基于AHP—模糊綜合分析的移動社交網絡輿情預警模型研究

王高飛+李明

〔摘要〕移動社交網絡的興起與發展促使網絡輿情在極短的時間內迅速產生與演化。為科學有效地對移動社交網絡輿情進行引導和控制，在詳細分析移動社交網絡輿情自身特點與影響因素的基礎上，將層次分析法與模糊綜合分析法相結合，構建基于AHP-模糊綜合分析的移動社交網絡輿情預警模型。并以“8.12天津港爆炸事故”進行實證分析，最終得出該事件的預警等級為“特別嚴重，Ⅰ級”，這與專家對該事件預警等級的定性相吻合，從而較好說明了該模型的有效性和準確性。

〔關鍵詞〕移動社交；網絡輿情；模糊綜合分析；層次分析法；指標體系；預警模型

DOI：10.3969/j.issn.1008-0821.2017.01.008

〔中圖分類號〕G206.2〔文獻標識碼〕A〔文章編號〕1008-0821（2017）01-0041-04

〔Abstract〕The rise and development of mobile social network made the network public opinion can quickly generate and evolve in a very short period of time.In order to guide and control mobile social network public opinion scientifically and effectively，the paper analyzed the characteristics and influencing factors of mobile social network public opinion detailedly，and combined the analytical hierarchy process（AHP）with fuzzy comprehensive analysis method.Then it constructed the mobile social network public opinion early-warning model that based on AHP fuzzy comprehensive analysis，and used“8.12 Tianjin Harbor Explosion Accident”for empirical analysis，finally came to the conclusion that the events of the warning level for particularly serious，class I”，the results and expert the forewarning grade of the event qualitative were consistent，so as to better illustrate the validity and accuracy of the model.

〔Key words〕mobile social interaction；online public opinion；fuzzy comprehensive analysis；AHP；index system；early warning model

互聯網的迅速發展使各種社交網絡平臺相繼興起，尤其是移動終端的廣泛使用使越來越多的人喜歡通過移動社交網絡平臺傳遞信息、發表言論。據2015年12月1日國際電信聯盟（ITU）發布的年度互聯網調查報告顯示，截至2015年12月全球手機用戶數已達71億，而移動社交用戶數量已超過20億[1]。移動社交網絡本身具有的移動性、開放性、虛擬性、匿名性等一系列特點一方面使信息的發布與傳播更為方便快捷；另一方面也使許多失真信息與網絡謠言在移動社交網絡中肆意傳播，移動社交網絡輿情隨之產生。由于移動社交網絡平臺用戶量大、活躍度高，它能在短時間內促使輿情事件迅速演化，因此它對于社會的和諧與穩定、政府的權威度與公信力都產生很大影響。移動社交網絡輿情已引起了國內外專家學者的高度關注。M.Y.Cha等通過對社交網站Flickr中的輿情傳播規律進行研究，揭示好友關系對輿情擴散所起的作用[2]。Saki.Knafo論證了Twitter在美國總統大選中所起到的重要作用[3]；Takehara等在對社交網絡輿情傳播特點研究的基礎上，為廣告投放設計出一種移動社交推薦系統[4]；Naohiro Matsumura在對日本社交網絡進行深入分析的基礎上提出了“影響力擴散模型”[5]；Ting.I.H等利用社交平臺分析用戶的相關信息，提出了社會網絡推送模式[6]。在國內，蘭月新通過構建微分方程模型來對微博輿情的擴散與演化規律進行了深入研究[7]。王玉珠對微信輿情的生成、特征、輿情效能進行研究，提出微信是推進輿情演進發展的雙刃劍，應當引起重視[8]；郭勇陳等探討了意見領袖在網絡論壇環境中的作用與影響，并給出相關管理建議[9]；夏雨禾對微博中輿情的生成要素、模式等進行分析，提出微博輿情的引導建議[10]；肖凝希對輿情的生命周期進行深入分析，提出了社交網絡輿情的預警對策[11]。

總的來說，現階段移動社交網絡輿情的相關研究數量偏少，且現有研究大多從定性的角度對社交網絡輿情進行研究，而鮮有從細粒度上針對移動社交網絡輿情進行相關因素分析及等級劃分的定量研究。為了豐富以上研究，本文在詳細分析移動社交網絡自身特點與影響因素的基礎上，建立了移動社交網絡輿情指標體系，并運用層次分析法與模糊綜合分析法構建了移動社交網絡輿情預警模型。最后結合實例驗證該模型的可行性和有效性，以期為政府部門科學有效地控制和引導移動社交網絡輿情提供借鑒和參考。

1移動社交網絡輿情概述

移動社交網絡是用戶在真實的人際交往中通過各種媒介特別是通過移動終端借助移動社交網絡平臺建立的一種虛擬化的人際關系網（如圖1）。在此基礎上，并借鑒相關專家學者對網絡輿情的定義，筆者認為移動社交網絡輿情是指通過移動社交網絡自由表達和傳播的各種情緒、態度和意見交錯的綜合。

