篇一：新冠疫情中的网络舆情特征研究
2020年12月2020年第6期(总第181期)晋图学刊Shanxi
Library
JournalDec.
,2020No.
,202(Issue
No.
181)?青年论坛?重大突发公共卫生事件的网络舆情传播机制研究及反思—以新冠肺炎疫情为例—赵雪芹，蔡铃，王青青
(湖北大学
历史文化学院，湖北
武汉430062)摘
要：本文通过爬取新浪微博中的新冠肺炎舆情数据，探究重大突发公共卫生事件中网络舆情传播主
体、传播内容和传播周期规律，以期为我国构建重大突发公共卫生事件舆情应急机制提供重要参考和决策依
据。研究发现，在重大突发公共卫生事件中舆情传播主体路径表现为“官方媒体引爆一知名人物加速扩
散一线下网民分区传播”；传播内容呈现关联性且转变迅速；舆情传播具有周期性且易二次爆发。因此，在
面临重大突发公共卫生事件时，政府应当动员官方媒体积极抢占话语权，采用技术手段监控舆论方向，设置
舆情平台及时响应舆情，避免二次爆发。关键词：重大突发公共卫生事件；网络舆情；传播机制；意见领袖中图分类号：G206文献标识码：A
文章编号：1004-1680(2020)06-0001-090引言社交媒体时代，社交平台舆情爆发现象层出不
的舆情传播现象。梳理这种复杂的舆情传播机制，有助于响应国家构建网络舆情引导体系和提升现代
化治理能力的发展诉求。穷，尤其在重大突发公共卫生事件下，网民情绪更加
敏感丰富，舆情传播机制更加复杂，对我国政府舆情
管理能力提出了新的更高的要求。因此，为提高我
国重大突发公共卫生事件舆情管理能力，在社交平
台对此类重大突发公共卫生事件开展舆情传播机制
基于此，本文以新冠肺炎疫情背景下新浪微博
数据为研究对象，探究社交媒体背景下重大突发公
共卫生事件的网络舆情传播规律，并对舆情传播主
体特征、传播内容特征以及其传播阶段划分予以总
研究是不可或缺的:一方面,突发公共卫生事件的公
结分析，形成针对我国重大突发公共卫生事件的网
络舆情传播机制及引导体系。共性致使政府需要倾听人民群众的心声，在数据时
代下，网络舆论传播态势明显,舆情承载着一定程度
的群众需求，对舆情传播机制进行研究有助于政府
开展公共卫生科普工作和预防控制工作。另一方
1重大突发公共卫生事件的网络舆情传播机制研
究现状国务院颁布的《突发公共卫生事件应急条例》
面，突发公共卫生事件信息涵盖着大量医学专业知
识,在不熟悉的领域中用户信息甄别能力下降，且由
于与公众生活密切相关，使得用户信息交流意愿愈
明确指出，突发公共卫生事件是指突然发生，造成或
者可能造成社会公众健康严重损害的重大传染病疫
情、群体性不明原因疾病、重大食物和职业中毒以及
来愈强，造成谣言产生机率更高,舆情讨论热度更强
收稿日期:202-
0-10基金项目：国家社会科学基金青年项目“基于数字网络的知识关联服务研究”(项目编号：14CTQO42)作者简介:赵雪芹(1983-),女，博士，教授，硕士生导师，研究方向为信息服务、用户行为等。E-mail：
****************引文格式:赵雪芹，蔡锥，王青青.重大突发公共卫生事件的网络舆情传播机制研究及反思——以新冠肺炎疫情为例[J].晋图
学刊,2020(6)
：1-8,34.12020年12月2020年第6期(总第181期)晋图学刊Shanxi
Library
JournalDec.
,2020No.
6,2020(Issue
No.
181)其他严重影响公众健康的事件"。2019年12月31日，武汉市卫健委开始通报新型冠状病毒的疫
情⑵。2020年1月20日，国家卫健委正式将新型
冠状肺炎纳入乙类传染病，并采取甲类传染病的预
防、控制措施⑶。新冠肺炎显然成了我国近年来典
型的一起重大突发公共卫生事件。在数据时代，网
络社交媒体已成为人们获取资讯、宣泄情绪的重要
途径，突发公共卫生事件的特殊性更使得网络舆情
热度不断升温，对政府进行舆情管理的能力提出了
更高要求。哈罗德?拉斯威尔(Harold
Lasswell)在“5W”
模型"中认为：传播主体、传播对象、传播媒介、传
播内容和传播效果是任何传播活动必须包含的因
素,复杂的传播过程可划分为传播主体-传播内容
一?■传播媒介一＞?传播对象一＞?传播效果五个阶段。基于
此,在我国舆情传播研究中，学者们通过生成传播主
客体关系图以观察传播趋势?。、分类聚类传播内
容并提取传播特征、划分传播阶段以观察传播
效果［9」。：等方式来研究网络舆情传播规律。在以往
研究中，诸多学者以公共事件、突发事件为例，结合
技术接受模型(Techhology
Acceptance
Model)将舆
情信息发布量和信息内容作为传播特征研究的重要
指标，对社交媒体中舆情传播机制开展了多方位探
索。如张坍等⑴基于微博数量、信息来源和信息内
容对2012年打砸日系车系列突发公共事件相关的网络舆情传播规律进行了分析，总结出突发事件初
期微博舆情传播特征;赵丹等『⑵以信息主体之间的转发关系为研究对象，剖析了区块链环境下的舆情
网络结构；李丽华等⑴对推特(Twitter)±的201年多起暴恐事件报道的新闻数据进行爬取后，以传
播主体和传播阶段为研究视角归纳了突发公共事件
中网络舆论传播机制。然而，现有舆情研究中针对
重大卫生事件的舆情传播研究较少，已有重大突发
公共卫生事件舆情传播研究大部分仅基于单一的研
究视角，或者依靠理论或浅显的数据分析研究舆情
引导体系，如文凤麒『14在学位论文中通过划分媒体
不同阶段的报道内容变化探究媒体对舆论的引导作
用;李月琳等小通过分析疫情通报、健康科普和防
疫动态等不同类型的疫情信息来源渠道和信息内容
特征为防疫部门未来选择信息公开的内容、类型和
渠道提供参考依据。总体来看,针对我国现有研究中重大突发公共
卫生事件在社交媒体舆情的传播主体、传播内容和
传播阶段特征研究不足、未形成完备的网络重大突
发公共卫生事件舆情传播理论机制等情况，为完善
我国重大突发公共卫生事件下网络舆情传播机制，针对形成一套我国重大突发公共卫生事件的网络舆
情传播引导体系,本文将在前人研究的基础上，从重
大突发公共卫生事件舆情传播的三个要素——传播
主体、传播内容和传播阶段特征出发，利用python
的爬虫技术爬取数据、R语言处理微博内容以及Ge-
phi生成的可视化拓扑图，对国内网络舆情传播规律
展开研究。旨在总结出重大突发公共卫生事件下国
内网络舆情传播机制，探寻政府舆情防控措施中存在
的优缺点,以此得到关于我国重大突发公共卫生事件
舆情引导体系构建和完善的启示，为我国重大突发公
共卫生事件舆情应急机制建设提供发展建议。2重大突发公共卫生事件的网络舆情传播机制研
究设计2.
方法流程首先,本文采用关键词搜索的方法，围绕“新冠
肺炎”主题,键入多个关键词如：“新冠肺炎”
“病毒
传播”
“方舱医院”
“共同抗疫”等多个热度较高的微
博话题，分别对微博数据进行多次爬取，爬取时间为
2020年1月20日至2020年3月21日，爬取到的数
据使用
Excel
(201版)、Access
(2016版)A
Tableau
(10.1版)等工具进行筛选查找排序,并使用R(for
Windows
4.
0.版)通过安装
jiebaR(0.
42.
版)分
词包进行词频分析。其次，利用Gephi(0.9.2版)对
舆情网络和内容分别进行可视化呈现并分析意见领
袖特征和传播内容特征。最后,通过对8万多条数
据进行挖掘，对重大突发公共卫生事件发生后相关
用户量及发帖量随时间变化的过程进行分析，总结
舆情不同阶段的表现形式及对事件走向的影响，探
析重大突发公共卫生事件中网络舆情传播机制及其
引导体系的构建与完善。2.2数据采集根据新浪微博2019年第四季度财报显示，其月
活跃用户数高达5.
16亿。它已然成为我国人们日
常生活获取资讯的重要来源之一。在社交媒体兴起
的背景下,不少主流媒体也纷纷人驻新浪微博,使得
新浪微博的内容更加丰富。新浪微博社交平台的高
自由度、强大的用户基数和丰富的新闻信息使得其
更容易引发网民的讨论热潮。因而,本文以新浪微
博平台为研究对象，利用自然语言处理方法对其展
2020年12月2020年第6期(总第181期)晋图学刊Shanxi
Library
JournalDec.
,2020No.
6,202(Issue
No.
