楊靜 朱莉薩 朱鎮(zhèn)遠(yuǎn)

摘 要：[目的]通過研究當(dāng)下網(wǎng)絡(luò)環(huán)境的具體情境，利用概率分析的方式判斷具體輿情所屬的案例類型，從而為網(wǎng)絡(luò)輿情危機(jī)響應(yīng)決策提供依據(jù)。[方法]使用貝葉斯網(wǎng)絡(luò)模型作為分析方法，構(gòu)建網(wǎng)絡(luò)輿情案例匹配的指標(biāo)體系和案例匹配模型。[結(jié)果]通過48個(gè)網(wǎng)絡(luò)輿情危機(jī)中的隨機(jī)43個(gè)事件作為訓(xùn)練數(shù)據(jù)，構(gòu)建貝葉斯網(wǎng)絡(luò)模型，使用剩余5個(gè)網(wǎng)絡(luò)輿情危機(jī)事件作為測試組，經(jīng)檢驗(yàn)測試樣本案例匹配結(jié)果與事實(shí)相符。[結(jié)論]本文通過構(gòu)建網(wǎng)絡(luò)輿情案例匹配的相關(guān)指標(biāo)體系和貝葉斯網(wǎng)絡(luò)模型，為對網(wǎng)絡(luò)輿情進(jìn)行分型，從而為輿情危機(jī)響應(yīng)提供了決策依據(jù)。

關(guān)鍵詞：網(wǎng)絡(luò)輿情;貝葉斯網(wǎng)絡(luò);案例匹配;模型

Abstract：[Purpose/Significance]According to the concurrent Internet circumstance，the paper proposed a method to classify certain internet public sentiment instance based on probability analysis.Therefore it provided knowledge which was need for decision making in Internet public sentiment crisis-response.[Method/Process]Using belief network，it constructed the Internet public sentiment index system and Internet public sentiment case matching model.[Result/Conclusion]Using 43 out of 48 Internet public sentiment crises as training data，trained the belief network.The remaining 5 crises were then used as test set.All 5 crises were labeled correct according to the belief network.[Conclusion]The Internet public sentiment index system and belief network could classify Internet public sentiment crisis correctly，therefore providing solid basis for decision making in public sentiment crisis-response.

Key words：Internet public sentiment;belief network;case matching;model

互聯(lián)網(wǎng)使得信息的采集、傳播、規(guī)模達(dá)到了空前的水平，全球的信息共享交互使得思想與意識形態(tài)的交匯碰撞更為頻繁，網(wǎng)絡(luò)空間中信息獲取和發(fā)布的低門檻也對輿論的監(jiān)管與響應(yīng)提出了新的挑戰(zhàn)。根據(jù)近期結(jié)束的中央黨校開班演講中習(xí)近平總書記提出的重要指導(dǎo)思想，“鞏固壯大主流輿論強(qiáng)勢”“加大輿論引導(dǎo)力度”“加快建設(shè)網(wǎng)絡(luò)綜合治理體系”“推動(dòng)依法治網(wǎng)”是我國現(xiàn)階段針對政治、意識形態(tài)領(lǐng)域所必須持續(xù)落實(shí)和貫徹的幾項(xiàng)重要措施。而在對網(wǎng)絡(luò)輿論的具體引導(dǎo)和響應(yīng)過程中，針對具體輿情，各級輿情監(jiān)管部門應(yīng)當(dāng)如何通過其外在表征，推斷其與歷史輿情案例的相似度，從而有針對性、有目的性地展開實(shí)時(shí)監(jiān)控響應(yīng)，尋找與其相匹配的應(yīng)對機(jī)制，是現(xiàn)階段網(wǎng)絡(luò)輿情研究的一大重要課題。

