论文部分内容阅读
在Web2.0时代，越来越多的网民不再是被动的信息接受者，而成为信息的生产者和传播者，人们可以通过网络方便快捷地表达自己的利益诉求。然而网络是一把双刃剑，某些网民或者团队为了追求利益，利用网络虚拟性、发散性以及匿名性等特点，在网络上散布各种虚假或者扭曲事实的言论，引诱公众产生具有强烈负面倾向的情绪、态度和意见。在某些敏感问题上，由于政府应对不及时或者不妥当，往往陷于被动，极大地损坏了政府的形象。因此，如何对网络舆情危机进行有效预警已经成为政府部门的必修课，也是学术界研究的热点问题。我国对网络舆情危机预警研究起源于2007年，近年来发展迅速，研究成果比较丰富，既有基本理论的探索也有支撑技术的开发，取得了比较好的效果。但是在网络舆情危机预警方面还是存在着许多问题的，例如网络舆情预警指标体系理论化较强，可操作性较差；定性研究较多，定量研究甚少；支撑技术自动化水平有待加强等。针对现有研究的不足，本文开展了以下的研究： （1）辨析网络舆情危机的概念，明确研究范围。针对学界对网络舆情危机概念研究模糊不清的现状，本文在总结与探讨舆情、网络舆情的概念的基础上，从公共危机管理的角度，提炼出网络舆情危机的概念。所谓网络舆情危机就是指网络上突然出现了对特定组织或个人具有严重威胁的舆情，组织或个人必须在物资、时间和信息缺乏的条件下快速做出决策的一种非常危险或者困难的状态。 （2）构建网络舆情危机预警指标体系。建立科学、系统、可行的预警指标体系是进行网络舆情危机预警的关键，本文在遵循科学性、可操作性、稳定性、最优性、导向性和积极性原则的基础上，充分考虑网络舆情危机产生、发展、变化的规律及特点，综合现有指标体系的优缺点，利用层次分析法的思想，构建了由3个一级指标和11个二级指标组成的网络舆情危机预警指标体系。 （3）建立基于BP神经网络和遗传算法的网络舆情危机预警模型。影响网络舆情危机的众多因素之间存在着复杂的非线性关系，传统的预警方法擅长处理线性关系，在处理非线性关系上显得力不从心。BP神经网络是由大量神经元相互构成的高度并行的非线性系统，以处理非线性问题而著称，凭借其独特的结构和优良的功能，使得BP神经网络运用于网络舆情危机预警具有比较大的优势。但是BP神经网络也存在着“局部极小值”和“初值敏感”的问题，为了解决这一问题，本文引进了遗传算法，利用遗传算法优化 BP神经网络的初始权值和阀值，最终建立了适用于网络舆情危机预警的GA-BP神经网络模型，并通过5个具体案例，证明了该模型的有效性和优越性。