【摘要】

[研究目的]提出一种智能数据挖掘分析算法，用于识别域外社交媒体舆论操纵者及其操纵策略，并进行实证分析。

[研究方法]以北京冬奥会为例，基于国内外主流社交媒体数据，利用本研究提出的社交媒体洞察系统和社交媒体数据智能挖掘算法，分析域外势力抵制冬奥会的舆论主题策划、实施手段方式，并识别出幕后操纵负面舆论的组织、个人和机器人。

[研究结论]操纵者采用“认知战”的手法，利用敏感政治话题，编造负面谣言、制造负面事件、发酵负面舆论，同时利用社交媒体机器人加速虚假信息传播，先入为主，误导民众认知，煽动民众情绪，操纵国际舆论，给主办方造成严重的国际舆论负面影响。当前相对有效的应对举措是利用技术手段进行实时监测和预警。

关键词: 社交媒体；舆论操纵；数据挖掘算法；认知战；大型体育赛事；冬奥会

中图分类号：G354

近年来，随着网络信息传播技术的不断发展和社交媒体的广泛应用，域外反华势力以国际舆论改变受众认知思维和价值取向，抢占认知战主导权，国家、组织以及地区之间的博弈从原本基于信息的舆论战逐渐转入基于信息和受众心理的认知战^[1]。特别是利用知名度高、参与度广、影响面大，具有全球影响力的国际大型赛事活动之机，操纵社交媒体来抵毁主办国的形象和声誉。

举办国际大型体育赛事是各国展现本国国际地位、综合实力、民族文化和国家凝聚力等的重要舞台。国内学者针对国际大型体育赛事的安全问题，从不同角度进行了大量研究。

一是反恐安保，如王聃等提出通过预警系统的建立、情报机制的完善、情报交流的加强等措施加大反恐防暴的力度，确保大型体育赛事的顺利进行^[2]；孙越颖等以赛事特征和安保深度融合为视角，分析冬奥会面临较大的自然风险、社会风险、政治风险、技术风险，提出做好安保工作的具体需求^[3]。

二是舆论引导和应对，如杜恒等提出要从确立舆论引导理念与目标、创新政府与媒体新型模式、革新政府国际舆论引导方式、更新媒体国际舆论引导手段4个方面建立应对策略^[4]。

三是公共外交风险和挑战，如宋俊敏等认为奥林匹克运动会与政治关系密切,其公共外交的功能和价值不容忽视^[5]。还有学者从疫情防控^[6]角度进行研究。但是，对于域外舆论操纵者借助社交媒体影响受众认知的实证研究少有研究。本文拟以北京冬奥会为例，分析域外社交媒体操纵者影响和引导公众认知的手段和方式，提出一种社交媒体大数据智能分析技术，用于识别幕后舆论操纵者。

1 域外社交媒体舆论操纵者抵制冬奥会的手法

域外舆论操作者通常会选择一些与政治、外交等相关的话题作为开端，以备受公众密切关注、讨论度较高的生活、社会维度热点话题作为切入点，使用迷惑性和煽动性极高的口号、图片、文字等全方位迷惑并且洗脑普通民众，挑起民众抵制情绪，再通过层层推进、多维度话题渗透的形式，进一步误导甚至改变民众认知思维，给主办方造成严重的国际舆论负面影响。其操纵行为是有预谋的和精心策划过的，舆论操作者主要通过编造负面谣言、制造负面事件、发酵负面舆论等几个手段具体实施抵制行为。

1.1编造负面话题

国内外对于2022年北京冬奥会的相关讨论及报道声势浩大，在对主要社交媒体数据进行情感倾向性分析后发现，在 国内基本呈现正面和中性舆论氛围。热点词汇以与冬奥会主体相关和运动项目联系较紧密的词汇为主，比如中国、北京、速滑、滑雪等。此外，还包括期待、绿色、出色、加油等正向词汇。但是，某些国外主流社交媒体平台在情感倾向性上却以负面为主，出现大面积抵制冬奥、诋毁中国等负面词汇及言论，并且呈现愈演愈烈的态势。

