论公共危机事件中舆情治理的数据驱动

李 国, 高敬文

一、引 言

“风险社会”是现代社会的主要特征，而在全球化背景下，作为一个处于高速发展和社会转型过程之中的大国，中国面临的风险问题更加复杂、突出和严峻。近年来我国各种公共危机事件，如非典、汶川地震、恐怖袭击、新冠肺炎疫情等的不断发生，也加大了我国的社会风险系数，使得我国面临的风险快速升级；另外，中国作为发展中的经济大国，不仅要面临发展经济本身可能带来的新风险的冲击，还要控制许多在工业化国家中已经基本得到遏制的传统风险。在这种背景下，中国要推进治理体系和治理能力的现代化，离不开对公共危机事件的善治。而在公共危机事件发生后，社会舆情已经成为不可避免的伴生物，并对危机事件的处置带来严峻挑战。因此，在应对公共危机的过程中，除了对危机事件的处置外，还应在新的时代背景下，做好各类公共危机事件社会舆情的治理。

但面对急剧变化着的媒体生态和社会环境，我国公共危机事件中的舆情治理亟待突破技术性瓶颈。具体来说，由于互联网冲击下舆论场域结构和权力关系剧变，我国改革进入到“深水区”和“攻坚期”，在公共危机事件社会舆情治理中，传统舆情监测、分析、研判与处置技术日益捉襟见肘。正如李彪、郑满宁(2014)所指出的，在社交媒体时代，舆情监测的效度和信度问题难以验证；数据源的多寡一定程度上决定了监测的精准度；在消重聚合环节计算机智能还暂时无法取代人工智能；监测速度始终要慢于事件自身变化速率。(1)李彪、郑满宁：《社交媒体时代的网络舆情——生态变化及舆情研究现状、趋势》，《新闻记者》2014年第1期。储节旺、朱玲玲(2017)也认为应该将“有形资源”——大数据分析技术和“无形资源”——大数据分析能力两者融合突破网络舆情预警的传统方式。(2)储节旺、朱玲玲：《基于大数据分析的突发事件网络舆情预警研究》，《情报理论与实践》2017年第8期。可见，大数据已成为舆情治理中的核心概念与关键技术支撑。因此，通过梳理、归纳我国各类公共危机事件社会舆情，分析目前我国公共危机事件舆情处置工作中的技术问题，在大数据时代的背景下进行公共危机事件社会舆情治理创新研究，既具有重要的学术意义，又具有广泛的应用价值。

二、文献述评

在利用大数据技术来驱动舆情治理创新方面，国内外不同学科的学者基于各自的研究视角，从多个维度展开了卓有成效的研究。从研究主题来看，这些成果主要包括突发事件的监测与预警研究，基于复杂网络动力学模型和数学建模的舆情演化规律研究等方面。

突发事件舆情监测是危机预警的前提，其本质是针对自然环境和社会活动中潜藏的舆情风险因素进行信息搜集。舆情监测分析系统涉及的一些关键技术包括：网络信息采集技术，主要包括网路爬虫技术和信息检索技术等；信息预处理技术；主要包括网页净化预处理、中文分词词性标注、去停用词、文本表示，特征提取和特征降维等；文本挖掘技术，主要包括文本聚类、热点自动发现、文本自动分类、文本倾向性分析等。在文本聚类技术领域基于字典的传统文本聚类技术的弊端渐渐显露之后，许多学者近年来将研究重点转向基于语义概念层次的文本聚类技术。如德国Karlsruhe大学的Hotho和staab(2002)提出了基于本体论(ontology)的文本聚类算法，利用wordNet创建文本特征向量，开始了将本体论应用于文本聚类的先例。(3)Hotho, A.,Maedche, A., & Staab, S.，“Ontology-Based Text Document Clustering,” KI,Vol.16,No.4,2001,16(4), pp.48-54.杨书宁(2014)在提取特征词向量的基础上，根据发布顺序划分时间窗口并归类各微博消息，借鉴微博新闻话题检测方法检测突发特征词，聚类突发特征词表，以突发词集合描述相应突发事件。(4)杨书宁：《基于微博的突发事件网络舆情监测方法研究》，大连理工大学硕士论文，2014。