近些年網絡輿情事件頻發，而移動社交網絡平臺則成為引領輿情發展的主要陣地。從2015年“東方之星”長江沉船事件、天津濱海新區爆炸事件、成都男子逼停暴打女司機事件，到2016年上半年哈爾濱“天價魚”事件、“人機大戰”事件、山東假疫苗事件等等，微信、微博、論壇等各種移動社交網站所發布的網絡信息已經成為推動網絡輿情發展的主要力量。這主要是由移動社交網絡3個特點決定的：

1.1移動社交網絡輿情具有隨機性特點

移動社交網絡輿情的隨機性包括網絡信息發布的隨機性與信息發布者的隨機性。網絡信息發布的隨機性是指移動社交網絡用戶能夠隨時隨地表達自己的情感，發表或轉發各種各樣的信息言論，而其中有些信息可能是失真的甚至是網絡謠言。信息發布者的隨機性指處于“全民麥克風”時代，只要是移動社交網絡用戶都可以在社交網絡平臺上發布信息，這使得網絡信息的發布者具有較大偶然性。

1.2移動社交網絡輿情呈現出碎片化特點

各種移動社交網絡平臺，如微信、微博等，其發布信息都具有短、平、快的特點，大多用戶都通過簡短的言語、圖片、語音等形式將所聞所感表達出來。以新浪微博為例，用戶發布的每條信息被限定在140字以內，這與傳統的博客不同，真正體現了其“微”的特點，這正滿足了人們生活節奏加快、并急于與人及時分享生活狀態的需求。

1.3移動社交網絡輿情具有聚眾傳播特點

隨著移動互聯網的不斷發展與社交網絡平臺的不斷壯大，移動社交網絡輿情的傳播越來越呈現出聚眾傳播的特點?！熬郾妭鞑ァ敝柑幱谏缃痪W絡中的人們通過各種網絡平臺，以取得某種認同為目的得一種群體性傳播形式。聚眾傳播融合了多種傳播方式與途徑，既包括信息的聚合也包括具有相同觀點人群的聚合。

2移動社交網絡輿情預警模型構建

模糊綜合評價法是模糊數學范疇內對于某事物給出綜合評價分析的一種有效的分析方法。該方法主要包含：①確定因素集；②確定指標權重；③確定評價集；④進行綜合評判等步驟。層次分析法（AHP）是基于把要分析的較為復雜的問題看成一個整體的系統，通過對系統內的多個因素的逐層分析，對于相關的因素咨詢有關專家并由專家給定相應的權值，進而建立相關模型。本文將兩者進行有機結合構建移動社交網絡輿情預警模型，力圖在已有網絡輿情預警研究的基礎上，設計移動社交網絡輿情預警指標體系，運用“AHP-模糊綜合評價”方法對移動社交網絡輿情影響因素進行模糊綜合評判并對輿情預警等級進行劃分，進而實現預警目的。

2.1移動社交網絡輿情指標體系構建

通過對現有輿情指標體系相關文獻[12-16]的分析，結合移動社交網絡的主要特點，本文構建了移動社交網絡輿情二級指標體系，以輿情主題信息、輿情發布者、輿情參與者和輿情擴散度為一級指標，建立如圖2所示的移動社交網絡輿情預警指標體系。從圖中可以看出，該指標體系包含一級指標4個，二級指標13個。其中一級指標包括輿情主題信息、輿情發布者、輿情參與者與輿情擴散度。輿情主題信息包括同類主題發布總數、主題敏感度、主題轉發評論次數3個二級指標；輿情發布者包括輿情所在社交網站、發布者粉絲數量2個二級指標；輿情參與者包含參與者所在社交網站、參與者粉絲數量、事件正面回復數及事件負面回復數4個二級指標；輿情擴散度包括社交網站權威度、社交網站分布度、輿情議論熱度和輿情傳播速度5個二級指標。

2.2因素集的確定

確定研究目標的因素集是建立綜合評價體系時首先要考慮的。在確定移動社交網絡輿情的因素集時，主要考慮影響移動社交網絡輿情的一些關鍵指標，對關鍵指標體系進行劃分，即U={U1，U2，…，Un}本文根據移動社交網絡輿情的自身特點及建立的移動社交網絡輿情預警指標將基本因素集U大致劃分成4個子集，對于評價因素Ui={Ui1，Ui2，…，Uik}，將其分為由13個具體因素形成的評價因素集合。

2.3評價集的確定

評判集指的是評判目標的評判結果集合。在建立評價集V={v1，v2，v3，…，vm}時，本文綜合我國自然災害預警等級劃分標準與相關專家學者意見，將移動社交網絡輿情預警分為4個等級：藍色預警（輕微嚴重，Ⅳ級）、黃色預警（比較嚴重，Ⅲ級）、橙色預警（嚴重，Ⅱ級）和紅色預警（特別嚴重，Ⅰ級），也就是取m=4對移動社交網絡輿情預警等級進行評價，則評價確立的等級集合為V={v1，v2，v3，v4}={輕微嚴重，比較嚴重，相當嚴重，特別嚴重}。

