【文章內(nèi)容簡(jiǎn)介】 見領(lǐng)袖在微博消息傳播中的重要性，而意見領(lǐng)袖本身也存在著影響力不同的問題，所以根據(jù)PageRank算法提出改進(jìn)的WeiboRank算法來對(duì)意見領(lǐng)袖的重要性進(jìn)行評(píng)估。 PageRank算法著名的PageRank算法是衡量網(wǎng)絡(luò)中節(jié)點(diǎn)重要程度的經(jīng)典算法。是Google排名運(yùn)算法則（排名公式）的一部分，是Google用于用來標(biāo)識(shí)網(wǎng)頁的等級(jí)/重要性的一種方法，是Google用來衡量一個(gè)網(wǎng)站的好壞的唯一標(biāo)準(zhǔn)。在揉合了諸如Title標(biāo)識(shí)和Keywords標(biāo)識(shí)等所有其它因素之后，Google通過PageRank來調(diào)整結(jié)果，使那些更具“等級(jí)/重要性”的網(wǎng)頁在搜索結(jié)果中的排名獲得提升，從而提高搜索結(jié)果的相關(guān)性和質(zhì)量?；舅枷耄喝绻W(wǎng)頁T存在一個(gè)指向網(wǎng)頁A的連接，則表明T的所有者認(rèn)為A比較重要，從而把T的一部分重要性得分賦予A。這個(gè)重要性得分值為：PR（T）/C(T)其中PR（T）為T的PageRank值，C(T)為T的出鏈數(shù)，則A的PageRank值為一系列類似于T的頁面重要性得分值的累加。優(yōu)點(diǎn)：是一個(gè)與查詢無關(guān)的靜態(tài)算法，所有網(wǎng)頁的PageRank值通過離線計(jì)算獲得；有效減少在線查詢時(shí)的計(jì)算量，極大降低了查詢響應(yīng)時(shí)間。不足：人們的查詢具有主題特征，PageRank忽略了主題相關(guān)性，導(dǎo)致結(jié)果的相關(guān)性和主題性降低；另外，PageRank有很嚴(yán)重的對(duì)新網(wǎng)頁的歧視。PageRank的核心思想是每個(gè)節(jié)點(diǎn)的PR值根據(jù)反向鏈接的數(shù)量，均勻“流”向所有的關(guān)系節(jié)點(diǎn)。每個(gè)節(jié)點(diǎn)的PR值為所有鄰居好友對(duì)其貢獻(xiàn)PR值的綜合 WeiboRank算法微博中用戶的傳播影響力受到很多因素的影響，例如用戶的跟隨者數(shù)量、關(guān)注用戶量、帳號(hào)是否有認(rèn)證，以及微博本身的質(zhì)量、新鮮度等。同時(shí)與微博用戶自身的活躍性、是否經(jīng)常登錄微博、發(fā)布和分享信息也有很大的關(guān)系。通過借鑒PageRank算法的設(shè)計(jì)思想，綜合考慮用戶的傳播意愿的互動(dòng)程度，提出了WeiboRank算法來準(zhǔn)確評(píng)估每個(gè)節(jié)點(diǎn)的傳播影響力。給定一個(gè)權(quán)重有向網(wǎng)絡(luò)G=( V，E，W )，節(jié)點(diǎn)為V，邊為E，邊權(quán)為w，其中i和j節(jié)點(diǎn)間邊權(quán)Wij表示節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)j的影響力。本研究中邊權(quán)Wij采用歷史轉(zhuǎn)發(fā)比率 Rt(i,j)來表示。歷史轉(zhuǎn)發(fā)比率是指用戶j曾經(jīng)轉(zhuǎn)發(fā)用戶i的微博的次數(shù)與用戶i總轉(zhuǎn)發(fā)微博數(shù)的比率。定義如下：Rti,j=Rtci,j+1SCi+1式中Rtc（i，j）)是用戶j曾經(jīng)轉(zhuǎn)載作者i的微博的次數(shù)。