劉逸倫　黃微　盧國(guó)強(qiáng)

關(guān)鍵詞： ＡＨＰＳｏｒｔⅡ； 突發(fā)事件； 網(wǎng)絡(luò)輿情； 群體極化； 風(fēng)險(xiǎn)評(píng)估

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０５．００９

〔中圖分類號(hào)〕Ｇ２０３ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２４） ０５－０００１－０２

我國(guó)頒布的《中華人民共和國(guó)突發(fā)事件應(yīng)對(duì)法》中明確指出： 突發(fā)事件包括自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會(huì)安全事件。近年來(lái)， 各類突發(fā)事件頻發(fā)， 給人民群眾的生命、財(cái)產(chǎn)安全造成了極大危害， 嚴(yán)重影響國(guó)家安全和社會(huì)穩(wěn)定。據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（ＣＮＮＩＣ）發(fā)布的第５１ 次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示， 我國(guó)網(wǎng)民規(guī)模已達(dá)１０ ６７ 億， 互聯(lián)網(wǎng)用戶在社交媒體平臺(tái)上表達(dá)觀點(diǎn)和態(tài)度的熱情正不斷增加， 針對(duì)突發(fā)事件網(wǎng)絡(luò)輿情而產(chǎn)生的群體極化現(xiàn)象已呈現(xiàn)上升趨勢(shì)。因此，如何在突發(fā)公共事件中對(duì)網(wǎng)絡(luò)輿情群體極化現(xiàn)象進(jìn)行有效控制， 是突發(fā)危機(jī)情境下網(wǎng)絡(luò)信息失序治理與輿情導(dǎo)控的重要課題。

群體極化現(xiàn)象是輿情演化的重要結(jié)果之一， 美國(guó)學(xué)者凱斯·桑斯坦在其著作《網(wǎng)絡(luò)共和國(guó)》中將群體極化定義為： 經(jīng)由群體討論之后， 群體態(tài)度往往比討論之前的群體成員個(gè)人態(tài)度的平均值更趨向極端化的社會(huì)現(xiàn)象［１］ 。現(xiàn)有研究已經(jīng)對(duì)網(wǎng)絡(luò)輿情群體極化的影響因素、形成機(jī)理、現(xiàn)象識(shí)別以及風(fēng)險(xiǎn)評(píng)估進(jìn)行了一定程度的探索。其中， 文獻(xiàn)［２－３］根據(jù)社會(huì)比較理論和有力論據(jù)理論對(duì)群體極化影響因素進(jìn)行了探究并提出輿情預(yù)警模型。文獻(xiàn)［４－５］則綜合社會(huì)比較理論和有力論據(jù)理論， 提出引發(fā)社會(huì)情緒的事件、網(wǎng)民群體的協(xié)同、新媒體賦能及網(wǎng)絡(luò)社交媒體平臺(tái)中的匿名性帶來(lái)的責(zé)任分散等關(guān)鍵要素對(duì)網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)預(yù)警與識(shí)別具有重要影響。文獻(xiàn)［６］基于社會(huì)燃燒理論提出系列解釋變量， 對(duì)社交媒體群體極化的生成路徑進(jìn)行探究。文獻(xiàn)［７］以自我歸類理論與以社會(huì)規(guī)范理論為基礎(chǔ)且強(qiáng)調(diào)個(gè)體之間有限信任的Ｗｅｉｓｂｕｃｈ－Ｄｅｆｆｕａｎｔ（ＷＤ）模型結(jié)合，構(gòu)建新的ＳＣＴ 模型用于群體極化的仿真研究。從主體影響因素來(lái)看， 網(wǎng)絡(luò)用戶的“從眾” 與“集體無(wú)意識(shí)” 是其不可忽視的心理基礎(chǔ)［８］ 。從客觀因素來(lái)看， 一方面是由于互聯(lián)網(wǎng)的“技術(shù)風(fēng)險(xiǎn)特性” 即我國(guó)經(jīng)濟(jì)社會(huì)轉(zhuǎn)型期間社會(huì)矛盾郁積向“空間轉(zhuǎn)移”［９］ ； 另一方面， 網(wǎng)絡(luò)熱點(diǎn)議題驅(qū)動(dòng)和過濾算法推薦也對(duì)群體極化的形成具有推動(dòng)性作用［１０］ 。此外， 網(wǎng)絡(luò)輿情群體極化的識(shí)別與測(cè)度也是目前重要的研究方向。文獻(xiàn)［１１］論證了極端觀點(diǎn)是群體極化風(fēng)險(xiǎn)最主要的呈現(xiàn)形態(tài)， 構(gòu)建了ＴＣＭＣＲ 極端觀點(diǎn)識(shí)別模型。文獻(xiàn)［１２－１３］指出在網(wǎng)絡(luò)輿情發(fā)展階段， 群體極端意見的數(shù)量變化是群體極化識(shí)別的重要指標(biāo)， 極端意見數(shù)量與群體意見總數(shù)量可以反映群體極化強(qiáng)度。文獻(xiàn)［１４－１５］將網(wǎng)絡(luò)用戶畫像、復(fù)雜系統(tǒng)結(jié)構(gòu)等技術(shù)思想用于群體極化的分析與識(shí)別。

然而， 突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)價(jià)是一個(gè)多層級(jí)的、復(fù)雜的系統(tǒng)性工作， 現(xiàn)有研究在群體極化風(fēng)險(xiǎn)形成的多屬性量化方面存在不足。本文在三元空間視域下， 對(duì)散布在物理空間、社會(huì)空間、信息空間中不同類型的動(dòng)力要素進(jìn)行歸納， 再根據(jù)風(fēng)險(xiǎn)耦合形式構(gòu)建測(cè)度指標(biāo)體系并對(duì)群體極化風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)測(cè)度， 為主管部門準(zhǔn)確掌握群體極化風(fēng)險(xiǎn)的產(chǎn)生、發(fā)展?fàn)顟B(tài)及其演化趨勢(shì)， 實(shí)現(xiàn)對(duì)相關(guān)風(fēng)險(xiǎn)的科學(xué)分類和分級(jí)提供充分的理論支持。

本文研究主要解決以下３ 個(gè)問題： ①結(jié)合突發(fā)事件網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)在物理空間、社會(huì)空間、信息空間中的運(yùn)行模式， 構(gòu)建突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)估模型； ②采用層次聚類法（ＡＨＰＳｏｒｔⅡ）對(duì)突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)進(jìn)行等級(jí)劃分；③以突發(fā)事件為例開展實(shí)證研究， 對(duì)所構(gòu)建的突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)估方法進(jìn)行驗(yàn)證和評(píng)價(jià)。

１ 突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)致因因素及風(fēng)險(xiǎn)評(píng)估指標(biāo)體系構(gòu)建

１.１ 突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)的致因因素及運(yùn)行模式

根據(jù)群體極化的定義， 群體極化的核心要素包括非理性交互和極端觀點(diǎn)。非理性交互是群體極化的必要條件， 極端觀點(diǎn)是群體極化的結(jié)果。突發(fā)事件網(wǎng)絡(luò)輿情群體極化是一個(gè)復(fù)雜的系統(tǒng)， 在物理空間、社會(huì)空間、信息空間中各種風(fēng)險(xiǎn)要素耦合及風(fēng)險(xiǎn)疊加的情況下發(fā)生并形成突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)。