目前，針對具體網(wǎng)絡(luò)輿情響應(yīng)策略的研究多以案例分析為主，通過對某一具體輿情事件中監(jiān)管部門的應(yīng)對策略的分析，討論針對具體輿情事件的正確響應(yīng)策略?？紤]到單一案例分析并不能滿足輿情響應(yīng)策略的共性需求，近年來，國內(nèi)學(xué)者開始聚焦于網(wǎng)絡(luò)輿情響應(yīng)策略的定量分析，并取得了相應(yīng)的成果。運(yùn)用平均場方法，王治瑩等給出了系統(tǒng)的微分方程組模型。通過研究模型的平衡點(diǎn)和穩(wěn)定性，得到了政府所應(yīng)選擇的管控方向[1]。通過對網(wǎng)絡(luò)輿情時(shí)間關(guān)鍵指標(biāo)數(shù)據(jù)的仿真學(xué)習(xí)，張一文等通過建立網(wǎng)絡(luò)輿情態(tài)勢評估模型，對網(wǎng)絡(luò)輿情態(tài)勢進(jìn)行了評估和預(yù)測[2]?；?003年以來110起地方政府重大輿情危機(jī)的比對，劉銳的研究對影響我國地方政府重大輿情危機(jī)應(yīng)對效果的關(guān)鍵因素進(jìn)行了研究[3]。通過梳理2001-2016年之間發(fā)生的136個(gè)典型的涉官網(wǎng)絡(luò)輿情案例，原光等提出8個(gè)可能造成政府回應(yīng)速度差異的因素并進(jìn)行實(shí)證檢驗(yàn)[4]。徐建以網(wǎng)絡(luò)輿情危機(jī)案例庫為基礎(chǔ)，構(gòu)建包括知識表示、案例檢索、推理模型等方面的網(wǎng)絡(luò)輿情危機(jī)預(yù)警的案例推理模型[5]。李北偉等分析網(wǎng)絡(luò)意識形態(tài)的內(nèi)涵與特征，從意識形態(tài)的角度深入探討網(wǎng)絡(luò)輿情危機(jī)的形成因素，在此基礎(chǔ)上提出網(wǎng)絡(luò)輿情危機(jī)應(yīng)對的素養(yǎng)提升機(jī)制、危機(jī)監(jiān)管機(jī)制、輿情引導(dǎo)機(jī)制、媒體融合機(jī)制以及技術(shù)創(chuàng)新機(jī)制[6]。王高飛等構(gòu)建了移動(dòng)社交網(wǎng)絡(luò)輿情演化的動(dòng)力學(xué)模型，并結(jié)合案例對模型進(jìn)行仿真分析，以探索出有效的輿情應(yīng)對策略[7]?，F(xiàn)有研究中雖然對網(wǎng)絡(luò)輿情事件的響應(yīng)策略和輿情事件分型做出了定量研究，然而在構(gòu)建影響管控策略的指標(biāo)體系，對輿情事件進(jìn)行案例匹配這一方面的研究尚存空白。

本文針對新時(shí)代下對網(wǎng)絡(luò)輿情響應(yīng)的新要求，將貝葉斯網(wǎng)絡(luò)理論和網(wǎng)絡(luò)輿情案例匹配相結(jié)合，基于貝葉斯網(wǎng)絡(luò)的不定性因果關(guān)聯(lián)、不確定性問題處理能力、多源信息表達(dá)融合能力，提出了基于貝葉斯網(wǎng)絡(luò)建模的網(wǎng)絡(luò)輿情案例匹配模型。在通過對歷史網(wǎng)絡(luò)輿情案例的學(xué)習(xí)基礎(chǔ)之上，訓(xùn)練而得網(wǎng)絡(luò)輿情要素和各節(jié)點(diǎn)變量之間的條件概率。從而實(shí)現(xiàn)針對新的網(wǎng)絡(luò)輿情事件進(jìn)行案例分型，快速匹配應(yīng)對策略，為網(wǎng)絡(luò)輿情的危機(jī)響應(yīng)提供決策依據(jù)。