操纵者主要是在线上利用社交媒体平台编造抹黑中国的各类谣言。以侵犯人权等话题为主要宣传口号，将民主、自由、人权等话题作为主要攻击目标，将北京冬奥会与“侵犯人权”等不实标签牢牢绑定并且大力宣传。称赞抵制行动的正确性、宣传抗议活动、发表联合抵制声明和公开信、对政府和各大企业进行游说、向国际奥委会和各国奥委会施压，误导公众形成抵制冬奥会才是“正确”的价值观。同时，操纵者在线下频繁挑起抵制话题、组织抗议活动、推动各国议会通过抵制冬奥会的提案，联手掀起一波又一波攻势。并且随着冬奥会的进程，及时调整策略，从“全面抵制”到“外交抵制”和“商业抵制”。

1.2制造并且发酵负面事件

在编造抵制话题后，操纵者会利用社交媒体“借题发挥”，通过一些重点人物和非政府组织发表抵制言论，国会议员、“人权组织”、政治活动家、明星、普通民众等不同阶层的人员和群体都会成为被利用的对象，实现制造抵制冬奥会事件的目的。比如编造某国际知名中国籍运动员在中国国内“消失”事件，谎称外国运动员人身安全受到严重威胁。而在该运动员重新出现后，又改口宣称是“被迫出现”，是中国政府强硬地控制了其发言权，让其无法自由表达。此外，操纵者还发动“人权组织”及网民向国际奥委会施压，呼吁全球运动员、冬奥会赞助商、媒体人等联合起来共同抵制北京冬奥会。同时，采取操控大量政治机器人的手段，在社交媒体平台上不断炮制和发布混淆视听的虚假反政府言论，加速发酵虚假事件，短时间内扩大宣传范围，加重事态负面影响，在国际舆论中引起公众关注，以操纵全球舆论导向，误导民众认知。

通过应用人工智能建模和机器学习算法，可以有效地分析操纵者编造的主题类型，识别发布谣言的组织、个人和社交媒体机器人账号，进一步了解和掌握域外敌对势力操纵社交媒体的手段和路径，以便制定有效的应对策略。

2.1 针对重点人员和非政府组织的数据挖掘算法

运用社交媒体数据智能挖掘算法对重点人员和非政府组织进行识别与深度分析，主要包括以下4个步骤（如图1所示）：

图1 对人员和非政府组织数据挖掘的实现步骤

第一步：构建重点话题社群网络图谱。首先，设置#B**tBeijing2022 #Beijing2022 #B**tBeijingOlympics、#b**t、#N*B**2022、#B*2022Winter Olympics、#2022WinterGames、#2022BeijingWinterOlympics、#T**、#F**C**、#F**T**、#U**s、#W**IsP**gS**、#IW**N**W**、#CCP、#N**sN**、#COVID-19、 #betterlife、#nature、#enviroment等35个话题关键字，采集时间范围设定为2021年全年，利用爬虫技术采集国外某主流平台中关于抵制冬奥话题的相关社交媒体数据，对数据进行清洗、加工处理等操作。其中，贴文数据175586条、用户数据122889条、互动数据69350条。然后，通过构建社交媒体图谱本体模型（如图2所示）实现采集数据与图谱本体模型之间的映射关系。最后，构建抵制冬奥事件话题社群网络图谱数据之间的关联关系。其中，整个网络共涉及30,970个账号，发布核心话题贴文的账户以及与该贴文互动（点赞评论转发）的账户共计105,265个。

图2 社交媒体社群网络图谱模型

第二步：强影响力用户筛选。计算连出度、中介中心性、接近中心性并将这三个数值作为评价指标。

连出度表示该用户发文收到的点赞、评论、转发总数，连出度越高表示该用户的发文越受欢迎，即该用户影响力越大，连出度用结点指向其他点的边的数量统计来计算。

中介中心性是指一个结点担任其它两个结点之间最短路径的桥梁的次数，一个结点充当“中介”的次数越高，它的中介中心度就越大，也即该用户影响力越大，中介中心性计算公式如下所示：

