反復(fù)性視角下網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估指標(biāo)體系研究

張?chǎng)? 田雪燦 劉鑫雅

摘? ?要：反復(fù)性輿情作為網(wǎng)絡(luò)社會(huì)中常態(tài)化存在，對(duì)其進(jìn)行針對(duì)性研究和科學(xué)預(yù)測(cè)，有助于引導(dǎo)輿情健康發(fā)展，維護(hù)網(wǎng)絡(luò)社會(huì)穩(wěn)定。文章構(gòu)建了面向反復(fù)性事件的網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，采用德爾菲法和層次分析法對(duì)指標(biāo)體系進(jìn)行了檢驗(yàn)和權(quán)重測(cè)量。在此基礎(chǔ)上，以“垃圾分類”輿情事件為例，通過統(tǒng)計(jì)分析、主成分分析、文本情感分析等方法，剖析了輿情主體、輿情客體、關(guān)鍵傳播節(jié)點(diǎn)等不同指標(biāo)在輿情各階段所呈現(xiàn)的特征，重點(diǎn)比較了輿情反復(fù)階段與其它階段特征的異同。研究結(jié)果為反復(fù)性網(wǎng)絡(luò)輿情的有效識(shí)別、風(fēng)險(xiǎn)評(píng)估及科學(xué)引導(dǎo)提供了參考依據(jù)。

關(guān)鍵詞：反復(fù)性事件;網(wǎng)絡(luò)輿情;風(fēng)險(xiǎn);評(píng)估指標(biāo)

Abstract Public opinion about recurrent events is the existence of normalization in the network society. The targeted research and scientific prediction will help to guide the orderly development of public opinion and maintain the stability of the network society. This study constructs a risk assessment index system of network public opinion for recurrent events， uses Delphi method and analytic hierarchy process to test and measure the weight of the index system. Based on this， taking the "Garbage Classification Event" as an example， this study analyzes the characteristics of indicators such as public opinion subject， public opinion object and key communication nodes in each stage of public opinion through statistical analysis， principal component analysis and text emotion analysis， and especially compares the similarities and differences between the recurrent stage and other stages. The results provide a reference for the effective identification， risk assessment and scientific guidance of recurrent public opinion.

Key words recurrent events; network public opinion; risk; evaluation index

隨著在線社區(qū)、微博、微信等社會(huì)化媒體的快速發(fā)展及移動(dòng)終端的逐漸普及，網(wǎng)絡(luò)輿情也愈加復(fù)雜，其性質(zhì)類型多樣，持續(xù)時(shí)間不等，輿情演化及衍生風(fēng)險(xiǎn)動(dòng)態(tài)多變，需要對(duì)其進(jìn)行及時(shí)跟蹤及風(fēng)險(xiǎn)評(píng)估。從國(guó)內(nèi)外網(wǎng)絡(luò)輿情事件的發(fā)生周期來看，既有映射一次性重大社會(huì)事件的網(wǎng)絡(luò)輿情，也有呈現(xiàn)明顯反復(fù)性特征的網(wǎng)絡(luò)輿情。前者從事件發(fā)酵直至基本消亡，對(duì)社會(huì)的影響程度往往集中于特定時(shí)間段以內(nèi);而后者則多是一些長(zhǎng)期受公眾關(guān)注的事件或話題，由于并沒有最終的結(jié)果或結(jié)論而長(zhǎng)時(shí)間的處于亞沸點(diǎn)狀態(tài)，一旦有相關(guān)事件進(jìn)展發(fā)生，若輿情應(yīng)對(duì)及治理不得當(dāng)則可能引發(fā)新的輿論熱潮，或存在不同程度的輿情風(fēng)險(xiǎn)[1]。實(shí)際上，國(guó)內(nèi)外學(xué)者對(duì)從整體視角對(duì)網(wǎng)絡(luò)輿情危機(jī)的識(shí)別和評(píng)估研究相對(duì)成熟，一些重大輿情事件往往有跡可循且有較成熟的研究方法;但反復(fù)性網(wǎng)絡(luò)輿情的演化規(guī)律、特征屬性、風(fēng)險(xiǎn)評(píng)估等，難以直接利用傳統(tǒng)的輿情研究成果。而如今，反復(fù)性輿情已逐漸成為網(wǎng)絡(luò)事件中常態(tài)化存在，其亦是相關(guān)部門需要科學(xué)應(yīng)對(duì)的重要問題之一。

1? ?相關(guān)研究綜述

1.1? ? 網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)發(fā)生與演化

目前研究者們通常基于生命周期理論，將網(wǎng)絡(luò)輿情從發(fā)生到消亡的過程劃分為三到六個(gè)階段。一般在輿情發(fā)生初期，其風(fēng)險(xiǎn)具有一定潛隱性，危險(xiǎn)程度較低，但由于輿情傳播速度和路徑存在不同變數(shù)，在特定條件下其風(fēng)險(xiǎn)可能進(jìn)一步擴(kuò)散，使得“輕量級(jí)”的輿情風(fēng)險(xiǎn)逐漸演變成“重量級(jí)”風(fēng)險(xiǎn)。何振和盧坤[2]探討了突發(fā)事件社會(huì)風(fēng)險(xiǎn)形成期、擴(kuò)散期、高漲期和消退期的風(fēng)險(xiǎn)演化表現(xiàn)、特征與規(guī)律，并在此基礎(chǔ)上提出了基于不同階段的風(fēng)險(xiǎn)防控對(duì)策。安璐等[3]通過構(gòu)建話題發(fā)現(xiàn)模型，識(shí)別原生輿情及其衍生輿情，利用ARIMA時(shí)間序列模型來擬合和預(yù)測(cè)衍生輿情的形成與演化。黃衛(wèi)東等[4]認(rèn)為輿情風(fēng)險(xiǎn)程度受參與者的情感影響，其基于話題特征詞等構(gòu)建了情感詞表，并應(yīng)用How Net相似度算法計(jì)算情感詞對(duì)應(yīng)的情感傾向值，最后得出了網(wǎng)絡(luò)輿情參與者的情感演化規(guī)律。