為了更好地理解突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)在物理空間、社會(huì)空間、信息空間中的分布及其不同空間中風(fēng)險(xiǎn)結(jié)構(gòu)的相互作用關(guān)系， 本文通過整合風(fēng)險(xiǎn)要素、危機(jī)情境下的風(fēng)險(xiǎn)表現(xiàn)、風(fēng)險(xiǎn)傳導(dǎo)路徑形成了群體極化風(fēng)險(xiǎn)結(jié)構(gòu)框架， 如圖１ 所示， 用以解釋風(fēng)險(xiǎn)要素耦合、風(fēng)險(xiǎn)疊加和風(fēng)險(xiǎn)傳導(dǎo)。

在突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)結(jié)構(gòu)框架中， 包括物理空間的突發(fā)事件原發(fā)社會(huì)風(fēng)險(xiǎn)、社會(huì)空間的用戶非理性交互風(fēng)險(xiǎn)和信息空間的信息失序風(fēng)險(xiǎn)。突發(fā)事件的原發(fā)社會(huì)風(fēng)險(xiǎn)包括外在風(fēng)險(xiǎn)和內(nèi)在風(fēng)險(xiǎn)。安東尼·吉登斯（Ａｎｔｈｏｎｙ Ｇｉｄｄｅｎｓ）［１６］ 認(rèn)為，自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件屬于“外在風(fēng)險(xiǎn)（Ｅｘｔｅｒｎａｌ Ｒｉｓｋ）”， 社會(huì)安全事件屬于“內(nèi)在風(fēng)險(xiǎn)（Ｉｎｔｅｒｎａｌ Ｒｉｓｋ）”， 外在風(fēng)險(xiǎn)的處理難度通常小于內(nèi)在風(fēng)險(xiǎn)。按照恩里克·克蘭特利（Ｅｎｒｉｃｏｌ Ｑｕａｒ?ａｎｔｅｌｌｉ）［１７］ 的理解， 自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件都屬于“一致性危機(jī)”， 社會(huì)安全事件屬于“分歧型危機(jī)”， 常常引發(fā)群體性突發(fā)事件。社會(huì)安全事件通常將矛頭直接指向核心制度、主流價(jià)值觀或社會(huì)結(jié)構(gòu)， 挑戰(zhàn)現(xiàn)存秩序的合法性和正當(dāng)性，而自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件主要產(chǎn)生人員傷亡、財(cái)產(chǎn)損失， 作用對(duì)象主要為普通民眾， 因此其社會(huì)危害更加廣泛［１８］ 。在突發(fā)事件危機(jī)情境下， 由突發(fā)事件危害性、緊迫性和不確定性引發(fā)的原發(fā)社會(huì)風(fēng)險(xiǎn)在吸引大量民眾關(guān)注的同時(shí)， 也通過信息傳播映射至信息空間。民眾在通過社會(huì)空間中原有的社交關(guān)系網(wǎng)絡(luò)獲取突發(fā)事件信息的同時(shí)， 也可從信息空間中的社交關(guān)系網(wǎng)絡(luò)獲取突發(fā)事件信息， 并在社交媒體平臺(tái)展開討論， 從而形成新的社交關(guān)系網(wǎng)絡(luò)并映射至信息空間。網(wǎng)絡(luò)用戶在信息空間中失序信息的催化下開展非理性交互行為， 并在交互嗜同性及推薦算法的推動(dòng)下， 形成了關(guān)系更為緊密的在線社交關(guān)系網(wǎng)絡(luò)， 進(jìn)一步增大了用戶非理性交互的風(fēng)險(xiǎn)。在此過程中， 來(lái)自于物理空間和社會(huì)空間的風(fēng)險(xiǎn)， 如： 管理部門的應(yīng)對(duì)失誤、媒體信息傳播的失范等相關(guān)風(fēng)險(xiǎn)將凝結(jié)成為信息空間中的信息失序風(fēng)險(xiǎn)。因此， 突發(fā)事件輿情群體極化風(fēng)險(xiǎn)是在三元空間（物理空間、社會(huì)空間、信息空間）中各風(fēng)險(xiǎn)要素耦合、疊加作用下形成的。在物理和社會(huì)空間中， 其表現(xiàn)形式為極端觀點(diǎn)或極端情緒在輿情受眾群體中占據(jù)主體， 在信息空間中則以風(fēng)險(xiǎn)性用戶偏好大數(shù)據(jù)的形式存在。

１.２ 突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)估方法

突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)價(jià)方法模型由風(fēng)險(xiǎn)評(píng)價(jià)描述、風(fēng)險(xiǎn)評(píng)價(jià)過程、風(fēng)險(xiǎn)等級(jí)劃分３個(gè)模塊構(gòu)成。風(fēng)險(xiǎn)評(píng)價(jià)描述是風(fēng)險(xiǎn)評(píng)價(jià)前的準(zhǔn)備工作， 內(nèi)容包括目標(biāo)定義和數(shù)據(jù)定義。風(fēng)險(xiǎn)評(píng)價(jià)過程的內(nèi)容是對(duì)各個(gè)指標(biāo)進(jìn)行計(jì)算， 也是整個(gè)評(píng)價(jià)的核心工作。風(fēng)險(xiǎn)等級(jí)劃分是評(píng)估結(jié)果的輸出模塊， 從而得到群體極化風(fēng)險(xiǎn)等級(jí)。突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)價(jià)方法模型如圖２ 所示。

群體極化風(fēng)險(xiǎn)評(píng)價(jià)的過程主要通過多準(zhǔn)則分類方法， 指標(biāo)權(quán)重的賦值采用層次分析法（ＡＨＰ）。層次分析法的主要內(nèi)容包括： 結(jié)合定性與定量分析，將同決策的多種要素分解為３ 個(gè)層次［１９］ 。定義備選方案的分類是根據(jù)ＡＨＰＳｏｒｔⅡ計(jì)算參考點(diǎn)和指標(biāo)Ｃｉ 的局部?jī)?yōu)先級(jí)， 并依據(jù)指標(biāo)權(quán)重計(jì)算邊界的全局優(yōu)先級(jí)和備選方案的全局優(yōu)先級(jí)后， 得出的群體極化風(fēng)險(xiǎn)的等級(jí)。已有研究通過多種方法， 從不同角度出發(fā)對(duì)突發(fā)事件網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)指標(biāo)的涉及進(jìn)行了探索， 如采用熵權(quán)法［２０］ 、德爾菲法和層次分析法［２１］ 、灰色統(tǒng)計(jì)法［２２］ 、層次分析法［２３］ 等， 針對(duì)網(wǎng)絡(luò)謠言［２４］ 、政府信息公開輿情風(fēng)險(xiǎn)［２５］ 等具體領(lǐng)域的輿情風(fēng)險(xiǎn)建立了相應(yīng)的指標(biāo)體系。

１.３ 突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系設(shè)計(jì)

本文根據(jù)突發(fā)事件網(wǎng)絡(luò)輿情群體極化特征與致因因素， 參考已有研究中的突發(fā)事件網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)指標(biāo)體系， 構(gòu)建突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系， 并使用層次聚類法結(jié)合主觀賦權(quán)方法確定指標(biāo)權(quán)值。所得風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系如表１ 所示。

