摘 要：介紹網(wǎng)絡(luò)輿情監(jiān)測(cè)的來(lái)源范圍，提出網(wǎng)絡(luò)監(jiān)測(cè)指標(biāo)的構(gòu)建原則與監(jiān)測(cè)指標(biāo)體系，分析了其中的問(wèn)題與實(shí)現(xiàn)方法，并探討了輿情工作中的一些具體做法，以期推動(dòng)網(wǎng)絡(luò)輿情監(jiān)測(cè)工作的研究與實(shí)踐。

關(guān)鍵詞：網(wǎng)絡(luò)輿情；輿情監(jiān)測(cè)；指標(biāo)體系

有效加強(qiáng)網(wǎng)絡(luò)輿情監(jiān)測(cè)分析，才能實(shí)時(shí)掌握網(wǎng)絡(luò)輿情動(dòng)態(tài)。網(wǎng)絡(luò)輿情監(jiān)測(cè)分析工作重要環(huán)節(jié)包括采集、整理和分析輿情信息，需要構(gòu)建一定的指標(biāo)體系，評(píng)價(jià)揭示網(wǎng)絡(luò)輿情信息的特征與變化規(guī)律。指標(biāo)是在評(píng)價(jià)某些研究對(duì)象所確定的依據(jù)和標(biāo)準(zhǔn)，包括指標(biāo)名稱(chēng)和數(shù)值。網(wǎng)絡(luò)輿情指標(biāo)體系是由相互聯(lián)系、相互補(bǔ)充的指標(biāo)組成的統(tǒng)一整體，用于反映網(wǎng)絡(luò)輿情的綜合狀況，揭示其中的各個(gè)方面。本文首先介紹輿情監(jiān)測(cè)的來(lái)源范圍，接著闡述網(wǎng)絡(luò)輿情監(jiān)測(cè)指標(biāo)的構(gòu)建原則與內(nèi)容，提出從主題匯聚、熱度、內(nèi)容傾向性、預(yù)警等方面構(gòu)建網(wǎng)絡(luò)輿情監(jiān)測(cè)指標(biāo)體系。

1 網(wǎng)絡(luò)輿情監(jiān)測(cè)來(lái)源

網(wǎng)絡(luò)信息的來(lái)源不斷趨于多樣化，從傳統(tǒng)的新聞網(wǎng)站、博客論壇，發(fā)展到微博、微信等社會(huì)化網(wǎng)絡(luò)應(yīng)用[2]。準(zhǔn)確把握輿情態(tài)勢(shì)，防止監(jiān)測(cè)分析片面化，需要增加信息來(lái)源范圍。然而，輿情監(jiān)測(cè)難以捕獲所有網(wǎng)絡(luò)信息，網(wǎng)絡(luò)輿情的來(lái)源選擇就顯得非常重要。在網(wǎng)絡(luò)上，表現(xiàn)為圍繞新聞、事件、問(wèn)題與個(gè)案等產(chǎn)生的網(wǎng)絡(luò)信息。網(wǎng)絡(luò)輿情的信息來(lái)源選擇主要包括：

