新冠肺炎疫情事件信息传播主体特征分析方法及模型——以 “钻石公主号邮轮” 事件为例

王晰巍，贾若男，刘婷艳，张 柳

（1. 吉林大学管理学院，长春 130022；2. 吉林大学大数据管理研究中心，长春 130022；3. 吉林大学网络空间治理研究中心，长春 130022；4. 吉林大学东北振兴研究院，长春 130022）

1 引 言

新型冠状病毒感染引起的肺炎疫情于2020 年1月30 日被世界卫生组织（World Health Organiza‐tion，WHO）宣布为国际关注的紧急公共卫生事件（public health emergency of international concern，PHE‐IC）[1]。WHO 于2020 年3 月27 日 宣称，随着 新 型冠状病毒感染引起的肺炎疫情在全球的蔓延，已有200 多个国家和地区发生疫情感染病例，并引起了国际社会的广泛关注与讨论[2]。目前，新浪微博，作为中国众多社交网络平台中在线活跃人数最多和影响力最广的社交网络平台之一，已经成为中国社交网络市场的主流应用[3]。在疫情事件发展的过程中，微博平台已经成为中国主要的舆论场之一。对于此次新冠肺炎疫情全球突发公共卫生事件的互联网舆情引导以及实现网络生态治理，政府舆情监管和引导部门要及时掌握社交网络中不同类别的信息，传播主体特征、传播时间、传播影响力和传播内容，是其关注的重要问题。

公共卫生事件具有突发性强、传染性高、波及范围大等特点。随着社交网络的发展与成熟，公共卫生事件对社会和人们日常生活也产生了重要影响。近年来，国内外相关学者围绕突发公共卫生事件在社交网络中的传播进行了相关研究。国外研究主要关注社交网络平台在突发公共卫生事件中的作用[4]，探讨如何将社交网络作为危机沟通和管理的重要工具，并为公共卫生事件的事后管理提供服务[5]；也有学者结合社交网络分析公共卫生事件中用户在线发布内容并进行文本挖掘[4,6]，针对事件发生后社交网络用户的在线信息行为[7]进行研究。国内学者围绕突发公共卫生事件在社交网络中的传播与演变[8]进行了多维度的分析，主要包括突发公共卫生事件中的应急信息管理[9]、同类公共卫生事件话题的共振研究[10]、公共卫生事件中用户的行为[11]、利益相关者和民众的情感[12-13]、关注点及演化模式[14]等。从现有国内外的研究现状来看，国外学者针对公共卫生事件的事后危机沟通与管理相对研究更为成熟，针对公共卫生事件中社交网络用户生成内容进行文本挖掘分析受到国内外学者的共同关注。然而，对公共卫生事件社交网络信息传播的参与主体划分多种类型，并从信息传播主体、传播时间、传播影响力和传播内容等主体特征角度进行分析的研究成果相对较少。

本文试图解决的研究问题如下：①新冠肺炎事件中信息传播主体可划分为几种类型？②不同参与主体划分的类型在主体信息的传播时间、传播影响力、发布内容等方面有何异同？③本文的研究成果如何更好地帮助全球新冠肺炎疫情事件中舆情传播引导部门，更好地了解不同信息传播主体特征，以实现对互联网信息传播更好地引导？本文以新冠肺炎疫情事件的信息传播主体作为研究对象，构建主体信息传播内容分析方法和主体特征分析过程模型，并结合国际关注的 “钻石公主号” 邮轮为典型热点信息传播话题，对此次事件的信息传播主体类型、传播参与时间、不同时段影响力、传播发布内容进行分析，以呈现疫情信息传播的主体特征，为疫情期间的舆情引导起到一定的帮助。

2 信息传播主体特征分析方法及模型

2.1 信息传播主体类别

长期以来，突发公共事件在社交网络中的信息传播具有两种不同的舆论领域：一种是较为官方和客观的主流媒体舆论领域，另一种是非官方并且立场较为主观的自媒体舆论领域[15]。随着社交网络和社会权力结构的发展和变化，大众媒体和社交意见的影响越来越大。在突发公共事件的应急响应网络中，通常有多个类型主体，包括政府部门、社会媒体和社会组织等，应用社交网络进行事件沟通和管理的效果也受到多类型主体因素的影响[16]。随着社交网络的发展，官方媒体或网络自媒体等在线信息渠道已经成为公众获取信息的主要途径[17]，特别是当前我国官方媒体在信息传播中扮演着重要角色[18]。新浪微博用户认证中的蓝V 属于机构认证，用户一般是某个机构或组织的官方账号；红V 和黄V 属于个人认证，主要是在微博中活跃度高并且有着大量粉丝的公众人物[19]。本文依据新浪微博平台的用户认证进行不同传播主体类型的划分，将蓝V用户中如央视新闻、澎湃新闻、人民日报等媒体作为网络官媒主体；红V 和黄V 用户作为网络自媒主体；剩余的用户划分为普通网民主体。本文从主体所属类别的角度分析不同传播主体的特征。

