突发医暴事件舆论情感能量域空间模型构建

洪小娟　张聪　黄卫东　魏静

〔摘 要〕[目的/意义]医暴舆论空间积聚的情感能量推动观点衍化并深刻影响事件发展趋势，识别不同维度的情感认知且关注能量特征可有效循迹医患冲突的情感焦点。[方法/过程]以情感维度为能量源、情感能量特征为能量波构建医暴舆论情感能量域空間模型，能量源基于关键词云划分为自我认知、民生民意、社会发展三大维度，能量波以各认知维度的情感倾向、情感强度与扩散速度综合刻画能量趋势，最终依据能量域模型立体剖析突发医暴事件舆论空间。[结果/结论]结果显示，能量域空间模型能够真实反映医暴舆论情感演化趋势；各能量源均持续积聚负向情感能量；民生民意为医暴舆论的情感焦点。

〔关键词〕能量域；情感空间；医暴舆论；医患关系

DOI：10.3969/j.issn.1008-0821.2018.08.004

〔中图分类号〕C912.6；G203 〔文献标识码〕A 〔文章编号〕1008-0821（2018）08-0027-08

〔Abstract〕[Purpose/Significance]Emotional energy of medical violence public opinion space pushes point forward and deeply impacts development trend of events.It is identifying different emotional cognition dimensions and focusing on energy characteristics that can be effective to track emotional focus of doctor-patient conflict.[Methods/Process]Using emotional dimension as energy source and using emotional energy characteristics as energy wave to build emotional energy domain spatial model of medical violence public opinion.Power source was divided into the three dimensions of self-awareness，public opinion of the peoples livelihood and social development on basis of keywords cloud.Energy wave based on emotional tendency，emotional intensity and diffusion velocity of their respective cognitive dimensions to synthetically reflected energy trend.Eventually，analysis of emotional space of sudden medical violence events based on energy domain model.[Result/Conclusion]The results showed that emotional energy domain space model could reflect the trend of emotional evolution of medical violence public opinion.Each energy source accumulated negative emotional energy continuously.Public opinion of peoples livelihood was the emotional focus of medical violence events.

〔Key words〕energy domain；emotional space；medical violence public opinion；doctor-patient relationship

随着医疗行业筹资模式及其递迭模式的变迁，民众对于医疗卫生行业的不满和批评日益增多，医患关系有显著恶化倾向[1]。据相关专业调查显示，每所医院平均每年发生的暴力伤医事件高达27件[2]。频发的医暴行为严重威胁医护群体的生命安全，更由此在网络平台上引发大规模的群体性情感诉求，使医患冲突以更加复杂的舆论形式呈现。随着时间的推移，医暴舆论空间不断积聚情感能量，潜在地推动着舆论观点的衍化。如果经久累积的情感被持续的暴露于极端的立场之中，这种负向能量得不到及时的引导与释放，很容易衍生出更加极端的非理性情感与行为。长远来看，不仅会加剧医患冲突的升级，更会阻碍医疗行业的健康发展，甚至会影响社会的和谐稳定。

愈演愈烈的暴力伤医事件已引起学界广泛关注，主要聚焦医院、患者、政府等牵涉主体视角探讨医患关系紧张的原因及影响因素[2-4]，这种聚焦单一层面、碎片化的定性分析使已有研究缺乏系统性，结论也仅表象聚集于政策与制度层面[5]。我国正处于社会转型期，医暴事件诱因复杂，绝非仅通过刚性政策与法律治理就可以彻底解决。事实上，医疗机构的非理性发展和制度层面的乏善可陈只是事件的表面症候[6]，舆论背后的情感表达往往是医患关系的症结所在，由此，从情感诉求[2]角度追溯舆论焦点或可提供缓解医患冲突治理的新思路。

值得注意的是，微博等新媒体平台为舆论提供自由表达阵地的同时，更为舆论情感积聚提供了能量存储空间，情感认知与情感能量在该空间共振而推动舆论衍化。有研究开始关注情感能量并对不同事件能量演化规律做出了对比[7]，但仅限于表象的能量特征层面，不足以立体地反映舆论空间。追根溯源，情感认知才是情感能量的来源，在多维情感认知的引领下，舆论层级由单能量平面维度向空间延伸，呈现多个相互平行的、具有不同特征的能量层次。为此，本文提出“能量域”概念，力图全方位探求舆论情感演变及非理性医患冲突背后的逻辑问题。以微博平台中的突发医暴事件为例，基于情感视角阐释空间能量规律，通过构建情感能量域模型，循迹我国医患冲突暴力化倾向的情感焦点，以此形成系统性认知。这对医疗机构、政府和媒体及时应对突发情况、制定科学的应对策略具有积极意义。

1 理论基础

信息学科中信号空间是最基本的研究对象之一，信号的时域与频域特征是对信号不同角度的描述[8]，得以从空间形式清楚解析信号波。情感能量空间与信号空间极具相似性，情感维度与情感能量同样是对舆論空间不同角度的刻画。借鉴信号空间域相关基础，构建情感能量域概念模型如图1所示。

