網(wǎng)絡輿情影響下考慮心理參照點變化的多階段群決策方法

王治瑩,王韋棋

(安徽工業(yè)大學 管理科學與工程學院,安徽 馬鞍山 243032)

據(jù)中國互聯(lián)網(wǎng)絡中心公布的報告顯示,截至2022年,中國網(wǎng)民規(guī)模達到10.67億,互聯(lián)網(wǎng)普及率高達75.6%。同時,近年來頻繁爆發(fā)的突發(fā)公共事件借助網(wǎng)絡媒體迅速傳播,常常引發(fā)輿情危機,其破壞力在網(wǎng)絡輿情的推動下被無限放大,增加了突發(fā)公共事件的處理難度。一旦網(wǎng)絡輿情中的某些虛假信息得不到有效管控,極有可能衍生出次生事件,進而對居民生活和社會治安造成巨大的負面影響。因此,在應對突發(fā)公共事件時應充分考慮網(wǎng)絡輿情的影響,并通過適當引導網(wǎng)絡輿情走向來減少突發(fā)公共事件對社會的危害。

目前,網(wǎng)絡輿情影響下的多階段群決策問題研究主要集中在網(wǎng)絡輿情管控和突發(fā)公共事件應急決策兩個方面。首先,針對網(wǎng)絡輿情管控問題,國內(nèi)外學者從網(wǎng)絡輿情傳播機理分析和網(wǎng)絡輿情演化態(tài)勢預測開展了研究。在網(wǎng)絡輿情傳播機理分析方面,聶琦等[1]認為網(wǎng)絡輿情的傳播機理與傳染病的擴散機理類似;WANG等[2]構建了網(wǎng)絡輿情時空演化分析模型和影響因素分析模型,分析了疫情嚴重程度、網(wǎng)民數(shù)量、媒體報道數(shù)量和區(qū)域?qū)傩缘榷喾N因素共同影響下的網(wǎng)絡輿情時空演變過程;WANG等[3]采用計量經(jīng)濟模型對輿情信息進行了多維因素分析;ZHANG等[4]對傳染病模型(SIRS)進行改進,將輿情網(wǎng)絡節(jié)點分成高影響層和低影響層,引入層內(nèi)和層間信息傳輸機制,構建了分層SIRS信息傳輸模型;龐慶華等[5]探索了意見領袖影響下微博負面輿情的演化規(guī)律,并構建了政府、媒體和網(wǎng)民的三方演化博弈模型。關于網(wǎng)絡輿情演化態(tài)勢預測的研究,主要采用logistic模型[6]、神經(jīng)網(wǎng)絡[7]、灰色模型[8]、系統(tǒng)動力學[9]、馬爾科夫模型[10]等方法。鮮有研究采用隱馬爾可夫模型對網(wǎng)絡輿情態(tài)勢進行預測,隱馬爾科夫模型能夠處理具有時序關系的數(shù)據(jù)和進行序列預測,且可通過觀測數(shù)據(jù)反映實際狀態(tài),因此采用隱馬爾科夫預測輿情態(tài)勢與實際情況更符合。其次,針對突發(fā)公共事件應急決策的研究,胡彥等[11]引入三支決策和前景理論構建模糊多屬性應急決策模型;樊自甫等[12]提出基于區(qū)間值模糊熵構建應急群決策模型;童玉珍等[13]提出基于猶豫模糊集的突發(fā)公共事件網(wǎng)絡輿情應急群決策方法。然而以上研究均未考慮突發(fā)公共事件演化過程的多階段性。王治瑩等[14]提出一種考慮決策者情緒對心理參照點影響的多階段應急決策方法;吳鳳平等[15]提出一種多階段多目標的動態(tài)應急決策方法,并使用等差數(shù)列對多階段時間序列權重進行賦值。但上述研究未考慮網(wǎng)絡輿情對決策者心理參照點和突發(fā)公共事件應急決策的影響。