2.2 主体信息传播时间

新冠病毒感染疫情事件，属于全球突发公共卫生事件，与一般事件不同的是，此类事件具有突发性强、敏感度高、变化快等特点。公共卫生事件的网络信息传播和报道更加注重信息的及时性和有效性，时间信息不可或缺，因而，在公共卫生事件中时间要素是重要的组成部分[20]。疫情事件发生后，由于公众在新冠肺炎疫情方面专业知识和防护信息方面的欠缺，需要有关组织和媒体机构进行及时有效的信息发布和危机管理，以应对突发公共卫生事件所造成的影响。有研究指出，从静态角度对突发事件的分析无法解释事件发展形势和参与主体的变化，应该将动态性的时间分析列入研究的考虑范围[21]。因此，本文在分析主体特征时，将时间序列加入研究分析范畴，按照新冠肺炎疫情期间关键事件对应的时间节点进行研究。

2.3 主体信息传播影响力

在公共卫生事件的舆情传播网络中，往往会出现影响力较大的主体，对于关键主体的识别在突发事件的应急管理中是非常有用的[22]。对于主体影响力数值的度量，可以通过节点的出度、入度、接近中心性、中介中心性以及PageRank 算法等实现[23]。PageRank 算法是数据挖掘领域一种较为常见的算法，利用每个页面的权威值来评估网页的重要性，在社交网络节点影响力计算和关键意见领袖挖掘中较为常见，并且拥有高效率和结构稳定等优点[24]。社交网络中的用户是动态的，用户的粉丝数量以及用户间的转发、评论和关注行为会对用户的影响力产生影响，如果直接利用PageRank 算法来计算用户的影响力，则会忽略用户本身属性特征和行为所产生的影响[25]。已有的研究中，除了利用PageRank 算法来计算用户的影响力，还会考虑其他因素，如用户自身的属性（包括粉丝数、是否认证、兴趣偏好等）[26-28]；以及用户动态交互行为，如发博数、转发数和评论数等[29-30]。因此，本文在构建信息传播主体节点影响关系图谱时，将每个参与主体设定为一个节点，每个主体与其他主体的评论转发关系为节点间的边，综合主体的博文阅读量和粉丝量作为边的权重，然后利用Cypher 语言调用Neo4j 中的加权PageRank 算法来计算各类型传播主体的影响力水平，并通过可视化比较分析来探究不同主体影响力的变化规律和各自特征。

2.4 主体信息传播内容分析方法

传播主体生成的文本内容蕴含了该主体对事件的态度、立场、关注点和情感等信息。传播的文本可以解释为单词网络，从频率和关系两个角度来分析这些单词和文本，并可以采用单词共现网络进行分析。单词共现网络的主要优点在于其明确性，因为其从单词和文档之间的关系开始识别文本中的内容[31]。文本中的共现关系在单词的连续序列内、句法关系内以及在有限的上下文中共现[32]。因此，本文通过构建高频词共现网络来分析不同信息传播主体的传播内容，具体方法：①分别对网络官媒、网络自媒和普通网民三类主体的文本资料进行高频词提取并生成高频词表；②通过停用词表过滤无意义词后，生成有效高频词表；③提取行特征并构建共现矩阵；④将高频词及其共现关系导入Neo4j 中，进行高频词共现网络的构建和可视化呈现。

Louvain 算法是一种快速的模块化算法，能够起到社区检测的作用，揭示了不同规模的社区层次，可以用来对网络结构进行理解。Louvain 算法在社交网络中的应用是基于文本中共同出现的词，找到不同的主题分区以提供有价值的信息[33-34]。一般而言，社区定义为网络中节点的子组，其彼此之间的连接比与组外节点的连接更多，为了更好地理解文本内容，基于单词共现网络，本文采用Lou‐vain 算法对高频词共现网络进行分区。

