突發(fā)環(huán)境事件中微博影響力的預測研究

姚 婷，趙錦棟，楊 莉

（1 南京郵電大學 地理與生物信息學院，南京 210023；2 南京郵電大學 經(jīng)濟學院，南京 210023）

0 引言

突發(fā)環(huán)境事件，是指由于污染物排放或自然災害、生產(chǎn)安全事故等因素，導致污染物或放射性物質(zhì)等有毒、有害物質(zhì)進入大氣、水體、土壤等環(huán)境介質(zhì)，突然造成或可能造成環(huán)境質(zhì)量下降，危及公眾身體健康和財產(chǎn)安全，在導致生態(tài)環(huán)境破壞的同時，也可能對社會城市化發(fā)展產(chǎn)生不利影響，亟需采取緊急措施予以應對的事件。近年來，國內(nèi)突發(fā)環(huán)境事件不時出現(xiàn)，不僅發(fā)生了傷亡事故，還會形成直接經(jīng)濟損失，同時也給社會穩(wěn)定和日常生活帶來了威脅。

隨著互聯(lián)網(wǎng)的迅速發(fā)展，微博從最初的社交屬性延展到如今的自媒體屬性，改變著人們的信息傳播模式以及傳媒習慣，并逐漸成為了在社會媒體中即時性最強、用戶范圍最廣的信息傳播平臺。但因微博的使用門檻較低、而且具有無需實名認證、用戶量大、連通性高等特點，則也較易滋生出不良輿論。在突發(fā)環(huán)境事件發(fā)生時，不良輿論就可能通過微博這一途徑出現(xiàn)大范圍傳播，甚至發(fā)生不可控的事件與結(jié)果。

因此，當突發(fā)環(huán)境事件發(fā)生時，如何監(jiān)測微博中的不良輿論的傳播態(tài)勢，正確引導輿論走向即已成為目前學界面臨的熱點問題。本文通過提取突發(fā)環(huán)境事件中的微博特征，利用機器學習技術(shù)建立突發(fā)環(huán)境事件中微博影響力的預測模型，研究微博影響力的影響因素，并分析微博用戶各類言論的影響力。在突發(fā)環(huán)境事件發(fā)生時，有助于相關(guān)機構(gòu)快速做出反應，更加迅速、準確定位高影響力微博與用戶，從而抑制微博上不良輿論的傳播，營造良好輿論氛圍。

1 相關(guān)研究

1.1 突發(fā)事件的輿情研究

目前國內(nèi)外學者對于突發(fā)事件中的輿情研究主要分為3方面：

（1）從輿情本體入手，研究輿情生成及演變路徑，主要通過采用搜索指數(shù)、發(fā)帖量等指標對輿情演變階段進行劃分，分析各階段的情感強度和主題特征，把握輿情走勢，從而提出各階段的應對措施。

（2）通過剖析突發(fā)事件應急管理中網(wǎng)絡輿情的傳播規(guī)律，構(gòu)建傳播規(guī)律模型，對突發(fā)事件的輿情發(fā)展進行預測，并采取相應的措施。

（3）對輿情發(fā)展過程中的主體展開了深入研究，涉及政府部門、意見領袖、網(wǎng)民等，兼顧不同輿情主體的利益，研究突發(fā)事件網(wǎng)絡輿情主體博弈的過程，從而提出輿情演化過程中各主體需要采取的措施，以確保事件發(fā)生時網(wǎng)絡輿情的良性運轉(zhuǎn)。

1.2 微博影響力的相關(guān)研究

國內(nèi)外有關(guān)微博影響力的評價和研究主要包括2方面：

（1）對微博用戶影響力的研究和預測。學者們提出了多種針對評價和預測微博用戶影響力的方法和模型，包括h指數(shù)、BCI指數(shù)、TwitterRank模型等，使用的主要衡量因素包括關(guān)注數(shù)、粉絲數(shù)等。

