網民情緒強度演化仿真與其影響因素構型分析

楊洋洋 謝雪梅

摘 要：[目的/意義]網民的言論在互聯網平臺上集聚，情緒很容易被擴大和煽動，政府應如何監管和引導網民的情緒，促進網絡環境的健康發展。[方法/過程]基于生命周期理論，把整個輿情過程劃分為4個階段，即潛伏期、爆發期、擴散期和消退期，采用系統動力學模型對輿情各階段演化過程中網民情緒強度的變化進行仿真，利用靈敏度分析探究單個變量對網民情緒強度的影響程度，在此基礎上，運用定性比較分析方法對網民情緒強度的各影響因素進行構型分析，研究不同因素組合對網民情緒強度的影響。[結果/結論]從潛伏期、爆發期、擴散期到消退期，導致高網民情緒強度發生的充分條件組合由兩因素組合到三因素組合，再到四因素組合，若想保持高網民情緒強度，需要的條件是逐漸苛刻的，政府在調控過程中重點關注影響顯著的因素，不僅能夠阻斷高網民情緒強度的發生，而且能夠有效地降低網民情緒強度指數，達到控制輿情事件的目的。

關鍵詞：網絡輿情;情緒強度;生命周期理論;系統動力學;定性比較分析

DOI：10.3969/j.issn.1008-0821.2020.07.010

〔中圖分類號〕G206.3 〔文獻標識碼〕A 〔文章編號〕1008-0821（2020）07-0092-12

The Evolution Simulation of Netizens Emotional Intensity and the

Configuration Analysis of Its Influencing Factors

Yang Yangyang Xie Xuemei

（School of Economics and Management，Beijing University of Posts and Telecommunications，

Beijing 100876，China）

Abstract：[Purpose/Significance]When netizens comments gather on the Internet platform，their emotions can easily expand and incite.Therefore，how should the government supervise and guide the mood of netizens，so as to promote the healthy development of the network environment？[Method/Process]Based on the life cycle theory，this paper divided the whole process of public opinion into four stages：latent period，outbreak period，diffusion period and recession period.It used the system dynamics model to simulate the changes of Internet users emotional intensity in the evolution of public opinion in different stages，and used sensitivity analysis to explore the impact of a single variable on Internet users emotional intensity.On this basis，the paper used qualitative comparative analysis method to analyze the configuration of the factors affecting the emotional intensity of the netizens.The purpose was to study the influence of different factors combination on the emotional intensity of the netizens.[Result/Conclusion]From latency，outbreak，diffusion to extinction，the combination of sufficient conditions for the occurrence of high Internet users emotional intensity ranged from two factors to three factors，and then to four factors.If we wanted to maintain high emotional intensity of netizens，the requirements were gradually harsh.In the process of regulation and control，the government focused on the significant factors，which can not only block the occurrence of high Internet users emotional intensity，but also effectively reduce the index of Internet users emotional intensity，so as to achieve the goal of controlling public opinion events.

Key words：internet public opinion;emotional intensity;life cycle theory;systematic dynamics;qualitative comparative analysis

1 相關研究

隨著互聯網的普及，我國網民的規模不斷擴大，截至2019年6月，我國網民規模為8.54億，互聯網普及率達61.2%[1]。互聯網加快了信息傳播的速度，成為網民獲取新聞和熱點的主要途徑，網民由單向接受信息變為“接收—評論—反饋”的循環過程，使得網民的話語權得到極大的擴展。但是，互聯網輿情大數據的發展，網民的言論在互聯網平臺上集聚，情緒很容易被擴大和煽動，給政府社會治理帶來極大的挑戰，2017年“紅黃藍”幼兒園虐童事件發生后，在網絡上迅速傳播開來，網民情緒高漲，兩天時間達到了輿情傳播的巔峰;2018年空姐打車遇害事件引起了網民的廣泛關注，對遇害者的悲痛、對滴滴平臺存在弊端的譴責以及對犯罪嫌疑人的憤怒等導致網民的情緒逐漸增強;2018年長生疫苗事件的爆發不僅引起網民對涉事企業的強烈譴責，也影響了政府公信力的樹立。網民情緒的表達不僅是對網絡輿情事件的不滿，更是表達了對政府社會治理的期望。因此，政府需要正確面對網民的負情緒，找出引發網民情緒的根源，及時化解網民的情緒，避免不必要的網絡躁動。為此，2018年12月，國務院辦公廳印發《國務院辦公廳關于推進政務新媒體健康有序發展的意見》，在新媒體時代，政府監管和引導網民情緒的變化，不僅能夠有效地促進網絡環境的健康發展，而且能夠樹立政府公信力。政府部門已經開始重視對網民情緒的監管和引導，然而，哪些因素是影響網民情緒的關鍵因素，各因素對網民情緒的影響程度又是怎樣的呢？基于生命周期理論，本研究剖析網絡輿情傳播的各階段中網民情緒的關鍵影響因素，以期為政府網民情緒的監管和引導提供參考建議。

