網(wǎng)絡(luò)輿情事件演化分析

牟馨憶 陳亞寧

摘 ?要 ?隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，微博、微信、知乎等社交平臺成為廣大網(wǎng)民針對現(xiàn)實(shí)生活中的熱點(diǎn)、焦點(diǎn)問題表達(dá)觀點(diǎn)和情感的地方。網(wǎng)絡(luò)對社會監(jiān)督起到重要作用，認(rèn)識和分析網(wǎng)絡(luò)輿情事件的演化，能夠發(fā)現(xiàn)輿情發(fā)展的潛在風(fēng)險，避免群眾的過激行為。以杭州女童失蹤案為例，選擇知乎作為研究平臺，使用網(wǎng)絡(luò)輿情“六階段”模型，結(jié)合“百度指數(shù)”可視化工具進(jìn)行發(fā)展階段劃分。通過爬蟲、關(guān)鍵詞提取、主題聚類等方法獲得每個階段公眾關(guān)注的主題，分析這一網(wǎng)絡(luò)輿情事件的演化，了解其產(chǎn)生的效應(yīng)并提出建議。

關(guān)鍵詞 ?網(wǎng)絡(luò)輿情;輿情演化;突發(fā)事件

中圖分類號 ?G2 ? ? ?文獻(xiàn)標(biāo)識碼 ?A ? ? ?文章編號 ?2096-0360（2019）16-0020-04

1 ?背景

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和完善，網(wǎng)絡(luò)成為人們生活中不可缺少的部分，網(wǎng)絡(luò)輿情也逐漸在社會輿情中占據(jù)重要地位。由于網(wǎng)絡(luò)的虛擬性和開放性，網(wǎng)絡(luò)輿情的傳播存在反復(fù)波動的特點(diǎn)[1]。公眾的討論內(nèi)容往往隨時間變化，輿情演化的每個階段呈現(xiàn)不同的特點(diǎn)。這是由于剛開始人們獲取的信息是不完整、不全面的，隨著相關(guān)人員介入調(diào)查，更多真相公布于世人面前，人們能挖掘出更多信息，而其中不乏與最初的報道相悖的，網(wǎng)絡(luò)輿情的焦點(diǎn)也會隨之轉(zhuǎn)移。

隨著微博、微信等App的廣泛應(yīng)用，網(wǎng)絡(luò)輿情的傳播變得越來越迅速，用戶的觀點(diǎn)和情感不僅能夠影響輿情的傳播速度，還能感染其他用戶的情緒導(dǎo)致輿論的爆發(fā)[2-3]。研究網(wǎng)絡(luò)輿情事件的演化過程，能夠幫助公眾更清晰、全面地了解整個事件的真相，對于突發(fā)事件的應(yīng)急管理和輿情引導(dǎo)具有重要意義。

2 ?相關(guān)研究

不同學(xué)者對輿情演化的階段有不同的看法。目前的研究主要有兩個角度：一是基于關(guān)鍵詞分析，通過分析關(guān)鍵詞的變化來了解整個事情發(fā)酵的過程;二是考慮時序特征，按時間軸劃分固定階段，對各段文本進(jìn)行分析，再進(jìn)行合并[4]。對于階段的劃分，不同的學(xué)者也選擇了不同的指標(biāo)。目前，大多數(shù)文獻(xiàn)把話題的生存周期描述為三個階段：產(chǎn)生（提出）→發(fā)展（熱議）→消退（趨冷）[1]。微博數(shù)量和轉(zhuǎn)發(fā)、評論量是許多學(xué)者關(guān)注的指標(biāo)，蔣知義[5]等人依據(jù)微博數(shù)量將輿情事件劃分為5個階段。油永華[6]則依據(jù)關(guān)注度和關(guān)注度增量兩個指標(biāo)，將網(wǎng)絡(luò)輿情發(fā)展階段分成三個階段。崔鵬[7]等建立了輿情發(fā)展生命周期“六階段”模型，并根據(jù)演化特點(diǎn)設(shè)置了5個關(guān)鍵點(diǎn)。