1.2? ? 網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估

輿情風(fēng)險(xiǎn)評(píng)估通常指圍繞特定領(lǐng)域或事件，利用數(shù)據(jù)技術(shù)進(jìn)行相關(guān)輿情信息采集、挖掘與分析，在此基礎(chǔ)上利用科學(xué)方法進(jìn)行態(tài)勢(shì)研判、危機(jī)評(píng)估與趨勢(shì)預(yù)測(cè)，并制定應(yīng)對(duì)措施或防范策略。目前，學(xué)者們利用多種方法或算法構(gòu)建了基于不同階段、不同情境的輿情風(fēng)險(xiǎn)評(píng)估指標(biāo)體系或模型。其中，面向突發(fā)事件首發(fā)信息，蔣宇等[5]剖析了其包含的各項(xiàng)基本要素，構(gòu)建基于突發(fā)事件首發(fā)信息的風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，并對(duì)其未來輿情風(fēng)險(xiǎn)進(jìn)行定量評(píng)價(jià)。面向突發(fā)事件的整個(gè)生命周期，梁冠華和鞠玉梅[6]結(jié)合灰色統(tǒng)計(jì)法以及AHP分析法，構(gòu)建了網(wǎng)絡(luò)輿情演化周期各階段的風(fēng)險(xiǎn)指標(biāo)體系，并分析計(jì)算了各個(gè)風(fēng)險(xiǎn)指標(biāo)的權(quán)重系數(shù)。面向時(shí)空社會(huì)網(wǎng)絡(luò)，徐迪[7]探究了時(shí)空大數(shù)據(jù)源與海量輿情信息的匹配規(guī)律，尋求時(shí)空數(shù)據(jù)建模與輿情研判模型的整合方式，構(gòu)建了重大疫情類網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)研判的多維多態(tài)時(shí)空大數(shù)據(jù)分析框架。王靜茹等[8]構(gòu)建了涵蓋輿情主體、客體、本體、媒體和環(huán)境等一級(jí)指標(biāo)體系的多媒體網(wǎng)絡(luò)輿情危機(jī)指標(biāo)體系，并進(jìn)行了具體事件的趨勢(shì)監(jiān)測(cè)研究。秦琴和湯書昆[9]將突發(fā)災(zāi)害理論和信息傳播理論運(yùn)用于突發(fā)災(zāi)害網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)研究中，構(gòu)建了包括災(zāi)害要素、信息特征、媒體傳播和受眾傾向等的輿情風(fēng)險(xiǎn)監(jiān)測(cè)指標(biāo)體系。面向多媒體網(wǎng)絡(luò)輿情衰退期，黃微等[10]通過文獻(xiàn)調(diào)研法構(gòu)建了多媒體網(wǎng)絡(luò)輿情衰退期指標(biāo)體系，并利用BP神經(jīng)網(wǎng)絡(luò)對(duì)構(gòu)建的指標(biāo)體系進(jìn)行了評(píng)估。除此以外，學(xué)者們還對(duì)運(yùn)用模糊綜合評(píng)價(jià)法、AHP分析法、UML方法、專家調(diào)查法等多種方法和技術(shù)，對(duì)政府信息公開輿情[11]、外媒涉華輿情[12]、邊疆地區(qū)輿情[13]、重大公共衛(wèi)生輿情[14]等不同領(lǐng)域、情境的風(fēng)險(xiǎn)評(píng)估展開具體探討。

從已有研究成果來看，網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)相關(guān)研究主要聚焦于基于整體生命周期的輿情風(fēng)險(xiǎn)識(shí)別或預(yù)測(cè)，雖偶見面向首發(fā)信息、衍生輿情或衰退階段的風(fēng)險(xiǎn)研究，但針對(duì)當(dāng)前社會(huì)環(huán)境下頻頻出現(xiàn)的反復(fù)性輿情的研究成果相對(duì)較少，對(duì)“反復(fù)性”作為輿情研究的理論邏輯起點(diǎn)的關(guān)注度有待提升。本研究將通過德爾菲法和層次分析法，對(duì)反復(fù)性的輿情風(fēng)險(xiǎn)評(píng)估進(jìn)行定性、定量相結(jié)合的研究，試圖解決以下兩個(gè)方面的問題：第一，構(gòu)建基于反復(fù)性網(wǎng)絡(luò)輿情的風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，并研判反復(fù)性輿情發(fā)生時(shí)哪些指標(biāo)對(duì)輿情風(fēng)險(xiǎn)的影響權(quán)重更高？第二，結(jié)合對(duì)反復(fù)性輿情風(fēng)險(xiǎn)評(píng)估影響較大的指標(biāo)要素，探究輿情的反復(fù)階段與爆發(fā)期相比有何顯著特征？

2? ?關(guān)鍵概念界定和研究方法

2.1? ? 關(guān)鍵概念界定

本文中，反復(fù)性網(wǎng)絡(luò)輿情指基于特定事件的網(wǎng)絡(luò)輿情在蔓延及爆發(fā)之后，由于事件并沒有最終結(jié)果或結(jié)論而長(zhǎng)時(shí)間處于相對(duì)休眠狀態(tài)，一旦事件出現(xiàn)進(jìn)展，當(dāng)觸碰多項(xiàng)因素或出現(xiàn)新的影響擴(kuò)大化特征后則可能引發(fā)新的反復(fù)性輿情熱潮。

與突發(fā)事件網(wǎng)絡(luò)輿情、爆發(fā)階段網(wǎng)絡(luò)輿情或衍生性網(wǎng)絡(luò)輿情相比，反復(fù)性網(wǎng)絡(luò)輿情往往具有如下特點(diǎn)。

第一，輿情核心話題為“舊”話題。與突發(fā)事件或衍生性輿情核心話題較“新”的特征相比，反復(fù)性輿情往往是相對(duì)“舊”的話題再次出現(xiàn)并影響擴(kuò)大化。一方面，其可能表征為例行官方議程輿情（如3·15晚會(huì)相關(guān)）、常見災(zāi)害氣候輿情（如洪澇災(zāi)害相關(guān)）或定期社會(huì)活動(dòng)輿情（如春運(yùn)相關(guān)），此類舊話題通常呈現(xiàn)“季節(jié)性”反復(fù)出現(xiàn)并且相對(duì)可預(yù)見[15]。另一方面，還有一些非“季節(jié)性”但由于其核心事件并未有最終結(jié)果、當(dāng)事件再次明顯發(fā)展而反復(fù)出現(xiàn)的舊話題，如新冠肺炎疫情。而后者隨著疫情的突發(fā)階段和爆發(fā)階段的時(shí)間推移，已不能僅用傳統(tǒng)的輿情研究邏輯起點(diǎn)來剖析，有必要從反復(fù)性的視角來對(duì)輿情發(fā)展的新規(guī)律、新特征予以揭示。

第二，網(wǎng)民的認(rèn)知狀態(tài)“相對(duì)理性”。有限理性理論認(rèn)為，人們?cè)诂F(xiàn)實(shí)情況中所獲取的信息、知識(shí)與能力存在有限性，他們基于此所形成的方案或決策也是有限的，所以公眾往往難以做出效益最大化的決策[16]。而由于反復(fù)性輿情涉及的核心話題相對(duì)較“舊”，與突發(fā)事件相比，普通民眾此時(shí)通常對(duì)事件本身已有一定的信息攝入及認(rèn)知積累，其往往呈現(xiàn)相對(duì)理性的狀態(tài)。

