情感驱动的社交网络用户内容创建及信息传播行为研究

杨永清　徐运成　樊治平等

关键词：社交网络；用户情感；内容创建；信息传播行为：文本分析

DOI：10.3969/j.issn.1008-0821.2023.07.015

[中图分类号]G206 [文献标识码]A [文章编号]1008-0821（2023）07-0162-16

当前，社交网络已成为信息传播的主流媒介之一，以微博、微信为代表的社交网络平台月活跃用户规模分别达到5.66亿及12.51亿，其社会影响力已经超越传统媒介。具有共同兴趣或目标的用户通过社交平台交流信息、表达意见、寻求情感支持，并与他人建立社会网络关系。用户基于自身信念、态度、意见、情感对某一话题进行发布、转发、评论等社交网络行为，促使舆情的产生与传播。鉴于社交网络平台具有参与性、开放性、对话性、社区性和连通性等特征，用户能够直接、即时地表达和分享他们的情感，导致社交网络言论中蕴含着丰富的情感特征.且与中性情感的信息相比，带有消极或积极情感的信息更容易被广泛传播。社交网络舆情主要由大量用户针对某话题的内容创建及信息传播行为驱动，而用户情感又在社交网络行为中起到推波助澜的作用，但这种作用尚未得到有效证实。

用户情感与社交网络行为密切相关。用户情感对社交网络采纳及使用行为影响的研究较为成熟，研究证实用户情感不仅对一般的社交网络的采纳行为及使用行为有显著影响，而且对某一具体平台，如Facebook的采纳及使用行为作用显著。此外，关于用户情感对群体互动行为及舆情演化影响的分析也较为深入，主题多集中在特定舆情事件视角下，对舆情演变时群体情感更迭、内容创建、信息传播及群体互动行为进行探讨。王晰巍等从舆情视角下发现群体用户的情感与内容创建、信息传播有相关关系；Zhang H L等发现公众心理压力指数变化趋势与群体互动行为形成的舆情演化趋势接近；Liu Y等发现负面情感演化规律与舆情影响力演化趋势相似；李旭光等发现用户情感对群体互动有促进作用。

既有文献对用户情感与社交网络采纳及使用、群体互动行为的关系分析较为全面，但鲜有从个体用户视角分析自身情感对内容创建及信息传播行为产生的影响；尽管有文献对文本主题情感极性与信息传播之间的关系进行了讨论，但并未阐明用户自身情感对内容创建及信息传播行为的影响机理，忽视了个体用户情感在其中的作用，也未证实情感改变所发挥的作用。为了弥补这方面研究的不足，本文提出以下研究问题：①社交网络用户情感如何影响内容创建及信息传播行为？②用户情感改变是否会对内容创建及信息传播行为产生影响，如何影响？

为了解决上述研究问题，本文基于情感响应模型、情绪即社会信息理论以及社会角色理论构建研究模型，从社交网络个体用户层面研究情感对内容创建及信息传播行为的影响机理。本文将进一步拓展社交网络行为理论，完善社交网络行为形成机理及舆情演化规律，同时也为相关研究提供新的視角。

1理论基础

1.1情感响应模型

情感响应模型（Affective Response Model，ARM）认为情感是决策和行为的关键因素。情感响应包括情感状态和情感评价两个要素，前者指人们在特定时间内的整体感觉状态，描述人们此刻的感受；后者侧重于评估或评价情感的质量，来确定情感的具体价值。本研究中，基于ARM将社交网络用户自身情感作为自变量，将情感状态分为负面情感和正面情感，情感评价即为用户正面情感或负面情感的情感值，通过文本分析计算用户发表的社交网络言论文本中所蕴含的情感。

1.2情绪即社会信息理论

情绪即社会信息理论（Emotion as Social Infor-mation Theory，EASI）认为情绪（情感）是一种社会信息，人们通过特定的社会信息表达自身情绪（情感），在社交活动中作用显著。人际交往中，个体在表达情绪（情感）的同时，也传递其认知，态度等信息。人们也有可能会因为情感的改变而使得本身的行为状态发生变化。基于EASI理论，社交网络用户将情感表达与观点看法交织在一起，强化了社会信息的传递，进而影响其社交网络行为。

