重大突发事件网络舆情演化研究

周瑛　严林志

关键词：重大突发事件；信息生态学理论；协同作用

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2023）14-0073-03

0 引言

伴随着全球信息化的迅速发展以及互联网的快速普及，人们生活中也随之产生了许多网络舆论问题。当重大突发事件发生时，信息爆炸、信息污染和信息侵犯等现象在网络中开始频繁出现，导致社会信息生态系统受到了很大的影响，从而易引发负面舆论。研究重大突发事件网络舆情演化规律和潜在风险，对相关部门及政府正确引导公众舆论具有重大意义。

目前与本文相关的研究主要有两个部分：一个部分是信息生态学理论研究，主要包括对信息生态因子要素进行分类[1]、利用生态学的观点和方法对信息生态中的各项资源进行合理配置[2]、运用信息生态学理论构建评价指标体系研究网络舆情预警[3]。另一个部分是网络舆情演化分析，主要体现在舆情演化周期、演化主体、演化特征等方面。有学者将网络舆情生命周期划分为四个阶段[4] 或五个阶段[5]，认为舆情的主体包括网民、政府、网络媒体、专家、公众[6]，并认为意见领袖对于网络舆情具有重要的引导作用[7]；也有一些学者从语义分析[8]、传播周期[9] 、情感分类[10]等多元角度来分析网络舆情演化特征。

上述研究已有学者将信息生态学理论运用到网络舆情演化分析中，但大多数研究都偏向于定性研究，在定量研究方面有待深入；也有学者对网络舆情进行情感演化、主题挖掘等分析，但分析维度较单一，研究理论视角有进一步拓宽的空间。基于此，本文在信息生态学理论的基础上构建重大突发事件网络舆情演化分析模型，进一步探索舆情生态系统中生态要素间的协同作用，精准剖析舆情在生命周期内情感的演变规律及潜在风险，为政府正确治理舆情提供参考性建议。

1 重大突发事件网络舆情演化分析模型

信息生态学将自然生态概念引入信息学科，是一门研究信息规律的科学，强调信息生态各要素间协调发展[11]。目前信息生态学理论研究共有三种学说，包括信息人和信息环境二要素学说[12]；信息、信息人及信息環境三要素学说[13]；信息、信息人、信息环境及信息技术四要素学说[14]，而信息生态系统主要是“信息—信息人—信息环境”间相互影响和相互作用的有机整体[15]。所以本文基于信息生态系统中的信息、信息人、信息环境三要素展开研究。

网络舆情演化是一个变化过程，在特定时空范围内，网络舆情客体、网络舆情主体以及网络舆情环境在热点话题事件中协同作用、相互影响，而信息生态系统强调信息生态平衡，即信息、信息人与信息环境三个要素相互协调、相互适应、相互匹配，所以信息生态系统的相关理论可以为网络舆情演化分析提供研究思路。本文从信息、信息人和信息环境三类要素层面出发，构建了重大突发事件网络舆情演化分析模型。在信息层面进行LDA主题分析[16]；信息人层面进行意见领袖综合分析；信息环境层面进行情感演化分析，模型如图1所示。

2 实证研究

2.1 数据来源

本文利用Python爬取“7·20河南暴雨”事件的微博数据，包括用户信息、评论内容、评论时间等字段，通过jieba分词对数据清洗，去除重复项、缺失项或者含有特殊符号的无效数据后，剩余20568条。

2.2信息层面分析

在信息层面，对事件内容进行周期划分，并通过LDA主题模型分析各个主题间的聚类关系，挖掘舆情事件的关键词及主题内容。重大突发事件网络舆论在微博平台具有明显的阶段特征，为了凸显各个阶段用户的情感变化特征，本文结合“7·20河南暴雨”事件在微博平台传播量的变化趋势，将“7·20河南暴雨”舆情事件的生命周期划分为潜伏期、爆发期、衰退期、消亡期四个阶段。潜伏期为2021年7月19日至2021年7月20日，爆发期为2021年7月21日至2021年7月22 日，衰退期为2021年7月23日至2021年7月27日，消亡期为2021年7月28日至2021年8月2日。在潜伏期，传播量较小且趋势不明显；在爆发期，随着事件以爆炸式速度传播，每小时传播量最高可达近一万条；在衰退期，传播量逐渐下降，到消亡期，传播趋势逐渐缓和直至事件消亡。然后，利用LDA（Latent DirichletAllocation）主题模型对文本进行主题分析，进一步准确、清晰、深入地挖掘主题中潜藏的信息。利用gen?sim包对主题进行挖掘，并根据困惑度计算出最优主题数，困惑度越低，主题数为最优。困惑度计算公式见式1所示：

根据计算结果可知，最优主题数为5，具体的主题分布见表1所示。

从表1中可以看出，Topic1为物资援助，国家奋力救援以及全国人民的物资援助。Topic2为追责与修复公信力，国家对失职官员的追责以及自身的公信力修复。Topic3为抱怨及谩骂失职人员，网民对灾情开始出现抱怨的情绪，以及对失职人员的谩骂。Topic4为灾情祈祷，受灾难民以及全国人民都在祈祷灾情能够好转，希望可以渡过难关。Topic5为舆论爆发与媒体介入，随着灾情越发严重，多方媒体开始介入，有关灾情与官员的舆论在多个社交平台迅速爆发。

网民在潜伏期对舆情事件持有“祈祷”的态度，再到爆发期和衰退期进行“捐款”“援助”的积极动员，最后到消亡期对政府及相关部门治理工作的“追责”态度，符合生命周期理论。此外，舆情事件的主题聚类效果比较明显，通过困惑度分析找到了最优主题数，有“祈祷”“援助”类的积极主题，但也有“追责”“抱怨”“舆论爆发”等负面主题。

