賈媚媚 劉泉

摘要：近年來，網(wǎng)絡(luò)輿情反轉(zhuǎn)事件頻繁發(fā)生，其產(chǎn)生機(jī)理與應(yīng)對策略的研究對經(jīng)濟(jì)持續(xù)健康發(fā)展和社會大局穩(wěn)定具有重要意義。本文從全局角度對網(wǎng)絡(luò)輿情的反轉(zhuǎn)研究進(jìn)行全面總結(jié)，首先對輿情反轉(zhuǎn)的相關(guān)文獻(xiàn)進(jìn)行分析，然后從輿情反轉(zhuǎn)的產(chǎn)生機(jī)理、建模與仿真以及機(jī)器學(xué)習(xí)在網(wǎng)絡(luò)輿情反轉(zhuǎn)預(yù)測中的應(yīng)用三個(gè)角度總結(jié)目前的研究進(jìn)展。基于上述分析，總結(jié)已有研究中存在的問題，并初步探討未來的可能研究方向。

關(guān)鍵詞：網(wǎng)絡(luò)輿情反轉(zhuǎn)；研究進(jìn)展；機(jī)器學(xué)習(xí)；建模仿真

中圖分類號：G206 文獻(xiàn)標(biāo)志碼：A 文章編號：1674-8883（2021）13-0050-03

基金項(xiàng)目：本論文為南陽師范學(xué)院校級科研項(xiàng)目“微博網(wǎng)絡(luò)上的輿論演化動力學(xué)研究”成果，項(xiàng)目編號：2019QN019；河南省自然科學(xué)基金青年科學(xué)項(xiàng)目“線上線下耦合網(wǎng)絡(luò)上的輿論動力學(xué)研究”成果，項(xiàng)目編號：202300410301；河南省高校人文社會科學(xué)研究一般項(xiàng)目“基于超網(wǎng)絡(luò)的傳染病傳播機(jī)理與防控策略研究”成果，項(xiàng)目編號：2021-ZZJH-262； 2020年度河南省社會科學(xué)界聯(lián)合會調(diào)研課題“基于社交網(wǎng)絡(luò)大數(shù)據(jù)的網(wǎng)絡(luò)輿情反轉(zhuǎn)機(jī)理研究”成果，項(xiàng)目編號：SKL-2020-714

一、引言

近年來，網(wǎng)絡(luò)輿情反轉(zhuǎn)現(xiàn)象頻繁發(fā)生，例如2015年的“成都女司機(jī)被打事件”、2018年的“快遞小哥雨中暴哭事件”、2019年的“濰坊市婦幼保健院紗布門事件”。相對于一般的網(wǎng)絡(luò)輿情事件，網(wǎng)絡(luò)輿情反轉(zhuǎn)事件中的輿情具有典型的“反轉(zhuǎn)”現(xiàn)象，輿情出現(xiàn)一次或多次反轉(zhuǎn)。這些輿情反轉(zhuǎn)事件在發(fā)展過程中，由于信息的不斷加入，輿情持續(xù)時(shí)間一般較長，事件主體、媒體公信力等都會受到不良影響[1]，也易使輿情蔓延至線下社會，動搖社會的和諧基礎(chǔ)與信任根基[2]。網(wǎng)絡(luò)輿情反轉(zhuǎn)的產(chǎn)生機(jī)理、演化特征與治理對策等方面的研究已經(jīng)受到越來越多的學(xué)者關(guān)注。

當(dāng)前，網(wǎng)絡(luò)輿情反轉(zhuǎn)問題的研究方法多以具體案例的定性分析為主，也有部分研究是通過構(gòu)建研究模型來進(jìn)行定量分析。網(wǎng)絡(luò)輿情反轉(zhuǎn)研究包括輿情反轉(zhuǎn)、新聞反轉(zhuǎn)、輿論反轉(zhuǎn)、反轉(zhuǎn)新聞等多種主題關(guān)鍵詞[1]。值得注意的是，“輿情反轉(zhuǎn)”與“新聞反轉(zhuǎn)”之間具有較強(qiáng)的聯(lián)系[3]，常存在相互交織的關(guān)系[4]，但是兩者還是存在本質(zhì)區(qū)別[5]。因此，本文將研究范圍界定在輿情反轉(zhuǎn)和輿論反轉(zhuǎn)上。