由于互聯網輿情大數據的驅動，國內外學者對網民情緒影響因素的研究成果也不斷豐富，大致可以分為以.4個方面。第一，事件因素對網民情緒的影響，Zhang L等[2]對傳統的SIR模型進行改進，研究了事件信息在耦合社會網絡環境中網民情緒的擴散效應;Zhu H等[3]以輿情事件信息為切入點，從信息的發布時間和發布強度探究了事件信息對網民情緒反轉的影響，為政府輿情的監管提供參考;Jiang D等[4]以新聞事件信息為研究對象，提出了一種創新的新聞事件網民情緒計算方法;楊洋洋等[5]研究發現，事件信息源敏感度對網絡輿情熱度存在顯著的影響。第二，網民因素對網民情緒的影響，Ku Y C等[6]對在線社會網民的意見進行研究，認為信息發布者在輿情演化中的作用至關重要;ztürk N等[7]利用Twitter平臺的數據，選取2 381 297條相關的推文，分析了公眾對這一話題的情感變化;Xiao Y等[8]把演化博弈模型與SIR模型相結合，構建了基于用戶多尺度屬性和進化博弈的熱點傳播模型;蘭月新等[9]構建網民情緒演化機理的微分方程模型，并對網民情緒的演化趨勢進行預測分析;凌晨等[10]基于“信念—愿望—意圖（BDI）”模型，分析了突發事件中網民負面情緒的動因和演變規律，為政府的應急決策提供建議;王佳敏等[11]運用多智能體方法，設計了主體交互規則和仿真算法，研究了意見領袖對網民的情感影響;賴勝強等[12]以網民的評論內容為研究對象，基于扎根理論歸納出情緒化傳播的形成要素，構建了網絡輿情情緒化傳播的機理模型。第三，媒體因素對網民情緒的影響，葉瓊元等[13]認為，媒體環境因素是引導網民情緒演化趨勢的關鍵因素之一，并通過仿真模擬得出了網民情緒演化的規律;田維鋼[14]以微博社交媒體為研究對象，從分布、效能、頻率3個方面構建了網民情緒傳播機制模型;宋凱等[15]認為，社交媒體使得網絡輿情傳播變得復雜，擴大網民情緒的波動范圍。第四，政府因素對網民情緒的影響，周莉等[16]以反腐輿情事件為研究對象，建議政府可以基于內部因素引導網民的負面情緒，基于外部因素引導網民的正面情緒;姜金貴等[17]研究發現，政府部門及時地回應網絡輿情事件，并保障網絡輿情事件處理的透明性，是引導網民負面情緒的有效方法;余紅等[18]認為，政府有效的信息供給和議程焦點的轉移，能夠有效地引導網民情緒轉向理性;韓誠等[19]提出網民情緒的變化直接影響到政府政策的制定和實施。

綜上所述，目前學者們的研究都把輿情看作一個整體進行研究，而沒有考慮輿情發展的不同階段網民情緒強度的差異，即使有部分學者對網絡輿情的傳播階段進行劃分，卻沒有深入研究各階段網民情緒強度變化的影響因素。基于此，以生命周期理論為基礎，采用系統動力學模型對輿情各階段演化過程中網民情緒強度的變化進行仿真，利用靈敏度分析探究單個變量對網民情緒強度的影響程度，在此基礎上，運用定性比較分析方法對網民情緒強度的各影響因素進行構型分析，研究不同因素組合對網民情緒強度的影響，從而為政府網絡輿情的治理提供參考。

