融媒体背景下社会热点新闻舆情传播控制模型构建

2022-11-09徐缤荣

微型电脑应用 2022年10期

徐缤荣

(西安欧亚学院，人居环境学院，陕西，西安 710065)

0 引言

融媒体是一种能够充分利用各种媒介载体的新型媒体，全面整合了传统媒体的宣传、内容、人力等功能，有效实现资源、利益、宣传的共融[1]。它不是一种独立的实体，而是一种融合了广播、网络、电视等多种媒介，使其自身功能更加完善的媒体运作模式,在具备如此多优势的同时可能也会被别有用心之人利用，发布一些虚假信息或不良言论，实现误导人民群众甚至裹挟政府等目标[2]。因此能够及时有效地对社会热点舆情进行控制就变得尤为重要。

文献[3]提出了基于排序学习的舆情传播控制模型，该模型在训练过程中引入标签数据，对舆情事件进行关联关系分析。构建舆情演化态势评估指标，采用排序学习方法挖掘出标签数据间的混合特征，完成舆情传播控制。文献[4]提出了基于兴趣匹配的舆情传播控制模型，该模型从网络中爬取舆情数据，并采用半监督学习算法对网络用户的兴趣度进行匹配预测,参考兴趣匹配度预测结果，构建舆情传播控制模型。

为了进一步提高舆情传播的控制效果，本文提出一种融媒体背景下社会热点新闻舆情传播控制模型构建。本文凭借对热点新闻的传播特点进行总结，结合传染病模型，通过控制传播节点完成控制模型的构建。实验表明,所提方法具有一定的有效性，可以满足社会热点新闻的控制需求。

1 融媒体背景下社会热点新闻传播特点分析

社会热点新闻指在特定环境和时期所发生的被社会大众普遍关注的真实事件，且能够迅速引发较大规模的民众讨论和舆论扩散。社会热点新闻的主要传播特点如下。

(1) 群众性

社会热点新闻是在某个特定阶段所发生的社会事件、社会话题、社会现象等。不管是哪个种类的热点新闻，均会快速地在各大网站、软件、平台等传播，瞬间成为全民热议的话题，引发大规模的讨论，同时还会使参与讨论的人和新闻点击量大幅度上涨[5]。

(2) 多样性

社会热点新闻的多样性也可以视为新闻内容所具有的复杂性。另一方面，民众的不同反应、态度及看法等也显著体现出了这一特点。从热点新闻的内容角度分析，其同时包括了文化、政治、经济、民生、娱乐等类别，且每个种类的热点新闻也不仅仅存在单一方面的影响，而是能够直接或间接地映射出社会不同层面的问题。例如,高校学生会关注就业问题，这类新闻就可以同时归类于民生新闻和经济新闻。热点新闻所反映的社会问题大多不是独立的，而是多层次的交织和影响。因此，处理社会热点新闻，不能只从一个方面去思考，更不能从单一的角度去分析和理解。

(3) 高效性

在一体化的语境下，新闻可以通过图片、音频、视频相结合的方式进行传播，一定程度上提高了传播效率。多种媒体联合进行新闻传播，可以提高新闻的可读性，并能在短时间内引起广泛关注。同时，由于传播方式的改变，公众可以在多种平台上对新闻进行评论。这种参与式的传播模式打破了公众与新闻之间的时空距离，使传播更加有效。

2 社会热点新闻舆情传播控制模型构建

在融媒体环境下会产生2个舆论场，分别是意识网络舆论场和外部舆论场，2个舆论场相互作用，导致舆情传播具有弥散和网状特点，从而产生了较多的不确定性。首先对传染病控制模型中的相关条件进行定义。

定义1 将一定时间范围内的受众个体分为4类：S(t)为t时刻内不了解该舆情的个体数量，下文简称为易感者，简记为S；E(t)为t时刻内了解舆情但是未对其进行传播的个体数量，下文简称为犹豫个体，简记为E；I(t)为t时刻内了解舆情且立即对其进行传播的个体数量，下文将其称为感染者，简记为I；R(t)为t时刻内了解舆情但是对其没有兴趣且不会传播的个体数量，简称为免疫者，简记为R。