第三，輿情場(chǎng)域多維度動(dòng)態(tài)演化。布爾迪厄?qū)?chǎng)域定義為“位置間客觀關(guān)系的一個(gè)網(wǎng)絡(luò)或一個(gè)形構(gòu)，這些位置是經(jīng)過客觀限定的”，即社會(huì)個(gè)體所參與社會(huì)活動(dòng)的空間[17]。在若干反復(fù)性輿情發(fā)生過程中，其雖然核心話題一致，但所映射的物理區(qū)域、空間情境以及客觀性質(zhì)均呈現(xiàn)動(dòng)態(tài)演化趨勢(shì)。如隨著各地“垃圾分類”政策的發(fā)布，其相關(guān)輿情涉及區(qū)域不斷變化，所體現(xiàn)的諸如政治、社會(huì)等不同領(lǐng)域輿情性質(zhì)或也隨之變化。

2.2? ? 研究方法

本研究綜合運(yùn)用德爾菲法（Delphi）和層次分析法（Analytic Hierarchy Process）檢驗(yàn)反復(fù)性事件網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估的要素指標(biāo)。德爾菲法亦可稱為專家調(diào)查法，是一種采用函詢方式進(jìn)行多次領(lǐng)域?qū)＜夷涿涣鞣答伒恼{(diào)查方法[18]。層次分析法是一種定性、定量相結(jié)合的多目標(biāo)決策分析方法，較適用于解決評(píng)估體系中指標(biāo)要素較多、內(nèi)在關(guān)系較復(fù)雜、不易采取量化的問題[19]。

通過查閱國(guó)內(nèi)外相關(guān)文獻(xiàn)，本研究系統(tǒng)梳理總結(jié)了多類網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)的評(píng)估指標(biāo)，并基于輿情的反復(fù)性特征及專家預(yù)訪談結(jié)果，構(gòu)建面向反復(fù)性事件的網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估指標(biāo)體系。然后，基于構(gòu)建的評(píng)估層次結(jié)構(gòu)模型，根據(jù)李克特量表制作專家調(diào)查問卷，并依據(jù)問卷回收所得數(shù)據(jù)建立成對(duì)比較判斷矩陣，然后運(yùn)用層次分析法專業(yè)分析工具計(jì)算模型中各項(xiàng)要素的權(quán)重值并檢驗(yàn)一致性，只有滿足一致性的數(shù)據(jù)才被采納;最后，以微博環(huán)境下“垃圾分類”事件為例，利用統(tǒng)計(jì)分析法、內(nèi)容分析法、文本情感分析等方法對(duì)反復(fù)性輿情風(fēng)險(xiǎn)的主要指標(biāo)進(jìn)行了實(shí)證分析，以期為網(wǎng)絡(luò)輿情的研究提供新的理論支撐，在實(shí)踐層面為輿情監(jiān)管部門對(duì)反復(fù)性社會(huì)事件輿情的治理提供借鑒。

3? ?反復(fù)性網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估體系與指標(biāo)權(quán)重

3.1? ? 評(píng)估指標(biāo)體系構(gòu)建

本研究的評(píng)估客體為具有反復(fù)性特征的重要事件網(wǎng)絡(luò)輿情。構(gòu)建層次結(jié)構(gòu)體系的目的在于對(duì)該類網(wǎng)絡(luò)輿情的風(fēng)險(xiǎn)程度從多個(gè)方面進(jìn)行綜合性評(píng)估，從而幫助相關(guān)部門及時(shí)識(shí)別輿情態(tài)勢(shì)、做出科學(xué)應(yīng)對(duì)。通過解構(gòu)評(píng)價(jià)目標(biāo)及具體表征的關(guān)鍵信息，本研究認(rèn)為反復(fù)性視角下網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估層次體系可設(shè)置為4個(gè)一級(jí)指標(biāo)、11個(gè)二級(jí)指標(biāo)和36個(gè)三級(jí)指標(biāo)，具體如下。

（1）“輿情主體”一級(jí)指標(biāo)。網(wǎng)絡(luò)輿情的反復(fù)過程中，輿情主體通過在社區(qū)中的多種參與行為及情感態(tài)度的表達(dá)傳播，對(duì)網(wǎng)絡(luò)輿情的反復(fù)性演化起著重要影響作用。結(jié)合已有研究及反復(fù)性輿情表征，將“輿情主體”下設(shè)參與用戶情況、主體客觀表述、以及主體主觀情感3個(gè)二級(jí)指標(biāo)。其中，用戶情況指輿情事件中內(nèi)容信息發(fā)布者以及傳播者的基本情況;客觀表述指發(fā)布或傳播內(nèi)容的詳略程度、可視化程度等，包括文字內(nèi)容、圖片內(nèi)容、視頻內(nèi)容以及其他鏈接等;主觀情感指事件參與者、發(fā)布者以及傳播者發(fā)布的內(nèi)容所體現(xiàn)出的態(tài)度、情感等。

（2）“輿情客體”一級(jí)指標(biāo)。在網(wǎng)絡(luò)輿情的反復(fù)階段，輿情事件本身可能呈現(xiàn)新的特征、反映不同的事件性質(zhì)，或進(jìn)一步演化發(fā)展，這些客體表征則是輿情本體表達(dá)的集中體現(xiàn)。本研究將“輿情客體”下設(shè)事件性質(zhì)、事件規(guī)模和事件發(fā)展3個(gè)二級(jí)指標(biāo)。其中事件性質(zhì)主要指事件所屬的領(lǐng)域，包括政治安全領(lǐng)域、生態(tài)安全領(lǐng)域、社會(huì)安全領(lǐng)域、經(jīng)濟(jì)安全領(lǐng)域、文化安全領(lǐng)域[20];事件規(guī)模指整個(gè)事件引發(fā)、涉及的數(shù)據(jù)量，是事件影響大小以及覆蓋范圍的體現(xiàn);事件發(fā)展則指事件本身隨著時(shí)間的變化以及事件主體情感的演變趨勢(shì)。

（3）“傳播媒介”一級(jí)指標(biāo)。在網(wǎng)絡(luò)輿情發(fā)展的過程中，媒體傳播特征和社會(huì)網(wǎng)絡(luò)交互類型等因素會(huì)一定程度影響著輿情演變走勢(shì)，或觸發(fā)網(wǎng)絡(luò)輿情呈現(xiàn)反復(fù)性。本研究將“傳播媒介”下設(shè)關(guān)鍵節(jié)點(diǎn)、傳播速度、傳播路徑及輿情環(huán)境3個(gè)二級(jí)指標(biāo)。關(guān)鍵節(jié)點(diǎn)指在事件傳播過程中，各主體所體現(xiàn)的傳播角色，包括政府、主流媒體、微博大V以及普通大眾;傳播速度指事件規(guī)模的擴(kuò)散率以及影響范圍的擴(kuò)大速度;傳播路徑指事件的傳播模式以及傳播方式。