1 網(wǎng)絡(luò)輿情案例匹配貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建

在使用貝葉斯網(wǎng)絡(luò)作為底層數(shù)理模型的研究中，貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)是其研究的核心內(nèi)容。而針對貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建，必須首先確定包含層級、各節(jié)點(diǎn)內(nèi)容，網(wǎng)絡(luò)節(jié)點(diǎn)間的關(guān)聯(lián)關(guān)系并最終繪制表示節(jié)點(diǎn)關(guān)聯(lián)關(guān)系的有向無環(huán)圖[8]。以往的研究中，對于網(wǎng)絡(luò)輿情信息的傳播要素及運(yùn)行機(jī)理已經(jīng)進(jìn)行了較為詳盡的討論[9-10]。本文研究過程中，將結(jié)合前人研究中的節(jié)點(diǎn)選擇和網(wǎng)絡(luò)結(jié)構(gòu)，通過對訓(xùn)練數(shù)據(jù)的學(xué)習(xí)和現(xiàn)有輿情分型理論相結(jié)合，針對變量間的因果關(guān)系進(jìn)行測度，從而最終構(gòu)建網(wǎng)絡(luò)輿情案例匹配的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。

1.1 網(wǎng)絡(luò)輿情案例匹配貝葉斯節(jié)點(diǎn)選取

網(wǎng)絡(luò)輿情案例匹配的具體評價(jià)要素與輿情本身的傳播要素關(guān)系密切，因此，在網(wǎng)絡(luò)輿情案例匹配的貝葉斯節(jié)點(diǎn)選取中，本文以輿情的傳播要素作為基礎(chǔ)，構(gòu)建了以網(wǎng)絡(luò)輿情客體屬性、網(wǎng)絡(luò)輿情媒體傳播、網(wǎng)絡(luò)輿情主體結(jié)構(gòu)3個(gè)變量為準(zhǔn)則層的貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)結(jié)構(gòu)，如圖1所示。

1）網(wǎng)絡(luò)輿情案例客體屬性

網(wǎng)絡(luò)輿情案例的客體是引發(fā)網(wǎng)絡(luò)輿情的刺激物，網(wǎng)絡(luò)輿情的指向物，具體而言即是網(wǎng)絡(luò)輿情所包含的事件本身。在大數(shù)據(jù)環(huán)境下，網(wǎng)絡(luò)輿情客體主要有新聞事件、熱點(diǎn)現(xiàn)象、公共話題3類[9]。在確定網(wǎng)絡(luò)輿情客體對于網(wǎng)絡(luò)輿情案例所匹配的等級的影響時(shí)，主要考慮網(wǎng)絡(luò)輿情客體的屬性，具體而言則包括網(wǎng)絡(luò)輿情事件的級別、網(wǎng)絡(luò)輿情事件的時(shí)間跨度以及網(wǎng)絡(luò)輿情事件本身性質(zhì)3點(diǎn)。輿情事件的級別在這里專指輿情事件空間上的覆蓋度，一般而言空間覆蓋度越廣泛的輿情事件，其所匹配到的案例等級越高。輿情的時(shí)間跨度決定了其在時(shí)間上的覆蓋度，時(shí)間跨度越長的輿情事件，其前后所關(guān)聯(lián)到的輿情主體就越廣泛，整體事件等級也越高。事件的性質(zhì)決定了其在輿情空間中的討論熱度和主體的關(guān)注程度，事件性質(zhì)越嚴(yán)重的輿情事件，其所最終匹配到的事件等級也越高。

2）網(wǎng)絡(luò)輿情案例媒體傳播

網(wǎng)絡(luò)輿情的媒體，即是傳播的渠道、手段，是從傳播者到接受者之間的各種傳播方式的總稱。在大數(shù)據(jù)環(huán)境中，涉及媒體對于具體網(wǎng)絡(luò)輿情案例匹配等級的影響，主要考慮媒體的總體傳播效力，具體而言則包括了網(wǎng)絡(luò)輿情信息傳播量和網(wǎng)絡(luò)輿情信息傳播廣度兩點(diǎn)。輿情信息的傳播量指網(wǎng)絡(luò)空間中所有該輿情相關(guān)的原創(chuàng)信息、轉(zhuǎn)發(fā)、點(diǎn)贊及評論信息之和，總體而言，傳播信息量越大，同時(shí)在輿情持續(xù)期間內(nèi)單位時(shí)間信息量越大，代表輿情事件所受關(guān)注度越高，輿情事件所最終匹配到的等級也越高。輿情的傳播廣度在此主要指輿情在多種媒體平臺，尤其是傳統(tǒng)媒體和官方自媒體中所受到的關(guān)注度，其跨平臺的關(guān)注度越高，代表輿情事件被媒體的關(guān)注度更高，最終匹配到的事件等級也越高。

