大数据-云计算-微博-舆情-指标-指标体系-微博舆情监测指标体系研究[1]

收稿日期：2011－02－22

修回日期：2011－06－28

基金项目：国家社会科学基金重大项目

“突发事件网络舆情演化模型和仿真系统研究”（编号：09＆ZD014）。作者简介：高承实（1973－），男，博士，研究方向：网络信任管理、网络行为认知；荣星（1986－），男，博士研究生，研究方向：可信计算、网络安

全；陈

越（1965－），男，教授，博士生导师，研究方向：信息技术、网络安全。

微博舆情监测指标体系研究

*

高承实

荣

星

陈

越

（解放军信息工程大学电子技术学院

郑州450004）

摘

要

在研究微博信息传播机制的基础上，结合信息空间模型构建了微博舆情的三维空间，运用层次分析法，建

立了微博舆情监测指标体系。该指标体系综合考查了社会类指标与技术类指标、舆情主体与舆情受众之间的关系，并给出了不同指标的量化计算方法，为管理者实行舆情疏导提供了决策上的支持。关键词

微博

舆情指标体系

层次分析法中图分类号

G353．1

文献标识码

A

文章编号1002－1965（2011）09－0066－005

Research on Public Opinion Monitoring Index －system in Micro －blogging

GAO Chengshi

RONG Xing

CHEN Yue

（Institute of Electronic Technology ，PLA Information Engineering University ，Zhengzhou 450004）

Abstract

Based on the research of information broadcasting mechanism in Micro－blogging ，three－dimensional space of public opinion in

Micro－blogging is constructed by integrating Information Space model ，and a monitoring index－system is established through AHP （Ana-lytic Hierarchy Process ）．The system takes both social and technical indexes ，the relationship between subjects and audiences into consid-eration ，and presents quantization calculation method of each index ，which provides decision－making support to dredge public opinion for managers．Key words

micro－blogging

public opinion

index－system

AHP

0引言

微博，即微型博客（Micro －blogging ），是Web2．0

时代新兴起的一种集成化、开放化的互联网社交服务。2006年Evan Williams 等人联合创建最具有代表性的Twitter ；2007年之后，国内陆续出现了微博客网站，如饭否、

做啥、叽歪、嘀咕、贫嘴、同学网、腾讯滔滔、9911等［1］

。2009年8月，新浪加入微博领域，借助网站平

台及名人资源优势启动内测，引来众多网民的关注与参与。

信息的真实性是微博中存在的一大严重问题，2009年6月，西方媒体和政治势力借助“Twitter ”散发小道消息，造成了伊朗大选后发生的政治动荡。由于微博中存在大量的碎片化文本信息，

目前采取的系统审核或人工实时监控，并不能很好地限制这些虚假信息的传播。微博的开放环境为网络舆论的自由化提供了便利，网络谣言、偏激和报复性的人身攻击行为层出

不穷，部分网络舆论给国家的稳定和社会的和谐带来

了严重的挑战［2］

。2010年在我国，

随着微博井喷式的发展，网民爆料的首选媒体更多地转向微博，论坛、博

客在事件曝光方面的功能明显弱化，舆情热度靠前的50起重大舆情案例中，微博首发的有11起，占22%，2010年的大事件中几乎都有微博在发生着作用［3］。被称为“女厕攻防战”的微博直播，是今年以来国内微博最吸引眼球、威力显现最突出、影响最始料未及的事件，

