国内外舆情治理研究热点及趋势分析

封超 杜娟

摘   要： 以CNKI和Web of science核心数据库收录2002-1-1至2019-12-31文献为研究样本，运用Cite Space 软件及文献计量方法，通过国内外文献样本对比研究，分析舆情治理领域研究起源、演化路径、热点及研究趋势。发现：已有的国内外研究热点主要集中在网络舆情演化机理的探讨和分析，使用大数据技术对网络舆情分析、研判、预测和预警，网络舆情监管和治理这三个方面;国外舆情治理的研究趋势是舆情演化影响因素分析、社交媒体情感行为分析和大数据网络舆情技术研究;国内舆情治理研究趋势是舆情信息分析研究、舆情的管理及公共政策制定研究、大数据驱动的隐私保护机制、利益相关者及信息生态研究。研究结论对舆情治理领域科学研究和实践应用具有一定的参考价值。

关键词： 舆情; 舆情治理; 大数据; Cite Space

中图分类号： G203               文献标识码：  A             DOI：10.13411/j.cnki.sxsx.2021.01.004

Abstract： Based on CNKI and web of science core database from January 1， 2002 to December 31， 2019， using Cite Space software and bibliometric method， through comparative study of domestic and foreign literature samples， this paper analyzes the origin， evolution path， hot spots and research trend of public opinion governance. It is found that： the existing research hotspots at home and abroad mainly focus on the discussion and analysis of the evolution mechanism of online public opinion， the use of big data technology to analyze， judge， predict and warn the network public opinion， and the supervision and governance of network public opinion; the research trend of foreign public opinion governance is the analysis of influencing factors of public opinion evolution， the analysis of social media emotional behavior and the research of big data network public opinion technology. The research trend of domestic public opinion governance is public opinion information analysis， public opinion management and public policy making， big data driven privacy protection mechanism， stakeholders and information ecology. The research conclusion has a certain reference value for scientific research and practical application in the field of public opinion governance.

Key words： public opinion; public opinion governance; big data; Cite Space

一、引言

輿情是社情民意的一种综合反映，是民意及民意作用于执政者的一种描述。网络舆情是以网络为载体，以事件为核心，是广大网民情感、态度、意见、观点的表达传播与互动，以及后续影响力的集合，带有广大网民的主观性，未经媒体验证和包装，直接通过多种形式发布于互联网上[1]。近年来，舆情事件对社会生活的影响一日千里，一些重大的舆情事件如果处理不当就会诱发民众的不良情绪，进而引起重大群体事件的发生，严重危害了社会的稳定，极大考验了应急管理部门的处置能力。

已有的舆情治理研究中，学者们更多地关注于舆情分析和研判、舆情预测和预警、舆情监测和管控等方面的研究，国外从2002年和2003年的1篇，2004年的2篇，到2019年的398篇，国内从2004年的1篇，2006年的1篇，2008年的3篇，到2019年的322篇，整体发文量均呈现上升趋势，如图1和图2所示。特别是国外从2015年，国内从2010年开始，“舆情治理”相关文献呈爆炸式的增长。鉴于此，笔者采用文献归纳、对比分析、定量研究等方法对国内外舆情治理研究的起源、发展、研究热点和研究前沿展开系统的梳理，运用Cite Space软件对2002-2019年的Web of science核心集和CNKI相关文献进行分析，研究结论对舆情治理领域的科学研究和实践应用具有一定的参考价值。

二、 研究工具、数据收集及处理

（一）研究工具

本研究采用科学知识图谱的方式，运用Cite Space软件对舆情治理的国内外研究热点进行分析，并将其可视化，用以探索舆情治理的国内外研究现状、热点及研究趋势。

（二） 数据收集及预处理

本研究英文文献选择Web of Science核心合集进行检索，中文文献选择中国知网（CNKI）对期刊、硕博论文依次进行检索，检索时间截止到2019年12月31日。