3 ?輿情事件演化分析

3.1 ?研究方法

本文基于網(wǎng)絡(luò)爬蟲和主題提取等方法，對突發(fā)事件在網(wǎng)絡(luò)平臺上的主題演化進(jìn)行研究。本文選擇知乎作為研究的網(wǎng)絡(luò)平臺，選擇杭州女童失蹤案進(jìn)行分析，爬取用戶對于事件的觀點(diǎn)，進(jìn)行主題抽取，把握輿情演變規(guī)律，提出有針對性的輿情管理建議。

1）網(wǎng)絡(luò)爬蟲。網(wǎng)絡(luò)爬蟲能夠按照一定的規(guī)則，自動爬取網(wǎng)絡(luò)上的數(shù)據(jù)。本文使用Gooseeker網(wǎng)絡(luò)爬蟲軟件，編寫規(guī)則對知乎上相關(guān)問題的回答進(jìn)行抓取。選擇了“如何看待杭州千島湖9歲女童被租客帶走，且租客后續(xù)自殺一事？”等幾個知乎話題，爬取問題下面網(wǎng)友的回答、用戶名、時間等信息。

2）關(guān)鍵詞獲取。TF-IDF是一種統(tǒng)計方法，TF是詞頻，IDF是逆文檔頻率，TF-IDF能夠評估一個詞對一個文檔的重要程度。其主要思想是：一個詞在一個文檔中出現(xiàn)頻率高，而在其他文檔中出現(xiàn)頻率低，則這個詞具有很好的區(qū)分能力，能夠體現(xiàn)該文檔的特點(diǎn)。

3）主題抽取。本文采用Word2Vec+Kmeans的方法訓(xùn)練聚類主題。對于主題提取這個任務(wù)來說，對關(guān)鍵詞聚類是一種合理的方法。Word2Vec是一種利用神經(jīng)網(wǎng)絡(luò)將詞進(jìn)行向量化的工具。得到詞向量后，可以基于詞向量之間的距離或者相似度來進(jìn)行聚類，從而獲得聚類主題。

3.2 ?研究流程

本文的研究流程如圖1所示，包含數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、輿情演變分析、可視化分析4個階段。

4 ?杭州女童失蹤案演化分析

4.1 ?數(shù)據(jù)獲取及預(yù)處理

微博、微信等平臺除了有網(wǎng)民的觀點(diǎn)表達(dá)以外，還有大量的媒體對事件的報道和相關(guān)新聞，存在一定的干擾，而知乎全是網(wǎng)友的觀點(diǎn)表達(dá)和看法分析，所以本文選擇了知乎作為研究平臺。選擇“如何看待杭州千島湖9歲女童被租客帶走，且租客后續(xù)自殺一事？”“杭州9歲女童失蹤事件透著哪些不合理之處？”“杭州千島湖9歲失聯(lián)女童遺體被找到，案件真相如何？”這幾個問題，爬取問題下面的所有回答，一共獲得數(shù)據(jù)7 582條。爬取的維度包括用戶名、回答內(nèi)容、回答時間、贊同人數(shù)等。獲得數(shù)據(jù)后需要對重復(fù)和缺失數(shù)據(jù)、無關(guān)數(shù)據(jù)等進(jìn)行刪除，處理后剩余數(shù)據(jù)7 576條。

4.2 ?主題演化分析

本文根據(jù)杭州女童失蹤案事件的性質(zhì)和特點(diǎn)，采用崔鵬[7]等提出的輿情演化的六階段模型進(jìn)行分析，采用Word2Vec+Kmeans進(jìn)行主題聚類，對六階段模型進(jìn)行話題的分析。

本文使用“百度指數(shù)”這一可視化工具來進(jìn)行分析。通過“百度指數(shù)”搜索2019年7月1日至2019年8月1日期間關(guān)鍵詞“杭州女童”的情況，對結(jié)果進(jìn)行描述分析，總結(jié)該事件的輿情傳播階段特征。搜索指數(shù)的結(jié)果顯示7月10日前沒有此事件的搜索，而實(shí)際上7月8日開始已有網(wǎng)友在其他平臺討論這個事件，這是知乎、微博等平臺的某些討論內(nèi)容沒有進(jìn)入到百度指數(shù)的統(tǒng)計中導(dǎo)致的，于是本文考慮了其他平臺的討論后對此模型的時間進(jìn)行了修正。