2.5 主体特征分析过程模型

本文构建了新冠肺炎疫情事件信息传播主体特征分析过程模型（图1）。该模型采用网络爬虫对事件发生后的微博平台用户数据和生成文本内容进行采集，并对数据进行删选、去重、排序等预处理过程。根据新浪微博的用户认证，本文将信息传播主体划分为三个类型：网络官媒、网络自媒和普通网民。为更加直观地展现三类信息传播主体的特征，对主体的时间特征、影响力特征和内容特征进行可视化分析，通过综合分析总结出信息传播主体在三个特征维度上的规律，通过对新冠肺炎疫情事件发生时不同信息传播参与主体在不同的时间阶段、传播影响力以及传播内容等方面的不同特征分析，进行可视化和总结疫情事件中社交网络信息传播时各个参与主体的特征分布规律，从而帮助舆情监管部门更好地进行信息传播的引导。

3 数据源选择及处理

3.1 事件概况

搭载近3700 名乘客的 “钻石公主号” 邮轮在旅行途中受到新冠肺炎疫情的影响，于2020 年2 月5日被日本厚生劳动省要求全体在船人员开始为期14天的隔离。在隔离期间， “钻石公主号” 邮轮上的新冠肺炎感染人数不断增加。2020 年2 月19 日至2月21 日，982 名人员检测结果呈阴性、没有症状的乘客结束隔离期被允许下船[34]。由于邮轮上的乘客分别来自中国、日本、英国、美国等多个国家和地区，自 “钻石公主号” 邮轮出现感染病例开始隔离以来受到了国际社会的广泛关注，在社交网络中掀起了舆论的狂潮。从事件发展趋势可以看出（表1和图2），事件的关注度随时间推移不断增长，2 月12 日前发展较为平缓，此后舆情信息开始快速爆发并于2 月19 日达到峰值，最后该话题热度有所下降，但又因邮轮23 名下船者未经病毒检测再次被公众热议。

表1 “钻石公主号” 邮轮事件概况

图2 “钻石公主号” 邮轮舆情指数趋势图[35]

3.2 数据分析方法

由于三类主体的讨论量存在数量级上的差异，在对主体参与时间分布进行可视化前，需要对原始数据进行处理，以缩小各主体间的量纲和数量级差异，便于对主体间的差异进行比较和分析[36]。log函数标准化方法是常见的数据标准化方法之一，具体公式分析方法为

其中，Y为样本标准化后的值；X为样本原始值；MAX 为样本数据最大值[28]。

本文从主体的博文阅读量、粉丝量两个主体基本属性入手，计算传播网络中主体间边的权重。由于不同主体之间在粉丝量、阅读量上的差异巨大，因此，本文选取对数归一化的方法对上述两个基本属性进行处理，降低数据的跨度。权重的计算公式为：

其中，Wi为主体i边的权重；Ri为主体i的博文阅读量；Rmax为主体阅读量的最大值；Fi为主体i的粉丝量；Fmax为主体粉丝量的最大值。

3.3 数据采集

根据新浪微博官方统计数据显示，微博连续三年用户增长量超过7000 万，垂直领域数量达到60个，月阅读量过百亿的领域达到32 个，目前已成为国内主流的社交平台之一[37]。因此，本文选取新浪微博作为数据采集来源，通过火车头采集器爬取平台中包含#钻石公主号邮轮#话题下的微博数据，数据采集的时间范围从2020 年2 月5 日至2 月26日，爬取的数据信息包括用户账号（ID）、昵称、时间和文本内容。本次共采集到数据32229 条，通过Microsoft Office Access、Microsoft Excel 等进行数据删选、查找、排序、去重等预处理，使用软件的排序、查找、函数等功能，筛选并删除数据中的缺失值、网址链接、空字符串、重复字段、表情符号以及乱码数据，最终筛选到数据21082 条。本文利用NOSQL 图形数据库Neo4j 和数据可视化与服务平台镝数[38]等工具对事件予以可视化呈现。