顯然，如果用戶j過去經(jīng)常轉(zhuǎn)發(fā)i的微博，今后也很有可能轉(zhuǎn)發(fā)。SC(i)為用戶i在監(jiān)測(cè)時(shí)間段內(nèi)所轉(zhuǎn)發(fā)的所有微博數(shù)量。式(1)是將用戶歷史轉(zhuǎn)發(fā)狀況進(jìn)行歸一化處理。為了衡量鄰居i對(duì)J的重要程度，本文提出節(jié)點(diǎn)間親近率的概念。親近率定義為節(jié)點(diǎn)d對(duì)i的歷史轉(zhuǎn)發(fā)率和所有節(jié)點(diǎn)J轉(zhuǎn)發(fā)過的用戶節(jié)點(diǎn)的歷史轉(zhuǎn)發(fā)率之和的比值。其物理上表征在節(jié)點(diǎn)j的所有鄰居的互動(dòng)關(guān)系中，節(jié)點(diǎn)i相對(duì)于j的重要程度。親近率C(i，j)定義如下： Ci,j=Rt(i,j)k(k,j)∈ERt(k,j)從親近率定義中可以看出，其綜合考慮了用戶的傳播意愿和與其他節(jié)點(diǎn)互動(dòng)的程度。在微博信息傳播網(wǎng)絡(luò)中，我們借鑒PageRank算法的核心思想，提出weiboRank(wR)算法來評(píng)估每個(gè)節(jié)點(diǎn)的信息影響力，定義如下：WRi=1d+d*j∈BiWRj*C(i,j)式中，WR(i )是節(jié)點(diǎn)i的WeiboRank值，B 是指向i的節(jié)點(diǎn)的集合，其中C(i，j)是節(jié)點(diǎn)j的傳播影響力分配給i的比例因子，這里采用上文定義的親近率。d是阻尼系數(shù)，可設(shè)定在(0，1)之間，本文中選取0．85。將所有節(jié)點(diǎn)的WeiboRank初始值設(shè)為0．1，通過迭代到收斂為止，可以得到所有用戶的WR值。 算法對(duì)比為了對(duì)比WeiboRank算法對(duì)用戶傳播影響力的識(shí)別準(zhǔn)確性，采用以下2種常用評(píng)估微博用戶影響力的方式 ：1)被轉(zhuǎn)發(fā)量(Retweets)：該數(shù)量表示用戶發(fā)布的信息被其他用戶轉(zhuǎn)發(fā)的信息量。2)粉絲數(shù)量(Followers)：該數(shù)量表示微博中所有收聽該用戶的粉絲數(shù)量。本文采用信息傳播實(shí)際影響人次覆蓋率P作為用戶的傳播能力的評(píng)測(cè)指標(biāo)。該數(shù)據(jù)是以用戶的微博信息在區(qū)域內(nèi)被真實(shí)傳播的過程中所能影響到的人次的實(shí)測(cè)結(jié)果為依據(jù)，將每個(gè)微博用戶所發(fā)出的所有微博的實(shí)測(cè)影響人數(shù)進(jìn)行迭加獲得的每個(gè)微博用戶的真實(shí)傳播影響力。值得注意的是，如果用戶i的某條微博在轉(zhuǎn)發(fā)過程中多次傳播到用戶j，這種情況需要進(jìn)行合并，只計(jì)1人次。為了進(jìn)一步對(duì)比和分析算法在真實(shí)影響人次這一評(píng)價(jià)指標(biāo)下對(duì)用戶影響力的識(shí)別準(zhǔn)確程度，通過相關(guān)算法獲得用戶影響力的排名，然后通過對(duì)排名的意見領(lǐng)袖用戶影響人次覆蓋率進(jìn)行對(duì)比，并與真實(shí)用戶傳播影響人次序列進(jìn)行對(duì)比，考察各序列之間的相對(duì)關(guān)系，結(jié)果如圖44所示。圖44 3種算法意見領(lǐng)袖累計(jì)覆蓋率統(tǒng)計(jì)通過對(duì)圖44中的數(shù)據(jù)分析發(fā)現(xiàn)，WeiboRank算法意見領(lǐng)袖用戶對(duì)信息的累計(jì)人群覆蓋率都高于其他算法，這充分說明該算法通過親近率引入個(gè)體傳播意愿和節(jié)點(diǎn)互動(dòng)程度后，能夠有效地逼近用戶的真實(shí)信息傳播能力。