181)开相关研究。大规模地抓取关键词检索到的热门微
可以形成若干聚集体。微博意见领袖的影响力可以
通过评论数、转发数、点赞数和粉丝数等指标进行衡
博网页数据，内容包括：微博内容、用户名称、点赞
数、评论数、转发数、发布时间以及认证信息等。由
量因而本文在进行意见领袖筛选时，以上述
指标为基础，赋予各指标相应的权重,并充分考虑不
于2020年1月20日以后，我国卫健委宣布对此次
疫情采用甲类传染病管理措施，全国各地陆续开始
启动突发公共卫生事件应急响应，微博舆情热度开
同指标对意见领袖形成的差异化影响强度。在权重
的选取方面，本文参照了牟冬梅等人［⑼和李玉贞等
人〔砂的研究成果。二者的研究对象与研究事件性
质与本文相同，且其经过实验验证，证实了权重值的始大幅度上升，因此，本文数据收集时间自2020年
1月20日起截至2020年3月21日8时，以每日为
一小段，共计61小段。由于疫情期间用户产生的信
选取具有合理性,最终的意见领袖的选取效果良好。
息量极大,为更好地体现舆情传播路径,仅选取关键
其公式将微博的转发量、评论量、点赞量以及粉丝量
词检索下热门微博作为数据来源，共收集样本数据
量为81902条。分别表示为以及凡四个变量，每个变量
对应的权重表示为网、旳、旳以及叫，其中权重值
分别对应为：0.
25,0.
25,0.
125,0.
375,则用户影响
力/的计算公式如下。3重大突发公共卫生事件的网络舆情传播机制研
究结果分析I=AX
x
Wt
+A2x
W2+A3x
W3+A4x
WA
(1)
本文将用户文章转发超过一定数量N的用户
称为意见领袖。数量N随舆情热度而定，本文推定
3.1重大突发公共卫生事件舆情传播主体特征在重大突发公共卫生事件舆情传播中，由于每
个网民对舆情走向的影响力和作用力不同，因而传
播学将能够为他人提供和传播信息且影响他人态度
或选择的个体称为意见领袖，并以意见领袖为中心
"=3000。在微博影响力较大的用户之中剔除微博
转发量小于3000的用户，共216位用户作为此次疫
情下微博舆情的意见领袖，根据他们之间的信息传
播关系生成的可视化拓扑图，如图1所示。
奇想大事件罠尖小翅奏耐天津字幕少女
果壳孔维w养麦chen士
gdgg
美的集团
真理快递员李永乐老师
英囲8姐
P「ck王-博天天向上愈兪闸幽冥蓝YuuiFox.瓜农卢花农追风少年刘全有九思乱想
凤凰卫视罗羽喙生活周利
新浪科技
Sweet猫饼
搞事的光sir:域Byouyou弘和医生0o先生伊丽莎臼骨精啊秋田六千微博小秘书东方网娱乐方方如皋老猫
中国新闻周刊
知识分子
博卡靑年“6Vista瞇氏4“心小CP*命支揺
回形针PaperCI帝倍阳*猪侠_四分三十三*
韩庚头卜河隔全擾索叫员王樂
辭逍网
\
芒果螟乐郑合息子于腸脳树下野卯新浪娱乐X不负公子?
小臼的羁翦织
北孵知道丹交广阿泰■新浪减、\訥商聚焦生活和B卡98/
文天林医生/
丁香1球大佬爷/
蓝鲸财经记者工个
膨报迹亚文|培光白
\凤su武汉燈一亠\湖南消防
I报央］青年18方都市报；治癥快报/速达现场
交通事欢阳小邢警
/
王9lkkw中国消防
未来网央观影音［都热门捜:互联屈大佬
金應955^^丄［、卑科工力量
槐蹙0i明先；:头条榜wa,1工桶曲Fig.
Topology
of
communication
subject图1传播主体拓扑图结合图1,对图中意见领袖的文本内容进行归
事件的舆情传播中的表现特点。
官方媒体承担领袖角色，个人用户边缘化。从纳推理分析，可以总结出传播主体在突发公共卫生
图1中的区域A来看，“新冠肺炎”舆情的传播途径
主要依靠国内著名新闻媒体，如“人民日报”
“央视32020年12月2020年第6期（总第181期）晋图学刊Shanxi
Library
JournalDec.
,2020No.
6,2020(Issue
No.
181)新闻”“环球网”等。不仅如此，从拓扑图中传播主
许多网友的转发评论。从其微博内容来看,他们善
体之间线条的粗细也可以看出，以这些官方媒体为
中心，信息传播次数较多，往外，则信息传播次数逐
渐减少。造成这一现象的主要原因可能是，自媒体
于搭建情感框架，发布信息时多使用故事性叙述并
结合大量具有渲染力的词语表达情绪，情感倾向鲜
明，易引起网友共鸣;从突发公共卫生事件的角度来
或个人用户缺乏对突发公共卫生事件进行跟踪报
道,而官方媒体拥有较多的信息渠道和人员技术,能
前往一线收集最新信息传递给群众，从而满足群众
看，疫情之下，人们关怀求助者是最基本的感情体
现,人们参与传播信息的积极性大幅提升,甚至除了
在网络上表达情感外，还会自发募捐帮助求助者。
这些意见领袖搭建的求助信息框架所产生的信息量
以及对群众产生的情感影响，对此次舆情的建构有
的持续性信息需求。明星助力参与话题互动，提升话题热度。在区
域B中，以“中国电影报道”“电影频道融媒体中心”
着重大的意义。为发起者的官方媒体带动明星用户，令明星用户积
极响应国家号召参与舆情话题，推广官方媒体设置
的标签或话题，使得信息内容讨论热度大幅提高，引
3.2重大突发公共卫生事件舆情传播内容特征为直观了解“新冠肺炎”主题下网络舆情传播
内容，本文利用自然语言工具分词处理1月20日至
发网民的广泛参与。意见领袖搭建求助信息框架，共情效应迅速扩
散。总地来看，除了官方媒体外，其中有一部分意见
3月21日之间以“新冠肺炎”为主题的微博数据，并
构建了关键词表柱状图，如图2所示。领袖们汇总并发布疫情求助信息，这些信息得到了
50000次45000次4()00次35000次3()000次
養25()00次
無2()000次15()0次1()00次500次
0次-IIIIIUiiiuuullluu瞬飜:蠶魏鏑娜齡糾獗齡緒魁牆翹勰紹辭III冠医吹院病毒防病山控例疫人员姿疫山情地图关键词Fig.
r
requency
chart
of
public
opinion
keywords
图2舆情关键词频次图值得关注的是，“武汉”“疫情”在舆情关键词中
高居不下，对于这一现象,有两个方面解释:一方面,
武汉是我国第一个开始封城的城市;另一方面，武汉
在如此重大的突发公共卫生安全事件下网络舆情并
未体现出过多负面情绪。仅仅依靠图2所示的32个关键词统计仅能大
致了解此次突发公共卫生事件下舆情传播内容的小
部分关注热点，但无法总览我国舆情传播内容主题
的疫情状况也远远重于其他城市。“患者”“医院”
和“钟南山”三词的出现频率依次紧随“武汉”“疫
情”之后。疫情之下，人们最关心的话题当之无愧
是“患者”，如“患者症状如何”
“患者人数有多少”
范围，因此我们将分词后的词语依据词频高低调节
字体大小,选取前200个高频词，通过词云图可视化
展现出来，如图3所示。舆情传播内容存在关联现象。舆情内容之间的等诸如此类的问题，在舆情讨论中频频出现。与
“患者”相关的“医院”出现频次高居前列，除了患者
带动下出现的“蝴蝶效应”外,疫情前期医院物资不
关联与网络环境密不可分，网络空间中一些拥有共
同主体、主题和情绪的事件被挖掘出来，成为社会共
同的关注点并引发“聚焦效应"[2，"o在重大突发公
共卫生事件中，随着疫情的扩大，群众关注地由武汉
转至全中国，从最初的武汉加油成了全国人民共同足，检测缓慢等原因也提升了
“医院”这个词的热
度。“钟南山”是这次重大公共卫生事件贯穿始终
的关键人物，他联合一众专家积极向公众科普疫情
信息,大幅度地抚平了人们焦急害怕的心情,使我国
2020年12月2020年第6期（总第181期）晋图学刊Shanxi
Library
JournalDec.
,2020No.
,2020(Issue
No.
181)飯闻发他武汉加油医三吧邸部
,…皿断毒貲
最新疫情地图
貧彗
抗击疫鵠人民臼抿确诊病例j
“ohEISIVu：：淪W
-
-
■■■■■■■
M^ga-I
|<
■■■■?「if
"
*
耳至丄士egg止"
亠
MMaBMawawag
UG
F^
L
?.医生湖北”
"書勰
”防护
鑑宸寒I
m
faT"“-累计人数火神山医院嚥禅鷹厂;1勰蠢皿Fig.
