网络舆情监管模式与方法研究

网络舆情监管模式与方法研究

网络舆情监管模式与方法研究

党的十七大报告明确提出，要“加强网络文化建设和管理，营造良好网络环境”。复杂的网络意识形态斗争现状，要求我们必须高度重视网络阵地，化被动应对为主动引导，掌握话语权，运用正确方法，注重形成合力，切实提高网络舆情热点的舆论引导能力，牢牢把握引导网络舆情的主动权。否则，一旦把握不好，就容易造成舆论失控，影响社会稳定。（1）完善互联网管理条例实现政府的有效控制

从201*年到201*年国务院、国务院****、信息产业部等机构相继制定并颁布了《互联网信息服务管理办法》（国务院第292号令）、《互联网站从事登载新闻业务管理暂行规定》（201*年11月7日国务院****、信息产业部）、《新闻网站电子公告服务管理暂行办法》（201*年6月13日国务院****）。但目前在实际管理过程中出现脱节的现象很多，比如：多头管理、处罚缺乏刚性、对网络运营商缺乏有效的管理机制等等，因此，完善现有的互联网管理条例，强化政府的有效管理是当前很值得研究的一个课题（2）发挥政府网络媒体的作用，加强对网络舆论的引导

从理论上来说，网络传播的特点使任何人在网络上都有传播信息的可能。但实践证明并不是所有的人都会去接受网上已发布的所有的信息。因此，发挥主流媒体的传播优势来引导舆论更显其重要性。在重大事件发生时快速、准确、透明的发布相关信息，占领网络舆论高地，使小道消息无法在BBS、QQ群里蔓延传播。

首先，在内容选择和报道方式上要高度重视网站的信誉度和影响力，利用权威性引领网络舆论的有序发展，在强调网站权威性的同时，也要注重亲民性和大众化，从而更加贴近民众，吸引更多受众，既是更好的实现权威性的有效途径，也是顺利开展网络舆论引导工作的先决条件。

其次，要坚持信息充分公开，提高党政机关行政决策的透明度和公开度，以正确的信息占据公众有限的阅听时间，使虚假新闻和无效信息在传播通道中所占据的百分比尽可能降低。在今天多元化的大众传播环境里，信息不透明、不公开在网民心目中就极易被认为“有猫腻”，产生不良的心理影响。可见，公开、快速、畅通的信息渠道是引导网络舆论的必要法宝，据以往的工作经验，社会上的突发事件一经发生，一般2至3小时后就可在网上出现，6小时后就可被多家网站转载，24小时后在网上的跟贴和讨论就可达到高潮。先发制人，后发制于人，正面的声音如果跟不上，负面信息就会乘虚而入。因此，政府网络媒体要利用网络传播快捷性特点，发挥自身优势，在重大突发事件发生时，力争第一时间发布权威信息，及时发出正面声音，做到关键时候不“失语”，使“谣言止于事实”，稳定民众情绪，避免社会恐慌。同时，针对网民最为关心、质疑最多的问题，请专家学者解答，或请相关部门直接与网民对话交流。及时进行后续报道，利用网络的海量性推出专题，通过准确、客观、全面的报道，向社会提供全方位信息，满足不同社会群体不同层次的信息需求，消除可能产生负面舆论热点的信息盲点。

再次，要积极培养网络中的意见领袖，引导网民自我教育

我们在网上舆论引导和斗争中，要把培养和争夺“网上意见领袖”作为一项长期工作。一方面，更多地关注现有网上“意见领袖”，争取一些网上“意见领袖”为我所用。另一方面抓紧培育我们自己的网上“意见领袖”，通过“意见领袖”来引导网络舆论，强化主流舆论，争取中性舆论，孤立反动言论；要注意发现和团结那些关心党和国家大事、观点立场正确、发贴量大、有一定号召力和影响力的“高级网民”为我所用，充分发挥其积极作用。通过网民引导网民，用网民自己的声音引导、感染网民，实现网民自我教育、自我引导，能够达到事半功倍的效果。

（3）加强制度创新,提高政府网络舆论应对能力。

第一，网络新闻发言人制度。网络新闻发言人如同在网络空间里的政府新闻发言人,但网络新闻发言人不是一个人,而是一个工作团队,是一个工作系统。它可以就本地区百姓所关心的问题、事件等进行定期或不定期的发布。不同于单向面对媒体的传统新闻发布会,网络新闻发布可以直接对话和实时交流。政府可以通过网络即时、主动、准确地发布权威信息,尽快澄清虚假信息,消除误解、化解矛盾,正确引导网络舆论。

第二，网络人才资源整合制度。地方各级政府应注重吸纳、培养三种优秀的网络人才:高水平的理论和管理人才,高素质的一线网络评论人才,掌握尖端信息技术的专业人才。利用这些人才,可以创建网络舆情监测和预警机制,搭建政府与公民沟通互动的平台。例如,通过网络评论员可利用理性的言论再加入些感性色彩,来引导和启发网民思考和判断是非,从而使网民与政府产生共鸣;通过专业技术人员可对网民关注的本地区公共问题实行信息收集和趋势分析及后果研判,从而把握网络舆论引导的主动权