在舆情演化规律方面，国外学者较多利用复杂网络动力学模型和数学建模方法来研究网络舆情演化规律，并提出了一些模型。如Deffuant等(2000)在Sznajd等人的研究基础上提出了 Deffuant模型，该模型修正了 Sznajd模型交互规则过于简单的缺陷，通过观点连续化和制定观点来调整交互边界，模拟个体对事件的态度，扩展了早期粒子交互模型对舆情演化过程的描述能力。(5)Deffuant, G., Neau, D., Amblard, F., & Weisbuch, G., “ Mixing Beliefs Among Interacting Agents”，Advances in Complex Systems,Vol.3(01n04), pp.87-98.A.S.Elgazzar(2001)研究了如何将Sznajd模型应用到小世界模型中，使用Newman和Watts的方法在一维Sznajd媒介模型基础上构建了小世界网络模型(small-world Networks)，并对演进规则做了定义。(6)Elgazzar, A.S.,“Application of the Sznajd Sociophysics Model to Small-World Networks,International Journal of Modern Physics C”,Vol.12,No.10,2001,pp.1537-1544.刘常昱等(2006)利用小世界网络理论构建了信息传播的网络拓扑结构，将个体心理因素和外界媒体影响引入到危机信息传播演化模型中，同时还利用复杂系统多主体建模方法，构建了危机信息互联网传播中的网络舆论传播仿真模型。(7)刘常昱、胡晓峰、司光亚、罗批：《基于小世界网络的舆论传播模型研究》，《系统仿真学报》2006年第12期。

不过，目前研究也存在一些值得突破的方面。从现有的研究来看，人文社科领域的研究者一般多借鉴大众传播理论，是从经验层面对舆情演化规律进行总结，重点分析了社会舆情的概念、内涵、特征和功能等，或者分析社会舆情的演化阶段与作用因素等，因而难以形成对公共危机事件社会舆情演化规律和演化机理的科学准确把握。而在舆情监测技术方面，信息技术领域的新技术进步虽然非常迅猛，但却未能与经验领域中舆情分析研判的能力进行有效融合。此外，从统计物理学和复杂系统的角度对舆情演化过程进行研究所使用的数据来看，数据来源比较分散，且不系统，难以进行分阶段的、历时性的研究；从结果来看，也只是给出了模拟结果，对演化机理的解析尚不够深入。可以说，当前利用大数据技术推动舆情治理创新方面存在较大的局限性，相关研究成果大多只能在具有充分知识或数据、稳定性、完全信息、静态、特定领域与单任务的场景下适用。这正是单纯数据驱动所导致的结果，因为其缺陷在于只能学习重复出现的片段，不能学习具有语义的特征。因此，创新大数据时代的舆情治理技术，需要将更多元化的数据、更先进的分析技术与舆情治理中的现实问题结合起来，更充分地挖掘和理解数据背后的价值，才能实现舆情治理的技术创新。