突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系包括目標(biāo)層、準(zhǔn)則層、指標(biāo)層。目標(biāo)層為突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)價(jià)， 準(zhǔn)則層為群體極化風(fēng)險(xiǎn)在三元空間中解構(gòu)的突發(fā)事件原發(fā)社會(huì)風(fēng)險(xiǎn)評(píng)價(jià)、突發(fā)事件網(wǎng)絡(luò)用戶非理性交互風(fēng)險(xiǎn)評(píng)價(jià)、突發(fā)事件網(wǎng)絡(luò)輿情信息失序風(fēng)險(xiǎn)評(píng)價(jià)。一級(jí)指標(biāo)為三元空間中群體極化風(fēng)險(xiǎn)構(gòu)成風(fēng)險(xiǎn)的影響要素。二級(jí)指標(biāo)為群體極化風(fēng)險(xiǎn)形成的具體屬性細(xì)分。

１.４ 突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)估指標(biāo)值獲取方式

在突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中， 一部分邏輯值指標(biāo)可直接判斷； 一部分定性指標(biāo)和邏輯值指標(biāo)由專家進(jìn)行判斷， 如應(yīng)對(duì)時(shí)效性（Ｓ１１）、應(yīng)對(duì)合理性（Ｓ１２）、信息不確定性（Ｓ２６） 等；一部分定量指標(biāo)可直接獲取結(jié)構(gòu)化數(shù)據(jù)， 如人員傷亡（Ｓ１）、財(cái)產(chǎn)損失（Ｓ２）、持續(xù)時(shí)長(zhǎng)（Ｓ５）、網(wǎng)絡(luò)用戶年齡分布（Ｓ１７）等； 還有一部分指標(biāo)， 則需要調(diào)用其他方法、模型進(jìn)行計(jì)算， 如網(wǎng)絡(luò)用戶負(fù)向情感占比（Ｓ１４）、網(wǎng)絡(luò)用戶情感負(fù)向演化方向（Ｓ２０）等指標(biāo)， 涉及定性、定量、邏輯值３ 種類型。指標(biāo)內(nèi)容主要涉及通過對(duì)自然語(yǔ)言的處理， 得出相應(yīng)語(yǔ)義信息。

１. ４.１ 通過統(tǒng)計(jì)獲取結(jié)構(gòu)化數(shù)據(jù)

由統(tǒng)計(jì)網(wǎng)絡(luò)輿情結(jié)構(gòu)化數(shù)據(jù)得到指標(biāo)主要包括人員傷亡（Ｓ１）、財(cái)產(chǎn)損失（Ｓ２）、持續(xù)時(shí)長(zhǎng)（Ｓ５）、信息公開時(shí)效性（Ｓ１３）、網(wǎng)絡(luò)用戶受教育水平（Ｓ１５）、與突發(fā)事件相關(guān)職業(yè)占比（Ｓ１６）、網(wǎng)絡(luò)用戶年齡分布（Ｓ１７）、轉(zhuǎn)評(píng)贊數(shù)量（Ｓ１９）、網(wǎng)絡(luò)用戶發(fā)布信息數(shù)量（Ｓ２５）以及信息中圖片、視頻占比（Ｓ２９）。其中人員傷亡和財(cái)產(chǎn)損失可由新聞報(bào)道得出。持續(xù)總時(shí)長(zhǎng)可參考網(wǎng)絡(luò)輿情熱度指數(shù)， 各時(shí)序節(jié)點(diǎn)的持續(xù)時(shí)長(zhǎng)則為具體數(shù)據(jù)。信息公開時(shí)效性為突發(fā)事件發(fā)生后至官方報(bào)道相關(guān)事件的時(shí)長(zhǎng)， 可以以小時(shí)或天為單位。其他則為獲取的網(wǎng)絡(luò)輿情數(shù)據(jù)中的具體數(shù)據(jù)， 即獲取的網(wǎng)絡(luò)輿情數(shù)據(jù)不僅包括輿情內(nèi)容， 也包括網(wǎng)絡(luò)用戶基本信息以及網(wǎng)絡(luò)輿情內(nèi)容隨時(shí)間發(fā)展的具體數(shù)值。此部分指標(biāo)因涉及使用極差標(biāo)準(zhǔn)化，可以定義最大值和最小值在整體事件發(fā)生過程中的極值， 實(shí)際值為風(fēng)險(xiǎn)評(píng)價(jià)時(shí)間節(jié)點(diǎn)上的真實(shí)值。但在這種情況下， 則無(wú)法對(duì)突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)進(jìn)行實(shí)時(shí)評(píng)價(jià)， 可以通過專家根據(jù)過往相似突發(fā)事件給出相關(guān)極值。

１.４.２ 通過專家評(píng)價(jià)獲取主觀評(píng)價(jià)數(shù)據(jù)

對(duì)于影響地域范圍（Ｓ６）、影響社會(huì)范圍（Ｓ７）、應(yīng)對(duì)時(shí)效性（Ｓ１１）、應(yīng)急合理性（Ｓ１２）、刻板特征影響（Ｓ１８）、是否存在虛假信息（Ｓ２２）、是否存在惡意信息（Ｓ２３）、信息不確定性（Ｓ２６）、是否存在錯(cuò)誤信息（Ｓ２７）、是否存在“信息繭房” （Ｓ２８）等指標(biāo)， 由于無(wú)法直接獲取結(jié)構(gòu)化數(shù)據(jù)， 且通過二次計(jì)算也難以實(shí)現(xiàn)并無(wú)法保證客觀性與準(zhǔn)確性， 因此選擇通過專家評(píng)價(jià)獲取相關(guān)指標(biāo)的主觀評(píng)價(jià)數(shù)據(jù)。專家評(píng)價(jià)前首先與專家充分溝通， 使專家對(duì)輿情事件、評(píng)估目標(biāo)、指標(biāo)體系充分了解， 然后對(duì)指標(biāo)體系展開討論并形成頭腦風(fēng)暴， 在充分理解網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)的概念、內(nèi)涵、外延等內(nèi)容后， 遵循層次分析法（ＡＨＰ）對(duì)突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)估指標(biāo)進(jìn)行評(píng)價(jià)并構(gòu)建判斷矩陣。專家評(píng)價(jià)過程使用ＹＡＡＨＰ 軟件實(shí)現(xiàn)， 有助于保證專家評(píng)價(jià)的便捷性及評(píng)價(jià)數(shù)據(jù)的一致性。對(duì)難以使用數(shù)量級(jí)評(píng)價(jià)的指標(biāo)， 選擇使用模糊語(yǔ)義方式進(jìn)行評(píng)價(jià)。涉及指標(biāo)包括影響地域范圍（Ｓ６）、影響社會(huì)范圍（Ｓ７）、應(yīng)對(duì)時(shí)效性（Ｓ１１）、應(yīng)急合理性（Ｓ１２）、刻板特征影響（Ｓ１８）、信息不確定性（Ｓ２６）。通過模糊語(yǔ)義進(jìn)行評(píng)價(jià)包括極低、中低、低、中、中高、高６ 個(gè)標(biāo)準(zhǔn)。模糊語(yǔ)義作為一種彈性語(yǔ)言， 是指外延不確定、內(nèi)涵無(wú)定指的特性語(yǔ)言。與精確語(yǔ)言相比， 模糊語(yǔ)言具有更大的概括性和靈活性。這種概括性與靈活性集中反映在語(yǔ)言外延上。得到語(yǔ)義模糊集后， 將語(yǔ)義模糊集轉(zhuǎn)化成為直覺模糊集， 然后可以參與計(jì)算。直覺模糊集是傳統(tǒng)的模糊集的一種拓展， 它同時(shí)考慮了隸屬度、非隸屬度和猶豫度這３ 個(gè)方面的信息， 因而比傳統(tǒng)的模糊集在處理模糊性和不確定性等方面更具靈活性和實(shí)用性。另外，專家評(píng)價(jià)的模糊集也是確定專家權(quán)重的重要依據(jù)。在直覺模糊多屬性群決策問題中， 通過直覺模糊數(shù)計(jì)算專家的權(quán)重， 其本質(zhì)是通過定義直覺模糊集的模糊熵計(jì)算專家判斷信息的模糊程度， 專家判斷信息的模糊程度反映了專家對(duì)決策問題的了解程度，進(jìn)而用來(lái)確定專家的權(quán)重。專家權(quán)重的合理與否對(duì)決策結(jié)果的準(zhǔn)確性至關(guān)重要， 因此， 確定合理的專家權(quán)重具有重要的現(xiàn)實(shí)意義。