最终，通过对连出度、中介中心性、接近中心性等强影响力指标分别取阈值 1%、1%、50%，计算和筛选出290人高影响力人员，占总人数的0.275%。

第四步：筛选结果。最终分析出485个重点人员与组织（如图3所示），其中强影响力用户占比0.936%，高活跃度用户占比0.691%，485人中有19人既属于强影响力用户，又属于高活跃度用户。

图3 重点人员和非法组织网络图谱数据分析图

2.2 针对社交媒体机器人的识别算法

社交媒体机器人检测算法主要包括基于特征提取算法^[7]、基于机器学习算法^[8]以及基于图论方式算法^[9]三类。其中，利用社交媒体机器人识别算法实现场景化智能数据挖掘方面的成果对本文研究具有重要参考价值，如张洪中关于twitter社交机器人在中美贸易谈判话题行为方面的研究^[10]，陈昌凤关于中国新冠疫苗话题下社交机器人的宣传特征和模式方面的研究^[11]等。本文采用的社交媒体机器人识别算法实现路径主要包括以下5个步骤（如图4所示）：

图4 基于机器学习的抵制冬奥事件机器人识别算法

第一步：综合利用多个开源机器人识别算法和人工校验值。在已采集的相关话题数据中筛选出置信度较高的自然人账号1500个以及机器人账号500个，逐条采集其发帖内容并作分类处理和存储，以供后续建模分析。

第二步：对用户基本属性进行分析。将用户账号是否认证、账号是否包含其 它信息、账号是否填写昵称、账号发文总数以及账号粉丝数作为五个主要评估指 标，综合评估用户账号信息完整度与用户累计发帖行为。其中，账号是否认证、 账号是否包含其他信息、账号是否填写昵称三个指标通过 来标识计算；账号发文总数和账号粉丝数通过数量统计进行计算。 

第三步：用户发文特征分析。将发文影响力、发文内容、发文活跃度作为用户发文特征分析评价指标。

发文影响力由发文平均受点赞数等四个二级指标来描述,计算公式如下所 示：

发文内容用账号发文平均长度等三个二级指标来描述，计算公式如下所示：

发文活跃度用账号上次发文距离现在时间指标来描述，计算公式如下所示：

第四步：用户传播特征分析。首先，完成对机器人发帖的信息传播特征的识 别，基于用户与用户的互动关系（转发、评论、点赞）构建社交网络。

第五步：分类器选择及验证。选择K邻近、朴素贝叶斯、决策树、随机森林、极限树、逻辑回归、线性判别、二次判别作为分类机器学习算法，对应构建8种社交媒体机器人识别模型，并利用测试集数据进行验证，用准确性和精确度来作为最终评价指标。

社交媒体机器人识别模型指标评价如表1所示。其中，随机森林分类器的准 确度最高，达到80.97%；k邻近分类器的精准度最高，达到77.42%。在本文模型中，识别目标为是否为社交媒体机器人账户，因此选用准确度最高的随机森林分 类器。若模型目标为在小范围内精准筛选社交媒体机器人账户，则可以选择k邻近算法作为分类器。

表1 社交媒体机器人识别模型指标评价表

3.实证分析及结果

3.1负面话题分析

通过利用社交媒体洞察系统和数据智能挖掘算法对抵制话题的主题进行分 析后发现，域外社交媒体舆论操纵者通过编造“三度话题”的形式进行舆论造势。即 一 度 话 题 是 指 与 “ 抵 制 冬 奥 ” 关 联 度 最 高 的 一类话题，直接用 “Bo****beijing2022”、“**beijing2022”等字眼发帖评论；二度话题是指和一度 话题相比与抵制冬奥关联度稍弱，但与反政府言论相关的话题，如“U***urs”、 “F**e T***t”等讨论自由、民主、人权的话题；三度话题，则是将新冠疫情、环 保等非直接却是全球关注度较高的热点问题作为讨论话题。利用社交媒体洞察系 统对“三度话题”进行分析的 3D 效果图如图 5 所示。

