大數(shù)據(jù)時代如何利用指數(shù)分析輿情

目錄

CONTENTS網絡大數(shù)據(jù)網絡輿情輿情指數(shù)案例分析研究與反思網絡大數(shù)據(jù)1大數(shù)據(jù)的概念感知數(shù)據(jù)人類原創(chuàng)數(shù)據(jù)運營數(shù)據(jù)人類社會數(shù)據(jù)生產方式世界知名的咨詢公司麥肯錫最早提出了“大數(shù)據(jù)”的概念，麥肯錫認為大數(shù)據(jù)是指無法在一定時間內用傳統(tǒng)數(shù)據(jù)庫軟件工具對其內容進行采集、存儲、管理和分析的數(shù)據(jù)集合。大數(shù)據(jù)的概念研究機構Gartner將大數(shù)據(jù)定義為：需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產。大數(shù)據(jù)的概念維基百科對“大數(shù)據(jù)”的解讀是：“大數(shù)據(jù)”（Bigdata），或稱巨量數(shù)據(jù)、海量數(shù)據(jù)、大資料，指的是所涉及的數(shù)據(jù)量規(guī)模巨大到無法通過人工，在合理時間內達到截取、管理、處理、并整理成為人類所能解讀的信息。大數(shù)據(jù)的概念傳媒專家劉建明教授認為：“大數(shù)據(jù)”同信息是不可分離的，是指信息浩大數(shù)量的統(tǒng)計與技術運作。作為人類認知社會方法的一次飛躍，“大數(shù)據(jù)”技術將給企業(yè)運營、政府管理和媒體傳播的科學化創(chuàng)造有效機制。大數(shù)據(jù)的概念“大數(shù)據(jù)”不是部分，而是全部數(shù)據(jù)是不確定、不準確的信息著重在了解是“什么”而不是“為什么”大數(shù)據(jù)的概念《大數(shù)據(jù)時代》維克托·邁爾·舍恩伯格大數(shù)據(jù)的概念大數(shù)據(jù)本身不是一種新的產品或新的技術大數(shù)據(jù)的出現(xiàn)只是數(shù)字化時代數(shù)據(jù)量不斷增加的一種現(xiàn)象大數(shù)據(jù)的概念BZB海量數(shù)據(jù)大數(shù)據(jù)大數(shù)據(jù)的概念大數(shù)據(jù)的發(fā)展進程0302011966年摩爾定律提出，為大數(shù)據(jù)現(xiàn)象的形成奠定物理基礎1989年數(shù)據(jù)挖掘技術產生，大數(shù)據(jù)有了大價值2004年社交媒體出現(xiàn)，全世界每個人都變成了潛在數(shù)據(jù)生成器大數(shù)據(jù)的特點數(shù)據(jù)自身的狀態(tài)與價值隨著時空變化而不斷發(fā)生演變（流動速度快）數(shù)據(jù)的價值沒有隨數(shù)據(jù)量的指數(shù)增長呈現(xiàn)出同比例上升（價值巨大但密度低）結構化數(shù)據(jù)、半結構化數(shù)據(jù)和非結構化數(shù)據(jù)（數(shù)據(jù)類型繁多）大量交互數(shù)據(jù)被記錄和保存，數(shù)據(jù)規(guī)模從到數(shù)量級（數(shù)據(jù)體量巨大）個：、、、大數(shù)據(jù)的特點1大數(shù)據(jù)＝傳統(tǒng)的小數(shù)據(jù)＋現(xiàn)代的大記錄2大數(shù)據(jù)＝結構化數(shù)據(jù)＋非結構化數(shù)據(jù)3大數(shù)據(jù)=大價值+大容量大數(shù)據(jù)如何產生10:02微博云計算物聯(lián)網托馬斯··達文波特：大數(shù)據(jù)之所以產生，是因為傳感器和微型計算機處理器在人們日常生活中無處不在。