对社会的和谐稳定产生了消极的影响。可见，微博在网络媒体中主导地位越来越明显。

现有的舆情分析指标体系多针对互联网舆情，曾润喜

［4］

等设计了网络舆情突发事件预警系统，构建了

警源、警兆、警情3类指标体系，指标侧重于反映舆情本身的演化。李雯静

［5］

等从舆情主题的角度重点列出

了网络舆情信息分析的指标，并给出了具体的指标计算方法，但未突出舆情受众的能动性作用。张一文

［6］

等尝试建立了一种非常规突发事件网络舆情指标体

第30卷第9期2011年9月

情报杂志

JOURNAL OF INTELLIGENCE

Vol．30No．9Sep．2011

系，认为舆情的热度同事件本身、网络媒体以及网民三者的合力成比例，但没有给出指标的详细计算方法。由于互联网中传播渠道和交流平台的多样化，如：新闻、评论、BBS以及网络社区、时事论坛、博客、维客、即时通信软件、Email及短信等，指标体系涵盖的面较广，造成了舆情指标体系过于庞大，针对性不强。微博作为网络舆情的主要推动媒介，加强微博舆情的预警和监管，形势迫在眉睫。如何针对微博自身的特点，建立微博中的舆情监测指标体系，及时捕捉到微博中敏感的舆情信息，为管理者实行舆情疏导提供决策支持，将负面的网络舆情影响控制在警戒线以下，具有重大的政治意义和社会文化意义。

1微博中的信息传播

传统博客以纵向的传播方式进行传播，即博客服务商向用户提供博客信息集纳服务。而微博以横向的方式进行传播，信息经用户之间链接、转发，使互动变得更为简单、便捷，因此导致微博的聚合度较传统博客弱，但用户可通过自组织的信息聚合方式来选择自己要关注的信息。微博以单向的跟随关系简化了社交关系，其关注与被关注模式形成了其独特的信息分享、流动模式，是一种不对称的信息流动模式。另外，微博还有以下几个特性［7］：信息生产趋于零时间、信息传播趋于零时间、微博的同步性功能使其成为了一种流动的信息发布装置。

微博在改变人们生活方式的同时，也存在一些问题和隐患。首先，微博的安全性令人堪忧，已经有黑客成功入侵了Twitter的账户并且窃取了内部文件，通过此渠道可以伪装成名人，来发布虚假信息，从而造成社会的恐慌；其次，微博的私人信息强制登记制度和博文信息会从一定程度上暴露用户的隐私信息，如：联系方式、个人爱好、工作经历，用户可能因此受到垃圾广告的骚扰和诈骗行为的侵害；最后，微博受众的广泛性和传播的快速性，使之容易成为不良信息的传播平台，如：垃圾信息、低俗广告、病毒，敌对势力还可以利用其作为政治工具进行颠覆性活动。

微博信息传播是由分散的网民自发进行的一种信息传播活动，微博平台的传播不是类似于传统网站那样的自上而下、点对面的发布平台，人们更多的是在某些网络的“节点”中发布信息，而这些“节点”对应的就是微博用户。为研究微博信息的传播效果，下面从两个方面进行分析：一是对于特定用户而言，他的传播能量受到哪些因素的影响；二是对于某一个具体的信息而言，它的传播受到哪些因素的影响。两者虽有关联，但并不完全相同。

微博信息发布者在网络中相当于一个节点，与其存在直接路径相连的节点和它之间是一种“强关系”，其他节点与该节点之间的关系则可认为是“弱关系”。与博主之间是“强关系”的用户则是粉丝，博主在现实生活中的好友、同事是该微博的粉丝，而认同博主价值观念的也会通过加关注的方式成为其粉丝。粉丝是博主信息发布和传播的链条，博主拥有的链条越多，联系越频繁，联系对象的传播能量越强，那么他发布的信息的传播面就可能越广。

另外，微博中的转发和推荐机制也会影响到博主的传播能量。转发机制决定了信息多级流动的可能性与扩散的速度，只有当用户认为该信息与自己的价值观相符时才会进行转发，转发本身就实现了对信息的过滤。推荐机制决定了信息超越人际关系网络链条的约束进行传播的能力，重点信息（或人物）推荐、热门信息聚合、最新信息推荐以及标签等方式，都可以带来信息传播速度和幅度的提升。

对一个具体的信息传播来说，作为舆情受众的微博用户对信息的扩散效果起着决定性的作用。这些用户通过选择“转载”或“评论”，对信息进行筛选，从而影响到信息传播的广度。作为粉丝的“强关系”用户，如出于对偶像的崇拜等原因，在信息传播中具有一定的盲目性和非理性。而作为次级传播对象的“弱关系”用户，由于与博主间不存在直接联系，也不是粉丝，因此他对信息的转发，则完全是基于对信息本身的判断。这一层级的传播是对信息的公共价值的一个有效检验。弱关系用户的认同度，如粉丝的粉丝对信息的判断，能够很好地反映出信息本身的价值度。