图 5 三度话题分析 3D 效果图

通过数据挖掘分析后发现，操纵者主要围绕人权、疫情和新闻自由3个主题操纵社交媒体恶意发帖、转发和回复互动。

a.人权类话题

自由民主、人权问题长期以来一直都是域外势力常用的反政府话题，这个话题也是域外势力最常使用的抵制冬奥会话题之一，宣传效果也最明显。域外舆论操纵者以新疆、香港、西藏的“人权问题”为借口，编造谎言，污名化中国与奥林匹克体育精神相悖，扬言抵制冬奥会就是对中国野蛮政治统治的抗议，是对自由、民主、人权的支持与追求。抹黑中国政府将举办冬奥会作为政治宣传的工具以巩固执政权力。

b.疫情防控类话题

域外势力利用社交媒体将病毒标签化，以疫情作为话题广泛传播“中国隐瞒论”“中国误导论”“中国责任论”和“中国赔偿论”等违反科学常识、违背良知的不实言论。不仅造谣指责中国刻意隐瞒和造假疫情信息，认为中国应该为新冠疫情负责，而且造谣中国国内疫情反复，无法保证冬奥会参赛运动员的健康和安全，营造虚假、恐慌舆论环境。新冠疫情成为域外势力抵制冬奥会编造的第二类负面话题。

c.新闻自由类话题

域外操纵者鼓动外国记者团发布虚假新闻，编造其在报道冬奥会筹备工作等方面受到阻碍，发出虚假倡议“希望中国改善国际报道环境，保持透明和公开”。还编造由中国科技企业开发的媒体技术资源和用户信息存储服务器会让中国政府获取各国记者相关信息，建议冬奥会的外国记者“避免下载受到中国政府监控的应用软件”，还建议媒体、出版商和社交网络对中国政府的任何干预或压力进行谴责，以“新闻自由”为话题抹黑中国。

3.2重点人员及其主要言论分析

运用社交媒体洞察可视化分析系统，通过对国外知名网络社交媒体平台数据进行网络拓扑分析、层级分析、中心性分析和结构化特征分析和计算，系统输出485名重点人员名单，都是曾发表过抵制冬奥会相关言论且互动量（点赞、评论、转发）较大，影响力靠前的个人。经过深入分析发现，参与抵制冬奥会的主体具有复杂性，最为活跃的依旧是反华政客和“人权组织”。另外，名人明星的抵制言论相关发帖互动量更高，造成的负面影响更广泛也更严重。表2列出了6名发表抵制言论并且造成较大影响的重点人员以及其主要言论内容。

进一步，深入分析域外势力重点人员发表的言论内容，能够发现国家议员主要发挥着推动议会通过议案，催促政府进行政治抵制的作用；而人权组织成员则更多是扮演着在线上密集宣传“抵制冬奥会”的口号、发起联名公开信、游说政府和赞助商、组织线下抗议活动的角色。

表2 重点人员及部分热门言论

3.3非政府组织及其行为分析

在抵制冬奥会事件中，非政府组织通过编造民族压迫的“悲情故事”，散布杜撰虚假信息，混淆视听，进行诋毁宣传。非政府组织还炮制谎言，成立联盟组织以抗议活动、发表公开信等形式输出西方政治理念和价值观。经数据分析发现，最典型的组织有以下3个。

a.**Beijing2022联盟

为了抵制2022年北京冬奥会，全球多个伪“人权组织”联合成立了**Beijing2022 联盟，其中包括世界维吾尔大会、自由西藏学生运动、西藏国际网络等具有明确的港独、藏独、台独、疆独立场的非政府组织或关联团体。该联盟的活动主要包括：一是宣传并组织策划联合抗议活动，比如在2021年6月23日国际奥林匹克日策划了名为“** Day ** Action”的冬奥会联合抗议活动并进行直播，此活动在全球将近20个城市同步进行，其还计划在冬奥会开幕前再次举行一次这样的联合抗议活动；二是从2021年初便开始频繁发表抵制冬奥会的联合声明和公开信，发表多份公开信呼吁政府、赞助商等抵制或取消赞助冬奥会。活动详情如表3所示。