１.４.３ 網(wǎng)絡(luò)用戶情感、觀點(diǎn)相關(guān)指標(biāo)計(jì)算

需要使用用戶情感模型計(jì)算的指標(biāo)包括： 網(wǎng)絡(luò)用戶負(fù)向情感占比（Ｓ１４）、網(wǎng)絡(luò)用戶情感負(fù)向演化方向（Ｓ２０）、觀點(diǎn)演化速度（Ｓ２１）。

本文選擇情感知識(shí)增強(qiáng)預(yù)訓(xùn)練模型（ＳｅｎｔｉｍｅｎｔＫｎｏｗｌｅｄｇｅ Ｅｎｈａｎｃｅｄ Ｐｒｅ－ｔｒａｉｎｉｎｇ， ＳＫＥＰ）進(jìn)行情感極性、情感值、情感演化、觀點(diǎn)演化的識(shí)別與計(jì)算。ＳＫＥＰ 是百度在２０２０ 年提出的情感預(yù)訓(xùn)練模型， 在情感分析典型人物上全面超越了ＳＯＴＡ， 相關(guān)論文被ＡＣＬ２０２０ 錄用［３５］ 。

情感是人類認(rèn)知的重要組成部分， 讓機(jī)器具備情感分析能力是實(shí)現(xiàn)機(jī)器認(rèn)知智能的必要環(huán)節(jié)。具體來(lái)說(shuō)， 情感分析旨在自動(dòng)識(shí)別和提取文本中的傾向、立場(chǎng)、評(píng)價(jià)、觀點(diǎn)等主觀信息。它包含各式各樣的任務(wù)， 比如情感傾向分類、實(shí)體級(jí)情感分類、觀點(diǎn)抽取、情緒分析等， 整體上這些任務(wù)均依賴于深入的情感語(yǔ)義理解。近年來(lái)， 基于預(yù)訓(xùn)練的語(yǔ)義理解獲得了迅猛的發(fā)展， 顯著提升了各類自然語(yǔ)言處理任務(wù)的效果。相比于通用預(yù)訓(xùn)練主要關(guān)注事實(shí)型文本（如新聞、百科等）， 情感分析更側(cè)重于分析主觀型文本中蘊(yùn)涵的情感和觀點(diǎn)， 因此， 采用了無(wú)監(jiān)督方法自動(dòng)挖掘情感知識(shí)， 然后利用情感知識(shí)構(gòu)建預(yù)訓(xùn)練目標(biāo)， 從而讓機(jī)器學(xué)會(huì)理解情感語(yǔ)義［３６］ 。

２ 基于ＡＨＰＳｏｒｔⅡ的突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)等級(jí)分類評(píng)估

多準(zhǔn)則分類是多準(zhǔn)則決策（Ｍｕｌｔｉ－Ｃｒｉｔｅｒｉａ Ｄｅｃｉ?ｓｉｏｎ Ｍａｋｉｎｇ， ＭＣＤＭ）中的重要部分， 它針對(duì)的是在管理決策中將多個(gè)方案在若干準(zhǔn)則下分門別類的問題。多準(zhǔn)則決策又可以分為３ 類： 選擇（Ｃｈｏｉｃｅ）、排序（Ｒａｎｋｉｎｇ）和分類（Ｓｏｒｔｉｎｇ）［３７］ 。選擇和排序只能解決“最優(yōu)與最差” 的問題， 多準(zhǔn)則分類決策卻能將每一個(gè)評(píng)價(jià)對(duì)象劃分到相應(yīng)的類別， 對(duì)于所有的對(duì)象都能給出合理的評(píng)價(jià)。已有研究對(duì)多準(zhǔn)則分類進(jìn)行大量研究， 從基于數(shù)據(jù)包絡(luò)分析（ＤＥＡ）方法［３８－３９］ 、基于ＥＬＥＣＴＲＥ 法［４０－４３］ 、基于層次分析法（ＡＨＰ）［４４－４５］ 探索多準(zhǔn)則分類的多種方法。

本文選擇ＡＨＰＳｏｒｔⅡ方法原因在于相比其他多準(zhǔn)則分類方法， ＡＨＰＳｏｒｔⅡ克服了其他方法比較次數(shù)與一致性方面的缺點(diǎn)， 極大程度地減少了計(jì)算的復(fù)雜性， 提高了計(jì)算的效率。而相比ＡＨＰＳｏｒｔ 方法， ＡＨＰＳｏｒｔⅡ不需要像ＡＨＰＳｏｒｔ 在計(jì)算邊界局部?jī)?yōu)先級(jí)時(shí)， 將各類邊界內(nèi)所有備選方案與特殊點(diǎn)兩兩比較。ＡＨＰＳｏｒｔⅡ是使用參考點(diǎn)與邊界點(diǎn)做兩兩比較計(jì)算局部?jī)?yōu)先級(jí)。在本文研究的實(shí)際情況中，并不是對(duì)多項(xiàng)群體極化風(fēng)險(xiǎn)進(jìn)行同時(shí)分類， 而是針對(duì)某一輿情事件多個(gè)時(shí)序節(jié)點(diǎn)判斷是否具有群體極化風(fēng)險(xiǎn)， 以及群體極化風(fēng)險(xiǎn)的等級(jí)， 即同一輿情事件在不同時(shí)序節(jié)點(diǎn)的狀態(tài)是備選方案集。在此情況下， 各備選方案之間大多數(shù)指標(biāo)值存在相同或相似的情況， 因此， ＡＨＰＳｏｒｔⅡ方法在備選方案間的比較中計(jì)算局部?jī)?yōu)先級(jí)的效果優(yōu)于其他方法。