。

互联网已成为网上民意的集散地，是社情民意的显示器，网络舆论作为社会舆论的重要组成部分，值得我们引起关注，探索研究，“从根本意义上来说，网络舆论的现实价值在于对话语权的解放，它重新定义了话语权的归属，并将其延伸到大众。正因为这样，它的影响力日益扩大，而对于它的引导就相应地具有守望价值。”[22]但目前国内研究网络舆情的文章大多数都停留在表面上,很多都是对以往研究过的内容作轻微的变动，不少文章一稿多投,还存在抄袭、剽窃等行为,这可能与网络舆情研究刚刚兴起,深入研究尚有难度有关,但笔者相信在学界、业界、网民的多方努力下，网络舆论最终将成为构建和谐社会的精神家园、思想宝库、先锋力量，必将朝着规范、健康、理性、有序的方向稳步发展。

扩展阅读：网络舆情安全检测方法研究12

网络舆情的安全监测指标体系与监

测方法研究

李佼瑞李浩

西安财经学院统计学院西安710100

内容提要：随着网络的迅速发展，网络视频引发的重大舆情事件激增，对网络舆情安全监管和预警提出了严峻的挑战。为此，本文设计了网络舆情的安全监测指标体系，提出了网络舆情的安全监测方法。通过优酷网用户的视频统计对该方法进行了验证。该安全监测方法能够为政府和国家舆情安全监管等部门准确把握社情民意，防范负面网络舆情危害社会于未然。该安全监测方法也可以检验政府制定政策或媒体引导产生的效果。

关键词：网络舆情；指标体系；安全监测；监测方法中图分类号：C81文献标识码：A

NetworkSafetyMonitoringIndexSystemofPublicOpinionand

SafetyMonitoringMethodResearch

LIJiaorui&LIHao

(SchoolofStatistics,Xi’anUniversityofFinanceandEconomics,Xi’an710100,china)

AbstractWiththerapiddevelopmentoftheinternet,thereisasignificantsurgeinpublicopinioncausedbythenetworkvideos,thustheeventposesaseverechallengetothesecuritymonitoringandearlywarninginnetworkopinions.Forthis,thispaperdesignsanetworksafetyindexsystemmonitoringpublicopinions,andputsforwardsomemethodsofnetworkopinionmonitoring.ThesemethodswerevalidatedbyvideostatisticsofYoukuusers.Theyenablethegovernmentandthenationalsafetysupervisiondepartmentstoaccuratelygraspthetrendofpublicopinionandtopreventthenegativenetworkpublicopinionfromharmingthesociety.Theycanalsocheckuptheeffectsofthegovernmentindecision-makingorMediaguidance.

Keywords:NetworkOpinion;IndexSystem;SafetyMonitoring;MonitoringMethod

本文为：201*年全国统计科研计划项目《网络舆情的统计测度与模型分析》（项目编号：201*LY033）

一、引言

随着信息时代的蓬勃发展，越来越多的社会民众通过网络来表达自己的态度、观点、

意见、要求等，从而它能更快速、更直接、更真实地反应出社情民意。互联网已经形成了一个全新的舆情传播机制。网络信息的正确性及传播范围如果得不到有效控制，很容易影响社会安定或引起一系列政治问题。如：西安商报[1]曾报道，网络助推叙反动派行动，民众“翻墙”与外界沟通。反动派力量的壮大，除了草根组织的发动外，还有得益于互联网的“助推”。201*年4月18日，在社交网站“推特”上，一个名为“@SyRevoSlogans”的账号开始向外界提供示威游行口号，吸引了众多的粉丝。还有一个账号开始跟踪播报大马士革的学生示威者以及政府”镇压示威”的情况。在“facebook”上，一个名为“叙利亚革命201*”团体创办了自己的网页，吸引了超过12万名粉丝。他们号召叙利亚反对者走上街头，由于叙利亚几乎不准许外国记者进入，该网页呼吁民众将照片和视频上传到一个邮箱，用以向外传播发生在叙利亚的真实情况。再如：201*年我国发生的“3.14西藏拉萨打砸抢杀”事件，CNN等西方媒体网站对其进行了大量失实的扭曲性报道，造成了极其恶劣的舆论影响、重庆“打黑风暴”、杭州“阔少飙车”、上海市交通行政执法部门“钓鱼执法”等，都不同程度地掀起了网络舆情浪潮，使得网络舆情安全监管和预警形势极其严峻和迫切，国家提出要高度重视网络舆情对社会的重大影响，因此，研究网络舆情的安全监测方法具有重要的意义。

目前，对网络舆情的安全的研究主要有两个方面，一方面是指标体系的设计与构建，如戴媛等人[2，3]对我国网络舆情的安全评估指标体系进行了构建，文章主要构建了舆情数据源、舆情要素、舆情指标集和舆情综合指数，并对一些指标进行了定义；张小明[4]将公共危机预警机制分为预警信息搜集子系统、预警信息分析和评估子系统、危机预测子系统、危机预警指标子系统、危机警报子系统、危机预控对策子系统等六个子系统构成；曾润喜[5]研究了警源、警兆、警情和现象的网络舆情突发事件预警指标体系。另一方面是统计模型的研究，如阳德青等人[6]对网络舆情的群体关注度的特点进行了分析研究；WuF等人[8]用在线论坛的统计数据证实了社会网络用户的群体关注度具有随时间推移呈现指数律下降的趋势；HoggT等人[9]通过实证分析建立了模型来反映网络用户对于新生事件的行为特点和兴趣的变化；KempeD等人[10]按照概率的原则从起初的“活跃”节点出发通过节点集的级联来寻找最具网络传播影响力的有效算法；CrandallD等人[11]建立了模型来研究用户间的相互影响并在用户的未来行为的建模中考虑用户间的相似度和社会影响的相关价值。