（1）主流媒體新聞網(wǎng)站。網(wǎng)絡(luò)新聞是民眾獲取信息的重要來(lái)源，特別是主流媒體發(fā)布的新聞。重大性與突發(fā)性輿情都會(huì)及時(shí)出現(xiàn)在主流媒體，聚集大量網(wǎng)民跟帖評(píng)論，是輿情的重要來(lái)源與傳播源頭。（2）論壇。在網(wǎng)絡(luò)社區(qū)中，網(wǎng)民會(huì)發(fā)出具有個(gè)人觀點(diǎn)看法的各類(lèi)信息。在輿情監(jiān)測(cè)工作中，接觸到的近半信息都來(lái)自于各種論壇。（3）博客。博客是個(gè)人分享、交流思想知識(shí)的空間，會(huì)對(duì)熱點(diǎn)和新聞事件、特定話題和現(xiàn)象發(fā)表個(gè)人評(píng)論，是輿情信息的重要載體之一。博客數(shù)量眾多，主要采集專(zhuān)家、知名人物的博客及網(wǎng)民回復(fù)。（4）視頻網(wǎng)站。視頻網(wǎng)站是社會(huì)生活和事件的記錄與發(fā)布者，并且大多視頻網(wǎng)站提供給留言功能，比如優(yōu)酷、愛(ài)奇藝等。視頻信息鮮活，網(wǎng)民會(huì)分享觀感看法與態(tài)度，視頻標(biāo)題與描述信息為輿情數(shù)據(jù)的整理分析提供了可能和便利。以往工作容易忽視這類(lèi)輿情載體，而實(shí)際中一些輿情事件會(huì)較早通過(guò)視頻網(wǎng)站發(fā)布傳播。輿情監(jiān)測(cè)工作需要重視視頻信息的價(jià)值，及時(shí)采集抽取其中的有價(jià)值信息。（5）社交媒體。在社交媒體應(yīng)用上，國(guó)內(nèi)主要是微博和微信。微博相對(duì)數(shù)據(jù)開(kāi)放，數(shù)據(jù)量巨大，很難在較短的輪詢(xún)時(shí)間窗口完成采集遍歷。所以，與傳統(tǒng)博客類(lèi)似，選擇其中的部分微博。微信主要限制在個(gè)人通訊范疇，主要將微信公眾號(hào)作為輿情信息來(lái)源。另外，一些網(wǎng)站由于贏利、點(diǎn)擊量等原因，有意甚至惡意炒作負(fù)面信息。所以，要區(qū)分標(biāo)識(shí)這類(lèi)信息來(lái)源。同時(shí)，在采集器設(shè)置上進(jìn)行一定限制和過(guò)濾，避免采集處理過(guò)多無(wú)效無(wú)關(guān)數(shù)據(jù)。

2 監(jiān)測(cè)指標(biāo)構(gòu)建原則

網(wǎng)絡(luò)輿情指標(biāo)體系的構(gòu)建原則應(yīng)包括：（1）主題性。具體的輿情工作具有明確的服務(wù)對(duì)象，其輿情內(nèi)容具有鮮明的主題、行業(yè)或領(lǐng)域性質(zhì)。輿情監(jiān)測(cè)的目的是及時(shí)識(shí)別問(wèn)題與風(fēng)險(xiǎn)。因此，輿情指標(biāo)應(yīng)對(duì)各類(lèi)信息做出靈敏響應(yīng)。（2）可靠性。指標(biāo)的選取要有相對(duì)可靠性與穩(wěn)定性，確保指標(biāo)的使用在時(shí)間上有延續(xù)性[1]。（3）系統(tǒng)性。網(wǎng)絡(luò)輿情監(jiān)測(cè)分析工作是一項(xiàng)十分復(fù)雜的過(guò)程，涉及內(nèi)容眾多。指標(biāo)體系一定要盡量全面完整形成整體，覆蓋輿情工作流程，從多層次多角度揭示網(wǎng)絡(luò)輿情特征。（4）實(shí)用性。輿情監(jiān)測(cè)指標(biāo)必須反映輿情演化趨勢(shì)與客觀規(guī)律，符合網(wǎng)絡(luò)輿情工作需求與相關(guān)流程，便于分析和引導(dǎo)輿情。同時(shí)，指標(biāo)的計(jì)算分析結(jié)果要盡量便于理解與解釋說(shuō)明，為輿情簡(jiǎn)報(bào)等工作提供必備的數(shù)據(jù)支持。

3 監(jiān)測(cè)指標(biāo)體系

（1）主題聚合

按照內(nèi)容相關(guān)度準(zhǔn)確關(guān)聯(lián)聚合輿情信息，是準(zhǔn)確把握輿情整體走向、媒體與網(wǎng)民言論態(tài)度的前提。主題聚合即指依據(jù)信息內(nèi)容實(shí)現(xiàn)信息的分類(lèi)與聚類(lèi)，是輿情話題發(fā)現(xiàn)與話題追蹤的基本支撐。從技術(shù)實(shí)現(xiàn)角度，主題聚合涉及信息內(nèi)容分析，大多都是基于詞語(yǔ)匹配的聚分類(lèi)方法實(shí)現(xiàn)輿情話題發(fā)現(xiàn)與追蹤等主題聚合功能。然而，文本中存在大量詞形不同，但意義關(guān)聯(lián)的近義詞、同義詞與相關(guān)詞，內(nèi)容相同或相近的新聞、帖文會(huì)出現(xiàn)在不同的頁(yè)面與帖文。輿情信息中包括大量短文本，特別是網(wǎng)民回帖評(píng)論，存在明顯的語(yǔ)義特征稀疏問(wèn)題。分類(lèi)體系只限于關(guān)鍵詞本身，不具備主題詞的語(yǔ)義描述，容易影響聚分類(lèi)的準(zhǔn)確率與召回率，主題聚合指數(shù)的性能會(huì)受到明顯限制。一個(gè)解決方法是構(gòu)建語(yǔ)義知識(shí)，并擴(kuò)展語(yǔ)義計(jì)算模型提高分析的準(zhǔn)確程度；利用當(dāng)前的最新技術(shù)，比如深度學(xué)習(xí)方法，通過(guò)構(gòu)建具有多隱層的學(xué)習(xí)模型，以海量輿情數(shù)據(jù)作為訓(xùn)練集，學(xué)習(xí)擴(kuò)展語(yǔ)義特征，提升內(nèi)容分析的準(zhǔn)確程度。

