倍酸公关舆情监测：网络舆情监测维护网络安全

倍酸公关

在网络舆情载体越来越多、形成速度越来越快的当下，以大数据观念变革传统网络舆论监测、研判、引导思维，及时、准确把握网络舆情的内在特征及其在演化过程中的潜在规律，对于新形势下做好网络舆情监测和舆论引导工作，维护网络安全，具有重要的理论意义和实践价值。

大数据时代，网络舆情在数据体量、复杂性和产生速度等方面发生巨大变化，网络舆情监测方法已超出了现有常规手段。但是，仍然还有很多基层发改部门和舆情服务机构在沿用早期的舆情监测工具和方式，甚至有的舆情服务机构为节省成本还大量低薪招聘实习生实行人海战术，殊不知这些同学根本没有舆情敏锐性，造成大量与我有关的敏感信息擦肩而过，陷领导/客户决策于被动。

早期的网络舆情监测手段存在一些原生的问题，
譬如：一、处理能力有限，只能抽样监测，不能全网挖掘，无法避免偶然误差；二、文本分析算法的准确度、监测对象和系统模板匹配的程度、对数据的净化等因素对于监测结果的呈现有决定性影响，无法避免系统误差；三、将监测的对象简化为独立的信息元，欠缺分析网络内容之间联系能力和预测能力，分析维度单一，学习范本匮乏，分析结果片面。这些都说明早期网络舆情监测存在较多局限性，其监测功能已经弱化且无法适应大数据时代新的舆论环境。

网络舆情治理已成必然趋势，十分有必要采取针对性措施破解基于大数据的网络舆情治理的瓶颈，增强网络舆情治理的针对性、有效性、科学性和持续性。所以，适应新媒体环境，创新监测方式势在必行。一方面，要密切与对口媒体新闻热线/记者的联系，延伸舆情监测触角，将一条条网线编织成一张密不透风的发改舆情情报网，确保舆情危机苗头早发现；一方面，要充分利用大数据技术建立大数据环境下网络舆情监测系统的软件架构，并在该架构下利用敏感词识别技术、热点分析技术、舆情主题深度分析技术，同时建立深层次数据挖掘所需的方法库、模型库、分析库、报告库，结合专业分析工具，实现网络舆情的数据采集、数据整理、专题网络舆情可视化、专业模型构建、深层次数据挖掘、网络舆情关联分析、各类专业报告自动生成等功能，在行业专家、资深舆情分析师的干预下，形成自有的数据库系统和计算机辅助甄别方法，通过感知数据、运营数据获知人们的情绪、态度、日常行动的变化，再结合其他数据源进行精准的舆情预测，最终形成既有温度又有深度的《舆情分析报告》。

（一）发挥数据库作用，快速甄别信源，过滤噪声
随着网络的发展和普及,信息无限制地增加,海量的信息中，虚假信息占有相当比例，形成了巨大的负面噪声，给舆情甄别造成了较大难度。为此，建议在具体工作实践中，借力大数据技术，首先通过信息源头、逻辑自洽、尊重常识、事实检验等方法，判断舆情信息是否属实。然后在核查信源的基础上，通过比对敏感词、点击量、转发量、跟评量等指标进行文本对比和语义分析，让数据说话。最后，根据这些已经形成的数据模型资源，结合舆情分析师的判断、专业比对、小组讨论、集合意见法、专家规定程序调查法（又称德尔菲法Delphi Method）等分析方法，确定相关信息在舆情传播中可能的演绎风险，以此对舆情信息的层级、类别以及烈度进行解剖。对那些经常传播网络谣言、故意弯曲或嫁接事实的发布信源自动建立黑名单，通过数据库的比对筛查，对这些来自于不可信信息源的信息，实现自动甄别并实时预警。这种甄别方法与第三方舆情智库单位的专业知识相结合，具有高度专业化服务价值，能在具体工作中起到事半功倍的效果。