1.3社会角色理论

社会角色理论（Social Role Theory，SRT）表明社会化演进导致了社会行为存在性别差异，所以男性用户与女性用户在社交平台上的情感表达及行为存在差异性。该理论表明，男性特征是更具能动性，即熟练性、工具性和竞争性，而女性特征是更具公共性，即友好性、合作性和情感表达性；男性主要关注结果，而女性更关注人际关系，女性更能适应以社会为导向的交流，并且更有可能利用这些交流来建立和维持这些关系。本研究基于SRT来探讨性别对用户情感与内容创建及信息传播行为之间关系的调节作用。

2研究模型与假设

2.1研究模型

基于ARM、EASI及SRT等理论构建情感影响社交网络行为的研究模型，将用户情感及情感改变作为解释变量，社交网络行为及行为变化作为被解释变量，用户性别及认证属性作为调节变量，用户社会活跃度作为控制变量如图1所示。

2.2用户情感与内容创建及信息传播行为

情感社会学理论表明，情感是影响人们行为的关键因素之一，例如，情感可显著影响人们的消费购买行为，消费者经历的正面情感越多，消费支出越多，电商直播观众的情感越高涨，其购买意愿越强烈。人们的社交行为通常也会受到情感因素的影响，无论正面情感还是负面情感都会影响社交行为，愈加强烈的情感会引发更多、更丰富的社交互动行为。情感响应模型也表明，情感会影响人们的在线社交行为，用户情感可激活在线社交行为，并通过社交网络将内在情感表现出来。由于社交网络平台的便捷性，在情感的作用下，用户更易产生内容创建、信息传播、社交互动等行为意向。

用户的很多社交网络行为源于情感需要或受情感驱动，社交网络用户经历正负情感时，会有比较强烈的分享需求，进而产生相应的社交网络行为，以持久体验正面情感或缓解负面情感，且行为可能会随着经历情感的增加而增加。当社交网络用户感到沮丧、焦虑不安时，会通过内容创建及信息传播行为来释放、缓解负面情感，以此在社交网络平台上寻求情感支持，并从行为中获得情感认同，负面情感越强烈的用户越有可能在社交网络发表或传播负面言论来减轻自身的负面情感。用户在社交网络中的自我呈现和自身正面情感呈显著正相关关系，当用户经历开心、兴奋、热情等正面情感时，由于情感上对行为的依赖，会倾向于通过社交活动增强与他人的互动，并以此建立与他人的联系，此时选择社交网络平台进行内容创建及信息传播行为的意愿更强烈。

据此推断，用户自身情感会影响其社交网络内容创建及信息传播行为，提出以下假设：

H1：用户负面情感（负值）对其社交网络内容创建及信息传播行为具有负向显著影响

H2：用户正面情感（正值）对其社交网络内容创建及信息传播行为具有正向显著影响

2.3情感改变与内容创建及信息传播行为变化

情感改变是指人们即时情感相较于平时稳定的情感发生的改变，情感的改变会导致人们行为变化，用户社交网络行为随着情感的改变而改变。有研究表明，投资者情感改变会对投资者决策和行为产生影响，消费者情感改变会显著影响消费者购买决策行为。同理，社交网络用户情感改变也会对其社交网络行为产生影响，有研究提到用户情感改变不仅会对其发帖频率产生影响，也会影响其转发行为，但并未对此进行证实。用户在使用社交网络过程中经历的正面情感较往常更多即正面情感改变较大时，由于情感的刺激，会创建或传播更多的内容来保持与他人良好的互动关系，以此将内在的情感改变，外向为社交网络行为的变化。用户当天负面情感较稳定情感变化较大时，会通过更多的内容创建及信息传播行为来缓和激增的负面情感。

据此推断，用户自身情感改变会对其社交网络内容创建及信息传播行为产生影响，由此提出以下假设：

H3：用户负面情感改变对其社交网络内容创建及信息传播行为变化具有正向显著影响

H4：用户正面情感改变对其社交网络内容创建及信息传播行为变化具有正向显著影响

2.4用户性别对情感与内容创建及信息传播行为关系的调节作用

用户的在线信息搜索、购物意图、情感及心理動态往往存在性别差异，也有研究证实性别在用户即时信息分享中起到调节作用。社交网络中，女性更情绪化，更倾向于与他人保持社交关系，倾向于更积极地参与讨论，且男性与女性在微博文本长度上有显著差异。基于以上分析及社会角色理论，女性用户在情感驱动下相比于男性用户更倾向于通过社交网络内容创建及信息传播行为将内在情感外化成行为来寻得情感支持。女性用户情感剧烈改变时，相比男性会发布、转发更多的帖子来表达自身感情，导致内容创建及信息传播行为有较大变化。因此，本研究认为男性用户与女性用户在社交网络平台上的情感表达与内容创建及信息传播行为均有显著差异。由此提出以下假设：

