魯艷霞 吳迪 高爽

摘要： 大數(shù)據(jù)環(huán)境下，基于突發(fā)公共事件產(chǎn)生的社會(huì)自媒體數(shù)據(jù)呈現(xiàn)出數(shù)據(jù)量大、結(jié)構(gòu)復(fù)雜、類(lèi)型多樣等特征，政府的輿情引導(dǎo)對(duì)公共事件網(wǎng)民情緒的趨勢(shì)發(fā)展至關(guān)重要。本文以事故災(zāi)難類(lèi)微博數(shù)據(jù)為基礎(chǔ)，以“天津港爆炸事件”為研究對(duì)象，首先利用爬蟲(chóng)工具收集微博內(nèi)容，然后通過(guò)ROST CM內(nèi)容挖掘軟件進(jìn)行中文詞頻分析，最后通過(guò)SPSS對(duì)微博情感進(jìn)行分析統(tǒng)計(jì)。研究發(fā)現(xiàn)，公眾情緒容易受到集群效應(yīng)的影響，網(wǎng)民群體情緒的不穩(wěn)定性會(huì)導(dǎo)致其行動(dòng)的不確定性，政府或意見(jiàn)領(lǐng)袖的積極引導(dǎo)將會(huì)促進(jìn)突發(fā)事件的良性發(fā)展。本文的研究將有助于政府有關(guān)部門(mén)了解突發(fā)公共事件的傳播狀況并做出快速反應(yīng)，并提升政府對(duì)網(wǎng)絡(luò)輿情的監(jiān)控能力與監(jiān)控水平。

Abstract： Under the big data environment， the data of social media caused by emergent public events has large amount of data， complex structure， various types， and so on. The effect of government's public opinion guidance on the development trend of Internet users' mood of public events is very important. Based on the micro-blog data of accident disaster， this paper takes "explosion of Tianjin Port" as the object of study to collect micro-blog content by the crawler tool， then， analyze the Chinese frequency by ROST CM content mining software and finally analyze and count the micro-blog emotion by SPSS. The study found that the public sentiment is easily affected by the cluster effect， the uncertainty of Internet users' mood will lead to the uncertainty of their action， the positive guidance of the government or the opinion leaders will promote the positive development of the emergency. The research helps the government departments to understand the situation of public emergencies and make a quick response， and enhances the ability of the government to monitor the network public opinion and the level of monitoring.

關(guān)鍵詞： 大數(shù)據(jù)；突發(fā)公共事件；自媒體；情緒；輿情引導(dǎo)

Key words： big data；emergent public events；we-media；emotion；public opinion guidance

中圖分類(lèi)號(hào)：G206 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2017）03-0001-03

0 引言

根據(jù)第37次“中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告”[1]顯示，截至到2015年12月，我國(guó)網(wǎng)民規(guī)模達(dá)6.88億，手機(jī)網(wǎng)民規(guī)模達(dá)6.20億，網(wǎng)民WiFi使用率達(dá)到91.8%。近年來(lái)突發(fā)公共事件頻發(fā)，微博成為用戶(hù)分享突發(fā)事件、新聞熱點(diǎn)、輿論導(dǎo)向的重要平臺(tái)。據(jù)新浪微博數(shù)據(jù)中心發(fā)布的“2015年度微博用戶(hù)發(fā)展報(bào)告”[2]顯示，截至2015年9月微博日活躍用戶(hù)數(shù)達(dá)到1億，較去年同期增長(zhǎng)30%。據(jù)統(tǒng)計(jì)，中國(guó)網(wǎng)民每天發(fā)布和轉(zhuǎn)發(fā)微博信息達(dá)2.5億條[3]?；谝陨媳尘埃疚囊浴疤旖蚋郾ㄊ录睘檠芯繉?duì)象，進(jìn)行大數(shù)據(jù)環(huán)境下突發(fā)公共事件的用戶(hù)情緒研究，以期使政府相關(guān)部門(mén)了解公眾在事件發(fā)生過(guò)程中的情感傳播狀況，為后期網(wǎng)民集群行為引導(dǎo)策略的制定提供理論和實(shí)踐指引。