大數(shù)據(jù)如何產生網絡輿情的大數(shù)據(jù)時代來臨12354Google400PBFacebook10億照片300TB微信百度云每個人1天200G月活8億5000國圖網絡大數(shù)據(jù)網絡輿情2輿情的概念輿情指在一定的社會空間內，圍繞中介性社會事項的發(fā)生、發(fā)展和變化，作為輿情主體的民眾對國家管理者產生和持有的社會政治態(tài)度。廣義的輿情，就是指民眾的全部生活狀況、社會環(huán)境和民眾的主觀意愿，也就是通常所說的“社情民意”。網絡輿情的概念網絡輿情是社會輿情的一種表現(xiàn)形式，指在一定的網絡空間中，各種社會群體對自己關心或與自身利益相關的熱點事件或事物所表現(xiàn)出來的具有一定影響力并帶有傾向性的認知、情緒、態(tài)度和意見的總和。傳播互動網民情感互動影響力網絡事件01020304主觀性與非理性社會情緒的原生態(tài)表達網絡謠言與負面情緒擴散多元性信息內容多元傳播途徑與表達方式多元意識形態(tài)與觀點內容多元突發(fā)性基于網絡雙向傳播社會輿論導火索廣泛性參與人員類型廣泛涉及地域范圍廣泛網絡輿情的特點網絡輿情的信息來源政府網站高高低低新聞媒體高高中中社交平臺低低高中網絡媒體中中中中中來源準確度權威度參與度針對性主動報送中高高網絡輿情信息來源指標特點網絡輿情傳播的特點跨時空性：信息突破了空間的限制，實現(xiàn)了信息的跨時空傳播1234強制互動性：信息由單向傳播變成雙向互動，公眾由接受者變?yōu)閰⑴c者和生產者及時性：即時編輯、及時發(fā)布、即時傳播、即時互動、及時反饋群體極化性：信息的傾向性對受眾的思想形成一定的支配性，形成群體極化網絡輿情的演變過程輿情影響萌芽擴散爆發(fā)波動消退經歷時期表：網絡輿情演變模型網絡輿情的演變過程輿情影響萌芽擴散爆發(fā)波動消退經歷時期表：網絡輿情預警模型良好正常隱患不安全危險網絡輿情的演變過程輿情影響萌芽擴散爆發(fā)波動消退經歷時期表：政府應對輿情模型良好正常隱患不安全危險啟動輿情監(jiān)測制定應急預案制定保障方案實施信息公開專家網上答疑關注意見領袖網民互動交流事件初步解決公開進展信息引導輿情過渡事件經驗總結監(jiān)測衍生輿情輿情指數(shù)3網絡輿情指數(shù)的概念輿情指數(shù)是通過對網絡中各種類型媒體所發(fā)布的信息進行獨立的第三方觀察，形成量化統(tǒng)計和定性分析，并結合算法推導、歸納總結而最終形成的一套網絡輿情指數(shù)體系。網絡輿情指數(shù)體系構建的基本原則科學性系統(tǒng)性全面性可行性動態(tài)性穩(wěn)定性明確性目標性互聯(lián)網大數(shù)據(jù)挖掘技術數(shù)據(jù)庫理論機器學習人工智能現(xiàn)代統(tǒng)計學互聯(lián)網大數(shù)據(jù)挖掘技術統(tǒng)計技術：對給定數(shù)據(jù)集合假設一個分布或者概率模型連接分析：從一些用戶的行為中分析出一些模式，