4 数据结果

4.1 主体信息传播时间

本文对三类主体在不同时间的讨论数量进行标准化后，得到不同传播主体参与时间分布图（图3）。在图3 中，横轴表示主体的参与时间，纵轴表示标准化后的主体讨论量。其中，左侧纵轴代表主体的讨论量，对应图中的柱状图形；右侧纵轴代表主体的累计讨论量，是每个时间点三类主体的讨论量汇总，对应图中的折线图形。由数据分析结果可知，传播主体的参与并不是不间断地贯穿整个事件过程之中，不同主体的参与时间存在差异。网络官媒主体的参与时间相对较为连贯，主体参与度较高， “断层” 的次数较少，时间较短。网络自媒的参与时间呈现阶段性集中的特点， “断层” 时间间隔较长，在2 月5 日至7 日以及2 月19 日至23 日这两个时间段内较为集中。由于网民群体的特殊性，其参与相对另外两种主体来说是最为连贯的，仅在2 月13 日至17 日出现密度较低的情况。此外，普通网民参与存在时滞性，2 月23 日以后 “钻石公主号” 邮轮事件已经趋向结束，其他两类主体的参与也已基本结束，但是普通网民主体依旧在参与讨论。

图3 新冠肺炎疫情 “钻石公主号” 邮轮舆情信息传播主体参与时间分布

4.2 主体信息传播影响力

本文利用加权PageRank 算法计算得到各类型传播主体的影响力，并绘制图4。图4 中不同颜色的圆形气泡代表该信息传播主体在不同时间的影响力，气泡大小代表影响力的大小， “Total” 代表主体在整个事件期间的总体影响力。数据结果表明，传播主体的影响力不是持续不断，而是在疫情事件整体发展的周期内出现多个波动，并随着时间动态变化。同时，信息传播主体的影响力在疫情事件周期内存在波动，影响力较大的用户并非在每个时间节点的影响力都很大，如网络官媒中的 “人民网” 和 “澎湃新闻” 、网络自媒中 “科技阿呆” 和 “英国报姐” 等。在此话题舆情事件中，有的信息传播主体在事件传播周期内始终保持着较高的活跃度和显著影响力，如 “梨视频” “小野妹子学吐槽” 等主体。

由图5 可知，网络官媒的总体影响力最高，网络自媒相对影响力第二。两类主体中排名第一和排名最后的节点影响力差距显著。网络官媒中PageR‐ank 值排前三位的有 “梨视频（2016.99）” “人民网（421.76）” 和 “环球时报（170.45）” ；网络自媒中影响力排在前三位的有 “帝吧官微（471.63）” “小野妹子学吐槽（285.18）” 和 “日本流行每日速报（62.84）” 。

结合运用Neo4j 绘制的传播主体影响力关系可视化图谱（图6）分析后发现，网络官媒和网络自媒对普通网民的影响最为显著，但是从可视化关系图谱分析中发现这两类主体彼此之间相对影响较小。网络官媒的影响范围存在明显重叠，如 “央视新闻” 和 “微博日本” 之间、 “新京报” 和 “新京报我们视频” 之间、以及 “梨视频” 和 “头条新闻” 之间存在许多交叉节点。网络自媒的影响范围边界较为清晰，各个自媒体在影响范围内基本不存在较大面积的交叉节点；网络官媒和网络自媒间影响范围边界较为清晰，基本不存在明显重合区域。

4.3 主体信息传播发布内容

根据新冠肺炎疫情 “钻石公主号” 邮轮舆情事件信息传播主体发布的信息内容，构建高频词共现网络，如图7 所示。通过Cypher 语言调用Louvain算法得到不同主体高频词共现网络分区结果如表2所示。从信息内容和分区结果看，网络官媒和网络自媒信息发布内容相对较为集中，高频关键词基本都是 “钻石公主号” “日本” “新冠肺炎” 等直接反应事件主题的词语。相对而言，普通网民主体与另外两类主体则差异较大，共现网络分区结果数量明显高于另外两类主体，信息内容分布较为零散，涉及范围较广，与事件主题相关的词少见，多为网民关于事件的评论、事件产生的影响以及一些带有情感色彩的词语，如 “恐怖” “严重” 等。

图4 新冠肺炎疫情"钻石公主号邮轮"舆情主体影响力图(彩图请见http://qbxb.istic.ac.cn/CN/volumn/home.shtml)

图5 网络官媒和网络自媒总体影响力(彩图请见http://qbxb.istic.ac.cn/CN/volumn/home.shtml)

