基于扎根理论的微博用户情感倾向性分析及应对策略

邓春林 贾懿 隆征帆 姜柳

摘 要：[研究目的]通过运用扎根理论研究微博用户情感倾向性，既可以使该方法在微博舆情研究中能够更好地被应用，又能通过对信息舆论监督，市场营销策略的提出达到有效监管的目的。[研究方法]以微博用户群体作为研究对象，以新浪微博“张扣扣事件”为研究话题，以扎根理论为研究工具，通过对采集的有效数据分析，研究微博舆情传播特征、过程、规律，并以研究结论为依据提出具体监管策略。[研究结果]本文的研究方法具有开放性和严谨性，验证了扎根理论在微博舆情传播研究中的有效性和实用性，拓展了微博舆情研究的新视角，针对于用户情感倾向性提出了网络舆情传播监管策略。

关键词：扎根理论;网络舆情;微博舆情;微博用户;情感倾向性;情感分析;监管策略;张扣扣事件

DOI：10.3969/j.issn.1008-0821.2020.09.008

〔中图分类号〕G206.2 〔文献标识码〕A 〔文章编号〕1008-0821（2020）09-0071-08

Weibo Users Emotional Tendency Analysis and

Coping Strategies Based on Grounded Theory

Deng Chunlin1 Jia Yi1* Long Zhengfan2 Jiang Liu1

（1.Public Management College，Xiangtan University，Xiangtan 411105，China;

2.Mathematics and Computational Science，Xiangtan University，Xiangtan 411105，China）

Abstract：[Objective]By using grounded theory to study weibo users emotional tendency，this method can be better applied in weibo public opinion research，and can achieve the purpose of effective supervision through supervision of information public opinion and the proposal of marketing strategies.[Research Methods]Taking weibo user groups as the research objects，sina weibo“Zhang Koukou event”as the research topic，grounded theory as the research tool，through the analysis of collected effective data，the characteristics，process and rules of weibo public opinion communication were studied，and specific supervision strategies were proposed based on the research conclusions.[Research Results]The research method of this paper was open and rigorous，which verified the effectiveness and practicability of grounded theory in the research on weibo public opinion communication，expanded the new perspective of weibo public opinion research，and proposed the supervision strategy of online public opinion communication aiming at users emotional tendency.

Key words：grounded theory;network public opinion;weibo users;emotional affective tendency;emotional analysis;regulatory policy;the case of Zhang Koukou

根據CNNIC在2018年第四季度发布的官方数据显示：截至2018年12月，我国微博用户规模达8.29亿，普及率达59.6%，较2017年底提升3.8个百分点，全年新增微博用户5 653万，我国手机微博用户规模达8.17亿，微博用户通过手机接入互联网的比例高达98.6%[1]。在众多网络客户端之中，微博的使用最为广泛，在2019年5月23日，微博正式发布2019年第一季财报，财报显示微博月活跃用户为4.65亿，并呈现逐年增长趋势，微博自出现以来，就不断地为网民获取信息开疆辟土。微博虽然方便了群众在网络上释放自己的声音和情感，但有时也变成了谣言、负面情感、舆论走向控制的帮凶，微博舆论随时都有可能呈现井喷之势。特别是十八大以来，习近平总书记曾多次强调舆论导向的重要性，2019年4月19日，习近平总书记在网络安全与信息工作座谈会上的讲话，确立了新网络舆论观，这是当下认识、做好网络舆论工作最重要的价值指向和方法论依托，更是社会的敏感点，所以具有持久指导意义。在近些年的微博热点事件上可以看出，许多自我判断力较差的微博用户，面对有组织和阴谋的网络舆论，常常出现“跟风”现象，比如“空姐乘滴滴遇害案”“阴阳合同”“奔驰女车主”等事件通过微博的传播，在微博平台上产生了铺天盖地的质疑声。因此，微博上的突发事件在演化过程的监控、预警和应急处理等问题，对于政府部门保证社会稳定、控制舆论氛围变得越来越重要[2]。