图1左侧为舆论情感能量波截面，它是对舆论信息中情感能量的有效度量。语料信息中的情感主要通过情感倾向与情感强度指标衡量[9]，而复杂的情感交互又会引发舆论加速传播，表现为评论中的回复激增，短时间内汇聚高强度情感能量。这种自发的扩散行为反过来又助推情绪交叉传染，在突发事件的整个生命周期，情感倾向、情感强度与扩散速度实现的持续累积的波形能量，即为情感能量波。该截面以时间、幅度为坐标轴动态地表示情感能量波动总趋势，是空间中延伸的多条相对独立、不同频率特征的分量波的集成形式，对舆论情感能量进行直观表示。而能量波的形式刻画则主要依赖情感分析，情感分析是建立在自然语言处理技术与机器学习技术日益成熟的基础之上，使得判别网络平台中用户言论中传达的情感极性、情感倾向与情感表达强度成为可能。其中基于语义词典的情感计算方法能够结合自定义语义规则灵活地进行情感判别，得到广泛应用。该方法的核心任务是构建情感词典，现阶段丰富的情感词典资源提高了文本情感分析效率[10-11]，为情感量化工作奠定基础。

图1右侧为情感能量源截面，它是与每条能量波分量具有明确对应关系的情感维度，对舆论认知归类。舆论信息表现为纵横交错的空间网状结构，情感认知寓于这种复杂的结构中，呈现出更加多变的特征。社会学领域的情感维度理论，将情感空间划分为不同的情感级别、情感焦点、情感反应、情感指向等多层维度[12]，使其中杂乱的情感信息按层级归类。这种情感认知更是描述情感能量特征的能量来源，弥补了能量波在识别舆论观点层面的局限。它以空间视角，更加立体地支撑模型分析医暴事件的情感焦点，因而将情感维度作为模型空间中的能量源。最终舆论信息在构建的情感维度中得以有效的归类，实现舆论观点的挖掘。

能量域空间通过能量源与能量波两大截面直观地展现要素关联。能量波与能量源相互交织过程中激发能量强大的情感空间，“能量域”概念的提出正是对该情感能量空间的定义。一方面由该空间划分的能量源对舆论观点进行最终的情感指向归类；另一方面由能量波刻画各情感能量源的能量趋势特征。

基于上述理论，本文依据情感维度理论刻画能量域中的能量源，基于语义情感词典法进行算法设计，利用Python工具量化能量值来刻画能量波。最终基于能量波与能量源构建情感能量域空间模型，以突发医暴事件为例，在能量域中分析医暴事件情感能量趋势特征与医患冲突的情感焦点。

2 情感能量域模型构建及算法设计

2.1 情感能量源划分及算法实现

在能量域概念模型中，情感能量源指的是与能量波对应的情感认知维度。它基于离散情感模型与基本情绪论[13]，表示多维度要素构成的具有逻辑性的情感空间，在情感空间中能够有效地刻画多维情绪的差异性，逐层分类情感并发现演变规律。情感维度主要功能之一是识别指向社会层面、情绪发展波动、易形成具有代表性观点的情感类型，这也是极易产生意见领袖的情感类型，不仅影响医暴事件演变趋势的发展，更会带来负面社会影响。依据舆论能量环境刺激的强度与范围，能够发现舆论空间中各情感能量源的分布、转换、扩散情况，从而把握医暴事件情感焦点，对危机转化级别较高的情感进行及时的网络舆情预警与监测。

此外，情感能量源的划分可依靠关键词云得到，依据语义展现的高频词与高频词之间的关系将语料分层，对语料中出现频率较高的关键词予以视觉上的突出，最终通过关键词抽取实现对舆论认知维度的合理划分。而关键词抽取基于图模型的TextRank算法[14]，其核心是衡量图中每一个点的全局权重。设G（V，E）是点集为V，边集为E，且E是子集V*V的有向图，如果对于某个确定的点Vi，指向其的所有点的集合为In（Vi），而有其指向的所有点的集合为Out（Vi），d为调节系数，取值范围为[0，1]，那么点的权值可以通过下式计算：

最终，根据权值对关键词进行降序，从而生成关键词云图，并依据词云特征划分舆论空间情感能量源。

2.2 情感能量波计算方法

情感能量耦合了情感倾向、情感强度与传播扩散速度，这种具有方向、大小及速度并以趋势线刻画舆论能量演变趋势的形式，即为模型中的情感能量波。其分量取决于反映不同情感维度能量特征的能量源，并以各时间区间内的能量值为序表示能量波。其中，能量值计算涉及以情感倾向、情感强度表示的情感值以及以转发数、评论数、点赞数等指标为核心反映的扩散值。具体计算流程如下：

2.2.1 情感值计算

首先将所有相关评论语料进行文本处理，使每条评论按行存储。基于结巴分词库完成分词，并在此过程中采用停用词典筛除无关词以提高情感词识别的准确率。分词结束后，利用构建好的情感词典进行情感词识别，逐行读取评论文本且依次记录情感词、否定词、程度副词位置，并作相应分值计算。结果以积极分值、消极分值、积极均值、消极均值的顺序依次评价每条文本。并且以积极与消极均值作为每条文本的最终衡量标准，即AvgPos与AvgNeg值，以累积的双向均值作为相应时间段内的最终情感值。每小时内情感值如公式（2）、（3）：

其中，SentiScore（pos）与SentiScore（neg）分别表示每小时时间间隔内的总积极情感值与总消极情感值。

2.2.2 扩散值计算

微博话题的扩散度常用给定事件内的转发数、评论数和点赞数等指标综合表示。转发行为表现了用户强烈关注并愿意在自己的微博空间扩散[1]，评论行为表现的是用户对事件有强烈的表达欲望，是传达立场与情绪的直接载体，而点赞行为则展现了用户对观点立场的赞同，加速情绪的扩散与代表观点的传播。定义传播值为λ，t表示转发数，p表示评论数，z表示点赞数，λ的计算公式为：