微博輿情研究中的大數(shù)據(jù)風(fēng)險與挑戰(zhàn)

摘 要：互聯(lián)網(wǎng)技術(shù)的發(fā)展使大數(shù)據(jù)在微博輿情中的應(yīng)用越來越廣泛，當(dāng)前微博大數(shù)據(jù)的應(yīng)用集中體現(xiàn)在商業(yè)領(lǐng)域和輿情評測兩方面，以輿情評測應(yīng)用熱度最甚。因此，其成為了國內(nèi)學(xué)術(shù)界和業(yè)界普遍研究的熱點話題。本文著重從大數(shù)據(jù)應(yīng)用風(fēng)險和應(yīng)用挑戰(zhàn)兩個角度分析闡述微博輿情研究，并提出建設(shè)性的意見。

關(guān)鍵詞：微博輿情；大數(shù)據(jù)；風(fēng)險；挑戰(zhàn)

中圖分類號：G206 文獻標(biāo)志碼：A 文章編號：1674-8883（2020）07-0114-02

微博大數(shù)據(jù)在展示社交關(guān)系中發(fā)揮著顯著的作用，已成為研究當(dāng)前人們社會行為的典范。從我國當(dāng)前研究所取得的成果來看，微博輿情研究已經(jīng)不再是單純的監(jiān)測，而是逐步向預(yù)警和預(yù)測方向發(fā)展，開始涉及多個領(lǐng)域，可以預(yù)見，未來的微博輿情研究必然是以綜合信息服務(wù)為導(dǎo)向的數(shù)據(jù)鏈。但是，凡事有利必有弊，大數(shù)據(jù)在微博輿情研究中發(fā)揮技術(shù)優(yōu)勢和數(shù)據(jù)優(yōu)勢的同時，也逐漸顯露出了一些負面的風(fēng)險和挑戰(zhàn)，使微博輿情研究開始出現(xiàn)質(zhì)疑和偏見，面對這突如其來的嚴(yán)峻形勢，進一步明確微博輿情研究中的大數(shù)據(jù)風(fēng)險與挑戰(zhàn)顯得尤為重要。

一、微博輿情研究中的大數(shù)據(jù)風(fēng)險分析

（一）大數(shù)據(jù)增加了“錯誤發(fā)現(xiàn)”的風(fēng)險

大數(shù)據(jù)信息技術(shù)基于計算機網(wǎng)絡(luò)，利用自身的數(shù)據(jù)集和細粒化優(yōu)勢，增加了“錯誤發(fā)現(xiàn)”的風(fēng)險。比如用戶根據(jù)需求搜索一條信息時，檢索窗口會出現(xiàn)多條與之相關(guān)的信息，在很大程度上會增加用戶尋求信息的難度，也就是“錯誤發(fā)現(xiàn)”。另外，微博輿論中的帖子和用戶評論也會不同程度地增加“錯誤發(fā)現(xiàn)”風(fēng)險，這是因為微博輿論中各種帖子和評論均含有統(tǒng)一信息指標(biāo)，當(dāng)這些信息指標(biāo)累積后，就會無限增加大數(shù)據(jù)信息，給輿情分析帶來更大的不確定性和難度。在對某一個社會熱點進行輿情分析時，必然會使用計算機和相關(guān)的數(shù)字模型，但是值得注意的一點是，計算機和數(shù)字模型是針對群體信息進行系統(tǒng)分析，并從輿情群體用戶中找到相同點和相關(guān)性，而這種相關(guān)性是總體性分析，這往往使大數(shù)據(jù)下的輿情分析和評測失去了真實性。