定义2 由于隔离等控制导致易感者转化为免疫者的概率用ε表示。

定义3 将外部舆论场所导致的犹豫个体转变为感染者的过程定义为外部舆论场阻止率，简记为阻止率τ。当外部舆论场导致易感个体、犹豫个体与感染者变为免疫者时，称该过程为外部舆论场推进率，简记为推进率δ。

融媒体背景下的舆情传播控制模型的基本结构如图1所示。

图1 舆情传播控制模型基本结构

式(1)中，A表示受众人数，μ表示传染率，β表示转化系数1，即犹豫者和感染者之间的转化系数，α表示转化系数3，即犹豫者与免疫者之间的转化系数，γ表示转化系数2，即感染者与免疫者之间的转化系数。其中,推进率及阻止率均为[0,1]范围内的常数。根据动力学建模思想[6]，可以得出舆情传播控制模型如下：

(1)

模型中前3个方程都没有变量R，且N=S+R+I+E，N表示t时刻内受众总数。因此，仅考虑前3个方程所构成的系统即可。令ε*=ε+δ，β*=β+τ，α*=α+δ，γ*=γ+δ，则式(1)可以改写为

(2)

将受众情况简化为一个无向加权图[7]G(V,E)，并假设节点v相邻节点的集合为N(v)，其表达式为

N(v)={u|(u,v)∈E}

(3)

式中，u表示状态节点。

采用AT(v)表示T时间段内v的相邻节点处感染者节点集合，即：

AT(v)={u|u∈N(v)}

(4)

节点v在时刻T内所受集合AT(v)的影响用PT(v)表示，其主要意义为节点v的处于感染者状态的相邻节点对v的影响力之和。在模型中，每个节点都存在一个特异性阈值[8]ηv，结合传染病传播模型[9]给出社会热点舆论的传播过程如下。

(1)T=0时，新闻传播的源节点[10]为w，此时感染者的集合可以表示为Is={w}。

(2)T=1时，假设v∈A1(w):若θv(t)=1，则对P1(u,v)进行求解，其中，u∈A1(w)，u∈Is；若所得的P1(u,v)≥ηv，则该节点状态发生了变换，即由犹豫者变为了感染者，此时将该节点移入Is中。否则,并未发生变化。

(3) 新闻传播至T时，遍历Is中所有节点，如果节点v∈NT(w)满足v∉Is，计算出Pt(v)。若计算结果满足激活条件，那么节点v的状态发生了变化，该节点由易感者转变为了感染者。此时，将该节点移入Is中。

(4) 当信息传播至T=T+1时刻时，重复操作(2)、(3)步骤。

(5) 当状态节点集合Is不发生改变时，结束传播。

当某一节点的相邻节点发送信息时，相邻节点可能对该信息不置评论，进入观望状态。此时加入2个新变量。

第一个变量是θj(t)。若θj(t)=1，表示相邻节点接收到该新闻并作出了判断;若θj(t)=0，表示相邻节点接收到新闻后没有给出相应回应，进入观望状态。用户接收到消息但是保持观望态度的概率由Ti决定，即：

(5)

第二个变量为t′，表示当前节点看到信息的时间和下一相邻节点看到信息时间的这段时间,t′的值由观望用户在时刻t内是否对所接收新闻做出反应来决定,即：

(6)

根据上述分析，得到如图2所示的受众由犹豫个体转为感染者的时间因素。

图2 受众由犹豫个体转为感染者的时间因素

从图2可以看出，在规定时间范围内，相邻节点的信息传播变化率会对节点信息判断产生影响。在实际生活中，若在t时刻时受众1向受众2传播了该新闻，若在t+Ti时刻只有受众1传播了这条新闻，那么受众2可能不会立即判断是否对该条新闻进行传播[11]，而是处于犹豫阶段，反之如果多个朋友都在t+Ti时刻内传播了这个新闻，那么根据从众心理，受众S就有很大概率对该条信息进行传播。

控制模型主要对节点进行牵引控制，假设信息在节点1-2-3-4内传播，却有迅速传播的趋势。若根据发布时间判断出节点3为源节点，那么想要对传播进行控制就要根据传播模型构建传播网络。通过对传播的控制，在模型中减少或增加初始节点，关注节点之间的传播关系，即可实现舆情传播控制。模型控制的演变情况如图3所示。