在英文文献的选择上，以TS=（“public opinion governance”OR“internet public opinion governance”OR“Twitter governance”OR“social media governance”）为检索式，共检索到1963篇相关文献。首先，选择SCI、SSCI检索的文献;然后，通过人工筛选，剔除报纸、会议综述、期刊通知以及无关文献;最后，考虑到检索的主题词不能够完全覆盖现有的文献，在阅读相关文献时以查漏补缺的方式填补数据集样本，共计1494篇文献，这些文献主要集中发表在计算机科学、信息科学、传播学、管理学、电子通信工程、社会学等领域。

在中文文献的选择上，以主题=（“舆情治理”或者 “网络舆情治理”或者“微博治理”或者“社交媒体治理”）为检索式，共检索到1578篇相关文献。首先，选择CSSCI（含扩展版）和CSCD检索的文献;然后，通过人工筛选，剔除报纸、会议综述、期刊通知以及无关文献;最后，考虑到检索的主题词不能够完全覆盖现有的文献，在阅读相关文献时以查漏补缺的方式填补数据集样本，共计628篇文献，这些文献主要集中在图书情报、行政管理、科技发展、新闻与传播、计算机软件与应用、信息管理等领域。

三、 国内外舆情治理研究起源及发展

（一） 国外舆情治理研究起源及发展

国外最初对舆情的研究起源于传播学，1990年，Fan D P首次将文本分析技术引入专家系统中用来预测舆情的传播。自2002年开始，国外先后出现了Face book、YouTube、Twitter、Snap chat、Instagram等社交媒体平台，关于网络舆情的研究也进入了上升期。

2007年，Thelwall M[2]首次将舆情的演化周期分为不同的时段，并对各时段博客的检索策略进行了研究，提出了相应的检索方案，为之后舆情分周期动态监测和管控提供了参考。2009年和2010年，Guan Q， Ye S， Yao G等人和Huan-Ming Z分别运用文本分类和文本聚类算法提取社交媒体平台的舆情信息，通过对所提取信息的整合和分析，提出了相应的舆情分析系统，以上均是国外较早对舆情进行分析并提供管控建议的学者。

自2012年起，随着互联网技术的发展，国外对舆情治理的相关研究开始成倍的增长，不仅仅专注于运用计算机信息技术来分析网络舆情热点话题，还运用心理学、社会学、舆情学等相关学科的理论知识，对社交媒体平台的文本进行情感挖掘，从而帮助决策者治理舆情，如：2012年，Sobkowicz P，Kaschesky M，Bouchard G[3]运用计算机建模技术，对社交媒体平台的文本情感内容进行挖掘和分析，通过实时监测和分析，建立了基于网络舆情情感信息流的分析模型;Schulz A，Roessler P[4]运用舆情学的理论知识来解释网络舆情的传播和演化机理，并分析了線上-线下网民情感舆论的关键影响因素，以上研究均为舆情的治理提供了辅助决策。

随着国外网络舆情研究的迅猛发展，2013年，许多研究者开始转向运用朴素贝叶斯分类器和python语言编写的网络爬虫程序对社交媒体舆情信息抓取，如：Liu B，Blasch E，Chen Y等人[5]通过使用朴素贝叶斯分类器对抓取到的情感关键词进行识别和分类，不仅为网民情感词分析提供了新的思路，更加有效地通过使用大数据分析技术对舆情的治理提供辅助决策;Sun X，Ye J Q，Ren F J[6]通过将python语言编写的网络爬虫程序与API结合，提高了基于多策略选择搜索算法的效率，更好地为情感分析服务，通过分析网民的情感倾向从而预测预警舆情的走势，进而提前对舆情进行管控。

通过对国外舆情治理研究相关文献的分析和总结归纳，参考王晰巍，相甍甍等人的文献分析方法[7]，统计了国外舆情治理研究发展脉络，由于国外2010年之前相关研究文献较少，故统计时间从2010年开始，如表1所示。