（二）大數(shù)據(jù)影響了輿情分析和預(yù)測的準(zhǔn)確性

微博輿情需要借助大數(shù)據(jù)技術(shù)和數(shù)字模型對大數(shù)據(jù)信息進行研究，但是同時輿情分析和預(yù)測的準(zhǔn)確性受到了影響。之所以產(chǎn)生這一現(xiàn)象，原因主要是：一方面，微博輿情代表廣泛民意，但卻不代表社會的全部民意；另一方面，通過微博進行輿情分析和預(yù)測，從大數(shù)據(jù)上看存在很多微博用戶，但大數(shù)據(jù)顯示下的微博用戶并不等于現(xiàn)實中的微博用戶，又或者有的用戶只是通過網(wǎng)頁訪問微博，并沒有微博賬號，也就不存在言論發(fā)表。因此，眾多的因素表明，微博輿情采用大數(shù)據(jù)進行分析，所獲得的結(jié)果只是反映了輿情的局部面貌，有很強的片面性。除此之外，微博輿情在進行檢索時，也存在大數(shù)據(jù)棄用的現(xiàn)象，大數(shù)據(jù)技術(shù)和數(shù)字模型在分析輿情時會首先以文本信息為主，并且會選擇容易解讀和處理的文本信息，很難對圖片和影像等資料進行系統(tǒng)性的分析，而選擇性棄用的這些圖片和影像往往是輿情的集中體現(xiàn)，這使得微博輿情研究所產(chǎn)生的數(shù)據(jù)資料存在誤差，在很大程度上影響了輿情分析和預(yù)測的準(zhǔn)確性。因此，只有解決微博輿情研究中的選擇性風(fēng)險，才可以確保微博輿情數(shù)據(jù)信息的準(zhǔn)確性。

（三）大數(shù)據(jù)存在用戶隱私泄露的風(fēng)險

隱私泄露風(fēng)險是大數(shù)據(jù)時代和互聯(lián)網(wǎng)時代普遍存在的問題之一，隨著計算機技術(shù)的不斷發(fā)展，這種風(fēng)險日益增加。微博大數(shù)據(jù)在存儲和管理方面的技術(shù)缺陷經(jīng)常會導(dǎo)致用戶隱私泄露，而如何進一步加強隱私保護技術(shù)，是大數(shù)據(jù)時代下微博輿情研究重點需要解決的問題之一。一旦技術(shù)方面的缺陷導(dǎo)致微博用戶個人信息泄露，就會產(chǎn)生侵犯他人隱私、輿論暴力等違法行為，作為違法行為的典型代表，“人肉搜索”就是個人信息泄露導(dǎo)致的。從近幾年微博上轟動的幾起“人肉搜索”事件可以看出，雖然“人肉搜索”的對象均存在不同程度的負面形象，但是當(dāng)事人的隱私在“人肉搜索”下暴露無遺，在一定程度上對當(dāng)事人造成了傷害，輿論的正義甚至壓過了程序正義，這使得微博輿情變得不合法，應(yīng)該引起社會的理性認識和警醒。

（四）大數(shù)據(jù)有壟斷誤導(dǎo)輿情選擇的風(fēng)險

微博社交平臺在大數(shù)據(jù)時代下發(fā)展速度明顯加快，可以直接體現(xiàn)人們的日常行為，這也為微博輿情研究提供了大數(shù)據(jù)樣本。但是大數(shù)據(jù)可以為社會大眾謀福利，也可以變成壟斷和誤導(dǎo)人們認知的工具，可以說，大數(shù)據(jù)的應(yīng)用會在很大程度上導(dǎo)致“算法的獨裁”。在微博輿情研究中，引入大數(shù)據(jù)可以使輿情資料變得更加充實和豐富，但是其壞處也很明顯，大數(shù)據(jù)壟斷會使一些信息壟斷者借機對輿論帖子進行選擇性使用。比如微博某博主因為持有某一條謠言信息，便趁機在網(wǎng)絡(luò)上發(fā)布，并借助大數(shù)據(jù)技術(shù)引導(dǎo)社會大眾進行輿論傳播，制造假象，并將這些帖子和評論標(biāo)注為精選，這樣一來，用戶在瀏覽的過程中，就會出現(xiàn)大量類似的評論，使其他人誤以為這是一條真實的信息，然后進行傳播，最終某博主從中獲取利益。由此可以看出，大數(shù)據(jù)技術(shù)在為人們帶來生活便利的同時，也帶來了壟斷誤導(dǎo)輿情選擇的風(fēng)險，使互聯(lián)網(wǎng)時代多了一分“不安定”。[1]

