韓莉莉，李明遠

(1.曲阜師范大學 管理學院，山東 日照 276826；2.俄羅斯 伊爾庫茨克國立理工大學)

0 引言

中國互聯網網絡信息中心(China internet network information center，CNNIC)統(tǒng)計數據表明，截至2021年12月，我國網民規(guī)模為10.32 億，互聯網普及率達到73.0%。其中，手機網民人數達10.29億，手機上網比例為99.7%。微博、微信、短視頻等自媒體的發(fā)展為大眾通過網絡發(fā)布言論和分享信息提供了平臺。自媒體的飛速發(fā)展增加了大眾參與社會發(fā)展、表達個人意愿的機會，各種自媒體平臺成為了公共信息集散地。

當前自媒體還處于成長期，相關法律法規(guī)主要針對平臺的規(guī)范和監(jiān)管。自媒體平臺上每個人都可以表達自己想法，而網絡自身的隱匿性又給有些自媒體人留下了“隨心所欲”的空間，從而使得自媒體信息存在良莠不齊、可信度低等問題[1]。輿情是民意的一種綜合反映，涉及公眾對社會生活中各個方面的問題尤其是熱點問題的公開意見或情緒反應[2]。社會生活的一件小事甚至是謠言等負面信息在自媒體上也可能會引起大量網民共情，如果不及時監(jiān)測、評估和回應，很快就會形成輿論風波，甚至演變?yōu)檩浨槲C。對于輿情危機對經濟生活、政府公信力以及公共管理秩序造成的危害，后期需要消耗大量的生活資源來處理。

網絡輿情的研究吸引了很多學者的目光，他們提出了大量的研究輿情指標和輿情監(jiān)測模型的理論和方法[3-14]。鑒于自媒體自身的特點，自媒體網絡平臺言論更為自由，偶發(fā)性更高，傳播更為隱匿，傳播速度更為迅速，信息真實性更加不可控，極容易形成大量網絡輿情。對大量的網絡輿情在初始階段進行引導和做出預案，要耗費大量的人力、物力和財力。對輿情做好預評估，就變得非常必要。本文在分析自媒體網絡輿情信息指標因素的基礎上，構建了基于中智集的自媒體網絡預警模型。根據輿情信息輿情演化程度提前進行評估，為做好相關輿論早期引導和處理預案提供方法支持。

1 基于中智集的自媒體輿情預警模型構建

由于輿情信息、評價環(huán)境以及決策人思維的復雜性和專家認知能力的有限性，專家的決策信息往往表現為模糊而且不完全、不確定、不一致。Zadeh[15]于1965年提出了模糊集理論，借助隸屬度函數來描述模糊信息，但是直覺模糊集無法處理現實評價問題中廣泛存在的不確定和不一致信息。例如，在投票過程中，30%贊成，20%不贊成，10%棄權，40%中立或者不確定；在一些調查問卷的多項選擇中，如選項有正確、錯誤、不確定。受決策環(huán)境以及決策者個人的認知能力等因素的影響，決策者可能在正確和不確定兩個選項中猶豫，可能會同時選擇兩者，最終出現的統(tǒng)計結果中正確的比率為 0.5，錯誤的比率為 0.4，不確定的比率為0.3。在這種情形下，決策信息就出現了不一致。為了解決現實決策問題中廣泛存在的不一致和不確定性信息，Wang和Smarandache等[15-18]基于中智集理論從技術角度提出了一種單值中智集概念，并討論了其相關運算規(guī)則和性質。同模糊集等理論相比，中智集理論增加了獨立的不確定性度，是模糊集和直覺模糊集的一種擴展和一般化。在中智集理論中，決策者可以使用隸屬度、非隸屬度和不確定性度來描述對客觀事物的評價，能夠更好地表達模糊信息，從而解決實際決策問題。

本文將單值中智集及其相關理論用于自媒體輿情評估系統(tǒng)中，進行相關輿情的預警等級評價，實現輿情預警目的。該模型由以下部分組成：首先，確定相關輿情指標因素；其次，確定輿情預警目標方案；最后，利用基于離平均方案(平均解)距離測度(evaluation based on distance from average solution，EDAS)的方法對各目標方案進行評價排序。