（二）国内舆情治理研究起源及发展

国内有关舆情治理研究相对于国外来说开始较晚。2006年，刘毅[8]发表在《前沿》中的《网络舆情与政府治理范式的转变》被认为是我国舆情治理研究的开端。

2009年，刘宗让[9]，王贤、薛小荣[10]，以网络舆情危机与政府治理为研究对象，对我国新时代的政府“舆情治理”进行了探究。自2010年起，随着互联网技术的发展，舆情的传播渠道也在发生着改变，逐渐从电视、报纸等媒体向微信、微博、blog等新媒体转变，基于大数据技术的网络生活开始渗透到社会生活的方方面面。2011年的“7.23甬温动车组事故”，不仅引发了网络舆情危机，而且也给事故处理者带来了新的考验，国内学者开始针对单个重大网络舆情事件进行分析和研究，如：黄波[11]、芦何秋，胡晓[12]均以此次事故为例，对微博热点话题、信息传播的交互影响进行了研究，并提出了相应的治理对策建议。

2013年开始，国内基于大数据技术的网络舆情研究成果数量激增，学者们不仅仅从热点话题、媒体交互等方面进行研究，还将计算机信息科学、数据科学、公共管理学、舆情学、传播学等多个学科的理论知识加入研究中来。代表性的研究有：2013年，喻国明[13]将2009-2012年百度热搜词作为研究对象，通过使用大数据分析技术构建了中国舆情模型，并从“社会暖度”、“社会幸福感”及“社会压力”等特征指数上进行了分析，给之后的研究带来了重要的启示。

通过对国内舆情治理研究相关文献的分析和总结归纳，参考王晰巍，相甍甍等人的文献分析方法[14]，绘制了国内舆情治理研究发展脉络，由于国内2012年之前相关研究文献较少，故统计时间从2012年开始，如表2所示。

（三） 国内外舆情治理研究发展比较分析

整体来看，国内外舆情治理研究从2012年开始均呈现稳步增长态势，究其原因舆情引发的危机事件越来越多，严重危害了社会稳定，特别是社交媒体的兴起，使得个人隐私危机、政府信任危机等逐渐增大。

从国内外舆情治理研究的发展脉络来看，国外在该领域中的研究工作开展得较早，最初的研究对象相对集中在社交媒体平台信息搜索机制上，之后经历了几年的发展，逐渐从社交媒体信息搜索机制转向了舆情情感分析、隐私访问控制、隐私披露意愿影响因素、多类情感词舆情分析上，通过引入多学科技术和方法，进而帮助政府管控舆情事件。国内相关领域的研究开展较晚，最初主要集中在微博热点话题主题词建模和分析上，但是随着微博、微信等社交媒体软件在国内的大量使用，学者们的研究开始转向了大数据驱动的网络舆情治理、网络舆情情感倾向分析与研判、网民的社交媒体倦怠行为、舆情反转分析与预测上，特别是2019年兴起的舆情信息生态、利益相关者、治理范式的转变。

从研究方法上，国外研究者主要運用了计算机信息科学技术中的分类与聚类算法、python语言进行舆情信息的挖掘与建模帮助舆情治理进行研究，国内研究者不仅运用计算机信息科学技术，还紧跟研究前沿，运用多学科交叉的方法进行研究。

四、 国内外舆情治理研究的热点

本研究采用Cite Space软件对2015-2019年近5年国内外舆情治理研究热点进行分析，参考王晰巍，邢云菲等人的参数设置[59]，采用关键词和主题词来说明分析结果。

（一）国外舆情治理研究的热点分析

在对国外舆情治理研究热点关键词共现网络分析中，CiteSpace软件中Time Slicing设置为2015-2019，Years Per Slice=1， Node Types 选择Keyword，Links Strength 选择Cosine， TopN=50，Pruning选择Pathfinder和Pruning sliced networks，visualization选择Cluster View-Static和Show Merged Network，得到的分析结果为：出现频率最高的10个关键词依次为是governance、social media、management、public opinion、policy、media、impact、politics、performance、participation，出现频率、中心度和出现年份，详见表3所示。

