我国社交网络舆情研究的热点与趋势——基于CiteSpace的可视化分析

李晓，徐晓雨

（首都师范大学管理学院，北京 100048）

0 引言

随着互联网的发展和移动终端的普及，我国社交网络蓬勃发展。社交网络成为互联网用户获取信息、表达情感、传播观点的主要场所，自由表达的平台环境使人们不再是单纯的信息接纳者，同时也是信息的发布者和传播者。快速且广泛的传播特点使社交网络逐步成为网络舆论传播和扩散的一个重要平台，对政治和社会生活的影响日益显现。因此，分析社交网络中的舆情传播过程，加强对社交网络舆情的监管、分析和预警成为我国学术界、各大企业和监管部门关注的一个新课题。近年来，国内外学者对网络舆情开展了相关研究。兰新月等[1]构建了大数据背景下，微博社交媒体中舆情信息交互模型，为政府应对微博等网络媒体中的复杂舆情提供帮助。谭坤彦等[2]梳理了国内外基于神经网络技术的情感分析模型，对舆情情感分析进行了综述。王晰巍等[3]运用知识图谱相关方法，对社交媒体环境下网络谣言的研究动态开展了研究。从现有研究综述来看，学者针对社交网络环境下的舆情分析相对较少，且针对近5年的社交网络舆情的研究综述相对较少。

本文利用文献计量法，运用CiteSpace 软件，选择中国学术网络出版总库—中国知网CNKI期刊全文数据库作为数据来源，针对大量的文献数据开展可视化分析，从文献时间、文献作者与机构、文献主题等角度，分析我国社交网络舆情的研究热点及前沿趋势，为社交网络舆情的后续研究提供参考，具有重要的理论价值及现实意义。

1 数据来源与研究方法

本文选择中国学术网络出版总库—中国知网CNKI 期刊全文数据库作为数据来源，来源类别为“CSSCI”和“核心期刊”来源期刊，经人工筛选后，得到2011-2022年的767篇有效文献。本文利用CiteSpace软件，针对社交网络舆情研究开展可视化分析。CiteSpace是陈超美教授基于科学计量学、数据和信息可视化的引文分析理论，用以挖掘文献数据中隐藏的潜在知识[4]。本文运用计量分析方法，基于CiteSpace的共词分析与聚类分析，从发文时间、机构及作者合作、关键词共现、关键词聚类及研究前沿分析社交网络舆情的研究热点和前沿趋势。

2 实验设计与结果分析

2.1 文献时间分布

借助科研文献时间分布能发现当前社交网络舆情研究情况与时间变化的关系，进而了解当前研究领域的发展情况与未来发展趋势。图1 为社交网络舆情研究年度发文趋势图，由图1可知，社交网络舆情研究的发文量在2011-2022 年整体呈上升趋势，并在2016-2017 年、2020-2022 年，发文量有明显上升，其他年份增长相对平缓。2016-2017 年，社交网络中一系列社会事件爆发，“魏则西事件”“红黄蓝幼儿园”“江歌案”等在各大社交媒体中引起用户广泛讨论，媒体、社会组织、境外势力对舆情的影响力都在不断增强。2020-2022年发文数量有明显增长，这与2019年末的突发公共卫生事件相关，微博、微信等社交网络平台以其庞大的用户量成为疫情动态的传播平台，为了应对此类突发事件对社交网络舆情的不良影响，越来越多的学者展开了相关研究[5]。

图1 社交网络舆情研究年度发文趋势图

2.2 文献研究机构与作者合作网络

图2 为我国社交网络舆情研究机构合作网络，由图可以看出，武汉大学信息管理学院与中国科学院大学公共政策管理学院、吉林大学管理学院与吉林大学大数据管理研究中心、北京师范大学新闻传播学院与中国人民大学新闻与社会发展研究中心形成了研究合作团体。但该领域研究中各研究机构间的合作还需加强。图3为社交网络舆情研究作者合作网络图，可以看出，我国社交网络舆情研究部分作者形成了合作网络，例如，以王晰巍[3]、王家坤[6]、贾若男[7]、刘亚州[8]等为中心的合作网络，但其他作者连接相对松散，学术交流不足，未能形成成熟的学术研究共同体，研究作者间的合作也需加强。

图2 社交网络舆情研究机构合作网络图

2.3 关键词共现分析

本文将近十年我国社交网络舆情的研究划分为三个阶段：2012—2015年（平稳期）、2016—2019年（上升期）、2020—2022年（爆发期），三个不同时期的关键词演变如表1所示。