Cloud
picture
of
public
opinion
information
words
图3舆情信息词云图携手抗击疫情，使得疫情地图、各地确诊病例成为舆
需求,推动官方发布新消息，致使舆情传播主题转变
迅速;相反，在“沉默螺旋”中大多数人往往通过意
情信息的焦点;积极响应国家疫情防控措施的医护
人员以钟南山院士为代表,提出了建设方舱医院、戴
口罩等一系列有效防疫措施，使“钟南山”“方舱医
见领袖的意见来决定舆情的主题，当人们感觉意见
领袖的意见属于“社会不合意”时，该意见就不会被
院”和“火神山医院”等关键词在舆情内容中脱颖而
出。在此次疫情之下，群众关注的舆情传播内容存
广泛传播。此次事件中，人们的信息关注点从武汉
疫情的防控到基础设施的建设再到对医护工作的赞
在诸多关联现象,皆由于大家面对生命都存在敬畏之
扬，传播主题迭代更替迅速。这是因为:重要信息基
心，病毒的肆虐使得全国人民成为了一个命运共同
体,聚焦效应使得舆情传播内容更容易存在关联性。本依靠官方媒体的报道,而在“社会合意”现象的控
制下，网民往往热烈追逐感兴趣的话题，人们对事件
讨论的高度参与产生了更多的新的信息需求，对官
舆情传播主题转变迅速。舆情的迅速转变可以
用“社会合意”现象和诺依曼“沉默螺旋”理论来解
释S〕：在社会合意现象下，网民往往在官媒信息中
方媒体信息更新速度提出了更高的要求，致使同一
时间发布的大量官方信息中的其他主题信息更容易
选择感兴趣的话题，经过讨论后，产生更多新的信息
350条被淹没，使得此次疫情下舆情传播主题转变迅速。3000条2500条些2000条应1500条100条500条0条1A20U
月
27U
月
3112月
10口
月
17LJ
月
24口
月
2口
月
9口
刀
16口口期Fig.
Cycle
chart
of
public
opinion
communication
图4舆情传播周期图舆情传播内容积极。在分词后生成的词云图
中，不同于普通突发公共事件中的大量负面社会情
绪，在此次舆情中并未出现任何消极词语，反而有
“武汉加油”“希望”等词出现在词云图中，这说明网
外，我们关注到人们传播的内容大多数为关心抗疫
战况、为工作人员加油、疫情传播状况等，这表征着
此次疫情敲醒了群众对于生命价值的敬畏之情的警
钟，唤醒了人民对救死扶伤医生崇高职业道德的敬
友们面对疫情状况下情感指数较高，心态良好。此
佩情绪，是中国苦难社会记忆的唤醒与重构，这
2020年12月2020年第6期（总第181期）晋图学刊Shanxi
Library
JournalDec.
,2020No.
6,202(Issue
No.
181)种正确的“认知诱发源〔匈”唤醒网民对生命、美德
的敬畏情绪，使得媒体与公众两个舆论场达成共识，对我国此次抗击疫情工作做出了巨大的贡献。3.3重大突发公共卫生事件舆情传播阶段微博舆情一般要经历突发事件产生、网民热议、微
博舆情产生和传播、政府介入干预、事件平息等阶
段莎。结合本文案例的数据变化过程,将此次重大突
发公共卫生事件舆情传播阶段分为四个阶段:潜伏阶
段、爆发阶段、震荡阶段和消退阶段。具体分析如下。潜伏阶段是指突发公共卫生事件发生后，大部
分网民未意识到公共卫生事件的发生及其严重性的阶段。微博的信源渠道多种多样，既有微博用户的“爆料”，也有来自其他媒体的第一手消息。微博上
的消息经过网民,尤其是意见领袖的转发和评论,引
来众多粉丝的围观，通过微博的“广播”效应「绚，事
件往往能在微博上形成小部分舆情,但其传播范围
狭窄且可信度有限，传播内容大多为模糊的事件描
述，用户情感框架停滞于震惊层面。此时的舆情通
过当事者或者意见领袖的简单处理便可以消退，在
本例中，1月23日武汉封城之前，微博有关“新冠肺
炎”的微博仅有一些零星讨论，大多数网民并不关
心该话题，因此本文将2020年1月23号之前定义
为疫情舆情传播潜伏阶段。爆发阶段是指舆情不仅仅局限于微博平台，还
带动了传统媒体和其他新媒体的共同宣传讨论，最
后演变成全民讨论的舆情爆发阶段。舆情的爆发需
要一些“契机”------些能够引起公众讨论积极性
的话题或刺激情绪的事件，如：自武汉传出封城消息
后，微博舆论数量迅速上升，舆情传播热度不断攀
升，使得舆情传播周期迈入新阶段。因此，1月23日至1月25日是疫情的舆情传播爆发阶段。震荡阶段是指舆论在呈现下降趋势后，再次反
弹超过历史舆情热度最高点的阶段。震荡阶段并非
每个舆情事件都有，往往出现在一些处于未得到结
果中的事件中。在事件已经明晰而群众的舆论未能
推进事件的进展的情况下，容易引发“二次舆情”，如:各地零星地爆出新增病例,使得舆情热度反复升
降。据舆情传播周期图显示，1月25日至2月3日
疫情舆情传播处于震荡阶段。消退阶段是指事件得到妥善处理、公众讨论热
情开始消退的阶段。随着我国疫情的稳定，患者数
量逐渐减少，微博舆情热度总体上呈现逐渐消退的趋势。自2月3日之后，用户总发博量逐渐减少，舆
情传播周期图中整体热度逐渐降低，因而疫情舆情
传播处于消退阶段之中。4研究结论与建议4.
研究结论本研究从传播主体、传播内容和传播阶段特征
3个方面对我国重大突发公共卫生事件中网络舆情
传播机制进行分析，发现其是一个以官方媒体为核
心传播主体、由大量关联信息构成、具有周期性的传
播机制。为明晰我国重大突发公共卫生事件下网络
舆情传播规律，本文将此次我国重大突发公共卫生
事件下网络舆情传播特征总结为以下三点。4.1.1传播主体中官方具有绝对话语权且易成为
意见领袖官方媒体具有绝对话语权是重大突发公共卫生
事件中网络舆情传播的一大重要特征。目前，在一
般舆情事件中舆情传播渠道多元化，公众拥有更多
的机会发言，有时甚至会偶尔出现官方媒体集体缄
默现象，并未在第一时间发布消息，满足公众知情
权。但在此次重大突发公共卫生事件中却截然不
同，本文认为致使官方媒体在此次重大突发公共卫
生事件的报道中如此主动的原因可能为以下三点。首先,疫情的关键信息掌握在官方媒体手中,公
众和其他媒体大多扮演舆情的传播者角色，除了本
身拥有较大影响力的微博用户以外，普通用户在舆
情发酵时难以成为意见领袖。其次,官方媒体报道多呈现跟踪叙述式。在官
方媒体主动的报导中，疫情实施跟踪报道并加入了
文字情感渲染，多方面地满足了疫情之下人们的信
息和情感需求，信息来源可靠并且数量充足的情况
消除了人们隔离之中信息闭塞的恐惧情绪，也是官
方媒体在重大突发公共卫生事件成为意见领袖的重
要原因之一。最后,疫情的应对工作依靠政府部门开展,政府
也需要媒体及时向外界公布信息,填补信息空缺，因
此，政府设立的官方媒体成为了首选，这也是重大突
发公共卫生事件下官方媒体成为意见领袖的关键。总体来说,此次疫情下舆情传播主体之间呈现
出“官方媒体引爆一知名人物加速扩散一线下网民
分区传播”的传播路径。4.
1.2传播内容特征体现为舆情发展具有关联性
且转变迅速传播内容具有关联性且转变迅速。疫情主题下
2020年12月2020年第6期（总第181期）晋图学刊Shanxi
Library
JournalDec.
,2020No.
,202(Issue
No.
181)的“聚焦效应”致使人们持续关注事件的发展，直至
事件完全被解决。同时，高关注度使得舆情事件在
处理过程中易诱发相似程度较高的舆情事件，使得
在此次疫情中舆情传播内容之间具有关联效应。除
此之外，本研究还发现：在重大突发公共卫生事件
中，用户对事件推进程度高度敏感。每当事件有新
进展时，微博上的发文量极速扩张，数量远高于相关
新闻报道数量。同时,政府处理事件的进程领先于
舆情内容，呈现出官方发布的新闻推动舆情的发展
而非舆情进程推动现实的发展的情况——这与一般
的网络舆情推动政府管理截然不同。舆情核心传播
内容往往由官方媒体发布，个人用户和其他媒体缺
少信息来源途径，官方媒体易掌控舆情主题变更。除
此之外,传播内容的表现形式上，包含了话题标签、图片、动图、视频、链接等形式，信息表达多元化，丰
富了传播内容的可读性和可议性，使得用户在既定的舆情框架下情感投入度高,不易产生新的舆情分支。基于上述总结,此次疫情下舆情传播内容特征
遵循:舆情事件关联、舆情主题易变、舆情情感稳定
的传播规律。4.
1.3传播阶段具有周期性且易二次爆发舆情传播具有周期性且易二次爆发。本研究发
现，重大突发公共卫生事件的舆情传播主要经历四
个阶段:潜伏期、爆发期、震荡期、消退期。尽管这是
网络舆情普遍具有的规律，但在重大突发公共卫生
事件中，更容易产二次舆情。根据分析，其主要原因
是舆情关键信息产生后，用户将会自发形成一个跟
踪事件进程的网络群体，对于没有及时得到处理的舆情事件,将会产生二次舆情。二次舆情往往比初
次舆情更强烈，除了对本身舆情的讨论外，往往附加
质疑的新舆论。因此,此次疫情中舆情传播阶段表现出社区性、周期性、反复性的传播特征。4.2对策与建议根据上述我国网络舆情传播规律，本文针对我
国对重大突发公共卫生事件的网络舆情引导体系构
建提出以下建议。4.2.