3）網(wǎng)絡(luò)輿情案例主體結(jié)構(gòu)

網(wǎng)絡(luò)輿情的主體，是指能夠在網(wǎng)絡(luò)空間中表達(dá)自身情緒、態(tài)度、意見等言論的主體。根據(jù)其身份性質(zhì)，可將其分為普通網(wǎng)民、意見領(lǐng)袖和監(jiān)控主體3類。在考慮網(wǎng)絡(luò)輿情主題對于其最終案例匹配的影響時(shí)，主要考慮的是主題內(nèi)部結(jié)構(gòu)的復(fù)雜程度對于輿情事件的影響，具體而言則可分為輿情主體的觀點(diǎn)極化程度、輿情主體本身的情感傾向和監(jiān)控主體的響應(yīng)3個(gè)方面。主體觀點(diǎn)的極化，指的是輿情主體內(nèi)部所持觀點(diǎn)數(shù)量的多少，以及多個(gè)觀點(diǎn)中主流觀點(diǎn)的占比的高低程度，輿情主體所持的觀點(diǎn)數(shù)量越多，主流觀點(diǎn)的占比越少，則說明輿情主體內(nèi)部觀點(diǎn)分化嚴(yán)重，難以達(dá)成統(tǒng)一觀點(diǎn)，其產(chǎn)生輿情危機(jī)的可能性也越高，輿情事件所匹配到的等級也相應(yīng)提高。主體觀點(diǎn)情感傾向則指總體而言輿情主體的情感是偏向于正向或負(fù)向，輿情主體的情感越偏向于負(fù)面情感，則說明輿情主體對于輿情事件本身或相關(guān)輿情責(zé)任主體抱有更偏激、非理性的情緒，其醞釀輿情危機(jī)的可能性也越高，從而輿情事件匹配到更高的輿情案例等級。監(jiān)控主體響應(yīng)指輿情監(jiān)控主體對于輿情事件是否存在響應(yīng)行為以及響應(yīng)的速率，輿情事件如果能夠得到及時(shí)的響應(yīng)，其最終產(chǎn)生的后續(xù)影響則更小，匹配到的輿情案例等級則越低。

1.2 網(wǎng)絡(luò)輿情案例匹配貝葉斯網(wǎng)絡(luò)構(gòu)建

通過上述對于網(wǎng)絡(luò)輿情案例匹配貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)分析，以前后因果關(guān)系作為依據(jù)，構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

網(wǎng)絡(luò)輿情案例匹配貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)是一個(gè)有向無環(huán)的概率圖[11]，其中玩過網(wǎng)絡(luò)輿情案例匹配等級是頂層父節(jié)點(diǎn)，其非空概率事件集包括E1、E2、E3，皆為其子節(jié)點(diǎn)。節(jié)點(diǎn)E1客體屬性的非空概率事件集包括子節(jié)點(diǎn)I1、I2、I3，節(jié)點(diǎn)E2媒體傳播的非空概率事件集包括子節(jié)點(diǎn)I1、I2、I3，節(jié)點(diǎn)E2客體屬性的非空概率事件集包括子節(jié)點(diǎn)I4、I5，節(jié)點(diǎn)E3客體屬性的非空概率事件集包括子節(jié)點(diǎn)I6、I7、I8。

在參考了以往網(wǎng)絡(luò)輿情案例匹配指標(biāo)的基礎(chǔ)上，構(gòu)建了如表1所示的指標(biāo)體系：

各二級指標(biāo)具體含義如下所示：

1）事件級別：該二級指標(biāo)數(shù)據(jù)來源于專家評價(jià)。根據(jù)專家閱讀輿情分析報(bào)告后的判別，將某一特定輿情事件標(biāo)注為地方性輿情事件、省級別輿情事件或國家級別輿情事件。針對同一事件，不同專家所得出的定性可能存在不同，按照該事件專家意見比例將其可能性分為“低”“中”“高”3類，其對應(yīng)閾分別為[0，0.33]、[0.33，0.66]、[0.66，1]。