目前關(guān)于網(wǎng)絡(luò)輿情反轉(zhuǎn)問題的研究，已經(jīng)積累了豐富的研究成果，已有學(xué)者對2013年至2015年的研究文獻(xiàn)進(jìn)行了簡單的梳理和分析[5]。但是，近年來尚未有學(xué)者從全局角度對網(wǎng)絡(luò)輿情反轉(zhuǎn)研究進(jìn)行全面總結(jié)。本文對網(wǎng)絡(luò)輿情反轉(zhuǎn)的研究進(jìn)展、存在問題及發(fā)展方向進(jìn)行整理和分析。

二、文獻(xiàn)分析

以“輿情反轉(zhuǎn)”和“輿論反轉(zhuǎn)”為關(guān)鍵詞，在CNKI數(shù)據(jù)庫進(jìn)行搜索，對所得文獻(xiàn)進(jìn)一步進(jìn)行人工篩選，共選定相關(guān)文獻(xiàn)272篇。從2015年至今，關(guān)于“輿情反轉(zhuǎn)”的研究整體呈現(xiàn)逐年增加的趨勢，其中在2020年，論文數(shù)量出現(xiàn)較大幅度的回落，研究文獻(xiàn)數(shù)量的年度分布如下圖所示。雖然關(guān)于網(wǎng)絡(luò)輿情的研究起步較早，但是對于輿情反轉(zhuǎn)的研究在2015年才出現(xiàn)，起步相對較晚。2017年至2019年，每年相關(guān)文獻(xiàn)均超過50篇，研究進(jìn)入了高速發(fā)展時(shí)期。越來越多的專家學(xué)者在關(guān)注“輿情反轉(zhuǎn)”這一研究主題，這與近年來頻發(fā)的輿情反轉(zhuǎn)事件是直接相關(guān)的。

三、輿情反轉(zhuǎn)概念辨析

目前，關(guān)于網(wǎng)絡(luò)輿情反轉(zhuǎn)的定義學(xué)界尚未有統(tǒng)一的認(rèn)識。大部分學(xué)者認(rèn)為是網(wǎng)絡(luò)輿情在不同的發(fā)展階段，群體的觀點(diǎn)傾向和態(tài)度出現(xiàn)了反方向的變化。譚艷霞等[6]認(rèn)為輿情反轉(zhuǎn)是在輿情傳播過程中，網(wǎng)民的意見、觀點(diǎn)或態(tài)度同初始時(shí)出現(xiàn)了相反方向的轉(zhuǎn)化現(xiàn)象。胡李楊[7]認(rèn)為輿論反轉(zhuǎn)是在某些新聞事件中，受眾受媒體報(bào)道的影響，認(rèn)知態(tài)度出現(xiàn)扭轉(zhuǎn)的現(xiàn)象。也有學(xué)者認(rèn)為“輿情反轉(zhuǎn)”是在公共事件的不同階段，公眾的觀點(diǎn)或意見發(fā)生了逆轉(zhuǎn)性的表達(dá)[8]。針對不同文獻(xiàn)對網(wǎng)絡(luò)輿情反轉(zhuǎn)的定義，選取其中具有代表性的20條，抽取得到的關(guān)鍵詞主要包含網(wǎng)絡(luò)輿情、事件、社會、現(xiàn)象、表達(dá)、傳播、態(tài)度、意見、過程、轉(zhuǎn)化、相反等。這說明，目前的這些定義雖然在描述上略有不同，但是基本內(nèi)涵是一致的。