（4）“輿情環(huán)境”一級(jí)指標(biāo)。除在社區(qū)中參與信息生成和情感表達(dá)的網(wǎng)民外，還存在多數(shù)呈現(xiàn)“圍觀”的潛水者及嘗試“干預(yù)”的相關(guān)部門，他們共同組成了網(wǎng)絡(luò)輿情的外圍拓展及映射環(huán)境。本研究將“輿情環(huán)境”下設(shè)輿情映射和外界干預(yù)2個(gè)二級(jí)指標(biāo)，其中，輿情映射指網(wǎng)絡(luò)環(huán)境中關(guān)注輿情但非直接參與的主體對(duì)事件的搜索熱度;外界干預(yù)指外界環(huán)境（主要是政府）對(duì)事件的干預(yù)手段、干預(yù)模式以及干預(yù)頻度。

基于此，本研究構(gòu)建了反復(fù)性視角下網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估指標(biāo)體系中的三級(jí)指標(biāo)，為了盡可能遵循全面性、系統(tǒng)性和可操作性的原則。在后續(xù)專家意見征詢過程中，發(fā)現(xiàn)部分指標(biāo)存在難獲取、冗余等問題，后結(jié)合研究實(shí)際以及反復(fù)性輿情特征，對(duì)部分指標(biāo)進(jìn)行了調(diào)整，最終形成網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)指標(biāo)體系并進(jìn)行解釋說明（見表1）。

3.2? ?評(píng)估指標(biāo)一致性及權(quán)重分析

基于本文所構(gòu)建的層次模型，本研究制作了層次分析法專家調(diào)查問卷。同時(shí)，為實(shí)現(xiàn)對(duì)本文所構(gòu)建的模型和指標(biāo)進(jìn)行檢驗(yàn)，鑒于綜合評(píng)價(jià)法原理，以“非常重要、比較重要、一般、比較不重要、非常不重要”5個(gè)等級(jí)作為指標(biāo)打分依據(jù)，設(shè)計(jì)了指標(biāo)評(píng)價(jià)專家問卷。專家調(diào)查問卷均采取線上方式發(fā)放與回收。根據(jù)層次分析法和德爾菲法的基本原理，問卷調(diào)查所選取的專家樣本應(yīng)不少于10人，以保證較為理想的精準(zhǔn)度。為保證獲取數(shù)據(jù)的可信度和權(quán)威性，本次調(diào)查選取了領(lǐng)域?qū)＜覍W(xué)者、實(shí)踐界從業(yè)人員，組成了專家評(píng)估小組（N=21），其中博士18人，碩士3人。

本文采用薩蒂提出的層次分析法對(duì)指標(biāo)體系的各級(jí)指標(biāo)進(jìn)行權(quán)重計(jì)算?；舅悸窞椋菏紫?，確立總目標(biāo)和關(guān)鍵影響因子，并將關(guān)鍵影響因子按隸屬關(guān)系支配分解，形成一套有序遞階結(jié)構(gòu)。其中，目標(biāo)層即所確立的風(fēng)險(xiǎn)評(píng)估總目標(biāo)（A），準(zhǔn)則層即輿情主體、輿情客體、傳播媒介、輿情環(huán)境，基于此對(duì)上述指標(biāo)進(jìn)行分析。方案層包含子指標(biāo)1和子指標(biāo)2，其中子指標(biāo)2由子指標(biāo)1進(jìn)一步細(xì)化分類所得。然后，在此結(jié)構(gòu)中建立判斷矩陣將影響因子進(jìn)行兩兩比較，同時(shí)計(jì)算出判斷矩陣的最大特征值和正交化特征向量。接著，利用層次分析法進(jìn)行各個(gè)指標(biāo)權(quán)重的計(jì)算與排序，最終得出關(guān)鍵因素指標(biāo)，并將預(yù)測(cè)結(jié)果帶入事例中進(jìn)行驗(yàn)證，判斷預(yù)測(cè)是否準(zhǔn)確。

具體而言，首先將專家評(píng)分轉(zhuǎn)化為判斷矩陣;然后運(yùn)用matlab進(jìn)行特征值（λ）求解和一致性檢驗(yàn)。CR<0.1時(shí)則可以認(rèn)為判斷矩陣的一致性可以接受;否則需要對(duì)判斷矩陣進(jìn)行修正。

接著，運(yùn)用matlab進(jìn)行特征值法計(jì)算權(quán)值。通過構(gòu)建一系列判斷矩陣，自頂向下逐層分析量化，對(duì)一級(jí)指標(biāo)、二級(jí)指標(biāo)和三級(jí)指標(biāo)進(jìn)行一致性檢驗(yàn)。通過與德爾菲法相結(jié)合，最終各級(jí)指標(biāo)一致性檢驗(yàn)通過，并得出各個(gè)指標(biāo)在整體中的權(quán)重（一級(jí)指標(biāo)一致性檢驗(yàn)結(jié)果見表3）;二級(jí)指標(biāo)在同層級(jí)風(fēng)險(xiǎn)評(píng)估體系中的權(quán)重（見圖1）;三級(jí)指標(biāo)在同層級(jí)風(fēng)險(xiǎn)評(píng)估體系中的權(quán)重（見表4）。

通過一級(jí)指標(biāo)權(quán)重結(jié)果可以看出，在反復(fù)性輿情風(fēng)險(xiǎn)評(píng)估體系中，“輿情客體”所占權(quán)重最高，一定程度上揭示了在這一階段對(duì)風(fēng)險(xiǎn)影響最大的依然是輿情事件本身，包括輿情的性質(zhì)、規(guī)模及事件發(fā)展等因素。除此以外，參與網(wǎng)民的數(shù)量以及其在平臺(tái)的客觀表述和主觀情感等輿情主體方面，對(duì)輿情風(fēng)險(xiǎn)影響也較為重要。同時(shí)，輿情的傳播媒介和環(huán)境也對(duì)反復(fù)性輿情的風(fēng)險(xiǎn)評(píng)估起到一定作用。

從圖1可以看出，二級(jí)指標(biāo)中，輿情事件在網(wǎng)絡(luò)空間出現(xiàn)的內(nèi)容數(shù)量規(guī)模、參與網(wǎng)民的主觀情感以及事件的發(fā)展動(dòng)態(tài)對(duì)反復(fù)性網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)的影響程度較大。其次為輿情傳播中的關(guān)鍵節(jié)點(diǎn)、參與網(wǎng)民的客觀表述、輿情事件的基本性質(zhì)以及外界的干預(yù)手段和強(qiáng)度，這些也是決定反復(fù)性網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)等級(jí)高低的重要因素。