2）事件時(shí)間跨度：該二級指標(biāo)來源于數(shù)據(jù)統(tǒng)計(jì)。輿情事件跨度指的是輿情從爆發(fā)期至進(jìn)入消散期的時(shí)間間隔，這一部分的數(shù)據(jù)處理采用和S1、S2、S3這3項(xiàng)三級指標(biāo)同樣的處理方法，以專家意見比例將其分為低中高3類。

3）事件性質(zhì)：該二級指標(biāo)的前4項(xiàng)三級指標(biāo)同樣來源于專家評價(jià)，最后一項(xiàng)事件傷亡人數(shù)來源于數(shù)據(jù)統(tǒng)計(jì)。不同于事件級別這一二級指標(biāo)，當(dāng)同一輿情事件中不同專家給出不同定性時(shí)，采取專家意見最為集中的一項(xiàng)作為事件性質(zhì)定性，記為“是”，其余3類事件類型均記為“否”。針對傷亡人數(shù)，在20人以上的記為“大量”，5～20人記為“中”，5人以下記為“低”。

4）傳播信息量：該二級指標(biāo)前3項(xiàng)來源于數(shù)據(jù)統(tǒng)計(jì)，而第4項(xiàng)中“單位時(shí)間內(nèi)信息量”為總體輿情信息量除以事件時(shí)間跨度。每日輿情信息量超過3 000條以上記為“高”，1 000～3 000條記為“中”，1 000條以下記為“低”。事件轉(zhuǎn)發(fā)總數(shù)和事件評論總數(shù)的高低則由專家打分得出。

5）傳播廣度：該指標(biāo)下前兩個(gè)三級指標(biāo)來源于數(shù)據(jù)統(tǒng)計(jì)，針對全國范圍內(nèi)的傳統(tǒng)媒體和官方自媒體（如地方及以上級別電視臺、紫光閣、共青團(tuán)微博等），對該輿情事件有所報(bào)道的則記為“是”，反之記為“否”。

6）主體觀點(diǎn)極化：該二級指標(biāo)數(shù)據(jù)來源于數(shù)據(jù)統(tǒng)計(jì)，總體觀點(diǎn)數(shù)超過6個(gè)以上的記為“多”，3～6的記為“中”，3個(gè)以下的記為“少”。而總體觀點(diǎn)中，數(shù)量最多的前兩類被視為該輿情時(shí)間中輿情信息的主流觀點(diǎn)，主流觀點(diǎn)占比超過70%的記為“高”，40%～70%記為“中”，40%以下記為“低”。

7）主體觀點(diǎn)情感：觀點(diǎn)情感指標(biāo)數(shù)據(jù)來源于數(shù)據(jù)統(tǒng)計(jì)，無論正面或負(fù)面情感，總體輿情信息量超過總量60%以上的記為“高”，40%～60%的記為“中”，40%以下記為“低”。

8）監(jiān)控主體響應(yīng)：不同于S19官方自媒體的報(bào)道，監(jiān)控主體主要針對的是輿情事件發(fā)生所在地的相關(guān)責(zé)任機(jī)構(gòu)是否有對該事件在社交媒體中予以正面回應(yīng)。有所回應(yīng)的記為“是”，反之則記為“否”。輿情監(jiān)控響應(yīng)速率，則根據(jù)首次正面回應(yīng)發(fā)生在輿情事件發(fā)生后多久來決定。8小時(shí)以內(nèi)的記為“迅速”，8～24小時(shí)以內(nèi)的記為“中等”，24小時(shí)以上的記為“緩慢”。

同時(shí)，將輿情案例根據(jù)所需引導(dǎo)管控的程度，分為以下4種類型，針對后續(xù)貝葉斯網(wǎng)絡(luò)訓(xùn)練時(shí)的輿情案例等級，也采用專家評分的方式進(jìn)行：