在对国外舆情治理研究热点主题词共现网络分析中，CiteSpace软件中Time Slicing设置为2015-2019，Years Per Slice=1，Term Type选择Noun Phrases， Node Types 选择Term，Links Strength 选择Cosine， TopN=150，visualization选择Cluster View-Static和Show Merged Network，得到的分析结果为：出现频率最高的10个主题词依次为：social media、public opinion、corporate social responsibility、climate change、european union、practical implications、local governments、social media platforms、public sector、media coverage，出现频率、中心度和出现年份，详见表3所示。

（二） 国内舆情治理研究的热点分析

在对国内舆情治理研究热点关键词共现网络分析中，CiteSpace软件中Time Slicing设置为2015-2019，Years Per Slice=1， Node Types 选择Keyword，Links Strength 选择Cosine， TopN=50，Pruning选择Pathfinder和Pruning sliced networks，Visualization选择Cluster View-Static和Show Merged Network，得到的分析结果为：出现频率最高的10个关键词依次为：网络舆情、治理、大数据、突发事件、舆情治理、地方政府、新媒体、社会治理、政府治理、社交媒体，出现频率、中心度和出现年份，详见表4所示。

在对国内舆情治理研究热点主题词共现网络分析中，CiteSpace软件中Time Slicing设置为2015-2019，Years Per Slice=1，Term Type选择Noun Phrases， Node Types 选择Term，Links Strength 选择Cosine， TopN=150，Visuallzation选择Cluster View-Static和Show Merged Network得到的分析结果为：出现频率最高的10个主题词依次为是网络舆情、治理、突发事件、舆情治理、地方政府、新媒体、社会治理、社交媒体、舆情、政府治理，出现频率、中心度和出现年份，详见表4所示。

（三） 国内外舆情治理研究热点和方法比较分析

1. 研究热点比较分析

本研究在使用Cite Space分析国内外舆情治理研究热点基础上，通过该软件对高频关键词和主题词进行提取分析，如表4所示，其中，中心度为关键词或主题词在网络上的一个重要指标，用来发现和衡量该关键词或主题词对文献的重要性。通过关键词检索对收集到的文献进行分析和阅读，已有的国内外研究热点主要集中在网络舆情演化机理的探讨和分析，使用大数据技术对网络舆情分析、研判、预测和预警，网络舆情监管和治理这三个方面：

（1）网络舆情演化机理的探讨和分析。网络舆情事件爆发后，第一时间不仅网络空间会有很多没有经过验证的信息传播出来，现实社会中的谣言也会随着网络舆情事件的演化而扩散，进而引发其他突发性的群体事件，严重影响着社会稳定。

通过对已有文献的梳理，发现关于大数据驱动的网络舆情分析研究热点主要集中在使用系统动力学、社会网络等方法对网络舆情的传播机理进行分析和推演，进而帮助决策者科学决策，比较有代表性的文献如：王光辉，刘怡君[15]于2015年通过使用超网模型和社会影响理论，研究了网络舆论的异化和极化演化机理，并提出了相应的算法，以“7.23甬温动车事故”为例进行了验证和分析，2017年，以舆情演化的虚拟和现实空间相互关系为研究对象，通过改进有界信任机制，提出了“虚拟-现实空间”和“现实-虚拟空间”系统仿真同步模型，提出的算法和模型不仅适用于网络舆情中舆论的演化，也适用于网络营销、政治选举等社会科学领域帮助分析决策;2016年，对该方向的研究还有将数学建模与动力学结合起来的Huo，Liangan，Jiang J等人[16];Yu L，Li L等[17];Xie Y，Qiao R等[18]研究者。

以上研究不仅从虚拟网络世界出发，更从现实生活维度进行关联分析，以便更加精准地推演网络舆情事件的发生和发展，能够为舆情的监管和治理提供幫助。

（2） 使用大数据技术对网络舆情分析、研判、预测和预警。针对网络舆情事件的分析、研判预测和预警流程基本上是：监测—研判—预警—建议。在网络舆情的监测环节上主要是建立大数据预测平台，通过python语言编写的大数据采集器进行网络信息数据的自动采集，文本分类及分析等工作。在网络舆情事件的发生初期，一旦采集到“敏感”信息，监测平台便会及时上报相关部门从而对网络舆情事件进行预警处置，按照相关制度规范划分舆情事件的等级，以便及时处置减少网络舆情风险带来的不稳定因素。