同時(shí)我們發(fā)現(xiàn)WeiboRank算法和用戶的followers兩個(gè)序列的傳播影響人次覆蓋率比較相近，這說明如果在不太要求精確性的情況下，用戶粉絲數(shù)量基本上能夠反映用戶的傳播影響力。而用戶retweets的序列(轉(zhuǎn)發(fā)信息量)作為用戶的傳播影響力的評(píng)價(jià)指標(biāo)是效果最差的。轉(zhuǎn)發(fā)量大的用戶并不一定意味著其影響力也大。從圖中可以看出前20%的用戶的用戶影響力覆蓋了80%的用戶傳播影響人次，符合人們?nèi)粘ＵJ(rèn)識(shí)中的20／80分布規(guī)律。預(yù)警的概念源于對(duì)重大自然災(zāi)害征兆的研究。目前關(guān)于天氣、自然狀況的預(yù)警系統(tǒng)已經(jīng)在社會(huì)生活中發(fā)揮著顯著的作用。究其原因，自然現(xiàn)象內(nèi)外部影響因素之間的因果關(guān)系相對(duì)確定，而且這些現(xiàn)象都經(jīng)歷了長(zhǎng)期的觀察測(cè)量，有了較好的量化基礎(chǔ)，因而可以方便地進(jìn)行預(yù)警。預(yù)警，究其實(shí)質(zhì)是一種特殊的預(yù)測(cè)，因?yàn)轭A(yù)測(cè)是預(yù)警的基礎(chǔ)和條件，預(yù)警是選擇實(shí)施預(yù)案的前提和準(zhǔn)備。預(yù)警體現(xiàn)動(dòng)態(tài)的認(rèn)知，預(yù)案體現(xiàn)靜態(tài)的防范。微博輿情預(yù)警，就是發(fā)現(xiàn)對(duì)微博輿情出現(xiàn)、發(fā)展和消亡具有重要影響的因素，并連續(xù)不間斷地動(dòng)態(tài)監(jiān)測(cè)、度量、及采集它們的信息，根據(jù)預(yù)警體系內(nèi)容，運(yùn)用綜合分析技術(shù)，對(duì)當(dāng)前微博輿情做出評(píng)價(jià)分析并預(yù)測(cè)其發(fā)展趨勢(shì)，及時(shí)做出等級(jí)預(yù)報(bào)的活動(dòng)。網(wǎng)絡(luò)輿情預(yù)警等級(jí)的設(shè)定在綜合考慮國(guó)際慣例、我國(guó)相關(guān)機(jī)構(gòu)管理規(guī)定及微博輿情發(fā)展趨勢(shì)的前提下，微博輿情的預(yù)警等級(jí)被劃分為：輕警情(Ⅳ級(jí)，非常態(tài))、中度警情(Ⅲ級(jí)，警示級(jí))、重警情(Ⅱ級(jí)，危險(xiǎn)級(jí))和特重警情(I級(jí)，極度危險(xiǎn)級(jí))四個(gè)等級(jí)，并依次采用藍(lán)色、黃色、橙色和紅色來加以表示。藍(lán)色級(jí)(IV級(jí))：出現(xiàn)輿情。微博用戶對(duì)該輿情關(guān)注度低，傳播速度慢，輿情影響局限在較小范圍內(nèi)，沒有成為當(dāng)日熱點(diǎn)的可能；黃色級(jí)(Ⅲ級(jí))：出現(xiàn)輿情。微博用戶對(duì)該輿情關(guān)注度較高，傳播速度中等，輿情影響局限在一定范圍內(nèi)，有一定可能成為當(dāng)日熱點(diǎn)；橙色級(jí)(Ⅱ級(jí))：出現(xiàn)輿情。微博用戶對(duì)該輿情關(guān)注度高，傳播速度快，影響擴(kuò)散到了很大范圍，輿情有可能成為多日熱點(diǎn)；紅色級(jí)(I級(jí))：出現(xiàn)輿情。微博用戶對(duì)該輿情關(guān)注度極高，傳播速度非常快，影響擴(kuò)大到了整個(gè)社會(huì)，輿情必定成為熱點(diǎn)并且持續(xù)一段時(shí)間。