大数据背景下网络谣言精准治理系统框架与实现策略

杜鑫雨，李宗敏，徐舒言

(1.四川大学 商学院，四川 成都 610065；2.香港大学 经济及工商管理学院，香港 999077)

中国目前正处在发展的重要战略机遇期，在经济持续高速增长的同时伴随着发展不平衡的现象，容易滋生谣言，给社会带来极大的危害。辟谣作为谣言治理的主要手段，对安抚民众情绪、维持社会稳定以及防止事件进一步恶化造成严重社会危机有重要作用。2013年8月在北京市互联网信息办公室和首都互联网协会牵头下，北京地区网站联合辟谣平台成立，标志着我国谣言治理工作建设进入全新时代。如今，全国范围内，各行各业、地方政府发起的辟谣平台已经非常多。根据腾讯公司在2020年度阳光媒体人线上大会分享的《抗击“信息疫情” 践行社会责任——2020年网络谣言治理分析报告》[1]可知，2020年仅腾讯较真平台就生产了4 425则辟谣内容，为用户提供了超过17.2亿次辟谣科普，对打造清朗的互联网空间和生态发挥了一定积极作用。

新媒体时代数字化、网络化、即时化、互动化的特征，影响和改变了谣言生成和传播的模式，谣言也呈现海量化特征，且其传播速度和影响力都有了很大的飞跃。若在谣言治理过程中不区分重点对症下药，容易陷入大数据的汪洋大海，导致治理效率低下。谣言的精准治理使传统的粗放式管理转向数据驱动的精细化治理和科学化治理，有利于治理资源的最大化利用和治理效果的提高。

笔者在文献综述、对谣言精准治理概念辨析以及梳理谣言治理的对象-主体-客体结构的基础上，构建网络谣言精准治理的系统框架，并结合大数据背景提出网络谣言精准治理的实现策略。

1 研究现状和存在的问题

1.1 谣言相关研究现状

学界对于谣言与辟谣的研究，始于1944年KNAPP[2]对马萨诸塞州谣言治理的研究。近年来谣言与辟谣逐渐成为热门研究领域，跨越传媒学、社会学乃至法学、心理学等领域。

谣言相关文献梳理结果如表1所示，将谣言的研究分为6类。其中，谣言防控/治理在近年成为了谣言研究中的热门方向，这一方向的研究主要侧重在以下几个方面：①个案的研究；②从心理学角度，分析不同谣言治理方式的效果；③从新闻传播学、管理学角度出发的对谣言传播现象提出方向性建议；④利用系统动力学建模方法，对谣言热度展开研究，从而提出治理对策[22]；⑤网络谣言控制模型，主要有延迟启动模型、信标模型和邻里模型[23]。

表1 谣言研究分类

网络谣言本质上是一种负面舆论，它反映了民众的负面舆情，因而舆情精准治理与网络谣言精准治理直接相关。为了实现舆情精准治理，可以从以下几点入手[24]：①建立舆情预测与预警模型；②以精细化研判为导向实现数据驱动决策，利用数据挖掘、模式识别等人工智能技术对舆情传播路径、观点倾向性等进行分析从而提高舆情态势研判的准确性；③基于人工智能算法辅助进行的个性化和差异化的舆论引导，使舆论引导更有效。这些观点和方法对于网络谣言精准治理具有积极的借鉴意义。

1.2 文献评述

通过系统分析已有关于谣言的研究文献，该领域仍存在值得进一步深入研究的空间：①现有研究中，谣言的识别和检测广泛使用了大数据和机器学习方法，但在谣言治理和谣言控制决策支持方面，虽然已有一些研究提出了精准治理、善治或生态治理的概念，但还停留在概念和定性建议。如何利用好网络谣言大数据以及大数据分析技术为实现谣言精准治理、提升谣言治理效果提供决策支持，还值得更具体更深入的探索。②将自然科学和社会科学进行整合的研究较少。谣言治理本身是社会学、传播学等多学科交叉的研究领域。在社会科学方面，谣言的产生、传播的社会心理的定性研究已有很深厚的积累；自然科学方面的研究虽起步晚，但近年来在谣言的识别、模拟谣言传播的过程中进展迅速。目前自然科学和社会科学方面的研究较为独立。事实上，将谣言参与者的社会心理、情绪、态度等特征考虑到谣言治理中，有助于对公众分类，从而设计针对性辟谣策略。③大量研究关注谣言本身,即谣言的识别、传播、影响因素等，而人类自身才是谣言病毒式传播的主要因素。从文献挖掘可见，现有对谣言参与者的研究，主要针对有影响力的个体、敏感或高风险个体等。在公众层面，尤其是针对谣言参与者的分类和群体识别还没有成熟的研究。④已有关于不同辟谣策略对于谣言信念影响的实验研究和个案研究，以及对于辟谣平台的协同治理等研究，但缺乏对谣言治理效果和能力的科学评价指标、体系和方法。