H5：用户性别对负面情感与社交网络内容创建及信息传播行为的关系有调节作用

H6：用户性别对正面情感与社交网络内容创建及信息传播行为的关系有调节作用

H7：用户性别对负面情感改变与社交网络内容创建及信息传播行为变化的关系有调节作用

H8：用户性别对正面情感改变与社交网络内容创建及信息传播行为变化的关系有调节作用

2.5用户认证属性对情感与内容创建及信息传播行为关系的调节作用

认证用户与非认证用户的社交网络行为具有显著差异，非认证用户在社交网络平台上发表非中性情感言论的概率高于认证用户，且其对同一事件所表达的情感强度高于认证用户。相比非认证用户，认证用户的微博转发行为明显较少，且认证用户的主题文本更容易被转发。相比认证用户，非认证用户由于网络的匿名性使其能够在社交网络平台随意产生内容创建及信息传播行为来表达、流露、甚至宣泄自身情感而不用承担舆论压力、政治后果，甚至法律责任，在情感驱动下会产生更多的社交网络行为。当用户自身情感发生改变时，非认证用户的社交网络内容创建及信息传播行为变化幅度相比认证用户更大。基于以上分析，认证用户相比非认证用户在社交网络平台上的情感表达与内容创建及信息传播行为均有显著差异。由此提出以下假设：

H9：用户认证属性对负面情感与社交网络内容创建及信息传播行为的关系有调节作用

H10：用户认证属性对正面情感与社交网络内容创建及信息传播行为的关系有调节作用

H11：用户认证属性对负面情感改变与社交网络内容创建及信息传播行为变化的关系有调节作用

H12：用户认证属性对正面情感改变与社交网络内容创建及信息传播行为变化的关系有调节作用

3研究方法

鉴于微博已成为当前使用最频繁的社交网络平台之一，由此使用微博用户社交行为数据来验证研究模型。首先从微博平台爬取用户信息及社交行为数据，然后基于文本分析对相关变量进行量化处理，通过描述性统计分析、相关性分析、多元回归分析等进行假设检验。

3.1研究数据与变量定义

鉴于微博社会生活频道的用户倾向于发表自身在生活、工作、学习中的真实事件或想法，较少对他人看法或舆情事件发表评价，其社交网络言论文本更能反映内心真实情感，因此本研究在微博社会生活频道中随机选取700名用户，剔除僵尸号、追星号、营销号、商业号、机构号等影响本研究的用户，剩余339名适合本研究的经常发布有效的社会生活内容的社交网络个体用户。运用Python爬取了339名个体用户2021年1月1日—2021年7月20日的微博数据，包括微博ID、文本内容、发布时间、点赞数、转发数、评论数等。共爬取553 899条有效微博文本，包含发布微博238 911条，转发微博314 988条，用户举例数据如表1所示。用发帖及转发频数、文本字数等多个指标对社交网络用户内容创建及信息传播行为进行量化，本研究不仅研究内容创建行为的数量，还研究内容创建行为的信息丰富度，变量及其定义如表2所示。

3.2文本情感计算

本研究运用情感词典计算文本具体情感值，包括正面情感值和负面情感值。综合知网词典How-Net、大连理工大学中文情感词汇本体库和清华大学中文褒贬义词典三大情感词典，构建正面情感词、负面情感词、停用词、否定词及程度副词库，词语库及其个数举例如表3所示。

为进一步分析用户情感，需定量分析每条文本的情感值。用户在发布网络文本过程中会同时使用正面情感词与负面情感词，若仅依靠关键词进行情感评价会存在偏差。因此，本研究在得到文本情感值的基础上，进一步将情感分为正面与负面，可以准确反映用户每次发布内容的整体情感值。

首先运用Python软件中的Jieba包对文本进行分词，将其分为单个词组，其次对词组的词性进行判断。将分成的词组与情感词典里的情感词进行匹配，当词组词性为正面情感时，文本情感值加1，当词组词性为负面情感时，文本情感值减1。词组前面有程度副词修饰时，将该词组的情感值乘以程度副词对应的程度权重P_i。当有与情感词相关的否定词出现时，要对情感词的词语情感值乘上负1，当与情感词语相关的其他词语没有情感属性时，情感值加0。基于上述规则对文本情感进行量化，计算文本情感得分。不同程度副词的权重P_i设置如表4所示。现对一些文本进行情感计算，计算举例如表5所示。