２.１ 使用直覺模糊集方法的定性數(shù)據(jù)描述及專家權(quán)重賦值

在實(shí)際多準(zhǔn)則決策過程中， 由于決策問題本身所具有的大量不確定性信息， 包括不可量化的信息、不完整的信息或不可獲取的信息， 很難依靠精確數(shù)據(jù)對(duì)其進(jìn)行刻畫， 而模糊集為表示和操作上述數(shù)據(jù)提供了很好的方法， 因此產(chǎn)生了模糊多屬性群決策方法［４６］ 。在此基礎(chǔ)上， 隨著決策問題的進(jìn)一步復(fù)雜以及個(gè)人經(jīng)驗(yàn)、知識(shí)水平的限制， 決策者會(huì)經(jīng)常表現(xiàn)出一定的猶豫度或不確定度， 傳統(tǒng)的模糊集理論在處理這種猶豫性時(shí)表現(xiàn)出很大的局限性， Ａｔａ?ｎａｓｓｏｖ Ｋ Ｔ［４７］ 從隸屬度、非隸屬度和猶豫度３ 個(gè)方面描述不確定信息， 提出了直覺模糊集（Ｉｎｔｕｉｔｉｏｎｉｓ?ｔｉｃ Ｆｕｚｚｙ， ＩＦ）， 在處理不確定信息時(shí)具有更強(qiáng)的表現(xiàn)能力。

３ 實(shí)證研究

２０２１ 年７ 月１７ 日起， 我國(guó)河南省部分地區(qū)遭遇極端強(qiáng)降雨襲擊， 河南省氣象臺(tái)２０２１ 年７ 月２０日９ 時(shí)００ 分發(fā)布了暴雨紅色預(yù)警， 截至２０２１ 年７月２１ 日， 鄭州市累積平均降水量達(dá)４４９ 毫米。期間， “河南暴雨” “鄭州地鐵” “京廣隧道” 等多個(gè)話題登上微博平臺(tái)熱搜， 吸引大量用戶關(guān)注。據(jù)“知微事見” 全網(wǎng)熱點(diǎn)輿情事件平臺(tái)分析可見， “河南７·２０ 特大暴雨” 突發(fā)輿情事件相比同期其他熱點(diǎn)事件具有更高的網(wǎng)絡(luò)關(guān)注度和傳播廣泛度， 居于２０２１ 年度網(wǎng)絡(luò)事件影響力和熱度榜榜首。在暴雨期間， 由于災(zāi)難本身的突發(fā)性與不確定性， 以及主管部門的救災(zāi)響應(yīng)不及時(shí)、針對(duì)網(wǎng)上輿情應(yīng)對(duì)失措等原因， 導(dǎo)致相關(guān)輿情用戶出現(xiàn)非理性交互現(xiàn)象，部分謠言的迅速傳播和網(wǎng)絡(luò)輿論呈現(xiàn)對(duì)當(dāng)?shù)貞?yīng)急管理部門“一邊倒” 式的指責(zé)， 其具備群體極化的明顯特征?！昂幽希贰ぃ玻?暴雨” 事件的熱度趨勢(shì)如圖６ 所示。從事件熱度趨勢(shì)圖可以看出， 事件的參與熱度波峰與事件的節(jié)點(diǎn)高度匹配。事件參與熱度的第一、二個(gè)峰值為２０２１ 年７ 月２０—２１ 日， 即鄭州地區(qū)遭遇千年一遇暴雨， ３ 日內(nèi)降雨量超過該地一年內(nèi)降雨量總和， 城內(nèi)的交通、電力、通訊等基礎(chǔ)設(shè)施受到極大影響； 其中７ 月２０ 日晚， 鄭州地鐵五號(hào)線出現(xiàn)嚴(yán)重積水， 多名乘客被困車廂內(nèi)， 有乘客在微博平臺(tái)發(fā)出求救信息， 引發(fā)大量網(wǎng)民關(guān)注。７ 月２１ 日上午， 鄭州官方媒體公布了地鐵五號(hào)線人員傷亡情況， 其中１２ 人死亡， ５ 人受傷。本次輿情事件的最后一波熱度峰值出現(xiàn)在２０２１ 年８ 月２ 日， 當(dāng)日河南省政府通報(bào)， 此次特大洪澇災(zāi)害致３０２ 人遇難， ５０ 人失蹤， 國(guó)務(wù)院同時(shí)宣布成立調(diào)查組， 對(duì)“７·２０” 特大暴雨災(zāi)害展開調(diào)查。

３.１ “河南７·２０ 暴雨” 事件群體極化風(fēng)險(xiǎn)評(píng)估指標(biāo)體系賦權(quán)

通過ＡＨＰＳｏｒｔⅡ?qū)Α昂幽希贰ぃ玻?暴雨” 輿情事件群體極化風(fēng)險(xiǎn)進(jìn)行評(píng)估， 結(jié)合層次分析法對(duì)突發(fā)事件網(wǎng)絡(luò)輿情群體計(jì)劃風(fēng)險(xiǎn)評(píng)估指標(biāo)進(jìn)行賦權(quán)。目前， 我國(guó)對(duì)網(wǎng)絡(luò)輿情的風(fēng)險(xiǎn)等級(jí)劃分還沒有統(tǒng)一的標(biāo)準(zhǔn)。網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)等級(jí)劃分是風(fēng)險(xiǎn)評(píng)估的關(guān)鍵。本文借鑒已有研究， 將突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)劃分為無(wú)風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)、高風(fēng)險(xiǎn)。選擇４ 位權(quán)威專家對(duì)本文構(gòu)建的突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)估指標(biāo)使用層次分析法進(jìn)行賦權(quán)。４位專家包括一位致力于網(wǎng)絡(luò)輿情領(lǐng)域科學(xué)研究及從事網(wǎng)絡(luò)輿情分析人員， 一位長(zhǎng)期致力于網(wǎng)絡(luò)輿情領(lǐng)域科研人員， 一位互聯(lián)網(wǎng)媒體從業(yè)人員， 一位政府應(yīng)急事件管理人員， 以上專家均長(zhǎng)期使用微博平臺(tái)。突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)估指標(biāo)權(quán)重如表２ 所示。

在突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)估指標(biāo)體系中， 有１０ 項(xiàng)指標(biāo)需要專家評(píng)價(jià)， 記為Ｃｆ ， 其中６ 項(xiàng)指標(biāo)需要使用模糊集方法評(píng)價(jià)， 數(shù)據(jù)類型為邏輯值的指標(biāo)可以表達(dá)為猶豫值為０ 的模糊值。語(yǔ)義模糊數(shù)轉(zhuǎn)換為直覺模糊數(shù)如表３ 所示。

對(duì)于數(shù)據(jù)類型為邏輯值的指標(biāo)， 專家的評(píng)價(jià)沒有模糊熵的意義， 因此， 在使用模糊集計(jì)算專家權(quán)重時(shí)不考慮此部分指標(biāo)。專家根據(jù)“河南７·２０ 暴雨” 事件網(wǎng)絡(luò)輿情實(shí)際情況， 結(jié)合自身對(duì)相關(guān)情況的理解與認(rèn)知， 對(duì)其他６ 項(xiàng)指標(biāo)應(yīng)用語(yǔ)義模糊方法進(jìn)行評(píng)價(jià)結(jié)果并轉(zhuǎn)化為直覺模糊集， 并由式（２）可得４ 位專家權(quán)重分別為０.２０７３、０.２５６５、０.２６８４、０.２６７７。