三、公共危机事件舆情治理中的技术瓶颈

(一)海量社会舆情数据让传统的舆情监测技术捉襟见肘，致使难以摸清主流民意，难以实现对公共危机事件中风险决策的有效技术支持。

为了运用大数据技术辅助突发事件应急管理，近年来学界与业界共同努力，对社会舆情监测进行了大量研究，从预测性、全面性、关联性、可量化等方面，涵盖社会舆情传播源、媒介环境、传播渠道、内容价值等多个维度，构建了多套网络舆情监测指标体系。但在实践中，基于大数据的舆情监测和分析平台仍存在较大的局限性，实用性不高。第一，信息采集质量不高，来源全面性不足，整合度不够。从目前主流的舆情监测系统来说，主要采集的信息来源为新闻网站、论坛、贴吧、微博、微信公众号、新闻APP等，个别可以实现部分QQ群的信息监测。但从舆情发酵的规律来看，知乎、简书、豆瓣等作为舆情信息的发源地，在近年来的公共危机事件中，显示出越来越突出的作用，却极少被舆情平台纳入监测范围之中。这种信息源监测的不完整性，制约了舆情预警的效果。此外，舆情监测整合度较低的问题也比较突出。主流舆情监测系统抓取算法较为简单，依据关键词抓取到的相关信息去重技术不过关，存在着大量重复的、非相关的信息，给后续的舆情研判分析带来极大困扰。第二，舆情分析智能化水平不高，对历史数据的深度挖掘不够。现有舆情监测系统在信息处理方面，主要是可以提供一定时间段内的走势分析、信源占比分析、信息类型占比分析、信息来源地域分析、词频分析、情感倾向判定等。从时间上来看，具有借鉴意义的历史数据一般无法提供；从技术上来看，研究者欠缺先进的数据分析工具以及不熟悉标准的社会科学方法，无法凸显关键的传播节点，无法追踪呈现有效的传播链条，系统智能化程度不高。不仅如此，受限于情感分析技术，即便当下的舆情系统已经基本将信息的情感判断作为系统分析的标配，但实际上误差极大，特别是系统标注为中性的判断，容易遗漏重要负面舆情。第三，舆情研判功能较弱，无法提供可靠的决策支持。舆情研判的重点在于真伪分析、指向分析和趋势预警。但现有主流的舆情系统由于分析功能粗糙，自然无法对真伪分析和指向分析提供有效支撑，而就趋势预警而言，由于当下的主流舆情监测系统主要通过自动舆情分析报告提供较为粗糙的预警，后续还需要依靠人工经验进行研判，因此存在较大误差。总而言之，由于存在上述诸多缺陷，目前的主流舆情监测系统更多的是发挥了“警报器”功能，而对突发事件中舆情多样性和复杂性信息缺乏全面的抓取和系统的分析，导致难以摸清主流民意，使得理论上构建的社会舆情监测指标和研判体系不接地气，难以发挥作用，舆情研判仍然主要靠经验和感觉。

(二)后真相时代，纷繁复杂的多元思潮使得公共危机事件社会舆情演化过程中的话语竞争激烈，导致难以实现有效的社会动员与价值引领。

2016年11月，“后真相(Post-truth)”被英国《牛津词典》选为“2016年年度英文词汇”，该词在特朗普成为美国总统候选人时热度飙升，一经问世，便引起了学者们的广泛讨论。目前，“后真相”已超越了政治领域，深入到了人们的日常生活中。在社交媒体时代，由于权力和资本对技术的熟练运用，各种谣言在网络上肆意流传成爆款热文，而真相却变得面目可疑。在“后真相”时代，人们似乎更倾向于把立场、情感和利益置于真相和真理之前。(8)阮凯、杜运泉：《多维视野中的后真相时代:问题与对策》，《探索与争鸣》2017年第4期。还有研究者认为，“后真相”时代为网络谣言提供了更适合传播的“温床”，但也将“真相”的解释权还给了民众，而不再是只由权力精英合谋建构表达。(9)李彪、喻国明：《“后真相”时代网络谣言的话语空间与传播场域研究——基于微信朋友圈4160条谣言的分析》，《新闻大学》2018年第2期。可以说，这是一个立场先于真相的时代，也就是被媒体高呼的“后真相”时代。虽然“后真相时代”的提法未必准确，但这种鲜明的时代特质确实给公共危机事件的社会舆情治理造成新的挑战。

要在这种“后真相”时代背景下理解人们对危机事件的认知，则离不开从社会思潮传播视角关照下对人们社会关系、价值立场和利益关联的全面把握。以微信为代表的移动应用中的舆情传播基于强关系的熟人社交圈，相关信息的传播将比在公共平台更为迅捷。同时基于社交圈本身相互的高信任感度，对于态度认知转变的影响力更强，并加速“态度同步”到“行为协同”的转变过程，从而提升社会动员的力量。这将对公共危机事件的传播以及线上到线下的演化产生巨大的推动力。在公共危机事件全网扩散、多传播节点爆发态势背后，是各种社会思潮的交锋和激荡，各类事件都难逃网民“法眼”，官方处置往往遭致部分网民“毒舌”的被动局面。新媒体下的社群组织出于各自利益考量，以社交平台为基础在社会动员和舆论引导下的不同阶段制造舆论压力，扩大事件影响力，渲染社会冲突。由于思潮本身具有的流变性、公共性、自主性、群发性及符号性等特征，受其支配的社会舆情脉动往往令人难以把握。(10)人民论坛问卷调查中心：《公众关注的重大思潮调查》，《人民论坛》2011年第1期。在这种背景下，各种矛盾和风险的交织涌现，使得当下我国公共危机事件社会舆情呈现出典型的复合型特点，经济、政治、思想、生态等多领域交织，国内问题与国际经济政治问题杂糅。以2015年8月的天津塘沽港爆炸事件为例，这场安全生产重大事故举世关注，并且围绕事故原因、救援方式、灾难报道模式等引发激烈的话语竞争。因此，在公共危机事件的社会舆情处置中，要想进行广泛的情感动员以推动共渡难关，并持续获得公众价值认同的难度空前加大。