在对各疫情事件信息传播主体的发布文本进行数据处理的过程中，本文发现网络官媒和网络自媒这两类主体在发帖时通常有提及其他主体的情况。为了更加清晰地了解两类主体在此方面的特征，本文将两类主体相互之间的关注关系和提及关系以可视化图谱的方式进行呈现，如图8 所示。数据可视化分析结果表明，网络官媒之间的灰色线条（即关注关系）较为密集，并且官媒之间的提及关系（如红色线条）也相对较多，如 “新浪新闻” 提及 “观察者网” “人民网” 提及 “人民日报” “环球时报” 提及 “央视新闻” 等。这一数据结果表明，网络官媒之间存在明显的媒体协同效应。与此相反，网络自媒之间的关注关系相对较为稀疏，甚至有像 “九卦_” 这样与其他任何自媒和任何官媒都无关注关系和提及关系的节点存在。同时，提及关系只存在于网络官媒和网络自媒之间，如 “小野妹子学吐槽” 在推文中提及了 “微博日本” ，而各个自媒主体之间的提及关系却相对较为罕见。

图6 新冠肺炎疫情 “钻石公主号” 邮轮信息传播主体影响关系图谱

5 讨论与分析

5.1 信息传播主体参与时间特征

不同信息传播主体在参与时间和参与密度上存在差异，且该差异与主体类型有关。网络官媒多属于主流媒体，占有绝对话语权，是新冠肺炎疫情期间权威信息的主要输出口[39]。在 “钻石公主号” 邮轮疫情事件爆发和发展过程中，网络官媒起到了信息发布和新闻更新等作用，参与时间与事件的发展阶段密切相关。网络自媒是在网络中具有大影响力的公众人物，属于个人用户，其影响辐射的用户群体范围和类型存在一定的局限，多通过立场鲜明的言论来增加自身的曝光度和舆论热度。网络自媒在一定程度上并不担当权威信息源的角色，故参与时间主要集中在事件热度较高的时段。由于 “钻石公主号” 邮轮疫情事件的特殊性，网民群体的信息主要来源于官方报道，其参与多依靠媒体或其他用户的引导[40]，故在另外两种主体参与密集的时段，网民参与也同步密集。由于信息传播的时间差，当其他主体参与结束后，依旧有网民群体刚刚加入或继续讨论此舆情事件。

图7 新冠肺炎疫情 “钻石公主号” 邮轮信息传播主体发布内容对比

表2 高频词共现网络Louvain分区结果

在社交网络的传播中，突发公共卫生事件在很大程度上属于群体信息传播活动，对形成的舆情管控需要多个机构和组织之间的相互协同和引导。已有研究表明，只有当媒体的协同合作达到某种级别、能够满足信息同步需求时，事后管理的效能和信息流通性才会得到提高[41]。因此，针对此次全球范围内爆发的新冠肺炎疫情事件的舆情引导及管控，需要网络官媒主体充分发挥主流媒体在信息获取时间上的优势，第一时间迅速发布有关疫情的最新形势信息，以提高公众对疫情事件态势发展的正确认识。对于网络自媒来说，曝光度和热度需求是自媒体在社交网络中生存的根本，但作为公众人物，在此次疫情事件发展过程中，更应该注重自身的社会责任感和发挥传播正能量的引导作用，发挥意见领袖的积极作用，在疫情生命周期内持续关注事件发展，做到不煽动、不造谣和不传谣，通过正能量、积极乐观的立场和态度引导公众。对于疫情期间的信息传播时间差，则需要社交网络服务提供商和通信部门加强密切合作，提高网络传播速度、改进信息推荐算法、合理划分信息流通的优先等级，保障疫情信息传播的时效性。

图8 新冠肺炎疫情 “钻石公主号” 邮轮传播主体关系可视化图谱(彩图请见http://qbxb.istic.ac.cn/CN/volumn/home.shtml)

5.2 信息传播主体影响力特征

信息传播主体的影响力随时间发展不断进行动态演变，且传播主体的影响力具有一定的累积效应。社交网络信息传播中，t时刻网络状态会受到t-1 时刻网络状态的影响，因而用户节点的影响力特征在时间上也是动态变化的[42]。由于新冠肺炎疫情事件的特殊性，大部分公众缺乏事件相关的专业信息和知识，在事件发生时往往处于较为被动的位置，需要通过主流媒体及时了解准确信息。网络官媒是某些机构或组织的官方账号。在新冠肺炎疫情事件中，这类主体往往代表某一机构或组织发声，其立场中立、态度客观、信息权威，具有较强的公信力，在影响多种受众方面可能更具有优势，故受众间存在交叉的情况较多，辐射影响的受众范围也相对较广[43]。网络自媒由于主张各异，其吸引的受众类型也差异较大。