综上，在大数据背景下，谣言预测、群体识别、治理效果与能力评价都迫切需要进一步发展，为实现谣言精准治理提供更有针对性的决策支持。

2 概念辨析

谣言善治的理论依据来源于公共管理领域的善治理论。善治是使公共利益最大化的社会管理过程，其本质特征在于它是政府与公民对公共生活的合作管理。也就是说，谣言善治是指面对谣言，在政府主导下，政府、民众以及其他一些组织实现民主、协商的多元合作治理机制，以最大限度降低谣言危害。它的核心是多元主体治理结构。

谣言生态治理的理论依据来自于舆情生态理论。网络舆情生态是指舆情信息、舆情主体以及舆情环境相互作用而形成的关系总和。网络舆情发展过程中的虚假信息、负面信息等属于网络舆情生态系统失衡。在一定意义上，网络谣言的生态治理也是对网络舆情生态系统失衡的调节与优化过程，它强调各信息主体在舆情生态环境的基础上，以谣言信息为对象，通过整体性、系统性的治理使得舆情生态系统达到平衡状态。

目前对于谣言精准治理没有统一明确概念。精准治理的思想强调目标导向、公民的有效参与、过程的合法透明及结果的评估监督。依托于精准治理思想，谣言的精准治理可以定义为在适宜的制度、信息化技术以及科学的结果评估机制的支撑下最大化利用治理资源，实现多元主体的协同治理、精细化治理和科学治理。

综上对3种谣言治理理念的异同作出总结，如表2所示。谣言善治、谣言生态治理和谣言精准治理都强调多元主体的协同合作。不同的是，善治更强调政府和其他治理主体合作和协商关系；生态治理则注重整体性、系统性的治理思想；而精准治理侧重以数据决策为依托的精细化治理，实现治理资源的最优分配。

表2 3种谣言治理理念的异同

大数据背景下，谣言精准治理为突破海量信息中谣言识别瓶颈、公众接收信息困境及辟谣平台辟谣效果管理难题提供了思路，具有显著的可操作性，对推动社会治理由经验治理、粗放式治理向数据治理、精细化治理转型具有重要的积极作用。

3 网络谣言精准治理系统框架

3.1 谣言治理对象-主体-客体结构

(1)治理的对象。在对谣言进行治理的过程中，治理的对象就是谣言。根据其内容可以分为不同的类别，例如社会类谣言、政治类谣言。

(2)治理的客体。辟谣信息传递的目标群体，也就是公众，可以分为①传谣者：相信谣言并传播谣言的人；②信谣者：相信谣言的人(未传播)；③不信谣者：不相信谣言的人；④辟谣者：不相信谣言并且主动澄清谣言的人；⑤动摇者：接触到谣言信息，处于相信与不相信之间意见动摇的人。在谣言治理的对象-主体-客体结构中，谣言治理主体针对治理对象对治理客体施加影响，同时治理对象也在不断影响公众的认知。

(3)治理的主体。在谣言治理过程中，辟谣行为的主要参与者，即发布辟谣信息的个人、组织和平台。

3.2 网络谣言精准治理系统框架

针对谣言治理对象-主体-客体结构，分析了网络谣言精准治理的“三向”支撑，并由此提出了网络谣言精准治理系统框架如图1所示。

图1 网络谣言精准治理系统框架

对治理的对象：谣言，加强理性认识，把握住谣言重复出现、大规模扩散的规律和趋势。谣言是优先传播的，尤其在网络新媒体时代，这一过程的速度大大加快。而辟谣活动是针对已产生的谣言进行的，即使拥有再高的效率，辟谣都是滞后于谣言的产生和传播。同时，大规模扩散的谣言因其覆盖面广，造成的危害更大、影响更深。在有限条件下，应优先防控可能大规模扩散的谣言，减轻危害。只有通过大数据分析挖掘出大规模扩散、重复出现的谣言的特征，进行有效的监控和预警，才能与谣言抢占先机，实现谣言的精准治理。