綜上所述,以往研究未考慮網(wǎng)絡輿情對決策者心理參照點變化和突發(fā)公共事件演化態(tài)勢的影響,而網(wǎng)絡輿情演化態(tài)勢預測的研究中也鮮有考慮應急方案對輿情演化的影響。此外,如何建立網(wǎng)絡輿情影響下的決策者心理參照點更新方法成為突發(fā)公共事件多階段群體決策亟待解決的問題?；诖?筆者提出一種網(wǎng)絡輿情影響下考慮決策者心理參照點變化的突發(fā)公共事件多階段群體決策方法。主要創(chuàng)新點:一是基于隱馬爾科夫模型預測了考慮應急方案影響的網(wǎng)絡輿情演化過程;二是基于事態(tài)演化趨勢更新決策者心理參照點,同時考慮不同決策者風險偏好異質(zhì)性,引入決策者損益敏感度因子。

1 理論基礎

1.1 隱馬爾科夫模型

隱馬爾科夫模型[16](HMM)是一種有關時序的概率模型,包含狀態(tài)集和與狀態(tài)對應的觀測序列。狀態(tài)間的轉移由狀態(tài)轉移概率矩陣表示。觀測序列不是狀態(tài)本身,故根據(jù)觀測序列得到隱狀態(tài)的過程稱為隱馬爾科夫過程。HMM由初始概率分布、狀態(tài)轉移概率分布和觀測概率分布決定。

假設所有狀態(tài)序列的集合為X=(x1,x2,…,xn);所有觀測序列的集合為Y=(y1,y2,…,ym);長度為T的狀態(tài)序列為W={w1,w2,…,wT};相對應的觀測序列為Z={z1,z2,…,zT};則初始狀態(tài)概率矩陣為σ=[σi]1×n,σi=P(w1=xi),1≤i≤n,表示在t=1時狀態(tài)為xi的概率;狀態(tài)轉移概率矩陣為E=[eij]n×m,eij=P{wt+1=xj|wt=xi},1≤i,j≤n,eij為從t時刻狀態(tài)xi轉移到t+1時刻xj的概率;觀測值概率矩陣為F=[fj(k)]n×m,fj(k)=P(zt=yk|wt=xj),1≤j≤n,1≤k≤m,表示t時刻在狀態(tài)xj的條件下觀測值為yk的概率。綜上,σ和E決定狀態(tài)序列,F決定觀測序列,三者共同決定模型參數(shù)。因此,將HMM模型參數(shù)η表示為η=(σ,E,F)。

1.2 累積前景理論

累積前景理論[17](cumulated prospected theory,CPT)是一種關于決策者行為的理論,傳統(tǒng)的期望效用理論假設決策者完全理性,這與事實不符,CPT的提出彌補了期望效用理論關于理性假設的不足,在決策時會綜合考慮人的風險偏好和心理感知價值等因素。價值函數(shù)表示為:

(1)

式中:Δxi為決策結果相對于參照點的損益,Δxi≥0代表決策者收益,Δxi<0代表決策者損失;α和β分別為風險厭惡系數(shù)和風險偏好系數(shù);λ為損失規(guī)避系數(shù)。通常取α=0.89,β=0.92,λ=2.25[18]。決策者對收益和損失的決策權重函數(shù)為:

(2)

(3)

式中:W+(·)和W-(·)均為非線性函數(shù);χ和δ分別為決策者對收益和損失的態(tài)度,通常取χ=0.61,δ=0.69。

2 問題描述

突發(fā)公共事件的演化過程具有多階段、易變化、不確定等特點,決策者在制定應急決策方案時往往不能一蹴而就,而是依據(jù)事態(tài)等級動態(tài)調(diào)整應急方案。同時,由突發(fā)公共事件引發(fā)的網(wǎng)絡輿情也會對突發(fā)公共事件的演化過程造成影響,如若不加控制,極易引發(fā)輿情危機。反之,突發(fā)公共事件的演化及處理過程也會對網(wǎng)絡輿情的演化過程造成影響。因此,網(wǎng)絡輿情與突發(fā)公共事件之間的耦合演化關系增加了網(wǎng)絡輿情態(tài)勢預測及突發(fā)公共事件應急決策的難度。