在此次新冠肺炎疫情信息传播中，网络官媒拥有绝对的话语权和广泛的粉丝基础，在信息传播过程中，其担负着信息生成、加工和传递的角色。一方面，相对于其他信息传播主体，网络官媒影响力更具优势，能够承担陈述正面事实、引领舆论导向的重任，是此次新冠肺炎疫情信息传播的重要和主要渠道；另一方面，网络自媒以鲜明的立场、批判的态度和个性的言论吸引了大批公众，粉丝类型也较为多样，且互动关系良好。在整个新冠肺炎疫情事件不同信息的传播过程中，网络自媒可将信息扩散至其粉丝群体，并利用良好的互动基础形成与粉丝的互动交流，便于影响辐射到更多的公众。在此次全球新冠肺炎突发疫情事件的信息传播中，形成了以网络官媒为中心、网络自媒为辅助的多层级信息传播和扩散网络。不应仅将各传播主体视为信息传播网络中的节点，更应关注和促成各个节点间的协作和沟通关系，形成一种多点触发的信息传播态势，从而扩展网络信息影响范围。同时，将社交媒体平台看作信息扩散网络的 “培养皿” 和 “加油站” ，除了在事件管理期间增加上述主体的浏览量和曝光度，还应积极利用大数据和人工智能，改进用户推荐和关联算法等，在主体粉丝之间形成重叠社群，从而提高主体的影响力。

5.3 信息传播主体发布内容特征

研究结果表明，新冠肺炎疫情期间，信息传播主体发布内容既存在相同点也存在较大的差异。整体来看，新冠肺炎疫情期间，不同信息传播主体之间的协同合作有待进一步加强。网络官媒和网络自媒的发布内容均呈现出一定的集中化和主题明确化的特征。其中，网络官媒以陈述客观事实为主；而自媒通常夹杂着带有个人情感色彩的词语，以个人立场对疫情事件的发展进行转述和评论。普通网民主体传播信息内容的类型则呈分散趋势，涉及多个领域，具有碎片化和零散化的特征。相关研究表明，社交媒体中的发帖主题会影响用户的交互行为，导致不同的信息传播方式和传播结果[30]，因此，网络官媒和网络自媒在发布内容时均具有一定的主题鲜明和紧扣事件要点的特征。由于普通网民信息素养、教育背景、生活经历和居住地域等差异，导致其在新冠肺炎疫情期间不同用户关注主题内容的差异性较大。

新冠肺炎疫情期间，针对不同信息传播主体应采取不同的信息传播管理策略。网络官媒信息传播主体应该致力于为公众提供主题明确和真实可靠的信息，如疫情事件的进展和应对措施等，必要时可以在帖子中加入话题标签、图片、视频和超链接等内容，从而使信息内容的表达更加多元化，增强新冠肺炎疫情信息的易读性，并快速吸引众多用户。由于网络自媒主体与其粉丝之间有着更为牢固的社会联系，在疫情信息发布高峰时期可以考虑将网络自媒用户加入，以加快正能量和真实信息的传播过程，促进公众的深度参与，提升信息传播效果。对于网络自媒主体，在信息发布内容上除了坚持以客观事实为依据，可以适当加入自己的立场和态度、批判和辩证地讨论疫情事件，并将相关真实信息传达给公众，同时，也促进其他普通网民的深度参与。

6 研究结论

在理论层面，本文对新冠肺炎事件信息传播主体的特征进行分析，构建了新冠肺炎期间信息传播主体传播内容分析方法和主题特征分析过程模型。从信息传播主体参与时间特征、信息传播主体影响力特征和信息传播主体发布内容特征三个方面展开分析，为新冠肺炎疫情期间的信息传播管控提供理论方面的指导。在实践层面，结合全球新冠肺炎期间公众关注的 “钻石公主号” 邮轮事件作为话题研究对象，本文对该话题的信息传播主体时间特征、影响力特征和信息发布内容特征进行分析，运用镝数和Neo4j 等不同可视化工具进行分析，并结合数据分析结果对新冠肺炎期间信息传播主体的舆情管控提出相关建议，为有关部门新冠肺炎疫情期间的信息传播管控提供一定的参考和借鉴。

另外，本文在研究中也存在一定的局限性：数据来源相对较为单一，仅从微博平台获取了相关数据，未考虑当下流行的短视频平台中信息传播主体的信息特征；在疫情期间选择的信息传播话题也相对较为单一。在后续的研究中，本研究组将关注多种社交网络平台和多话题下信息主体特征的对比分析，以期对国家突发公共卫生事件的舆情管控提供参考。