一、研究方法与数据来源
(一)研究方法
本文采用SOM神经网络对30起旅游突发事件的数据进行聚类分析。SOM神经网络由芬兰学者于20世纪80年代提出，全称是自组织特征映射神经网络，它采取“胜者为王”的竞争学习算法，通过竞争、合作和权值调节来完成无监督自学习的过程。［4］1.SOM神经网络的拓扑结构。神经网络的拓扑结构如图1所示，包括输入层和输出层，输入层各节点通过权值与输出层的神经元相互连接，输入层随机接受任意维度的输入模式，然后以拓扑有序的方式变换到输出层，这个变换叫做特征映射，接着在输出神经元之间完成竞争选择。2.SOM神经网络的学习过程。①初始化。确定总的学习次数T，学习速率a(t)，邻域半径初始权值(t)，②对初始权值和输入向量进行归一化处理③计算传感器的坐标数据与输出神经元的欧式距离:④找出最小的欧式距离，确定取胜的神经元。⑤对连接权值进行调整:⑥更新学习速率和邻域当时，返回步骤②;当学习速率a(t)下降为0或学习次数达到最大值T时，学习过程结束。
(二)数据来源及处理
微博平台在网络舆情传播平台中具有代表性，并且在数据获取的即时性和便捷性上存在明显优势。由于一般旅游突发事件的微博数量太少、可利用性很低，因此本文选用2010－2014年内，引起微博较大反响、博友激烈讨论的30起热点旅游突发事件作为研究样本(见表1)。使用新浪微博的平台开放接口自行编写程序，以旅游突发事件的关键词，抓取微博数据。通过对微博数据的预分析，发现微博集中在旅游突发事件发生后的10天之内发布，10天之后微博基本不再更新。为了方便对比研究，将有关旅游突发事件的第一条微博的发布时间作为起始时间，以3小时为一个时间段，一天分为8个时间段:0:01－3:00、3:01－6:00、6:01－9:00、9:01－12:00、12:01－15:00、15:01－18:00、18:01－21:00、21:01－0:00，10天共分为80个时间段，每隔一个时间段记录一次微博数量，同时对每个时间段内的微博数量进行累加处理，这样每个旅游突发事件下都有80个数据。
二、实证研究结果与预测
(一)基于SOM神经网络的旅游突发事件微博传播聚类研究
启用Matlab7.1的SOM神经网络工具箱，编程后，对每条80个元素的30条数据进行聚类，如表2所示。总共得到六种聚类结果，每种类型的旅游突发事件的传播态势都有明显的特征:第一聚类，旅游突发事件发生后2天内，在微博上出现短暂热议，第2－8天博文数量增长趋势迅速减慢，第9、10天内博文数量出现新的小阶梯状增长;第二聚类，博文数量的增长态势近乎直线，但是增长速度还是随着时间逐渐降低，在旅游突发事件的整个传播期内，博文数量呈现持续增长的态势;第三聚类，旅游突发事件发生后的第1－4天内博文数量迅速爆发，4天后相关博文增长速度逐渐趋于零;第四聚类，在旅游突发事件发生后的传播期内，事件一直受到博友的广泛关注，在传播期前2天内经过热议之后，博文的增长速度明显减慢，但是依然保持持续增长的状态;第五聚类，与第三聚类类似，只是博友热议期缩短到2天，2天后相关博文的增长速度逐渐趋于零;第六聚类，博文的传播态势呈现弧型，在传播期的前2天内，增长速度比较大，博文数量快速爆发，第3－4天增长速度逐渐减慢，第8－10天博文基本停止增长。
(二)旅游突发事件网络舆情传播趋势的预测