３.２ “河南７·２０ 暴雨” 事件群體極化風(fēng)險(xiǎn)評(píng)估指標(biāo)值獲得

根據(jù)“河南７·２０ 暴雨” 事件發(fā)展實(shí)際情況并結(jié)合圖６， 本次突發(fā)事件輿情共持續(xù)約１６ 天。因此，以每?jī)商熳鳛橐粋€(gè)時(shí)間節(jié)點(diǎn)進(jìn)行群體極化風(fēng)險(xiǎn)評(píng)估。新浪微博在國(guó)內(nèi)使用廣泛、數(shù)據(jù)量大且具有代表性。因此， 本文選擇以新浪微博網(wǎng)絡(luò)輿情數(shù)據(jù)為代表，對(duì)“河南７·２０ 暴雨” 事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)進(jìn)行評(píng)估。獲取數(shù)據(jù)的時(shí)間區(qū)間為７ 月１９ 日—８ 月３日， 獲取數(shù)據(jù)屬性包括原發(fā)博文內(nèi)容、發(fā)表時(shí)間、轉(zhuǎn)發(fā)、評(píng)論內(nèi)容、用戶名等， 在篩除無(wú)效數(shù)據(jù)后，共計(jì)獲取有效數(shù)據(jù)１７７ ８９５條。

３.２.１ 通過專家評(píng)價(jià)及直接判斷獲得對(duì)應(yīng)指標(biāo)值

對(duì)于是否存在虛假信息（Ｓ２２）、是否存在惡意信息（Ｓ２３）、是否存在錯(cuò)誤信息（Ｓ２７）、是否存在“信息繭房” （Ｓ２８）， ４ 位專家的評(píng)價(jià)結(jié)果均為否，即４ 個(gè)指標(biāo)的邏輯值均為０。將４ 位專家對(duì)指標(biāo)Ｃ_ｊ（Ｃ_ｊ∈Ｃ_ｆ）的模糊評(píng)價(jià)結(jié)合專家權(quán)重做算術(shù)平均， 得出Ｃ_ｊ的模糊數(shù)， 通過式（１） 得出指標(biāo)Ｃ_ｊ的代數(shù)值。由專家評(píng)價(jià)得出指標(biāo)值如表４ 所示。

由直接判斷獲得指標(biāo)邏輯值如表５ 所示。

３.２.２ 通過統(tǒng)計(jì)結(jié)構(gòu)化數(shù)據(jù)獲得對(duì)應(yīng)指標(biāo)值

由統(tǒng)計(jì)網(wǎng)絡(luò)輿情結(jié)構(gòu)化數(shù)據(jù)得到指標(biāo)主要包括人員傷亡（Ｓ１）、財(cái)產(chǎn)損失（Ｓ２）、持續(xù)時(shí)長(zhǎng)（Ｓ５）、信息公開時(shí)效性（Ｓ１３）、網(wǎng)絡(luò)用戶受教育水平（Ｓ１５）、與突發(fā)事件相關(guān)職業(yè)占比（Ｓ１６）、網(wǎng)絡(luò)用戶年齡分布（Ｓ１７）、轉(zhuǎn)評(píng)贊數(shù)量（Ｓ１９）、網(wǎng)絡(luò)用戶發(fā)布信息數(shù)量（Ｓ２５）以及信息中圖片、視頻占比（Ｓ２９）。對(duì)于“河南７·２０ 暴雨” 事件， 存在一定人員傷亡（Ｓ１）和財(cái)產(chǎn)損失（Ｓ２）。持續(xù)時(shí)長(zhǎng)參考圖６ 及事件實(shí)際發(fā)展， 可以認(rèn)定為從７ 月１９ 日起至８ 月初討論熱度衰退。鑒于前文選擇的８ 個(gè)時(shí)間節(jié)點(diǎn)， 持續(xù)時(shí)長(zhǎng)可以被認(rèn)定為從７ 月１９ 日至８ 月３ 日， 共計(jì)１６ 天。各時(shí)序節(jié)點(diǎn)的持續(xù)時(shí)長(zhǎng)則以１６ 天為參考計(jì)算比值?！昂幽希贰ぃ玻?暴雨” 事件中不存在物理空間中突發(fā)事件相關(guān)事件信息公開時(shí)效性， 或也可以認(rèn)為相關(guān)事件發(fā)生后， 官方媒體報(bào)道沒有時(shí)滯。因此， 信息公開時(shí)效性最大值為１， 又由于信息公開時(shí)效性效益型指標(biāo)， 因此轉(zhuǎn)為成本型即為０。網(wǎng)絡(luò)用戶受教育水平（Ｓ１５）以８ 個(gè)群體極化風(fēng)險(xiǎn)評(píng)估時(shí)間節(jié)點(diǎn)內(nèi)（即各時(shí)間段內(nèi)）本科以上學(xué)歷用戶占此時(shí)間段內(nèi)參與討論網(wǎng)絡(luò)用戶總量的比值。與突發(fā)事件相關(guān)職業(yè)占比的計(jì)算方式與網(wǎng)絡(luò)用戶受教育水平計(jì)算方式相同。兩者均為效益型指標(biāo)， 因此取與１之差的絕對(duì)值參與最終計(jì)算。網(wǎng)絡(luò)用戶年齡分布（Ｓ１７）采用網(wǎng)絡(luò)用戶年齡平均值與１００ 的比值代表各時(shí)段內(nèi)參與討論的網(wǎng)絡(luò)用戶年齡在０～１００ 之間的值分布。轉(zhuǎn)發(fā)評(píng)論數(shù)量（Ｓ１９）（本文選擇交互行為中代表性較強(qiáng)的轉(zhuǎn)發(fā)、評(píng)論數(shù)量）、網(wǎng)絡(luò)用戶發(fā)布信息數(shù)量（Ｓ２５）通過各時(shí)間段內(nèi)總量與生命周期內(nèi)總量比值計(jì)算。信息中圖片、視頻占比（Ｓ２９）通過獲取網(wǎng)絡(luò)輿情數(shù)據(jù)的文本特征判斷是否包含圖片或視頻， 計(jì)算方法及標(biāo)準(zhǔn)化與轉(zhuǎn)發(fā)評(píng)論數(shù)量（Ｓ１９）、網(wǎng)絡(luò)用戶發(fā)布信息數(shù)量（Ｓ２５）的計(jì)算相同。第一個(gè)時(shí)間節(jié)點(diǎn)通過統(tǒng)計(jì)結(jié)構(gòu)化數(shù)據(jù)獲得對(duì)應(yīng)指標(biāo)值如表６ 所示。

３.２.３ 通過二次計(jì)算獲得對(duì)應(yīng)指標(biāo)值

通過二次計(jì)算獲得值的指標(biāo)包括網(wǎng)絡(luò)用戶負(fù)向情感占比（Ｓ１４）、網(wǎng)絡(luò)用戶情感負(fù)向演化方向（Ｓ２０）、觀點(diǎn)演化速度（Ｓ２１）。網(wǎng)絡(luò)用戶負(fù)向情感占比（Ｓ１４）是指在某一時(shí)間段內(nèi)具有負(fù)向情感網(wǎng)絡(luò)用戶占此時(shí)間段內(nèi)用戶總量的比例。網(wǎng)絡(luò)用戶情感負(fù)向演化方向?yàn)檫壿嬓蛿?shù)值， 通過此時(shí)段內(nèi)平均情感值與前一時(shí)段平均情感值對(duì)比， 如負(fù)向情感平均值增加， 則邏輯值為１， 否則為０。根據(jù)群體極化的定義， 網(wǎng)絡(luò)用戶經(jīng)非理性交互后， 觀點(diǎn)更為極端， 同時(shí)也意味著觀點(diǎn)數(shù)量相對(duì)變得更少。因此， 觀點(diǎn)演化速度的度量可以以觀點(diǎn)數(shù)量的變化與時(shí)長(zhǎng)的比值來(lái)表現(xiàn)， 觀點(diǎn)數(shù)量越來(lái)越少， 則群體極化風(fēng)險(xiǎn)越大， 值為正值， 否則值為負(fù)值。第一個(gè)時(shí)間節(jié)點(diǎn)通過二次計(jì)算獲得對(duì)應(yīng)指標(biāo)值如表７ 所示。