（2）單條微博的影響力的評價。學者們普遍用轉(zhuǎn)發(fā)數(shù)來衡量微博影響力，每一條微博影響力的擴大須依靠轉(zhuǎn)發(fā)行為，基于這一理論，提出了不同的微博影響力的預測模型，分析方法主要有多層線性模型、PageRank算法等，但由于數(shù)據(jù)采集困難、微博影響力難以量化等原因，該方面的研究較少。

1.3 國內(nèi)外研究綜述

綜上所述，國內(nèi)外關(guān)于微博影響力和突發(fā)事件中的輿情研究都已經(jīng)取得了長足的進步，建立了較為完整的研究體系，但是目前的研究仍然有著一定的局限性，依然存在有待改進的方面：

（1）突發(fā)事件中的輿情方面的研究視角較為單一。現(xiàn)有的研究多半為針對輿情演化走勢的研究和預測，并沒有對輿情演化過程中的各類人群特征做深入剖析，重復勞動較多，且對策、建議研究尚不成熟。

（2）微博影響力的研究大多以微博用戶為主體，對單條微博影響力的研究僅僅考慮粉絲、注冊時間等用戶層面的簡單影響因素，并且由于微博影響力量化的不科學，這樣的分析方法和模型不具備很好的泛化性。

本文對當前的研究不足進行改進，并提供了方法和研究視角上的創(chuàng)新。在突發(fā)環(huán)境事件中，創(chuàng)新地從微博影響力角度入手，從多個層面綜合選取微博影響力的影響因素，利用機器學習技術(shù)建立微博影響力預測模型，并對各影響因素進行分析。本研究有助于識別突發(fā)環(huán)境事件輿情演化過程中的高風險人群和高風險時期，提出輿論引導的建議和實踐上的參考，給予管理者決策支持。

2 微博影響力預測模型設計

在微博影響力預測模型的選取中，本文經(jīng)過對多個模型的性能比較，選取基于AdaBoost算法的預測模型作為最優(yōu)模型。

AdaBoost是一種迭代學習算法，其核心思想是將弱的基礎分類器迭代成一個強的最終分類器，本文使用決策樹作為基學習器。雖然在最初的迭代中，基礎分類器的分類效果并不理想，即誤判率較高，但經(jīng)過幾輪迭代，不斷增加誤分類樣本的權(quán)值，并在更新了權(quán)值樣本的基礎上不斷構(gòu)建新的分類器，從而使得分類精度得到有效提升。

AdaBoost算法沒有關(guān)于數(shù)據(jù)的假設分布，實用性很強，而且對過擬合不那么敏感。

以本文研究的二分類問題為例，AdaBoost算法步驟如下：

假設個初始測試數(shù)據(jù)為｛(，)，(，)，…，(x，y)｝，y∈{1，1}，1為負樣本（低影響力樣本），1為正樣本（高影響力樣本）；每個樣本x包括個特征，累計迭代次。

（1）初始化訓練集數(shù)據(jù)的權(quán)重分布，使每個訓練樣本具有均勻的權(quán)值分布，設為第個樣本的初始化權(quán)重。對應的數(shù)學表述可寫為如下形式：

（2）循環(huán)訓練次，1，2，…，。

①對權(quán)值分布更新為D的樣本進行迭代，得到基本分類器G（）。

②計算G（）的分類誤差率，具體公式如下：

③計算G（）的系數(shù)α，具體公式如下：

由式（3）可知，隨著e的減小，α不斷增大，同時分類精度越高，基本分類器在最終分類器中所占的權(quán)重越大。

④更新訓練數(shù)據(jù)集的權(quán)重分布，具體數(shù)學公式如下：

其中，Z是規(guī)范化因子，推導出的數(shù)學定義式可寫為：

從公式中可以看出，基本分類器G(x)錯分類的樣本權(quán)值在迭代過程中不斷擴大，正確分類的樣本權(quán)值通過迭代不斷縮小，從而在此后的機器學習中更加重視錯誤分類的樣本。

