与指标模糊隶属度评价级别的乘积作为网络舆情隶属度监测值，即Z=*δT，判断级别隶属度为01、075、05、025，分别为极、大、中、小。从而实现网络舆情监测评估的模糊隶属度监测数值，后续再根据监测类别实现对网络舆情隶属度监测值的进一步评估分析。

Z=*δT=[02619，02196，02330，02878]*1

075

05

025=06150

42网络舆情监测等级设定

将20个新媒体环境下网络舆情二级态势指标转换为在区间[0，1]的度量方法，分别为K1，K2，K3，…，K19。依据专家隶属度模糊评价分析，把新媒体环境下网络舆情监测评定要素分为舆情热度、舆情关注度、舆情网民情感、舆情影响力和舆情敏感度得出每个一级指标的隶属度。根据模糊综合统计实验结果确定新媒体环境下网络舆情监测等级，如表5所示。舆情监测影响力级别分为5个等级，重要程度由低到高分别对应灰色监测、蓝色监测、黄色监测、橙色监测和红色监测。属于灰色监测的舆情话题重要程度最低，属于红色监测的舆情话题重要程度最高。在进行新媒体环境下网络舆情监测及控制过程中要综合考虑舆情热度、舆情关注度、网民情感、舆情影响力、舆情敏感度5个因素进行网络舆情隶属度监测值计算并进行风险评估，对于橙色和红色监测提高警惕。

新浪微博热门话题“鸿茅药酒”事件网络舆情隶属度监测值结果为06150，属于橙色监测。由于该事件从突发到迅速蔓延时间极短，产生大量舆情信息，网民情感倾向性偏负面，信息量增长率较高，引发其他舆情衍生话题如食品安全、消费者权益等进行二次传播，需要舆情管理者对此及时采取合理措施应对，并对该话题进展进行实时监测。

43监测结果评估

新媒体环境下网络舆情事件指标体系监测值结果和其对应舆情影响力级别、监测等级关系如表6所示。表5网络舆情指标体系检测值对应监测等级

指标体系监测值舆情影响力级别舆情监测等级[0，019]Ⅰ灰色监测[02，039]Ⅱ蓝色监测[04，059]Ⅲ黄色监测[06，079]Ⅳ橙色监测[08，1]Ⅴ红色监测

力级别监测等级“红黄蓝”幼儿园虐童事件087Ⅴ红色监测武汉大学跳楼案076Ⅳ橙色监测“41”泸县事件035Ⅱ蓝色监测“蓝色钱江”保姆纵火案072Ⅳ橙色监测江歌案085Ⅴ红色监测孕妇绊倒男童案043Ⅲ黄色监测

新媒体环境下网络舆情监测研究需要综合评估指标体系监测值、舆情影响力级别和监测等级3个维度来对监测提供风险决策建议。在表5中6项负面舆情事件中，“红黄蓝”幼儿园虐童事件和“江歌案”的指标体系监测值相对最高，分别为087和085，主要体现在舆情热度高，舆情关注度和舆情影响力相对较高，而用户情感词中负向情感数量远高于正向和中性情感词量，出现的意见领袖数量较多，由线上引发线下舆情危机的可能性较大。针对这类Ⅴ级舆情事件使用红色监测，需要舆情管理者对事件发展持续监测，及时播报事态处理进展。负面舆情事件“武汉大学跳楼案”和“蓝色钱江保姆纵火案”的舆情体系监测值分别为076和072，影响力级别都为Ⅳ，监测等级为橙色监测。这两项负面舆情事件的舆情热度和舆情关注度相当但舆情敏感度不高，舆情事件持续事件不长，但网民情感相对偏激。对这类橙色监测的舆情事件应采取实时关注舆情进展，根据舆情发展趋势和网民情感倾向做好监测和引导工作。“41泸县事件”和“孕妇绊倒男童案”的负面舆情监测值分别为035（Ⅱ级）和043（Ⅲ级），舆情指标综合得分较低，为蓝色监测和黄色监测。这两项负面舆情事件的舆情热度和关注度都较低且持续事件短，对网络平台和社会大众造成的危机较小，仅需舆情管理者适当监测舆情发展和走势。

对比发现本文选取的微博舆情热点话题隶属度监测值结果与现实中这些舆情事件的传播特征和发展规律较一致，因此本文设计的新媒体环境下网络舆情监测指标较能够客观反映网络舆情事件的发展状态。基于信息熵和层次分析法得到的指标权重进行模糊综合评价分析，能够正确预测网络舆情危机事件的爆发和扩散，并针对这些事件帮助舆情管理者进行有效监测和预防。另一方面也能够为新媒体环境下网络舆情监测研究提供一个系统的理论视角，提高政府对舆情的实时监控能力和管理能力。