表3 **Beijing2022 联盟联名信列表

b.**议会联盟

**议会联盟在抵制北京冬奥会的活动中扮演着极其重要的角色。该联盟成员大多是各个国家议会中坚定反华议员和部分反华政治活动家。一方面，该联盟在社交媒体上频繁发表抵制冬奥会的言论，仅在国外某主流社交媒体平台上发表的有关抵制北京冬奥会的帖文就超过70篇，内容主要是传播各国议员、明星、运动员等呼吁抵制冬奥会的动态信息，并且宣传联盟成员为抵制冬奥会产生的实际作用，大部分的帖文互动十分活跃，最高一条获得了2.2k点赞和1.3k转推，是该社交媒体平台上影响力较大的组织类负面舆情传播者。另一方面，鉴于该联盟成员大多是各个国家的议员，联合起来更容易促使各国政府进行外交抵制，促使各国议会通过抵制冬奥会的议案。因此，该联盟在线下极力推动议会通过抵制冬奥会议案的进程。表4列举了该联盟成员参与推动抵制议案通过的主要情况。

表4 **议会联盟成员提出的提案及呼吁

c.**工会联合会

**工会联合会发表题为《中国：迫害**》的声明，引起轩然大波，诸多海外媒体均对此进行了报道。该声明呼吁抵制北京冬奥会，编造中国侵犯人权的一系列谎言，并且明确指出中国“极少或根本不尊重国际法和规范”。同时，还批评指责国际奥委会及其合作伙伴，进行舆论施压。

3.4对社交媒体机器人的识别分析

随着 5G、大数据、人工智能等技术的不断发展，社交媒体机器人被广泛使用，原本社交网络中人与人之间的连接关系也逐渐掺杂进了“机器”的因素^[12]。在操纵者利用社交媒体抵制冬奥会事件中，机器人账号作为高活跃度、高影响力关键中心节点，对引导事件、推波助澜起到关键作用。利用本研究提出的社交媒体机器人识别模型和算法，对重点人员和组织进行特征识别获得的结果如图6所示，图中三角形节点代表通过模型识别后，判断为疑似度最高的机器人账号，圆形节点代表最有可能是自然人的账号。还可以看出，机器人账号不仅处于舆论漩涡中心位置，还处于与其他话题关联的重要位置，负责引导冬奥会抵制事件一、二、三度话题的立体、全方位串联。

图6  高影响力和高活跃度机器人账号识别结果

首先，通过对相关账号进一步进行梳理、统计和计算，识别出疑似机器人的账号占比为21.9%，这些机器人账号评论、转发的数据流占比为69%，高于在国外社交媒体主流平台中约有51.8%的流量来自机器人的平均水平^[13]。利用社交媒体机器人识别模型和算法，对重点人员和组织进行社交媒体机器人特征识别、多维度指标评价以及机器人综合评分，再结合第三方数据库及人工校验确定机器人账号。

之后，对社交媒体推文（post）、关联回复（reply）、点赞转发（like）、计数汇总（weight）、进行标记（回复/点赞/转发）得到网络图。接下来，筛选其中影响力较大和活跃度较高的全部用户的发贴，由于国外主流社交平台与北京冬奥会相关的贴文中，存在抵制冬奥会与非抵制冬奥会两种类型，利用推文中是否包含“boycott”或“Boycott”字段，将全部重点用户区分为抵制冬奥用户与非抵制冬奥用户。最后，应用机器算法进行STM结构主题聚类分析，根据机器人在社交媒体中的行为特征，对自然人和机器人抵制冬奥会的发帖主题进行挖掘分析，得出Top3话题内容，从分析结果图7和图8可以看出机器人的发文内容更加激进、直白，而自然人账号发文内容则更加中性和口语化。