2微博舆情监测指标体系

网络舆情安全评估指标体系是对网络舆情的整体态势进行科学分析和实施安全管理的基础，通过实时地对网络中的舆情进行监控并按照一定的标准进行计算，在对数据进行科学分析和判断的基础上，采取相应的预防和控制对策，从而维护网络秩序，保证网络舆情的健康发展，促进网络和谐文化的形成。

舆情指标体系在构建时应有相应的理论科学依据和现实可操作性，能够系统性地反映出舆情传播的特点，最终实现对网络舆情管理的目标，即舆情监测指标体系要满足科学性、实用性、系统性和目标性4项原则［5］。

2．1微博舆情的三维空间网络舆情实际上是一种信息传播，因此符合信息空间的特征。谈国新［8］等从信息空间的角度出发分析舆情影响力作用的特点，提出了舆情的监测指标体系，该指标体系很好地体现了发布者和受众的能动性，具有很好的参考价值。用信息空间的方法，将网络舆情的三维空间构造出来，便

·

76

·

第9期高承实，等：微博舆情监测指标体系研究

于了解网络舆情的内涵及其表达形式，从而为网络舆情监测指标体系设计提供理论依据。

信息空间模型中，可编码、可抽象和可扩散构成了空间的3个维度。在网络舆情的信息空间模型中，网络舆情的三维空间分别按照如下关系对应到信息空间上：网民的参与信息对应着编码维，舆情信息对应抽象维，

传播媒介对应着扩散维。微博的舆情传播中由于媒介单一，微博舆情的三维空间关系可简化成如图1所示，舆情要素、舆情受众、舆情传播分别对应着信息空间中的抽象维、编码维和扩散维，其中舆情要素还可细分为舆情信息和舆情主体

。

图1微博舆情的三维空间

2．2监测指标的设计微博中信息传播是一个接

近于零时间的过程，

但要演化成一个多方参与的社会舆论，还需经历了舆情阅览阶段和舆情转载阶段，在此过程中有舆情信息发布者、舆情受众和媒体的参与。因此，微博舆情产生于舆情发布者，通过微博传播，从而作用在舆情受众上，产生的影响力大小取决于舆情要素的内容以及受众的态度。

戴媛

［9］

等认为网络舆情安全评估指标体系是建立

在“舆情”和“网络”上的，“舆情”本身是主观性的社会类指标，“网络”是客观性的技术类指标，二者间要通过定性分析与定量研究相结合的方法才能有机地契合起来。从舆情传播的环节上，选取舆情的数据源、要素、状态趋势指标集作为舆情安全评估指标，很好地反映了舆情网络传播的特点，但未体现受众的作用。下面根据微博舆情的三维空间关系，针对微博自身的特点，综合前面两种指标体系的优点，运用层次分析法，提出了微博舆情监测评价指标体系。

层次分析法是一种新的系统分析方法，可以利用较少的定量信息使决策的思维过程数学化，从而为多目标的复杂决策问题提供简便的决策方法，尤其适合于对决策结果难于直接准确计量的场合

［10］

。层次结

构模型主要包括目标层、准则层和指标层。从微博舆情的三维空间关系图中可以看出，微博舆情监测评价体系可再分为4个二级指标，即舆情主体、舆情信息、舆情传播和舆情受众。

运用层次分析法，可将微博舆情监控指标评价体

系划分为3个层次，其结构模型如表1所示，其中每一个层次都是由上一个层次的评价指标所展开的，而上一层次的评价指标则是通过下一层次的评价结果反应出来。层次分析法中的准则层对应着评价体系中的4个二级指标，包括有舆情主体、舆情信息、舆情传播和舆情受众，指标层再由准则层的隶属关系进行细分可得。

表1

微博舆情监控指标评价体系的结构模型

目标层

准则层

指标层微博舆情综合指数

舆情主体A

舆情信息B

舆情传播C 舆情受众D

博主号召力A1

粉丝的比例A2

历史发帖率A3历史转载率A4历史评论率A5舆情敏感度B1舆情危害度B2舆情关注度B3微博排名指数C1博文推荐度C2博文点击率C3博文点击频度C4地理分布度D1区域稳定度D2

