夏一雪 张立红 何 巍 张双狮

(中国人民警察大学网络舆情治理研究中心 廊坊 065000)

0 引 言

随着网络社会深入发展，网络舆情不仅是现实社会的全息投影，更在虚拟与现实的高度交互中趋向于自我进化、自我发展，其作为一个系统的整体性属性日益突出，以系统视角审视网络舆情，是该领域的重要研究趋势。安全与发展是网络舆情系统的一体两面，防范化解安全风险是促进网络舆情健康发展的基础和保证，因此需探索风险对于网络舆情系统的作用机理，明晰内生、外生等不同类型风险作用于网络舆情系统后，对系统演化的不同影响等深层机理，为防范化解安全风险提供理论依据。

国内网络舆情演化研究，主要分为内部演化机理分析和外部演化态势分析两大研究方向。一是内部演化机理分析，大量研究成果集中于这一研究方向，包括演化要素、演化过程、演化动力学机制、演化路径、演化趋势预测、演化仿真等研究主题，主要运用传染病模型及其改进模型[1]、系统动力学[2]、元胞自动机模型[3]、观点动力学模型[4]、信息传播模型[5]、事理图谱[6]、复杂网络分析[7]、扎根理论[8]等研究方法。二是外部演化态势分析，包括态势可视化分析、态势评估、演化时空分析等研究主题，主要运用主题分析、情感分析等自然语言处理技术和方法[9-10]、深度学习等机器学习技术和方法[11]。目前针对风险视角下网络舆情演化机理，已有研究集中于舆情演化不同阶段的风险特征、风险识别、风险评估和风险治理，研究方法主要是灰色统计法[12]、层次分析法[13]、系统动力学[14]、等级全息建模[15]等，研究重点在于刻画舆情不同阶段的风险演化机理、构建舆情演化周期各阶段的风险指标体系等，其实质是风险的演化机理。而风险作用于舆情后，对于舆情演化的影响机理，仍有待深入研究。

综合而言，一方面已有研究主要考虑舆情主体、信息等因素在演化过程中的作用机理，较少考虑各种内外部因素作为风险因素对舆情演化的影响，但在实际舆情演化过程中，各种内外部风险因素对舆情演化具有重要影响，并改变舆情演化进程。因此有必要考察内生、外生等不同类型风险作用于网络舆情系统后，对系统演化的不同影响等深层机理。另一方面，已有舆情风险研究中，主要考虑风险自身的演化机理，较少考虑风险作用后对舆情系统原有演化规律带来的影响及其影响机理。由此，本文聚焦于风险作用下的网络舆情演化机理，将舆情风险分为内生风险和外生风险，应用自治系统与非自治系统理论进行研究，并以自治线性风险为例，重点分析自治线性风险作用下的舆情演化特征，为深入解析舆情演化规律、开展舆情风险治理提供新的研究视角。

1 风险作用下网络舆情演化机理

网络舆情是网民围绕某一话题进行表达、传播、互动而产生的观点和态度的集合，其呈现形态是网民发布、转发、评论等信息，舆情信息是网络舆情传播演化的载体，而舆情信息量则成为度量舆情演化程度的重要变量。根据信息生命周期理论，网络舆情演化经历酝酿、扩散、消退等阶段，将其信息量的统计数据进行累加后，具有明显的“S型”数据特征(见图1)。通过开展数学建模，可以定量地将网络舆情演化过程划分为若干阶段[16]，这与信息生命周期理论相吻合。

图1 “新型冠状病毒”舆情数据

网络舆情演化过程中，受信息异化、情感极化等原因的影响，极易产生风险，使得舆情演化偏离正常状态。网络舆情风险即导致舆情演化偏离常态规律的因素，按照风险来源于舆情系统内部或者外部，可将舆情风险分为内生风险和外生风险，其中内生风险产生、演化与系统自身相关，外生风险产生、演化与系统外部因素相关。风险的主要特征是未知和不确定，在网络舆情演化全周期中，风险作用的时间点是不确定的，但风险对舆情的影响却是确定的，即强化影响和弱化影响。在网络舆情演化过程中，假设风险作用点为t0时刻。时间点t0之前，舆情演化为正常状态，风险处于酝酿阶段。时间点t0之后，风险激发，进入风险作用阶段，导致产生网络舆情强化或者弱化两种状态，前者信息量上限增加且信息增长速度变快，后者则信息量上限变小且信息增长变缓(图2)。

图2 风险作用下网络舆情演化过程

2 风险作用下网络舆情演化建模

2.1风险作用下网络舆情演化模型

2.1.1 基础模型 基于网络舆情定义，假设某个网络舆情的信息量和值x(简称舆情信息量)是关于时间t的连续可微函数，即x=x(t)，则网络舆情演化过程可以用logistic模型描述，即

(1)