图7 抵制冬奥会自然人发帖主题分析结果 

图8 抵制冬奥会机器人发帖主题分析结果

本文以抵制2022年北京冬奥会为例，详细分析了域外势力操纵社交媒体舆论的手段路径，通过智能数据挖掘算法深度挖掘事件背后引导舆论的关键人员、非政府组织和机器人。通过关联多度话题，广泛组织跨领域主体参与，深度结合人机运作模式，形成立体性、层次性的社交媒体舆论引导模式，误导和影响公众认识，以抵毁主办国的国际声誉和形象。

认知战已经成为数字文明时代大国间相互博弈的一种新手段，需要高度重视和警觉，加大对认知战的研究。

一是要善于利用数据挖掘、人工智能等高科技手段，提升对“认知战”的舆论监测和预警能力，高度关注域外势力利用网络社交媒体和机器人等传播谣言、抹黑他国的言论。

二是要不断优化社交媒体数据挖掘分析算法，更新升级机器人识别模型。本文中随机森林分类器准确度达到了80.97%，下一步改进算法后准确度还会有很大的提升空间，从而保证更加及时准确地发现社交媒体负面话题以实现准确溯源，第一时间启动舆情应对预案。

三是创新和发展媒体传播手段，对恶意的操纵者以有力回击。提高新闻舆论传播力、引导力、影响力、公信力，给予及时有力的正面回应，让世界了解事件的真实情况，看清操纵者的险恶目的，运用数字化智能媒体技术“讲好中国故事、传播好中国声音”， 提升中国的国际话语权。

参考文献

[1]喻国明,郭婧一.从“舆论战”到“认知战”：认知争夺的理论定义与实践范式[J].传媒观察，2022,(08)：23-29.

[2]王 聃,冯卫国.基于突发事件:大型体育赛事中的情报需求分析与风险防控[J].情报杂志，2019,38(08)：56-62.

[3]孙越颖,杨玉海.北京冬奥会赛事特征及安保需求研究[J].北京体育大学学报，2021,44(12)：167-175.

[4]杜 恒，张晓义.北京冬奥会国际舆论引导与媒体应对策略[J].北京体育大学学报，2021,44(1)：52—61.

[5]宋俊敏，张永明.北京冬奥会面临的公共外交挑战及价值实现[J].河北体育学院学报，2018,32(5)：53-59.

[6]张 昆,蒲蕤.疫情背景下北京冬奥会国际传播战略与实践策略刍议[J].武汉体育学院学报，2022,56(1)：5-12.

[7] Davis C A , Varol O , Ferrara E , et al. Bot or not: A system to evaluate social bots[J].International World Wide Web Conferences Steering Committee, 2016.273-274.

[8]Alom Z,Carminati B,Ferrari E.A deep learning model for twitter spam detection[J].Online Social Networks and Media,2020,18:1-12.

[9]Gao P,Wang B,Gong N Z,et al.Sybilfuse:combining local attributes with global structure to perform robust sybil detection[C]//IEEE Conference on Communications and Network Security (CNS),Beijing,2018:1-9.

[10]张洪忠,赵 蓓,石韦颖.社交机器人在Twitter参与中美贸易谈判议题的行为分析[J].新闻界.2020(2):46-59.

[11]陈昌凤,袁雨晴.社交机器人的“计算宣传”特征和模式研究——以中国新冠疫苗的议题参与为例[J].新闻与写作，2021(11):77-88.

[12]师 文,陈昌凤.分布与互动模式：社交机器人操纵Twitter上的中国议题研究[J].国际新闻界，2020,42(5)：61-80.

[13]Igal Z.Bot traffic report 2016[EB/OL].[2022-03-10].https://www.im

perva.com/blog/bot-traffic-report-2016/.

*基金资助：2022年教育部产学合作协同育人项目“基于虚拟仿真技术的智慧警务人才培养模式研究”（项目编号：22097162213239）的研究成果之一。项目负责人：邵雷

文章来源：《情报杂志》[ISSN:1002-1965/CN:61-1167/G3]卷: 42期数:2023年06页码:147-出版日期:2023-05-28

长按识别下面的二维码可加入星球


里面已有6000多篇资料可供下载

越早加入越便宜

续费五折优惠