对治理的客体：网络谣言参与者，要区分不同人群、不同媒介的信息表达偏好。VOSOUGHI等[25]研究表明，人们倾向于阅读与其情感态度相符的推文，认为与他们先前存在的信念更一致的信息更有说服力。所以，针对不同类的谣言，可通过大数据分析实现群体识别和特征分析，对潜在的传谣者/辟谣者/信谣者/动摇者设计针对性辟谣方式，有利于扩大真实消息的接受面和抑制谣言的扩散，对实现谣言精准治理有着重要的意义。

对治理的主体：辟谣平台/机构，现在还缺乏专门针对辟谣效果、谣言治理能力的指标、评价体系及评价方法。识别对谣言治理效果和素，有利于针对性地提出改进建议；对主体的评价结果可以分清不同平台的优劣势，有助于设计多平台的辟谣协同应对机制和辟谣路径组合，最大限度地实现治理主体的功能，提高辟谣效果。

由此可见，对辟谣对象的理性认识、对辟谣客体的清晰分类、对辟谣主体的科学评价是实现网络谣言精准治理的“三向”支撑。①对谣言的理性认识，可在治理过程中把握各类谣言传播模式和特征，抓“大规模扩散”、抓“重复出现”；②对公众清晰分类，则可提取传谣/信谣/辟谣等各类人群的特征，分类治理；③对治理主体科学评价，则能识别各类主体提高治理效果与能力的关键因素，达到谣言精准治理效果。

4 网络谣言精准治理实现策略

人工智能、机器学习的发展，为抓取大量数据，处理、提取非结构化数据提供了可能。建立网络谣言大数据库、谣言参与者大数据库，利用大数据分析提取大规模扩散、重复出现的谣言特征；精准识别和预测网络谣言的信谣者/传谣者/辟谣者；挖掘对谣言治理效果/能力有显著影响的因素，都可以为网络谣言的精准治理提供决策依据。

4.1 对大规模扩散及重复谣言进行识别和监控

网络时刻在产生虚假信息、未经证实的信息、错误信息等，谣言治理的重点就是那些大规模扩散和重复出现的谣言。

谣言是否大规模扩散，原本是二分类问题，为增加预防决策的针对性，可按照扩散风险，定义为扩散高风险、中风险、低风险多分类问题。建立网络谣言大数据库，采用机器学习方法预测和分类不同扩散风险程度的谣言，同时可利用特征工程筛选大规模扩散谣言的特征。已知当前情境状态：可变性、危险性、敏感性，当地信息化水平等，辟谣平台监控系统中出现识别为谣言的信息，分析其发布者特征、文本信息特征，代入预测模型，可迅速预测出该谣言是否会大规模扩散，或者大规模扩散的风险。这样可以针对不同风险等级建立分级预警体系，并根据辟谣经验从主体、环节、措施等方面形成不同级别的辟谣应急方案，也可以根据提取出的可能大规模扩散的特征，为辟谣平台提供制定预防对策的依据。此外要依据谣言数据库，充分挖掘重复出现谣言的特征，识别可能重复出现的谣言。建立重复出现谣言机器学习预测模型，得出首次辟谣的方式、组织、速度、平台分别对谣言重复出现的概率是否有显著的影响，为预防谣言重复出现提供决策依据。

近年来，许多基于机器学习/人工智能的大数据分析技术在谣言检测、预警方面得到了应用。比如结合用户的发文行为特征、用户属性和微博文本，基于卷积-长短期记忆网络模型进行谣言的早期检测[26]；基于遗传算法优化的BP神经网络模型实现网络谣言风险的量化评估等[27]。

4.2 针对不同的谣言群体类别进行分类辟谣

LEWANDOWSKY等[28]认为应当针对不同人群的特点和思维模式，把同样的辟谣信息换用不同的说法、角度，避开政治立场、世界观等敏感点。这就要求对谣言治理的客体(公众)进行群体分类。此外还可以利用群体预测模型对潜在谣言参与者进行预测。通过收集谣言、辟谣信息及谣言参与者的信息(包括参与者的近期发布信息及基本情况如性别、用户标签等)，建立网络谣言、辟谣信息、谣言参与者大数据库。运用NPL技术获得参与者的最近发布信息与谣言、辟谣信息的相似度以及情感态度等特征，再加上其他的用户特征作为特征变量，构建机器学习模型实现对参与者的类型分类。由此区分不同人群的观点、信息表达偏好，采取分类辟谣决策来突破辟谣信息接收困境。