4数据结果

4.1描述性统计分析

社交网络用户内容创建及信息传播行为的变量描述性统计如表6所示，用户负面情感最大值及最小值分别为－0.05和－122；用户正面情感最大值及最小值分别为633.8和0.04;用户关注数最小为5名，最大为5088名，用户粉丝数最小为2名，最大为242万名，用户使用时长最短为0年，最长为12年，3个指标都体现了用户活跃度差异较大。由此可见，研究选取的样本具有代表性。由于关注数（FO）及粉丝数（FOER）两变量与其他变量相比量级过大，因此后续研究中将两变量作取对数处理。

4.2相关性分析

用户社交网络内容创建行为主要变量之间的相关性系数如表7所示，除内容创建行为频数（ORI）与负面情感（NI），以及内容创建行为频数（ORI）与正面情感（PI）的相关性系数分别为0.665、0.667外，其余都小于0.6。此外，经过方差膨胀因子（VIF）检验，各变量的VIF值均介于1和10之间，表明本研究的变量之间不存在共线性问题，VIF值如表8所示。

用户社交网络信息传播行为主要变量之间的相关性系数如表9所示，除信息传播行为频数（RET）与正面情感（PI），以及负面情感（NI）与情感改变（ND）的相关性系数分别为0.654、0.788外，其余都小于0.6。此外，各变量的VIF值均介于1和10之间，表明信息传播行为的各变量间不存在共线性问题，VIF值如表10所示。

4.3多元回归分析

使用三阶段最小二乘法进行回归分析，计算主要分3步，以用户情感对社交网络内容创建及信息传播行为的影响为例，令：

BEH=[ORI，RET，CHA]^T（1）

其中，BEH为内容创建行为频数、信息传播行为频数及内容创建信息丰富度。

第1步（M1），只保留控制变量，检验控制变量与内容创建及信息传播行为之间的关系。第2步（M2），在控制变量基础上，加入自变量用户情感和调节变量用户性别及用户认证属性，均作为主效应，检验用户负面情感和正面情感对行为的影响。第3步（M3），在第2步的基础上，加入自变量与调节变量的交互项，验证用户性别及用户认证属性在内容创建及信息传播行为关系的调节效应。具体步骤为：

多元回归分析结果如表11和表12所示，检验了用户情感及情感改变对其社交网络内容创建及信息传播行为的影响、用户性别及用户认证属性对情感与社交网络行为之间关系的调节效应。

5讨论分析

本研究的回归分析结果汇总如表13所示，假设H1～H4、H6、H8～H10完全得到支持，假设H5、H7、H11及H12部分得到支持。分别从社交网络用户情感对内容创建及信息传播行为的影响、社交网络用户情感改变对内容创建及信息传播行为变化的影响两方面对结果进行讨论分析。

5.1用户情感对内容创建及信息传播行为的影响

回归结果表明，社交网絡用户情感对内容创建行为解释性最强，调整R²为0.8488，对信息传播行为及内容创建信息丰富度的解释能力接近，调整R²均超过0.65，如表11所示。

回归结果显示，假设Hl、H2得到支持，表明用户负面情感对其内容创建及信息传播行为具有显著负向影响、用户正面情感对其内容创建及信息传播行为具有显著正向影响，说明用户的情感越强烈、越极端，用户的内容创建及信息传播行为越频繁，且内容创建时信息越丰富。这是因为情感会激励人们与朋友、陌生人分享他们的经历和情感，强烈的情感会使得人们更频繁地分享事件来抒发感情。

假设H5、H6部分得到支持，表明在情感的影响下女性用户更倾向于进行内容创建行为将自身感情外化，且文本信息相较男性丰富，男性用户更倾向于进行信息传播行为外化自身感情，原因在于女性用户更情绪化，其比男性用户有更活跃的网络关系，且比男性用户更受欢迎，会倾向于创建内容来寻求情感支持，且信息较丰富。与此相反的是，男性由于其能动性，更倾向于通过信息传播来寻求情感支持。性别对负面情感与信息传播行为关系的调节不显著（c=-0. 0370.t=-1.291），表明男性、女性在同样负面情感下的信息传播行为没有明显差异。

