基于SOAR模型的网络舆情应急响应策略

陈 佳

（濮阳职业技术学院 数学与信息工程学院，河南 濮阳 457000）

一、引言

在互联网技术日渐普及的社会背景下，越来越多的网络群体渴望通过网络获取具有时效性的舆情信息，并在掌握网络事件真相的前提下，与广大网友分享其个人对事件的看法与情感。针对此种现象，地方政府应当及时地采取干预措施，对网络舆情的互联网指向进行主导与控制，避免网络舆情影响到社会群体的认知，也避免在此过程中，政府公信力受到干扰[1]（91-92）。现如今的市场技术研究部门，尽管已基于公共层面设计了一些具有针对性的调控模型，但大部分设计成果均从社会媒体层面进行事件的解读，仅注重对事件管理，没有对舆情进行网络统计与分析[2]（132-133）。此种控制机制与响应当时缺少连续性，也无法基于网民情感层面，对事态的连续性进行预测，其过程缺少对网络融合复杂环境的映射，因此可以认为，现如今社会形态可提供给地方政府的网络舆情响应方法，在实际应用中，均存在某种不适配的问题。为了更好地落实政府主导舆情，本文引进SOAR模型，结合模型的认知框架，对网络舆情应急响应方法展开研究，致力于通过此种方式，对网民的情感进行正向疏导。

二、基于SOAR模型的网络舆情应急响应

（一）基于SOAR模型的网络舆情下网民群体行为映射

SOAR包含了State（状态）、Operate（操作）、Result（结果）三部分，SOAR模型可以将这三部分有机地结合在一起，模型架构如图1所示：

图1 SOAR模型架构

长期记忆也可以称为程序性记忆，工作记忆也可以称为短期记忆，长期记忆可以作为规则，在其中提取出有用的信息，短期记忆经过编码可以传输至长期记忆中，短期记忆不仅可存储近期记忆，还能存储与之相关的信息。

SOAR模型可以对网民群体进行映射研究，可有效掌握网络舆情下不同网络群体对事件的反应与认知，有利于全面落实对网络舆情的应急响应。在此过程中，结合SOAR模型的认知框架，进行人类思维的模拟，可将模型的输入/输出层对应群体认知领域，记忆层对应群体感知领域，推理过程对应人脑思维过程[3]（134）。为了更准确地描述用户需求，可采用提取SOAR模型算子的方式，进行群体行为的学习，并尝试从心理学角度对映射行为进行认知。

例如，在社会网络舆情中，不同类型的网络群体对于相同事件的感知与认知是不同的，在前端获取信息后，后端自动将获取的信息与记忆层信息进行对接。在此过程中，模型算子发生主动匹配行为，并根据算子的匹配结果，对网络舆情做出正面与负面判断[4]（57）。 此过程如图2所示：

图2基于SOAR模型的网络舆情行为判断

当网民对舆情事件具有了一个初步的判断后，SOAR模型情感层将产生记忆，基于此，可对网民群体行为进行映射。具体步骤如下：提取模型中匹配成功的算子，将其与记忆层现有数据库中的算子进行对接，对接成功后，终端将输出预测情感，以此作为网民对网络舆情的映射行为。反之，当提取的算子与数据库中算子对接不成功时，映射行为将受到前端用户主观行为与认知的影响，并在长期记忆的干预下，对事件给予主观判断，以此种方式，完成对群体网络舆情行为的映射。

（二）融合网民倾向性的网络舆情应急响应策略设计

在完成上述相关工作的基础上，可结合网民群体行为映射结果，对网民倾向性进行预测，预测操作过程为：需要将网络群体的感知层面记忆与规则信息进行对接，对于匹配或对接成功的算子，需要将其调用到候选子集中进行响应决策辅助[5]（147）。运用TFIDF算法提取网络舆情信息，计算网络舆情信息的权值公式如下：

公式（1）中tf表示词语在文章中出现的频率，idf表示逆文档频率。输出算子匹配结果，根据匹配结果中雷同结果数量，对网民倾向性再进一步进行最优解计算。计算公式如下：

公式（2）中：f(x)表示为针对网民的网络舆情倾向性预测结果；I表示为积极期望值；C表示为特征加权因子；P表示为期望值；φ表示为记忆逻辑参数；lmax表示为最高期望值。

将计算结果导入候选机制，并结合新的规则库进行网络舆情响应状态的对接。为了确保响应行为的规范性与价值性，还需要在此过程中，构建不同网络群体的行为规则，将所有发生的响应行为按照行为规则进行筛选，以此种方式，确保响应结果与实际结果两者之间具备一定批量协同性，从而完成对基于SOAR模型的网络舆情应急响应策略设计。

三、实验分析

为进一步验证本文提出的应急响应策略在实际应用中的效果，利用本文提出的策略与传统基于分级分类的应急响应策略，针对某高校内部网络舆情演变情况进行应急响应对比，并探究在本文提出应急策略实施后对高校网络用户群体行为的具体影响。

本文以某一具体事件的网络用户群体行为演变作为实验环境，将网络用户负面情感作为评价指标，为实现对网络用户负面情感的量化，本文选择以偏好度作为量化评价指标，偏好度计算公式为：

偏好度=针对该事件网民某种行为对应的数据量/针对该事件网民发布的数据总量

由上述公式可知，偏好度越高，则产生负面情感的网络用户人数越少，说明应急响应措施实施有效程度高。反之，偏好度越低，则产生的负面情感的网络用户人数越多，说明应急响应措施实施有效程度低。

基于上述理论分析，将两种应急响应策略应用于该实验环境当中，并对两种策略在实施后的用户偏好度进行计算，并将得出的计算结果以表格的形式绘制，如表1（第23页）所示：

从表1中两种应急响应策略实验结果可以看出，本文应急响应策略实施后的偏好度明显提高。

通过上述对比实验证明，本文提出的应急响应策略可进一步减少网民产生负面情感，在具体实施时具有更高的有效性。

表1 两种应急响应策略实验结果对比

四、结束语

网络舆情是影响社会群体认知、干预网络群体主观情感的主要因素，为了降低网络舆情对社会群体造成的负面干预与影响，本文从基于SOAR模型的网络舆情下网民群体行为映射、融合网民倾向性的网络舆情应急响应决策两个方面，对提出的课题展开了研究，并在完成对此的研究后，通过对比实验证明，本文应急响应策略在实施后产生负面情感的用户更少，可实现对网络舆情做出正确的情感指示，为解决网络舆情对网民群体情感造成的负面干扰问题提供指导。