基于社交媒體的地震災區(qū)民眾情緒反應分析

摘要：社會感知技術是研究重特大地震事件中災區(qū)民眾行為反應時空特征的一種有效手段。采用情感詞典和規(guī)則相結合的方法，以2013年四川蘆山7.0級和2017年九寨溝7.0級地震為例，用震后24 h微博數(shù)據(jù)分析了地震災區(qū)民眾微博數(shù)量特征、情感極性特征、情緒時間序列特征、情緒反應空間分布特征。研究結果表明：蘆山地震災區(qū)民眾負面情緒大于正面情緒，而九寨溝地震后民眾正面情緒大于負面情緒，微博活躍數(shù)量程度與人口密度、生命線破壞程度、震中距離和烈度密切相關，微博活躍數(shù)量呈現(xiàn)空間分布不均衡特征。分析認為，2次地震后，災區(qū)民眾情感行為反應差異主要與災區(qū)人口密度、房屋抗震性能、當?shù)孛癖姺勒饻p災意識、地震知識了解程度等密切相關。

關鍵詞：社交媒體;蘆山地震;九寨溝地震;情緒分析

中圖分類號：P315.941 ??文獻標識碼：A ??文章編號：1000-0666（2019）02-0245-11

0 引言

21世紀初以來，我國西南地區(qū)相繼發(fā)生了四川汶川8.0級、四川蘆山7.0級、云南魯?shù)?.5級、四川九寨溝7.0級等多次重特大地震災害事件，大地震發(fā)生后，政府部門迫切需要了解地震破壞、人員傷亡等情況。通過對帶有地理位置標記的社交媒體大數(shù)據(jù)進行充分挖掘和分析，可以快速獲取整個地震災害事件及災害鏈中民眾的情緒反應，幫助政府部門有效開展輿情疏導、科學施救和民眾情緒的安撫工作，提高救災效率。

在地震災區(qū)民眾行為認知社會調查研究方面，傳統(tǒng)的調查方式主要是在震后通過訪談或問卷調查來分析人對災害事件的反應和行為，獲取的數(shù)據(jù)往往是總體樣本的一個子集，存在著樣本代表性、典型性、時效性和空間范圍等方面問題（吳志峰等，2015）。隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)技術的快速發(fā)展，特別是帶有定位功能的移動設備、智能手機等的廣泛使用，由社交媒體簽到數(shù)據(jù)、帶位置的照片、微視頻、移動軌跡數(shù)據(jù)等構成的位置大數(shù)據(jù)已經成為當前用來感知人類社群活動規(guī)律最有效的手段之一（劉經南等，2014;李德仁，2016）。社會感知可以提取人的時空行為特征，還可以從帶有時空標記的社交媒體數(shù)據(jù)獲取個體認知的情緒反應（Liu et al，2015;劉瑜，2016）。特別是在重大地震事件發(fā)生后，災區(qū)大量民眾在微博、微信、QQ空間等社交媒體平臺上發(fā)布對本次地震的情感、心情、觀點、評論等，這些數(shù)據(jù)成為反映社會行為活動和災害特征的一種重要的數(shù)據(jù)源（王艷東等，2016）。因此，對這些帶有地理位置標記的社交媒體大數(shù)據(jù)進行充分挖掘和分析，能夠在一定程度上克服傳統(tǒng)社會調查數(shù)據(jù)獲取不足的問題。尤其是在大地震發(fā)生后，災情的時空變化是“黑箱-灰箱-白箱”的一個演變過程，通過社會感知方式獲取災情，對于政府震后初期進行輿情引導、災民救助等有重要的意義。

近年來，在全球范圍內重大地震事件發(fā)生后，國內外學者紛紛利用災害前后發(fā)布的社交媒體數(shù)據(jù)，圍繞地震輿情信息分析監(jiān)控（趙金樓，成俊會，2015;曹彥波，2018;Li et al，2018），地震災害監(jiān)測預警（Sakaki et al，2013;Crooks et al，2013;蘇曉慧等，2013），地震災情挖掘分析（徐敬海等，2015;褚俊秀，徐敬海，2016;Comunello et al，2016;Thapa，2016;曹彥波等，2017a，b）等方面做了大量的研究工作。在地震輿情信息分析方面，不同學者利用社交媒體數(shù)據(jù)分析地震公眾行為模式、通行行為、情感反應等，如Onook等（2010）利用twitter數(shù)據(jù)分析了在海地地震后謠言對人們情緒的影響，焦慮的人對負面消息更敏感，很容易受到謠言影響;Qu等（2011）利用新浪微博分析了2011年玉樹7.1級地震后，人們利用社會平臺傳播震情災情、救災物資需求、救援處置等信息，以及公眾對地震事件的抑郁、憤怒、悲傷等情緒表達;Bengtsson等（2011）使用海地最大手機公司的用戶身份模塊 （SIM） 卡的位置數(shù)據(jù)估計2010年1月12日海地7.3級地震后及隨后的霍亂暴發(fā)后人口流動的規(guī)模和趨勢;Lu等（2012）在海地地震后也使用同樣的數(shù)據(jù)確定由于避難行為和人口移動，導致首都太子港的人口大量減少，災害期間的人口流動顯著;王昊等（2012）利用基于情感的HITS算法分析了2011年日本9.0級地震發(fā)生后一周內，人們在社交媒體上對地震的評論和情緒反應特征;Yusuke（2015）通過Twitter數(shù)據(jù)，分析了2011年日本東部9.0級大地震發(fā)生后東京地區(qū)由于地震導致新干線停運，人們無法回家的原因及通勤行為的時空特征;Cheng等（2016）以2011年日本大地震為例，調查了社會媒體如何影響人們對災難的看法及其在災后恢復活動方面的行為意圖，分析人們對災難感知產生的不同影響;Li等（2017）通過分析在線設計媒體（Twitter）研究了海地地震和日本地震震后公眾在不同階段的情緒反應模式。上述研究成果為基于社交媒體的地震災區(qū)民眾情感分析提供了重要的參考和理論基礎。