對(duì)曾經(jīng)成為過熱點(diǎn)的微博消息的傳播特點(diǎn)進(jìn)行整理后，得出兩種熱點(diǎn)傳播模型，一種是傳統(tǒng)媒體在微博建立的用戶的傳播方式，一種是微博達(dá)人的消息傳播模式，圖45就是兩種方式的轉(zhuǎn)發(fā)量時(shí)間曲線圖，例子選擇則是媒體模式選擇的是南方周末“一名中國(guó)公民在波士頓爆炸案中遇難”的消息傳播，微博達(dá)人模式選擇的是“國(guó)學(xué)大師劉文典說過的一句話”，圖46和圖47選擇的是傳播量時(shí)間曲線圖，其中南方周末的微博消息在一天的時(shí)間內(nèi)的轉(zhuǎn)發(fā)量為997，傳播用戶量接近500萬，其中南方周末本身的粉絲數(shù)量就占了近450萬，轉(zhuǎn)發(fā)率非常低，但是傳播范圍廣，依然是熱點(diǎn)，而微博達(dá)人模式則不一樣，轉(zhuǎn)發(fā)量為724，最終傳播用戶量接近10萬，在一定范圍內(nèi)也成為了熱點(diǎn)，而它的傳播時(shí)間圖就和起點(diǎn)很高的南方周末的圖形很不一樣，有著較高的轉(zhuǎn)發(fā)率，雖然廣度不及南方周末，但也成為過熱點(diǎn)話題。從兩者的傳播圖形中可以看出，轉(zhuǎn)發(fā)率并不能成為熱點(diǎn)評(píng)估的標(biāo)準(zhǔn)。兩種模式中，有一共同點(diǎn)則是都曾經(jīng)出現(xiàn)過短時(shí)間內(nèi)的傳播量激增，然后成為熱點(diǎn)，根據(jù)這一特性設(shè)計(jì)了趨勢(shì)分析模塊，從最早的意見領(lǐng)袖開始，每出現(xiàn)一個(gè)意見領(lǐng)袖，提取這一意見領(lǐng)袖后一小時(shí)的意見領(lǐng)袖的傳播廣度，設(shè)定不同的M值（一小時(shí)內(nèi)微博傳播量），根據(jù)以往數(shù)據(jù)可以得出，M值在5000以下為藍(lán)色級(jí)基本無威脅，在10000到50000為黃色級(jí)，需要注意，有很大概率成為熱點(diǎn)，而50000以上則肯定成為熱點(diǎn)，但持續(xù)時(shí)間還未能有效的分級(jí)，也就是還不能對(duì)橙色和紅色級(jí)進(jìn)行有效分級(jí)，但已能區(qū)分熱點(diǎn)與否。當(dāng)M值在5000到10000時(shí)，成為熱點(diǎn)的概率經(jīng)過統(tǒng)計(jì)在50%左右，而如果M值在5000到10000之間出現(xiàn)的次數(shù)能達(dá)到兩次，則成為熱點(diǎn)的概率能大大提高，大概能達(dá)到80%左右，所以若M值在5000到10000之間時(shí)，統(tǒng)計(jì)M值的次數(shù)，若只出現(xiàn)一次，則為藍(lán)色級(jí)，若出現(xiàn)兩次或以上，為黃色級(jí)。而若10000以上也出現(xiàn)兩次或以上，則分為橙色級(jí)，也就是很可能成為多日熱點(diǎn)。圖45 轉(zhuǎn)發(fā)量時(shí)間曲線圖圖46 微博達(dá)人模式圖圖47媒體模式傳播圖利用趨勢(shì)分析模塊對(duì)微博消息進(jìn)行分析，對(duì)分析結(jié)果與最終消息走勢(shì)進(jìn)行對(duì)比，結(jié)果如圖48所示，總共測(cè)試了15組微博消息，媒體模式10組句子和微博達(dá)人模式5組。前10組為媒體傳播模式的微博消息，其中“江蘇鹽城政府單位吃喝27萬”，“南京一郵局被強(qiáng)拆”，“埃及浮雕刻有‘丁錦昊到此一游’”，“人民日?qǐng)?bào)海外版：房地產(chǎn)商哭窮屬賣萌裝天真”，“鄭州暴雨”，這5條微博成為熱點(diǎn)，其余沒有成為熱點(diǎn)，趨勢(shì)分析模塊沒有預(yù)測(cè)出“江蘇政府單位吃喝”， “人民日?qǐng)?bào)海外版：房地產(chǎn)商哭窮屬賣萌裝天真”這兩條熱點(diǎn)；誤測(cè)了“李克強(qiáng)發(fā)表講話”，“人民日?qǐng)?bào)：農(nóng)村孩子為何不愿躍‘龍門’” 為熱點(diǎn)，準(zhǔn)確率只有60%。