二、微博輿情研究中的大數(shù)據(jù)挑戰(zhàn)分析

（一）微博輿情檢索工具缺乏

從國內(nèi)外的微博輿情收集研究可以看出，當(dāng)前國外出現(xiàn)的Gnip機構(gòu)，著重針對Twitter進行大數(shù)據(jù)收集。分析國外微博輿情的搜索和分析工具可以發(fā)現(xiàn)，多數(shù)檢索工具都是由研究者專門設(shè)計的，這些檢索工具具有很強的針對性，所采用的技術(shù)也是當(dāng)前較為先進的技術(shù)。我國專門針對微博輿情的研究機構(gòu)目前還很少，系統(tǒng)工具以Scool和See為主。之所以我國微博輿情研究機構(gòu)或工具較少，主要是與微博輿情研究人員的專業(yè)性有關(guān)，多數(shù)微博輿情研究者或從事媒體工作，或從事文學(xué)、社會等學(xué)科研究，缺少計算機技術(shù)和對微博輿情工具軟件的認知，沒有足夠的能力進行設(shè)計研究，這使微博輿情檢索工具缺乏問題越來越突出，也從側(cè)面表明當(dāng)前我國的微博輿情研究仍存在很大的局限性，制約因素較多，在大數(shù)據(jù)分析和檢索方面還不能真正做到“收放自如”。

（二）大數(shù)據(jù)存儲面臨技術(shù)攻克挑戰(zhàn)

存儲和檢索是微博輿情預(yù)測的重要基礎(chǔ)，作為輿論行為的結(jié)構(gòu)化數(shù)據(jù)，當(dāng)前的大數(shù)據(jù)存儲系統(tǒng)以半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、二維表等關(guān)系型數(shù)據(jù)等為主。博客帖子以及圖像視頻等均屬于非結(jié)構(gòu)化數(shù)據(jù)，而博客的HTML文檔又屬于半結(jié)構(gòu)化數(shù)據(jù)。就當(dāng)前微博輿情存儲和檢索所應(yīng)用的系統(tǒng)來看，主要有No-SQL和Hadoop兩種。No-SQL是一種不同于傳統(tǒng)數(shù)據(jù)庫的系統(tǒng)，因為具有極快的響應(yīng)速度和強大的后端處理能力，所以主要用來解決大規(guī)模數(shù)據(jù)集帶來的挑戰(zhàn)，但是在多列查詢及數(shù)據(jù)統(tǒng)計分析方面存在很大的局限性。因此，在搜索微博輿情帖子時，常常會有一種數(shù)據(jù)延遲的感覺。另外，當(dāng)前所應(yīng)用的No-SQL還沒有形成完整的系統(tǒng)，在實際應(yīng)用中缺乏商業(yè)支持，使得大數(shù)據(jù)存儲面臨技術(shù)攻克的挑戰(zhàn)。Hadoop是另外一種大數(shù)據(jù)管理工具，基于MapReduce，可以有效實現(xiàn)數(shù)據(jù)檢索，國外常用Hadoop進行巨量數(shù)據(jù)分析，通過應(yīng)用Hadoop可以將結(jié)構(gòu)化數(shù)據(jù)文件更好地展示出來，并優(yōu)化功能，最終實現(xiàn)數(shù)據(jù)查詢功能。[2]但是這種大數(shù)據(jù)管理工具在微博輿情研究中的表現(xiàn)卻顯得有點力有不逮，主要表現(xiàn)為Hadoop不能快速加載和查詢數(shù)據(jù)，并且操作過程較為煩瑣，搜索效率低下，系統(tǒng)的穩(wěn)定性也需要進一步加強。因此，當(dāng)前的微博輿情存儲技術(shù)還有很大的提升空間，這也是微博輿情研究中最為明顯的大數(shù)據(jù)挑戰(zhàn)。

三、結(jié)語

結(jié)合當(dāng)前形勢來看，微博輿情研究中的大數(shù)據(jù)風(fēng)險與挑戰(zhàn)十分嚴(yán)峻。因此，在明確這些風(fēng)險和挑戰(zhàn)的基礎(chǔ)上積極加以解決和優(yōu)化是相關(guān)研究者和工作者的使命，需要進一步努力和積極探索。

參考文獻：

[1] 張連峰，周紅磊，王丹，張海濤.基于超網(wǎng)絡(luò)理論的微博輿情關(guān)鍵節(jié)點挖掘[J].情報學(xué)報，2019，38（12）：1286-1296.

[2] 李熠輝，李冠，趙衛(wèi)東.基于MUK-means算法的微博輿情意見領(lǐng)袖群識別[J].軟件導(dǎo)刊，2019，18（12）：30-34.

作者簡介：李靜遠（1991—），女，河南鄭州人，研究生，碩士，講師，從事網(wǎng)絡(luò)輿情、新媒體研究。