从现有的文献来看，尽管对网络舆情安全监测的统计指标体系和模型的研究有所涉及，但是其指标体系的设置还不够完善，没有提出合理的网络舆情安全监测的统计模型与方法。鉴于此，本文在已有的研究基础上，对统计指标体系进行了完善。建立了一套安全检测指标体系并根据我们建立的指标体系分别提出了网络舆情的安全检测的统计模型并

进行了实证分析。最后提出了对实践的指导意义。

二、网络舆情安全监测的指标体系

网络舆情的导向不仅会引起一系列的社会问题、经济问题，更重要的是还有可能引起政治问题，甚至危及到国家政权和安全等问题。为此，预防危机的发生是当务之急，我们可以通过指标建立模型来预测危机的发生。

我们将安全监测指标体系分为四个级别：

一级指标分为：扩散度、关注度、态度导向度。扩散度可以让我们了解到该视频被扩散到各个网站的速度情况、该视频被民众所观看的数量的多少。关注度指标可以让我们了解到群众对该事件的关注程度、敏感程度。态度导向度能够让我们知道民众的舆情态势走向、情绪变化情况。

扩散度的二级指标分为：扩散增长率和累计引用量和累计播放量。扩散增长率是反映视频处于增长状态还是降速状态；累计引用量是反映视频被扩散到别的网站后被累计收看的数量；累计播放量是反映该视频已经被网民累计收看的数量。

关注度的二级指标为活跃指数，该指标是反映网民观看视频获得的信息与网民的心灵产生共鸣的程度；活跃指数可以通过三级指标投票率、评论率、转载率、播放率来综合体现。

态度导向度的二级指标分为：导向指数和情绪波动指数。导向指数是反映支持力量与反对力量的悬殊大小，该指标可以通过三级指标支持率与反对率来综合体现。而情绪波动指数是反映支持力量与反对力量斗争的激烈程度，民众持有支持或反对的立场的坚定程度；情绪波动指数越大说明支持力量和反对力量斗争的越激烈；情绪波动指数越小说明支持力量与反对力量斗争的程度越小。该指标可以通过三级指标反对均值和反对标准差来综合体现。反对均值是反映反对系数的平均值，反对标准差是反映反对系数偏离反对均值的程度。反对均值和反对标准差可用四级指标反对系数来体现。反对系数是反映反对力量在反对力量和支持力量总和中所占的比重的大小。

这样划分指标，我们可以从总体上判断事件造成的危害程度、发展情况和紧迫性，然后按照《国家突发公共事件总体应急预案》、《国家突发社会性安全事件应急预案》采取相应的措施。

安全监测的指标体系如表一所示：

表一网络舆情安全监测指标体系（单位时间：半小时）

一级指标二级指标扩散增长率三级指标四级指标扩散度累计引用量累计播放量投票率评论率关注度活跃指数转载率播放率支持率导向指数反对率态度导向度情绪波动指数反对标准差反对均值反对系数1.扩散增长率：在一定的统计时期内就某一视频，报告期的转载视频量与基期的转载

视频量之差除以基期的转载视频量

2.累计转载总量：在一定的统计时期内就某一视频，网民对其进行转载总量。一般网

民对某视频感兴趣，往往就会对其进行转载。该指标的计算是通过累计转载数量来定量采取获得的。

3.累计播放量：在一定的统计时期内就某一视频，用户对其视频点击收看的数量。一

般网民通过视频标题对该视频的内容预期会感兴趣，就会对该视频点击收看。4.累计引用量：在一定的统计时期内就某一视频，该视频被转载到其它的网站空间，

被其它网站的网民看到的次数。

5.播放变化量：在一定的统计时期内就某一视频，相邻两个统计时点的点击某视频的

数量之差

6.累计评论总量：在一定的统计时期内就某一视频，用户对其进行评论的总量。用户

观看了视频之后，若视频的内容与用户产生了共鸣或产生了反感，用户往往会对其进行评论。

7.评论变化量：在一定的统计时期内就某一视频，相邻两个统计时点的评论某视频的

数量之差。

8.累计反对总量：在一定的统计时期内就某一视频，网民对其进行投票表示反对的总

量。

9.反对变化量：在一定的统计时期内就某一视频，相邻两个统计时点的投反对票的数

量之差。

10.反对率：在一定的统计时期内就某一视频，单位时间的反对变化量。

11.投票率：支持率与反对率之和。12.反对系数=反对率/（反对率+支持率）。

13.活跃指数：在一定的统计时期内就某一视频，视频的信息对网民激发的活跃程度。14.导向指数：在一定的统计时期内就某一视频，网民对该视频的舆情态势状况。15.情绪波动指数：在一定的统计时期内就某一视频，反对力量与支持力量的斗争的激