在微博達(dá)人模式中，“營(yíng)養(yǎng)餐食物變質(zhì)，營(yíng)養(yǎng)縮水，問題不斷”這條熱點(diǎn)沒有預(yù)測(cè)出，但其他熱點(diǎn)均成功預(yù)測(cè)并且沒有誤報(bào)熱點(diǎn)，準(zhǔn)確率為80%。微博題目熱點(diǎn)預(yù)警結(jié)果消息最終走勢(shì)結(jié)果對(duì)比李克強(qiáng)將在波茨坦會(huì)議舊址發(fā)表講話黃色級(jí)藍(lán)色級(jí)錯(cuò)誤江蘇鹽城政府單位吃喝27萬黃色級(jí)藍(lán)色級(jí)錯(cuò)誤南京一郵局被強(qiáng)拆橙色級(jí)橙色級(jí)正確李克強(qiáng)：無論多忙都要抽時(shí)間讀書藍(lán)色級(jí)藍(lán)色級(jí)正確埃及浮雕刻有“丁錦昊到此一游”橙色級(jí)紅色級(jí)正確人民日?qǐng)?bào)：農(nóng)村孩子為何不愿躍“龍門”黃色級(jí)藍(lán)色級(jí)錯(cuò)誤人民日?qǐng)?bào)海外版：房地產(chǎn)商哭窮屬賣萌裝天真藍(lán)色級(jí)黃色級(jí)錯(cuò)誤鄭州暴雨黃色級(jí)黃色級(jí)正確藍(lán)色級(jí)藍(lán)色級(jí)正確營(yíng)養(yǎng)餐食物變質(zhì)，營(yíng)養(yǎng)縮水，問題不斷藍(lán)色級(jí)黃色級(jí)錯(cuò)誤陳佩斯關(guān)于網(wǎng)絡(luò)輿論的評(píng)論黃色級(jí)黃色級(jí)正確王石：愛國(guó)主義與民族主義黃色級(jí)黃色級(jí)正確銀河SOHO環(huán)境監(jiān)測(cè)藍(lán)色級(jí)藍(lán)色級(jí)正確小學(xué)生作文《停車》藍(lán)色級(jí)藍(lán)色級(jí)正確Esports海濤：G1聯(lián)賽IG負(fù)于LGD黃色級(jí)黃色級(jí)正確圖48 分析結(jié)果分析圖根據(jù)與真實(shí)走向的對(duì)比，可以發(fā)現(xiàn)在微博達(dá)人模式中，趨勢(shì)分析預(yù)警成為熱點(diǎn)的結(jié)果的準(zhǔn)確率在80%左右，即使沒有成為當(dāng)日熱點(diǎn)也是關(guān)注比較靠前的話題。而媒體模式中的準(zhǔn)確率就比較差強(qiáng)人意了，只有60%左右，根據(jù)實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)媒體本身擁有眾多粉絲數(shù)，所以發(fā)表的消息雖然成為熱點(diǎn)的可能性非常大，但也總有40%的新聞只是新聞，傳播面廣而沒有成為熱點(diǎn)，所以對(duì)媒體模式的更準(zhǔn)確預(yù)警分析有待改進(jìn)。初步設(shè)想對(duì)媒體認(rèn)證的意見領(lǐng)袖傳播的微博消息加上一個(gè)轉(zhuǎn)發(fā)率的對(duì)比，但尚未從已知數(shù)據(jù)中發(fā)現(xiàn)熱點(diǎn)與轉(zhuǎn)發(fā)率的明顯關(guān)系。 五、結(jié)論與展望盡管微博輿情監(jiān)控技術(shù)日趨成熟，但是微博輿情本身的特點(diǎn)及復(fù)雜性使得微博輿情信息的處理不能像普通文本信息的處理那樣進(jìn)行。微博輿情信息與普通文本的最大區(qū)別在于它的擴(kuò)散性和不可控性，信息內(nèi)容非常動(dòng)態(tài)。