縱觀三級(jí)指標(biāo)權(quán)重測(cè)量結(jié)果，反復(fù)階段輿情風(fēng)險(xiǎn)影響最大的三個(gè)具體指標(biāo)分別為，主動(dòng)參與網(wǎng)民發(fā)布的原創(chuàng)內(nèi)容數(shù)量、在平臺(tái)主動(dòng)搜索相關(guān)信息的“圍觀”網(wǎng)民情況，以及距相關(guān)事件發(fā)生節(jié)點(diǎn)的時(shí)間跨度。結(jié)合反復(fù)性輿情風(fēng)險(xiǎn)評(píng)級(jí)較重要的二級(jí)指標(biāo)進(jìn)行分析發(fā)現(xiàn)：①輿情信息的主動(dòng)性發(fā)布比整體發(fā)布、跟隨發(fā)布更具風(fēng)險(xiǎn)評(píng)級(jí)參考價(jià)值;②網(wǎng)民的情感變化、負(fù)面態(tài)度比積極態(tài)度、中立態(tài)度對(duì)風(fēng)險(xiǎn)評(píng)級(jí)更重要;③作為關(guān)鍵節(jié)點(diǎn)的微博大V、主流媒體比政府、普通大眾對(duì)輿情風(fēng)險(xiǎn)的影響強(qiáng)度更明顯;④輿情事件所屬社會(huì)領(lǐng)域、政治領(lǐng)域比所屬經(jīng)濟(jì)領(lǐng)域、生態(tài)領(lǐng)域和安全文化領(lǐng)域?qū)︼L(fēng)險(xiǎn)級(jí)別的影響概率更高;⑤輿情信息中視頻比鏈接、圖片對(duì)輿情風(fēng)險(xiǎn)評(píng)估權(quán)重更大;⑥傳播路徑中，多關(guān)鍵節(jié)點(diǎn)較單關(guān)鍵點(diǎn)及鏈?zhǔn)絺鞑ビ绊懥Ω蟆?/p>

4? ?指標(biāo)體系的實(shí)證檢驗(yàn)

4.1? ? 案例選取及數(shù)據(jù)采集

本研究以微博平臺(tái)中“垃圾分類”事件及其對(duì)應(yīng)的網(wǎng)絡(luò)輿情為例，進(jìn)行反復(fù)性視角下網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)指標(biāo)體系的檢驗(yàn)與對(duì)比分析。之所以選取此案例，一方面由于“垃圾分類”輿情是近年來隨不同地域相關(guān)政策頒布而出現(xiàn)的典型反復(fù)性網(wǎng)絡(luò)輿情，具備該類輿情的主要特征及普適性研究?jī)r(jià)值;另一方面，自2019年7月1日上海開始實(shí)施《上海市生活垃圾管理?xiàng)l例》以來，眾多網(wǎng)友基于此展開討論并形成大量相關(guān)數(shù)據(jù)，對(duì)數(shù)據(jù)的有效采集和充分分析起到良好的支持作用。

本研究以“垃圾分類”為關(guān)鍵詞，利用八爪魚和Python采集了自2019年6月1日至2020年9月7日微博平臺(tái)的25余萬條數(shù)據(jù)，抓取的數(shù)據(jù)類型主要包括微博ID、發(fā)布時(shí)間、微博內(nèi)容、內(nèi)容類型、轉(zhuǎn)發(fā)-評(píng)論-點(diǎn)贊等微博平臺(tái)信息。經(jīng)過編程自動(dòng)篩選與人工清洗，去除重復(fù)、無用及干擾數(shù)據(jù)，最終有近22萬條有效數(shù)據(jù)，以供研究進(jìn)一步開展。

4.2? ? “垃圾分類”輿情的生命周期階段劃分

根據(jù)生命周期理論，網(wǎng)絡(luò)輿情事件的傳播演化存在明顯階段特征，已有研究多用平臺(tái)的相關(guān)發(fā)文數(shù)量作為關(guān)鍵指標(biāo)進(jìn)行量化顯示。本文以生命周期理論為依據(jù)，結(jié)合“垃圾分類”相關(guān)輿情中微博發(fā)文數(shù)的變化情況以及本文前述反復(fù)性輿情的發(fā)現(xiàn)，將該事件的輿情演化過程劃分為4個(gè)大致階段：潛伏期（2019年6月1日-2019年6月16日）、爆發(fā)期（2019年6月17日-2019年7月15日）、反復(fù)期（2019年7月15日-2019年9月7日）、長(zhǎng)尾期（2019年9月8日-2020年9月21日）。其中基于反復(fù)期的特征和數(shù)據(jù)規(guī)模，將反復(fù)期進(jìn)一步分為：反復(fù)期1（2019年7月23日-7月25日）、反復(fù)期2（2019年8月3日-8月9日）和反復(fù)期3（2019年8月31日-9月7日）（具體階段劃分見圖2）。

4.3? ? “垃圾分類”輿情反復(fù)階段的主要指標(biāo)特征分析

如前所述，本研究在構(gòu)建反復(fù)性視角下網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估指標(biāo)體系的同時(shí)，還嘗試結(jié)合測(cè)量指標(biāo)的重要程度，進(jìn)一步剖析輿情反復(fù)階段與其他生命周期階段相比，哪些指標(biāo)是既重要又有明顯差異性的，而哪些指標(biāo)雖然重要但在輿情各階段沒有明顯差別。以此來判別哪些指標(biāo)或因素可更有效預(yù)測(cè)或識(shí)別輿情的反復(fù)期。

（1）輿情主體方面

①基于網(wǎng)民規(guī)模的反復(fù)性輿情風(fēng)險(xiǎn)評(píng)估。本研究通過統(tǒng)計(jì)分析整理“垃圾分類”輿情參與網(wǎng)民的數(shù)量，并測(cè)量了三個(gè)反復(fù)階段與爆發(fā)階段參與網(wǎng)民的規(guī)模。發(fā)現(xiàn)反復(fù)期與爆發(fā)期輿情整體用戶規(guī)模、主動(dòng)發(fā)布用戶數(shù)量大體與對(duì)應(yīng)時(shí)間范圍的輿情信息規(guī)模呈正比;同時(shí)發(fā)現(xiàn)主動(dòng)發(fā)布用戶占整體內(nèi)容發(fā)布用戶的較大比例，其對(duì)輿情的反復(fù)性發(fā)展有重大影響（見圖3）。換言之，盡管參與用戶的數(shù)量規(guī)模可作為輿情風(fēng)險(xiǎn)評(píng)估的重要指標(biāo)，但反復(fù)性輿情測(cè)量中該指標(biāo)沒有明顯階段特征。

