大數據環境下面向事故災難類的突發事件輿情引導事例分析

魯艷霞 吳迪 高爽

摘要： 大數據環境下，基于突發公共事件產生的社會自媒體數據呈現出數據量大、結構復雜、類型多樣等特征，政府的輿情引導對公共事件網民情緒的趨勢發展至關重要。本文以事故災難類微博數據為基礎，以“天津港爆炸事件”為研究對象，首先利用爬蟲工具收集微博內容，然后通過ROST CM內容挖掘軟件進行中文詞頻分析，最后通過SPSS對微博情感進行分析統計。研究發現，公眾情緒容易受到集群效應的影響，網民群體情緒的不穩定性會導致其行動的不確定性，政府或意見領袖的積極引導將會促進突發事件的良性發展。本文的研究將有助于政府有關部門了解突發公共事件的傳播狀況并做出快速反應，并提升政府對網絡輿情的監控能力與監控水平。

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.

關鍵詞： 大數據；突發公共事件；自媒體；情緒；輿情引導

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

中圖分類號：G206 文獻標識碼：A 文章編號：1006-4311（2017）03-0001-03

0 引言

根據第37次“中國互聯網絡發展狀況統計報告”[1]顯示，截至到2015年12月，我國網民規模達6.88億，手機網民規模達6.20億，網民WiFi使用率達到91.8%。近年來突發公共事件頻發，微博成為用戶分享突發事件、新聞熱點、輿論導向的重要平臺。據新浪微博數據中心發布的“2015年度微博用戶發展報告”[2]顯示，截至2015年9月微博日活躍用戶數達到1億，較去年同期增長30%。據統計，中國網民每天發布和轉發微博信息達2.5億條[3]。基于以上背景，本文以“天津港爆炸事件”為研究對象，進行大數據環境下突發公共事件的用戶情緒研究，以期使政府相關部門了解公眾在事件發生過程中的情感傳播狀況，為后期網民集群行為引導策略的制定提供理論和實踐指引。

1 理論基礎與研究現狀

大數據環境下的微博用戶之間存在著大量的信息交互，往往在對突發公共事件的反應中，自覺不自覺地就反映出群際情緒。群際情緒理論[4]由美國心理學家Mackie提出，認為群際情緒是個體認同某一社會群體時的情緒體驗，當個人認同某一群體時，對相關事物的評價將會帶有情緒色彩。

情緒感染理論由McDougall提出，Hatfield[5]給出了較為全面的定義，認為個人情緒感染到其他個體時，情緒會反過來影響他人，從而強化個人原本的情緒狀態，最終導致某種情緒在群體間同質化。

劉志明等[6-7]提出突發事件引發的群體情緒會引起次生群體事件的發生，研究了突發事件發生、發展過程中群體情緒尤其是負面情緒的演化規律并建立了相應的模型，對群體負面情緒的再次爆發起到了較好的預警效果，但是文章并未針對大數據環境對微博情緒進行分析；蘭月新[8]等通過構建微分方程模型研究了突發事件網絡輿情演進規律，將輿情發展過程分為發生期、擴散前期、擴散后期、平穩期四個階段。

本文以“天津港爆炸事件”為例，通過獲取突發事件用戶微博內容數據，進行微博用戶內容的情緒分析，探析用戶內容中涵蓋的用戶情感，從而提高政府對突發事件輿情的監控能力和引導能力。

2 基于ROST CM的微博用戶內容情緒分析

羊群效應在網絡輿情傳播過程中是一個普遍存在的現象，使得個人觀念或行為在特定的群體影響下與多數人相一致，如果不對網民群體內部的羊群效應加以引導，不僅會影響網絡輿情的傳播過程，還會影響輿情的最終演化方向，甚至可能對社會穩定造成威脅。

事故災難類突發事件往往是在人的生產與生活過程中發生的，并且與人們生活密切相關。因此一旦成為話題，將會在短時間內吸引民眾圍觀，通過微博評論、轉發等與粉絲分享，產生大量帶有情緒的內容信息。本文首先根據突發事件級別選取典型的事故災難類突發事件，基于突發事件展開話題搜索；然后根據研究需要采用GooSeeker爬蟲軟件對話題內容進行搜索，可以爬出用戶信息、微博評論內容、評論時間、轉發與評論等大量數據；通過對數據去重、刪除無效數據等進行數據預處理，采用ROST CM對微博內容進行分詞，采用ROST WordParser進行詞頻分析，從而進行突發事件規律的初步分析；最后通過SPSS對網民情感進行時間序列分析。

3 基于微博的事故災難類突發事件數據獲取

本研究選取發生于新浪微博的“天津港爆炸事件”，分析單位是事件發生期間微博內容。該事件經國務院調查組認定是一起特別重大生產安全責任事故，屬突發公共事件中的社會安全事件。