圖1 網(wǎng)絡輿情影響下的突發(fā)公共事件多階段決策過程

基于突發(fā)公共事件演化的多階段性以及網(wǎng)絡輿情與突發(fā)公共事件演化的耦合性,設計一套科學的決策方法,通過考慮決策者人員傷亡、財產(chǎn)損失和輿情態(tài)勢的心理參照點受突發(fā)公共事件演化態(tài)勢影響動態(tài)變化,建立決策者心理參照點更新機制,并綜合考慮人員傷亡、財產(chǎn)損失、輿情態(tài)勢及應急決策方案的投入成本、準備時間、可行性、風險指數(shù)、輿情傳播廣度等多種指標,通過累積前景理論計算得到備選應急方案的優(yōu)劣次序,輔助應急管理部門對突發(fā)公共事件進行處理。網(wǎng)絡輿情影響下的多階段群決策方法如圖2所示。

圖2 網(wǎng)絡輿情影響下的多階段群決策方法

3 基于HMM的輿情態(tài)勢預測

突發(fā)公共事件的網(wǎng)絡輿情危機等級無法直接通過數(shù)據(jù)顯示,但與網(wǎng)民規(guī)模、網(wǎng)民活躍度、平臺傳播趨勢、網(wǎng)民情感傾向等可觀測數(shù)據(jù)緊密相關,故將這些指標作為觀測序列,將輿情危機等級作為隱狀態(tài)。

(1)HMM節(jié)點狀態(tài)設定。充分考慮突發(fā)公共事件各種情景下網(wǎng)絡輿情的定量和定性數(shù)據(jù)的特點,將各節(jié)點狀態(tài)劃分如下:①突發(fā)公共事件情景節(jié)點狀態(tài)設定,決策點只能有一種情景發(fā)生,將決策點發(fā)生的情景的狀態(tài)表示為T,其他情景狀態(tài)表示為F;②備選方案節(jié)點的狀態(tài)設定,根據(jù)突發(fā)事件的演化進程及決策者的研判,最終決策只能選一種方案,被選擇的方案狀態(tài)為T,其他方案為F。③網(wǎng)民規(guī)模狀態(tài)劃分,指在一段時間內(nèi)網(wǎng)民瀏覽事件信息的次數(shù)和點贊量。瀏覽次數(shù)和點贊量越多,網(wǎng)民規(guī)模越大,輿情熱度越高。因此,將網(wǎng)民規(guī)模的狀態(tài)劃分為高(H)、中(M)、低(S)。④網(wǎng)民活躍度狀態(tài)劃分,網(wǎng)民對相關話題發(fā)表評論的微博總數(shù)量,發(fā)表的評論數(shù)量越多,網(wǎng)民活躍度越高,對事件的關注度越高,輿情熱度越高。將網(wǎng)民活躍度劃分為高(H)、中(M)、低(S)。⑤平臺傳播趨勢狀態(tài)劃分,指事件一段時間內(nèi)在微博等網(wǎng)絡平臺上傳播的效果,將平臺傳播趨勢劃分為高(H)、中(M)、低(S)。⑥網(wǎng)民情感傾向狀態(tài)劃分,分別為積極情感(P)、中性情感(M)和消極情感(N)。⑦輿情危機等級劃分,分別為紅色預警(Ⅰ級)、橙色預警(Ⅱ級)、黃色預警(Ⅲ級)和藍色預警(Ⅳ級)。

(2)HMM參數(shù)學習。在使用HMM預測網(wǎng)絡輿情演化態(tài)勢時,首先需要獲得HMM的三元要素η=(σ,E,F)。由于無明確狀態(tài)序列,屬于無監(jiān)督學習過程,Baum-Welch算法是一種經(jīng)典的無監(jiān)督學習算法,故采用Baum-Welch算法訓練HMM參數(shù)。假設已知數(shù)據(jù)只包含了m個長度為T維的觀測序列{Z1,Z2,…,Zm},沒有給出相應的狀態(tài)序列,為學習HMM的參數(shù)η=(σ,E,F),將觀測序列數(shù)據(jù)設為觀測數(shù)據(jù)Z,狀態(tài)序列數(shù)據(jù)設為不可觀測的隱數(shù)據(jù)W,故HMM是一個帶有隱變量的概率模型,如式(4)所示,參數(shù)學習過程參考文獻[19],具體如式(5)～式(7)所示。

(4)

(5)

(6)

(7)

4 基于CPT的多階段應急決策方法

4.1 基于熵權法的評價指標賦權

(8)

(9)

(10)