②基于網(wǎng)民生成內(nèi)容的反復(fù)性輿情風(fēng)險(xiǎn)評(píng)估。通過使用Python和Excel統(tǒng)計(jì)工具展開分析發(fā)現(xiàn)，文字是網(wǎng)民生成內(nèi)容最常見的形式，文字的長(zhǎng)度與輿情各周期“冷熱”有較明顯的一致性關(guān)系。而在網(wǎng)民生成發(fā)布的其他類型內(nèi)容中，鏈接數(shù)量略高于視頻和圖片數(shù)量，且輿情的反復(fù)階段和爆發(fā)階段網(wǎng)民發(fā)布的非文字類型數(shù)量也相對(duì)較高。這意味著，盡管參與用戶的客觀表述雖然作為輿情風(fēng)險(xiǎn)評(píng)估的重要指標(biāo)，但該指標(biāo)對(duì)反復(fù)性輿情測(cè)量同樣沒有明顯階段特征（見圖4、圖5）。

③基于網(wǎng)民情感的反復(fù)性輿情風(fēng)險(xiǎn)評(píng)估。本部分根據(jù)情感字典對(duì)分詞后的文本進(jìn)行情感計(jì)算，具體步驟如下：首先進(jìn)行分詞及詞性標(biāo)注，詞和詞性構(gòu)成一個(gè)元組;然后進(jìn)行句子切分，讀取停用詞表，去除停用詞;接著讀取情感詞典，獲取六種權(quán)值的詞，根據(jù)要求返回list，其中，程度副詞的權(quán)值從高到低分別是2、1.5、1.25、0.5、0.25、-1;進(jìn)而，對(duì)情感得分進(jìn)行最后處理，如[-1， 3]→[0， 4]。其中分?jǐn)?shù)越高，說明情感越趨向于積極性。

分析各階段網(wǎng)民的情感分值（見圖6），不難看出，一方面，在“垃圾分類”相關(guān)輿情中，正向情感始終居于上風(fēng)，盡管其分類政策可能給普通群眾日常生活帶來更多任務(wù)量，但從網(wǎng)民情感走向來看，可以認(rèn)為群眾對(duì)生態(tài)環(huán)保、污染治理等持更為正面的支持態(tài)度;另一方面，網(wǎng)民的情感分值在三個(gè)反復(fù)期均沒有呈現(xiàn)明顯的峰值，其或可解釋為在反復(fù)階段網(wǎng)民的認(rèn)知理性或情感穩(wěn)定程度較高。鑒于此，盡管網(wǎng)民的情感態(tài)度可作為衡量全生命周期網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估的重要指標(biāo)，但在反復(fù)階段該指標(biāo)的評(píng)價(jià)貢獻(xiàn)并不高于其它階段。

（2）輿情客體方面

①基于輿情規(guī)模的反復(fù)性輿情風(fēng)險(xiǎn)評(píng)估。輿情規(guī)模作為衡量全生命周期的重要指標(biāo)，其作用不言而喻。然而除了網(wǎng)民主動(dòng)發(fā)布的各類型內(nèi)容外，還有相當(dāng)規(guī)模的轉(zhuǎn)發(fā)、評(píng)論和點(diǎn)贊情況。分析網(wǎng)民在輿情各階段的跟隨走勢(shì)（見圖7），反映出輿情的爆發(fā)和反復(fù)期過程中，網(wǎng)民點(diǎn)贊和轉(zhuǎn)發(fā)情況較為突出，雖然并不與階段峰值到達(dá)的時(shí)間完全吻合，但也基本保持前后相近狀態(tài);同時(shí)，在長(zhǎng)尾期由于個(gè)別傳播者的特殊性，網(wǎng)民點(diǎn)贊量仍可出現(xiàn)較高值。本研究還發(fā)現(xiàn)，反復(fù)期與爆發(fā)期的相關(guān)評(píng)論數(shù)據(jù)較少，且與基于反復(fù)期測(cè)量該指標(biāo)的效果并不明顯。這在一定程度上說明了網(wǎng)民的參與行為也較符合最小省力法則，即轉(zhuǎn)發(fā)和點(diǎn)贊相對(duì)時(shí)間短、較便捷，而評(píng)論則需要用戶占用更多時(shí)間。

②基于輿情性質(zhì)的反復(fù)性輿情風(fēng)險(xiǎn)評(píng)估。本部分使用了主成分分析法，具體操作如下：首先，從輿情各階段隨機(jī)抽取出一萬條數(shù)據(jù)文本，進(jìn)行分詞、去除停用詞等預(yù)處理后，利用Python進(jìn)行詞頻統(tǒng)計(jì)并降序輸出，選取其中前300個(gè)高頻主題詞，進(jìn)一步篩選得到有效的高頻主題詞74個(gè)。然后，隨機(jī)選取120個(gè)用戶及所發(fā)布的微博正文，將高頻主題詞出現(xiàn)一次記為數(shù)字1，出現(xiàn)兩次記為數(shù)字2，出現(xiàn)三次記為數(shù)字3，以此類推，將最終處理完畢的數(shù)據(jù)結(jié)果導(dǎo)入SPSS中進(jìn)行相關(guān)性分析以及主成分分析，并且輸出載荷圖等其他的相關(guān)結(jié)果圖。本文共得到了10個(gè)以上的主成分，選取前5個(gè)主成分，根據(jù)各個(gè)高頻詞的貢獻(xiàn)率可知，研究案例涉及的輿情性質(zhì)主要有生態(tài)環(huán)境、社會(huì)生活、法律法規(guī)三個(gè)領(lǐng)域（部分截取的成分得分系數(shù)矩陣見表5）。

③基于輿情情感波動(dòng)的反復(fù)性輿情風(fēng)險(xiǎn)評(píng)估。基于本文中的情感分值進(jìn)一步算出積極情感、消極情感平均分以及平均分之比，并依據(jù)此算出積極、消極得分的方差以及方差之比。情感方差一定程度上反映了輿情情感強(qiáng)度的波動(dòng)性與穩(wěn)定性情況（見圖8），在輿情爆發(fā)期積極、消極情感方差都較大，而反復(fù)階段積極、消極情感方差較小，甚至小于長(zhǎng)尾期的情感方差。這揭示了即使輿情爆發(fā)期的情感波動(dòng)是風(fēng)險(xiǎn)評(píng)估的重要測(cè)量指標(biāo)，輿情的反復(fù)期該指標(biāo)盡管也是參考依據(jù)，但呈現(xiàn)測(cè)量效果相對(duì)不明顯。