2.4指標權重的計算

運用層次分析法（AHP）確定影響移動社交網絡輿情的各因素的權重。在分析移動社交網絡輿情影響因素過程中，由于各因素的重要程度有所差別，因此要賦予各因素以不同的權重，我們可以運用層次分析法（AHP）來對移動社交網絡輿情影響因素的重要度進行排序。首先將各影響因素按主次與隸屬關系分組形成遞階層次結構，在通過有關專家對同一層次移動社交網絡輿情影響因素重要性進行兩兩比較并評分進而建立判斷矩陣，然后計算判斷矩陣的最大特征值和對應的特征向量，以特征向量各分量表示該層次相應影響因素的重要性權重。例如，要確定“輿情主題信息U1”的各影響子因素重要性權值A1=（a11，a12，…，a1n）可以計算滿足：AW=λmaxW的特征根與特征向量。特征根和特征向量可以用和積法來近似求解，具體步驟為：

由結果可以看出，調查中網友對該事件的評論隸屬于（一般嚴重、比較嚴重、嚴重、特別嚴重）的隸屬度分別為：（0.076，0.163，0.347，0.414），其中隸屬度為“特別嚴重”的隸屬度最大，為0.414，因此得出對于該事件的預警等級為“特別嚴重，Ⅰ級”即“紅色預警”。這與事件發生后專家對該事件的定性結論相一致。

4結論

移動互聯網時代，各種實時社交工具如微信、微博、QQ等儼然成為人們發表言論、信息交流的主要陣地，隨之而來的是移動社交網絡輿情的迅速產生與演化。因此如何科學地進行輿情預警，進而有效地控制和引導移動社交網絡輿情則顯得尤為重要。本文在融合層次分析法與模糊綜合分析法的基礎上構建了基于AHP-模糊綜合分析法的移動社交網絡輿情預警模型，并以“8.12天津濱海新區爆炸事故”進行實證分析，得到了較好的預警效果。

參考文獻

[1]國際電信聯盟（ITU）《衡量信息社會報告（2015）》解讀[EB/OL].http：∥qw.gzzxxw.com/15/12/2/c1/57657.shtml，2016-05-25.

[2]M.Y.Cha，A.Mislove，and K.P.Gummadi.A measurement-driven analysis of information propagation in the flickr social network[C].in Proceedings of the 18th international conference on World Wide Web，WWW09，2009：721-730.

[3]Saki Knafo.NDAA Trends On Twitter During The Debate[N].The Huffington Post，2012-10-23，（9）.

[4]Takehara T，Miki S，Nitta N.Extracting Context Information from Microblog Based on Analysis of Online Reviews[C].Multimedia and Expo Workshops（ICMEW），2012 IEEE International Conference on.IEEE，2012：248-253.

[5]Naohiro Matsumura.Collaborative Communication Strategies in Online Community[R].The Fourth International Workshop on Social Intelligence Design，Stanford：Stanford University，2005：23-27.

[6]Ting I H，Chang P S，Wang S L.Understanding Microblog Users for Social Recommendation Based on Social Networks Analysis[J].The Journal of Universal Computer Science，2012，18（4）：554-576.

[7]蘭月新.突發事件微博輿情擴散規律模型研究[J].情報科學，2013，31（3）：31-34.

[8]王玉珠.微信輿論場：生成、特征及輿情效能[J].情報雜志，2014，33（7）：146-150.

[9]郭勇陳，沈洋，馬靜.基于意見領袖的網絡論壇輿情演化多主體仿真研究[J].情報雜志，2015，34（2）：13-21.

[10]夏雨禾.突發事件中的微博輿論：基于新浪微博的實證研究[J].新聞與傳播研究，2011（5）：43-51，110-111.

[11]肖凝希.淺談輿論生命周期視角下的微博輿論預警[J].科技創新導報，2013，（15）：229-229.

[12]李文杰，化存才，何偉全，等.網絡輿情信息的綜合評價指標體系構建與模糊評判模型[J].情報科學，2015，33（9）：93-99.

[13]孫玲芳，翟鵬博.基于可變模糊集理論的輿情指標預警模型研究[J].計算機與數字工程，2014，42（2）：267-271.

[14]丁菊玲，勒中堅，薛圈圈.定量網絡輿情危機預警模型構建[J].圖書情報工作，2011，55（20）：59-63.

[15]曾潤喜，杜換霞，王君澤.網絡輿情指標體系的方法與模型比較研究[J].情報雜志，2014，33（4）：96-101.

[16]聶峰英，張.移動社交網絡輿情預警指標體系構建[J].情報理論與實踐，2015，38（12）：64-67.

（本文責任編輯：孫國雷）