烈程度。

同理可定义：累计支持总量、支持变化量、评论率、支持率、播放率、转载率我们分别用201*年7月18日（周三）的优酷主页的视频1收集到的从早上8:00点到21:45的数据和201*年7月19日（周四）的优酷主页的视频2收集到的从8:15到17:30的数据分别对活跃指数的四个指标即投票率、评论率、转载率、播放率进行因子分析

《俄在远东扣押两山东渔船，炮击渔船扣36人》（视频1）《菲总统感谢中国贷款上亿美元援建水利》（视频2）用视频1的数据进行因子分析的结果为：表二视频1解释的总方差初始特征值成份1234合计2.911.785.232.073方差的%72.76319.6135.8031.821累积%72.76392.37698.179100.000合计2.911.785提取平方和载入方差的%72.76319.613累积%72.76392.376旋转平方和载入合计2.6181.077方差的%累积%65.45965.45926.91792.376提取方法：主成份分析。表三视频1旋转成份矩阵成份1播放率投票率评论率转载率.939.934.199.9082.188.248.980.142提取方法:主成份。旋转法:具有Kaiser标准化的正交旋转法。a.旋转在3次迭代后收敛。用视频2的数据进行因子分析的结果为：

表四视频2解释的总方差初始特征值成份1234合计2.800.966.173.060方差的%70.00524.1584.3351.502累积%70.00594.16398.498100.000提取平方和载入合计2.800.966方差的%累积%70.00570.00524.15894.163合计2.7511.016旋转平方和载入方差的%68.77525.388累积%68.77594.163提取方法：主成份分析。表五视频2旋转成份矩阵成份1播放率投票率评论率转载率提取方法:主成份。旋转法:具有Kaiser标准化的正交旋转法。a.旋转在3次迭代后收敛。.949.978.078.9422.130.038.997.061从对这两个视频的数据进行因子分析的结果可以看出：第一个公共因子在指标播放率、投票率、转载率上有较大的载荷，说明这3个指标有较强的相关性，可以归为一类，命名为：外在因子。第二个公共因子在评论率指标上有较大的载荷，从现实情况来看只有在优酷网注册的网民才可以发表评论，因此命名为：内在因子。

这个规律并经过大量不同视频的数据进行了证实，而且提取两个公因子的累积贡献率都很高。

因此网络舆情的安全监测指标可以进一步细化为表六：

表六网络舆情安全监测指标体系（单位时间：半小时）一级指标

二级指标三级指标四级指标

扩散增长率扩散度累计引用量累计播放量投票率外在因子关注度活跃指数播放率内在因子支持率导向指数反对率态度导向度情绪波动指数反对均值转载率反对标准差反对系数(注：评论率、转载率等等用的定义都是单位时间的变化量，因为只有这样定义进行的因子分析才符合本论文中讲的规律，而且提取两个公因子的累计贡献率都是很高的。若评论率、转载率等等的定义用某某变化量除以播放视频变化量，则个别视频的数据用因子分析的结果不符合这个规律，而且即使符合规律的提取两个公因子的累计贡献率也比较低。所以本论文评论率、转载率等等用的定义都是单位时间的变化量）

三、网络舆情安全监测的统计模型

（一）扩散度模型

1．扩散增长率

首先：根据我们收集到的数据计算出各个时间段的扩散增长率

其次：每相邻的m个统计时间段为一期。若增长率为正，则该序列在该期时间段为“扩张”，用1表示；若增长率为负，则为“收缩”，用-1表示，若增长率为零，则该序列在该期不予统计。并依同样的方法确定该指标在各个时期的特征。

扩散度的计算公式：

DItt期序列出现扩张的个数/属于该期该类指标的序列总数（1）

例如，在t期有k个处于扩张状态，则：DItK/m。扩散度的变化范围在0到1之间，一般设定0、0.5、1三个标志，这三个标志分别表示组内没有一个时间段的扩散增长率处于上升状态、有一半的时间段的扩散增长率处于上升状态和该期所有时间段都处于上升状态。

根据扩散度来判断扩散情况及走向：（1）当0DIt0.5时，上升扩散增长率小于下降扩散增长率，在此阶段扩张因素不断生长，收缩因素渐渐消失，视频扩散向扩张方向运动，此时视频处于缓慢传播的后期（2）当0.5DIt1是，上升扩散增长率大于下降扩散

增长率，视频传播处于快速传播时期，视频传播发生了重大转折，随着DIt向峰值的增加，视频传播越来越快（3）当1DIt0.5时，上升扩散增长率仍大于下降扩散增长率，视频传播处于快速传播的后期，视频传播正在走下坡路，视频传播正处于降温阶段。（4）当0.5DIt0时，视频传播又发生重大转折，上升扩散增长率低于下降扩散增长率，视频传播处于收缩阶段，视频传播进入一个新的慢速传播时期。扩散度始终围绕DIt=0.5的直线上下运动，这条直线即称之为快速传播转折线