四、網(wǎng)絡(luò)輿情反轉(zhuǎn)研究現(xiàn)狀綜述

（一）輿情反轉(zhuǎn)產(chǎn)生機(jī)理研究

當(dāng)前，關(guān)于輿情反轉(zhuǎn)產(chǎn)生機(jī)理的研究，多是從某一具體的案例出發(fā)，首先分析具體案例的發(fā)展過程，從實(shí)際出發(fā)提取輿情反轉(zhuǎn)的規(guī)律，然后探討應(yīng)對的策略[9]。多數(shù)研究認(rèn)為，自媒體時(shí)代媒體把關(guān)的滯后或缺失[10]、信源失真[11]、受眾或媒體對某些事物的偏見[12]以及有待提高的網(wǎng)民和媒介素養(yǎng)[13]等是造成輿情反轉(zhuǎn)的重要原因。

楊麗娜等[10]以“王鳳雅”事件為具體案例，從媒體和輿論領(lǐng)袖責(zé)任、公眾閱讀習(xí)慣、群體極化等方面分析了輿情反轉(zhuǎn)現(xiàn)象產(chǎn)生的原因。趙瑜[11]從社會、媒體、受眾、信息四個(gè)方面分析了輿情反轉(zhuǎn)的形成機(jī)理。刁姿楓[12]以“萬州公交車墜江”事件為例，從社會、媒體和用戶三個(gè)維度分析了輿情反轉(zhuǎn)發(fā)生的主要原因。張春顏等[13]分析了政府、傳統(tǒng)媒體、自媒體、民眾四類主體在輿論反轉(zhuǎn)中的不同作用。

（二）網(wǎng)絡(luò)輿情反轉(zhuǎn)的建模與仿真研究

相比于傳播學(xué)等領(lǐng)域的定性分析，關(guān)于網(wǎng)絡(luò)輿情的定量分析主要采用建模與仿真的方法。特別是近幾年來，網(wǎng)絡(luò)輿情研究受到復(fù)雜網(wǎng)絡(luò)科學(xué)的重視，取得了一系列重要的研究進(jìn)展[14]。在這類研究中，把網(wǎng)民抽象為節(jié)點(diǎn)，網(wǎng)民的觀點(diǎn)抽象為具體的數(shù)字，根據(jù)取值的不同分為離散型或連續(xù)型觀點(diǎn)，然后設(shè)計(jì)節(jié)點(diǎn)與觀點(diǎn)之間的交互規(guī)則，從微觀的交互規(guī)則出發(fā)，進(jìn)而得出宏觀的輿論規(guī)律。

目前，在網(wǎng)絡(luò)輿情反轉(zhuǎn)的研究中也有不少學(xué)者使用了建模與仿真的方法。特別是將SIR模型和觀點(diǎn)演化模型結(jié)合起來的研究[15]，越來越受到學(xué)者們的關(guān)注。在傳播過程中有新的信息加入是造成輿情反轉(zhuǎn)的必要條件。因此，在模型中關(guān)注觀點(diǎn)的傳播過程，可以更好地對輿情反轉(zhuǎn)進(jìn)行仿真和模擬。汪明艷等[16]在SIR模型的基礎(chǔ)上引入了觀點(diǎn)屬性，得出的仿真結(jié)果認(rèn)為在干預(yù)主體上，政府的干預(yù)比媒體更加有效，反轉(zhuǎn)信息的介入時(shí)間也會影響整個(gè)輿情的生命周期。劉泉等[17]考慮節(jié)點(diǎn)具有觀點(diǎn)和傳播狀態(tài)兩種屬性，對節(jié)點(diǎn)設(shè)置了連續(xù)性觀點(diǎn)，分析了媒體的引導(dǎo)作用，通過實(shí)例驗(yàn)證其模型可以描述輿情反轉(zhuǎn)現(xiàn)象。Huang等[18]將Deffuant模型和CODA選擇機(jī)制相結(jié)合，構(gòu)建了輿情反轉(zhuǎn)模型，并使用Agent方法對模型進(jìn)行了仿真。吳越等[19]將節(jié)點(diǎn)設(shè)置出四類屬性——傳播狀態(tài)屬性、觀點(diǎn)屬性、信任屬性、地位屬性，從媒體干預(yù)的角度構(gòu)建模型仿真分析了輿論反轉(zhuǎn)現(xiàn)象。汪明艷等[20]考慮了個(gè)體的行為意愿和反轉(zhuǎn)信息的可靠性，構(gòu)建了輿論反轉(zhuǎn)模型。張麗等[21]考慮了周圍鄰居節(jié)點(diǎn)的影響、組織氛圍的影響以及事件信息的影響，在HK模型的基礎(chǔ)上構(gòu)建了輿論反轉(zhuǎn)模型。陳一新等[22]在HK模型的基礎(chǔ)上，通過改變意見領(lǐng)袖的觀點(diǎn)來促使輿論反轉(zhuǎn)，模型可以較好地模擬輿論反轉(zhuǎn)中觀點(diǎn)從一個(gè)極端到另一極端的變化過程。劉琪等[23]將網(wǎng)絡(luò)群體分為普通群體和意見領(lǐng)袖兩類，考慮意見領(lǐng)袖的觀點(diǎn)不變，并在輿論演化的過程中引入觀點(diǎn)不同的意見領(lǐng)袖，模擬了輿論反轉(zhuǎn)的過程。但值得注意的是，并不是所有的反轉(zhuǎn)信息都是由意見領(lǐng)袖發(fā)起的，也可能是由外部環(huán)境中的媒體或官方報(bào)道等發(fā)起報(bào)道的反轉(zhuǎn)信息。