1.1 自媒體網絡輿情指標體系構建

通過對現有相關指標體系文獻的研究[1，2，7，8，9]，結合自媒體以及自媒體受眾的特點，自媒體輿情形成與信息的社會背景和表現形式密切相關，在早期輿情預警處理時必須考慮到這兩個屬性。結合多屬性決策方法的特點以及指標的有效性和實用性要求，本文篩選出輿情社會背景、輿情性質、媒體情緒、輿情傳播速度、輿情信息表現形式5個關鍵指標進行輿情評估，指標集記為C={c1，c2，c3，c4，c5}，建立如圖1所示的輿情預警指標體系。

圖1 輿情指標體系

1.2 自媒體網絡輿情評價目標方案集

根據輿情信息處理需要，本文將輿情等級分為5級，分別為極輕微α1、很輕微α2、一般α3、嚴重α4、極嚴重α5，構成輿情預警模型的目標方案集，記為α={α1，α2，α3，α4，α5}。

1.3 單值中智集定義及相關性質

1.3.1 單值中智集的定義及相關運算規(guī)則

定義1[16]設X為一對象集，若A={x(TA(x)，IA(x)，FA(x))|x∈X}，則A稱為單值中智集。其中TA(x)、IA(x)、FA(x)分別表示隸屬度、不確定度和非隸屬度，并且TA(x)、IA(x)、FA(x)∈[0，1]，0≤TA(x)+IA(x)+FA(x)≤3。

對于單值中智集中任意一個元素x，我們將其稱為“單值中智數”并將其簡記為x=(Tx，Ix，Fx)。

定義2[17]若任給中智數xi=(Ti，Ii，Fi)，xj=(Tj，Ij，Fj)，相關運算規(guī)則定義如下：

(1)xi⊕xj=(Ti+Tj-TiTj，IiIj，FiFj)

(2)xi?xj=(TiTj，Ii+Ij-IiIj，Fi+Fj-FiFj)

(3)λxi=(1-(1-Ti)λ，(Ii)λ，(Fi)λ)，λ>0

(4)(xi)λ=((Ti)λ，1-(1-Ii)λ，1-(1-Fi)λ)，λ>0

上述運算規(guī)則同時具備如下性質：

(1)xi⊕xj=xj⊕xi

(2)xi?xj=xj?xi

(3)λ(xi⊕xj)=λxi⊕λxj，λ>0

(4)(xi?xj)λ=(xi)λ?(xj)λ，λ>0

(5)(λ1⊕λ2)xi=λ1xi⊕λ2xi，λ1，λ2>0

(6)(xi)(λ1+λ2)=(xi)λ1?(xi)λ2，λ1，λ2>0

定義4[18]若任給中智數xi=(Ti，Ii，Fi)、xj=(Tj，Ij，Fj)滿足S(xi)≤S(xj)，則xi≤xj。

1.3.2 單值中智集加權集結算子

定義5[19]對任給兩個中智數xi和xj，xi和xj的凸組合運算定義如下：

C2(ω1，xi，ω2，xj)=ω1xi⊕ω2xj

(1)

定義6[19]若x1，x2，...，xn是單值中智數，單值中智集加權平均算子(single-valued neutrosophic-set weighted averaging，SVNWA)算子定義如下：

SVNWA(x1，x2，...，xn)=cn{ωk，xk，k=1，2，...，n}

(2)

1.4 基于單值中智集的EDAS輿情預警模型

Keshavarz Ghorabaee[20]針對決策信息為確定值的情況提出了EDAS方法。該方法只需要利用已有方案計算出平均方案，然后計算出每個方案相對于平均方案的正向距離和反向距離，即該方案優(yōu)于或者低于平均方案的值?；诖怂枷?，提出了單值中智集的環(huán)境下的基于加權算子和EDAS算法的輿情預警模型。