（二）建立新数学模型，多维量化分析，及时预警
预测舆情的传播趋势和走向，关键是对舆情可发酵和传播程度的把握与分析，这与舆情的话题热度、互动程度、网民情绪指数密切相关，并且在这些元素间形成了有据可循的数学模型。通常，将传播数据如浏览量、回帖量、转发量、点赞量、基于时间轴的数据变化平均值等数据，代入此前建立的数学模型，利用计算编辑推算出传播态势的各项指数及其数值并形成基础的参考值，通过指标连续曲线分析法，更加科学、准确地对结论进行量化分析。若一个事件参与者的传播声量已经突破了传统的抛物线或正弦曲线而演化成为一条高高凸起的对数曲线时，即证明这个事件已是社会热点，将迅速成为一个网络公共舆情事件。2016年雷洋事件就在短短3个小时的时间内，网民的转发和互动类动作的总和分析曲线就迅速突破安全边界，最终引发了一场公众事件。

因此，舆情分析人员、主管职能部门舆情工作人员必须借助专业舆情大数据监测系统的支持，通过对敏感句式和词语的高频传播进行文本、数据、概率分析，依靠计算机的数学分析模型和曲线分析能力，精准识别舆情演绎过程中的规律并预判、报警，实现对舆情事件的早期发现和风险评估。

同时，作为一名舆情分析人员，要清醒地认识到在舆情事件的发展过程中，每个参与者因为其社交关系的限制，其个体传播范围是有限的，而用户之间的社交网络，才是推动整个事件不断发展的决定性原因。在互联网信息传播领域中，这种传播方式被称为病毒式传播。因此，通过一个发布信息的用户出发，迅速地提前对其社交关系网络进行量化的传播能力分析，将对提前介入干预或预判事件自然状态下能够传播的边界形成比较准确的判断，及早知道病毒的危害扩散面和危害影响程度。

综上，如果能够及时掌控传播个体的社交能力数据，并给他（她）的传播网络做出一幅数据画像，就能够有效地通过画像判断事件的传播范围和可能波及的边界。从而采取有所为（对于会形成舆情事件的传播提早通报并接入技术干预）、有所不为（对于很难形成舆情传播的事件采取冷处理方式，听其舆情传播自然断链，避免过度干预反而促进传播）的策略，科学、高效化解舆论危机。

（三）监测特殊时间点，判断舆情走向，平息话题
网络宣泄心理、非理性诉求、社会逆反情绪、解构政府决策、以偏概全的解读等，往往是舆情风险的重要推动因素。这些因素长期存在，并和一些特殊的时间节点结合后发酵、爆发，如在重大事件纪念日、特殊时点以及突发事件爆发初期，通过一些特定的言论和个别纪念性、分析性内容与当下实际不当结合，就能迅速地搅动民众情绪，发酵成为舆情事件。特别是基于一些关系国计民生的重要政策发布时，如养老政策的调整、公共事业的物价调整、可能存在环境影响的重大项目开工等，这些发改部门常态工作，都有可能因为被不同角度和不合时宜的解读而成为舆情事件。比如2016年，上海市公布养老政策调整方案时，就因为企业单位和事业单位调整幅度差距较大，最终，被网络大V解读为社会资源的配置不公，而引发了退休人员上街游行的群体事件。

在处理这类问题时，大数据的分析判断作用尤为重要。通过定向监测分析高频关键词并比对历史重大事件的阶段，计算机系统会将一些按照时间不同而形成的敏感关键词提前预警，从源头上提示职能部门管控舆情风险。结合舆情基本传播情况，根据专业舆情监测系统呈现的传播态势动态监测，可以实时判断事件传播所处范围的敏感性和严重度，有针对性的引导事件走向，促进话题平息。同样的养老金政策发布，北京市人社局因为根据舆情系统所做出的敏感判断，将企业单位与事业单位采用分开时段发布的方式，避免形成直接对比，而非常巧妙地规避了这一问题的发生，给我们的舆情工作提供了良好的解决案例。