面向大數(shù)據(jù)的網(wǎng)絡輿情多平臺交互機理研究

連芷萱　張鵬　段耀勇　劉茉　瞿志凱

摘 要：網(wǎng)絡輿情在進入手機4g時代發(fā)生了很大變化，網(wǎng)民無論在時間還是地點兩個方面都不再受到限制。由于智能手機的普及，微信、微博、客戶端等新媒體興起，傳統(tǒng)紙媒相繼推出了網(wǎng)頁版本和微媒體版本，新聞網(wǎng)站的新聞條目里也具備了留言功能和轉發(fā)微信、微博的功能，網(wǎng)絡輿情在新媒體環(huán)境下呈現(xiàn)出新特點。該文在研究網(wǎng)絡輿情案例的基礎上，構建包括微信、微博、網(wǎng)站、報刊、論壇、客戶端的網(wǎng)絡輿情平臺交互模型，并且多元回歸分析定量研究相關關系，為輿情管理提供符合實戰(zhàn)需求的可操作性監(jiān)測目標。

關鍵詞：大數(shù)據(jù) 網(wǎng)絡輿情 多元回歸分析

中圖分類號：TP393 文獻標識碼：A 文章編號：1674-098X（2017）05（a）-0146-03

經(jīng)常聽到的網(wǎng)絡輿情事件，也就是通過互聯(lián)網(wǎng)熱評和焦點話題引起的危機事件。我們已經(jīng)進入手機4G時代，網(wǎng)民無論在時間還是地點兩個方面都不再受到限制。由于智能手機的普及，微信、微博、客戶端等新媒體興起，傳統(tǒng)紙媒相繼推出了網(wǎng)頁版本和微媒體版本，新聞網(wǎng)站的新聞條目里也具備了留言功能和轉發(fā)微信、微博的功能，網(wǎng)絡輿情在新媒體環(huán)境下呈現(xiàn)出新特點。

針對網(wǎng)絡輿情的議題演變這一焦點，我國學者不斷進行研究，基本上集中在以下三點。一是基于傳播理論研究網(wǎng)絡輿情，即通過研究議題演化機理、演化特征、傳播規(guī)律等進行仿真實驗。比如，方?。?012年）運用生命周期理論，把突發(fā)事件網(wǎng)絡輿情變化劃分成4個關鍵時段，依次是萌生、擴散、變化和減退，另外對每個時段的輿情進行探究。二是從網(wǎng)絡輿情角度研究社會治理問題，即從電子政務、智慧城市等視角進行研究輿情中的民意表達。如，陳妍妍（2013年）基于社會風險理論研究議題演化對于社會管理的作用。三是按事件分類研究教育、司法、暴恐、群體性等事件類別進行專項研究。比如楊軍（2014年）對廣東陸豐烏坎事件的網(wǎng)絡輿情進行了分析探究。

雖然前人已經(jīng)對網(wǎng)絡輿情進行了充分的研究，但是目前大部分學術成果多以定性視角進行研究，定量研究較少。單一主體、單一平臺視角下研究較多，多主體多平臺交互視角下研究不足。文章擬在定性分析多平臺交互機理的基礎上，用多元回歸分析，研究多平臺交互下的網(wǎng)絡輿情議題演化，在定量研究的角度探究大數(shù)據(jù)背景下突發(fā)事件網(wǎng)絡輿情主體的交互問題，希望能夠為政府解決網(wǎng)絡輿情在理論方面提供參考。

1 面向大數(shù)據(jù)的網(wǎng)絡輿情平臺交互特點

1.1 網(wǎng)民和媒體間的互動擁有爆發(fā)性

網(wǎng)絡民意以社交媒體平臺為突破口，網(wǎng)民與媒體之間的交互具有爆發(fā)性的特點。網(wǎng)絡輿情曝光于社交平臺，被大量轉發(fā)、點贊后形成熱點而后引起其他平臺的注意，從而向其他平臺擴散。