(三)移动互联网的快速发展使舆论场域分化和谣言泛滥，复杂的传播机制致使难以找准关键节点实施有效的网络干预。

媒介发展史的经验表明，一种新媒介的出现必然会改变传统的社会结构和权力关系，而随着新媒体的发展，意见平台的多样化与舆论主体的多元化必然会冲击传统政府和社会舆情间的关系结构。由于互联网兴起带来的媒介生态变化，中国的舆论场域本已聚集了相当复杂的利益群体，使得舆论主体更加多元，议题更加丰富，传播演化方式更加复杂。可以说，基于所依托的不同的互联网应用，聚拢了不同的舆论主体，形成了不同的舆论焦点议题，使得舆论场的分化成为近年来我国舆论演化中的一个典型特征。不仅如此，舆论场的分化更呈纵深发展之势。以微博、微信、APP为代表的移动互联网应用作为“信息广播台”、“言论裂变机”、“真相探照灯”与“谣言孵化器”，由于其社交形态和信息获取特征，显著强化了互联网用户的群体化特征，使得网民成为各类互联网应用工具主导下的一个个专门化群体，不仅丰富了互联网信息内容，也改变了舆论的传播格局，使舆论场域的碎片化趋势更趋明显。正因如此，移动舆论场的特点不仅在于其跨地域、全时空，更在于移动互联技术助推下形成的社群分化，由此形成的舆论主体分化必将会冲击现有的话语权力格局。日益分化的舆论场域给舆情治理带来严峻挑战。结合前述对社会思潮的分析可以看出，舆论场分化从本质上来说是利益诉求、价值观念的分化，进而推动群体分化，又进一步推动社会分化。如此一来，舆论场分化最终导致社会共同意识弱化，难以达成社会共识。(11)汤景泰：《新媒体语境下突发事件舆论引导中的整合议题管理》，《中国应急管理》2015年第7期。例如在新冠肺炎疫情防治中，一些媒体广泛宣传孕妇护士长时间加班，结果却招致部分网民质疑，认为孕妇加班本就不应该。舆论场的分化，由此可见一斑。

把关机制弱化的网络舆论场给公共危机事件中的谣言传播提供了温床。在危机事件中，虚假信息的泛滥传播，对事态的发展产生了难以估量的负面影响。从目前公共危机事件中的谣言传播来看，主要有以下特点：第一，微博、微信等社交媒体平台，因其用户数量大且朋友圈式的传播，使其极易成为假消息迅速而广泛传播的平台。第二，有意制造的煽动性谣言大行其道。在危机事件中，为了挟裹民意，制造官民对立，一些别有用心者往往制造谣言，大肆传播。例如，2017年8月，澳门特别行政区遭受几十年未遇之强台风“天鸽”袭击，造成了重大人员伤亡和财产损失。应澳门特别行政区政府行政长官和政府请求，澳门特别行政区驻军协助澳门政府和市民一起进行灾后的各项援助和建设工作。但在驻澳部队救灾的过程中出现网络谣言，声称“驻澳部队在当地抢劫店铺，打死多人”的谣言，造成极其恶劣的影响。无论是打通分化的舆论场还是控制谣言传播，都需要对当下社会舆情的传播结构有科学把握。只有找准网络节点，才能通过实施网络干预链接分化的舆论场或者切断谣言传播的路径。但从目前已有研究来看，这一点仍然需要重点突破。

四、公共危机事件舆情治理中的数据洞察

在社会舆情研究与应用方面，大数据技术与方法虽然远未成熟，但却已经显示出巨大的价值和深远的发展潜力。运用大数据技术，可以实现对公众意见、态度、情感的可视化分析。不仅如此，业已实现多关系社交网络的舆情传播，对于研究网络舆情传播规律，提供舆情服务也具有实质性的指导价值。因此，在公共危机事件的舆情治理中通过数据驱动，一方面可以拓展舆情信息体量，进行全网及线下多源异构数据的收集，另一方面运用大数据思维模式，丰富舆情分析纬度，可以精准把握舆情走势，打捞民间沉没的声音，从而更准确地呈现主流民意。