2．累计引用量

累计引用量的扩散度的定量计算方法是：用累计引用量的数字位数；累计引用量的数字位数为1时,扩散度为1；累计引用量的数字位数为2时，扩散度为2；依次类推

3．累计播放量

累计引用量的扩散度的定量计算方法是：用累计播放量的数字位数；累计播放量的数字位数为1时,扩散度为1；累计播放量的数字位数为2时，扩散度为2；依次类推

（二）关注度模型

1．不同视频事件的关注度进行比较的关注度模型如下：活跃指数的定量计算方法是：

活跃指数=（投票率+转载率）*1+评论率*2（公式2）这里的1

、2是进行主成分分析的第一主成分和第二主成分的特征根。把1

、2

分别作为权重。当活跃指数位于[0,500]时，说明人们对此事件关注不活跃；活力度位于(500,1500]时，说明人们对此事件关注一般；活跃指数位于(1500,2500]时，说明人们对此事件关注较活跃；当活跃指数位于(2500,3500]时，说明人们对此事件关注活跃；当活跃指数3500时，说明人们对此事件关注特别活跃。

我们把特别活跃、活跃、较活跃、一般、不活跃定义为关注度的五个度。2．同一个视频在不同时刻的关注度进行比较的关注度模型

上一步的关注度模型虽然也可以对同一个视频事件的不同时刻的活跃情况进行比较，但利用主成分分析进行综合评价的模型更科学，更能准确的描述同一个视频事件在各个时间的人们的活跃情况，但此模型的缺点是：此模型不能对不同视频事件的关注度进行比较。此模型的理论依据：利用主成分分析进行综合评价。

活跃指数的定量计算方法是：活跃指数=(1/i)*外在因子+(2/

i)*内在因子（公式3）

其中外在因子和内在因子的系数分别是我们根据因子分析中的分差贡献率给各因子确定的权重。活跃指数0时，说明人们此时间对此事件不敏感；活跃指数位于[0,0.5]时，说明此时间人们对此事件关注一般；活跃指数位于(0.5,1]时，说明此时间人们对此事件关注较敏感；当活跃指数位于(1,1.5]时，说明此时间人们对此事件关注敏感；当活

跃指数大于1.5时，说明此时间人们对此事件关注特别敏感。

我们把特别敏感、敏感、较敏感、一般、不敏感定义为关注度的五个度。

（注：经过大量的实践证实这两种计算活跃指数的方法得出的数据具有很强的相关性，因此这两种计算活跃指数的方法得出的数据绘制出的走势图总体上是基本一致的。说明：这两种计算活跃指数的方法只是研究问题的角度不同而已。）

（三）态度导向度模型

1．导向指数

导向指数的定量计算方法是：

（1）若是负面视频：导向指数=（反对率-支持率）/（反对率+支持率）（公式4）（2）若是正面视频：导向指数=（支持率-反对率）/（反对率+支持率）（公式5）显然该导向指数位于[-1,1]之间。当导向指数为零时，说明支持率和反对率相等。网络舆情监控的任务是防止舆情的负面信息对社会造成危害而引起社会动荡，所以当导向指数位于(-1,0]时，说明态度导向特别严重；当导向指数位于(0,0.6]时，说明态度导向严重；导向指数位于(0.6,0.8]时，说明态度导向较严重；导向指数位于(0.8,0.9]时，说明态度导向一般，导向指数位于(0.9,1]时，说明态度导向不严重。

我们把特别严重、严重、较严重、一般,不严重定义为态度导向度的五个度。2．情绪波动指数

我们分别以每m个连续的统计时间段的反对系数为一组，分别求出各组的均值X和标准差。将每一组的标准差分别除以该组的均值X就是该组的情绪波动指数值。

即情绪波动指数的定量计算方法是：情绪波动指数=

/X（6）

情绪波动指数位于[0,0.01]时，说明情绪波动小；情绪波动指数位于(0.01,0.02]时，说明情绪波动一般；情绪波动指数位于(0.02,0.04]时，说明情绪波动较大；情绪波动指数位于(0.04,0.06]时，说明情绪波动大；情绪波动指数位于0.06以上时，说明情绪波动特别大。

我们把情绪波动小、情绪波动一般、情绪波动较大、情绪波动大、情绪波动特别大，为态度导向度的五个度。

利用情绪波动指数和反对均值联合起来进行分析如下：

（1）当情绪波动指数显著上升时，说明支持力量和反对力量斗争的激烈程度在加强；若此时反对均值显著在上升，说明反对的力量在上升（即支持的力量在下降）并且上升的后劲有力，预示着下一个阶段反对的力量上升的可能性很大；若此时反对均值显著在下降，说明反对的力量在下降（即支持的力量在上升）并且下降的后劲有力，预示着下一个阶段反对的力量下降的可能性很大；若此时反对均值没有显著的上升或下降，预示着下一个阶

段反对的力量是上升或下降不确定。

（2）当情绪波动指数显著下降时，说明支持力量和反对力量斗争的激烈程度在减弱；若此时反对均值显著在上升，说明反对的力量在上升（即支持的力量在下降），但上升的后劲不足，预示着下一个阶段反对力量上升的势头减弱或反对力量下降；若此时反对均值在下降，说明反对的力量在下降（即支持的力量在上升），但下降的后劲不足，预示着下一个阶段反对力量下降的势头减弱或反对力量上升；若此时反对均值没有显著的上升或下降，预示着下一个阶段反对的力量是上升或下降不确定。