1官方媒体积极抢占话语权根据首因效应，当对同一人或事物出现不同评
价、各种信息杂糅在一起的时候，人们总是易于接受
前面的信息，这是第一印象形成的一种心理倾
向W官方媒体应主动发声、积极报道，发表一些
理性、权威、真实、公正的信息，尽快梳理信息，给公
众一颗定心丸，防止流言蜚语的进一步扩散和情绪
化舆论的激增，将事件的讨论议题拉回正轨。其次，重大突发公共卫生事件发生后,官方媒体应保证其
真实性，新闻报道中的每一个具体事实都必须合乎
客观实际，对事件的危险程度及后果不避重就轻，坚
持客观向公众传递真实信息。最后，积极搭建情感
框架,动员高影响力用户推广信息，通过高情感化、多视角引发公众“共情效应”，与群众建立亲密联
系，以获取大量群众的情感支持。只有这样，面临重
大突发公共事件时,政府才能把控舆情方向，提前防
范风险事件发生，顺利开展应急处理工作,消除公众
与政府之间的信任障碍。4.2.2采用技术手段监控舆论方向网络舆情信息呈现形式多源、结构化与半结构
化数据并存的特征。我们应运用大数据强大的“关
联分析”能力，构建网络舆情数据检测系统。女口：构
建检测舆情的关键词词库,通过这些关键词开展网
络数据爬取工作，采集Web数据并剔除无用信息
后,进行基于语义与情感的分析，将数据信息按照主
题分类纳入数据库后，根据舆情传播内容的关联性
直击舆情传播根源,分级进行应急处理。除此之外，还可以通过人工智能的算法综合分析舆情传播机制
中不同传播主体角色指标特征、各传播阶段指标特
征;构建舆情量化指标体系、用户关联交互图谱和演
化分析模型等数据模型,扩展舆情监控节点;建立健
全重大突发公共卫生事件中网络舆情预警的风险评
估机制、管理控制机制和应对决策机制，实现高效率
的舆情引导机制。4.2.3政府设置舆情平台及时响应舆情政府应当设置舆情响应平台，积极回应群众需
求。与其一味地管控舆情、压制舆情，不如放下身
段,设置独立的管控系统，对负面网络舆情进行跟踪
报道和梳理。根据舆情发展的不同阶段对舆情进行
相应处理:潜伏期是管控舆情的“黄金时期”，政府
若想消除负面的舆情言论，避免网友产生舆情社区，就应该把握住“黄金时期”，在线上线下同时推进事
件处理，并在网络上公布有关信息，以及时消解舆
论;对处于爆发期的舆情，政府应指派专家运用技术
以预测舆情热度拐点，并抢占舆情“制高点”，引领公
众舆论;对处于震荡期的舆情，政府除了积极跟进事
件处理外,还应当重塑公众对政府的信心，禁止“一删
了之”的舆情治理行为，加强疏导公众心理情绪，多报
道正面典型事例;对处于消退期的舆情,做好舆情管
控收尾工作,尽快结束事件,防止舆情二次传播。2020年12月2020年第6期(总第181期)晋图学刊Shanxi
Library
JournalDec.
,2020No.
6,2020(Issue
No.
181)5结束语本文利用数据挖掘的方法对我国重大突发公共
卫生事件下网络舆情传播规律进行总结，探索我国
重大突发公共卫生事件下网络舆情传播机制，并具
有针对性地提出了我国政府在重大突发公共卫生事
件下应如何引导舆情传播的相关建议。在理论上,
丰富了重大突发公共卫生事件中网络舆情传播机制
研究，为国家构建重大突发公共卫生事件下网络舆
情引导体系提供理论基础。在实践应用中，提出了
一些重大突发公共卫生事件下网络舆情引导措施,
为相关部门面临重大突发公共卫生事件时开展舆情
应急管理工作提供重要参考和决策依据。为夯实研
究基础，进一步剖析重大突发公共卫生事件下网络
舆情传播机制，未来将开展情感分析、时空分析以探
究不同因素影响下重大突发公共卫生事件中网络舆
情的传播机制。参考文献：[1]
中华人民共和国国务院.中华人民共和国国务院令
(第
58号)[EB/OL],
[2011-
01-08],
http：//www.
gov.
cn/gongbao/content/201l/content_1791478.
htm.[2]
武汉市卫生健康委员会.武汉市卫健委关于当前我市
肺炎疫情的情况通报[EB/OL].
[202-
12-31].
http：//
wjw.
wuhan.
gov.
cn/xwzx
_28/gsgg/202004/12020043_
1199576.
shtml.[3]
疾病预防控制局.中华人民共和国国家卫生健康委员
会公告(202年第
号)[EB/OL].
[202-01-20].
http：//
wwav.
nhc.
gov.
cn/jkj/s7916/202001/44a3b8245e8049d2837a4￡27529cd386.
shtml.[4]
(美)拉斯韦尔.社会传播的结构与功能[M].何道宽，译.中国传媒大学出版社,2013.[5]
赵丹，王晰巍，韩洁平，杨文聪.区块链环境下的网络
舆情信息传播特征及规律研究[J].情报杂志,2018(9)
：12-133,105.[6]
林云，曾振华，曾林浩.微博社区网络结构特征对舆情
信息传播的影响研究[J].情报科学,2019(3)
：55-59.[7]
毛太田，蒋冠文，李勇，赵蓉等.新媒体时代下网络热
点事件情感传播特征研究[J].情报科学,2019(4)
：2-35,
96.[8]
龙班，刘译FR.新媒体环境下高校负面网络舆情传播
特征和路径研究[J].情报科学,2019(12):134-139.[9]
姜景，王文韬.面向突发公共事件舆情的政务抖音研
究——兼与政务微博的比较[J].情报杂志,2020(1):10-
106,114.[10]
陈雅赛.突发公共卫生事件网络谣言传播与治理研
究——基于新冠疫情的网络谣言文本分析[J].电子政务，2020(6)
：2-11,8[11]
]张阴，孙霄凌，朱庆华.突发公共事件舆情传播特征
与规律研究——以新浪微博和新浪新闻平台为例[J
].情报
杂志,2014(4):90-95.[12]
赵丹，王晰巍，李师萌，张柳.新媒体环境下的网络舆
情特征量及行为规律研究——基于信息生态理论[J].情报
学报,2017(12):1224-
1232.[13]
李丽华，韩思宁.暴恐事件网络舆情传播机制及预防
研究——英国典型案例的实证分析[J].情报杂志，201(11):102-111,54.[14]
李月琳，王姗姗.面向突发公共卫生事件的相关信息
发布特征分析[J].图书与情报,2020(1):2-33,50.[15]
文凤麒.突发公共卫生事件报道的舆论引导研究
[D].重庆：西南政法大学,2017.[16]
曹洵，张志安.社交媒体意见群体的特征、变化和影
响力研究[J].新闻界,2017(07)
：24-
30.[17]
吴江，赵颖慧，高嘉慧.医疗舆情事件的微博意见领
袖识别与分析研究[J].数据分析与知识发现,2019(4)
：53-62.[18]
彭丽徽，李贺，张艳丰.基于灰.色关联分析的网络舆
情意见领袖识别及影响力排序研究——以新浪微博“?
12滨海爆炸事件”为例[J].情报理论与实践,2017(9)：9-
94.[19]
牟冬梅，邵埼，韩楠楠，王萍等.微博舆情多维度社会
属性分析与可视化研究——以某疫苗事件为例[J
].图书情
报工作,2020(3):111-118.[20]
李玉贞，胡勇，熊照等.微博意见领袖的评估模型
[J].信息安全与通信密,2013(2)
=7-81.[21]
胡婷婷.突发事件网络舆情的演化要素及治理策略
研究[J].现代情报,2018(10)
：51-56.[22]
虞鑫，许弘智.意见领袖、沉默的螺旋与群体极化：基
于社会网络视角的仿真研究[J].国际新闻界,2019(5):6-
26.[23]
闫放，闫欢.突发公共事件传播中敬畏情绪的社会记
忆重构[J].现代传播(中国传媒大学学报),2017(2)：55-
58.[24]
董蕊，彭凯平，喻丰.积极情绪之敬畏[J].心理科学
进展,2013(11)
：1996-2005.[25]
李丽华，韩思宁.暴恐事件网络舆情传播机制及预防
研究——英国典型案例的实证分析[J].情报杂志，201(11):102-111,54.[26]
兰月新.突发事件微博舆情扩散规律模型研究[J].
情报科学,2013(3)
：31-34.[27]
刘效广，杨乃定.突.发事件应急决策中的首因效应研
究[J].中国安全科学学报,2013(11):17-176.(下转第34页)
2020年12月2020年第6期（总第181期）晋图学刊Shanxi
Library
JournalDec.
,2020No.
6,202(Issue
No.
181)Copyright
Issues
in
Mobile
Services
and
Self
一
Regulatory
Copyright
Protection
Responses
in
LibrariesLI
Zhendong(Xinxiang
University
Library,
Xinxiang
453003,
China)Abstract:
Digital
resources
based
on
mobile
library
services
have
such
important
features
as
fragmentation
of
re-source
forms,
popularization
of
rights
subjects
and
wide
dissemination.
Library
*
s
organization
,
processing
and
dis-semination
of
mobile
service
digital
resources
involve
the
protection
of
copyright
moral
rights,
copyright
property
rights
and
copyright
technical
measures.