受众共鸣度D3负面回应指数D4参与频度D5

2．3

监测指标说明2．3．1

舆情主体指标。舆情主体指标是指微博

所有者的相关信息指标，主要包括博主的号召力、粉丝的比例、历史发帖率、历史转载率以及历史评论率。

博主的号召力大多与博主的现实身份和虚拟身份有关，

若博主在现实中是某个领域的名人学者，或者是博客世界中的标志性人物，都会在一定程度上提高舆情的传播效果；粉丝的比例是该博客的粉丝人数在全部博客用户所占的百分比，所体现的是博客的人气；历史发帖率是博主已发的博文条数占全部博文的百分比；历史转载率是该博客中博文被转发的次数占全部博文数量的百分比；历史评论率是其他用户对博客中的博文的评论条数占全部评论条数的百分比，历史转载率与历史评论率共同反映出其它用户对该博客的共鸣度。

2．3．2

舆情信息指标。舆情信息指标反映了舆

情的敏感程度、自身的危害程度以及受关注的程度。

舆情的敏感度指舆情内容与静态指标（预先设定的敏感关键词）和动态指标（更新的热点信息）进行比较后得出的相似度。静态指标是指在很长时期内民众都普遍关注的社会事项，如：医疗卫生、公共安全、公共教育、社会就业、权力腐败等主题。动态指标是指在特定的一段时期内社会民众特别关注的社会事项，如：广州亚运会、农产品价格上涨、通货膨胀等。动态舆情自身有着其一定的时效性和突发性，可通过网络热点的

·86·情报杂志第30卷

自动更新机制来获取。

舆情的危害度指通过舆情挖掘技术挖掘出舆情内容的褒贬义词并智能分析，按照一定的标准得出一个数值来表示其危害程度的大小。

舆情的关注度指的是当前舆情在博客中被转载的次数占全部博文的比例，其中“弱关系节点”转载的次数比“强关系节点”转载的次数更能提供参考价值，可对两者赋以不同的权重加以区别。假定“强关系节点”

转载率为p 1，“弱关系节点”转载率为p 2，权重g 1，g 2，其中g 1+g 2=1，g 1＜g 2，舆情关注度f =g 1·p 1+g 2·p 2

2．3．3

舆情传播指标。舆情传播指标着重分析

的是舆情在传播阶段的扩散效果。由于微博自身的传播方式确定，舆情传播效果主要与微博自身的影响力及博文的推荐度有关，并可通过博文点击率和博文点击频度反映出来。

微博排名指数是根据微博的影响力确定的权值系数，反映的是微博自身的影响力。

博文推荐度是舆情博文在门户博客中被推荐的指数。门户博客通过整合热门、重点信息后贴上标签加以推荐，从而会吸引更多的“弱关系”节点关注该博客，这在一定程度上促进了舆情在更大范围用户中的传播。

博文的点击率是微博用户浏览该博文的流量占总流量的比例。假定当前时间浏览该博文的流量是r ，总流量为R ，则博文点击率ω=r /R 。

博文点击频度是博文点击率变化的快慢，是单位时间内微博文点击率改变的大小。假定在时刻t 1浏览博文的流量是r 1，总流量为R 1，在时刻t 2浏览博文的流量是r 2，总流量为R 2，则博文点击频度为：

d ωdt =r 2/R 2－r 1/R 1

t 2－t 12．3．4

舆情受众指标。舆情的受众指标反映了

受众所处的地域信息，以及对舆情的共鸣度和回应态度，主要包括地理分布度、区域稳定程度、受众共鸣度、参与频度和负面回应指数。

地理分布度指的是受众的地理范围和密集程度，通过对博客受众的IP 地址、手机号码归属地进行追踪得到归属地信息，按照归属地信息分类后得到该归属地的微博用户数量除以微博用户的总数量即可得到。

区域稳定度反映的是用户所属地区的稳定程度，若一个地区的不稳定程度越高，越容易激发受众的负面情绪，从而导致一些不稳定的社会情况发生。

受众共鸣度反映的舆情在用户中产生共鸣的程度，可由对当前博客条文发表评论的人数除上浏览当前博文人数的比例。

负面回应指数反应舆情在受众中产生的负面影响的程度，用负面评论条数占全部评论条数的比例作为参考。

参与频度指的是某用户阅读、转载或评论舆情的次数，该指标可用作监测网络中刻意制造事端的网民。2．4

监测指标体系的运用

以上给出了微博舆情

监测指标的具体计算方法，

进一步要确定的是各个指标的权重，可采用Delphi 法和层次分析法来确定各项指标的权重。Delphi 法中，经过问卷调查和反复的论证后，专家们为准则层和指标层的每个指标的重要程度进行打分。然后运用这些分值来构建判断矩阵，分别计算出准则层和指标层的特征向量，从而得出每层中指标的权重。记准则层的特征向量为