四、实证分析

根据本论文中我们建立的网络舆情安全监测指标体系和我们收集到的《俄在远东扣押两山东渔船，炮击渔船扣36人》和《菲总统感谢中国贷款上亿美元援建水利》视频的数据，应用我们提出的安全监测方法进行实证分析的结果如下：

（一）扩散度分析

1.扩散增长率

下图是用公式（1）利用《俄在远东扣押两山东渔船，炮击渔船扣36人》事件的数据绘制的扩散增长率图：

图1视频1扩散增长率

扩散增长率分析0.70.60.50.40.30.20.10扩散增长率视频110:1512:1514:1516:1518:1520:15时间

从图形来看，从10:15到14:15扩散度持续下降，在14:15扩散度达到最低点。从10:15到12:15视频传播处于快速传播的后期，视频传播正在走下坡路，视频传播正处于降温阶段，从12:15到14:15视频传播发生重大转折，视频传播处于收缩阶段，视频传播进入一个慢速传播时期。从14:15到18:15扩散度持续上升，在18:15达到最高点。从14:15到大约17:00点，在此阶段扩张因素不断生长，收缩因素渐渐消失，视频扩散向扩张方向运动，此时视频处于缓慢传播的后期.，从大约17:00到18:15，视频传播处于快

21:

速传播时期，视频传播发生了重大转折，视频传播越来越快。同理可分析后面的几个阶

2.累计引用量

下面的图是用《俄在远东扣押两山东渔船，炮击渔船扣36人》事件的数据绘制的累计引用量图（该图是对原始数据经过了移动平均法处理）

图2视频1的累计引用量扩散图

视频1累计引用量图5000累计引用量40003000201*10000视频18:459:3010:1511:0011:4512:3013:1514:0014:4515:3016:1517:0017:4518:3019:1520:00时间20:45

从累计引用量图形看：从8:45到大约9:45，累积引用量保持在三位数，即在这段时间内扩散度为3；从大约9:45到20:45，累计引用量位数始终保持在四位数，即在这段时间内扩散度为4。

3.累计播放量

下面的图是用《俄在远东扣押两山东渔船，炮击渔船扣36人》事件的数据绘制的累计播放量图

图3视频1的累计播放量情况分析图

视频1累计播放量1201*001000000800000600000400000201*0008:008:459:3010:1511:0011:4512:3013:1514:0014:4515:3016:1517:0017:4518:3019:1520:0020:4521:30累计播放量视频1时间

从累计播放量图形看：从8:00到大约9:20，累积引用量保持在五位数，即在这段时间内扩散度为5；从大约9:20到大约20:55，累计引用量位数始终保持在六位数，即在这段时间内扩散度为6；从大约20:55到21:30，累计引用量位数始终保持在七位数，即在这段时间内扩散度为7

（二）关注度分析

1.不同视频事件的关注度进行比较的关注度模型分析如下：

下面是用公式2利用《俄在远东扣押两山东渔船，炮击渔船扣36人》和《菲总统感谢中国贷款上亿美元援建水利》的数据绘制的活跃指数图分别如下：图4视频1的活跃指数情况分析图

视频1活跃指数图2500201*活跃指数150010005000视频18:3010:0011:3013:0014:3016:0017:3019:00时间20:30

图5视频2的活跃指数情况分析图

视频2活跃指数图1201*10000活跃指数800060004000201*0视频29:009:3010:0010:3011:0011:3012:0012:3013:0013:3014:0014:3015:0015:3016:0016:3017:00时间17:30

从图形看，对《俄在远东扣押两山东渔船，炮击渔船扣36人》事件，从8:30到9:00，活跃指数位于活力度的(500,1500]之间，说明人们对此事件的关注度为：一般；从9:00到13:30，活跃指数位于活力度的(1500,2500]之间，说明人们对此事件的关注度为：比较活跃；从13:30之后，活跃指数位于活力度的(500,1500]之间，说明人们对此事件的关注度为：一般。对《菲总统感谢中国贷款上亿美元援建水利》事件，从9:00到18:00，活跃指数位于活力度的大于3500的范围，说明人们对此事件的关注度为：特别活跃。

2.同一个视频在不同时刻的活跃情况进行比较的关注度模型如下：

用公式3利用《俄在远东扣押两山东渔船，炮击渔船扣36人》和《菲总统感谢中国

贷款上亿美元援建水利》的数据利用主成分综合评价法绘制的同一个视频不同时刻的活跃指数图如下：

图6同一视频不同时刻活跃指数情况分析图

同一视频不同时刻活跃指数图21.5活跃指数10.508:309:3010:3011:3012:3013:3014:3015:3016:3017:3018:3019:3020:30视频1视频221:30-0.5-1-1.5时间

从图形看，对《俄在远东扣押两山东渔船，炮击渔船扣36人》事件，在10:00活跃指数达到最高点，对《菲总统感谢中国贷款上亿美元援建水利》事件，在11:30活跃指数达到最高点。活跃指数达到最高的点是盲点，必须高度关注，人们可能受到敌对势力的误导促使人们活跃起来。两个事件都在大约14:00之后，活跃指数都位于0之下，说明在此时间之后，人们对此事件不在敏感