同時將產生的概念應用于更廣的用戶群體中

決策樹：一種預測模型，是直觀運用概率分析的一種圖解法人工神經網絡：是一種模仿動物神經網絡行為特征，進行分布式并行信息處理的算法數(shù)學模型差別分析：目的是發(fā)現(xiàn)數(shù)據(jù)中的異常情況，從而獲得有用信息概念描述：對某類對象的內涵進行描述，并概括其有關特征關聯(lián)規(guī)則：目的是找出數(shù)據(jù)庫中隱藏的關聯(lián)網網絡輿情監(jiān)測指數(shù)體系（蘭月新）指數(shù)一指數(shù)三指數(shù)四指數(shù)二傳播擴散輿情受眾發(fā)布主體內容要素指數(shù)體系1234名稱一級指數(shù)二級指數(shù)三級指數(shù)網絡輿情監(jiān)測指數(shù)體系持續(xù)時間地理范圍傳播方式主體身份影響力活躍度意見傾向主題內容主題詞熱度主題敏感度視聽化程度內容詳略度態(tài)度傾向關注人數(shù)傳播擴散時間跨度地理跨度網站、網媒、社交媒體意見領袖、普通網民發(fā)帖量、回復量支持、反對、中立社會熱點、政治新聞、個人隱私、宗教政治轉發(fā)量、評論量、閱讀量敏感詞聲像資料量文本長度、圖片連貫性、聲像時長支持、反對、中立獨立訪問者、訪問量發(fā)布主體內容要素輿情受眾網絡輿情監(jiān)測指數(shù)體系（蘭月新）輿情大數(shù)據(jù)指數(shù)（劉建明）輿情大數(shù)據(jù)指數(shù)媒體傳播力指數(shù)傳播量覆蓋率互動性輿情影響力指數(shù)傳播量覆蓋率關注度綜合評價劉志明《網絡輿情大數(shù)據(jù)》網絡輿情指數(shù)體系（）“網絡輿情指數(shù)體系（）”是由中國傳媒大學網絡輿情（口碑）研究所設計，該指數(shù)體系是國內第一個權威的、可量化的、科學的網絡輿情指數(shù)體系，重點突出網絡輿情指數(shù)的實時動態(tài)性以及可理解、可描述、可解釋等特點。123IRI網絡輿情參與度網絡輿情波及度網絡輿情評價度網民在某網站中針對某一主題發(fā)布的信息量、回復量和瀏覽量的綜合統(tǒng)計——集中參與水平衡量所有網絡媒體中相關信息的指標——廣泛報道水平整體態(tài)度傾向的指標百度司南輿情系統(tǒng)指數(shù)聲量診斷傳播分析情感提煉某話題/人物/商品/事件在互聯(lián)網上是否引起了關注度，關注量級與趨勢如何輿情傳播路徑，識別傳播節(jié)點，研判節(jié)點調性摩畫網民情感傾向，提煉網民對事物的主要態(tài)度、關注面與側重點人群分析輿情受眾畫像，偏好人群&厭惡人群特點清博指數(shù)以大數(shù)據(jù)為核心技術支撐，全方位整合傳統(tǒng)門戶、微博、微信、論壇、外媒等輿情信息矩陣，高效穩(wěn)定的數(shù)據(jù)采集平臺，深度分析挖掘網絡輿情，預測消費者的商業(yè)興趣與社交行為，為企業(yè)品牌評估、戰(zhàn)略部署提供有力數(shù)據(jù)支撐。BCIBVIOCIWII-VRTGI標題內容清博指數(shù)微信傳播指數(shù)清博指數(shù)微博傳播指數(shù)指標體系:

主要通過活躍度和傳播度兩大維度來進行評價,發(fā)博數(shù)、原創(chuàng)微博數(shù)、轉發(fā)數(shù)、評論數(shù)、原創(chuàng)微博轉發(fā)數(shù)、原創(chuàng)微博評論數(shù)、點贊數(shù)。

清博指數(shù)微博傳播指數(shù)清博指數(shù)網紅指數(shù)網紅指數(shù)側重于對網紅傳播力和影響力的量化評估，評估模型包括三大維度、十余項項量化指標，通過全網數(shù)據(jù)的采集，建立基于大數(shù)據(jù)的開放評估模型。清博指數(shù)指數(shù)評估指數(shù)包括企業(yè)和產品的網絡關注度（微博討論及官微粉絲數(shù)、微信相關文章及總閱讀數(shù)等），全網推廣度（網頁、新聞、官網、社交媒體平臺等相關信息推廣）和網絡熱銷度（主流電商平臺：以淘寶天貓和京東為主）三大維度。