2013年四川蘆山7.0級地震和2017年九寨溝7.0級地震是近年來川滇地區(qū)發(fā)生的2次大地震，對災區(qū)民眾影響廣泛而深遠，目前利用新媒體手段對2次地震事件進行社會影響數(shù)據(jù)源獲取、情感反應分析等方面的研究存在一定不足。本文基于新浪微博數(shù)據(jù)，這2次地震為例，獲取震后24 h微博數(shù)據(jù)，探索在地震災害事件初期災區(qū)民眾情感行為和反應的時空模式。

1 研究方法

1.1 技術路線

本文采用基于情感詞典和規(guī)則相結合的方法，首先獲取用于震例研究的微博樣本數(shù)據(jù)集，對數(shù)據(jù)集進行清洗、去重、去噪、分詞等預處理，根據(jù)地震關鍵詞規(guī)則庫提取與地震主題相關的微博語料;然后基于情感詞典對微博語料逐一進行分類標記和對比，若該句子無情感詞，則確定該條微博無情感傾向，為中性情緒反應;若有情感詞，根據(jù)情感詞的分類和強度判定該條微博情感極性屬于正面或負面，對震例樣本集所有微博語句進行判定，最終確定此次地震事件民眾情感傾向性（圖1）。

1.2 地震主題微博提取方法

2013年4月20日四川發(fā)生蘆山7.0級地震，時隔4年后的2017年8月8日，又發(fā)生了九寨溝7.0級地震，2次地震共造成202人死亡，11 995人受傷，27人失蹤。2次地震是繼2008年5月12日汶川8.0級地震后川滇地區(qū)發(fā)生的震級最高的地震事件，社會影響廣泛。震后數(shù)天里，大量與地震相關的信息廣泛傳播，互聯(lián)網(wǎng)社交媒體高度關注，成為最熱議話題。地震發(fā)生后，災區(qū)民眾第一時間在微博、微信、QQ空間等社交媒體平臺上發(fā)布了大量博文、圖片、微視頻等，其中含有大量與本次地震相關的評論、觀點、感悟、心情、情感等社會感知信息。

本文采用新浪微博開放平臺提供的數(shù)據(jù)接口服務功能，獲取2次地震發(fā)布的帶有地理位置信息的微博（廉捷等，2011），震例樣本數(shù)據(jù)集獲取內容如下：①采集范圍：以蘆山（30.3°N，103°E）7.0級地震、九寨溝（33.2°N，103.82°E）7.0地震震中為圓心，250 km為半徑，采集研究區(qū)約20萬km2范圍內民眾發(fā)布的微博數(shù)據(jù);②采集時長：地震發(fā)生后24 h微博用戶發(fā)布的數(shù)據(jù);③采集內容：微博創(chuàng)建時間、ID、發(fā)布內容、來源、圖片、地理位置。

獲取微博原始震例樣本數(shù)據(jù)集后，如何提取 與地震主題相關的微博是進行情感分析的關鍵。筆者采用北京理工大學張華平研發(fā)的NLPIR漢語分詞系統(tǒng)（又名ICTCLAS 2016）分別對獲取到的2次地震微博原始數(shù)據(jù)進行去重、分詞等預處理。同時，在前人對景谷6.6級、永善5.0級、九寨溝7.0級、通海5.0級地震微博主題特征詞分類研究基礎上（表1），參考地震行業(yè)相關標準和地震專業(yè)術語逐條將微博原始信息與地震主題特征詞匯進行關聯(lián)匹配，結合人工解譯和判讀，提取與2次地震主題相關的微博語料數(shù)據(jù)。