(1)在群体预测模型的基础上，谣言治理主体可根据过去谣言参与者的群体分类结果，有针对性地推送科普知识或政策普及，如：对于曾作为传谣者的群体，推送相应类别的科普信息，推送我国对危害严重的网络造谣者惩处的法律法规，对这一群体表示威慑力；对于辟谣者，平台也可推送激励政策，以及其感兴趣类别的其他辟谣信息，鼓励其继续成为网络上的主动科普者、净化者。

(2)由谣言参与者的关注、标签挖掘不同群体对不同媒介的偏好，尽量通过其感兴趣、信任的媒介推动针对性的信息。进一步地，对于不同类型谣言的不同群体，对他们近期主动发布的信息和评论进行人格与个性分析，将群体再进一步细化分类个性，对推送的信息做符合其个性的改编。

(3)当一个谣言出现或处于蔓延过程中时，根据群体预测模型，预测该类型谣言主要面向的公众中哪些人可能会成为辟谣者、传谣者、信谣者、不信谣者、动摇者，提早给他们推送相关科普信息，尽量在谣言信息到达他们之前，已多次科普或辟谣，实现“谣言免疫”。

(4)多模态结合的信息形式。文字、图片、视频、语音等多模态的内容表达增加了信息的表现力。辟谣信息传播应充分利用群体对信息类型的偏好，设计该群体最容易接受的模态形式，提高辟谣内容、科普内容、激励和惩罚政策信息的接受程度。

4.3 建立健全辟谣主体辟谣效果指标设计与治理能力多属性评价

辟谣主体包括辟谣个人、辟谣机构和辟谣平台。目前对于个人和机构发布的辟谣信息效果的衡量主要通过访谈或问卷的形式，以及转发数、评论数等客观指标进行，对于辟谣信息效果的评价需要综合考量辟谣信息传播的数量与质量。不仅要对个人和机构发布的辟谣信息建立辟谣效果评价指标，还要根据指标体系建立原则、网信办和各平台调研结果建立辟谣平台谣言治理能力评价指标体系。现有对辟谣平台的研究主要从新闻媒体的角度对辟谣平台的运行逻辑、运行效果、定位功能和社会价值进行定性分析，需进一步转化为量化评价。在评价结果的基础上，针对各辟谣主体提出改进辟谣效果的决策建议，重点提出针对重要程度高而表现差的指标的改进建议；同时结合不同平台的不同优劣势，提出多平台的辟谣协同应对机制和辟谣路径组合。

(1)网络谣言的话题涉及领域广泛、涉及公众群体不同，应明确主体定位、优劣势，采取差异化的多主体组合策略。把官方辟谣力量和民间辟谣力量、团体辟谣力量和个人辟谣力量逐渐整合起来，集中优势，弥补劣势，形成快速的有针对性的精准治理机制。

(2)政府力量融合多媒介的渠道覆盖。报刊、新闻以官方正式报道、单向传播为主，而辟谣平台具有开放性评论的互动传播形式。借助官方报道的权威性、开放平台的民主性，实现辟谣信息全媒体融合、全渠道覆盖。根据群体的特点和媒体选择偏好，对不同类型的谣言及群体特征设计辟谣路径组合，更好地突破公众接收信息的困境。

5 结论

网络谣言的精准治理有助于实现治理资源的最大化利用从而提高谣言治理的效果，对于推进治理能力提升和治理模式创新具有积极意义。笔者通过对谣言以及舆情精准治理文献进行挖掘，总结研究现状和存在的问题，辨析了谣言精准治理概念，梳理网络谣言治理对象-主体-客体系统框架，提出大数据背景下实现网络谣言精准治理的“三向”策略：①重视大规模扩散和重复出现谣言，实现“抓扩”、“抓重”的谣言监控，这就需要建立谣言大数据库，挖掘这两类谣言的特征。②针对不同群体设计针对性的辟谣策略，打破辟谣信息接收困境，基于大数据分析以及自然语言分析，进行群体分类和特征提取，对于不同类型的谣言，分析哪些人会成为传谣者/辟谣者/信谣者，为针对性治理提供决策支持。③科学评价辟谣平台/机构的谣言治理效果和能力，抓住对其治理效果和能力有关键影响的因素，并根据评价出的优劣势，设计多平台的辟谣协同应对机制和辟谣路径组合。