5结论

本文在理论层面，将网络舆情信息传播影响因素分为舆情热度、舆情关注度、网民情感、舆情影响力和舆情敏感度5个一级指标并设定下达的20指标，构建比较判断矩阵确定指标权重。本文构建新媒体环境下网络舆情监测指标体系，基于层次分析法和信息熵理论确定指标权重，选择新浪微博热点话题“鸿茅药酒”事件作为数据源进行样本采集和数据分析，通过模糊综合统计实验设定网络舆情监测等级并对监测结果进行评估，最后提出舆情监测机制和监测态势预测方法，为分析新媒体环境下网络舆情监测研究提供了新的理论研究视角。本文在实践层面，通过网络爬虫获取新浪微博数据，采用实证分析法对新浪微博热点话题“鸿茅药酒”进行数据分析，运用模糊综合评价法进行模糊综合统计实验，量化舆情指标项并对六项负面网络舆情事件的监测结果进行评估，提出舆情管理建议。数据结果表明，新媒体环境下网络舆情热点话题“鸿茅药酒”事件的影响力级别为Ⅳ级，显示为橙色监测，需舆情管理者及时监测舆情发展和走势。根据新媒体环境下网络舆情信息传播数据与相应指标项对应权重乘积能够得到该舆情事件的最终监测值，对照监测级别可以帮助政府及相关舆情管理者及时采取针对性措施监测和引导网络舆情的良性发展，保障社会安全。

在研究过程中本文仅以新浪微博平台作为数据源分析新媒体环境下网络舆情监测级别，可能导致数据分析的结果存在局限性。本文在后续研究中将选取更多新媒体平台如博客、贴吧、论坛等进行数据的获取以验证模型可行性，并扩充样本数量进行新媒体环境下的网络舆情监测研究。

参考文献

[1]DTouin M，OConnoT K W，Schmidt G B，et al.Facebook Fited：Legal Petspectives and Young Adults Opinions on the Use of Social Media in Hiting and Fiting Decisions[J].ComputeTs in Human BehavioT，2015，46：123-128.

[2]王晰巍，邢云菲，张柳，等.社交媒体环境下的网络舆情国内外发展动态及趋势研究[J].情报资料工作，2017，（4）：6-14.

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

[4]曾润喜.网络舆情突发事件监测指标体系构建[J].情报理论与实践，2010，33（1）：77-80.

[5]聂峰英，张旸.移动社交网络舆情监测指标体系构建[J].情报理论与实践，2015，38（12）：64-67.

[6]兰月新；曾润喜.突发事件网络舆情传播规律与监测阶段研究[J].情报杂志.2013，32（5）：16-19.

[7]杜智涛，谢新洲.利用灰色预测与模式识别方法构建网络舆情预测与监测模型[J].图书情报工作，2013，57（15）：27-33.

[8]张一文，齐佳音，方滨兴.基于贝叶斯网络建模的非常规危机事件网络舆情监测研究[J].图书情报工作.2012，56（2）：76-81.

[9]王英，龚花萍.基于情感维度的大数据网络舆情情感倾向性分析研究——以“南昌大学自主保洁”微博舆情事件为例[J].情报科学，2017，35（4）：37-42.

[10]夏一雪，兰月新，李昊青，等.面向突发事件的微信舆情生态治理研究[J].现代情报，2017，37（5）：28-32.

[11]Shannon C E.A Mathematical Theoty of Communication[J].Bell System Technical JouTnal，1948，27：379-423.

[12]王铁套，王国营，陈越.基于模糊综合评价法的网络舆情监测模型[J].情报杂志，2012，31（6）：47-51.

[13]张艳丰，李贺，彭丽徽，等.基于语义隶属度模糊推理的网络舆情监测监测实证研究[J].情报理论与实践，2017，40（9）：82-89.

[14]邢云菲，王晰巍，韩雪雯，等.基于信息熵的新媒体环境下网络节点影响力研究——以微信公众号为例[J].图书情报工作，2018，62（5）：76-86.

[15]徐勇，张慧，陈亮.一种基于情感分析的 UGC 模糊综合评价方法——以淘宝商品文本评论UGC为例[J].情报理论与实践，2016，39（6）：64-69.

[16]Useit知识库“新浪微博数据中心”《2017微博用户发展报告》[EB/OL].http：//www.useit.com.cn/thTead-17562-1-1.html，2017-12-25.

[17]个人图书馆《2017年中国互联网舆情研究报告》[EB/OL].http：//www.360doc.com/content/18/0105/16/29770038_719321 877.shtml，2018-01-05.

[18]王晰巍，邢云菲，王楠阿雪，等.新媒體环境下突发事件网络舆情信息传播及实证研究——以新浪微博“南海仲裁案”话题为例[J].情报理论与实践.2017，40（9）：1-7.

（责任编辑：孙国雷）2018年9月第38卷第9期现代情报Journal of Modern InformationSep.，2018Vol38No92018年9月第38卷第9期新媒体视域下个体投资用户的信息获取行为研究Sep.，2018Vol38No9

收稿日期：2018-05-05