網絡輿情用戶畫像構建與應用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了網絡輿情用戶畫像構建與應用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:大數據時代，高校網絡輿情管理挑戰與機遇并存。探討了國內高校網絡輿情用戶畫像的研究現狀，結合高校網絡輿情管理實際，從資源層、數據層、存儲層、處理層、模型層、應用層提出構建高校網絡輿情用戶畫像的架構圖，并從構建可視化用戶畫像、建立專業化管理隊伍、培養網絡意見領袖三個方面提出應用建議。

關鍵詞:高校網絡輿情;用戶畫像;大數據

根據第47次《中國互聯網絡發展狀況統計報告》，截至2020年12月，我國網民規模為達9．89億，互聯網普及率達70．4%。從學歷結構看，網民中19．8%為大學專科、本科及以上學歷。從職業結構看，網民中21%為學生［1］。網絡是一把雙刃劍，網絡的發展使信息獲取更加及時、傳播速度更加迅速，同時，高校學生群體網絡發聲活躍，一直備受關注。龐大的大學生網民群體也給高校網絡輿情管理帶來嚴峻挑戰，如何預防、應對、處理網絡輿情危機，已經成為高校宣傳管理部門的工作重點。

1高校網絡輿情用戶畫像的相關概念

1．1高校網絡輿情

高校網絡輿情是高校中各類群體，尤其是大學生群體，在網絡上對校園生活里的某一行為或者某一事件發表的意見、態度和觀點，具有多元性、傾向性、突發性、擴散性等特點［2］。筆者梳理了高校網絡輿情的相關文獻，發現高校網絡輿情的研究對象以大學生群體為主。因為受教育程度高、時間充裕、精力充沛，所以大學生是最活躍、積極和敏感的網民群體，但是大學生缺乏社會經驗和閱歷，不容易準確評判信息真偽，往往在網絡上發表過激言論，而高校空間相對單一，易引發負向的高校網絡輿情，煽動大學生群體情緒，從而造成不良后果。

1．2用戶畫像

“VB之父”、“交互設計之父”———艾倫·庫珀最早提出用戶畫像的概念，用戶畫像是真實用戶的虛擬代表，是以系列真實數據為基礎的目標用戶模型［3］。用戶畫像，也稱為用戶角色，是一種勾畫目標用戶、聯系用戶訴求與設計方向的有效工具，在計算機、金融、社交網絡等各個領域得到了廣泛應用。在實際運用中，往往會以通俗易懂的話語將用戶的屬性、行為、觀點與目標數據轉化結合起來，作為實際用戶的虛擬代表，形成產品和市場需要的有代表性的主要受眾和目標群體［4］。綜上，筆者認為用戶畫像是以用戶產生的系列真實數據為基礎，描述特定用戶需求的偏好的目標用戶模型，進而了解用戶、預測用戶需求。用戶屬性、用戶性格、用戶興趣、用戶習慣、用戶行為等均可以作為反映用戶特征的基礎數據。