1.3 情感分析方法

隨著社交媒體軟件平臺的廣泛應用，自然語言處理技術（NLP）也成為國內外學者和研究機構關注的熱點，情感分析是自然語言分析處理技術的關鍵應用之一，目前與主題相關的情感分析技術有基于詞典的規(guī)則方法、基于表情符號的規(guī)則方法、基于詞典與規(guī)則結合的公式方法、基于機器學習方法和基于語義的分析方法（姚天昉，婁德成，2007;龐磊等，2012;李清敏，張華平，2014;王磊，2018;鈕成明等，2018;王華，2018）。構建較為完善的情感詞典是進行情感分析研究的基礎，本文結合了眾多情感字典和情感詞資源，以大連理工大學情感詞匯本體為基礎（徐琳宏等，2008），將情感分為7大類、21小類，情感強度分為1，3，5，7，9共5檔，9表示強度最大，1為強度最小（表2）。筆者根據(jù)地震情感分析的需要，加入近年地震事件中出現(xiàn)的一些網(wǎng)絡新詞、連詞、程度副詞和表情符號等，補充和完善情感詞典，便于下一步對微博樣本數(shù)據(jù)集進行情感分析。

傳統(tǒng)的情感分析主要是基于情感詞典將文本情感極性劃分為正面、負面、中性3類，本文基于詞典與規(guī)則結合的公式方法對震例樣本數(shù)據(jù)集進行情感分析，除傳統(tǒng)三分法外，還對民眾發(fā)布的微博短文本進行更細粒度的情感分類，識別出民眾對于地震事件的行為反應所表達的情感：“髙興” “喜歡” “生氣” “厭惡” “恐懼” “悲傷”“無情感”等，再根據(jù)每一條博文語料中“正面”和“負面”情感詞匯數(shù)據(jù)最終判定該條微博的情感極性。具體算法如下：

2 結果分析與討論

2.1 數(shù)量統(tǒng)計分析

蘆山7.0地震、九寨溝7.0地震發(fā)生后的24 h內，分別采集到研究區(qū)約20萬km2范圍內帶位置信息的原始微博數(shù)據(jù)3 498條、5 906條。對2次地震微博原始數(shù)據(jù)進行去重、分詞等預處理后，九寨溝地震中2 396條微博與地震事件相關，占總數(shù)68%，蘆山地震有2 802條，占總數(shù)47%。經過分詞解析，統(tǒng)計對比2次地震后微博詞頻和詞云可以看出（表3，圖2），2次地震后排名前10位的名詞中，“地震”高居首位，其余如“雅安” “余震” “九寨溝” “災區(qū)”等高頻詞，全部均與地 震相關。從解析出來的排名前10位的動詞也可以看出，震后頻頻提及“發(fā)生” “救援” “祈福” “祈禱”等詞匯。從2次地震微博中也大量出現(xiàn)針對地震的個人感悟、心情、情感等詞匯，如“平安” “安好” “害怕” “悲傷” “失望”等。

基于擴展后的中文情感詞匯庫，筆者對2次地震事件中與地震相關的5 198條微博進行了關聯(lián)和匹配，結合人工標記判定，提取微博樣本數(shù)據(jù)集中反映地震情感的主題特征詞匯，其中博文里還出現(xiàn)了大量表達情緒的表情符號（表4）。

2.2 情感極性分析

2次地震發(fā)生后，震區(qū)民眾反應強烈，在社交媒體平臺紛紛發(fā)布和轉發(fā)與地震相關的信息。蘆山7.0級地震發(fā)生在2013年4月20日8時2分，正值周六早晨，災區(qū)大部分民眾尚未外出，部分 還在睡覺。震后4 min（2013-04-20 08： 05： 48），震中附近一位微博網(wǎng)友就發(fā)布了一條對地震事件的情緒表達和反應：“尼瑪，搖了這么久，瞌睡都嚇來沒有了[抓狂][抓狂][抓狂][抓狂]”。距離震中30 km的網(wǎng)友分享了一張地震災情照片，照片反映出該區(qū)域震感強烈，“器物反應”明顯，屋內花盆、塑料瓶翻到。九寨溝7.0級地震發(fā)生在21時19分，震中九寨溝景區(qū)是全球著名旅游景點，恰逢暑假，大量國內外游客聚集，震后3 min（2017-08-08 21：22： 12），距離震中49 km的一位微博網(wǎng)友就發(fā)布了信息：“吃飯的時候桌子在晃，嚇得飯店一條街的人都跑出去了。”從這條信息可以看出該區(qū)域震感強烈，“器物反應”明顯。

震后微博網(wǎng)友發(fā)布的內容隨意性強，口語化程度高，一條博文中會反應多種情緒表現(xiàn)。根據(jù)中文情感詞匯本體庫，對照“樂” “好” “怒” “哀” “懼” “惡” “驚”7類情感詞匯，對2次地震后24 h內發(fā)布的5 198條微博進行解析和標記。在蘆山地震中，博文中提及“樂好”情感表達詞匯的微博有855條、“生氣”96條、“恐懼”468條、“悲傷”336條、“疑惑”157條;在九寨溝地震中，“樂好”有1 397條、“生氣”6條、“恐懼”283條、“悲傷”246條、“疑惑”77條。