（）全景數(shù)據(jù)評估指數(shù)全景數(shù)據(jù)評估指數(shù)算法說明：使用文章數(shù)量、可見總流量、認同流量、可見峰值流量四個主要指標，并提出認同潛力值、可見峰值流量比率兩個指標。本算法由上海交通大學大數(shù)據(jù)傳播創(chuàng)新實驗室綜合多類資源提出，使用運籌學中的層次分析法（）進行系數(shù)的確定，得到，，，λ。案例分析4百度輿情研究院《大數(shù)據(jù)中的“春運潮”變遷》“百度遷徙”發(fā)布春運全國小時最熱線路圖春運遷徙，天，億人次春運槽點：“”“高價盒飯”“車站服務”“安檢”“堵車”“晚點、滯留”案例一：百度輿情研究院《大數(shù)據(jù)中的“春運潮”變遷》關注度＝×新聞指數(shù)＋×論壇指數(shù)＋×微博指數(shù)＋×微信指數(shù)正面輿情比例＝×正面輿情指數(shù)＋×中性輿情指數(shù)輿情壓力指數(shù)×輿情事件個數(shù)×輿情關注度均值正面輿情事件比例百度輿情研究院《大數(shù)據(jù)中的“春運潮”變遷》關注度＝×新聞指數(shù)＋×論壇指數(shù)＋×微博指數(shù)＋×微信指數(shù)百度輿情研究院《大數(shù)據(jù)中的“春運潮”變遷》百度輿情研究院《大數(shù)據(jù)中的“春運潮”變遷》正面輿情比例＝×正面輿情指數(shù)＋×中性輿情指數(shù)輿情壓力指數(shù)×輿情事件個數(shù)×輿情關注度均值正面輿情事件比例百度輿情研究院《大數(shù)據(jù)中的“春運潮”變遷》正面輿情比例＝×正面輿情指數(shù)＋×中性輿情指數(shù)輿情壓力指數(shù)×輿情事件個數(shù)×輿情關注度均值正面輿情事件比例研究與反思5大數(shù)據(jù)視域下輿情研究的轉向研究視角的轉向研究方法的轉向

數(shù)據(jù)庫支持的轉向輿情研究主體的轉向從單向度的內容研究轉向“內容+關系”的多維度研究由輿情信息采集轉向數(shù)據(jù)加工、可視化等由簡單的、有限的數(shù)據(jù)庫轉向非結構化的大數(shù)據(jù)庫由小作坊式的單打獨斗、面面俱到輿情監(jiān)控轉向分工明確、高度聚合集約的輿情分析輿情研究重點的轉向由輿情監(jiān)測轉向為輿情預警乃至預測，從單向度的危機應對、品牌營銷轉向各領域的綜合信息服務大數(shù)據(jù)輿情能否代表社會民意根據(jù)中國互聯(lián)網絡信息中心《第次中國互聯(lián)網絡發(fā)展狀況統(tǒng)計報告》顯示，截至年月，中國網民已達到億，超過總人口的。農村網民占總網民的，達億，而中國農村人口將近億，網民占比較低。即使上網，發(fā)表意見的也是少數(shù)。陳力丹在《輿論學》指出：「在一定范圍內有接近的人持某種意見，這種意見由于開始對全部人產生影響，故它已經從少數(shù)人的意見轉變?yōu)檩浾?。」「在一定范圍內有接近的人持某種意見，這種意見已經可以統(tǒng)領全局，當然更是輿論，而且成為主導輿論?！埂敢⒁?，不能輕易把網上的意見視為輿論。網民占全國人，網民在網上發(fā)表意見的人數(shù)，只占所有網民的，經常發(fā)表意見的人數(shù)更少?！挂虼耍W民大都屬于「沉默的大多數(shù)」，通過技術手段抓取關鍵詞呈現(xiàn)出的意見狀況會出現(xiàn)代表性偏差，與符合真實情況可能出現(xiàn)不一致。大數(shù)據(jù)輿情能否代表社會民意信息源頭的污染網民享有了表達意見的自由，但網絡信息卻并非態(tài)度、意見和情緒的直接和客觀的反映。網絡的虛擬性使得網絡言論往往出現(xiàn)情緒化和極端化的現(xiàn)象。其次是大量網絡「水軍」的存在，會影響到對事實情況的判斷。大數(shù)據(jù)輿情能否代表社會民意愛德華·霍爾創(chuàng)建了「高語境」和「低語境」的概念。高語境是指對語境依賴程度較高的語言，如中文和日文。在中文傳播環(huán)境中，語言信息呈現(xiàn)在語境之中，高度依附語境。使用爬蟲等技術手段抓取的網絡信息是有噪聲的，在進行回歸分析與差異分析時，不能徹底擺脫高語境依賴，由此得出的分析結果并不能完整的解釋其實際意義，進而也會干擾輿情判斷。大數(shù)據(jù)輿情能否代表社會民意「大數(shù)據(jù)」是原材料，「算法