（3）輿情關(guān)鍵節(jié)點(diǎn)方面

本研究對(duì)所有采集的交互數(shù)據(jù)進(jìn)行加權(quán)計(jì)算：轉(zhuǎn)發(fā)量*0.5+評(píng)論量*0.3+點(diǎn)贊量*0.2=最終得分。接著，通過最終得分進(jìn)行降序處理，取出得分為100分以上的關(guān)鍵節(jié)點(diǎn)，再進(jìn)行降序排序，選取前500名，作為整個(gè)周期的關(guān)鍵節(jié)點(diǎn);然后，選取出對(duì)應(yīng)時(shí)間階段的關(guān)鍵節(jié)點(diǎn)以及關(guān)鍵節(jié)點(diǎn)的得分，把爆發(fā)期、反復(fù)期1，反復(fù)期2，反復(fù)期3，長(zhǎng)尾期對(duì)應(yīng)的關(guān)鍵節(jié)點(diǎn)提取出來;如關(guān)鍵節(jié)點(diǎn)關(guān)注另一個(gè)關(guān)鍵節(jié)點(diǎn)則可判定為二者之間有單向聯(lián)系，記為1，無單向聯(lián)系記為0。利用Python，登錄微博進(jìn)行比對(duì)，并且將最后的1 0矩陣輸出到Excel表中。最后利用ucinet和newdraw進(jìn)行社交網(wǎng)絡(luò)可視化分析以及中心度分析，輸出結(jié)果（見圖9）。

進(jìn)一步分析發(fā)現(xiàn)，就數(shù)量而言，全周期的關(guān)鍵節(jié)點(diǎn)最多，而爆發(fā)期和反復(fù)期3的關(guān)鍵節(jié)點(diǎn)次之;就密集程度而言，全周期最為密集，反復(fù)期3和爆發(fā)期的較為密集;就具體的關(guān)鍵節(jié)點(diǎn)而言，在全周期內(nèi)，最主要的幾個(gè)關(guān)鍵節(jié)點(diǎn)主要為主流媒體、政府和大V;在爆發(fā)期內(nèi)，最主要的幾個(gè)關(guān)鍵節(jié)點(diǎn)是：政府和主流媒體;而在反復(fù)期內(nèi)，最主要的關(guān)鍵節(jié)點(diǎn)則為主流媒體和大V，尤其在案例反復(fù)期3可以發(fā)現(xiàn)，這一時(shí)期雖然關(guān)鍵節(jié)點(diǎn)數(shù)量較多，但是主要為大V群體。這可以反映出雖然話題討論較多，但隨著反復(fù)次數(shù)增多，政府干預(yù)越來越少，網(wǎng)絡(luò)大V的傳播關(guān)鍵節(jié)點(diǎn)地位愈加凸顯。

5? ?結(jié)論及建議

本研究構(gòu)建面向反復(fù)性事件的網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，綜合運(yùn)用德爾菲法和層次分析法對(duì)指標(biāo)體系進(jìn)行了驗(yàn)證和權(quán)重分解，識(shí)別出影響反復(fù)性輿情風(fēng)險(xiǎn)發(fā)生的主要指標(biāo)類型和具體指標(biāo)。在此基礎(chǔ)上，基于所采集的與“垃圾分類”反復(fù)性輿情事件相關(guān)的22余萬條有效微博條目作為研究對(duì)象，通過統(tǒng)計(jì)分析、主成分分析、文本情感分析，實(shí)現(xiàn)了輿情反復(fù)階段與其它階段的主要指標(biāo)測(cè)量比較，識(shí)別出對(duì)反復(fù)性輿情風(fēng)險(xiǎn)評(píng)估起著相對(duì)重要作用的指標(biāo)要素。主要得出以下結(jié)論及建議：

（1）構(gòu)建聯(lián)動(dòng)的反復(fù)性事件輿情風(fēng)險(xiǎn)監(jiān)測(cè)體系。風(fēng)險(xiǎn)監(jiān)測(cè)體系是長(zhǎng)效輿情引導(dǎo)控制的基礎(chǔ)，在輿情經(jīng)過熱議而處于相對(duì)冷卻的狀態(tài)時(shí)，仍需對(duì)其建立反復(fù)性評(píng)價(jià)反饋機(jī)制，并隨時(shí)評(píng)估再次引發(fā)危機(jī)的可能。具體工作可基于兩方面開展：其一是將反復(fù)性輿情主要測(cè)量指標(biāo)及指標(biāo)體系的量化評(píng)估結(jié)果聯(lián)動(dòng)至整體輿情預(yù)警體系，以便于相關(guān)部門及時(shí)進(jìn)行統(tǒng)籌研判和處理;其二是將輿情的全過程數(shù)據(jù)納入案例庫(kù)，不斷完善反復(fù)性輿情風(fēng)險(xiǎn)評(píng)估體系，以為后續(xù)其它類似事件提供可借鑒的思路和建議。

（2）加強(qiáng)輿情事件性質(zhì)的識(shí)別和引導(dǎo)。盡管反復(fù)性輿情的核心話題或議題相對(duì)不變，但是話題背后的事件性質(zhì)或隨網(wǎng)民的輿論發(fā)展而發(fā)生變遷。基于本研究發(fā)現(xiàn)，輿情風(fēng)險(xiǎn)的相關(guān)事件性質(zhì)權(quán)重從大到小依次為社會(huì)安全、政治安全、經(jīng)濟(jì)安全、生態(tài)安全和文化安全，結(jié)合輿情反復(fù)階段用戶發(fā)布主動(dòng)內(nèi)容參與性強(qiáng)、評(píng)論回復(fù)等交互性弱及多傳播關(guān)鍵節(jié)點(diǎn)的特征，相關(guān)部門可以在輿情爆發(fā)后重點(diǎn)關(guān)注關(guān)鍵傳播節(jié)點(diǎn)，引導(dǎo)其輿情發(fā)布內(nèi)容成分及事件性質(zhì)等風(fēng)險(xiǎn)層級(jí)弱化，盡量避免不良后續(xù)輿情的產(chǎn)生。

（3）重視輿情發(fā)展過程中網(wǎng)民的情感態(tài)度。輿情的反復(fù)階段，網(wǎng)民的認(rèn)知相對(duì)理性、情感波動(dòng)較爆發(fā)期相對(duì)穩(wěn)定;同時(shí)也可存在情緒的內(nèi)隱和累積，當(dāng)意外事件進(jìn)一步刺激而導(dǎo)致情感臨界點(diǎn)的突破，這一情感維度正是反復(fù)性網(wǎng)絡(luò)輿情分析和監(jiān)測(cè)的重點(diǎn)和關(guān)鍵?；诖?，有必要對(duì)反復(fù)性輿情發(fā)生過程中網(wǎng)民顯性與隱性情感特征進(jìn)行識(shí)別研判，通過揭示諸如網(wǎng)絡(luò)輿情中的情感類型、情感狀態(tài)、情感強(qiáng)度、情感焦點(diǎn)、情感指向、情感喚起等要素，剖析隱性情感發(fā)展態(tài)勢(shì)及在網(wǎng)絡(luò)社會(huì)中的顯性轉(zhuǎn)化動(dòng)因、規(guī)律，進(jìn)而綜合形成各個(gè)輿情發(fā)展階段危機(jī)程度和預(yù)警級(jí)別。