網(wǎng)絡上存在海量事件信息，只有極少部分事件可以演化成網(wǎng)絡事件。任一網(wǎng)絡事件的爆發(fā)，一般都是各類相同事件的網(wǎng)民情緒不停累積的后果。當這種情緒能夠被大眾感知時，已經(jīng)不再是單一的事件傳播，而是疊加了無數(shù)次的傳播，我們所見到的宏觀尺度上的網(wǎng)絡輿情事件是微觀上每個網(wǎng)民民意表達的復合呈現(xiàn)。輿論交鋒的力量對比體現(xiàn)在話題數(shù)量上與在線結果存在差距，相當多的新聞話題、帖子并不是在就事論事，而是在借題發(fā)揮，來抒發(fā)對社會某一類現(xiàn)象的觀點。網(wǎng)絡輿情事件的爆發(fā)點是偶然的，而在其熱議過程中看似偏題的評論正是網(wǎng)絡社會的民意動向。

1.2 媒體之間的互動擁有擴散性

媒體之間的相互關系較大程度地控制輿情的影響范圍，具有擴散性的特點。網(wǎng)絡輿情曝光后往往有一段時間的潛伏期，而經(jīng)過影響力大的媒體的曝光后，引起其他媒體注意，各自影響自身受眾，層層擴散。

艾諾爾·紐曼對1968年反越戰(zhàn)報道進行研究后提出著名的“媒介共鳴”效應，其含義就是當新聞中事件與事件本身性質與意義存在偏差的時候，媒介之間的共鳴可以產(chǎn)生巨大的社會影響。原因在于新聞界共享新聞資源和媒體附和新聞界的意見領袖，使得輿情事件具有了溢散效果，讓輿論像漣漪一樣相互碰撞激蕩。例如“云南導游罵游客”事件從朋友圈曝光后，先是新聞報道，后來脫口秀節(jié)目借題發(fā)揮提高人氣，最后官方發(fā)聲整改旅游業(yè)等，引起了一系列熱議。

在大數(shù)據(jù)的背景下，網(wǎng)絡輿情信息由網(wǎng)民發(fā)出，通過媒體的交互作用而引爆擴散后，網(wǎng)民的訴求傳達給作用主體。作用主體通過媒體發(fā)布信息從而引導普通網(wǎng)民。能夠發(fā)現(xiàn)網(wǎng)絡平臺無論在輿情生成還是耗散過程中都發(fā)揮了重要作用。每種媒體平臺的受眾、功能、普及程度各有不同，各個平臺之間的交互關系也呈現(xiàn)出不同形態(tài)。文章使用多樣回歸分析對每個平臺間的互動聯(lián)系進行具體敘述。

2 面向大數(shù)據(jù)的網(wǎng)絡輿情平臺交互機理分析

2.1 變量分析

常有的網(wǎng)絡輿情平臺包括了微博、期刊、微信以及各類客戶端等。其中，以滿足網(wǎng)民自身社交需要的平臺有微信和微博，以滿足行業(yè)、部門宣傳與營利為需要的有新聞網(wǎng)站、報刊，如人民網(wǎng)、解放軍報等。以滿足話題討論為需要的有論壇，如貼吧、天涯社區(qū)等。以為某軟件附帶服務的有程序應用客戶端，如知乎、經(jīng)管之家、美空網(wǎng)等。

微信是一款為即時通訊服務的手機程序，具有普及率高、網(wǎng)民媒體之間交互性強、內(nèi)容視聽化程度高的特點。截至2017年，微信已涵蓋我國95%左右的智能手機，月活躍客戶超過了8.05億，每個品牌的微信公眾號數(shù)目共計有八百萬，移動軟件連接數(shù)目超達85 000個。微信具有語音、視頻、圖像和文字的傳輸功能，而且可以運用同享媒體的信息以構建在基本社交功能“搖一搖”“朋友圈”等各類功能插件，可以隨時隨地分享篇幅不限的視聽消息，并通過社交網(wǎng)絡關系和粉絲關系而擴散。

微博，即一種利用分享機制分享簡短實時信息的廣播式社交網(wǎng)絡平臺，具有普及范圍廣、網(wǎng)民之間交互性強、內(nèi)容實效性以及隨意性強的明顯特征，用戶能夠利用新浪以及搜狐等客戶端建立個人社區(qū)，利用140字（標點符號包含在內(nèi)）的文字更新信息，同時進行實時分享。