（3）實現(xiàn)基本分類器的組合，可由如下公式來表示：

得到最終分類器，即：

該模型用于對微博的影響力進行預測，將提取得到的微博特征數(shù)據(jù)輸入模型，預測微博的影響力等級。

3 實證研究

3.1 數(shù)據(jù)獲取及處理

本文以“xx突發(fā)環(huán)境事件”為例，通過編寫爬蟲程序，對與事件相關(guān)的熱門話題下的微博展開爬取，共得到46265條微博數(shù)據(jù)，每條微博數(shù)據(jù)都包括：用戶ID、所屬地址、微博內(nèi)容、發(fā)布日期、點贊數(shù)、評論數(shù)、轉(zhuǎn)載量等屬性。

獲取數(shù)據(jù)之后，對數(shù)據(jù)中重復、無效以及無關(guān)數(shù)據(jù)進行刪除，經(jīng)處理后的微博數(shù)據(jù)剩余7540條。

3.2 指標體系構(gòu)建及微博特征提取

3.2.1 指標體系構(gòu)建

本文參考濮小燕提出的微博特征提取思路，結(jié)合突發(fā)環(huán)境事件的特點和實際情況，最終選擇從微博內(nèi)容、時間、用戶基本信息和用戶活躍度四個層面上對微博特征進行提取，選取的微博特征及特征值劃分情況見表1。本文提取了18個微博特征變量。

表1 微博特征提取表Tab.1 Microblog features extraction table

3.2.2 微博情感特征提取

在微博特征的提取中，大部分微博特征可以直接進行提取，所處輿情演化的階段這一指標的特征值由輿情生命周期的劃分決定。微博的情感傾向和主題則分別使用了樸素貝葉斯分類器和LDA主題模型的方法進行提取。本文選擇使用樸素貝葉斯分類器對微博情感傾向特征進行提取。這里需用到的數(shù)學公式為：

式（8）表示對于某個樣本，特征出現(xiàn)時，該樣本被分為類的條件概率。

本文從有關(guān)“xx突發(fā)環(huán)境事件”的微博數(shù)據(jù)中隨機選取三分之一進行人工標注，分為“積極”、“消極”和“中性”三類，這部分數(shù)據(jù)用于樸素貝葉斯分類器的訓練和模型預測精度的計算，預測精度由十折交叉驗證的方法獲得。通過計算，分類器的預測精度可以達到0.945，符合本文研究的要求。通過訓練得出的模型可以對其余數(shù)據(jù)的情感傾向進行預測，提取微博的情感傾向特征。在7540條微博中，情感傾向為積極的博文數(shù)有2016條，情感傾向為消極的博文數(shù)有3311條，情感傾向呈中性的博文數(shù)有2123條，這說明在突發(fā)環(huán)境事件中公眾的負向情感強度較正向情感強度更高。

3.2.3 微博主題特征提取

在主題特征的提取中，本文選擇有關(guān)“xx突發(fā)環(huán)境事件”的微博數(shù)據(jù)，利用LDA主題模型提取主題。

LDA主題模型認為一篇文檔包含多個主題，文檔中的每個單詞都屬于其中的一個主題。一篇文檔的形成，首先在文檔中抽取一個主題，然后再在這個主題下抽取一個單詞，最后，重復進行前兩步，直到文檔中的全部單詞都被遍歷。

LDA的核心公式如下：

其中，為目標語料庫中的一篇文檔；是該篇文章中的一個主題；是該主題中的一個單詞。

LDA主題模型提取主題結(jié)果見表2。

表2 LDA主題模型提取結(jié)果表Tab.2 LDA subject model extraction results

由表2可知，共提取出10個話題，每個話題包含5個特征詞，每個特征詞都給出了其關(guān)聯(lián)度。根據(jù)主題提取結(jié)果，結(jié)合事件的具體情況，大致可將微博數(shù)據(jù)按話題特征分為4類，分別是通知類、祈福類、批判類和其他。

3.2.4 微博影響力量化

本文選取微博的點贊數(shù)、評論數(shù)和轉(zhuǎn)發(fā)數(shù)三個指標對微博影響力進行綜合衡量，指標權(quán)重由熵權(quán)法確定。