1 理論基礎(chǔ)與研究現(xiàn)狀

大數(shù)據(jù)環(huán)境下的微博用戶(hù)之間存在著大量的信息交互，往往在對(duì)突發(fā)公共事件的反應(yīng)中，自覺(jué)不自覺(jué)地就反映出群際情緒。群際情緒理論[4]由美國(guó)心理學(xué)家Mackie提出，認(rèn)為群際情緒是個(gè)體認(rèn)同某一社會(huì)群體時(shí)的情緒體驗(yàn)，當(dāng)個(gè)人認(rèn)同某一群體時(shí)，對(duì)相關(guān)事物的評(píng)價(jià)將會(huì)帶有情緒色彩。

情緒感染理論由McDougall提出，Hatfield[5]給出了較為全面的定義，認(rèn)為個(gè)人情緒感染到其他個(gè)體時(shí)，情緒會(huì)反過(guò)來(lái)影響他人，從而強(qiáng)化個(gè)人原本的情緒狀態(tài)，最終導(dǎo)致某種情緒在群體間同質(zhì)化。

劉志明等[6-7]提出突發(fā)事件引發(fā)的群體情緒會(huì)引起次生群體事件的發(fā)生，研究了突發(fā)事件發(fā)生、發(fā)展過(guò)程中群體情緒尤其是負(fù)面情緒的演化規(guī)律并建立了相應(yīng)的模型，對(duì)群體負(fù)面情緒的再次爆發(fā)起到了較好的預(yù)警效果，但是文章并未針對(duì)大數(shù)據(jù)環(huán)境對(duì)微博情緒進(jìn)行分析；蘭月新[8]等通過(guò)構(gòu)建微分方程模型研究了突發(fā)事件網(wǎng)絡(luò)輿情演進(jìn)規(guī)律，將輿情發(fā)展過(guò)程分為發(fā)生期、擴(kuò)散前期、擴(kuò)散后期、平穩(wěn)期四個(gè)階段。

本文以“天津港爆炸事件”為例，通過(guò)獲取突發(fā)事件用戶(hù)微博內(nèi)容數(shù)據(jù)，進(jìn)行微博用戶(hù)內(nèi)容的情緒分析，探析用戶(hù)內(nèi)容中涵蓋的用戶(hù)情感，從而提高政府對(duì)突發(fā)事件輿情的監(jiān)控能力和引導(dǎo)能力。

2 基于ROST CM的微博用戶(hù)內(nèi)容情緒分析

羊群效應(yīng)在網(wǎng)絡(luò)輿情傳播過(guò)程中是一個(gè)普遍存在的現(xiàn)象，使得個(gè)人觀念或行為在特定的群體影響下與多數(shù)人相一致，如果不對(duì)網(wǎng)民群體內(nèi)部的羊群效應(yīng)加以引導(dǎo)，不僅會(huì)影響網(wǎng)絡(luò)輿情的傳播過(guò)程，還會(huì)影響輿情的最終演化方向，甚至可能對(duì)社會(huì)穩(wěn)定造成威脅。

事故災(zāi)難類(lèi)突發(fā)事件往往是在人的生產(chǎn)與生活過(guò)程中發(fā)生的，并且與人們生活密切相關(guān)。因此一旦成為話(huà)題，將會(huì)在短時(shí)間內(nèi)吸引民眾圍觀，通過(guò)微博評(píng)論、轉(zhuǎn)發(fā)等與粉絲分享，產(chǎn)生大量帶有情緒的內(nèi)容信息。本文首先根據(jù)突發(fā)事件級(jí)別選取典型的事故災(zāi)難類(lèi)突發(fā)事件，基于突發(fā)事件展開(kāi)話(huà)題搜索；然后根據(jù)研究需要采用GooSeeker爬蟲(chóng)軟件對(duì)話(huà)題內(nèi)容進(jìn)行搜索，可以爬出用戶(hù)信息、微博評(píng)論內(nèi)容、評(píng)論時(shí)間、轉(zhuǎn)發(fā)與評(píng)論等大量數(shù)據(jù)；通過(guò)對(duì)數(shù)據(jù)去重、刪除無(wú)效數(shù)據(jù)等進(jìn)行數(shù)據(jù)預(yù)處理，采用ROST CM對(duì)微博內(nèi)容進(jìn)行分詞，采用ROST WordParser進(jìn)行詞頻分析，從而進(jìn)行突發(fā)事件規(guī)律的初步分析；最后通過(guò)SPSS對(duì)網(wǎng)民情感進(jìn)行時(shí)間序列分析。