新聞網(wǎng)站，即把新聞服務作為重要生存方式的專業(yè)網(wǎng)站，其面對非特定的群體發(fā)布信息。無論是國家大型網(wǎng)站，還是商業(yè)門戶，或者地方新聞用戶，以及各個行業(yè)用戶網(wǎng)站同樣當作其所在行業(yè)的新聞網(wǎng)站。

報刊，即利用紙張傳播信息的一類專用工具，其起到說明與宣傳的功效。能夠維護形象，例如“人民日報”目的就是維護國家整體形象；“企業(yè)報”則是致力于維護企業(yè)的良好形象。

論壇，將其理解成發(fā)帖回帖的平臺。其為用戶提供一塊公共電子白板，任何用戶都能夠在上面發(fā)表內(nèi)容，表達各種信息或者自身見解。其具備明顯的交互性、內(nèi)容豐富性以及即時性的特點，用戶能夠在論壇上獲取相關服務信息、發(fā)布信息、討論聊天等。

客戶端，即和服務器互相對照，為客戶供應當?shù)胤盏某绦?，擁有新聞傳播這個服務，去除某些限制在當期運作的功能程序以外，一般安置在普通用戶機上，應當和服務器互相搭配來進行運作。由于用戶群特定，推送針對性強，相對其他平臺信息更容易被接受。

2.2 網(wǎng)絡平臺交互機理的數(shù)學仿真

網(wǎng)絡平臺交互機理主要通過多元線性回歸進行分析，如圖1所示，首先建立案例庫并對輿情生命周期內(nèi)各個平臺的發(fā)文數(shù)量進行統(tǒng)計。依次將6個平臺設置為監(jiān)測對象，其他平臺設置為自變量，建立回歸方程，求解，從而得出6個平臺之間的相互影響關系。

2.2.1 多元線性回歸分析

在大數(shù)據(jù)環(huán)境下，網(wǎng)絡輿情議題的溢散受到多個因素影響，因素分析在對網(wǎng)絡輿情的研究中至關重要。因素分析方法中使用比較廣泛的有因素比較分析、指數(shù)因素分析、微積分因素分析、相關和回歸分析法等。首先對各種分析方法的特征進行對比比較，該文采取多元回歸法展開分析。

多元回歸分析又稱為因素分析法，多元回歸分析是根據(jù)依次選取自變量進入回歸方程的探索復回歸方法，同時采用前進選取法以及后退刪除法，篩選出特定變量與特定當作變化原因的變量兩者最理想數(shù)量關系。采取逐步回歸分析法的過程中，因為影響因素多樣化，同時各種因素對預測對象產(chǎn)生影響有線性以及非線性兩種類型，針對非線性回歸一般是利用適當?shù)霓D換，變成線性回歸，再次進行求解。

2.2.2 模型構建

在網(wǎng)絡平臺交互中，6種平臺依次作為測量對象，其他5種平臺作為影響因素，則多元線性回歸模型的矩陣為：

式中Y為監(jiān)測對象，X為影響因素，B為待估參數(shù)，V則是隨機誤差。

此文采取SPSS 18.0進行回歸分析，將整理好的統(tǒng)計數(shù)據(jù)錄入到軟件后，進行逐步多元回歸分析的具體操作如下：

（1）選擇菜單【分析】→【回歸】→【線性】。（2）選擇因變量進入列表框。（3）選擇多個自變量進入列表框。（4）在Method框中選中Stepwise（逐步回歸法）。

2.2.3 數(shù)值檢驗

針對多元性回歸同時需要展開數(shù)值檢驗進而明確方程模型回歸效果。常用的檢驗方法有R檢驗、F檢驗和t檢驗。（1）R檢驗是通過復相關系數(shù)R明確影響因素與測量對象的兩者的關聯(lián)程度。R值越接近1，則回歸效果越好。（2）F檢驗是對回歸方程能否成立進行檢驗。（3）t檢驗則是對所有回歸系數(shù)是否具備意義展開檢驗。結果輸出設置具體如表1所示。

3 實證分析

3.1 數(shù)據(jù)來源

此文選取了“果敢沖突中國教師死亡”輿情案例進行分析，利用清博輿情監(jiān)測軟件，計算6種平臺在輿情生存周期內(nèi)的交互關系。案例6種平臺發(fā)文數(shù)量如圖2所示。