ω

1

，ω2，ω3，ω()

4T

，舆情主体指标的权重分别是αi ，舆

情信息指标的权重分别是βi ，舆情传播指标的权重分别是γi ，舆情受众指标的权重分别是σi 。

最后进行综合分值的计算，其公式为：Q =（A ，B ，C ，D ）·（ω1，ω2，ω3，ω4）

T

=ω1·A +ω2·B +ω3·C +ω4·D

=ω1·∑5

i =1

αi ·A i +ω2·∑3

i =1

βi ·B i +ω3·∑4

i =1

γi ·C i

+ω4·∑5

i =1

σi ·D i

微博舆情的监测等级分为轻度级、警示级、严重级、

危险级4个等级，并分别用蓝、黄、橙、红四个颜色加以区分（见表2）。根据综合分值大小确定其对应的区间，得出舆情监测的级别，并适时动态的做出预警，为决策者提供决策支持。

表2

微博舆情监测等级

IV 级（蓝）III 级（黄）II 级（橙）I 级（红）轻度级

警示级

严重级

危险级

3结束语

目前，尚未有关于微博舆情的监测指标体系出现，

本文在分析微博中信息传播机制的基础上，尝试提出了微博舆情监测指标体系，该体系很好地结合了微博自身的特性，

并给出了指标的量化计算方法，针对性强，实用性高。不但考虑了微博主体、舆情信息自身的影响力，

还充分考虑了舆情受众的能动性作用。针对微博的信息传播机制，区分了“强关系用户”和“弱关系用户”对舆情传播的贡献；对舆情受众指标进行了详细的区分，区域稳定度能更好地客观地预测舆情作用的效果，通过参与频度能够及时发现刻意制造事端的网民。

文献［8］中的突发公共事件网络舆情监测指标体系涵盖范围广，适用性较强，但未包含体现舆情发展趋

·

96·第9期高承实，等：微博舆情监测指标体系研究

势的指标，同该体系相比，本文的微博监测指标体系在舆情传播指标中设立了博文点击频度指标，可及时反映出信息聚集的快慢，另外还将区域稳定度作为三级指标，一方面更加符合微博舆情的三维空间关系，区域本身是舆情受众所在的区域，从隶属关系上区域稳定度应从属于舆情受众这个二级指标；另一方面减少了二级指标的个数，降低指标体系的计算复杂性。文献［9］中的指标体系没有包含关于受众的指标，未能体现舆情受众对舆情的能动作用，而微博本身就具有双向传播的特征，因而其本身就不适用于微博中的舆情监测。

微博舆情监测指标体系给出了舆情指标的量化计算方法，但由于缺少大量的科学统计数据，如何对其进行实际验证还需要进一步的研究。因此本文的下一步工作重点将是在搜集大量有效的微博相关数据基础上，将指标体系应用到微博舆情的实时预警中，从而根据验证效果对其不断的改进和完善。

参考文献

［1］刘毅．略论网络舆情的概念、特点、表达与传播［J］．理论

界，2007（1）：11－12

［2］卢金珠．微博客传播特性及盈利模式分析［J］．现代传播：中国传媒大学学报，2010（4）：127－130

［3］姜澎．微博市场2013年或将进入成熟期［N］．文汇报，2010－12－29

［4］曾润喜，徐晓林．网络舆情突发事件预警系统、指标与机制［J］．情报杂志，2009，28（11）：52－54

［5］李雯静，许鑫，陈正权．网络舆情指标体系设计与分析［J］．情报科学，2009（27）：986－991

［6］张一文，齐佳音．非常规突发事件网络舆情指标体系建立初探［J］．北京邮电大学学报（社会科学版），2010，12（4）：6－14

［7］廖福生，江昀．微博客的信息传播模式及其发展分析［J］．宁波广播电视大学学报，2010（8）：4－6

［8］谈国新，万一．突发公共事件网络舆情监测指标体系研究［J］．华中师范大学学报：人文社会科学版，2010（3）：66－70［9］戴媛，姚飞．基于网络舆情安全的信息挖掘及评估指标体系研究［J］．情报理论与实践，2008（6）：873－876