(一)借助大数据技术建设社会舆情监测与研判的技术平台，给舆情治理提供技术平台和数据基础，解决多源异构的舆情数据存储和智能分析的难题。为了给公共危机事件舆情处置提供技术平台和数据基础，需要根据社会舆情的发生、发展、演变和衰退的机理，设计社会舆情监测指标，进一步完善大数据环境下的社会舆情监测与研判方法，通过整合社会调查技术、网络搜索技术及信息智能处理技术，实现对社会舆情海量信息的自动抓取，自动分类聚类、热点发现和分析、专题聚焦、敏感信息监控与预警，实现大数据环境下社会舆情的全生命周期的监测。此外，还要高度重视历史数据的价值，不断累积公共危机事件的历史案例库，为主管部门全面掌握社会舆情、争取社会舆情预警与应对的主动权提供有效的分析依据。基于上述两种路径，解决社会舆情信息采集困难、获取信息不及时、获取的信息不精准、信息应用不便利等问题，从而推动社会舆情大数据应用的重点实现从舆情信息采集转向数据加工、数据挖掘、数据处理和可视化等；实现数据库支持从简单的、有限的数据库转向非结构化的大数据库；实现从注重舆情监测转向注重舆情预警、从单向度的危机应对转向各个领域的综合信息服务。在此基础上，根据社会舆情治理目标，研究其分析模式，分析在社交媒体上舆情涉及的话题、事件、公民个体行为和群体行为，实现对社会舆情信息的深度挖掘，并预测舆情的发展趋势。

(二)依据情感分析技术，全面准确把握社会舆情内蕴的情感和思想内核，把握公共危机事件社会舆情博弈的内在规律，解决情感动员和价值引领的难题。后真相时代的本质特征是“情绪的影响力超过事实”，这样一个新的时代背景要求在公共危机事件处置中，必须高度关注社会舆情中的情感内核和社会情感的流动。从近年来的公共危机事件社会舆情表现来看，精心选择热点事件，抓住公众心理“痛点”，引发大规模的社交媒体分享行为，进而制造社会热点话题的方式极为流行(12)汤景泰：《情感动员与话语协同:新媒体事件中的行动逻辑》，《探索与争鸣》2016年第11期。。在这类事件中爆款热文的产生，也是一个情感动员的过程。

由于社会舆情演化空间具有开放性，尤其是在网络上，舆情演化过程会不断有新的个体加入，已经存在个体也会受各种内在或外在因素的影响而不断流失，这就构成了网络舆情的信息扩散过程。社会舆情演化中的观点聚合与情感动员并不是两个相互独立的进程，它们相互影响、相互作用，以一种非线性的关系形态协同合作，共同推动每一个网络舆情的演化与发展。社会舆情的整个演化过程实质上是舆情观点聚合及舆情信息扩散这样两个进程交融性与分阶性的统一。在演化过程中，当特定的舆情热点事件进入个人的感知空间时，人们会从自己的经验结构出发形成一定的态度、情感和意见倾向，并最终以个体观点的形式呈现在虚拟的网络空间里，经由个体之间的关系网络，原本杂乱纷呈的个体观点随着个体间的交互行为不断收敛、聚合，进而逐渐消解个体观点之间的差异性，最终以相对一致的观点构成网络舆情。