其中，r>0为网络舆情信息量增长率，初值为x0，信息量上限为K。根据风险作用下网络舆情演化机理，可以得出风险作用量化机理(图3)：

图3 风险作用量化机理

表1 风险作用类型

由于外部作用的不确定性以及非线性表达式难以确定等原因，下文重点讨论f(x)=ax时，自治风险作用下网络舆情演化规律(简称自治线性风险)，由此得出自治线性风险作用下网络舆情演化模型为：

其中，t0为风险作用时刻，系数a>0为风险强度，+a对应舆情强化状态，-a对应舆情弱化状态。令r=r1=0.5,K=1000,x0=1,a=±0.0004,t0=15，绘制风险作用下网络舆情演化模型数值解图像(图4)，观察发现：模型解与风险作用下网络舆情演化机理的定性认识相一致，能够清晰看出风险作用后，舆情强化(xs)和弱化(xw)两种状态以及偏离正常状态(xn)的程度。

图4 模型数值解

表2 风险作用前后舆情演化对比数据

3 风险作用下网络舆情演化仿真

3.1仿真设计考虑到风险作用于网络舆情演化的不同阶段对舆情演化的影响程度不同，本文通过数值仿真研究不同阶段风险作用下网络舆情演化规律。考虑到信息量单调递增的假设条件，所以，

图5 模型仿真思路与参数设置

图6 分阶段舆情强化状态仿真

图7 分阶段舆情弱化状态仿真

3.4仿真结论a.自治线性风险作用下，网络舆情演化本质是两条“S型”曲线的拼接，结合点就是风险作用点。

b.自治线性风险作用下，风险作用时间点t0起始于舆情演化的不同阶段，对舆情演化的影响存在差异性。其中强化状态下风险作用于消退期，对舆情演化周期影响显著，导致网络舆情二次爆发。

c.自治线性风险作用下，潜伏期和扩散期的网络舆情演化总体来说是平稳的，但消退期的舆情强化状态对应的“双S”曲线具有明显的数据波动特征，由此可以得出一种数据驱动的网络舆情风险推断方法：根据潜伏期和扩散期的数据确定上限K和r，然后根据实时动态数据持续计算模型上限得到K'，当K和K'差距不大时，可认为无风险作用；当两者差距很大时，则可能有自治线性风险作用。

4 实证研究

4.1实证来源2020年1月31日，多家媒体发布上海药物所和武汉病毒所联合研究发现双黄连抑制病毒引发较高关注，“双黄连可抑制新型冠状病毒”相关话题阅读量超过20.9亿人次，随后引发对双黄连的疯狂抢购，双黄连抢购事件被中国健康传媒集团《舆情周刊》评为2020年十大药品舆情事件。由该事件诱发的双黄连舆情极速扩散，导致双黄连滥用风险、线下抢购双黄连可能增加交叉感染风险、抢购信息急速传播导致的信息异化风险以及中医药负面影响风险等系列风险，所以，该事件成为常态双黄连药品舆情的风险事件。基于此，本文以双黄连百度搜索数据作为建模数据，探究双黄连抢购事件对双黄连药品舆情的影响。

分析百度搜索数据发现，：2020年1月31日之前，9年的双黄连搜索指数整体变化趋势较为平稳，但经历双黄连抢购事件后，搜索指数迅速增加，在一段事件后又回归于相对平稳的变化状态，由此可见，抢购事件对双黄连的搜索指数造成巨大影响，属于舆情被强化的情况。为确定风险作用程度，本文选取数据区间为2020年1月19日—2020年2月14日(图8)，以此开展数据建模并验证本文建模的合理性。

4.2实证思路根据实证案例分析，将数据区间(2020年1月19日—2020年2月14日)划分为两个阶段(图9)，第一阶段为常态数据区间(区间I)：2020

图8 建模数据

图9 实证思路

自2020年2月1日(风险介入第二天)后开展动态预测，研究风险对网络舆情演化的影响程度(拟合数据见表3)。

表3 动态预测拟合数据表

5 结束语

通过分析风险作用下网络舆情演化过程，以logistic模型为基础模型，构建自治线性风险作用下网络舆情演化模型，通过仿真探索自治线性风险作用下网络舆情演化特征，明晰自治线性风险对于网络舆情的强化和弱化机理及其在不同演化阶段的影响差异性，并通过实证验证模型合理性。本文在以下两个方面对网络舆情演化研究有理论贡献：一是通过数理建模刻画了风险作用下网络舆情演化机理，并重点研究了自治线性风险作用下网络舆情演化规律；二是从动态演化视角，分阶段进行风险作用下网络舆情演化研究，精细刻画不同阶段的演化特征。限于篇幅，在提出自治风险和非自治风险后，仅对自治线性风险进行深入研究，未来仍需拓展至自治非线性风险和非自治风险，进一步丰富风险作用下网络舆情演化的理论研究。