2高校網絡輿情用戶畫像的研究現狀

筆者于2021年4月5日在中國知網、萬方、維普平臺，以“網絡輿情”和“用戶畫像”為主題精確檢索，共檢索出10篇文獻;以“高校網絡輿情”和“大數據”為主題精確檢索，共檢索出107篇文獻。通過對上述117篇文獻進行內容篩選，僅6篇文獻間接提到通過用戶畫像這種用戶標簽的方式預測輿情發展趨勢，指導輿情預警處理，僅8篇文獻構建了基于大數據技術的高校網絡輿情管理系統。關于如何通過用戶畫像這種用戶標簽的方式預測輿情發展趨勢，趙健(2016)提出通過大數據中的“社會關系網絡”和“心理文化地圖”，刻畫大學生群體的行為，深度挖掘相關話題的背景、觀點、目標等，展現個體和群體的心理變化，為大學生的非理性網絡輿情提供權威信息和價值引導，從而構建和諧校園［5］。徐萍(2016)提出建立高校院系不同層次的數據庫，打通平臺、部門間的數據，深度挖掘大眾、學生、教師等不同群體對高校輿情事件的態度和輿論導向間的關系，重點關注學生的社交話題、關注焦點、情感傾向，尋找實時演變規律，預測輿情發展趨勢，指導輿情應對處置［6］。王宗強(2017)提出運用大數據技術獲取、分析相關聯網絡輿情數據，有助于多維度、動態化、全方位了解數據信息，從而準確及時地預測網絡輿情［7］。馬春影(2019)提出高校師生社交相對集中，話語關聯性強，可以運用大數據技術，將師生的網絡行為數據化，構建高校網絡輿情數據庫［8］。白蓉(2020)基于JavaEE設計了網絡輿情監控系統，以新聞的標題、作者、源網站、寫作時間、入庫時間作為標簽，運用算法對文本進行特征化處理，解析后的輿情信息可為高校輿情管理工作提供支持［9］。圖1高校網絡輿情用戶畫像架構圖關于如何運用大數據技術，構建高校網絡輿情管理系統，柳向東等(2015)提出一種大數據下高校輿情監測與預警機制，運用KNN分類算法、樸素貝葉斯分類算法、支持向量機、神經網絡、最大熵等文本分類算法，將網絡輿情傳播者分為積極型、中立型和消極型三類［10］。劉立波(2018)提出評判輿情事件狀態、媒體介入狀態、高校師生參與狀態的高校網絡輿情研判指標體系，為高校指定網絡輿情應對策略提供參考［11］。李恒忠(2018)提出輿情信息采集、處理、分析、展示、預警多元化高校網絡輿情監管體系［12］。孫紅鶯(2019)提出運用Hadoop大數據處理平臺進行大學生網絡輿情數據的采集、預處理、分析和報告，并設計了大學生輿情法治教育引導模型，該模型可用于法律引導、熱點推薦、輿情預警、關鍵詞推薦等［13］。錢丹丹(2019)提出基于機器學習、數據挖掘技術的高校網絡輿情監測分析體系，運用網絡爬蟲技術從校內外網站獲取主題詞和關鍵詞，通過關鍵詞分析、關聯規則關聯、聚類分析技術，識別正面輿情和負面輿情，為應急管理者提供決策支持［14］。綜上所述，現有研究從不同維度構建了高校網絡輿情的研判指標體系和管理分析數學模型，為高校管理者在網絡輿情的管理和引導方面提供了決策參考。為加強精準防控，需要運用大數據技術，探索高校網絡輿情目標用戶的一般規律，建立高校網絡輿情用戶畫像的架構模型。

3高校網絡輿情用戶畫像模型構建

通過分析其他學者的網絡輿情系統模型，結合高校網絡輿情管理實際，筆者構建了高校網絡輿情用戶畫像架構圖，如圖1所示。

3．1資源層

高校網絡輿情的數據資源可細分為校內資源和校外資源，校內資源最典型的是高校網站，校外資源包括微信、QQ、微博、貼吧等。資源層是高校網絡輿情用戶畫像架構層的底層，也是最基礎最重要的一層，資源層能否覆蓋全面、能否挖掘深入是用戶畫像能否刻畫成功的關鍵。

3．2數據層

用戶畫像中的數據主要包括用戶背景、用戶興趣、用戶習慣、用戶行為等能夠全方位、立體化地反映用戶特征的數據。結合高校網絡輿情管理現狀，高校網絡輿情用戶畫像中的數據主要包括用戶屬性數據(用戶的姓名、性別、班級等)、用戶評價數據(用戶的積極評價、消極評價)、用戶日志數據(系統后臺中用戶行為日志數據)等。運用大數據技術將資源層的后臺數據進行篩選、清洗等處理可以生成數據層的用戶屬性數據、用戶評價數據、用戶日志數據等。

3．3存儲層

常見的數據存儲方式有3種:DAS(DirectAtta-chedStorage)、NAS(NetworkAttachedStorage)、SAN(StorageAreaNetwork)。DAS中數據存儲設備是整個服務器結構的一部分，與服務器內部總線直連，可用于分散網絡或小型網絡，缺點是效率相對較低;NAS是單獨為網絡數據存儲而開發的一種文件服務器，自發形成網絡，與服務器分開，優點是即插即用、部署簡單、位置靈活，缺點是存儲性能較低、可靠度不高;SAN運用光纖通道技術實現了存儲的網絡化，優點是部署容易、存儲性能高速，缺點是接口協議復雜。3種存儲方式各有優劣，高校網絡輿情系統在設計時可根據存儲條件和存儲需求選擇。

3．4處理層

根據數據的類型，可以運用人工標注、本體構建的方式對數據庫中的數據進行處理，過濾冗余數據，剔除重復數據，提取輿情信息中的有效關鍵詞，根據高校網絡行為特點和輿情管理需要，構建不同網絡輿情數據庫，如:輿情話題、輿情領袖、情感傾向。