若選取個評價指標，個評價對象，構(gòu)成的數(shù)據(jù)矩陣R＝(r)，則：

則第個指標的熵權(quán)w定義為：

其中，0≤w≤1，w為第個指標的熵權(quán)。

計算得到的指標權(quán)重及微博影響力計算方法見下式：

其中，、、、分別表示該條微博的影響力、點贊數(shù)、評論數(shù)和轉(zhuǎn)發(fā)數(shù)。

3.3 微博影響力預測模型評價及微博特征分析

3.3.1 微博影響力預測模型評價

本文選取處理后的7540條微博作為實驗數(shù)據(jù)，每條數(shù)據(jù)包含18個微博特征變量。利用式（12）計算每條微博的微博影響力，根據(jù)研究事件的特點，結(jié)合數(shù)據(jù)分布的真實狀態(tài)，對微博影響力進行二分類處理，設定分類閾值為3，即影響力數(shù)值大于等于3的微博為影響力高的微博，小于3的為影響力低的微博。

基于同樣的數(shù)據(jù)集，本文分別基于決策樹、AdaBoost、Bagging和隨機森林等算法構(gòu)建預測模型。使用十折交叉驗證的方法計算各模型的性能，選擇預測精度、召回率和度量作為評價指標，計算結(jié)果見表3，與其他模型相比，基于Adaboost算法的預測模型在各項指標上都有所提高，證明該模型性能最好，具有較強的泛化能力，預測效果較好。

表3 各預測模型性能比較表Tab.3 Performance comparison of prediction models

3.3.2 微博特征重要性分析

在本研究中，使用了18個微博特征，根據(jù)AdaBoost算法模型基于基尼系數(shù)計算變量的重要度的功能，繪制了變量的相對重要性圖，如圖1所示，即條形越長的變量對結(jié)果的貢獻越大，條形越短的變量重要程度越低。

圖1 微博特征值重要性表Fig.1 Microblog eigenvalue importance table

結(jié)果顯示，模型中的各微博特征重要性相差較大。其中，重要性較大的7個特征從大到小依次是：用戶粉絲數(shù)、微博長度、用戶一周發(fā)微博數(shù)、用戶一周發(fā)原創(chuàng)微博數(shù)、發(fā)表時間、用戶認證類型和微博主題，而關(guān)鍵字特征、是否有＠和鏈接等特征相對重要性較低。這說明粉絲數(shù)、微博長度、用戶活躍度等因素對微博影響力大小至關(guān)重要。

3.3.3 微博特征值影響力傾向分析

為了進一步探究各微博特征值對微博影響力的影響傾向，對微博文本長度、粉絲數(shù)、發(fā)布本條微博前一周轉(zhuǎn)發(fā)微博數(shù)、發(fā)布本條微博前一周發(fā)布原創(chuàng)微博數(shù)這4個指標進行二分類處理，以中位數(shù)作為類別的判定標準。本文參考張繼東等人的研究思路，引入支持度的概念，并對微博特征值的影響力傾向的計算方法進行了描述，同時又闡明了各特征值與影響力兩者的關(guān)聯(lián)情況。具體計算公式如下：

式（13）中，Support(v)表示特征值v的高影響力支持度，即在所有特征值為v的微博數(shù)據(jù)中高影 響 力 微 博 數(shù) 據(jù) 所 占 比 例；式 （14）中，表示全部微博數(shù)據(jù)的高影響力支持度；式（15）中，（v）表示特征值v的影響傾向值，數(shù)值的正負表示該特征值對微博影響力的影響傾向，數(shù)值的絕對值表示該特征值對微博影響力的影響大小。計算結(jié)果見表1，基于計算結(jié)果，分別在內(nèi)容、時間、用戶基本信息和用戶活躍度層面對微博特征值影響傾向展開研究，擬做闡釋分述如下。

