基于大数据与微分动力学的高校网络舆情传播机制研究

■ 贵州理工学院 王喜宾 赵 欢 张 森 唐文勇

1 高校网络舆情特征分析

1.1 高校网络舆情的大数据特性

大学生对社会热点和敏感事件关注度高，转发速度快，评论度高，网络成了他们无障碍转发与评论的重要共享平台，导致高校网络舆情具有高突发性、半隐蔽性等特点，并在短时间内呈爆炸式增长，具有典型的大数据特征，为有效挖掘高校网络舆情大数据中蕴含的有价值的规律提供良好机遇。

1.2 高校网络舆情的周期性

高校网络舆情事件与其他舆情事件非常类似，通常会经历五个发展阶段:潜伏期、发酵期、高潮期、衰退期和平淡期。舆情的潜伏期和发酵期是开展舆情防控的关键阶段，能够将其控制在萌芽状态，因此研究舆情的产生与传播机制对舆情监控非常有必要。

1.3 高校网络舆情的传播复杂性

舆情网络属于一种典型的复杂社会网络，其传播过程与传染病的病毒传播过程类似。将参与者抽象为复杂网络的节点，参与者之间的关系抽象为节点之间的边，就构造出了便于分析的网络结构。基于复杂网络构建的高校网络舆情传播模型，有助于发现其中的内在机制，挖掘舆情的产生和传播规律。

2 基于数据挖掘与微分动力学的高校网络舆情传播机制研究

首先是舆情数据获取，可以采用网络爬虫的方式获取，也可以通过网络媒体平台存储的本地或在线数据获取；其次是舆情数据预处理，包括数据的清洗、变换、集成等，然后将处理好的、待分析的数据存放在本地或云端便于下一步分析；再次是舆情数据挖掘，主要分析舆情参与者的行为特征、舆情传播路径等；最后是结果可视化，将分析得到的结果以更加容易理解的方式呈现给管理人员。

分析高校热点舆情数据时发现，大部分数据都是无标签数据，非常不利于聚类精度的提升。为此，采用基于流形结构的半监督混合高斯聚类算法对热门舆情事件进行分析，其目标函数为:

为了提高算法在处理大规模热点事件聚类时的性能，设计基于MapReduce的分布式并行处理方法实现聚类算法的高性能计算，具体如图1所示。

图1 基于MapReduce的半监督聚类算法框架

通过半监督聚类算法得到热点舆情事件后，进一步获得对应的热门话题，然后基于热点话题研究热点舆情传播机制和路径。考虑到舆情传播特点，建立基于传染病理论(微分动力学方法)的高校网络舆情传播模型。在舆情网络中，将参与者看作节点，将聚类获得的每个热点话题划分为不同区域，区域中的人群包括:易感染人群(S)—不知道舆情者、传染人群(I)—传播负面舆情者、潜伏人群(E)—知情者、免疫人群(R)—移除者，这些人群涉及学生、教师、辅导员、班主任、校领导等。假设所研究区域内的总人数为N个恒定不变，那么随着热点舆情事件的公布和传播，参与者的状态可能会发生迁移，引起传播过程和网络结构的变化，如图2所示。其中，λ表示易感人群转变成潜伏人群的概率；ω表示潜伏人群转变成传染人群的概率；γ表示传染人群转化为免疫人群的概率。从而可得SEIR病毒传播模型的微分动力学方程，如式(2)所示。

图2 传统SEIR模型

其中，S(t)、E(t)、I(t)、R(t)分别表示t时刻 4 类人群的密度。

分析上述模型可以发现，传统的SEIR模型不能准确反映网络舆情的传播规律，需要对其进行必要改造，引入其他状态的人群，提出SEIR-ZF模型。提出的模型不仅考虑了舆情的两种状态(正面和负面)，以及两种舆情在传播过程中的相互影响与抑制作用，而且还要确保各类人群在转化时的合理性。于是将潜伏人群(E)进一步细分为知道是负面舆情但不传播的人群(F)和知道是正面舆情但不传播人群(Z)。理论上，免疫人群(R)到传染人群(I)转化的概率相对较低，其转化率为γ2；传染人群(I)转化为易感染人群(S)以及免疫人群(R)转换为易感染人群(S)的情况也可能发生，其转化率分别为b和p，从而得到改进后的SEIR-ZF模型，如图3所示，以及对应的微分动力学方程如式(3)所示。

图3 优化后的SEIR模型

其中，F(t)和Z(t)分别表示t时刻知道是负面舆情但不传播的人群(F)与知道是正面舆情但不传播人群(Z)的密度。

根据分析需要，采用AnyLogic University软件对优化后的SEIR-ZF模型进行模拟仿真，并对其中的参数进行调优，以找出高校网络舆情的传播规律。通过前面分析，总结出基于数据挖掘技术和微分动力学模型的高校网络舆情传播机制分析思路:

第1步，对舆情大数据进行预处理，并采用基于分布式并行处理的半监督聚类分析算法获得热门话题；

第2步，针对某一热门话题，建立SEIR-ZF传播模型，分析舆情传播机制；

第3步，采用传播模型分析软件对所建立的模型进行仿真；

第4步，对分析结果进行可视化展示与解释；

第5步，对于其他热门话题，重复第2步至第4步，最终获得所有热门话题的传播路径，并对比分析获得其中的传播规律。

3 高校网络舆情引导策略

3.1 技术赋能管理，科学管理高校网络舆情

对高校网络舆情科学、合理的分析是建立科学、高效的高校网络舆情应对策略的前提，并进而制定出科学的引导管理策略。通过收集与分析高校网络舆情数据，可以随时捕获师生以及行政人员对学校规章制度与政策等执行效果的最直接反馈，并根据正面反馈不断优化育人环境，为人才培养营造良好氛围。因此，高校可以根据建立的舆情预测模型实现从被动应对到主动管理转变，预判网络舆情的发展态势，提高应对效能，转变教育引导方式。

3.2 提高技术防范，精准引导高校网络舆情

高校作为培养新时代复合型人才的主战场，不可避免地要应对网络舆情。有效运用前面构建的高校舆情分析与预测模型，能够提升网络舆情管理的技术防范。在关键时期和敏感阶段，深入研究与分析可能发生的事件或问题的趋势，可以降低网络舆情的发生率。在初期，提高舆情响应的速度和效率，把网络舆情扼杀在摇篮中，降低其影响范围和程度；在爆发期，利用舆情传播与演化动力学预测模型对网络舆情进行分析和研判，做好舆情反馈、危机干预。

3.3 探索思政教育新路径，发挥高校网络阵地的价值引领作用

首先，高校作为思想政治与意识形态教育的主阵地，需要掌握主动权，积极发挥马克思主义意识形态在网络阵地中的价值引领作用。其次，针对突发舆情事件及时分析其演化趋势，做好通报和回应，牢牢把握网络舆论的主导地位，发挥舆情管理的教育引导功能。以习近平新时代中国特色社会主义思想为引领，不断探索和创新高校思想政治教育新路径，大力弘扬社会主义主旋律，为高校践行“三全育人”创造积极、正面的网络舆论环境。