比较有代表性的研究文献有：2015年，杨兴坤和廖嵘等人[19]通过对舆情事件的风险因素分析，提出从舆情源头、舆情发展路径、舆情影响受众、舆情风险治理主体等方面进行风险防控的对策建议;瞿志凯，张秋波等人[20]过对暴恐事件的网络舆情分析，提出了针对该类事件的预警机制;杨长春，王天允等人[21]基于危机的“生命周期理论”对舆情的危机管理能力评价体系进行了研究，分别构建了舆情预警、预控、反应、应对和利用这五个能力的评价指标体系，该研究丰富了相关理论又对构建和谐社会有着重要的意义;张玉亮[22]借鉴国内外的相关研究成果，以湖南省临武县“邓正加事件”为例，进行风险实证评价研究。

（3）网络舆情监管和治理。在网络舆情监管和治理热点中，大多数研究主要以“政策建议”为主，通过对网络舆情监管主体或者影响网络舆情态势发展因素进行分析，提出相应的治理建议和对策。

比较有代表性的研究文献有：2015年，余乐安，李玲[23]基于系统动力学理论对危化品水污染事件中的舆情演化机理进行了详细的分析，提出相应的应急模块、网民模块、媒体模块、政府模块，分别针对各模块进行仿真验证，在此基础上，从提高官方新闻透明度、政府危机处理力度、政府响应效率等方面提出了相应的治理路径;2016年，王丽丽[24]采用启发式理论，利用实验法和调查法针对网络舆论风险信息叠加影响受众风险感知问题进行了实证分析，结果表明，信息内容偏向性显著影响受众的风险感知，同时受媒体官方性与非官方性的调节，信息一致性在官方媒体与非官方媒体的风险报道中影响受众的信息加工，并在对风险感知影响中起调节作用。

2. 研究方法比较分析

本研究对近五年（即：2015-2019）国内外舆情研究使用的研究方法进行了对比分析，如表5所示。从表5中可以看出，国外舆情治理研究使用的方法主要是：社会网络分析方法中的超网、改进的神经网络算法、进行多主体仿真的数学建模方法这三种方法，主要从舆情传播内容入手，研究其传播过程中的演化机理、热度趋势、舆论导向、态势发展等相关问题，特别是运用大数据技术对舆情的控制、监测和预警提出相应的理论模型和对策建议。国内舆情研究使用的方法主要是：多主体仿真的数学建模方法、社会网络分析方法中的超网、SIR改进模型、系统动力学模型这四种方法，主要从舆情本体入手，研究其影响舆情传播和发展的因素、刻画其演化机理、分析其现实传播途径等相关问题，针对舆情传播的影响因素提出相应的政策建议，为管理者提供科学决策保障。

五、舆情治理研究演化及前沿分析表

本研究利用CiteSpace软件绘制近5年国内外舆情治理研究趋势是：舆情演化影响因素分析——社交媒体情感行为分析——大数据网络舆情技术研究。国内舆情治理研究趋势是：舆情信息分析研究——舆情的管理及公共政策制定研究——大数据驱动的隐私保护机制、利益相关者及信息生态研究。不论国内还是国外的研究，今后的总体趋势有以下三个方面：

（一）大数据驱动的网络舆情风险治理机制研究

大数据驱动的网络舆情演化分析逐年增多，国内外分别于2016年和2017年达到高潮，随着大数据技术的发展，网络舆情演化规律分析技术也越来越成熟，基本上可以起到预测和预警的作用。当今伴随着我国经济社会建设的需要出现了不同类型的网络舆情事件，其演变规律也不尽相同，治理方案更是会有很大不同，特别是医疗卫生事件，生态环境事件等都需要构建不同的治理体系，由于引起网络舆情事件的因素不同，主客体也不尽相同，在构建舆情治理体系时应着重考虑社交媒体用户的心理特点，分析其行为偏好，针对不同的心理行为表现形式，精准制定应急预案，建立起“行为——偏好——预案”多维模型，在现有的研究基础上，增加预案评估标准，构建从分析、演化到预测、预警，再到应对、评估和反馈的一整套体系。