（2）熱度

輿情熱度衡量輿情被關(guān)注的程度與傳播范圍。輿情熱度主要包括輿情關(guān)注度、傳播覆蓋度、輿情權(quán)威度等二級(jí)指標(biāo)。一些研究提出地域關(guān)注度指標(biāo)[3]，但網(wǎng)民IP地址對(duì)于第三方采集系統(tǒng)是難以大范圍直接獲取的。其中，輿情關(guān)注度采用主題內(nèi)容下輿情信息的關(guān)注數(shù)量衡量，具體是篇目、瀏覽、回復(fù)數(shù)量的綜合加權(quán)值，一般以線性累加和公式計(jì)算。該指標(biāo)主要從網(wǎng)民角度，衡量輿情內(nèi)容的被關(guān)注程度和感興趣情況。覆蓋度是指主題信息在采集來(lái)源站點(diǎn)中出現(xiàn)的比例。輿情信息來(lái)源站點(diǎn)是經(jīng)過(guò)篩選的，代表輿情在整個(gè)監(jiān)測(cè)范圍內(nèi)的傳播程度。由于信息來(lái)源規(guī)模與特點(diǎn)不同，所以需要對(duì)來(lái)源類(lèi)型預(yù)設(shè)參數(shù)再進(jìn)行比例計(jì)算。權(quán)威度指輿情信息的來(lái)源權(quán)威度，比如人民網(wǎng)的權(quán)威度較高而小型商業(yè)新聞網(wǎng)站的權(quán)威度低，知名公眾人物的博客權(quán)威度較高。權(quán)威度通過(guò)預(yù)設(shè)參數(shù)區(qū)分主流媒體、論壇、博客、微信公眾號(hào)的來(lái)源指標(biāo)。最后，將以上二級(jí)指標(biāo)綜合加權(quán)，進(jìn)行標(biāo)準(zhǔn)化處理得到主題熱度。

（3）內(nèi)容傾向

內(nèi)容傾向是信息內(nèi)容中包含的觀點(diǎn)態(tài)度，內(nèi)容傾向指標(biāo)用于統(tǒng)計(jì)輿情信息中的各類(lèi)情感傾向類(lèi)型數(shù)量。傾向類(lèi)型主要分為兩類(lèi)：正面（褒、支持）、負(fù)面（貶、反對(duì)）。文本中的句子不僅包括情感詞，而且包含一些具有較強(qiáng)情感色彩的形容詞、程度副詞、感嘆詞、否定詞等影響判斷情感傾向的因素。區(qū)分輿情的傾向性，需要構(gòu)建情感詞庫(kù)作為智力支撐，才能提高情感判斷的范圍與準(zhǔn)確性。比如鄙視、侵犯屬于負(fù)面動(dòng)詞，而擁護(hù)、贊揚(yáng)屬于正面動(dòng)詞，安全、漂亮屬于正面形容詞。“鄙視這種言論”，“這種裝置不安全”，可以依據(jù)其中的動(dòng)詞形容詞判斷情感傾向。