３.３ 群體極化風(fēng)險(xiǎn)評(píng)估的參考點(diǎn)和邊界的局部?jī)?yōu)先級(jí)計(jì)算

參考點(diǎn)和邊界的局部?jī)?yōu)先級(jí)計(jì)算是ＡＨＰＳｏｒｔⅡ的較為復(fù)雜的核心步驟。本文指標(biāo)值均為［０，１］。因此， 參考點(diǎn)在［０，１］ 之間以１０ 等分平均分布。以持續(xù)時(shí)長(zhǎng)（Ｓ５）為例， 對(duì)所有指標(biāo)用于群體極化風(fēng)險(xiǎn)評(píng)估參考點(diǎn)的設(shè)置和局部?jī)?yōu)先級(jí)計(jì)算進(jìn)行說(shuō)明。對(duì)于“河南７·２０ 暴雨” 事件而言， 持續(xù)時(shí)長(zhǎng)最長(zhǎng)為１６ 天， 即７ 月１９ 日—８ 月３ 日， 最小為兩天， 即７ 月１９—２０ 日。根據(jù)專家知識(shí)確定持續(xù)時(shí)長(zhǎng)的邊界為ｌｐ_１ ＝１０、ｌｐ_２＝１２、ｌｐ_３ ＝１４。各時(shí)序節(jié)點(diǎn)即各備選方案的持續(xù)時(shí)長(zhǎng)原始決策矩陣如表８ 所示。

參考點(diǎn)與邊界比較矩陣如表９ 所示。其中局部?jī)?yōu)先級(jí)采用特征根方法計(jì)算。以ｒｐ１０ 為基準(zhǔn)進(jìn)行歸一化。ＡＨＰＳｏｒｔⅡ分類方法的特點(diǎn)是可以使用１～７或１～９ 的自然數(shù)對(duì)參考點(diǎn)與邊界進(jìn)行線性近似評(píng)估。但指標(biāo)持續(xù)時(shí)長(zhǎng)是結(jié)構(gòu)化數(shù)據(jù)， 且在各時(shí)序節(jié)點(diǎn)具有明確分布， 因此可使用具體數(shù)據(jù)做客觀準(zhǔn)確評(píng)價(jià)代替主觀線性近似評(píng)價(jià)。

同理可得， 各時(shí)序節(jié)點(diǎn)在指標(biāo)持續(xù)時(shí)長(zhǎng)上的局部?jī)?yōu)先級(jí)如表１０ 所示。

得到所有指標(biāo)的局部?jī)?yōu)先級(jí)后， 結(jié)合指標(biāo)權(quán)重即可計(jì)算方案的全局優(yōu)先級(jí)以及邊界的全局優(yōu)先級(jí)，計(jì)算方法如２.３ 小節(jié)的式（６） 所示?！昂幽希贰ぃ玻氨┯辍?事件網(wǎng)絡(luò)輿情各時(shí)序節(jié)點(diǎn)群體極化風(fēng)險(xiǎn)如圖７ 所示。

由圖７ 可知， 隨著“河南７·２０ 暴雨” 事件網(wǎng)絡(luò)輿情逐漸發(fā)酵， 群體極化風(fēng)險(xiǎn)逐漸升高； 隨著輿情熱度衰退， 群體極化風(fēng)險(xiǎn)降低。其中， ７ 月２０—２５ 日為高風(fēng)險(xiǎn)， ７ 月２５—３０ 日為中風(fēng)險(xiǎn)， ７ 月３０日之后為低風(fēng)險(xiǎn)。

４ 群體極化風(fēng)險(xiǎn)評(píng)估結(jié)果討論

４.１ 結(jié)果討論

通過ＡＨＰＳｏｒｔⅡ?qū)ν话l(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)進(jìn)行評(píng)估， 當(dāng)對(duì)各時(shí)序節(jié)點(diǎn)進(jìn)行風(fēng)險(xiǎn)分類時(shí)，采用了結(jié)合影響群體極化風(fēng)險(xiǎn)評(píng)估指標(biāo)與對(duì)應(yīng)數(shù)值做線性加和的方式進(jìn)行計(jì)算。因此， 可計(jì)算各指標(biāo)的局部?jī)?yōu)先級(jí)占群體極化風(fēng)險(xiǎn)的全局優(yōu)先級(jí)的比例， 并以此比例表現(xiàn)出各評(píng)估指標(biāo)對(duì)群體極化風(fēng)險(xiǎn)的貢獻(xiàn)率。

其中， 在７ 月２０ 日時(shí)序節(jié)點(diǎn)的“河南７·２０ 暴雨” 事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)中， 對(duì)風(fēng)險(xiǎn)形成占較大的評(píng)估指標(biāo)主要包括： 網(wǎng)絡(luò)用戶負(fù)向情感占比、與其他事件耦合、轉(zhuǎn)發(fā)評(píng)論數(shù)量、網(wǎng)絡(luò)用戶發(fā)布信息數(shù)量。網(wǎng)絡(luò)用戶負(fù)向情感占比對(duì)群體極化風(fēng)險(xiǎn)形成貢獻(xiàn)最高且符合群體極化的特征， 即網(wǎng)絡(luò)用戶經(jīng)非理性討論后形成極端觀點(diǎn)。在我國(guó)應(yīng)急管理部門發(fā)布河南暴雨受災(zāi)害情況的同時(shí)， 有媒體發(fā)布了鄭州地鐵五號(hào)線進(jìn)水、快速路隧道被淹等緊急情況， 網(wǎng)絡(luò)用戶展開了熱烈討論， 在突發(fā)事件網(wǎng)絡(luò)輿情話題關(guān)系網(wǎng)絡(luò)中， 各節(jié)點(diǎn)逐漸趨于同步， 觀點(diǎn)逐漸演化向極端態(tài)度， 即“一邊倒” 地質(zhì)疑管理部門的一切應(yīng)急處置措施、極端不信任政府做出的救災(zāi)舉措。由于網(wǎng)絡(luò)輿情發(fā)展過程中， 網(wǎng)絡(luò)用戶具有沉默螺旋效應(yīng)， 因此鮮有相關(guān)領(lǐng)域?qū)I(yè)人員發(fā)表權(quán)威性言論進(jìn)行說(shuō)明?！昂幽希贰ぃ玻?暴雨” 事件網(wǎng)絡(luò)輿情中存在的負(fù)面情感與應(yīng)急管理部門應(yīng)對(duì)措施失當(dāng)， 導(dǎo)致網(wǎng)絡(luò)用戶在非理性狀態(tài)下對(duì)相關(guān)部門的指責(zé)與不信任存在明顯耦合關(guān)系。轉(zhuǎn)評(píng)贊數(shù)量以及網(wǎng)絡(luò)用戶發(fā)布信息數(shù)量則體現(xiàn)為“河南７·２０ 暴雨”事件吸引大量網(wǎng)絡(luò)用戶參與討論以及交互， 是群體極化的外在條件， 也是非理性交互的載體， 助推了極端觀點(diǎn)的產(chǎn)生以及群體極化風(fēng)險(xiǎn)的形成。信息不確定性主要是由于在此事件中， 缺少具有公信力的專家和機(jī)構(gòu)對(duì)當(dāng)?shù)厥転?zāi)情況和突發(fā)災(zāi)難事件進(jìn)行權(quán)威解讀， 同時(shí)， 災(zāi)難的突發(fā)性和破壞力天然具備不確定性， 從而觸發(fā)了網(wǎng)絡(luò)用戶對(duì)政府應(yīng)急響應(yīng)和救災(zāi)舉措持否定態(tài)度的現(xiàn)象。