由于時(shí)間和精力有限，這個(gè)系統(tǒng)尚未做到盡善盡美，主要還存在以下幾個(gè)方面問題：對(duì)微博信息的實(shí)時(shí)獲取，是趨勢(shì)分析的關(guān)鍵，由于新浪API的限制，導(dǎo)致對(duì)微博消息的抓取有一定限制，在抓取數(shù)據(jù)時(shí)會(huì)有一定時(shí)間的延遲，在數(shù)據(jù)挖掘方面有待改進(jìn)。而且從系統(tǒng)功能方面，首先實(shí)現(xiàn)的是對(duì)指定微博內(nèi)容的熱點(diǎn)趨勢(shì)分析，而沒有實(shí)現(xiàn)從實(shí)時(shí)所有微博信息中發(fā)現(xiàn)熱點(diǎn)，網(wǎng)絡(luò)抓取技術(shù)這方面有待改進(jìn)。漢語語義的豐富性與復(fù)雜性導(dǎo)致中文分詞與語義分析的困難，許多適用英文語義分析的算法無法用于中文語義，由于中文語義分析需要建立自然語料庫，這方面需要的工作量過大，時(shí)間和精力不足，所以在這方面只有一些理論研究，沒有實(shí)現(xiàn)。而如果實(shí)現(xiàn)了中文語義分析，充分解析微博句子或詞語，對(duì)于敏感話題識(shí)別和微博輿情趨勢(shì)分析將會(huì)有重要意義。，對(duì)于媒體傳播模式的微博消息的預(yù)警準(zhǔn)確率基帶提高，需要加入文本傾向性分析和轉(zhuǎn)發(fā)率等因素來提高分析準(zhǔn)確率。由于技術(shù)限制，對(duì)一些傳播特別廣的全國(guó)范圍性的消息熱點(diǎn)的監(jiān)測(cè)沒能實(shí)現(xiàn)，希望能對(duì)挖掘算法進(jìn)行改進(jìn)，完成對(duì)這種熱點(diǎn)的特點(diǎn)分析和模型建立。通過更多的數(shù)據(jù)抓取來改進(jìn)微博意見領(lǐng)袖影響力算法。進(jìn)而完成對(duì)趨勢(shì)分析模塊的改進(jìn)，對(duì)趨勢(shì)分析模塊的初步改進(jìn)設(shè)想是將微博傳播趨勢(shì)分析進(jìn)行分類，微博達(dá)人模式適用現(xiàn)行模塊，媒體模塊則需要重新設(shè)定參數(shù)，進(jìn)行修改，同時(shí)在趨勢(shì)分析模塊中加入文本傾向性分析，也就是語義分析模塊來提高微博分析的準(zhǔn)確性，并且實(shí)現(xiàn)對(duì)熱點(diǎn)的熱度分級(jí)。文本傾向性分析模塊傳統(tǒng)的輿情分析和調(diào)查主要采用靜態(tài)的手段，如：通過調(diào)查問卷，電話和面談，國(guó)內(nèi)外都有不少專業(yè)的調(diào)查公司和院所參與調(diào)查問題和場(chǎng)景的設(shè)計(jì)工作。而網(wǎng)絡(luò)輿情分析系統(tǒng)是讓計(jì)算機(jī)去動(dòng)態(tài)的收集數(shù)據(jù)，對(duì)其進(jìn)行自動(dòng)分析形成輿情分析結(jié)果。網(wǎng)絡(luò)輿情分析系統(tǒng)所涉及的領(lǐng)域眾多，不過各個(gè)子領(lǐng)域的一些相關(guān)技術(shù)是可以互相參考和借鑒的。如美國(guó)專利局編號(hào)為4930077的專利提出了通過文本分析來預(yù)測(cè)輿情的方法加州大學(xué)伯克利分校社會(huì)科學(xué)計(jì)算實(shí)驗(yàn)室的SDA項(xiàng)目，主要針對(duì)網(wǎng)頁數(shù)據(jù)進(jìn)行自動(dòng)分析；國(guó)內(nèi)的方正智思是北大方正技術(shù)研究院挾多年積累的中文信息處理的技術(shù)，研發(fā)推出的一個(gè)中文智能信息挖掘與知識(shí)管理的軟件開發(fā)包與服務(wù)系統(tǒng)。這些成型系統(tǒng)一般