1 相关研究的理论述评

1.1 微博用户的情感产生

应对微博舆情就需要设法降低微博用户的负面情感，这就需要了解微博用户情感产生变化的根本原因。个体的情感情绪变化常常是医学、心理学、社会学的研究主题，医学的研究主要集中在焦虑情绪的生理学症状、发病机理、疾病诊断等方面[3-4]，心理学聚焦于焦虑情绪发生的内在动因[5-6]，社会学主要探讨焦虑情绪的社会影响、成因及后果等[7]。从情绪的产生来看，认知情绪理论（Cognitive Theory of Emotion）认为，情绪伴随对外部事物的认知过程而产生，是个体需求与客观事物之间关系的一种心理反应活动[8]，即情绪产生过程是通过外部刺激情景→评价→情绪反应。基于该理论，网络舆情中网民的负向情绪传播是受舆情事件的刺激而生，是网民对事件的认知评价结果。通过情感，人们可以传递出对事件的看法与评价，如赞同或否定[9]。而微博用户对某一话题事件的评价往往具有情感倾向性，即主体对某一客体客观存在的内心喜恶，主观评价的一种倾向[10]。

1.2 微博舆情的传播特点与研究方法

目前，微博中的事件种类繁多，对社会影响比较大，主要集中于3个方面：商业行为、政治事件、自然灾害[11]。所以，掌控新型网络舆情传播方式与特点，了解该传播方式下的网络信息产生的特点，对于社会稳定发展具有极其重要的作用[12]。近年来，国内外学者展开了微博舆情的相关研究工作。目前常用的研究方法主要有两种：一是基于情感词典的分析[13-14];二是基于機器学习的情感分类方法[15-16]，这些方法提供了诸多理论和实践指南，一定程度上保证了互联网空间的安全稳定。然而在移动互联网时代，微博呈现出传播信息多样化、语义网络复杂化、关系连接社交化等特征，有的情感词典存在情感种类不全面，定义模糊的问题，机器学习的方法又无法密切的联系上下文的关系，掌握段落的主体情感。而扎根理论要求建构实质理论，强调从经验资料的反复比较中抽象出新的概念观点[17]。舆论的热度除了事件本身的敏感性，还有另一个主要原因在于各类媒体主题的不断变化，媒体为了文章拥有更大的争议性和关注度，迎合微博用户们的喜好。强烈的情感则会促使主题内容倾向于微博用户的关注点，主题诱发舆情情感，舆情情感引导微博舆情演化进而催生主题，主题和情感的相互作用推动了微博舆情各个阶段的演化[18]。

总而言之，现有研究认识到微博舆情发展中微博用户的情感是促使舆论爆发的主要原因，微博用户情感的变化能刺激微博用户对舆论的转发评论，并延伸到更为敏感的方向，目前针对于情感是如何发生变化的研究已有一些成果。但现有研究还有一些不足：一是现有的研究不能很好找出用户情感发生变化的关键因素，理论与实际联结有限，不利于决策者根据微博舆情制定科学的策略。二是对于微博用户的情感与行为之间的关系没有进行深入研究，对于文本的深入挖掘不够。因此，基于文本分析的扎根理论研究方法，不但能确定网络舆情治理政策的影响因素，而且有助于解析各影响因素之间的关系。本研究将以“张扣扣事件”为例，从微博用户的评论中进行集群分类，以期能对不同时期微博用户的情感行为进行引导，逆序寻找情感产生各种变化的根本原因，对网络舆情进行分析并制定策略，这也是近年来我国在舆情监督、信息管理等领域所关注的热点课题。

2 基于扎根理论的案例分析

2.1 扎根理论的性质及研究方法

本研究运用扎根理论研究方法，在微博平台对微博用户发表的文章及评论进行深入分析和挖掘，寻找影响微博网名情感变化的心里原因，社会背景以及互联网环境等，从中提炼出具有价值的研究，针对这个案例，本文采取扎根理论具有以下优势。扎根理论已经在舆情领域中得到了初步的应用，在情感分析中，将提取到的主题信息进行核心范畴的归纳，进而选取适合舆情应对的策略及措施[19]。