2.3 信息人层面分析

在信息人层面，进行意见领袖综合影响力分析，可以更好地发现舆情导向中的关键引导主体。本文参考文献[17]的微博意见领袖评估模型，结合转发数、评论数、点赞数和粉丝数4个指标数据来确定意见领袖影响力，4个指标的数据由X1、X2、X3、X4四个变量表示，四个变量的权重分别为w1、w2、w3、w4，其对应的参数值分别为0.25、0.25、0.125、0.375，影响力值S 的计算公式见式2所示：

S = w1 × X1 + w2 × X2 + w3 × X3 + w4 × X4（2）

本文根据粉丝数与意见领袖的综合指标S，运用Python中的Matplotlib库构建“7·20河南暴雨”事件的意见领袖影响力雷达图，如图2所示。

如图2，top10意见领袖中既有中央官方媒体，又有官方认证个人媒体，意见领袖综合影响力排名前三的依次是人民日报、央视网、新京报等权威媒体，其次是谢娜、何炅、胡锡进等个人媒体，说明在此次重大突发事件的整个舆论导向过程中，中央官方媒体对舆论引导占主导地位，其次是个人媒体，而地方政府媒体报道较少、受关注度较低。通过意见领袖分析，更加明确了事件舆情传播的核心领袖，所以政府要充分发挥核心领袖的引领作用，促进舆情正向发展。

2.4 信息环境层面分析

在信息环境层面，对整个舆情事件进行情感演化

分析，可以直观了解到整个生命周期中网民的情感态势及演变规律。用户情感的分类一般包括积极、中性、消极三类情感，或积极、消极两类情感[18]。本文运用Bi-LSTM模型[19]对文本进行情感演化分析，采用二分类法将情感类型分为积极和消极，并设定[0-0.5]区间的情感值为消极情绪，（0.5-1]区间的情感值为积极情绪。根据每个小时内的平均情感值，按照时间切片序列对情感趋势进行可视化，如图3所示。

从图3中可以看出网民整体情绪都比较积极，但是在事件的爆发期和消亡期部分网民出现消极的负面情绪，通过对数据深入挖掘发现，在爆发期，暴雨灾情开始波及其他市，许多网民开始出现焦虑状态；在衰退期，灾情逐渐被控制住，但是网民的焦虑状态仍未消除。通过情感趋势的可视化，可以直观反映网民在整个生命周期的情感态势，对舆情演化分析具有重大意义。

3 研究结论与建议

本文从信息生态学视角出发，构建了重大突发事件网络舆情演化分析模型，对“7·20河南暴雨”事件的信息、信息人及信息环境三个层面进行分析，得出以下结论：

1）通过对信息层面进行分析发现，此次事件舆情演化具有很强的动态性，随着事件的推移，在不同阶段关键词及主题也会随之变化。大部分主题都是关于灾情的祈祷和援助，但通过深度剖析发现，部分网民面对重大灾情出现了恐惧的负面情绪，如果政府不能把控好舆情的主题演化，很容易促使舆情再次发酵甚至产生次生舆情。

2）通过对信息人层面分析发现，舆情的核心引导主体是国家权威媒体以及明星等个人领袖，而地方政府媒体影响力较小。在整个舆情生命周期中，国家权威媒体都进行了跟进报道及必要的政府回应，明星等个人领袖在灾情期间对网民进行了舆论正向引导且效果明显，尤其在舆情爆发期，谢娜、何炅等意见领袖极大程度扭转了舆情负向发展，而地方政府媒体在整个事件中报道较零碎且受关注度较低。

3）通过对信息环境层面分析发现，整个生命周期中，网民情感演化整体表现积极，但在爆发期和消亡期出现负面情绪极化现象，网民情绪波动呈现地域中心化，并向周边衰减，事发地及周边城市网民情绪波动较大，河南、山西、安徽地区的网民情绪较为消极，其他地区的网民较为积极，但极易受到地域中心网民消极情绪的影响。

根据以上研究结论，提出以下建议：

1）加强舆情事件各阶段的治理措施。如在潜伏期，加强舆情监管与预警研判，抢占引导主动权；在爆发期，加强舆情引导与政府回应，以解决舆论核心诉求为主，及时做出相应的引导策略及安抚措施；在衰退期，加强舆情跟进与舆情评估，防止舆情反弹；在消亡期，加强舆情持续观察与公信力修复，防止危机死灰复燃及产生次生舆情，直至舆情彻底消亡。

2）充分发挥主流媒体的权威作用，加强地方政府媒体建设，如加强地方媒体与中央权威媒体协同报道。此外，需要从网络舆情源头发现意见领袖，加强对意见领袖的科学培养及引导，防止过度解读的“变质”信息及“虚假”信息被大范围传播，从而保证舆情正向发展。

3）把控整个舆情生命周期的情感演化趋势，重点将负向情感作为监测方向，及时发现并预测网民情感变化倾向，做好正向引导的准备，如政府回应、对负面情绪网民的安抚，从而营造健康“软环境”，做到信息、信息人与信息环境协同作用，相互影响，促使舆情朝着健康的方向发展。

4 结束语

本文构建的网络舆情演化分析模型可以深层次挖掘舆情演变规律及潜在风险，同时，可以很好地挖掘重大突发事件网络舆情生态系统中信息、信息人及信息环境三个要素间协同作用、相互影响。但是，重大突发事件网络舆情具有隐藏性、突发性、难以可预测性，所以在未来的研究中，笔者会更加完善演化模型、精确分析算法，运用本文未涉及的其他机器学习算法、深度学习算法进行主题、情感分析，增加分析精确度，从而更好地引導舆情向着健康方向发展。