Libraries
should
pay
attention
to
taking
measures
to
prevent
and
resolve
the
infringement
liability
risks
of
mobile
services
from
the
perspective
of
self
一
regulation
,
including
serious
compliance
with
copyright
laws
and
regulations,
copyright
management
under
the
contract
mode,
promoting
the
iterative
up-grade
of
copyright
management
technology,
promoting
the
norrnalization
of
copyright
risk
assessment,
and
seeking
professional
guidance
on
copyright
management,
etc.Key
words:
library；
mobile
library；
mobile
services；
digital
resources；
copyright.+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-
—
-+-+-+-+(上接第8页)Research
and
Reflection
on
the
Network
Public
Opinion
Communication
Mechanism
of
Major
Public
Health
Emergencies-----Taking
the
Novel
Coronavirus
Pneumonia
as
An
ExampleZHAO
Xueqin,
CAI
Quan,
WANG
Qingqing(School
of
History
and
Culture,
Hubei
University,
Wuhan
430062,
China)Abstract:
This
article
selects
Sina
data
of
Novel
Coronavirus
Pneamonia,
studies
the
public
opinion
dissemi-nation
mechanism
of
major
public
health
emergencies
in
China,
with
a
view
to
forming
a
set
of
network
public
opin-ion
guidance
system
for
major
public
health
emergencies
in
China,
and
providing
important
reference
and
decision-making
for
China
to
build
a
public
opinion
emergency
mechanism
for
major
public
health
emergencies.
The
re-search
finds
that,
in
major
public
emergencies,
the
main
path
of
public
opinion
dissemination
is
uDetonated
by
ofli-
cial
media,
disseminated
by
famous
people,
spreaded
by
offline
netizens
in
different
areas.
”
The
Spread
content
is
correlated
and
transformed
quickly.
Public
opinion
dissemination
is
periodic
and
prone
to
secondary
outbreak.
Therefore
,
in
the
face
of
major
public
health
emergencies,
the
government
should
mobilize
the
official
media
to
ac-tively
seize
the
right
to
speak,
adopt
technical
means
to
monitor
the
direction
of
public
opinion,
and
set
up
a
public
opinion
platform
to
respond
to
public
opinion
in
a
timely
manner
to
avoid
secondary
outbreaks.Key
words:
major
public
health
emergencies;
Internet
public
opinion；
communication
mechanism；
opinion
leader34
篇二：新冠疫情中的网络舆情特征研究
篇三：新冠疫情中的网络舆情特征研究
新冠肺炎疫情网络舆情的特点及其治理启示
作者：陈毅
来源：《廉政文化研究》2020年第03期
摘;;要：移动互联网时代，每逢有重大公共卫生事件发生，必然伴随有网络舆情，有效治理网络舆情是重大公共卫生事件处置的重要内容。新冠肺炎疫情防控是新中国成立以来一场前所未有的战役，网络舆情热度、烈度、扩散度、敏感度和破坏度也远超以往。在事件本身及利益相关者、政府、媒体、网民以及网络环境等因素的综合作用下，新冠肺炎疫情网络舆情呈现出井喷式发展、病毒式传播、舆论场对冲激烈、次生谣言层出不穷等特点。新冠肺炎疫情网络舆情启示我们，必须要将重大公共卫生事件网络舆情治理纳入国家治理层面考虑，采用多元主体协同治理和差异化引导策略。
关键词：网络舆情;新冠肺炎疫情;重大公共卫生事件;治理策略
中图分类号：D630.9;;;;;;;;;文獻标识码：A;;;;;;;;文章编号：1674-9170（2020）03-0036-0随着移动互联网的日益普及和各种新媒体技术的广泛应用，网络逐渐成为公民交流观点和表达意见的主要空间，是舆论生成、发酵和传播的重要渠道，几乎所有信息都与网络媒体共生互动，重大公共卫生事件也不例外。网络舆情不仅贯穿重大公共卫生事件爆发、发展和消亡始终，而且在重大公共卫生事件发展中起到重大影响。网络舆情传播速度快，影响广泛，具有一定的社会动员能力[1]，既可以促进重大公共卫生事件解决，也有可能增加公众心理压力和社会恐慌，影响社会稳定和经济发展，破坏党和政府的形象，因此加强重大公共卫生事件网络舆情引导刻不容缓。
新冠肺炎疫情防控是建国以来一场前所未有的战役。由于公众居家是疫情防控的重要手段，公众更加依赖互联网获取信息和表达观点，其网络舆情热度、烈度、敏感度和扩散度都远远超过以往。这一重大公共卫生事件不仅是我国公共卫生应急管理体系的一次考验，也对突发事件时期网络舆情治理能力提出了挑战。新冠肺炎疫情发生初期，接二连三的重大舆情事件不仅加剧了公众的恐慌，也在一定程度上干扰了疫情防控大局，充分体现了我国在重大公共卫生事件网络舆情治理方面存在不足。为此，本文将从分析新冠肺炎疫情网络舆情的特点出发，考察网络舆情影响因素，进而提出重大公共卫生事件网络舆情治理策略。
一、新冠肺炎疫情网络舆情的主要特点
重大公共卫生事件是突然发生的，造成或可能造成公众健康严重损害的事件，具有影响范围广、涉及主体多、具有高关注度和敏感度等特点，由此导致重大公共卫生事件网络舆情除了具有自由开放性、多元性和丰富性、突发性等共性之外[2]，同时还受到重大公共卫生事件自
篇四：新冠疫情中的网络舆情特征研究
情摇报摇杂摇志第40卷摇第3期摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇Vol.40摇No.32021年3月Mar.摇2021JOURNALOFINTELLIGENCE·舆情研究·基于贝叶斯网络的网络舆情态势评估分析———以“新冠肺炎疫情冶事件为例刘摇继摇武梦娇(新疆财经大学统计与数据科学学院摇乌鲁木齐摇830012)*摘摇要:[目的/意义]重大突发事件对提高国家社会治理能力提出了新的要求,提升网络舆情态势评估能力成为创新社会治理的重要内容。[方法/过程]该文从网络舆情事件特征、关注度、传播扩散度及网民观点倾向等方面构建网络舆情态势评估指标,利用贝叶斯网络构建网络舆情态势评估模型,以“新冠肺炎疫情冶事件为例,对网络舆情态势进行评估分析。[结果/结论]通过对网络舆情事件的测试,本文提出的方法具有较好的舆情态势评估效能,对“新冠肺炎疫情冶相关网络舆情治理提出了建议。关键词:网络舆情;贝叶斯网络;态势评估;新冠肺炎疫情中图分类号:G350摇摇摇摇摇摇摇摇文献标识码:A摇摇摇摇摇摇文章编号:1002-1965(2021)03-0187-06引用格式:刘摇继,武梦娇.基于贝叶斯网络的网络舆情态势评估分析[J].情报杂志,2021,40(3):187-192,103.DOI:10.3969/j.issn.1002-1965.2021.03.031AssessmentandAnalysisofNetworkPublicOpinionSituationBasedonBayesianNetwork:COVID-19asanExampleLiuJi摇WuMengjiao(InstituteofStatisticsandDataScience,XinjiangUniversityofFinanceandEconomics,Urumqi摇830012)Abstract:[Purpose/Significance]Majoremergenciesputforwardnewrequirementsforimprovingnationalsocialgovernancecapacity,andimprovingtheabilityofnetworkpublicopinionsituationassessmenthasbecomeanimportantcontentofinnovativesocialgovernance.[Method/Process]ThispaperconstructsnetworkpublicopinionsituationassessmentindexfromtheaspectsofthecharacteristicsofInter鄄netpublicopinionevents,thedegreeofconcern,thedegreeofdiffusionandthetendencyofInternetusers"opinions.AnovelcoronaviruspneumonianetworkepidemicsituationassessmentmodelisconstructedbyBayesiannetwork,andthesituationofInternetpublicopinionisevaluatedandanalyzedwiththecaseofCOVID-19.