基于情感分析的突发公共卫生事件网络舆情热度预测模型仿真.docxVIP

?

?

基于情感分析的突发公共卫生事件网络舆情热度预测模型仿真

?

?

牟冬梅靳春妍邵琦

DOI：103969/j.issn.1008-0821.2021.10.007

[]G202[]A[]1008—0821（2021）10—0059—08

社交网络的重要载体“三微一端”承载了公众情感表达及舆论传播的重要功能。由于突发公共卫生事件涉及公众的健康和生命安全问题，公众对此类信息更为敏感、关注度更高，所以在突发公共卫生事件发生后，真假难辨的信息极易加剧公众的恐慌形成持续发酵的网络舆情。近年来，突发公共卫生事件网络舆情频频发生，突发公共卫生事件也成为网络舆情研究的焦点之一。

网络舆情研究的关注对象通常为公共事件领域的新闻及其评论以及电子商务领域的产品或服务评论，其主要研究内容是对关注对象的文本内容、行为属性、形成机理、传播规律等进行深入分析。舆情预测是实现网络舆情监控的重要环节，对于网络舆情分析具有重要的意义，也是网络舆情领域的重要组成部分。网络舆情在大量的网络数据之中具有延续性、交互性和演化性，有一定的可预测性。网络舆情在短时间内会大规模、快速地扩散，从风险的社会放大理论看，如果突发公共卫生事件网络舆情处理不当，容易诱发民众的不良情绪，导致涟漪效应，引爆舆情危机。建立合适的预测模型来仿真网络舆情的热度，相关部门就可以尽快掌握社情民意，及时发现工作中存在的不足和对问题矛盾出现的影响，对负面声音进行正确引导，这对于政府相关部门有效监管网络舆情、维护社会稳定具有一定的重要意义。突发公共卫生事件网络舆情的发生，往往是因为公众对舆情趋势的未知而造成恐慌蔓延，安全感缺失更加重公众的焦虑恐慌情绪，用户在网络平台上通过情感词充分表达自身的情感，又由于网络舆情的否定多于肯定，激情压倒理性的特征，负面的情感推动舆情不断发酵，加剧了突发公共卫生事件网络舆情的监管难度。

因此，本研究将情感因素引入网络舆情热度预测依据之中，针对突发公共卫生事件构建网络舆情热度预测模型并进行仿真。研究将解决以下两个问题：①构建基于情感分析的突发公共卫生事件网络舆情热度预测模型，以期优化突发公共卫生事件网络舆情热度的预测效果;②在理论模型的指导下，以“×××疫苗造假”事件为例进行模型仿真，验证理论模型的有效性和可行性，评价加入情感值的网络舆情热度预测效果。

1相关研究

目前，国内外学者对网络舆情预测的研究大多采用的是时间序列分析或者灰色理论。舆情预测与时间序列分析相结合的研究方法，一种是利用历史网络舆情热度来进行网络舆情预测，历史网络舆情热度的测量多选择百度指数、发文量等;另一种是针对网民的各类情感倾向性伴随时间的转移所发生的变化来进行研究的。梳理舆情预测与灰色理论相结合的研究成果发现，一种是仅通过舆情方面的单一观测值来实现网络舆情的预测研究;另一种是利用多种网络舆情观测值来实现网络舆情的预测研究。张和平等选用百度指数作为舆情热度的衡量指标，利用马尔可夫修正灰色模型的预测结果。王宁等分别以微指数、百度指数、头条指数作为事件热度的衡量指标，运用灰色模型实现预测并运用灰色关联分析方法提出网络舆情事件分级方案，还有学者选取多个指标数据建立多因素灰色模型，并利用BP神经网络对多因素灰色模型的预测残差进行修正，实现网络舆情的精确预测。

网络舆情预测的方法还包括Logistic模型、模糊综合评价法、马尔科夫链、BP神经网络、组合预测等。有学者基于灰色关联度方法构建网络舆情热度模型，并在此基础上构建多维度Logistic模型对各个媒体平台舆情信息开展预测。ChenXG等采用粗糙集理论筛选舆情指标体系，通过层次分析法确定指标权重，引入模糊综合评价法预测和评估舆情发展趋势。刘勘等采用马尔科夫链对网络舆情热度进行预测，结果表明，建模方法和预测算法是有效的。曾子明等在構建微博舆情热度评价指标体系的基础之上，建立了基于BP神经网络的突发传染病舆情热度趋势预测模型。还有学者将常用的Logistic模型、指数平滑法模型和灰色模型结合在一起，通过层次分析法进行权重赋值后得到最优化网络舆情数据的预测值。

对近年来国内外相关文献进行梳理，发现目前国内外学者的网络舆情预测研究尚处于探索阶段，已有的舆情预测研究多采用时间序列分析或者是灰色理论来实现研究目的。网络舆情热度预测是网络舆情预测的子类。网络舆情预测不仅包括网络舆情热度预测，还包括话题演化预测、观点预测等。在网络舆情热度预测的相关研究中，鲜有研究人员在网络舆情热度预测模型仿真中引入情感因素。鉴于突发公共卫生事件的影响力大、危害程度高、更容易使网络舆情发酵，结合上文所述，考虑到网民情感对网络舆情传播的影响作用，纳入情感因素不仅能够从理论上优化舆情热度预测模型的精准度，也具有一定的现实意义，为舆情应对及监测提供管控依据。因此，本研究将情感