3 基于微博的事故災(zāi)難類(lèi)突發(fā)事件數(shù)據(jù)獲取

本研究選取發(fā)生于新浪微博的“天津港爆炸事件”，分析單位是事件發(fā)生期間微博內(nèi)容。該事件經(jīng)國(guó)務(wù)院調(diào)查組認(rèn)定是一起特別重大生產(chǎn)安全責(zé)任事故，屬突發(fā)公共事件中的社會(huì)安全事件。

本文選取新浪微博發(fā)表的博文為數(shù)據(jù)資源，以“天津爆炸”和“天津塘沽大爆炸”為關(guān)鍵詞，利用GooSeeker數(shù)據(jù)采集工具抓取了2015年8月12日至2015年12月25日共135天的微博內(nèi)容。根據(jù)研究需要，本文主要抓取了“用戶(hù)名”、“微博內(nèi)容”、“發(fā)布時(shí)間”、“轉(zhuǎn)發(fā)數(shù)”等相關(guān)數(shù)據(jù)，部分?jǐn)?shù)據(jù)樣例如下：

用戶(hù)名：新浪河南。

微博內(nèi)容：今日凌晨一女孩稱(chēng)自己父親在爆炸中身亡，騙得3700多名網(wǎng)友現(xiàn)金打賞，天津爆炸事故罹難者家屬并收取“捐款”。鑒于其真實(shí)性受到其他網(wǎng)友廣泛質(zhì)疑，故已將該賬號(hào)關(guān)閉，并凍結(jié)了其收取的款項(xiàng)。

發(fā)布時(shí)間：2015-8-14 14：46：00。

4 基于ROST WordParser的微博內(nèi)容的數(shù)據(jù)預(yù)處理

由于同一個(gè)人發(fā)表的相同的博文信息屬于重復(fù)數(shù)據(jù)，會(huì)對(duì)情感分析結(jié)果的有效性產(chǎn)生影響，所以本文利用Excel工具，對(duì)微博內(nèi)容進(jìn)行去重處理，從而得到本實(shí)驗(yàn)的研究數(shù)據(jù)，涵蓋微博內(nèi)容共計(jì)38934條。

利用ROST CM挖掘軟件對(duì)微博采集信息進(jìn)行中文分詞，接著利用ROST WordParser軟件對(duì)分詞后的數(shù)據(jù)進(jìn)行中文詞頻分析，統(tǒng)計(jì)得出了網(wǎng)民反復(fù)討論出現(xiàn)的熱詞。通過(guò)詞頻統(tǒng)計(jì)可以看出，在這種網(wǎng)民大規(guī)模參與的集群行為中，熱詞被多次反復(fù)提及和討論。網(wǎng)民大多表達(dá)了對(duì)天津爆炸事件的震驚、對(duì)救災(zāi)人員的尊敬與祝福以及對(duì)相關(guān)單位的譴責(zé)。不同的時(shí)間階段有不同的網(wǎng)民參與某類(lèi)話(huà)題，從而形成從不同側(cè)面刻畫(huà)該事件的集群行為，討論的過(guò)程中容易形成多個(gè)熱點(diǎn)話(huà)題，而參與討論某個(gè)話(huà)題的人越多，說(shuō)明該話(huà)題的熱度越大，微博輿論也就此形成。

5 基于SPSS的微博內(nèi)容數(shù)據(jù)分析

將38934條微博內(nèi)容作為樣本，可將“天津爆炸”事件粗略劃分為“爆發(fā)期”“衰退期”、“消亡期”三個(gè)階段。

通過(guò)ROST CM軟件，對(duì)單條微博進(jìn)行情感分析，系統(tǒng)可自動(dòng)計(jì)算出情感值。天津爆炸事件微博中主要博文及其情感值，如下所示：

博文：#天津塘沽大爆炸#史上最帥的逆行愿你們都能平安。

分析：該博維顯示出較強(qiáng)的積極情感。

情感值：14。

通過(guò)分析可知，在抓取到的博文數(shù)據(jù)中，消極情緒占了最大比例（57.56%），說(shuō)明對(duì)于天津爆炸事件網(wǎng)民的整體情緒趨向于消極。

為了能更好地看出人們的情感走勢(shì)，本文對(duì)每天的情感值求平均值，得到了從2015年8月12日至2015年12月26日的每天不同類(lèi)別情感值以及整體情感值的平均值，利用SPSS軟件得出所有博文內(nèi)容的情感值、積極情緒、消極情緒與中性情緒情感值隨時(shí)間序列走勢(shì)。為了更好地分析情緒之間是否會(huì)有相互影響，可將積極情緒、消極情緒、中性情緒、總體情緒匯總在一張圖中，結(jié)果如圖1所示。