[Result/Conclusion]TheCOVID-19hasbeentestedontheInternetpublicopinionevent.Theproposedmethodhasbetterpublicopinionsituationassessmentperformance,andsuggestionsareputforwardfortheCOVID-19relatednetworkpublicopiniongovernance.Keywords:internetpublicopinion;Bayesiannetwork;situationassessment;COVID-190摇引摇言随着互联网的高速发展,我国网民的规模逐渐扩大。据互联网络信息中心(CNNIC)发布的第45次《中国互联网络发展状况统计报告》显示,截至2020年3月,我国网民规模为9.04亿,互联网普及率达收稿日期:2020-10-03摇摇摇摇摇摇修回日期:2020-12-2565郾5%。互联网大规模的普及使得网民在获取信息的过程中可以跨越时间和空间的限制,当大量的民众在网络上对社会问题或现象表达其意见、态度、情绪时,便可能会形成网络舆情。若负面、极端等消极信息成2020年的“新冠肺炎疫情冶揭示了我国公共安全社会为网络舆情的主流,则会产生网络舆情危机风险。基金项目:新疆维吾尔自治区社会科学基金“面向大数据的新疆网络舆情智能统计分析与预判机制研究冶(编号:19BTJ036);新疆维吾尔自治区高校科研计划项目“大数据背景下基于深度学习的网络评论智能统计分析冶(编号:XJEDU2019SI006);新疆财经大学研究生科研项目“基于贝叶斯网络的突发事件网络舆情危机态势预警研究———以‘新冠疫情爷为例冶(编号:XJUFE2020K007)。作者简介:刘摇继(ORCID:0000-0002-0345-5751),男,1974年生,博士,教授,研究方向:网络舆情、数据挖掘;武梦娇(ORCID:0000-0003-3324-8697),女,1995年生,硕士研究生,研究方向:网络舆情、数据挖掘。
·1摇88摇·摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇情摇报摇杂摇志摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇第40卷治理能力亟待提升,如何提高网络舆情态势评估能力是当前亟待解决的问题。在网络态势分析的研究中,学者们主要从社会科学的角度对网络舆情的指标体系构建、趋势发展及治理方式等方面进行分析,但随着网络数据呈指数型增长,单一的宏观定性分析已不能满足研究者对网络舆情的情景感知、传播机制、态势预测等方面的深入探究。随着人工智能、机器学习等理论的不断进步,为舆情分析提供了更丰富的定量分析方法。由于网络舆情发展过程是复杂的又是多成分的,马捷等[1]基于利用时间、预案准备情况、社会影响程度及关注人群数量四个维度构建网络舆情危机等级评价模型,通过对两个真实事件的危机等级判定,证明了该模型是合理的。Gu等[2]则是基于节点间的交互关系构建了舆情态势评估模型,但该模型只能针对某些特定事件进行评估,具有一定的局限性。为了避免在舆情事件划分等级时过于主观,有学者通过分析引发网络舆情危机的影响因素,建立相应的舆情预警评价体系,利用灰色关联理论和聚类算法对舆情事件的危机等级进行了评估分级[3]。王宁等[4]基于EGM模型对舆情事件预测结果的基础上,利用灰色系统理论对舆情事件等级进行进一步评价,通过对不同舆情事件的舆情等级进行预测评估,验证了构建的预测及评价体系模型具有实际意义。还有学者则是通过建立模糊综合评价模型对网络舆情事件等级进行划分[5-6]络舆情综合评估指标体系的基础上。李文杰等[7]在构建了网,通过利用层次分析法明确不同级指标间权重的排序,利用多级模糊综合评价法建立了网络舆情等级评价模型。武慧娟[8]等基于生命周期理论建立网络舆情综合评估指标体系,为了减少确定指标权重的主观性,提出熵权法来计算指标权重,构建网络舆情模糊综合评价模型。杨靛青等[9]则是构建了网络舆情态势等级三级指标评估体系,并基于有序比值方法给出指标权重,最后建立了基于TOPSIS模糊多指标综合评价模型,通过舆情事件的测试,验证了该模型具有有效性和普适性,也为不同等级的舆情事件提供了相应的应对策略。随着近年突发事件的频发,特别是诸如“新冠肺炎疫情冶重大公共突发事件引发的网络舆情呈现更强的复杂性和不确定性,虽然利用机器学习提高了舆情特征提取和热点发现计算能力,但如何将机器学习和舆情专业知识背景下的舆情推理能力结合起来成为当前舆情态势评估新的研究路径。在人工智能领域中,贝叶斯网络在不确定性表达以及因果推理方面有较大的优势,已有学者利用贝叶斯网络模型对网络舆情的危机节点诊断[10]、危机态势预测[11-12]等方面进行了研究,并取得了一定的研究成果。本文试图通过引入贝叶斯网络模型将舆情领域的专家知识和舆情客观数据结合起来,构建网络舆情态势评估指标,对网络舆情态势进行判定,为政府有效进行舆情数据治理提供新的智力支持。1摇网络舆情态势评估指标的构建网络舆情态势发展是一个较为复杂的过程,它受到许多因素的影响,构建网络舆情态势评估指标体系是其中关键的环节。陈震[11]在准则层从话题的内容、发布者、传播媒体和网民四个方面对网络舆情态势进行判定。杨静[13]将网络舆情危机等级预测指标体系分为目标层、准则层和指标层,指标层又分为一级指标和二级指标,通过指标层量化准则层的客体属性、媒体效力和主体结构。曾润喜[14]则将网络舆情突发事件的预警指标分为了三类,分别为警源、警兆、警情,其中这三个指标下还包括30个二级指标。董坚峰[15]等人针对旅游突发事件的网络舆情构建了以舆情主体、舆情客体和舆情本体为一级指标的指标体系,其中包含9更为全面综合的评价个二级指标、34个三级指标。总的来说,对旅游网络舆情进行了,在目前网络舆情的研究中,学术界还未能出现统一的确定性指标体系,由于网络舆情是网络事件、网民、媒体等多个主体动态交互的复杂演化过程,因此在指标选取中,本文充分考虑了舆情态势评估的特定属性和舆情数据的可获取性,将网络舆情的评价指标体系构建为目标变量、一级指标和二级指标。表1摇网络舆情态势评估指标体系结构目标变量一级指标二级指标数据来源事件类别属性I1专家评价舆情事件特征E1事件敏感度I2专家评价事件公共危害度I3专家评价网络舆情舆情关注度E2网民关注度I4数据统计态势等级媒体关注度I5数据统计C舆情传播扩散度E3时间跨度I6数据统计单位时间转发率I7数据统计微博评论数I8数据统计网民观点倾向E4网民情感倾向I9语义识别情感极化程度I10语义识别摇虑突发事件所造成的损失情况摇a.目标变量:即网络舆情态势等级、影响力大小等因素对。国家通过考事件划分了级别,分别为特别重大、重大、较大、一般4个级别,并将其标注为特别重大(R)、重大(O)、较大(Y)、b.一般一级指标(B)。:即对网络舆情态势的细分,包括舆情事件特征、舆情关注度、舆情传播扩散度及网民观点倾向四个层面。c.二级指标:是对一级指标的细分,一共有10个指标,并通过抓取的数据进行量化。同时,该指标也是贝叶斯网络模型中的证据变量。
摇第3期摇摇摇摇摇摇摇摇摇摇刘摇继,等:基于贝叶斯网络的网络舆情态势评估分析·189·一级指标中的舆情事件特征表示该舆情事件所具有的属性及特点,其中包括该事件类别属性、事件敏感度及事件公共危害度3个指标。事件类别属性指标是将事件分为自然灾害类、公共安全类以及系列事件类,根据专家评价对舆情事件进行分类标注。事件敏感度则表示事件包含某些敏感因素,该事件会产生较大影响力,该指标分为高、中、低三个等级。事件公共危害度表示该舆情事件的影响面和网民安全利益的相关程度。当事件公共危害的程度越高,那么它对社会的影响力也就越大,该指标分为高、中、低三个等级。舆情关注度表示在舆情事件发生后,社会各界对其的关注程度,对舆情事件受关注度的考量主要从网民关注度和媒体关注度两个指标进行分析。网络舆情的主体网民会在网络空间上发布表达其情绪、意见、态度的言论。通过舆情事件微博话题的阅读量和讨论量加权平均可以表示网民关注度,并将其标注为高、中、低三个等级。媒体关注度主要指在微博平台上的官方媒体与自媒体对舆情事件的关注程度。对该指标的量化主要是统计官方媒体和自媒体对舆情事件所发布微博数的总量。舆情传播扩散度表示该舆情自产生以来在网络空间传播的程度。该指标的考量主要关注时间跨度与单位时间转发率两个因素。时间跨度表示该舆情事件从产生到结束的时间长度,时间跨度越大,说明该事件扩散的就越广。因此定义1天以内的舆情事件为短期舆情事件,并标识为低级;在1~3天之间的事件标记为中期舆情事件,标度为中级;3天以上标记为长期舆情事件,标记为高级。单位时间转发率则是指统计关于该舆情事件的新闻信息,并计算在单位时间段内该事件信息平均被转发的速率,将其标识为高、中、低等级。网民观点倾向表示用户群体对该舆情事件的自我主观态度。通过微博评论数、情感极化程度来测度,微博评论数指标来源于数据统计,它反映了网民意见的规模,因此将其标注为高、中、低等级。网民的情感倾向是利用SNOWNLP对网民针对舆情事件在社交平台上发布带有自我主观情感倾向的文本进行量化,通过建立相应的情感词典来提高量化的准确度。网民的情感倾向可以分为正面情感倾向(P)和负面情感倾向(情感极化N);情感极化程度又可以分为正面情感极化和负面,其中负面情感极化是指大量网民的意见出现了负面一致性,该性质较大程度上影响了网络舆情事件的态势等级。由于SNOWNLP划分的情感值在0郾(0,1)7的评论标记为极端情感文本区间内,因此,本文将情感值小于,0.3或大于数量在总评论数的占比,若超过0.统计该类评论文本5则标注为T,即该事件存在情感极化现象,反之标注为F。2摇基于贝叶斯网络的舆情态势评估模型构建在以贝叶斯网络为基础模型的研究中,首先需要确定各网络节点间的关系,然后将存在依赖关系的各个节点相连接,得到一个有向无环图。本文通过不同因素之间的关系及专业知识来构建网络结构,然后利用参数学习将客观数据和网络结构相结合,构建具有网络舆情态势评估功能的贝叶斯网络模型,并将各节点间的关系直观地展现出来,便于对变量之间的逻辑因果关系进行推理以及对网络舆情态势等级的判定。摇向无环图描述变量间概率关系的理论2.1摇贝叶斯网络理论摇贝叶斯网络是一种利用有,它通常被应用于受多种因素影响的概率性问题,并利用概率处理各变量间因条件相关性而产生的不确定性,从而从不确定性知识和信息中做出相应的推理。贝叶斯网络是由有向图和条件概率表组成,有向图表示模型的结构属性,其中的节点对应于模型中的变量,有向边表示变量间的条件依赖关系;条件概率表则表示为模型中每个节点的条件概率(。具体表示为:B=