（三）機(jī)器學(xué)習(xí)在網(wǎng)絡(luò)輿情反轉(zhuǎn)預(yù)測中的應(yīng)用研究

機(jī)器學(xué)習(xí)的某些算法可以很好地對事情的發(fā)展態(tài)勢進(jìn)行預(yù)測。常見的機(jī)器學(xué)習(xí)算法包括聚類、決策樹、SVM、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)等等。目前，已有不少研究將機(jī)器學(xué)習(xí)的方法運(yùn)用在輿情反轉(zhuǎn)的預(yù)測、識別和分類研究中。在這類研究中，首先需要確定影響輿情反轉(zhuǎn)事件的影響因素，然后使用具體的分類或聚類的算法，對輿情反轉(zhuǎn)事件進(jìn)行分類預(yù)測。

王楠等[24]將聚類算法引入SMOTE算法中進(jìn)行數(shù)據(jù)處理，使用神經(jīng)網(wǎng)絡(luò)構(gòu)建分類器，構(gòu)建了輿情反轉(zhuǎn)預(yù)測模型，實(shí)驗(yàn)結(jié)果顯示具有較高的準(zhǔn)確率。田世海等[25]使用貝葉斯網(wǎng)絡(luò)的方法，從平臺控制性、傳播突變性等方面來分析影響輿情反轉(zhuǎn)的因素，進(jìn)而構(gòu)建預(yù)測自媒體輿情反轉(zhuǎn)的貝葉斯模型。該模型可以預(yù)測輿情反轉(zhuǎn)的傾向，同時(shí)貝葉斯網(wǎng)絡(luò)的診斷推理能夠分析最有可能造成輿情反轉(zhuǎn)的原因，這可以為輿情事件治理與控制提供較好的策略。田俊靜等[26]考慮持續(xù)時(shí)長、反轉(zhuǎn)次數(shù)、反轉(zhuǎn)渠道等7個(gè)描述屬性，構(gòu)建決策樹模型，對反轉(zhuǎn)事件進(jìn)行預(yù)測分類，進(jìn)而根據(jù)不同分類制定預(yù)案，采取不同的應(yīng)對策略。袁野等[27]采用報(bào)道傾向、首發(fā)平臺等5個(gè)屬性，通過聚類的方法將反轉(zhuǎn)事件聚成4類，然后使用Fisher判別法，對反轉(zhuǎn)輿情事件進(jìn)行歸類預(yù)測。江長斌等[28]使用SVM方法，構(gòu)建了輿情反轉(zhuǎn)預(yù)測模型。