（二）大数据驱动的社交媒体分析技术及工具研究

网络舆情事件的发生离不开网络主体（即社交媒体用户）的行为偏好，通过心理学、决策学等学科，对社交媒体用户的行为倾向进行研究是分析网络舆情事件的关键，特别是大数据技术的发展，网络营销、情感分析、客户忠诚度、行为偏好等方法和技术的产生，对预测、预警网络舆情事件的发展起着至关重要的作用。

目前，国内外越来越多的研究开始使用地理信息科学技术进行遥感大数据分析，比如：旅游地推荐，通过使用引力模型（Gravity Model）、文档主题生成模型（LDA：Latent Dirichlet Allocation）等近几年信息科学界热门的行为分析模型，来预测旅游者的行为偏好，有目的地推荐旅游目的地和路线，适时发布广告等。现有研究大多通过大数据技术收集社交媒体用户个人信息，通过自然语言的处理，分析和预测其行为偏好，进而推荐相关产品。但是，目前研究依然存在着偏差和不足，线上——线下舆情分析、推演和预测依然较为复杂，急需出现新的技术和工具简化舆情分析和推演的复杂度，真正实现现实社会和虚拟社会同步演化推演的效果，及时控制舆情的发生和发展。

（三） 大数据驱动的隐私保护机制、利益相关者及信息生态研究

随着媒体技术的发展，传统的纸质媒体正在面临着极大的考验，大数据技术带来了新媒体的改变，社交网络平台数量上越来越多，形式上越来越丰富，用户使用新媒体的过程中越来越容易泄露各自的隐私信息，增加信息泄露的风险，因此，急需建立健全大数据环境下的隐私保护机制，开发适合不同社交媒体的隐私保护机制，围绕着隐私泄露风险、泄露行为、泄露大数据工具、保护机制等将会是今后的研究重点。特别是2019年出现运用信息生态学对网络舆情周期的分析，网民之间利益相关者的分析也会成为舆情治理研究的重点和热点。

六、结论

本研究对国内外舆情治理的起源、发展、研究热点以及前沿趋势进行了深入的梳理和分析，研究发现不论是国内还是国外的相关研究，均有一个共同点：舆情治理研究热点正处在不断地变化发展当中，从研究舆情态势的推演、网络舆情态势发展的影响因素，逐渐转移到大数据环境下网络舆情的监管和治理、大数据驱动的社交媒体分析技术及工具研究、大数据环境下的隐私保护机制、利益相关者及信息生态研究研究这三个方面。

本研究的数据集选取了CNKI和Web of Scienc核心集这两个数据集，研究样本具有一定的局限性，在今后的研究中可以继续扩大研究范围，并且可以将关键词的范围扩展到大数据环境下的隐私保护机制相关研究中，扩展检索深度，进一步挖掘相关变量，为该领域的研究提供帮助。

参考文献：

[1]黄永林.网络舆论监测与安全研究[M].北京：经济科学出版社， 2014.

[2]Thelwall M. Blog searching： The first general-purpose source ofretrospective public opinion in the social sciences？[J]. SocialScience Computer Review， 2007（3）：277-289.

[3]Sobkowicz P， Kaschesky M， Bouchard G. Opinion mining insocial media： Modeling， simulating， and forecasting politicalopinions in the web[J].Government Information Quarterly，2012（4）：470-479.

[4]Schulz A， Roessler P. The Spiral of Silence and the Internet：Selection of Online Content and the Perception of the PublicOpinion Climate in Computer-Mediated Communication Envi-ronments[J].International Journal of Public Opinion Research，2012（3）：346-367.

[5]Liu B， Blasch E， Chen Y， et al.Scalable sentiment classificationfor Big Data analysis using Nave Bayes Classifier[C]// IEEEInternational Conference on Big Data. IEEE， 2013.