3.2 多元回歸分析回歸結果

具體情況見表2。

4 結果分析

以微信為監(jiān)測對象可知，微信與微博交互關系強，與網(wǎng)站交互關系較強，與其他平臺交互關系弱。以微博為監(jiān)測對象可知，微博與微信交互關系強，與網(wǎng)站交互關系較強，與其他平臺交互關系弱。以報刊為監(jiān)測對象可知，報刊與微信、微博、網(wǎng)站相關較強，與其他平臺交互關系弱。以客戶端為監(jiān)測對象可知，客戶端與報刊交互性關系較強，與其他平臺交互關系弱。以論壇為監(jiān)測對象可知，論壇與微信、微博交互關系較強，與報刊、網(wǎng)站交互關系次強，與客戶端交互關系弱。

5 結語

文章通過研究大數(shù)據(jù)背景下網(wǎng)絡輿情平臺交互關系，構建了大數(shù)據(jù)背景下多平臺交互模型，通過數(shù)值仿真研究了平臺作用間的相互影響程度，為網(wǎng)絡輿情的進一步研究提供參考依據(jù)。此外，根據(jù)文中構建的數(shù)學模型并結合突發(fā)事件案例，可以估算各個作用平臺在某個突發(fā)事件中的交互效果，進而為開展交互效果評估提供參考。

參考文獻

[1] 田進，朱利平，曾潤喜.網(wǎng)絡輿情交互觸發(fā)演變特征及政策議題構建效果[J].情報雜志，2016，35（1）：135-138.

[2] 蘭月新，王芳，張秋波，等.大數(shù)據(jù)背景下網(wǎng)絡輿情主體交互機理與對策研究[J].圖書與情報，2016（3）：28-37.

[3] 王根生.無標度特性下網(wǎng)絡輿情演化遷移元胞模型[J].小型微型計算機系統(tǒng)，2013，34（5）：1085-1090.

[4] 蘭月新，董希琳，蘇國強，等.大數(shù)據(jù)背景下微博輿情信息交互模型研究[J].現(xiàn)代圖書情報技術，2015（5）：24-33.

[5] 戴建華，廖瑞丹.基于時間記憶的網(wǎng)絡輿情交互模型研究[J].現(xiàn)代情報，2016，36（2）：8-11，42.

[6] 蘇國強，蘭月新.基于SIR的突發(fā)事件網(wǎng)絡謠言擴散模型研究[J].武警學院學報，2013（4）：90-92.

[7] 王慧，蘭月新，潘櫻心.基于信息異化動力視角的網(wǎng)絡衍生輿情成因研究[J].現(xiàn)代情報，2013（7）：59-63.

[8] 戎蕊，蘭月新，張鵬，等.政務微媒體在網(wǎng)絡反腐中的應用研究[J].現(xiàn)代情報，2015（5）：9-13.

[9] 劉翠亭，蘭月新，張琦，等.社交網(wǎng)絡對群體性事件的影響和對策研究[J].電子政務，2015（5）：50-57.

[10] 李昊青，蘭月新，侯曉娜，等.網(wǎng)絡輿情管理的理論基礎研究[J].現(xiàn)代情報，2015（5）：25-29，40.

[11] 張鵬，蘭月新，李昊青，等.基于HAYASHI數(shù)量化理論的網(wǎng)絡謠言分類應對策略分析[J].情報雜志，2016（1）：110-115.

[12] 張潤蓮，蘭月新，王彩華，等.網(wǎng)絡群體性事件演化博弈分析及對策研究[J].圖書與情報，2016（4）：24-30.

[13] 夏一雪，蘭月新.大數(shù)據(jù)環(huán)境下群體性事件輿情信息風險管理研究[J].電子政務，2016（11）：31-39.

[14] 袁野，蘭月新，張鵬，等.大數(shù)據(jù)背景下突發(fā)事件網(wǎng)絡輿情應對機制研究[J].武警學院學報，2017（1）：14-18.

[15] 徐敏捷，蘭月新，劉冰月.基于組合預測的網(wǎng)絡輿情數(shù)據(jù)預測模型研究[J].情報科學，2016（12）：40-45，87.