1）扎根理论由社会学家Glaser B G等于1967年提出[20]，是在经验资料的基础上自下而上建构实质理论的一种实证研究方法，是对以往自上而下实证研究方法的一个很好的补充。本文通过采集微博案例的评论，通过评论不断对其聚类，可以更好地深入挖掘集群行为的种类。

2）扎根理论是从结果找原因，运用扎根理论在情感研究上，会更加真实地了解微博用户的情感变化，研究者通过微博热点的评论，提取有用合理的信息来增加实验结果的可信度。

扎根理论在开放式编码过程中，需要研究人员打破固定思维，保持客观、公正、合理的心态，将收集到的评论数据按其本义进行归纳总结并编码，每组概念集合都要经过多人的商议决定，合理正确地进行概念集合，在抽象理论的初始概念中，只有基于此，扎根理论对于影响因素的分析才可做到客观、全面、准确[21]，研究人员需要注意：1）仔细认真地阅读原始评论，从中抽离出高频词汇或者进行精简概括，以此为概念化;2）对概念化词汇进行分类，找出各个词汇之间的关联性;3）对概念化的词汇进行贴标签，标签要求符合具有多个概念化词汇的共同特征，得到了范畴集合;4）在得到范畴集合之后，研究成员要对此进行反复确认，保证所得到的词汇的严谨性。

2.2 事件描述与数据采集

2019年1月8日，汉中市中级人民法院以故意杀人罪、故意毁坏财物罪对张扣扣判处死刑。2019年4月11日，陕西省高级微博用户法院裁定驳回张扣扣的上诉，维持一审死刑判决，并依法报请最高微博用户法院核准。2019年7月17日，张扣扣被执行死刑。对于“张扣扣事件”，法院的裁定是公平公正公开的，但是随着更多案件细节的曝光，张扣扣的杀人动机被曝光，是由于张扣扣的母亲被王家人打死，而王家人被判刑时间很短，张扣扣因此积怨已久，走上犯罪道路。媒体对这些信息推波助澜的报道，致使微博用户对于法律和人性的方面提出了巨大质疑，舆论导向一时使法律的公信力处于风口浪尖。在微博、头条等主流软件里，张扣扣案件的浏览量达到475亿次阅读量，292余万条评论。

鉴于扎根理论对于原始数据的选择标准为数量充足，质量较优。因此，本文以相应热点话题关键字进行搜索，使用Python中模拟浏览器运行的库Selenium驱动浏览器执行特定的动作，包括打开网页、登录账号、点击链接等，从而实现微博数据的爬取（如图1）。使用selenium模拟人工浏览网页的过程对评论文本进行初步抓取，Selenium是一个用于Web应用程序测试的工具，Selenium在测试直接运行在浏览器中，就像真正的用户在操作一样，将采集的文本转化成Excel文件保存。

图1 数据采集过程

通过抓取，剔除干扰的文本，在2018年11月1日至2019年10月31日时间段内，收集“张扣扣”话题的原创微博502条，通过浏览其内容，判断其与本文主题具有密切相关度并具有广泛的代表性，在502条原创微博地址基础上，进一步采集点赞数量超过500的具有意见领袖的评论，共计883条文本信息，符合扎根理论对原始资料的要求。

2.3 事件分析

2.3.1 进行开放式编码

在选取了具有影响力的评论后，本文对其进行了归类编码，编码示例如表1所示。本次通过上述扎根理论严格的要求进行了编码，对于每一条信息认真进行了总结概括，每一条评论都由多人共同商议确定下来贴上标签，最后得到了正确合理的编码，形成了对于张扣扣微博事件评价的初步概念集合，如表1。

之后对于概念集合进行归类，本着放弃个人思维定式，使用开放活跃的思维对其范畴化进行了概括，最后一共总结为15个范畴，分别为工作失职、案件对比、法律普及、结局悲剧、情绪情感、过激行为、保障机制、司法机制、阴谋假说、法律权威、吸取经验、客观评价、深入探讨、结果质疑、杀人犯罪，各个范畴的含义如表2。

2.3.2 进行主轴性编码

在进行完开放式编码之后，对各个范畴化的词进一步总结，寻找各个概念的潜在联系，这些关联通常为时间、因果、对等、情景对等关系。本文采用了时间序列关系，对其进行了排序，如图2所示的张扣扣案件编码流程图的发生顺序：