[6]Sun X， Ye J Q， Ren F J. Multi-strategy Based Sina MicroblogData Acquisition for Opinion Mining[M]// Intelligent ComputingMethodologies. Springer International Publishing， 2014.

[7]李丹，龙会芳，卢艳茹.基于区块链技术的学术期刊出版诚信体系构建[J]. 重庆工商大学（社会科学版）， 2020（5）：116.

[8]刘毅.网络舆情与政府治理范式的转变[J].前沿，2006（10）：140-143.

[9]刘宗让.新媒体时代政府“舆情危機”治理探究[J].甘肃理论学刊，2009（5）：32-35.

[10]王贤，薛小荣.突发公共事件中的网络舆情危机与政府治理——以汶川地震时期的网络舆情为分析[J].信息与电脑（理论版），2009（11）：78-80.

[11]黄波.基于向量空间模型和LDA模型相结合的微博客话题发现算法研究[D]. 成都：西南交通大学，2012.

[12]芦何秋，胡晓.突发事件中传统媒体和新媒体的交互影响——以甬温动车事故为例[J].当代传播，2012（1）：82-84.

[13]喻国明. 大数据分析下的中国社会舆情：总体态势与结构性特征——基于百度热搜词（2009—2012）的舆情模型构建[J].中国人民大学学报，2013（5）：2-9.

[14]王晰巍，相甍甍，張长亮，等.新媒体环境下信息隐私国内外研究动态及发展趋势[J].图书情报工作，2017（15）：6-14.

[15]王光辉，刘怡君，迟钰雪.舆论危机的异化极化效应研究[J].管理科学学报，2017（3）.

[16]Huo，Liangan，Jiang J，Gong S， et al. Dynamical behavior ofa rumor transmission model with Holling-type II functionalresponse in emergency event[J].Physica A：Statistical Mechan-ics and its Applications， 2016（450）：228-240.

[17]Yu L， Li L， Tang L. What can mass media do to control pub-lic panic in accidents of hazardous chemical leakage intorivers？A multi-agent-based online opinion disseminationmodel[J].Journal of Cleaner Production，2016（143）：1203-1214. [18]Xie Y，Qiao R，Shao G，et al. Research on Chinese social me-dia users communication behaviors during public emergencyevents[J].Telematics & Informatics，2017（3）.

[19]杨兴坤，廖嵘，熊炎.虚拟社会的舆情风险防治[J].中国行政管理，2015（4）：16-21.

[20]瞿志凯，张秋波，兰月新，等.暴恐事件网络舆情风险预警研究[J].情报杂志，2016（6）： 40-46 .

[21]杨长春，王天允，叶施仁.微博意见领袖舆情危机管理能力评判体系研究——基于危机生命周期视角[J].情报科学，2016（6）： 19-25.

[22]张玉亮.突发事件网络舆情信息流风险模糊综合评价研究[J].情报科学，2015（11）：100-106.

[23]余乐安，李玲，武佳倩，等.基于系统动力学的危化品水污染突发事件中网络舆情危机应急策略研究[J].系统工程理论与实践，2015（10）：2687-2697.

[24]王丽丽.信息一致性视角下媒体报道对风险感知的影响[J].北京理工大学学报（社会科学版），2016（6）：153-158.

[25]Bai L，Li F.The model of project risk assessment based on BPneural network algorithm[C]// International Conference onComputer Science & Network Technology. 2014.

[26]Xu Z，Li J，Xiao S，et al.Study on Security Risk Assessment ofPower System Based on BP Neural Network[J].Journal of Com-putational & Theoretical Nanoscience， 2016（8）：5277-5280.

[27]Yang H，Fan R S，Xu D H.Power Information System Risk As-sessment Method Based on Genetic Algorithms and NeuralNetwork[J]. Applied Mechanics & Materials， 2014.

[28]曹学艳，张仙，刘樑，等.基于应对等级的突发事件网络舆情热度分析[J].中国管理科学，2014（3）： 82-89.

[29]王静茹，金鑫，黄微.多媒体网络舆情危机监测指标体系构建研究[J].情报资料工作，2017（6）：27-34.