近年来，对舆论主题和情感分析进行科学研究的技术发展迅猛。在分析舆论观点方面，概率主题模型(Probabilistic Topic Models)应用日益广泛。这是一种用于发现文档集合中出现的抽象“主题”的统计模型。作为一种常用的文本挖掘工具，常用于发现文本主体中隐含的语义结构。直观地说，如果一个文档是关于某个特定主题的，那么人们就会期望在文档中出现特定的词或多或少；一份文档通常涉及不同比例的多个主题。由主题模型技术产生的“主题”就是相关词的集合及其出现频率。通过检查一组文档，并根据每个文档中的词汇统计数据，发现可能存在的主题以及每个文档属于特定主题的概率。在各种概率主题模型当中，出现最早的潜在狄利克雷分配模型(LDA model)应用最为广泛，其在近年来基于突飞猛进的计算能力提升，出现了很多针对扩大主题数(从经典的几十个到目前基于深度学习的上百万个)的改进版版本，如SparseLDA,、AliasLDA、LightLDA、WarpLDA等。其他一些在特定情况下被证明行之有效的模型包括：更适合短文本分类，通过对词共现关系进行统计以提升识别准确度的双词主题模型(Biterm Topic Model)；引入多级主题的细粒度主题模型(Multi-Grain Topic ModelTopic)；加入先验知识的基于最小领域知识的主题模型(Topic Modeling with Minimal Domain Knowledge)；考虑作者写作偏好的作者主题模型(Author-Topic Model)；考虑主题内涵随时间变迁的动态主题模型(Dynamic Topic Models)以及融入词嵌入特性的嵌入式主题模型(Embedded Topic Model)。此外，针对情感分析任务，为了提升准确度和实用性，从机器学习到深度学习，相关的方法和技术也得到了长足的发展。早期基于机器学习的方法分为有监督和无监督两大类，其中监督式方法包括支持向量机(Support Vector Machine，SVM)、最大熵、朴素贝叶斯等；无监督方法则包括利用情感词汇、语法分析和句法模式等。近十年来，深度学习作为一种强大的机器学习技术，在许多应用领域产生了最先进的成果，将深度学习应用于情感分析也变得非常流行，从最基础的前馈神经网络(Feedforward Neural Network，FNN)、由Google提出的词向量(Word2Vec)方法及在其基础上添加了段落向量的文档向量(Doc2Vec)方法，到基于降噪自编码器(Denoising Auto Encoder，DAE)的预训练模型如BERT等，方法的涌现和被应用于实际工程的便利程度和速度都在不断提升。迅速消化吸收掌握这些在自然语言处理领域被证明有效的经典方法、最新学术成果和作为其工程实现的通用的工具，尽快将其应用于舆情治理领域，改变流行的舆情分析工具中情感模块失之粗率近乎无用的现状，是当前值得努力的方向。

(三)依据复杂网络理论和深度学习算法，深入把握社会舆情的传播结构和动态演化规律，解决网络干预的难题。

面对急剧分化的舆论场，在突发事件管理中要实现有效的社会舆情处置，除了前述的价值引领之外，还需要厘清突发事件在不同舆论场中的传播路径与模式，为有效干预的时、度、效提供科学的理论支撑。其中复杂网络相关技术是个不可或缺的方法。复杂网络研究正渗透到不同的学科领域，对复杂网络的定量与定性特征的科学理解依旧是一项挑战性课题。网络结构特性对舆论传播和演化的过程和结果都具有重要的影响，并且复杂网络的自组织、自适应的特点使得舆论演化过程作用于网络拓扑结构并产生合作演化的结果。因此，复杂网络中的舆论动力学模型、元胞自动机网络舆情传播模型(13)王舰、王志宏、张乐君：《复杂网络演化的舆论动力学模型及仿真分析》，《计算机应用》2018年第4期。、谣言抑制算法(14)田伯凯、岳跃振：《基于复杂网络的在线社交网络特征与谣言抑制》，《山东工业技术》2017年第23期。等复杂网络模型有效研究了舆论传播网络形成和演化过程的动力学行为、网络用户拓扑特征对群体观点演化的影响，以及社交网络谣言抑制算法识别社群舆论领袖提高谣言控制效率，都可以为公共危机事件中社会舆情演化规律研究，提供不可替代的帮助。

特别值得重视的是网络干预，即在维护公共价值的前提下，有目的地运用社会网络或社会网络数据来产生社会影响、加速行为的改变、改进性能，从而达到对个人、社团、组织以及群体的影响。(15)唐明、刘宗华：《网络科学:网络化时代的思维范式》，《科学》2018年第3期。在近年来频发的突发事件中，个体情绪极易感染扩散至整个群体进而带来次生危害的可能，而情绪感染干预模型的建立为突发事件下应对负面情绪提出了合理化建议。(16)贾杰：《基于传染病模型的突发事件情绪感染规则及其干预研究》，燕山大学硕士学位论文，2016年。目前的舆论控制策略有基于舆论传播网络拓扑结构的度控制、节点控制等，也有基于公众权威度的控制策略等研究，为复杂网络的控制提供了策略上的指导和帮助。然而当对一个复杂网络系统进行控制时，目前重点在于研究舆论在复杂网络中传播和演化的实质，揭示网络结构与控制之间的关系。相关研究对于把握突发事件社会舆情演化的关键节点，进而在维护公众利益的前提下实施有效的网络干预具有不可替代的价值。