1）诱因事件：工作失职、保障机制、杀人犯罪共同导致了诱因事件，王家3人与张扣扣母亲产生邻里纠纷，致使其母亲不幸死亡，法院判决王家老三服有期徒刑7年，赔偿金额为9 639.3元，张扣扣的父亲表示并未全额收到赔偿金额。

2）案件发生：过激行为、案件对比是案件发生的重要标志，蓄谋已久的张扣扣对张家进行了杀害，然而本次案件判决和张的母亲被杀案判决结果出现了分歧，成为微博用户最为不理解的关键点，引起了微博用户的质疑。

3）连锁反应：司法机制、法律普及、阴谋假说、法律权威一起产生了连锁反应，由于微博用戶的质疑，并未在第一时间得到解决，各大媒体的主题为博人眼球，以偏概全，导致舆论呈现“井喷”之势，使得事件变得多元化，微博用户对于司法、政府、法院的公信力提出疑问。

4）群体认知：在经过悲剧结局、客观评价、结果质疑、情绪情感之后，群体思维进行了持续碰撞，加速了群体之间的情感感染，使得事件的争议达到顶峰。

5）处理结果：深入探讨、吸取经验为处理结果，张扣扣被执行死刑，整个事件进入尾声，微博用户在思索本次案件经过的同时，又对本次案件进行了总结，避免此类事件再次发生。

2.3.3 选择性编码

根据主轴性编码以及统计出现频率最高的范畴词汇，总结出了更为核心的范畴为以下3点：保障机制、案件对比、情感情绪。首先张母案件既然已经发生，法院的裁决一定有其合理的法律依据，更为重要的是保障机制，张母被杀之后，并没有得到应有的法律赔偿，政府应对其家庭进行有效的保障和定期观察，保证其家庭的正常积极合理的发展路线。其次，两次案件的裁决进行对比后，具有较大差距，以暴制暴一定是不可以的行为，所以最为主要的不是隐瞒，反而是公开裁决的法律依据。最后，微博用户的情感产生了错综复杂的交互影响，也使得整个案件的舆论上升到了阶级矛盾、贫富差距、法律制度的范畴。

2.4 实证分析

2.4.1 演化分析

Coombs将突发危机分为4个阶段：潜在期、突发期、蔓延期、解决期[22]。基于主轴性编码，将基于扎根理论对其进行阶段划分。微博舆情作为当前微博的重要组成部分之一，话题发生迅速，产生影响范围大，因此要及时对此进行干预。

将采集到的评论依据时间序列进行排序，张扣扣案件有其特殊性，从统计的折线图中可以看出，该突发事件出现了2次突发期，分别为判刑和行刑，2次都符合Coombs提出的突发危机的4个阶段。由图表5可以看出，2018年12月为潜在期，2019年1月为爆发期，2019年1～3月为蔓延期，2019年4～6月为第一次突发事件的解决期，也是第二轮突发事件的潜在期，2019年7月为爆发期，2019年8月为蔓延期，2019年9～10月为解决期。大多数话题在开始后4小时的时候会有第一次情感爆发，出现情感的峰值。微博用户理性观念形成的关键时期为事件发生的3～10个小时内，该时间段内微博用户的情感出现较大波动，之后情感趋于一致[23]。

2.4.2 情感倾向性分析

情感分析的概念最早在2002年由Pang B等[24]提出，之后文本情感分析吸引了越来越多学者的注意。通常中心活跃用户发文的情感会影响到评论用户的情感，从而影响整体用户的情感，其作用机制类似于微博中的意见领袖[25]。因此，对于本次实验所采集到的具有意见领袖的文本，采用手工分类

的方法，通过对原始资料的认真阅读，保持着客观公正的态度，进行逐一的分类。文本情感极性强度分析主要是判断主观文本情感极性强度，一般分为5大类：强烈贬义、一般贬义、客观对待、一般褒扬、强烈褒扬[26]。