1.4.1 基于單值中智集的EDAS決策方法

單值中智集環(huán)境下基于EDAS方法的輿情預警模型技術路線如圖2所示。

圖2 基于EDAS的輿情預警模型技術路線

Step 1 構造評估矩陣R=[rij]m×n。

Step 2 依據以下公式計算平均方案AV=(AV1，AV2，…，AVn}，其中

(3)

Step 3 計算預警模型的正向距離矩陣PDA=(PDAij)m×n和反向距離矩陣NDA=(NDAij)m×n。

(4)

(5)

Step 4 計算輿情等級目標方案αi(i=1，2，…，m)的正向加權距離PDi和反向加權距離NDi。

(6)

Step 5 依據公式(7)計算每個輿情等級目標的綜合評價值ASi(i=1，2，…，m)，并按照綜合評價值對所有方案進行排序。

(7)

2 算例分析

某部門需要對某一類網絡輿情信息的演化結果做預案，邀請相關領域的專家和工作人員對演化結果進行評估。輿情的嚴重程度等級構成評估目標方案集，分5種等級：極輕微α1、較輕微α2、一般α3、嚴重α4、極嚴重α5。評估人員選擇輿情等級方案時，主要考慮如下指標因素的影響程度：輿情社會背景c1、輿情性質c2、媒體情緒c3、輿情傳播速度c4、輿情信息表現形式c5。不妨設目標因素的權重向量ω=(0.2 0.2 0.2 0.2 0.2)。

針對相應的指標因素的評價值，由評估人員用單值中智數對每個目標方案進行評價。如果專家認為方案αi對于指標cj的肯定程度為 0.4，否定程度為 0.3，不確定程度為 0.2，則專家給出相應的評價值可以通過中智數(0.4，0.2，0.3)進行描述。下面以此問題為算例，給出預警模型的評估過程。

步驟一：某位評估人員給出的中智數評估矩陣，如表1所示。

表1 中智數表述的決策矩陣

步驟二：根據定義2和公式(3)計算出平均方案AV=(AV1，AV2，AV3，AV4，AV5}，其中：

步驟三：根據定義3和公式(4)、公式(5)，計算正向距離矩陣PDA=(PDAij)m×n和反向距離矩陣NDA=(NDAij)m×n，計算結果如表2和表3所示。

表2 正向距離矩陣

表3 反向距離矩陣

步驟四：依據公式(6)計算方案αi(i=1，2，3，4，5)的正向加權距離PDi和反向距離NDi。

PD1=0.000 0，PD2=0.036 6，PD3=0.005 1，PD4=0.057 9，PD5=0.093 4；

ND1=0.358 8，ND2=0.238 8，ND3=0.105 0，ND4=0.023 4，ND5=0.046 2。

步驟五：依據公式(7)計算每個方案的綜合評價值ASi(i=1，2，3，4，5)，并按照綜合評價值對所有方案排序。

AS1=0.000 0，AS2=0.371 7，AS3=0.380 8，AS4=0.777 2，AS5=0.935 6。

依據EDAS法，方案的優(yōu)先順序為α5>α4>α3>α2>α1，因此方案α5是所有輿情分級方案中最合適的。也就是說，此評估人員認為該輿情話題會演化為嚴重的輿情事件，要慎重處理并及時引導或者回應。

步驟六：決策者綜合所有評估人員的評估結果，確定輿情嚴重程度的等級，采取應對的方案進行相應的處理。

3 結論

本文在分析自媒體輿情特點的基礎上，建立了自媒體網絡輿情的主要影響指標，并提出了一種基于EDAS方法的單值中智集輿情預警模型。該方法不僅考慮到評估人員評估時的認識和決策環(huán)境的復雜性，而且不需要進行大量數據預處理，整個預警等級的計算過程通過程序實現，預警模型簡單可行。但是整個預警模型的數據依賴相關評估人員的主觀評價，沒有充分考慮到輿情系統(tǒng)自身的一些客觀數據，所以在今后的研究過程中逐步加強對客觀數據的考慮，從而使得預警模型更加完善。另外，考慮到在實際評價過程中，決策者往往會在幾個評價術語之間表現出猶豫，擬引入猶豫模糊集概念[21-25]用于刻畫此情形，以便更好地對實際情況建模，進而優(yōu)化決策。