假设H9、H10得到支持，表明非认证用户情感对内容创建及信息传播行为的影响均比认证用户强，相比非认证用户，认证用户会创建更丰富的信息来表达自身感情，原因在于网络的私密性使得非认证用户在表达自身感情时不受其他条件的约束，且非认证用户的匿名性使其能够在网络上随意宣泄自己的情感而不用承担舆论压力、政治后果，甚至法律责任。非认证用户不像认证用户那样倾向于发表中立、客观言论的长文本，其更倾向于创建及传播短文本内容来宣泄情感。

结果表明，用户负面情感对内容创建行为的影响强于正面情感，用户正面情感对信息传播行为的影响强于负面情感。表明用户在进行内容创建行为时更喜欢表达自己的负面情感，更倾向于通过原创社交网络言论文本信息来发泄负面情感；用户在进行信息传播行为时更喜欢表达自己的正面情感，更倾向于通过原创社交网络言论文本信息来表达自身欢喜的状态。

5.2用户情感改变对内容创建及信息传播行为变化的影响

回归结果显示，假设H3、H4得到支持，表明用户负面情感改变及正面情感改变均对其内容创建及信息传播行为变化产生显著正向影响，说明用户情感改变越剧烈，用户内容创建及信息传播行为变化越大，原因在于当用户负面情感改变越多，即用户当天负面情感相对于稳定的负面情感向更负面变化时，这意味着用户当天相比往常更容易感到悲伤和不安等情感，这会刺激用户当天发布或转发更多的帖子来抒发、缓解自己的负面情感55]，并且帖子里蕴含更多的情感词来体现用户的情感，使得发布的文本长度变化越大。同理，当用户正面情感改变越多，即用户当天正面情感相对于稳定的正面情感向更正面变化时，这意味着用户当天相比往常更容易感到快乐和开心等情感，这会刺激用户当天发布或转发更多的帖子来分享、展示自己的正面情感，并且帖子里蕴含更多的情感词来体现用户的情感，使得发布的文本长度变化越大。

假设H7、H8部分得到支持，表明女性情感改变对内容创建及信息传播频数的影响都较男性强，男性用户情感改变对内容创建丰富度的影响较女性强。男性和女性有不同的情感特征，女性用户情感改变越剧烈，越倾向于发布、转发帖子来表达自身感情，导致帖子数量较往常有显著增加。男性用户因为更加理性，当其情感发生剧烈改变时，会更倾向于增加所创建内容的文本信息丰富度，而不是增加创建内容数。性别对负面情感改变与内容创建行为信息丰富度变化关系的调节不显著（c=0.00609，f=0.802），表明男性、女性同样在负面情感改变下，其内容创建信息丰富度变化没有明显差异。

假设H11、H12部分得到支持，表明用户认证属性抑制情感改变对社交网络行为变化的促进作用，即非认证用户情感改变对社交网络行为变化的影响较认证用户强，原因在于非认证用户的匿名性使其受情感驱动时能在社交网络平台上随时随地进行内容创建及信息传播行为，当其情感发生改变时，其社交网络行为会随之发生变化，且变化幅度比认证用户大。认证属性对负面情感改变与内容创建频数变化关系的调节不显著（c=-0.00480，t=-0.342），表明认证用户、非认证用户同样在负面情感改变下，其内容创建频数变化没有明显差异；认证属性对正面情感改变与信息传播频数变化关系的调节不显著（c=-0.0187，t=-1.349），表明认证用户、非认证用户同样在正面情感改变下，其信息传播频数变化没有明显差异。

结果表明，用户正面情感改变对社交网络行为变化的影响强于负面情感，原因在于快节奏的生活中，人们更容易感到学习、工作、生活中的压力，更多地处在负面感情中，经常需要使用社交网络释放自身的“戾气”，故而负面情感都较为稳定，负面情感的改变对社交网络行为的影响弱于正面情感的改变。

6结论

本研究采用实证分析方法探讨社交网络用户情感如何影响内容创建及信息传播行为，通过爬取用户社交网络行为数据，分析其中的用户情感、内容创建及信息传播行为数据，运用回归分析对假设进行检验。研究不仅验证了用户情感对内容创建及信息传播行为的影响，而且检验了用户性别及认证属性的调节效应，深入分析了个体用户情感与社交网络内容创建及信息传播行为之间的复杂关系。结论表明：用户情感越强烈、越极端，用户内容创建及信息传播行为越频繁；用户情感改变越剧烈，用户内容创建及信息传播行为变化越大；女性用户更情绪化，更倾向于采取内容创建形式来表达情感，而男性用户更倾向于通过信息传播行为来表达情感；非认证用户较认证用户更倾向于通过短文本来表达情感，其情感及情感改变对社交网络其情感及情感改变对社交网络各行为的影响更大。