本文对于情感极性强度扩充为7个种类，对于不同的情感极性进行1～3的情感强度赋值，其中正向情感的微博数量为251条，负向情感的微博数量为452条，中性情感为180条，如表4。

通过此研究发现，在微博舆情不同的发展阶段，微博用户的情感极性是不同的，基于扎根理论的主轴性编码，各个阶段变化的主要因素和情感倾向性都有所不同，在第一次爆发期的时候，微博用户的正向情感的极性更高，在蔓延期和第二次爆发期时，微博用户的负向情感的极性更高，而且正向情感和负向情感的倾向程度基本保持一致，因此根据情感倾向性变化的总体趋势，对于各个发展阶段进行了归类，如表5。

潜在期，一般潜在期和诱因事件是相互关联的，舆论还未产生，主题的报道通常和事件的本身相关，舆论尚未处于传播阶段，微博用户对此的情感态度通常为中性的，随着此案件的诱因事件被挖掘，微博用户对于这个案件产生了积极和消极的情感，微博用户对此产生了讨论和质疑，媒体为了迎合微博用户的喜好，从案件本身衍生出来许多不实的报道，不断给本次案件的热度“增砖添瓦”，给舆情的爆发埋下了不安定的种子。

突发期，微博上大规模的媒体发布消息由事件本身延伸到案件的处理，媒体用导向性的主题，在微博用户之间拉起了对立面。当微博用户发现自己的意志被否决后，通常会产生逆反情感，微博用户的负面情感正在逐渐增多，由围观者变成了争论者，对此案件的评价褒贬不一，微博用户急切地想要一个公平公正的处理结果，有法可依的具体标准，而此时微博上的媒体没有及时公布案件评判的细节、法律依据。因此，在主题导向不合理和微博用户高涨的情感下，此案的热度突然出现了井喷式增长。

蔓延期，当案件热度飞速增长过后，出现了蔓延期，此时微博的主题内容为了解决微博用户的疑惑，围绕着对此案的评判结果进行展开。随着更多案件的细节被披露出来，非常容易因为一篇文章的报道，改变自己的观点并在微博上进行评价。针对于判决结果，微博用户的情感逐步两级分化，一部分微博用户认为这是一场情与法的斗争，判决缺少人性的考虑，法律存在着不足和漏洞;而另一部分支持法律的评判结果，认为法律知识需要普及，不支持以暴制暴的行为。因此，微博用户的评论更加客观理智，情感以正向情感居多。

解决期，随着案件最后的结果宣布，张扣扣被执行死刑，微博用户在总结经验，表达情感为中性居多，评论更加客观公正。争论的热度不断下降，微博用户的注意力被同时期的其他事件所吸引，微博上的媒体所展示的主题很少涉及案件本身，更偏向于对本事件的反思和未来的展望，微博用户对此突发事件的热度随着注意力的转移逐步减弱。

2.4.3 理论饱和度检验

当新收集的数据不能对理论建构做出新的贡献时即理论饱和，作为决定停止采样的鉴定依据。本研究对事先预留的100份随机抽取的评论进行了重新编码归类，经过三级编码，与之前的编码结果相比，没有产生新的概念集合，因此，可以确定本研究所构建的微博情感倾向性因素理论模型在理论上达到饱和。

3 基于扎根理论的微博舆情应对策略

本文在使用扎根理论过程中，遵循了真实客观的原则，对于原始数据进行了认真仔细地阅读，进行了编码，其实验结果可对于舆论的控制提出积极意见。

3.1 关注舆情产生的根本原因

通过时间序列排序的主轴性编码，任何一个网络突发事件看似是偶然发生，然而其发生都具有一定的必然性，针对微博舆情潜在期的诱因事件，本次张扣扣案件在发生前具有3个诱因条件，分别为杀人犯罪、工作失职、保障机制。邻里纠纷引起的杀人犯罪为此事件的根源，在发生命案之后，工作失职和保障机制方面确实出现了问题，对于被害的家庭没有有效的保障，张母的去世相当于张家失去了一份经济来源，张扣扣失去了良好的成长环境，这样家庭很有可能会对张扣扣的成长产生不良影响。当命案发生后，应对张家采取定期的观察和帮助。在判决后，张家为全额收到赔偿，执法部门只进行了判定，却没有监督执行，赔偿的过程是需要监督的，微博用户更多的争论焦点在于此，是整个突发事件核心的争论点。因此，找到突發危机的关键点，是解决危机的重要前提条件。