由于具有信息传播的即时性、互动性、快捷性，微博逐渐成为旅游突发事件网络舆情的重要载体，政府控制舆情的传统方法的功能严重弱化。旅游突发事件的发生涉及社会公众关注的旅游目的地安全、旅游交通安全、游客权益保障等热点问题，不仅会引起微博舆论的爆发，而且错误的信息容易误导社会公众，引起恐慌，扰乱国家经济秩序。因此，实时监测微博的动态，并进行有效预测，对于政府部门采取及时、恰当的措施监管微博舆情具有重要的指导意义。选取第六聚类的旅游突发事件作为样本，取6个旅游突发事件的微博数据的平均值，将其作为预测数据，采用指数函数方法进行拟合并预测。选用80个数据的前70个数据作拟合，得出拟合模型，后10个数据作为预测结果检验数据。指数函数的拟合模型是:，拟合结果的相关系数是0.99435，第71到80个数据的预测曲线与实际曲线几乎完全吻合，说明模型的预测效果很好。
三、结论与讨论
(一)结论
1.遵循“黄金4小时”舆情应对模式。基于旅游突发事件在微博平台中的舆情传播态势分析，容易发现，博文数量集中在前2天内爆发，并且在前4个小时内，微博数量增长速度非常快。旅游突发事件应对模式应该从传统事件处置的“黄金24小时”缩短到新媒体环境下的“黄金4小时”报道事件。需要旅游政府、企业、景区等主体联合进行舆论应对工作，第一时间识别微博舆情的危机苗头，即时发布权威信息，澄清和驳斥不实信息，引导主流媒体舆论的走向。2.即时公开信息，挽回旅游地形象。不实的言论会诱发网友情绪，扰乱旅游突发事件的事态发展，损害旅游目的地的旅游形象。通过对旅游突发事件的微博传播的特征分析发现，传播期的前两天是网络舆论的爆发期，也是舆情控制的关键时期。旅游目的地政府部门和景区管理部门应该主动与媒体、博友沟通，第一时间公开透明地发布旅游突发事件的真相、调查结果、处置过程等信息，让媒体客观公正地评价旅游突发事件，引导网友的舆论倾向。既可以表现旅游目的地对突发事件的响应能力，又有利于旅游目的地形象的维护。3.发布权威信息，消除“信息污染”。事件发生后，在传播期的前两天内，突发事件往往处于发展方向不明确的状态中，在博友、媒体各方的广泛关注下，一个不实消息的传播都可能激发各方的情绪，造成舆情危机态势的蔓延。旅游目的地景区、政府部门、旅游局等官方微博应该发布独家权威消息，多角度介绍旅游突发事件的真相、事态进展、调查结果、善后处理等消息，消灭事件相关消息中有害的、虚假的、误导的信息元素。4.开发舆情跟踪系统，建立舆情跟踪机制。加快高等院校和科研机构对舆情监测核心技术、信息规制挖掘技术、信息理解与分类技术的攻克，建立产学研合作平台，经过技术成果转化过程，将成果投入使用。旅游目的地应该建立完善的旅游突发事件的舆情监控机制，在旅游突发事件刚发生而网络舆情尚在潜伏期的时候，提高对舆情的预判能力，实现对事件舆情的动态变化进行实时跟踪监测，及时采取措施引导网络舆情和化解矛盾。
(二)讨论
旅游突发事件发生之后，微博用户围绕着突发事件的自由讨论，从众心理推动着舆论的发展，产生轰动的效果，在网络舆情生成过程中起到推波助澜的作用，为了描述旅游突发事件的微博传播态势，本文选取了30个旅游突发事件，运用新浪微博API平台，设计程序抓取微博数据，调用Mat-lab7.1的SOM神经网络工具箱对30个微博数据进行聚类分析，得出六种聚类结果，并画出基于时间线的微博传播态势图，在此基础上运用指数函数方法对微博传播态势进行预测。本文的研究还存在不足之处，未来研究应该进一步对聚类结果进行建模，更为标准地描述事件的传播规律，并选取更多的旅游突发事件进行态势预测，提高预测的精确度，在此基础上开发微博舆情管理系统，对微博舆情进行实时监控和态势预测，以期应用到微博舆情的实际管理工作中。
作者：沈阳 夏日 单位：华侨大学
相关专题：2014中国直销企业名单 灌溉排水学报影响因子