3.从图形直观来看，以上两种方法计算活跃指数的结果数据绘制出来的走势图总体上基本一致。再用两种方法计算活跃指数的结果数据进行客观的相关性分析：两种计算活跃指数的方法计算出的结果的相关系数都是0.977，即：都具有很强的相关性，因此，用两种方法计算活跃指数的结果数据绘制出的走势图总体上基本一致。说明：这两种计算活跃指数的方法只不过是研究问题的角度不一样而已。

（三）态度导向度：

1.导向指数

分别利用公式4用《俄在远东扣押两山东渔船，炮击渔船扣36人》视频的数据和利用公式5《菲总统感谢中国贷款上亿美元援建水利》视频的的数据绘制的导向指数情况分析图如下：

图7视频1和视频2导向指数情况分析图

导向指数图10.80.60.40.20-0.2-0.4-0.6-0.8-1-1.2导向指数10:0011:0012:0013:0014:0015:0016:00时间17:009:00视频1视频2

从图形看，对《俄在远东扣押两山东渔船，炮击渔船扣36人》事件，从9:00到14:40，导向指数位于态度导向度的(0.6,0.8]之间，说明人们对此事件的态度为：较严重。从大约14:40到18:00，导向指数基本上位于态度导向度的(0,0.6]之间，说明人们对此事件的态度为：严重。从分析中，我们得出：随着时间的推移，人们的态度导向从较严重转换为严重，人们对此时间的反对在减少。对《菲总统感谢中国贷款上亿美元援建水利》事件，从9:00到18:00，导向指数位于态度导向度的[-1,0]之间，说明人们对此事件的态度为：特别严重

2.情绪波动指数

用公式6利用《俄在远东扣押两山东渔船，炮击渔船扣36人》和《菲总统感谢中国贷款上亿美元援建水利》的数据绘制的情绪波动指数图如下：图8视频1和视频2情绪波动指数情况分析图

情绪波动指数图0.05情绪波动指数0.040.030.020.01010:3012:3014:3016:30时间18:3020:30视频2视频1

从图看：对《菲总统感谢中国贷款上亿美元援建水利》事件的情绪波动指数位于[0,0.01]之间，属于态度导向度的情绪波动小。说明随着时间的推移，反对力量与支持力量的对比大体上保持不变。

对《俄在远东扣押两山东渔船，炮击渔船扣36人》事件，在10:30情绪波动指数位

于(0.01,0.02]之间，属于态度导向度的情绪波动一般；在12:30达到情绪波动指数的最低点，情绪波动指数位于[0,0.01]之间，属于态度导向度的情绪波动小；在18:30情绪波动指数达到最高点，位于(0.04,0.06]之间，属于态度导向度的情绪波动大。同理可分析其余各点的情况。

用《俄在远东扣押两山东渔船，炮击渔船扣36人》的数据绘制的反对均值指数图如下：

图9视频1反对均值指数情况分析图

反对均值指数图0.860.840.820.80.780.760.740.7210:3012:3014:30时间16:3018:3020:30反对均值视频1

我们把《俄在远东扣押两山东渔船，炮击渔船扣36人》事件的情绪波动指数和反对均值指数结合起来进行分析如下：

从10:30到12:30，反对均值在上升但上升的幅度不显著，预示下一阶段反对力量可能上升也可能下降；从12:30到14:30，反对均值在显著下降而情绪波动指数在显著上升，预示在原来双方力量的基础上，下一阶段反对力量下降的可能性很大，从图可以证实：下一阶段反对力量的确下降；从14:30到16:30，反对均值在显著下降而情绪波动指数在显著上升，预示在原来双方力量的基础上，下一阶段反对力量下降的可能性很大，从图再一次证实：下一阶段反对力量的确下降尽管下降的不显著；从16:30到18:30，反对均值在下降但下降的幅度不显著，预示在原来双方力量的基础上，下一阶段反对力量是上升或下降不确定。

五、结论与对策

从扩散度的发展情况分析中，我们可以了解到某个视频事件的各个时间的扩张活跃时期情况、视频已经被人们直接知晓的情况。

《菲总统感谢中国贷款上亿美元援建水利》此事件发生的背景是：中国和菲律宾就中国的黄岩岛事件搞得沸沸扬扬，例如利用《美菲安全条约》拉拢美国介入黄岩岛事件、在东盟会议上做文章、把黄岩岛事件闹上国际法庭等等。中国给菲律宾贷款上亿美元援建水利是处于政治上的考虑，然而这并不为中国人民所理解，从我们对该事件的关注度分析中

可以看出：中国人民对该事件表现的特别敏感；对该事件的态度导向度的分析中可以得出：中国人民对中国政府的这种做法是强烈的不满。因此应该高度警惕，利用各种媒体等引导人民树立正确的世界观。不然，中国一旦有风吹草动，敌对势力很可能会利用诸如此类的事件煽风点火，以至于引起中国动乱。活跃指数达到最高点，是疑点，必须高度关注。从情绪波动指数来看：情绪波动小，即：反对力量与支持力量的对比大体保持在那个很高的水平上，随着时间的推移两方力量的对比基本上保持不变。