（1）內(nèi)容層面。根據(jù)計算結(jié)果，分析內(nèi)容層面的微博特征值的影響傾向，微博的長度、主題和原創(chuàng)性對微博影響力的影響較大，這與變量的相對重要性圖相符。從微博長度來看，長文本微博比短文本微博的影響力更大；從主題特征來看，一般通知類的微博影響力最大，祈福類微博和批判類微博的影響力也大于平均水平，而其他主題的微博影響力較小；從微博原創(chuàng)性來看，相比非原創(chuàng)的微博，原創(chuàng)的微博具有更高的影響力。

（2）時間層面。時間層面包含微博所處輿情演化階段和微博發(fā)表時間兩個特征，每個特征包含4個特征值。從微博所處輿情演化階段來分析，處于爆發(fā)階段和反復階段的微博較暫衰階段和消退階段的微博影響力更高，其中爆發(fā)階段的微博影響力最高。這是因為在輿情爆發(fā)階段，事件的嚴重性和突發(fā)性導致公眾的關(guān)注度較高；而在輿情發(fā)展的反復階段，因為有傷亡情況和相關(guān)責任人刑事處罰等后續(xù)信息散布出來，導致次生輿情出現(xiàn)，再度引起事件熱度提升。從微博發(fā)表時間來看，白天發(fā)布的微博比夜晚和凌晨發(fā)布的微博影響力更高，這也符合人們的作息習慣。

（3）用戶基本信息層面。在微博用戶基本信息層面，本文選取了4個特征，這4個特征對微博影響力的影響均比較顯著。其中，政府媒體和大V用戶發(fā)表的微博的影響力會更高，這主要是由于這2種用戶的粉絲數(shù)比普通用戶要更多，根據(jù)計算結(jié)果，政府媒體用戶和大V用戶的粉絲數(shù)分別是普通用戶的25392倍和1502倍；事件發(fā)生地的用戶所發(fā)表的微博影響力會更高，說明事件發(fā)生地的用戶相比其他地區(qū)用戶容易受到更多關(guān)注；相比普通行業(yè)，政府、媒體、公益組織的用戶展現(xiàn)出更高的影響力傾向，同時化工行業(yè)的用戶也呈現(xiàn)出較高的影響力傾向，這說明突發(fā)環(huán)境事件的相關(guān)行業(yè)工作者發(fā)表的言論更容易受到公眾的關(guān)注，引發(fā)人們的共鳴。

（4）用戶活躍度層面。用戶使用微博的活躍度可以用博文數(shù)來衡量。實驗結(jié)果顯示，原創(chuàng)微博發(fā)布頻率與影響力傾向成正比，轉(zhuǎn)發(fā)微博發(fā)布頻率與影響力傾向成反比。這是因為對于受眾來說，只能接受有限的消息，某些博主發(fā)布微博較為頻繁可能導致粉絲的選擇分散，而有的博主發(fā)布微博的頻率較低，正是因為這樣，該博主一旦發(fā)博，其粉絲更可能認真閱讀或轉(zhuǎn)發(fā)。

3.4 各類微博言論的影響力分析

本文將“xx突發(fā)環(huán)境事件”中獲取的微博數(shù)據(jù)進行人工分類處理，對各類微博言論的影響力進行分析。首先將數(shù)據(jù)分為媒體或大V用戶發(fā)布的微博和普通用戶發(fā)布的微博兩類，對這2類微博的影響力進行計算，發(fā)現(xiàn)第一類微博的影響力平均值高達56.62，而第二類微博的影響力平均值僅為0.52；接下來對第二類微博進行細分，分為不良言論、鼓舞性言論和其他言論三類。參考崔珊提出的不良文本分類體系，結(jié)合數(shù)據(jù)實際情況，在不良言論方面主要選取了謠言類、暴恐類、政治有害類等微博言論，在鼓舞類言論方面主要選取了加油打氣、宣傳積極事例等具有鼓舞人心作用的積極言論。結(jié)合輿情演化路徑，分析輿情演化各階段中各類言論的影響力水平，分析結(jié)果如下。