3.2 控制微博主题使用的导向性

在微博舆情发展到突发期阶段时，不同群体对于不同主题有着不一样的反应，主题的选取对于微博用户的情感具有导向性作用，每个群体关注的主题不一样，部分微博用户由于自己生活的压力或者不满，在微博上的评论是具有隐形危害的，例如张扣扣案件涉及到了政府、贫富、官员、金钱等不实评论，此类评论更容易引起微博用户的关注，一时间会使微博用户的负面情感蔓延开来。因此，在微博数据库中植入相应的监管软件或舆情敏感词库，将有效规范微博用户的网络空间的用语。对于微博博主发文的科学性、及时性要加以规范，当出现消息闭塞和极端情感时，媒体发的消息应该更加及时透明。应该积极的从微观层面进行对舆论的管控，在充分了解不同群体的阅读偏好后，需要对知名的媒体或者博主所发送的网络推文的主题进行过滤和筛选，何种类型的消息更能引起群体的情感变化，要进行合理的预防。

3.3 加强关键时期的舆情监管

通过突发危机的4个时期，可以看出网络舆论在潜在期时，往往很难发现，当其处在蔓延期时，再进行控制就显得十分困难。因此，控制舆论的最佳时间应在突发期的末期和蔓延期前期，在出现阴谋假说、质疑法律权威之时，微博上更多出现的是判决结果，案件对比等博人眼球消息，学法知法的人毕竟在少数，微博用户更多地用自己的情感在进行感性分析，出现了大量的质疑声。在这两个阶段，微博上的媒体注意发布的主题要表达判决公平公正、有法可依;同时微博平台要合理地进行舆情监督，如果出现了情感向消极转变，大规模的负面信息，要及时进行控制，避免舆论向更差的方向发展。此时应对微博用户及时进行“案件对比，司法机制，法律普及”等方面的全面详细讲解，彻底解决微博用户的猜忌、停止谣言的传播、对法律知识进行普及。因此，有效识别网络舆情传播过程中的传播的最佳时机，并对该时间点实现有效的引导或控制，即可以实现对网络舆情传播整体的有效控制。

3.4 转移微博用户的负面情感

在整个事件的解决期，主要围绕着深入探讨和吸取经验這两方面，微博用户负面情感极性是大于正向情感极性的，微博用户的负面评论数量整体大于正面评论数量，说明在处理结果上未能实现微博用户负面情感的转移，深入探讨和吸取经验上处理的不够得当。为防止突发事件在解决期的时间内再次爆发舆论危机，政府应当充分利用自媒体，及时发布积极正面的信息，正确引导微博用户的情感，积极正向的情感短文可以带动微博用户的情感，把不对或者不理性的舆论指引到对的方向。

4 结 语

本文在对研究微博舆情进行理论定义后，对扎根理论方法的操作过程进行了初步介绍，用Selenium工具在微博上获取关于“张扣扣”话题的基础数据，结合微博和微博用户的特点，进行数据清洗及绘图统计和主轴性编码，并划分了4个周期进行了情感倾向性分析。研究在理论层面上分析了微博舆情传播特征、演进过程和传播规律，一定程度上拓宽了扎根理论在微博舆情研究中的应用;在实践层面，针对网络用户群体，采取有针对性的舆情管理策略，对相应话题所持有的意识、态度进行正确引导，使微博用户可以自由发表观点并合理地进行舆情信息的传播，提高微博用户的满意度和管理控制工作的舆情预警;在指导应用监管方面，提出了针对微博舆情信息控制的建议，以促进良好信息交互环境的构建。本研究从微博舆情监测到预警控制，对微博舆情的传播具有一定的实践指导意义。

参考文献

[1]中国互联网络信息中心（CNNIC）.第43次中国互联网络发展状况统计报告[R].2019-02.