4.2 指標屬性值規(guī)范化

決策者在做效用評價時,通常有精確值、區(qū)間值和自然語言等多種不同數(shù)據(jù)類型的指標。為了統(tǒng)一比較標準,需對原始數(shù)據(jù)進行規(guī)范化、標準化處理?？紤]到實際決策信息往往具有模糊性、不確定性,因此將不同種數(shù)據(jù)類型轉換成直覺模糊數(shù)的形式,其表達形式為A=(μA(x),vA(x)),μA(x)表示元素x的隸屬度,vA(x)表示元素x的非隸屬度,πA(x)=1-μA(x)-vA(x)表示x屬于A的猶豫度。

(11)

(12)

(13)

表1 語言變量轉化表

(14)

4.3 基于事態(tài)演化趨勢的心理參照點更新方法

4.4 計算情景價值

4.5 計算情景權重

πfj(t)=

(15)

式中:πfj(h)=ω+(pfj(h))、πfj(n)=ω-(pfj(n)),f=1,2,…,L,j=1,2,…,M;ω+(·)、ω-(·)分別表示“收益”和“損失”的權重函數(shù),ω+(p)=pγ/(pγ+(1-p)γ)1/γ,ω-(p)=pδ/(pδ+(1-p)δ)1/δ,γ=0.61,δ=0.69。

4.6 計算方案綜合前景值

5 算例分析

某地爆發(fā)傳染病,經(jīng)過傳染病學專家分析疫情將持續(xù)3個階段,每個階段都可能出現(xiàn)以下4種情景。S1:疫情得到全面控制,可能造成的人員傷亡數(shù)為5～10人,經(jīng)濟損失為50～100萬元,輿情態(tài)勢為[0.0,0.3];S2:疫情在少數(shù)地區(qū)失控,可能造成的人員傷亡數(shù)為10～15人,經(jīng)濟損失為100～200萬元,輿情態(tài)勢為[0.3,0.5];S3:疫情在多數(shù)地區(qū)失控,可能造成的人員傷亡數(shù)為20～30人,經(jīng)濟損失為200～500萬元,輿情態(tài)勢為[0.5,0.7];S4:疫情全面失控,可能造成的人員傷亡數(shù)為50～100人,經(jīng)濟損失為500～700萬元,輿情態(tài)勢為[0.7,1.0]。為應對該突發(fā)疫情事件,決策者制定4個應急方案。各應急決策備選方案的評價指標如表2所示。

表2 應急決策方案的評價指標

各決策者在決策時主要依據(jù)8個指標對流行性傳染病進行應急響應:B1投入成本,B2準備時間,B3可行性,B4風險指數(shù),B5輿情傳播廣度,B6人員傷亡,B7財產(chǎn)損失,B8輿情態(tài)勢。4名決策者給出的不同指標的權重如表3所示。

表3 各決策者對各指標的權重

表4 輿情危機狀態(tài)轉移概率矩陣

6 結論

(1)針對突發(fā)公共事件演化過程受網(wǎng)絡輿情態(tài)勢影響可能導致決策結果不同的問題,提出了一種網(wǎng)絡輿情影響下考慮決策者心理參照點變化的多階段群決策方法。不僅考慮了突發(fā)公共事件的多階段特征和多決策者對各指標評價不一致的情形,還考慮了網(wǎng)絡輿情演化態(tài)勢對決策者心理參照點的影響進而對應急決策結果產(chǎn)生影響,為多階段群決策提供了新思路。

(2)采用HMM預測各情景和應急方案下網(wǎng)絡輿情演化趨勢,并得到各網(wǎng)絡輿情態(tài)勢下情景轉移概率;同時,針對決策者不同階段心理參照點轉移,提出基于突發(fā)公共事件演化態(tài)勢的決策者心理參照點更新機制,并考慮了不同決策者風險偏好異質(zhì)性,引入損益敏感度改進決策者心理參照點更新機制。

(3)輿情信息從孕育、發(fā)展,到爆發(fā),具有時滯性。因此,未來可考慮網(wǎng)絡輿情信息的時滯性,使用具有時滯效應的灰色模型對網(wǎng)絡輿情進行預測,可能會更加貼合網(wǎng)絡輿情傳播機理,得到更佳的決策結果。