五、結(jié)語

基于上述對網(wǎng)絡(luò)輿情反轉(zhuǎn)研究的總結(jié)梳理，下面就當(dāng)前研究中的缺陷和下一步的研究進(jìn)行初步探討。

目前，網(wǎng)絡(luò)輿論動力學(xué)模型對了解輿情反轉(zhuǎn)的機(jī)理起到了極大的促進(jìn)作用，但是其中也存在一些問題。例如，輿情反轉(zhuǎn)中隨著反轉(zhuǎn)信息的發(fā)布，終態(tài)的觀點(diǎn)是同初始觀點(diǎn)不同的，但是上述某些文獻(xiàn)中的模型并未體現(xiàn)這個(gè)特點(diǎn)。反轉(zhuǎn)信息的發(fā)布者和發(fā)布時(shí)間對輿情反轉(zhuǎn)的影響還尚未徹底解釋清楚。未來研究還需要注重使觀點(diǎn)演化的規(guī)則和輿情變化的實(shí)際更緊密地吻合，模型參數(shù)的設(shè)置上也需要更符合實(shí)際情況，并能把得到的研究結(jié)果運(yùn)用到實(shí)處。

目前，使用機(jī)器學(xué)習(xí)方法進(jìn)行輿情反轉(zhuǎn)預(yù)測的研究中存在如下問題：第一，輿情反轉(zhuǎn)事件影響因素的確定。當(dāng)前研究中已確定的影響因素主觀性較大，因素類型也較為分散和多樣；第二，輿情反轉(zhuǎn)事件的類型確定后，需要對具體的類型采取不同的應(yīng)對措施，但是具體采取什么樣的應(yīng)對措施，這些應(yīng)對措施有什么區(qū)別，目前的研究中還少有涉及。未來的研究需要對輿情反轉(zhuǎn)的影響因素進(jìn)行詳細(xì)的分析與界定，以形成更加客觀的研究結(jié)論。

參考文獻(xiàn)：

[1] 夏一雪，蘭月新，劉茉，等.大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情反轉(zhuǎn)機(jī)理與預(yù)測研究[J].情報(bào)雜志，2018，37（8）：92-96.

[2] 畢宏音，田華.輿情“類反轉(zhuǎn)”現(xiàn)象分析與反思：以“萬州公交車墜江事件”為例[J].情報(bào)雜志，2019，38（7）：103-110.

[3] 黃遠(yuǎn)，劉怡君.網(wǎng)絡(luò)輿論反轉(zhuǎn)效應(yīng)研究[J].管理評論，2016，28（8）：71-78.

[4] 蘇長青.是“新聞反轉(zhuǎn)”還是“輿論反轉(zhuǎn)”——基于“反轉(zhuǎn)”研究文獻(xiàn)對兩者關(guān)系的分析[J].青年記者，2017（14）：4-5.

[5] 唐晶晶.輿論反轉(zhuǎn)研究的文獻(xiàn)綜述[J].今傳媒，2016，24（7）：43-44.

[6] 譚艷霞，化存才.網(wǎng)絡(luò)輿情反轉(zhuǎn)問題的模糊聚類分析[J].云南大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，41（S1）：16-20.

[7] 胡李陽.“輿論反轉(zhuǎn)”之概念辨析[J].新聞采編，2017（4）：16-18.

[8] 劉旭彤.雙微傳播輿情反轉(zhuǎn)現(xiàn)象形成機(jī)理及對策研究[D].濟(jì)南：山東大學(xué)，2017.

[9] 黃微，趙昕，趙江元.輿情傳播高漲期階段的反轉(zhuǎn)事件產(chǎn)生機(jī)理分析[J].情報(bào)理論與實(shí)踐，2019，42（12）：60-66.

[10] 楊麗娜，李林潔.探析熱點(diǎn)事件“輿情反轉(zhuǎn)”現(xiàn)象的傳播機(jī)理——以“王鳳雅”事件為例[J].采寫編，2018（3）：78-83.

[11] 趙瑜.后真相時(shí)代輿情反轉(zhuǎn)的形成機(jī)理研究[D].鄭州：鄭州大學(xué)，2018.

[12] 刁姿楓.淺析后真相時(shí)代的輿情反轉(zhuǎn)——以萬州公交車墜江案件為例[J].科技傳播，2019，11（7）：40-43.

[13] 張春顏，劉煊.后真相視角下網(wǎng)絡(luò)輿論反轉(zhuǎn)的主體行為、情境類型與規(guī)避策略分析[J].學(xué)習(xí)論壇，2019（7）：58-63.