[2]王晰巍，赵丹，魏骏巍，等.移动环境下微博舆情传播模式及实证研究——以埃博拉话题为例[J].情报学报，2015，34（7）：683-692.

[3]刘媛媛，张晓燕，张澜.认知行为集体心理咨询对老年高血压患者焦虑情绪的干预效果[J].中国心理卫生杂志，2017，19（1）：13-18.

[4]邹晓影.探究恶性肿瘤住院化疗患者应用心理护理干预对其焦虑与抑郁情绪的影响[J].中国医院药学杂志，2017，（9）：676-679.

[5]古若雷，施媛媛，杨璟，等.焦虑对社会决策行为的影响[J].心理科学进展，2015，23（4）：547-553.

[6]马月，刘莉，王欣欣，等.焦虑的代际传递：父母拒绝的中介作用[J].中国临床心理学杂志，2016，21（1）：23-27.

[7] 陈寒.当代大学生社会焦虑及其影响因素研究——以厦门大学为例[J].西南交通大学学报：社会科学版，2014，15（5）：73-83.

[8]徐光国，张庆林.伊扎德情绪激活四系统理论[J].心理科学，1994，（5）：316-319.

[9]周瑛，刘越，蔡俊.基于注意力机制的微博情感分析[J].情报理论与实践，2018，41（3）：89-94.

[10]陈芬，陈佩帆，吴鹏，等.融合用户特征与多级文本倾向性分析的网络意见领袖识别[J].情报理论与实践，2018，41（7）：143-148.

[11]崔安欣.微博热点事件的微博用户情感研究[D].2013.6.

[12]王晰巍，邢云菲，赵丹，等.基于社会网络分析的移动环境下网络舆情信息传播研究——以新浪微博“雾霾”话题为例[J].图书情报工作，2015，59（7）：14-22.

[13]张成功，刘培玉，朱振方，等.一种基于极性词典的情感分析方法[J].山东大学学报：理学版，2012，47（3）：47-50.

[14]Shen Y，Li S C，Zheng L，et al.Emotion Mining Research on Micro-blog[C]//2009 1st IEEE Symposium on Web Society，2009：71-75.

[15]Bakliwala，Fosterj，Vanderpuilj，et al.Sentiment Analysis of Political Tweets：Towards an Accurate Classifier[C]//Proceedingsof NAACL Workshop on Language Analysis in Social Media.Atlanta，GA，2013：49-58.

[16]王洪伟，刘勰，尹裴，等.Web文本情感分类研究综述[J].情报学报，2010，29（5）：931-938.

[17]何跃，朱灿，朱婷婷，等.微博热点话题情感趋势研究[J].信息系统，2018，（7）：27.

[18]贾哲敏.扎根理论在公共管理研究中的应用：方法与实践[J].中国行政管理，2015，27（3）：90-95.

[19]韩正彪，周鹏.扎根理论质性研究方法在情报学研究中的应用[J].情报理论与实践，2011，（5）：19-23.

[20]Glaser B G，Strauss A L.The Discovery of Grounded Theory-Strategies for Qualitative Research[M].New York：Aldine，1967：10-60.

[21]张鹏，崔彦琛，兰月新，等.基于扎根理论与词典构建的微博突发事件情感分析与舆情引导策略[J].现代情报，2019，39（3）.

[22]Communication-planning，Managing and Responding[M].London：SAGE Publication.INC，1999.

[23]姜金贵，闫思琦.基于主题和情感相互作用的微博舆情演化研究———以“红黄蓝虐童事件”为例[J].情报杂志，2018，（12）：37.

[24]Pang B，Lee L，Vaithyanathan S.Thumbs Up：Sentimentclassification Using Machine Learning Techniques[C]//Proceedings of the ACL-02 Conference on Empirical Methods in Natural LanguageProcessing，2002：79-86.

[25]刘志明，刘鲁.微博网络舆情中的意见领袖识别及分析[J].系统工程，2011，29（6）：8-16.

[26]谢法举，刘臣，唐莉.在线评论情感分析研究综述[J].软件导刊，2018，17（2）：19-23.

（责任编辑：陈 媛）