1）強(qiáng)制干預(yù)類輿情，該類輿情危害極大，輿情監(jiān)控主體必須進(jìn)行強(qiáng)制管控才能解決輿情事件的類型。此類案例的管控方式與結(jié)果在輿情案例庫中具有極高的參考價(jià)值。

2）軟控制類輿情，該類輿情危害適中，但需要政府采取正面發(fā)聲進(jìn)行引導(dǎo)，結(jié)合多種手段對事件進(jìn)行干預(yù)，才能夠解決輿情事件的類型。該類輿情案例的管控方式與管控結(jié)果在輿情案例庫中具有較高的參考價(jià)值。

3）媒體干預(yù)類輿情，該類型輿情危害較弱，不需要政府對其直接發(fā)聲進(jìn)行引導(dǎo)，但是需要多種媒體提供輔助性干預(yù)，并適當(dāng)選擇意見領(lǐng)袖對輿情事件進(jìn)行正確引導(dǎo)。該類輿情案例的管控方式與管控結(jié)果在輿情案例庫中具有一定的參考價(jià)值。

4）無需干預(yù)類輿情，該類輿情不需要進(jìn)行監(jiān)控主體對其進(jìn)行干預(yù)。該類輿情的具體信息和管控方式在輿情案例庫中的參考價(jià)值較低。

2 網(wǎng)絡(luò)輿情案例匹配模型實(shí)證

2.1 數(shù)據(jù)采集

針對先驗(yàn)概率的訓(xùn)練，是網(wǎng)絡(luò)輿情案例匹配貝葉斯網(wǎng)絡(luò)模型的基礎(chǔ)。本文采用Netica軟件對貝葉斯網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過針對現(xiàn)有輿情案例的相關(guān)數(shù)據(jù)進(jìn)行學(xué)習(xí)，獲得貝葉斯網(wǎng)絡(luò)的各節(jié)點(diǎn)的條件概率。樣本數(shù)據(jù)集和測試數(shù)據(jù)則通過以下兩種方式進(jìn)行采集：1）八爪魚網(wǎng)絡(luò)爬蟲軟件和人工采集，從微博、微信公眾號、今日頭條和部分新聞網(wǎng)站上對輿情事件進(jìn)行采集;2）專業(yè)輿情分析網(wǎng)站“蟻坊軟件”上的輿情事件報(bào)告。最終共采集到48起輿情事件。其中43起輿情事件作為訓(xùn)練數(shù)據(jù)對貝葉斯網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并將“沈陽醫(yī)院騙保事件”“重慶公交車墜江事故”“北大醫(yī)院醫(yī)生被打事件”“范冰冰逃稅門事件”“浙江溫州未成年人女德班”這5起輿情事件作為測試集進(jìn)行模型驗(yàn)證。

同時(shí)，為了對貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)中需要專家評測的數(shù)據(jù)進(jìn)行采集，本研究邀請了9位對網(wǎng)絡(luò)輿情響應(yīng)和貝葉斯網(wǎng)絡(luò)理論十分熟悉的專家構(gòu)成了專家組，通過小組討論的方式進(jìn)行了專項(xiàng)問卷調(diào)查。專家組亦負(fù)責(zé)對網(wǎng)絡(luò)訓(xùn)練結(jié)果的測評和優(yōu)化。

2.2 數(shù)據(jù)處理與分析

在Netica中構(gòu)建了網(wǎng)絡(luò)輿情案例匹配的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，將手工采集、網(wǎng)絡(luò)爬蟲、專家打分的訓(xùn)練集數(shù)據(jù)作為邊緣概率集錄入軟件中，網(wǎng)絡(luò)輿情案例匹配模型的邊緣概率表如表2所示。使用Netica軟件學(xué)習(xí)邊緣概率后，得到條件概率集，其最終訓(xùn)練出的貝葉斯網(wǎng)絡(luò)結(jié)果如圖3、圖4所示。