6 結(jié)論與討論

由于天津爆炸屬于事故災(zāi)難類(lèi)突發(fā)事件，事件發(fā)生后，公眾對(duì)死者的哀悼、對(duì)事故的質(zhì)疑、對(duì)責(zé)任人的痛恨等消極情緒占據(jù)主流，因此不難理解該事件中網(wǎng)民情感總值的時(shí)間序列趨勢(shì)。

6.1 積極情緒的情感趨勢(shì)

當(dāng)政府出臺(tái)新的有利于災(zāi)區(qū)救援工作的政策，媒體報(bào)道了關(guān)于網(wǎng)友對(duì)消防人員的敬佩，公眾人物積極情感的表達(dá)，或者新聞報(bào)道政府領(lǐng)導(dǎo)親自到災(zāi)區(qū)探望受災(zāi)群眾時(shí)，網(wǎng)民的情感走勢(shì)出現(xiàn)波峰，說(shuō)明官微信息的及時(shí)、透明發(fā)布及政府工作良好有序地開(kāi)展對(duì)網(wǎng)絡(luò)輿情及網(wǎng)民情緒都有著非常積極的影響。

6.2 消極情緒的情感趨勢(shì)

對(duì)于事故災(zāi)難類(lèi)突發(fā)事件本身而言，網(wǎng)民群體情緒具有高度的不穩(wěn)定性，必然導(dǎo)致其行動(dòng)方向的極度不確定性，獨(dú)立思考能力和意志力薄弱的網(wǎng)民更容易受到集群效應(yīng)的影響。雖然整個(gè)微博討論過(guò)程中積極和消極情緒交替上漲，但安全事故類(lèi)突發(fā)事件中消極情緒始終占據(jù)主流。

6.3 網(wǎng)民情感的相關(guān)性

積極情感和消極情感在1%的水平上顯著負(fù)相關(guān)，即：積極情感的提升將會(huì)在一定程度上對(duì)消極情感起到一定的抑制作用。因此，事故發(fā)生后第一時(shí)間的積極引導(dǎo)將會(huì)在一定程度上降低網(wǎng)民的消極情緒。

通過(guò)天津爆炸事件來(lái)看，各級(jí)政府部門(mén)積極做好工作部署、正確引導(dǎo)網(wǎng)民情緒，傳遞正能量貫穿整個(gè)事件全過(guò)程。盡管該事件整體網(wǎng)民情緒處于消極，但消極情緒大多是對(duì)死者的哀悼、詐騙者的厭惡以及責(zé)任人的痛恨，政府在事故發(fā)生后第一時(shí)間的應(yīng)對(duì)與處理、及時(shí)的公開(kāi)信息等都在一定程度上控制了消極情緒的蔓延，減少了次生事件的發(fā)生。

參考文獻(xiàn)：

[1]國(guó)家圖書(shū)館研究院. CNNIC發(fā)布第37次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[J]. 國(guó)家圖書(shū)館學(xué)刊，2016（2）：76.

[2]Useit 知識(shí)庫(kù).新浪微博數(shù)據(jù)中心：《2015年度微博用戶(hù)發(fā)展報(bào)告》[EB/OL].[2015-12-16].http：//www.useit.com.cn/thread-10921-1-1.html#0-tsina-1-19643-397232819ff9a47a7b7e80a406

13cfe1.

[3]蘭月新，董希琳，蘇國(guó)強(qiáng)，等.大數(shù)據(jù)背景下微博輿情信息交互模型研究[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2015（5）：24-33.

[4]劉峰，佐斌.群際情緒理論及其研究[J].心理科學(xué)進(jìn)展，2010，18（6）：940-947.

[5]Hatfield，Cacioppo，Rapson. Emotional contagion[J]. Current Directions in Psychological Science，1993（2）：96-99.

[6]劉志明，劉魯.面向突發(fā)事件的群體情緒監(jiān)控預(yù)警[J].系統(tǒng)工程，2010，28（07）：66-73.

[7]劉志明，劉魯.面向突發(fā)事件的民眾負(fù)面情緒生命周期模型[J].管理工程學(xué)報(bào)2013，27（01）：15-21.

[8]蘭月新，鄧新元.突發(fā)事件網(wǎng)絡(luò)輿情演進(jìn)規(guī)律模型研究[J]. 情報(bào)雜志，2011，30（8）：47-50.