結(jié)合“百度指數(shù)”的可視化結(jié)果和崔鵬等學(xué)者提出的輿情演化六階段模型，此次事件的生命周期過程可以表示為圖2。依據(jù)時間把爬取的語料進(jìn)行劃分，使用TF-IDF算法為每個階段篩選出100個關(guān)鍵詞，手動刪除其中的無關(guān)詞，用Word2vec訓(xùn)練詞向量后，使用Kmeans對詞向量進(jìn)行聚類后通過歸納得到各階段主題，如表1。由于Kmeans聚類需要提前確定聚類數(shù)，可用Bcubed精度和召回率等外在方法和輪廓系數(shù)等內(nèi)在方法來評估不同聚類數(shù)時的聚類質(zhì)量，以確定最優(yōu)聚類數(shù)。本文為了本文為了簡單并能夠說明主要內(nèi)容，對每個階段都選擇聚類數(shù)3為例來進(jìn)行實(shí)驗(yàn)。

醞釀階段：此事件的嫌疑人兩名租客在6月29日進(jìn)入女童家中，預(yù)謀將女童帶走，在7月8日前該事件并未在網(wǎng)絡(luò)上曝光。7月8日淳安縣公安接到女童父親報案，公安和救援人員動身。這個階段的信息披露還不多，可以歸為該事件的醞釀階段。

爆發(fā)階段：兩名租客在寧波東錢湖自殺身亡而女童仍未找到是本次事件的危機(jī)點(diǎn)。事件由此進(jìn)入爆發(fā)階段。女童祖父母同意租客將孩子帶走的原因被披露，女童父母婚姻關(guān)系信息曝光，租客帶走女童的動機(jī)疑點(diǎn)重重，女童失蹤的原因在網(wǎng)絡(luò)上引起熱議。

擴(kuò)散階段：爆發(fā)點(diǎn)在7月12日，此時女童仍未被找到但搜尋到了其市民卡的線索，案情相關(guān)監(jiān)控視頻曝光，犯罪嫌疑人兩名租客的基本信息、活動軌跡以及抖音等社交賬號也被披露。從爆發(fā)階段開始該事件也在不斷的進(jìn)行擴(kuò)散，影響也在不斷的擴(kuò)大。最典型的是犯罪嫌疑人兩名租客的相關(guān)信息曝光表明其疑似崇拜“三山國王”，這引起了眾多網(wǎng)友的指責(zé)和猜想，公眾開始懷疑嫌疑人動機(jī)的不合理之處，網(wǎng)友紛紛提出自己的見解，認(rèn)為這與非法宗教組織有關(guān)而非普通的拐騙拐賣。輿情發(fā)酵達(dá)到第一個峰值。

反復(fù)階段：此次事件的反復(fù)階段伴隨著越來越多的信息補(bǔ)充，使得真相逐漸浮出水面。相關(guān)新聞媒體報道女童父親與租客的聯(lián)系、與女兒的通話內(nèi)容，女童祖父母得知噩耗后的悲痛，女童遺體被發(fā)現(xiàn)等重要信息再次引起輿論的爆發(fā)。

消退階段：隨著警方發(fā)布此次案件的警情通報，警方回答了公眾對該事件嫌疑人自殺動機(jī)、兩人殺害女童的動機(jī)等六大疑問，關(guān)于此事件的輿情才逐漸消退。這個階段公眾的關(guān)注重點(diǎn)是反思家長對兒童安全的監(jiān)管問題，同時呼吁社會關(guān)注留守兒童的生活和安全防范教育，避免類似悲劇再次發(fā)生。

長尾階段：在案件調(diào)查結(jié)束后，此次事件的熱度基本消退。有部分與女童接觸過的網(wǎng)友在知乎等平臺分享與女童及其祖父母的相處經(jīng)歷，也有部分當(dāng)?shù)鼐W(wǎng)友分享當(dāng)?shù)厝说纳L環(huán)境和淳樸性格，解開了部分網(wǎng)友對女童祖父母的誤解，網(wǎng)友均表達(dá)對女童家人的同情和祝福。