輿情演化路徑中普通用戶各類言論影響力變化圖如圖2所示。根據(jù)圖2，在事件發(fā)展的整個過程中，不良微博言論的影響力水平最高，平均影響力數(shù)值達到了5.48；鼓舞類微博言論的影響力水平其次，平均影響力數(shù)值為1.84；其他微博言論的影響力水平最低，僅為0.29，這說明在突發(fā)環(huán)境事件中，由于不良言論的蠱惑性和欺騙性，很多不明真相的公眾并不能正確地判斷信息的可靠性，容易被外界環(huán)境所影響，而且還可能進行二次轉(zhuǎn)發(fā)；此外，網(wǎng)絡上的鼓舞類言論同樣影響力較大，具有積極的宣傳作用。結(jié)合輿情發(fā)展階段來看，在輿情發(fā)展的反復階段，普通用戶發(fā)布的各類微博言論的影響力均達到最高峰，在輿情發(fā)展的消退階段達到最低值，這說明輿情發(fā)展的反復階段是防范不良言論的緊要時期，同時也是積極引導的關(guān)鍵時期。

圖2 輿情演化路徑中普通用戶各類言論影響力變化圖Fig.2 Changes in the influence of various remarks of ordinary users in the evolution path of public opinion

4 結(jié)束語

本文構(gòu)建了微博影響力評價的指標體系，利用AdaBoost算法建立突發(fā)環(huán)境事件中微博影響力的預測模型，并以“xx突發(fā)環(huán)境事件”為例進行了實例驗證，結(jié)合輿情演化的生命周期對微博影響力變化規(guī)律進行研究。通過研究，發(fā)現(xiàn)影響輿情發(fā)展的主要影響因素，幫助相關(guān)部門了解輿情發(fā)展各階段的特征，對于突發(fā)事件發(fā)生后微博網(wǎng)絡輿情進行準確預測，及時制止不良言論，并進行正確引導，從而在突發(fā)環(huán)境事件發(fā)生時，確保網(wǎng)絡輿情良性運轉(zhuǎn)。

研究表明，模型效果比較理想，具有良好的預測能力，這對于相關(guān)部門在環(huán)境突發(fā)事件初期識別高影響力微博和打造高影響力微博具有重要的現(xiàn)實意義。突發(fā)環(huán)境事件中的微博的影響力受多層面微博特征的影響，其影響因素重要性排序為：用戶基本信息、內(nèi)容特征、用戶活躍度和時間特征。在輿情發(fā)展的整個過程中，媒體或大V用戶發(fā)布的微博影響力始終保持在很高水平；而在普通民眾發(fā)布的微博中，處于反復階段微博影響力水平最高，消退階段最低。從不同言論種類來看，不良言論的影響力最高、鼓舞類言論的影響力其次、其他言論的影響力較低。

基于上述數(shù)據(jù)分析及研究結(jié)果，在突發(fā)環(huán)境事件發(fā)生時，用戶的基本信息對微博影響力最大，因此相關(guān)部門要重視自身微博平臺的運營，積極與公眾互動，多與政府媒體和大V用戶建立合作，提升自身微博影響力；在發(fā)布時間方面，白天發(fā)布的微博影響力會更大，政府部門應該在此階段發(fā)布重要內(nèi)容，來提高微博影響力；在發(fā)布內(nèi)容方面，媒體和相關(guān)部門要注意用詞的準確度、真實性，發(fā)布長文本的微博來提高微博影響力，正確引導輿情發(fā)展方向；在發(fā)布頻率方面，要定期發(fā)布高質(zhì)量原創(chuàng)微博，盡量在用戶登錄微博的高峰期發(fā)帖。在輿情發(fā)展的整個過程中，根據(jù)各階段演化特征，在環(huán)境突發(fā)事件發(fā)生初期，相關(guān)部門應加強對高風險微博用戶和高風險微博的防范，從源頭阻止不良言論傳播；輿情發(fā)展的爆發(fā)階段和反復階段是容易導致輿情發(fā)展失控的高風險時期，相關(guān)部門要采取正面教育、科學引導、及時澄清和準確抑制的措施，保證輿情態(tài)勢的平穩(wěn)發(fā)展。