傳統(tǒng)手工構(gòu)建的情感詞典覆蓋面有限，難以滿(mǎn)足實(shí)際運(yùn)用?？紤]到技術(shù)實(shí)施的快速性、易用性以及語(yǔ)義問(wèn)題。借助已有情感詞典構(gòu)建基本情感詞庫(kù)，運(yùn)用Word2Vector工具將語(yǔ)料庫(kù)（比如已采集輿情信息、維基百科知識(shí)）轉(zhuǎn)換為詞向量，計(jì)算其他詞語(yǔ)與已知情感詞的語(yǔ)義距離，構(gòu)建情感詞特征空間[4]。通過(guò)擴(kuò)展情感詞庫(kù)，判斷廣泛的情感傾向。輿情信息中的回帖或評(píng)論大多由較短句構(gòu)成，其中句子s中的情感詞表示為，s的情感類(lèi)型。其中，表示詞wi的傾向類(lèi)型。如果wi前面否定詞個(gè)數(shù)是奇數(shù)，則反置wi的極性?xún)A向。將傾向性判斷問(wèn)題轉(zhuǎn)化為文本分類(lèi)問(wèn)題，這樣可以有效判斷各種長(zhǎng)短文本的情感傾向，得到主題信息的情感態(tài)度頻率分布與內(nèi)容傾向趨勢(shì)。

（4）預(yù)警

網(wǎng)絡(luò)輿情表現(xiàn)為海量的網(wǎng)絡(luò)信息，輿情變化程度對(duì)應(yīng)相應(yīng)數(shù)據(jù)的特征與趨勢(shì)。所以，監(jiān)測(cè)分析數(shù)據(jù)變化可以描述輿情的影響趨勢(shì)，對(duì)網(wǎng)絡(luò)輿情進(jìn)行危機(jī)預(yù)警。當(dāng)前，網(wǎng)絡(luò)輿情事件處理存在應(yīng)急準(zhǔn)備不足，報(bào)送時(shí)間不及時(shí)，突發(fā)事件響應(yīng)速度慢等不足。一個(gè)重要原因是網(wǎng)絡(luò)輿情預(yù)警能力相對(duì)較弱。輿情監(jiān)測(cè)需要增強(qiáng)輿情信息的分析和預(yù)測(cè)，將工作重點(diǎn)從單純的收集有效數(shù)據(jù)，向深入研判與預(yù)測(cè)輿情的趨勢(shì)方向拓展。常用的思路與方法是：預(yù)設(shè)時(shí)間窗口，獲取主題信息數(shù)量，內(nèi)容敏感程度，負(fù)面傾向性評(píng)價(jià)數(shù)量比例，傳播范圍等基本特征與指標(biāo)。計(jì)算歷史窗口下的信息增長(zhǎng)率、增長(zhǎng)梯度等變化程度，評(píng)估輿情信息的數(shù)據(jù)變化趨勢(shì)并制定預(yù)警級(jí)別。進(jìn)而，以數(shù)據(jù)挖掘?yàn)楹诵募夹g(shù)，應(yīng)用不同的數(shù)據(jù)模型方法，比如傳統(tǒng)的多元回歸、貝葉斯網(wǎng)絡(luò)、決策樹(shù)、支撐向量機(jī)等預(yù)測(cè)輿情發(fā)展趨勢(shì)。如果大于某閾值或符合預(yù)定模式，認(rèn)為需要預(yù)警，即從海量網(wǎng)絡(luò)數(shù)據(jù)中預(yù)判出潛在的危機(jī)隱患。

參考文獻(xiàn)

[1] 王鐵套，王國(guó)營(yíng)，陳越. 基于模糊綜合評(píng)價(jià)法的網(wǎng)絡(luò)輿情預(yù)警模型[J]. 情報(bào)雜志，2012， 31（6）：47-51.

[2] IRI網(wǎng)絡(luò)口碑研究咨詢(xún)機(jī)構(gòu)介紹及研究方法[EB/OL]. http：//www.baike.com/wiki/網(wǎng)絡(luò)輿情指數(shù)體系.

[3] 李雯靜，許鑫，陳正權(quán). 網(wǎng)絡(luò)輿情指標(biāo)體系設(shè)計(jì)與分析[J]. 情報(bào)科學(xué)，2009 （7）：986-991.

[4] 黃仁，張衛(wèi). 基于word2vec的互聯(lián)網(wǎng)商品評(píng)論情感傾向研究[J]. 計(jì)算機(jī)科學(xué)，2016（6）：387-389.

作者簡(jiǎn)介

劉曉亮（1979-），男，陜西西安人，講師，博士，南京政治學(xué)院信息管理系政治工作信息化教研室，研究方向：數(shù)據(jù)挖掘、輿情分析。