[30]张耀峰，肖人彬.群体性突发事件的舆情演化模型与仿真[J].计算机应用研究，2015（2）：351-355.

[31]李勇建，王治莹.突发事件中舆情传播机制与演化博弈分析[J].中国管理科学，2014（11）：87-96.

[32]刘国巍，程国辉，姜金贵.时空分异视角下非常规突发事件网络舆情演化研究——以“上海12.31踩踏事件”为例[J].情报杂志，2015（6）：126-130.

[33]陈福集，黄江玲.突发事件网络舆情演化传播模型研究[J].情报科学，2015（12）：8-12.

[34]Khan Y，Fazli G，Henry B，et al. The evidence base of primaryresearch in public health emergency preparedness： a scopingreview and stakeholder consultation[J]. Bmc Public Health，2015（1）：432.

[35]Hagel C， Weidemann F， Gauch S， et al.Analysing publishedglobal Ebola Virus Disease research using social networkanalysis[J]. PLoS Neglected Tropical Diseases，2017（10）.

[36]Kim K， Baek Y M， Kim N. Online news diffusion dynamicsand public opinion formation： A case study of the controversyover judges personal opinion expression on SNS in Korea[J].The Social Science Journal， 2015（2）：205-216.

[37]宋之杰，王建，石蕊.基于無标度网络的突发事件微博谣言传播研究[J].情报杂志，2015（12）：111-115.

[38]马宁，田儒雅，刘怡君，等.基于动态网络分析（DNA）的意见领袖识别研究[J].科研管理，2014（8）：83-92.

[39]何跃，邓姝颖，马玉凤，等.突发事件中微博用户社群舆情传播特征研究[J].情报科学，2016（6）：14-18.

[40]王旭，孙瑞英.基于SNA 的突发事件网络舆情传播研究——以“魏则西事件”为例[J].情报科学，2017（3）：87-92.

[41]王治莹，李勇建.政府干预下突发事件舆情传播规律与控制决策[J].管理科学学报，2017（2）：43-52.

[42]宋之杰，王建，贾杰.基于SIHR_1R_2的突发事件谣言传播研究[J].情报杂志，2016（3）：118-124.

[43]张玉亮.基于UML方法的突发事件网络舆情信息流风险评价指标体系构建研究[J].图书与情报，2016（3）：1-10.

[44]路枝芳，薛耀文.基于因子聚类分析的舆情风险研究[J].情报科学，2016（7）：76-80.

[45]王炼，贾建民.突发性灾害事件风险感知的动态特征——来自网络搜索的证据[J].管理评论，2014（5）：169-176.

[46]Ma N，Liu Y.SuperedgeRank algorithm and its application inidentifying opinion leader of online public opinion super net-work[J].Expert Systems with Applications，2014（4）：1357-1368.

[47]曹学艳，段飞飞，方宽，等.网络论坛视角下突发事件舆情的关键节点识别及分类研究[J].图书情报工作，2014（4）：65-70.

[48]余乐安，李玲，戴伟，等.危化品水污染事件中政府危机信息公布策略与网络舆情扩散研究： 基于多主体模型[J].管理评论，2016（8）：175-185.

[49]高航，丁荣贵.基于系统动力学的网络舆情风险模型仿真研究[J].情报杂志，2014（11）：7-13.

[50]武佳倩，汤铃，李玲，等.基于系统动力学的危险化学品水污染事件中城市供水危机应急策略研究——以2005 年吉化爆炸引发哈尔滨水危机为例[J].系统工程理论与实践，2015（3）：677-686.

[51]Jin Y，Liu B F，Austin L L. Examining the Role of Social Me-dia in Effective Crisis Management： The Effects of Crisis Ori-gin， Information Form， and Source on PublicsCrisis Re-sponses[J]. Communication Research， 2014（1）： 74-94.

[52]张春林.论制度反腐中舆论监督的权力凸显与报道转型[J].重庆工商大学学报（社会科学版），2020（5）：106.

[责任编辑、校对：杨栓保]