表1 2012—2022年我国社交网络舆情研究高频关键词

2012-2015年阶段，“微博”“政务微博”“移动社交网络”“信息传播”等高频关键词表明我国学者的研究重点主要集中于微博、政务微博、移动社交网络以及复杂网络中的舆情。2012年移动互联网爆发式发展，学者们提出各大主流媒体与政府机构应当合理运用移动互联网的普及发展电子政务，实现政务微博和网络问政新阶段，在微博全民化的驱使下，各大政府部门应顺应时代发展之举开设官方微博，促进公众参与政治事务。此外，“谣言传播”“大数据”“传播模型”“仿真”“舆情传播”“网络舆论”“舆论引导”也是学者研究的高频关键词。

2016—2019 年阶段，“突发事件”“网络谣言”“SIR模型”“无标度网络”等高频关键词表明学者开始关注在线社交网络中的突发事件及网络谣言研究。2016年起，以“papi酱”为代表的自媒体受到资本市场的高度关注，“意见领袖”在社交网络中的舆论影响力逐步扩大。2018 年，“机器学习”高频关键词也显示学者开始使用卷积神经网络等机器学习相关新兴技术对社交网络舆情开展研究。“舆情治理”高频关键词表明，研究者针对社交网络舆情研究的重点转向舆情的引导与治理策略。总体而言，随着机器学习技术的变革，在该阶段，社交网络舆情研究较上一阶段有了快速的发展，相关研究技术和方法更加丰富。2020—2022年阶段，“突发公共卫生事件”首次出现，成为新的高频关键词。2019 年末，在重大突发卫生事件时期，社交媒体的利用率快速提升，成为疫情动态等信息的重要传播平台，各类“假消息”“假新闻”也随之快速产生与传播。学者对网络舆论进行了成因、演化特征和应对策略的研究。“情感分析”“情感演化”等高频关键词，表明研究者关注社交网络中的情感态势及态势演变。“知识图谱”“深度学习”“区块链”等高频关键词，表明学者们利用人工智能对社交网络舆情开展研究。

2.4 关键词聚类分析

在关键词共现图的基础上进行关键词聚类，可进一步探究我国社交网络舆情研究的热点主题。本文利用CiteSpace进行关键词聚类，探究我国社交网络舆情研究的热点主题。图4为我国社交网络舆情研究关键词聚类共现网络图。根据图4，目前社交网络舆情研究主要集中在“舆情传播”“科学传播”“网络谣言”“虚假信息”“大数据”“社会化媒体”。

图4 社交网络舆情关键词聚类共现网络图

3 研究热点与研究趋势

3.1 研究热点

根据CiteSpace的关键词共现分析、关键词聚类分析，将我国社交网络舆情研究归纳为8个知识领域。

1)社交网络舆情传播研究

随着移动互联网的发展及移动终端的普及，社交网络已成为用户发表观点的重要平台，大量用户的观点聚集传播形成网络舆情。社交网络舆情传播研究主要探究舆情在社交网络中的科学传播规律，通过构建舆情传播模型，例如SIR模型，分析多种因素影响的舆情动态传播过程，促进正面舆情与抑制负面舆情传播。社交网络舆情传播研究对谣言传播分析、舆情引导与控制及维护社会稳定等方面具有重要意义。

2)社交网络舆情引导与治理研究

随着社交网络成为舆情传播的重要平台，社交网络中的舆情引导与治理成为重要的研究热点。构建社交网络舆情监测体系，完善社交网络舆情引导与治理政策体系，提升社交网络舆情治理的法治理念，实现舆情管理机制升级，提升政府的舆情治理能力，维护社会稳定。

3)社交网络谣言研究

社交网络中的谣言传播对国家安全和社会稳定造成一定的风险。探究谣言在社交网络中的传播规律，快速检测及发现社交网络中的虚假信息，追溯谣言的源头，加强谣言的协同治理，快速阻断谣言的传播是社交网络舆情管控的有效手段。

4)社交网络突发事件研究

近年来，社交网络平台在突发事件的情绪传播及舆论传播中发挥重要作用，社交网络中的突发事件能够影响用户的认知。突发事件识别、动态监测、态势感知、扩散与控制成为社交网络突发事件研究的热点。

5)社交网络情感分析与情感演化研究

社交网络情感分析与情感演化研究利用用户在社交网络中的观点，构建基于文本分析、LDA、机器学习、卷积神经网络、LSTM等深度学习技术的情感分析方法，实时分析用户的情感、传播过程及演化动态，预测民众情感的发展趋势，构建社交网络情感图谱，有助于政府实时掌握民众的情感倾向，为突发事件的应急管理带来便利。