（4）發(fā)揮輿情傳播關(guān)鍵節(jié)點(diǎn)的多維價(jià)值。本研究進(jìn)一步驗(yàn)證了輿情的整個(gè)生命周期中，關(guān)鍵節(jié)點(diǎn)發(fā)布的內(nèi)容類型與傳播路徑存在的明顯差異。作為輿情風(fēng)險(xiǎn)評(píng)估的重要指標(biāo)，需要在不同階段對(duì)關(guān)鍵節(jié)點(diǎn)進(jìn)行科學(xué)把握和高效引導(dǎo)，諸如相關(guān)治理機(jī)構(gòu)在輿情爆發(fā)期可主要考慮依托多關(guān)鍵節(jié)點(diǎn)影響力和快速擴(kuò)散能力，對(duì)網(wǎng)民進(jìn)行及時(shí)、權(quán)威、針對(duì)性、結(jié)構(gòu)化地信息輸出;而在輿情的反復(fù)期，重點(diǎn)強(qiáng)化多類型關(guān)鍵節(jié)點(diǎn)協(xié)同信息內(nèi)容生成和傳播，尤其關(guān)注平臺(tái)大V的正向傳播作用，以防止“輿情搭載”、“次生輿情”等新情況。

上述研究發(fā)現(xiàn)有助于為政府和相關(guān)部門的整個(gè)生命周期輿情治理、尤其是反復(fù)階段輿情治理提供數(shù)據(jù)與方法支持，識(shí)別潛在的反復(fù)風(fēng)險(xiǎn)，提高科學(xué)應(yīng)對(duì)決策。后續(xù)我們將繼續(xù)擴(kuò)大研究樣本，進(jìn)一步檢驗(yàn)和改進(jìn)反復(fù)性輿情識(shí)別指標(biāo)及方法的準(zhǔn)確性和適用性。

參考文獻(xiàn)：

[1]? 張瑜，李兵，劉晨玥.面向主題的微博熱門話題輿情監(jiān)測(cè)研究——以“北京單雙號(hào)限行常態(tài)化”輿情分析為例[J].中文信息學(xué)報(bào)，2015，29（5）：143-151，159.

[2]? 何振，盧坤.突發(fā)事件社會(huì)輿情風(fēng)險(xiǎn)生成演化及防控研究[J].湘潭大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2020，44（2）：22-26.

[3]? 安璐，代園園，周亦文.公共安全事件衍生輿情形成與演化研究——基于話題與時(shí)間序列分析[J].公安學(xué)研究，2020，3（1）：14-31，123.

[4]? 黃衛(wèi)東，林萍，董怡，等.基于話題特征詞的網(wǎng)絡(luò)輿情參與者情感演化分析[J].情報(bào)雜志，2015，34（11）：117-122，144.

[5]? 蔣宇，蘭月新，劉冰月，等.面向輿情預(yù)測(cè)的突發(fā)事件首發(fā)信息風(fēng)險(xiǎn)評(píng)估研究[J].圖書與情報(bào)，2016（3）：19-27.

[6]? 梁冠華，鞠玉梅.基于輿情演化生命周期的突發(fā)事件網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估分析[J].情報(bào)科學(xué)，2018，36（10）：48-53.

[7]? 徐迪.基于時(shí)空大數(shù)據(jù)的重大疫情類突發(fā)事件網(wǎng)絡(luò)輿情研判體系研究[J].現(xiàn)代情報(bào)，2020，40（4）：23-30，81.

[8]? 王靜茹，金鑫，黃微.多媒體網(wǎng)絡(luò)輿情危機(jī)監(jiān)測(cè)指標(biāo)體系構(gòu)建研究[J].情報(bào)資料工作，2017（6）：25-32.

[9]? 秦琴，湯書昆.突發(fā)自然災(zāi)害網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)監(jiān)測(cè)指標(biāo)體系研究[J/OL].電子科技大學(xué)學(xué)報(bào)（社科版）：1-9[2020-10-14].https：//doi.org/10.14071/j.1008-8105（2019）-3023.

[10]? 黃微，徐燁，劉熠，等.多媒體網(wǎng)絡(luò)輿情衰退期形成的評(píng)估指標(biāo)體系構(gòu)建研究[J].情報(bào)理論與實(shí)踐，2020，43（1）：76-81.

[11]? 薛新波，周中林.政府信息公開的輿情風(fēng)險(xiǎn)評(píng)估指標(biāo)體系構(gòu)建及其策略研究[J].西南科技大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2018，35（3）：69-75，79.

[12]? 扈翔.外媒涉華輿情風(fēng)險(xiǎn)評(píng)估指標(biāo)體系的構(gòu)建[J].青年記者，2017（23）：7-8.

[13]? 談依箴，劉茉，李洋，等.邊疆地區(qū)網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)評(píng)估研究[J].中國(guó)公共安全（學(xué)術(shù)版），2017（4）：107-113.

[14]? 郭寶盛，季紅穎.重大疫情中網(wǎng)絡(luò)輿情危機(jī)演變及治理策略[J].情報(bào)科學(xué)，2020，38（6）：103-109，138.

[15]? 閆旭鳳.季節(jié)性輿情的成因及治理對(duì)策[J].青年記者，2018（17）：10-11.

[16]? 李拉亞.理性疏忽、粘性信息和粘性預(yù)期理論評(píng)介[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2011（2）：117-124.

[17]? 龐正，周恒.場(chǎng)域抑或主體：網(wǎng)絡(luò)社群的理論定位[J].社會(huì)科學(xué)戰(zhàn)線，2017（12）：184-191.

[18]? 曾照云，程曉康.德爾菲法應(yīng)用研究中存在的問題分析——基于38種CSSCI（2014-2015）來源期刊[J].圖書情報(bào)工作，2016，60（16）：116-120.

[19]? 薛翔，趙宇翔，陳英奇，等.基于層次分析法的公眾科學(xué)項(xiàng)目游戲化設(shè)計(jì)的評(píng)價(jià)指標(biāo)體系構(gòu)建[J].圖書與情報(bào)，2019（3）：50-60.

[20]? 曾潤(rùn)喜，羅俊杰，朱美玲.網(wǎng)絡(luò)社會(huì)安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系研究[J].電子政務(wù)，2019（3）：36-45.

作者簡(jiǎn)介：張?chǎng)危?985-），女，河北大學(xué)管理學(xué)院講師，南開大學(xué)商學(xué)院博士后，研究方向：網(wǎng)絡(luò)社會(huì)治理;田雪燦（2000-），女，河北大學(xué)管理學(xué)院本科生，研究方向：輿情挖掘、情感分析;劉鑫雅（2000-），女，河北大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院本科生，研究方向：大數(shù)據(jù)資源智能化管理及應(yīng)用。