4.3 ?可視化分析

使用“百度指數(shù)”工具對輿論主體搜索用戶進(jìn)行用戶畫像分析。

從搜索用戶的地域分布來看，搜索較高的用戶集中于廣東和浙江兩個省份。這兩個省份均與本輿情事件有緊密聯(lián)系。一方面，從事件發(fā)生的地點(diǎn)來看，失聯(lián)女童來自杭州千島湖，也是從此地被租客帶走，這樣的突發(fā)事件必然牽動著當(dāng)?shù)厝说男摹６捎诖舜问录奶厥庑裕瑤ё吲淖饪头闯５貛秸憬⒏＝āV東多個省份的海域，網(wǎng)絡(luò)爆料的其曾發(fā)布的相關(guān)照片和視頻，成為了尋找女童的線索，許多網(wǎng)友擴(kuò)散信息，致使這一事件在這些地區(qū)迅速升溫。此外，兩名租客均來自廣東，且在此次輿情事件的擴(kuò)散階段爆出租客疑似信奉廣東潮州等地的“三山國王”，有網(wǎng)友由此猜測此次事件與宗教信仰有關(guān)，也有當(dāng)?shù)氐木W(wǎng)友解釋這僅是當(dāng)?shù)卣５拿耖g信仰而非邪教，再次激發(fā)了輿論，使廣東省的討論熱度上升。

從搜索用戶的人群屬性來看，關(guān)注此事件的用戶年齡集中在30～49歲的中年人，性別差異不大。一方面，相比于年輕人，這個年齡段的用戶更加關(guān)注社會事件而非娛樂熱點(diǎn);另一方面，這個年齡段的用戶大多正是為人父母的階段，杭州女童失蹤一案牽動著他們的心，也給他們對待兒童的安全問題敲響了警鐘。

5 ?建議

杭州女童失蹤案這一網(wǎng)絡(luò)熱點(diǎn)事件不僅給公眾對兒童安全防范帶來了警示，其中的輿情發(fā)酵也值得思考。反轉(zhuǎn)新聞、謠言傳播等都是在輿情發(fā)展中需要關(guān)注和控制的。針對這些問題，本文提出以下建議：

1）官方媒體和意見領(lǐng)袖要預(yù)防謠言的散播。本次事件中有部分自媒體用戶和網(wǎng)友針對不完全的信息就指責(zé)女童的祖父母不愛孩子、虐待孩子、重男輕女，并誤導(dǎo)了其他網(wǎng)友在網(wǎng)絡(luò)上對女童祖父母破口大罵。這不僅對案件調(diào)查毫無幫助，甚至給受害者家庭帶來了二次傷害。在這個網(wǎng)絡(luò)時代，“大V”或者營銷號等擁有影響力的用戶應(yīng)該意識到自身的責(zé)任，不輕易散布未經(jīng)證實(shí)的消息。

2）普通民眾要做到不信謠、不傳謠，不要依靠不完整的視頻片段或者網(wǎng)友的猜測就著急“站隊(duì)”，要做到“耳聽八方”，對官方媒體保持信任。

參考文獻(xiàn)

[1]陳福集，馬梅蘭.網(wǎng)絡(luò)輿情事件的話題演化分析[J].情報雜志，2016，35（5）：58-64.

[2]紀(jì)雪梅.特定事件情境下中文微博用戶情感挖掘與傳播研究[D].天津：南開大學(xué)，2014.

[3]張鵬，蘭月新，李昊青，等.基于HAYASHI數(shù)量化理論的網(wǎng)絡(luò)謠言分類應(yīng)對策略分析[J].情報雜志，2016，35（1）：110-115.

[4]任中杰，張鵬，李思成，等.基于微博數(shù)據(jù)挖掘的突發(fā)事件情感態(tài)勢演化分析[J].情報雜志，2019，38（2）：140-148.

[5]蔣知義，馬王榮，鄒凱，等.基于情感傾向性分析的網(wǎng)絡(luò)輿情情感演化特征研究[J].現(xiàn)代情報，2018，38（4）：50-57.

[6]油永華.大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情發(fā)展階段分析[J].價值工程，2017（35）：177-180.

[7]崔鵬，張巍，何毅，等.突發(fā)公共事件網(wǎng)絡(luò)輿情演化及政府應(yīng)對能力研究[J].現(xiàn)代情報，2018（2）：75-83.