網(wǎng)絡(luò)輿情案例的復(fù)雜關(guān)聯(lián)度通過貝葉斯網(wǎng)絡(luò)的條件概率集得以凸顯，由于各層級、各節(jié)點(diǎn)之間處于動(dòng)態(tài)關(guān)聯(lián)，當(dāng)出現(xiàn)新的訓(xùn)練數(shù)據(jù)時(shí)，可以根據(jù)概率進(jìn)行重新學(xué)習(xí)計(jì)算。

2.3 模型驗(yàn)證

訓(xùn)練完成后的貝葉斯網(wǎng)絡(luò)，以“沈陽醫(yī)院騙保事件”“重慶公交車墜江事故”“北大醫(yī)院醫(yī)生被打事件”“范冰冰逃稅門事件”“浙江溫州未成年人女德班”這5起輿情事件作為測試集進(jìn)行模型驗(yàn)證。以沈陽醫(yī)院騙保事件為例，其具體各項(xiàng)邊

緣概率如下所述：1）事件級別：9位專家中的7位將該事件定義為地方性事件，2位將其定義為省級別輿情事件，因此對應(yīng)的S1～S3項(xiàng)邊緣概率為高、低、低。2）事件時(shí)間跨度：該事件自2018年11月14日起爆發(fā)輿情，至11月21日國家醫(yī)療保障局召開打擊欺詐片區(qū)醫(yī)療保障基金專項(xiàng)行動(dòng)發(fā)布

圖4 網(wǎng)絡(luò)輿情案例匹配貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)E1的條件概率表

會，公布了專項(xiàng)行動(dòng)舉報(bào)電話，輿情隨之平息。根據(jù)專家評分法，9名專家中的9人將其認(rèn)定為短期輿情事件，因此S4～S6邊緣概率分別為高、低、低。3）事件性質(zhì)：9名專家中的9人將其認(rèn)定為公共衛(wèi)生類輿情事件，且該事件中并未出現(xiàn)人員傷亡，因此S7～S11邊緣概率分別為否、否、是、否、低。4）信息傳播量：根據(jù)蟻坊軟件提供的輿情報(bào)告，該事件輿情信息量達(dá)到十萬級別，每日輿情信息量為3 000條以上，與之相關(guān)的事件評論轉(zhuǎn)發(fā)綜述根據(jù)專家評分記為高和中。因此S12～S17的邊緣概率分別為否、是、否、高、高、中。5）針對該輿情事件，各地方電視臺和官方自媒體均有所報(bào)道，因此S18～S19的邊緣概率為是、是。6）該輿情事件中，網(wǎng)民共形成6類主要觀點(diǎn)，其中最主要的前兩項(xiàng)觀點(diǎn)分別為“對騙保行為表示憤怒”和“反應(yīng)其他地區(qū)騙?，F(xiàn)象”，分別占比35%和22%，因此觀點(diǎn)總數(shù)記為“中”，主流觀點(diǎn)占比記為“中”。7）該事件中，網(wǎng)民的正面觀點(diǎn)占比為27%，負(fù)面情感觀點(diǎn)占比為47%，因此分別記為“低”“中”。8）針對該事件，沈陽市政府與2018年12月15日凌晨迅速回應(yīng)，涉事醫(yī)院也接連被停業(yè)，因此監(jiān)控主體回應(yīng)記為“有”“迅速”。

最終，根據(jù)貝葉斯網(wǎng)絡(luò)條件概率，得出了該輿情事件的客體屬性有85.1%的概率屬于“嚴(yán)重”，媒體傳播效力有50.6%的概率屬于“廣泛”，主體結(jié)構(gòu)則有45.7%的概率屬于“復(fù)雜”的結(jié)論。同時(shí)最終匹配案例類型結(jié)果顯示，該輿情時(shí)間有64.3%的概率屬于Case2軟控制類輿情案例，該類輿情事件危害適中，需要政府在正面發(fā)聲的同時(shí)結(jié)合多渠道多重手段進(jìn)行干預(yù)，才能較好地平息輿情危機(jī)。該分類結(jié)果與9名專家的分類結(jié)果一致。該事件通過網(wǎng)絡(luò)輿情案例匹配貝葉斯網(wǎng)絡(luò)的具體分類結(jié)果如圖5所示。