在７ 月２２ 日時(shí)序節(jié)點(diǎn)的“河南７·２０ 暴雨” 事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)中， 對(duì)風(fēng)險(xiǎn)形成占比較大的評(píng)估指標(biāo)主要包括： 網(wǎng)絡(luò)用戶負(fù)向情感占比、與其他事件耦合、轉(zhuǎn)發(fā)評(píng)論數(shù)量、信息不確定性、網(wǎng)絡(luò)用戶發(fā)布信息數(shù)量。７ 月２２ 日， 隨著人員傷亡情況以及鄭州地鐵五號(hào)線進(jìn)水、鄭州周邊地區(qū)高鐵停運(yùn)、高速封閉等受災(zāi)信息的快速傳播、發(fā)酵， 網(wǎng)絡(luò)用戶的諸多負(fù)面情緒持續(xù)增加。轉(zhuǎn)評(píng)贊數(shù)量、持續(xù)時(shí)長(zhǎng)、網(wǎng)絡(luò)用戶發(fā)布信息數(shù)量持續(xù)增加， 出現(xiàn)了網(wǎng)絡(luò)用戶情感進(jìn)一步向負(fù)向演化的趨勢(shì)。由于突發(fā)事件事發(fā)地為省會(huì)， 因此事件發(fā)生地點(diǎn)是否為經(jīng)濟(jì)中心也對(duì)群體極化風(fēng)險(xiǎn)形成產(chǎn)生了作用。隨著中央媒體加強(qiáng)了對(duì)災(zāi)難成因、災(zāi)難趨勢(shì)及中央政府救災(zāi)措施的權(quán)威解讀報(bào)道， 同時(shí)相關(guān)災(zāi)害逐步減輕， 使人們對(duì)自然災(zāi)害破壞力的認(rèn)知進(jìn)一步明確。８ 月３日， 國(guó)務(wù)院宣布成立調(diào)查組并通報(bào)了整個(gè)災(zāi)害事件的人員傷亡與財(cái)產(chǎn)損失情況， 正式宣布災(zāi)情已經(jīng)得到解決， 當(dāng)?shù)卣e極開展災(zāi)后重建。網(wǎng)絡(luò)用戶的非理性觀點(diǎn)的增長(zhǎng)趨勢(shì)已經(jīng)有所緩解， 討論話題逐步向?yàn)?zāi)后重建、經(jīng)驗(yàn)總結(jié)和災(zāi)區(qū)援助等方面演進(jìn)。討論話題逐步向?yàn)?zāi)后重建、經(jīng)驗(yàn)總結(jié)和向?yàn)?zāi)區(qū)援助等方向演化。隨著“河南７·２０ 暴雨” 事件的輿情信息傳播達(dá)到衰退期， 至５ 月初至８ 月初群體極化風(fēng)險(xiǎn)已經(jīng)可以基本忽略群體極化風(fēng)險(xiǎn)已經(jīng)可以基本忽略。

４.２ 研究方法評(píng)價(jià)

通過實(shí)證研究結(jié)果可知， 本文構(gòu)建的突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)估方法可以有效對(duì)群體極化風(fēng)險(xiǎn)進(jìn)行較為準(zhǔn)確的評(píng)估。方法的有效性主要源自于群體極化風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的全面性以及ＡＨＰ?ＳｏｒｔⅡ方法的使用。首先， 本文構(gòu)建的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系綜合考慮了物理空間中的突發(fā)危機(jī)情境、社會(huì)空間中用戶非理性交互以及信息空間中的信息失序的具象化表現(xiàn)。評(píng)價(jià)指標(biāo)的全面性和綜合性是風(fēng)險(xiǎn)評(píng)價(jià)的重要保障； 其次， ＡＨＰＳｏｒｔ 分類方法可通過將方案與組別的邊界進(jìn)行比較從而將備選方案分類到預(yù)定義的有序類別， 且與傳統(tǒng)多準(zhǔn)則決策方法ＡＨＰ 相比， 大大減少了比較次數(shù)。ＡＨＰＳｏｒｔⅡ在ＡＨＰＳｏｒｔ 基礎(chǔ)之上通過比較選定的參考點(diǎn)得到其權(quán)重， 并通過線性近似得到方案的權(quán)重， 從而不需要將方案進(jìn)行直接比較， 需要更少比較次數(shù)。ＡＨＰ?ＳｏｒｔⅡ方法的應(yīng)用也是實(shí)現(xiàn)準(zhǔn)確評(píng)估群體極化風(fēng)險(xiǎn)的重要輔助工具。但ＡＨＰＳｏｒｔⅡ在應(yīng)用過程中存在部分需要定性評(píng)價(jià)的工作， 對(duì)群體極化風(fēng)險(xiǎn)評(píng)估的便捷性、自動(dòng)性帶來(lái)一定影響。在實(shí)際應(yīng)用中， 本文所構(gòu)建的群體極化風(fēng)險(xiǎn)評(píng)估指標(biāo)體系與評(píng)價(jià)方法可以直接應(yīng)用于突發(fā)輿情的監(jiān)測(cè)與導(dǎo)控中。主管部門可結(jié)合實(shí)際情況組織多位相關(guān)領(lǐng)域?qū)＜遥?并根據(jù)上述評(píng)價(jià)方法和指標(biāo)體系對(duì)輿情事件進(jìn)行實(shí)時(shí)監(jiān)測(cè)， 以便及時(shí)調(diào)整導(dǎo)控策略。

５ 結(jié)語(yǔ)

突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)估是風(fēng)險(xiǎn)識(shí)別與導(dǎo)控策略的中間環(huán)節(jié)， 是群體極化社會(huì)風(fēng)險(xiǎn)管理的重要內(nèi)容。本文解析了突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)價(jià)方法模型， 構(gòu)建了突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系， 闡述了突發(fā)事件網(wǎng)絡(luò)輿情群體極化風(fēng)險(xiǎn)評(píng)價(jià)使用的ＡＨＰＳｏｒｔⅡ計(jì)算方法， 包括指標(biāo)賦權(quán)、專家賦權(quán)以及詳細(xì)計(jì)算過程，并通過實(shí)證研究驗(yàn)證了其合理性與可行性， 以期為主管部門對(duì)群體極化風(fēng)險(xiǎn)的評(píng)估與測(cè)度、突發(fā)網(wǎng)絡(luò)輿情的導(dǎo)控提供一套行之有效的方法。

（責(zé)任編輯： 郭沫含）