6.1理论贡献

在情感响应模型及社会角色理论的基础上，构建社交网络用户情感对内容创建及信息传播行为影响因素模型，从不同方面分析了社交网络内容创建及信息传播行为的影响因素，完善并丰富了用户情感影响社交网络行为的相关研究：采用实际数据证实社交网络用户情感与内容创建及信息传播行为的关系，克服了以往研究方法方面的局限性；检验了用户性别及认证属性的调节效应，用户情感与内容创建及信息传播行为之间的复杂关系得到更为全面的解释，为系统研究社交网络用户行为提供了新思路及理论参考。

6.2管理启示

本研究结论可为社交网络平台及舆情监管部门管理社交网络用户、治理社交网络舆情提供理论依据、决策支持及管理策略。

精准识别舆情中情绪化用户。舆情监管部门可根据情感极性及强度识别极端情感用户，动态调整舆情治理方案。社交网络平台及舆情监管部门可实时计算舆情传播中的文本信息所蕴含的用户情感极性及情感强度，根据情感极性及强度的变化实时调整舆情治理方案及强度，提高舆情管控效率。由于极端情感更容易在网上迅速传播，舆情监管部门要重点管理经常发表负面极端情感的用户，致力于营造清朗网络空间。

个性化引导舆情发展预期。基于情感倾向对社交网络用户细分，社交网络平台可根据情感及行为数据对用户进行定性标记，区分不同类型的用户，如易情绪化用户、较理性用户等，对不同用户推送不同的信息，制定精准治理策略，提供差异化服务。针对易情绪化用户，社交网络平台可增加中性情感信息的推送，降低推送极端负面事件的频率；针对较理性用户，社交网络平台可在其主页增加客观、中立、理性文本推送的次数。预测用户情感及行为。社交网络平台可以在此研究基础上设计出用户情感行为预测模型，根据用户历史情感、内容创建及信息传播行为数据快速预测出在舆情事件影响下用户的情感极性及产生的社交网络行为趋势。在此基础上，社交网络平台可大致预测舆情事件各阶段影响力，根据用户情感极性的变化来动态调整舆情信息管控策略及强度，加强舆情用户的情感极性治理效果。

基于用户情感加强舆情治理。当用户情感向负面极端变化时，社交网络平台可推送含有积极情感、弘扬主旋律的文本内容，以此中和情感极性，降低用户发表负面言论的概率，减轻平台治理压力。舆情监管部门应加强对负面情感用户的管理，当舆情事件发生时，舆情监管部门应立即对此类用户社交网络行为进行跟踪，并分析其所发表的文本中蕴含的用户自身情感.若此类用户根据历史习惯发表负面或有害信息，则舆情监管部门需要及时做出应对措施控制负面或有害信息的传播。加强正面情感用户的推荐及流量引导，社交网络平台加强对舆情信息的管理，筛选不同文本信息，优先传播高质量文本内容，避免舆情发展陷入低质量内容一大量社交网络用户—消极或有害信息大量扩散的恶性循环。根据用户历史情感、社交网络行为及数据对用户进行标签化分级管理，增加舆情发展中文本内容质量高、情感积极正面的用户的推荐及相关流量引导，打造健康网络环境。例如在“丰县生育八孩女子事件”舆情事件中，不全面、偏颇信息首先出现在网络上，导致网民产生大量负面、消极的情感，助推舆情迅速发展。舆情管理部门应及时对用户情感进行分析，关注带有极端情感的用户，跟踪该类用户的情感状态的改变，提取关键信息，为舆情的进一步治理提供依据。官方用户应精准推送更加正面且全面的内容，对该类用户的认知及观点进行正向引导，从而避免舆情愈演愈烈。

6.3研究局限

本研究也存在一定的局限性。首先，仅考虑了用户社交网络内容创建行为及信息传播行为，未来可研究用户浏览、搜索、评论等行为；其次，只选取微博平台对研究模型进行验证，未来可选取微信、抖音、Twitter等其他社交网络平台数据对研究模型进一步验证；第三，本研究爬取用户半年多的社交网络数据对假设进行检验，未来可扩大爬取用户数据的时间跨度及样本量，且可考虑研究突发事件下用户情感变化对其社交网络行为的影响；最后，本研究只对社交网络言论文本进行情感分析，未来还将分析用戶所发表情包里蕴含的情感，进一步丰富用户情感特征。