3．5模型層

根據輿情的性質劃分，高校網絡輿情用戶畫像可以分為積極用戶畫像、中立用戶畫像和消極用戶畫像。其中，積極用戶畫像和消極用戶畫像是需要關注的重點。消極用戶畫像所代表的群體是高校網絡輿情監測和管控的重點，高校管理者要密切關注這類群體的行為，采用合理的方式適度溝通，盡量使其轉變態度;積極用戶畫像所代表的群體，高校管理者可以對其進行鼓勵式教育，引導消極用戶畫像轉向中立甚至積極的態度。

3．6應用層

應用層是高校網絡輿情用戶畫像運用終極的目標，最終以可視化的形式直觀地展現出來。高校網絡輿情用戶畫像可以用于用戶管理、輿情事件查詢、突發事件報警、輿情發展監測、輿情分析報告等。用戶管理功能有助于精準識別用戶，尋找出網絡輿情事件中的領袖群體。輿情事件查詢和輿情分析報告功能能幫助管理者在遇到類似網絡輿情事件時提供決策支持。突發事件報警功能能第一時間將超過閾值的網絡輿情事件報警，提醒管理者及時處理突發事件。輿情發展監測功能可以24h監測高校網絡輿情發展趨勢，便于管理者隨時掌握輿情發展動態。

4高校網絡輿情用戶畫像的應用建議

4．1構建可視化用戶畫像

用戶畫像是以用戶產生的系列真實數據為基礎，描述特定用戶需求的偏好的目標用戶模型，進而了解用戶。高校網絡輿情用戶畫像可以用于用戶管理、輿情事件查詢、突發事件報警、輿情發展監測、輿情分析報告等，便于管理者隨時掌握輿情發展動態。在大數據時代，運用大數據技術構建高校網絡輿情用戶畫像，將高校網絡輿情中的用戶數據以可視化的方式呈現，有助于高校網絡輿情管理者及時掌握網絡輿情動態。作為高校網絡輿情管理者，要及時轉變傳統輿情管理方式，學習運用大數據技術將用戶數據進行處理，繪制出可視化的高校網絡輿情用戶畫像，提高管理效率。高校網絡輿情管理人員需要實時監測輿情，可借助各種信息收集儀器裝置，并進行數據分析和監測預警。

4．2建立專業化管理隊伍

大數據技術是新興技術，運用大數據管理網絡輿情需要專業人才和專業知識。高校建立網絡輿情管理隊伍可以外聘和內培結合:一是選聘大數據相關專業技術人員管理高校網絡輿情，借助專業技術力量，構建完善高校網絡輿情的管理系統和用戶畫像;二是提升現有管理人員的網絡輿情素養和數據處理能力，練就“一專多能”的本領，打造一支精通網絡技術并且有政治理論工作經驗的專業團隊。高校網絡輿情工作隊伍應實現統一領導、統籌規劃與歸口管理，應成立網絡輿情工作領導小組，宣傳部、學生工作部、團委、思想理論教學部、教務處、信息技術中心負責人和各二級學院學生工作管理者作為領導小組成員，從而提高對網絡輿情進行快速反應的協調決策機制。

4．3培養網絡意見領袖

意見領袖是高校網絡輿情傳播的紐帶，在高校網絡輿情引導方面有著重要影響力。通過刻畫高校網絡輿情用戶畫像，可以精準發現意見領袖，同時利用好用戶畫像加強引導和監管。高校宣傳部、團委和學生工作部是培養大學生網絡意見領袖隊伍的重要部門，應納入宣傳思想工作和學生干部隊伍建設中，從學生骨干中選出一批思想素質過硬、責任心強、熱心自我教育、有一定文字駕馭能力的人員，充實到大學生網絡意見領袖隊伍。高校輔導員、班主任等與學生一線接觸的管理人員可以通過主題班會、宣傳培訓等途徑培養意見領袖，引導學生如何在網絡中踐行社會主義核心價值觀、如何明辨輿情真偽和合理反映訴求，通過管理班級社交群中的發言與網絡上的評論互動增強輿論引導的效果。

5結語

大數據時代，海量數據給高校網絡輿情管理帶來了巨大的挑戰，同時，因大數據興起的新技術新方法，如用戶畫像，也為高校網絡輿情管理帶來了發展的機遇。用戶畫像可視化、個性化、精準化的效果更有助于管理者隨時掌握輿情發展動態。筆者僅從理論層面初步探討了高校網絡輿情用戶畫像構建，如何從技術層面實現高校網絡輿情用戶畫像構建還有待進一步探究。

作者:陳慧香 陳婷 單位:常州大學