6)大数据驱动的社交网络舆情研究

随着社交网络数据的爆发式增长及大数据技术的发展，大数据驱动的社交网络舆情研究能够利用用户产生的UGC 内容及大数据技术相关实现对社交网络舆情的精准监测、精准掌握及精准引导，使得社交网络负面舆情得到快速的科学的引导与治理，实现社交网络舆情的科学化和个性化治理。

7)基于人工智能技术的社交网络舆情研究

随着机器学习、深度学习和知识图谱等人工智能技术的发展，基于人工智能技术的舆情检测、舆情传播、舆情防控、舆情监管及舆情治理成为社交网络舆情领域的研究热点。人工智能技术能够精准挖掘社交网络大数据，自动学习潜在特征，最终实现精准的谣言检测、情感预测、突发事件检测。

8)突发公共卫生事件的社交网络舆情研究

突发公共卫生事件的发生对公众的健康和社会的发展造成了巨大威胁。社交网络成为突发公共卫生事件的舆论场，为积极有效的引导社交网络中突发公共卫生事件的舆情走向，大量学者针对社交网络中突发公共卫生事件舆情演化特征开展研究，对掌握疫情期间舆情传播规律，构建舆情引导及治理机制具有重要意义。

3.2 研究趋势

本文利用CiteSpace 在关键词共现网络的基础上进行突现分析。图5为包含18个突现词的前沿演变。2012-2015 年阶段，“微博”是突发性最强的关键词。2012 年，微博已成为一个非常活跃的信息交流场所，各类新媒体及新兴社交平台开始涌现，使得“新媒体”关键词的突发性也较强。“大学生”关键词也是突发性较强的关键词，表明在该阶段很多学者关注社交网络舆情中的大学生群体。2015年，各类新媒体及新兴社交平台开始涌现，使得舆情研究中“新媒体”关键词的突发性也较强。

图5 社交网络舆情研究的前沿演变

2016-2019 年阶段，“传播模型”“仿真”“大数据”“微信”“谣言传播”等关键词突发性较强。随着大数据技术的出现，研究者将大数据采集、大数据挖掘等技术应用于社交网络舆情研究。学者关注多种信息传播模型并针对不同的传播模型开展相应的仿真实验，“微信”也在这一阶段成为学者们研究的热门社交平台。随着在线社交网络用户数量的增加，相比于传统媒体，在线社交网络中的信息传播速度更快，与此同时，谣言也借助信息传播在社交网络中快速传播，学者们开始关注社交网络中的谣言传播机制及设计相应措施抑制谣言的传播，因此，“谣言传播”也是这一阶段的突现词。

2020-2022 年阶段，“突发公共卫生事件”成为突发性很高的关键词。学者们开始关注社交网络中关于突发公共卫生事件的舆情传播过程[9]。同时，随着人工智能、区块链等深度学习前沿技术不断发展，社交网络舆情研究也将采用相应的新技术与新方法，“知识图谱”“区块链”“深度学习”“机器学习”和“数据挖掘”等成为不断涌现的热门趋势[10-11]。

4 结束语

本文针对CNKI 数据库2011-2022 年间社交网络舆情的相关文献，利用CiteSpace 软件，对社交网络舆情研究的文献时间分布、文献研究机构合作网络、文献研究作者合作网络、关键词共现、关键词聚类分析以及关键词突现展开计量分析，研究了该领域的热点主题和前沿趋势,研究结论如下：第一，从研究发展态势来看，我国社交网络舆情领域处于快速发展阶段，社交网络舆情研究数量呈上升趋势。但是，目前研究机构间的合作及作者间的合作不够紧密，未能形成成熟的学术研究共同体；第二，从研究热点来看，根据关键词演变，在平稳期，我国社交网络舆情研究主要围绕社交媒体、舆情传播、传播模型、政务微博、大数据、舆情引导；在上升期，主要围绕突发事件、机器学习、意见领袖、网络谣言和舆情治理开展研究；在爆发期，主要围绕突发公共卫生事件、情感分析与舆情演化、知识图谱、深度学习、区块链等开展研究。根据关键词聚类分析，将社交网络舆情研究归纳为舆情传播、舆情引导与治理、谣言传播、突发事件、情感分析与演化、大数据驱动的舆情研究、基于人工智能技术的舆情研究以及突发公共卫生事件的舆情研究等8大研究领域；第三，从前沿趋势来看，社交网络舆情研究的未来研究主要围绕突发公共卫生事件的社交网络舆情传播以及基于人工智能技术的舆情分析，其中，知识图谱、区块链等前沿人工智能技术是社交网络舆情分析的重要技术支撑。