对《俄在远东扣押两山东渔船，炮击渔船扣36人》事件的关注度的分析中，我们可以发现：民众对此事件的关注度为开始一般、随后活跃、再后又关注一般；对此事件的活跃指数的分析中我们可以得出：开始时，态度导向度较高，民众对此事件的态度是较严重，不是很反对；随着时间的推移，态度导向度下降，即：中国人民的反对程度在下降。从情绪波动指数来看：情绪波动不稳定，说明反对力量和支持力量的对比不断发生着较明显变化。因此我们要提高警惕，对人民的态度进行必要的引导。

六、对实践的指导意义

通过扩散度的扩散增长率，我们可以归纳出网民对什么样的事件好奇、感兴趣。通过累计引用量和累计播放量，我们可以了解到该事件已经被民众直接知道的人的数量。若是正面视频，我们可以大体知道该视频到统计时刻为止已经对社会产生的积极影响；若是危害社会的负面视频，我们可以知道该视频到统计时刻为止已经对社会造成的危害程度。

通过一定不同类视频关注度的分析，就可以在大量甚至于海量的网络信息数据中归纳出网络热点，包括能对社会稳定、国家安全产生巨大影响的新闻话题、热点事件。从而我们可以对各类事件的关注度情况进行排序。在以后的网络舆情的监控中，我们就可以针对不同事件采用不同级别的监控，这样既可以节省人力又可以节省财力。

通过大量视频态度导向度的导向指数的分析，我们可以归纳出网民对各类事件的态度、是支持还是反对、以及不满程度达到什么样的危险程度。情绪波动指数可以看出反对力量和支持力量斗争的激烈程度，他们持有支持或反对的立场的坚定程度。情绪波动指数越大，他们持有支持或反对的立场越不坚定。情绪波动越大的越容易通过媒体引导他们站到正确的立场上。该指标即可以检验政府制定政策的效果，也可以检验各种媒体引导网民的世界观产生的效果。如果政府制定的政策或媒体引导产生的效果越大，则导向指数向上升的越大，若是正面视频，情绪波动指数变化的越小；若是负面视频，情绪波动指数变化的越小。反之，则情况相反。

总之：通过我们的安全监测指标体系和安全监测方法，能将网络舆情相关理论与技术研究有机地契合起来，为网络舆情分析及预警应用系统的实现和应用提供一个系统化、整体性、宏观性的基础性平台，从而为政府和国家舆情安全监管等业务部门提供一个把握民众之民意的平台：通过捕捉和识别出苗头性、敏感性、倾向性的网络舆情信息，并及时做

出警示性反应，实现对网络舆情安全态势的把握，将其牢牢控制在安全警戒的基线之下，防范负面网络舆情危害社会于未然。这些安全监测指标体系也能从理论和实操层面指导网络舆情监控预警一体化的应用架构形成整体性效果，从而形成高效畅通的网上舆情发现、分析、监管、预警、处置和反馈机制。

参考文献

[1].今日世界，西安商报，201*-02-17

[2].戴媛,姚飞。基于网络舆情安全的信息挖掘及评估指标体系研究[J].情报理论与实践，201*,6（31）：873-876[3].戴媛,郝晓伟,郭岩,等。我国网络舆情安全评估指标体系的构建研究[J].信息网络安全，201*，04[4].张小明。公共危机预警机制设计与指标体系构建[J].中国行政管理201*（7）：14-19[5].曾润喜。网络舆情突发事件舆情指标体系构建[J].情报理论与实践201*,01

[6].阳德青，肖仰华，汪卫。基于统计模型的社会网络群体关注度的分析与预测[J].计算机研究与发展，201*（47）：378-384[7].徐国祥。统计预测和决策（第二版）[M]上海财经大学出版社

[8].WuF,HubermanBA.Noveltyandcollectiveattention//ProcofPNAS,201*,104(45):17599-17601

[9].HoggT,SzaboG.Diversityofonlinecommunityactivities.//ProcofACMSpecialInterestGrouponHypertext,

Hypermedia,andWeb.NewYork:ACM,201*

[10].KempeD,KleinbergJ,TardosE.Influentialnodesinadiffusionmodelforsocialnetworks//Procofthe32ndInt

ColloquiumonAutomata,LanguagesandProgrammingBerlin:Springer,201*

[11].CrandallD,DanCosley,HuttenlocherD,etal.Feedbackeffectsbetweensimilarityandsocialinfluenceinonline

communities//Procofthe14ndACMSIGKDDConfonKnowledgeDiscoveryandDataMining.NewYork;ACM,201*作者简介

李佼瑞，男，陕西华县人，教授，研究方向：非线性计量模型；李浩，男，山东枣庄人，硕士生，研究方向：统计模型与应用；注明：

1.在扩散度的二级指标中，我又添加了累计播放量。因为我认为视频不断被越来越多

的人知道，这也是一种扩散。

2.在原来论文的基础上，我又添加了安全监测方法对实践的指导意义。

友情提示：本文中关于《网络舆情监管模式与方法研究》给出的范例仅供您参考拓展思维使用，网络舆情监管模式与方法研究：该篇文章建议您自主创作。

　　来源：网络整理 免责声明：本文仅限学习分享，如产生版权问题，请联系我们及时删除。

《网络舆情监管模式与方法研究》
由互联网用户整理提供,转载分享请保留原作者信息,谢谢!
http://m.bsmz.net/gongwen/656509.html

• 上一篇：为加强对廉政网络舆情的有效监管

• 下一篇：移动网络优化经验总结