·1摇90摇·摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇情摇报摇杂摇志摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇第40卷集,全部训练数据集为T,Qi表示数据集Y的概率分布。EM算法是由E步(Expection-step)和M步(Maximization-step)交替完成。E步:(兹)=素,微博评论数、网民情感倾向以及情感极化程度是网民观点倾向的决定因素,同时事件公共危害度对情感极化程度也有影响。移移Q(yiyi(i))logp(z,y;兹)(i)Qi(y)(i)(i)M步:利用兹:=argmaxL(兹)计算兹,并继续迭代兹(4)3摇实证分析更新。贝叶斯网络模型结合了网络结构与参数,当构建好网络结构以及训练得到各节点的条件概率时,便可以通过输入证据变量的状态对目标变量的状态进行评判。另外,该模型可以根据不同的应用背景融合相关领域的专业知识,提高模型的适用范围。摇2.2摇贝叶斯网络结构的构建摇贝叶斯网络模型的建立主要由贝叶斯网络结构的建立和各个节点条件概率的计算这两个部分组成,其中结构学习是重点也是难点,网络结构构建是否合理对最后模型的结果有重要影响。目前,贝叶斯网络结构学习的算法主要是基于条件独立性测试的算法、基于评分搜索的算法以及混合学习算法。这些算法虽然可以从数据中学习得到2月1日至2020年4月26日这期间的100件舆情事件数据作为网络舆情态势评估模型的训练与测试,并利用数据计算贝叶斯网络的条件概率,得到最终的网络舆情态势评估模型。为了简化贝叶斯网络的概率推理,所有节点所对应的数据都是离散的,若采集的数据为连续型数据,还需对其进行离散化处理。在网络结构中共有14个节点,其中网络舆情态势、网络事件特征、舆情关注度、舆情传播扩散度、网民观点倾向根据专家打分及评议离散化为特别重大(R)、重大(O)、较大(Y)、一般(B)。事件敏感度、事件公共危害度、网民关注度、媒体关注度、时间跨度、单位时间转发率、微博评论数指标离散化为H(高)、M(中)、L(低),事件类别属性则根据划分的类别定义为X(系列事件)、Z(自然灾害)、G(公共安全),网民评论情感值则通过算法划分为P(积极)、N(消极),情感极化程度通过算法划分为T、F。由于上述指标都为连续型数据,本文对其先进行Z-score标准化处理,然后根据标准化后的数据划分相应的区间,通过区间来划分不同等级。具体离散化标准如表2所示,离散化后的部分样本数据如表3所示。表2摇数据量化标准指标话题阅读讨论量I4微博总量I5时间跨度I6单位时间转发率I7评论数I8等级低水平I4臆-0.5I5臆-0.5I6臆-0.5I7臆-0.2I8臆-0.5中等水平-0.5 摇第3期摇摇摇摇摇摇摇摇摇摇刘摇继,等:基于贝叶斯网络的网络舆情态势评估分析·191·采用10折交叉验证法来对模型进行训练与测试。首10%,如第一组测试集为事件1到事件10,其他事件则为训练集,以此类推,样本数据集训练后的贝叶斯网络如图2。先设定训练集中样本量为90%,测试集的样本量为值作为判定条件得到的态势等级基本准确,但还是会存在极端情况导致网络舆情事件的等级出现误差,例如事件31,由表4可以发现,该事件的等级R与等级O的概率分别为39.7%和39.5%,两种等级之间的概率十分接近,并且二者都大于该等级的最小值,因此,为了减少误差,当出现这种情况时,本文用下四分位数来进一步判定网络舆情态势的等级。由于等44.25%和38.5%,而事件31的等最后该事件的态势等级为O,与真实的网络舆情态势等级一致。通过10次的交叉验证,其中有2次判定结果与实际值不符,分别是事件42和事件95。因此本文构造的贝叶斯网络评估模型在判定网络舆情事件态势等级的准确率达到了98%。由此证明了本模型在网络舆情态势等级评价应用中的有效性,说明本文通过网络舆情评价指标体系构建的网络结构以及各节点间的因果关系是合理的。由于贝叶斯网络模型中各节点的依赖关系及条件概率是清晰直观的,因此当舆情事件发生时,通过对指标数据的收集,不仅可以对网络舆情事件的发展态势进行评估,还能将指标间的因果关系及条件概率表结合起来,对不同态势等级的舆情事件提供相应的决策支持。摇3.3摇“新冠肺炎疫情冶事件分析摇“新冠肺炎疫情冶级R与等级O的下四分位数为级R概率小于其下四分位数,所以图2摇训练后的贝叶斯网络图根据训练后的贝叶斯网络模型,将测试集中每一个事件的样本数据I1,I2,…,I10作为证据变量输入到训练好的模型中,然后判定该事件的网络舆情态势等级(C)。由于篇幅有限,本文只展示部分测试集的测试结果,如表4所示。表4摇网络舆情事件评估结果和实际结果对比编号11819313242439495…2测试值(R,O,Y,B)(7.44,13.2,59.2,20.2)(66.1,6.68,10.1,17.1)(13.3,45.5,26.4,14.8)(17.6,30.4,30.9,21.1)(18.0,16.4,36.7,28.9)(17.8,21.5,27.7,33.0)(35.5,32.2,19.6,12.7)(21.7,32.6,29.7,16.0)……(39.7,39.5,11.2,9.6)……评估结果Y…OYOYBR实际结果Y…OYOYYOYYR…………OYO……事件是自2019年底突然爆发以来一直持续至今的一个重大公共卫生安全事件。该事件自发生初期就受到人们关注,同时以该事件为背景,又衍生出一系列相关事件,同样都受到了广泛的关注。本文选取“新型冠状病毒冶“COVID-19冶等为关键词,通过爬虫软件从微博上抓取了相应的数据信息作为案例分析数据,其中网民评论41500条。“新冠肺炎疫情冶事件是一个突发的公共卫生安…(35.8,32.14,16.56,15.5)……摇摇以往的研究中,往往是根据贝叶斯网络模型推理得到的目标变量概率最大隶属于哪一类来决定网络舆情态势的评估等级,该方法可以适用于各个等级的概率之间具有较大差距的情况,但是当等级概率之间的差距较小甚至相等时,该方式可能会导致最后的判定结果出现偏差。因此,为了避免结果出现较大的误差,本文将样本根据实际网络舆情态势等级划分为R、O、Y和B四类,并利用训练后的模型得到每一种等级的概率最小值,最后以此值作为进一步评价网络舆情态势等级的判定条件,其中R、O、Y和B等级的最小概率值分别为38.43%、31.2%、30.2%、32.5%。由表4可以发现,除了事件42和事件95的测试结果与实际不相符外,其余事件的态势评估等级与实际等级一致。在对测试集进行推理的过程中,以最小全事件,本文通过利用网络抓取以及专家评价获得指标I1,I2,…,I10的样本数据,然后对该样本数据进行清洗及离散化,并将其作为证据变量带入到图2中的贝叶斯网络模型中,最后得到如图3所示的“新冠肺炎疫情冶事件的贝叶斯网络模型。由图3的贝叶斯网络模型可以发现,当把证据变量的状态等级带入到模型5郾84%和11.3%,由此可以判定“新冠肺炎疫情冶事件的网络舆情态势等级是一件特别重大事件。通过该事件的现实舆论影响力验证了“新冠肺炎疫情冶事件是一个特别重大事件,也证明该模型具有较高的适用性。后,得到的目标变量等级概率为79.3%、3.6%、·1摇92摇·摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇情摇报摇杂摇志摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇第40卷有效平复民众的负面情绪,防止负面情绪记忆积累,进而降低网络舆情危机发生的概率。4摇结摇语本文通过构建贝叶斯网络对网络舆情态势等级进行分析,首先构建网络舆情态势评价指标体系,并确定各指标值之间的依赖图3摇新冠肺炎疫情事件的贝叶斯网络关系,然后结合专家知识和已知数据构建贝叶斯网络结构,利用EM算法计算网络结构中各节点的条件概率,最后通过测试集验证了该模型的有效性。“新冠肺炎疫情冶是突发公共卫生事件,本文通过收集的实例数据利用贝叶斯网络模型对该事件的舆情态势进行了评估分析,结合变量的依赖关系和条件概率提出了一定的舆情治理建议。本文还存在一定的不足,在未来进一步的研究中,一是要增加样本量,利用算法对网络舆情结构进行学习,更客观地探寻各节点间的依赖关系;二是加入时间片,通过动态贝叶斯网络来预测网络舆情事件的发展态势。参考文献[1]摇马摇捷,胡摇漠,张世良,等.网络舆情危机等级评价模型构建及其应用—以廉政网络舆情为例[J].情报资料工作,2017(4):36-42.由于该事件是一个高敏感度、高公共危害度的事件,因此对其的舆情引导与治理具有较大的挑战,如果在舆情应对过程中处理不当便会造成网络舆情危机。在该模型中,当网民关注度与媒体关注度都处于高水平状态情况下,舆情关注度有72.7%的概率为“特别重大冶等级,意味着在如此高关注度的背景下,政府的观点以及对舆情治理的措施都会影响该舆情事件的发展走向。在收集的数据中,与“新冠肺炎疫情冶相关话题的微博数量、评论数量、讨论次数、转发数量都较高,单位时间内的转发率也很高,反映了网络舆情传播速97.5%的概率为“特别重大冶,而高等级的传播扩散度随着政府快速做出防疫决策及治理方案,同时全国各地医院援助武汉,一系列的正面事件使得网民的负面情绪得到逐步平复,阻止了负面极端情绪的扩散。网民观点倾向有81.2%的概率为“特别重大冶等级,表示还需要对用户群体进行一定的心理与行为上有效引导,避免转变高危态势。当媒体关注度为高等级时,舆情关注度发展为“特别重大冶等级的概率由46.8%上52郾1%。因此主流媒体要强化正面报道,及时缓解人在第一时间进行报道,充分发挥舆论监督的作用,给公众提供可信度高的信息,将谣言扼杀于摇篮之中,最大程度上避免网络舆情危机。在全面媒体时代下,提高对舆情事件的应对能力是治理能力现代化的重要内容。因此在舆情治理过程中,一方面要防范网民出现极端负面情绪,另一方面要防止负面情绪的规模化。极端负面情绪会增加人们有意或无意传谣的概率,甚至会将负面情绪转化为线下行为,而规模化的负面情绪积累会影响舆情社会影响面,增加舆情有效引导的难度。