[14] 周濤，汪秉宏，韓筱璞，等.社會網(wǎng)絡(luò)分析及其在輿情和疫情防控中的應(yīng)用[J].系統(tǒng)工程學(xué)報(bào)，2010，25（6）：742-754.

[15] 劉泉，榮莉莉，于凱.考慮多層鄰居節(jié)點(diǎn)影響的微博網(wǎng)絡(luò)輿論演化模型[J].系統(tǒng)工程學(xué)報(bào)，2017，32（6）：721-731.

[16] 汪明艷，朱德米，張鵬翥，等.不實(shí)信息引發(fā)的社會熱點(diǎn)事件網(wǎng)絡(luò)輿論反轉(zhuǎn)演變仿真及治理研究[J].中國軟科學(xué)，2019（6）：59-66.

[17] 劉泉，榮莉莉，顏克勝.考慮媒體效應(yīng)的微博網(wǎng)絡(luò)熱點(diǎn)事件輿論演化模型[J].系統(tǒng)工程學(xué)報(bào)，2018，33（5）：577-588.

[18] 黃傳超，胡斌，閆鈺煒，等.網(wǎng)絡(luò)暴力下突發(fā)事件中觀點(diǎn)決策與輿情反轉(zhuǎn)[J].管理工程學(xué)報(bào)，2019，33（1）：252-258.

[19] 吳越，杜亞軍，陳曉亮，等.基于新曝光沖突性消息的網(wǎng)絡(luò)輿論逆轉(zhuǎn)研究[J].物理學(xué)報(bào)，2016，65（3）：46-55.

[20] 汪明艷，余麗彬，胡華.基于行為意愿與反轉(zhuǎn)信息可靠性的輿論反轉(zhuǎn)演變研究[J].情報(bào)雜志，2019，38（4）：125-131.

[21] 張麗，朱侯，萬芳彬，等.考慮信息與組織氛圍影響的網(wǎng)絡(luò)輿論反轉(zhuǎn)模擬[J].情報(bào)科學(xué)，2018，36（5）：57-63.

[22] 陳一新，陳馨悅，呂妍，等.基于改進(jìn)HegselmannKrause模型的微博輿論反轉(zhuǎn)研究[J].情報(bào)理論與實(shí)踐，2020，43（1）：82-89.

[23] 劉琪，肖人彬.觀點(diǎn)動力學(xué)視角下基于意見領(lǐng)袖的網(wǎng)絡(luò)輿情反轉(zhuǎn)研究[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2019，16（1）：1-13.

[24] 王楠，李海榮，譚舒孺.基于改進(jìn)SMOTE算法與集成學(xué)習(xí)的輿情反轉(zhuǎn)預(yù)測研究[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2021，5（4）：37-48.

[25] 田世海，孫美琪，張家毓.基于貝葉斯網(wǎng)絡(luò)的自媒體輿情反轉(zhuǎn)預(yù)測[J].情報(bào)理論與實(shí)踐，2019，42（2）：127-133.

[26] 田俊靜，蘭月新，夏一雪，等.基于決策樹方法的網(wǎng)絡(luò)輿情反轉(zhuǎn)識別與實(shí)證研究[J].情報(bào)雜志，2019，38（8）：121-125.

[27] 袁野，蘭月新，張鵬，等.基于系統(tǒng)聚類的反轉(zhuǎn)網(wǎng)絡(luò)輿情分類及預(yù)測研究[J].情報(bào)科學(xué)，2017，35（9）：54-60.

[28] 江長斌，鄒悅琦，王虎，等.基于SVM的自媒體輿情反轉(zhuǎn)預(yù)測研究[J].情報(bào)科學(xué)，2021，39（04）：47-53.

作者簡介：賈媚媚（1987—），女，河南南陽人，碩士，助教，研究方向：網(wǎng)絡(luò)輿情、社交網(wǎng)絡(luò)。

劉泉（1984—），男，河南南陽人，博士，講師，研究方向：網(wǎng)絡(luò)輿論動力學(xué)、復(fù)雜網(wǎng)絡(luò)。