本文選取新浪微博發表的博文為數據資源，以“天津爆炸”和“天津塘沽大爆炸”為關鍵詞，利用GooSeeker數據采集工具抓取了2015年8月12日至2015年12月25日共135天的微博內容。根據研究需要，本文主要抓取了“用戶名”、“微博內容”、“發布時間”、“轉發數”等相關數據，部分數據樣例如下：

用戶名：新浪河南。

微博內容：今日凌晨一女孩稱自己父親在爆炸中身亡，騙得3700多名網友現金打賞，天津爆炸事故罹難者家屬并收取“捐款”。鑒于其真實性受到其他網友廣泛質疑，故已將該賬號關閉，并凍結了其收取的款項。

發布時間：2015-8-14 14：46：00。

4 基于ROST WordParser的微博內容的數據預處理

由于同一個人發表的相同的博文信息屬于重復數據，會對情感分析結果的有效性產生影響，所以本文利用Excel工具，對微博內容進行去重處理，從而得到本實驗的研究數據，涵蓋微博內容共計38934條。

利用ROST CM挖掘軟件對微博采集信息進行中文分詞，接著利用ROST WordParser軟件對分詞后的數據進行中文詞頻分析，統計得出了網民反復討論出現的熱詞。通過詞頻統計可以看出，在這種網民大規模參與的集群行為中，熱詞被多次反復提及和討論。網民大多表達了對天津爆炸事件的震驚、對救災人員的尊敬與祝福以及對相關單位的譴責。不同的時間階段有不同的網民參與某類話題，從而形成從不同側面刻畫該事件的集群行為，討論的過程中容易形成多個熱點話題，而參與討論某個話題的人越多，說明該話題的熱度越大，微博輿論也就此形成。

5 基于SPSS的微博內容數據分析

將38934條微博內容作為樣本，可將“天津爆炸”事件粗略劃分為“爆發期”“衰退期”、“消亡期”三個階段。

通過ROST CM軟件，對單條微博進行情感分析，系統可自動計算出情感值。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：該博維顯示出較強的積極情感。

情感值：14。

通過分析可知，在抓取到的博文數據中，消極情緒占了最大比例（57.56%），說明對于天津爆炸事件網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，本文對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容的情感值、積極情緒、消極情緒與中性情緒情感值隨時間序列走勢。為了更好地分析情緒之間是否會有相互影響，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，結果如圖1所示。

6 結論與討論

由于天津爆炸屬于事故災難類突發事件，事件發生后，公眾對死者的哀悼、對事故的質疑、對責任人的痛恨等消極情緒占據主流，因此不難理解該事件中網民情感總值的時間序列趨勢。

6.1 積極情緒的情感趨勢

當政府出臺新的有利于災區救援工作的政策，媒體報道了關于網友對消防人員的敬佩，公眾人物積極情感的表達，或者新聞報道政府領導親自到災區探望受災群眾時，網民的情感走勢出現波峰，說明官微信息的及時、透明發布及政府工作良好有序地開展對網絡輿情及網民情緒都有著非常積極的影響。

6.2 消極情緒的情感趨勢

對于事故災難類突發事件本身而言，網民群體情緒具有高度的不穩定性，必然導致其行動方向的極度不確定性，獨立思考能力和意志力薄弱的網民更容易受到集群效應的影響。雖然整個微博討論過程中積極和消極情緒交替上漲，但安全事故類突發事件中消極情緒始終占據主流。

6.3 網民情感的相關性

積極情感和消極情感在1%的水平上顯著負相關，即：積極情感的提升將會在一定程度上對消極情感起到一定的抑制作用。因此，事故發生后第一時間的積極引導將會在一定程度上降低網民的消極情緒。

通過天津爆炸事件來看，各級政府部門積極做好工作部署、正確引導網民情緒，傳遞正能量貫穿整個事件全過程。盡管該事件整體網民情緒處于消極，但消極情緒大多是對死者的哀悼、詐騙者的厭惡以及責任人的痛恨，政府在事故發生后第一時間的應對與處理、及時的公開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生。

參考文獻：

[1]國家圖書館研究院. CNNIC發布第37次《中國互聯網絡發展狀況統計報告》[J]. 國家圖書館學刊，2016（2）：76.

[2]Useit 知識庫.新浪微博數據中心：《2015年度微博用戶發展報告》[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，蘇國強，等.大數據背景下微博輿情信息交互模型研究[J].現代圖書情報技術，2015（5）：24-33.

[4]劉峰，佐斌.群際情緒理論及其研究[J].心理科學進展，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.面向突發事件的群體情緒監控預警[J].系統工程，2010，28（07）：66-73.

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

[8]蘭月新，鄧新元.突發事件網絡輿情演進規律模型研究[J]. 情報雜志，2011，30（8）：47-50.