因此,在舆情治理过程中,需加强主流媒体对舆论的及时正面引导,重点关注对主体情感倾向的干预,及时解决群众的担忧与疑问,充分利用视频、现场直播等方式传递真实有效的信息,升至67.8%,当网民关注度为高等级时,则上升为们的负面情绪积累,并在出现负面事件初期主动发声,度之快、传播范围之广。在模型中舆情传播扩散度有也会加速信息的蔓延,对舆情治理增加一定的难度。[2]摇GuY,ZhangB.Socialnetworkpublicopinionevolutionmodelbasedonnodeintimacy[C]//2019ChineseControlandDeci鄄sionConference(CCDC),Nanchang,China,2019:4496-4500.[3]摇杨摇柳,罗文倩,邓春林,等.基于灰色关联分析的舆情分级与预警模型研究[J].情报科学,2020,38(8):28-34.[4]摇王摇宁,赵胜洋,单晓红.基于灰色系统理论的网络舆情预测与分级方法研究[J].情报理论与实践,2019,42(2):120-126.[5]摇王铁套,王国营,陈摇越.基于模糊综合评价法的网络舆情预警模型[J].情报杂志,2012,31(6):47-51[J].情报科学,2015,33(11):100-106.[6]摇张玉亮.突发事件网络舆情信息流风险模糊综合评价研究[7]摇李文杰,化存才,何伟全,等.网络舆情信息的综合评价指标体系构建与模糊评判模型[J].情报科学,2015,33(9):93-99.综合评价模型研究[J].情报科学,2018,36(7):58-61.[8]摇武慧娟,张海涛,王尽晖,等.基于熵权法的网络舆情预警模糊[9]摇杨靛青,韩清云.基于TOPSIS的网络舆情态势等级模糊多指标综合评价模型[J].系统科学与数学,2020,40(8):1352-1364.[10]周摇昕,邱长波,李摇瑞.基于贝叶斯网络的网络舆情危机节点诊断研究[J].现代情报,2018,38(11):59-65.情报科学,2020,38(4):51-56,69.摇摇摇[11]陈摇震,王静茹.基于贝叶斯网络的网络舆情事件分析[J].[12]QiuQ,HeJ,ChenH,etal.Researchontheevolutionlawof(下转第103页) 摇第3期摇摇摇摇摇摇摇摇摇摇吴文聪:英国网络安全的政府主导模式探究:成就与问题·103·繁荣的主要风险,而且随着新技术的发展和互联设备的激增,网络威胁将继续存在,因此,中国网络安全空间治理将是一个长期的过程。针对英国网络安全政府主导模式的成就,中国可以从中学习一定的成功经验,与此同时,中国也可以针对其缺陷进一步审视自身的网络安全治理模式。具体而言:首先,坚持政府在网络安全方面的领导作用。由于网络安全治理的特殊性,政府具有强大的资源调配能力,且本身更具公益性,因此,坚持政府的主导作用至关重要。事实上,中国已经认识到政府统一引导的重要性,中国共产党中央网络安全和信息化委员会的成立正是为了从中央的角度协调各方资源,以维护信息和网络安全。其次,积极拓展非政府主体在网络安全方面的作用。网络安全的问题繁琐且复杂,涉及到政府、企业和个人等方方面面,过去的实践证明,仅仅依靠政府并不能完全解决相关问题。在未来,中国应最大限度鼓励非政府部门的网络安全技术创新,实现政府机构和非政府机构需求与成果的双向有效流动,激发新思维,创造新技术。这需要政府与其他公私部门和个人建立更成熟的合作关系,充分发挥其他主体的主观能动性,培养全民安全意识。第三,加强与其他国家在网络安全方面的交流与合作。网络安全威胁是超越国界的,数字世界中没有人可以独善其身。因此,通过经验的交流,中国可以向其他国家学习先进技术和管理理念,进一步完善本国的网络安全治理。同时,加强与其他国家的合作,有助于各方联合打击跨国网络犯罪。总而言之,英国网络安全的政府主导模式对中国具有一定的启发意义,网络安全治理具有全球性和普遍性,包括中国在内的各国应该携手并进,共创网络安全的“命运共同体冶。参考文献[1]摇DavidSoffer.Covid-19exposesUKcybersecurityvulnerabili鄄[4]摇HeitzenraterCD,SimpsonAC.Policy,statisticsandques鄄ofCybersecurity,2016,2(1):43-56.tions:ReflectionsonUKcybersecuritydisclosures[J].Journal[5]摇RaeA,PatelA.DefininganewcompositecybersecurityratingschemeforSMEsintheUK[C]//InternationalConferenceonInformationSecurityPracticeandExperience.Springer,Cham,[6]摇NCSC.Whatiscybersecurity?[EB/OL].[2020-10-06].-families.2019:362-380.https://www.ncsc.gov.uk/section/information-for/individuals[7]摇NCSC.Annualreview2018[EB/OL].[2020-10-06].ht鄄tps://www.ncsc.gov.uk/news/annual-review-2018.[8]摇HMGovernment.UKdigitalstrategy[EB/OL].[2020-10-08].www.gov.uk/government/publications/uk-digital-strate鄄gy.[9]摇ComptrollerandAuditorGeneral.Onlinefraud[EB/OL].[20202017/06/Online-Fraud.pdf.-10-09].https://www.nao.org.uk/wp-content/uploads/[10]ComptrollerandAuditorGeneral.Investigation:WannaCrycyberattackandtheNHS[EB/OL].[2020-10-09].https://www.naCry-cyber-attack-and-the-NHS.pdf.[11]HMGovernment.Nationalcybersecuritystrategy2016to2021[EB/OL].[2020-10-10].https://assets.publishing.service.file/567242/national_cyber_security_strategy_2016.pdf.[12]HMGovernment.Nationalcybersecuritystrategy2016to2021:Progresssofar[EB/OL].[2020-10-11].https://www.gov.2016-to-2021-progress-so-far.uk/government/publications/national-cyber-security-strategy-[13]ConnorJones.UKbusinessesareseriouslyneglectingcybersecu鄄rityspending[EB/OL].[2020-10-11].https://www.itpro.-cyber-security-spending.co.uk/security/33508/uk-businesses-are-seriously-neglecting[14]HMGovernment.Cybersecuritybreachessurvey2020[EB/gov.uk/government/uploads/system/uploads/attachment_data/nao.org.uk/wp-content/uploads/2017/10/Investigation-Wan鄄OL].[2020-10-12].https://www.gov.uk/government/pub鄄lications/cyber-security-breaches-survey-2020/cyber-security-breaches-survey-2020.ties:Over65,000attackstakingplacedaily[EB/OL].[2020-10-02].https://techround.co.uk/news/covid-19-uk-cyber-security-vulnerabilities/.[15]NationalAuditOffice.Progressofthe2016-2021Nationalcybersecurityprogramme[EB/OL].[2020-10-13].https://www.ber-security-programme/.(责编/校对:贺小利)nao.org.uk/report/progress-of-the-2016-2021-national-cy鄄[2]摇CarrM,TanczerLM.UKcybersecurityindustrialpolicy:Ana鄄ofCyberPolicy,2018,3(3):430-444.nalysisofdrivers,marketfailuresandinterventions[J].Journal[3]摇SaundersJ.Tacklingcybercrime-theUKresponse[J].JournalofCyberPolicy,2017,2(1):4-15.蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚蕚(上接第192页)摇摇emergencynetworkpublicopinion[C]//201912thInternationalSymposiumonComputationalIntelligenceandDesign(ISCID).Hangzhou,China,2019:157-161.[13]杨摇静,邹摇梅,黄摇微.基于动态贝叶斯网络的网络舆情危机等级预测模型[J].情报科学,2019,37(5):92-97.[J].情报杂志,2009,28(11):52-54,51.代情报,2015,35(6):20-24.[14]曾润喜,徐晓林.网络舆情突发事件预警系统、指标与机制[15]董坚峰,肖丽艳.旅游突发事件中的网络舆情预警研究[J].现(责编/校对:刘影梅)
推荐访问:新冠疫情中的网络舆情特征研究 舆情 疫情 特征