［10］孟丽丽，路春光，赵会珍．采用层次分析法的硬质合金齿圆锯片质量评价体系的建立［J］．现代制造工程，2010（6）：73－77

（责编：刘武英

檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪

）

（上接第65页）

［24］夏雨禾．微博互动的结构与机制－基于对新浪微博的实证研究［J］．新闻与传播研究，2010（4）：60－69

［25］Java A，Song X，TimFinin，et al．Why We Twitter：An Analysis of a Microblogging Community［Z］．2010

［26］Elwood S，Leszczynski A．Privacy，Reconsidered：New Repre-sentations，Dta Practices，and the Geoweb［J］．Geoforum，2011，42（1）：6－15

［27］Malita L，Badescu I，Dabu R．Culture Tips of Online Job Searching［J］．Procedia－Social and Behavioral Sciences，2010，2（2）：3070－3074

［28］Rybalko S，Seltzer T．Dialogic Communication in140Characters or less：How Fortune500Companies Engage Stakeholders Using

Twitter［J］．Public Relations Review，2010，36（4）：336－341［29］蔡文胜．微博营销大会［EB/OL］．http：//fj．sina．com．cn/xm/ zt/2011wbyxdh/index．html

［30］Jansen B J，Zhang M，Sobel K，et al．Twitter Power Tweets as Electronic Word of Mouth［J］．Journal of the American Society

for Information Science and Technology，2009，60（11）：2169－

2188

［31］Eberle D．iBranding－the Impact of Social Media on Corporate Brands［D］．Rotterdam：RSM Erasmus University，2010

［32］Asur S，Huberman B A．Predicting the Future With Social Media ［EB/OL］．［2010－12－25］．http：//arxiv．org/PS_cache/arxiv/

pdf/1003/1003．5699v1．pdf

［33］Tayal D，Komaragiri S．The Impact of Micro Blog on Market performance［J］．International Journal on Computer Science and

Engineering，2009，1（3）：176－182

［34］Hsu C，Liu C，Lee Y．Effect of Commitment and Trust Towards

Microblogs on Consumer Intention［J］．International Journal of

Electronic Business Management，2010，8（4）：292－303

［35］Greenberg P．The Impact of CRM2．0on Customer Insight［J］．Journal of Business＆Industrial Marketing，2010，25（6）：210－

219

［36］王树义，王鑫．基于微博客Twitter的企业竞争情报搜集［J］．情报学报，2010，29（3）：545－552

［37］Junco R，Heiberger G，Loken E．The Effect of Twitter on College Student Engagement and Grades［J］．Journal of Computer Assis-

ted Learning，2010，12（November）：1－14

［38］Lariscy R，Avery E J，Sweetser K D，et al．An Examination of The Role of Online Social Media［J］Public Relations Review，2010，35（3）：314－316

［39］Huberman B A，Romero D M，Wu F．Social Networks That Matter Twitter Under the Cicroscope［Z］，2009

［40］Golbeck J，Grimes J M，Rogers A．Twitter Use by the U．S．Congress［J］．Journal of the American Society for Information

Science＆Technology，2010，61（8）：1612－1621

［41］Fujisaka T，Lee R，Sumiya K．Exploring Urban Characteristics Using Movement History of Mass Mobile Microbloggers：HotMo-

bile＇10，February22–23，2010，Annapolis，Maryland，USA．，2010

［42］Field K，Brien J O．Cartoblography：Experiments in Using and Organising the Spatial Context of Microblogging［J］．Transac-

tions in GIS，2010，14（July）：5－23

［43］Wang A H．Don＇t follow Me：Spam Detection in Twitter［EB/ OL］．［2011－03－02］．http：//test．scripts．psu．edu/users/h/x/

hxw164/files/SECRYPT2010_Wang．pdf

（编责：刘武英）

·

07

·情报杂志第30卷