2 研究理論模型

2.1 輿情生命周期階段劃分

生命周期理論（Life Cycle Theory）是指某一事物的出生、成長過程、衰老、生病和死亡的過程[20]。生命周期理論已經運用到政治、經濟、社會等諸多領域，其概念與網絡輿情的發展過程剛好吻合，已有部分學者把生命周期理論引入到網絡輿情的研究中。目前，有關輿情生命周期階段劃分的研究，學者們提出較早的是三階段劃分，陳福集等[21]利用E-Divisive算法把長期輿情事件大致分為波動期、高潮期、衰退期;杜洪濤等[22]將突發事件網絡輿情演化過程劃分為形成（擴散）、高潮和消散3個階段;王曰芬等[23]將生命周期理論和關鍵節點識別相結合，將輿情生命周期劃分為成長、爆發和衰退3個階段。在輿情生命周期三階段劃分的基礎上，又有學者提出了四階段劃分的方法，與三階段劃分的主要區別是把中間輿情爆發的階段細分為2個階段，張磊[24]把網絡輿情的生命周期劃分為潛伏期、成長期、成熟期和衰退期4個階段;晏敬東等[25]把微博輿情劃分為潛伏期、預熱期、熱議期和衰退期4個階段;武慧娟等[26]認為，網絡輿情的生命周期過程需要經歷形成、成長、成熟、衰退4個階段。

目前，學者們對輿情生命周期的研究，是根據網絡輿情各階段的發展特征進行定性劃分，并未形成成熟的輿情生命周期劃分標準。陳力丹[27]首次把黃金分割線0.618作為輿情發展的“臨界點”，當輿情達到這一值時，輿情便形成了;劉建明[28]在此基礎上進一步研究，把輿論形成的邊界值確定為0.25～0.30，當持某一觀點的人數達到0.25時，此時輿論已經形成。本研究是在已有學者們對輿情生命周期研究的基礎上，同時結合本研究選取的案例特征，在對本研究案例輿情生命周期觀察的基礎上，為了及時識別輿情，為輿情應對爭取更多的時間，把邊界值.調0.05，即把情緒強度界定為0.2。以情緒強度作為劃分網絡輿情生命周期的標準，把整個輿情過程劃分為4個階段，即潛伏期、爆發期、擴散期和消退期。如圖1所示，給出了輿情生命周期四階段過程，第一階段，潛伏期，此時0t3，情緒強度小于0.2，該階段表示輿情事件逐漸平息，網民的情緒強度逐漸減弱。

2.2 網民情緒強度指標體系

在網絡輿情事件傳播的過程中，網民情緒強度受到諸多因素的影響。事件因素是引發網民情緒的導火索，它一方面引發網民情緒的產生;另一方面引起媒體對事件的傳播，事件的影響力越大，引發的網民情緒就越強烈，但隨著網民情緒的高漲，事件的影響力會逐漸減弱;網民因素是情緒產生的主體，網民的影響力越大，就能產生越強的情緒強度，當情緒強度越高時，也會反過來正向作用于網民影響力;媒體因素是網民情緒發酵的催化劑，媒體對網民情緒強度的影響是正向的，當網民的情緒強度增高時，能夠引發媒體更加深入地傳播和報道;政府因素是網民情緒發展的調節劑，政府一方面控制媒體的傳播;另一方面疏導網民的情緒，當網民的情緒強度越高時，政府的調節作用就會越強，政府的調節力度增強時，會負向作用于網民的情緒強度。基于以上分析，構建基于事件、網民、媒體、政府的“四因素”指標體系，探究影響網民情緒強度變化的主要因素，圖2給出了網民情緒強度“四因素”指標體系示意圖。

2.3 理論框架模型

以網絡輿情生命周期四階段過程為基礎，基于網民情緒強度“四因素”指標體系，運用系統動力學模型仿真輿情各階段網民情緒強度的變化過程，利用靈敏度分析探究單個變量對網民情緒強度的影響程度，并運用定性比較分析方法對網民情緒強度的各影響因素進行構型分析，研究不同因素組合對網民情緒強度的影響。網民情緒強度影響因素研究理論框架模型如圖3所示。

3 網民情緒強度演化仿真模型

3.1 系統流圖

基于事件子系統、網民子系統、媒體子系統和政府子系統4個維度構建網民情緒強度演化系統動力學模型，在系統流圖中，事件影響力、網民影響力、媒體影響力和政府影響力4個變量為狀態變量，表示輿情事件發展過程中，4個變量的累積變化情況;情緒強度指標是由事件作用力、網民作用力、媒體作用力和政府作用力4個變量共同作用的結果，其他各變量之間的關系如圖4所示。

圖4 網民情緒強度演化系統流圖

3.2 各變量方程式

運用專家組打分法和層次分析法確定方程式中的一部分變量權重賦值，專家組是由本校輿情研究課題組中2名教授、3名副教授和5名博士生組成;另一部分變量的權重系數從前人的研究文獻中獲取，各變量的方程式如.：

1）情緒強度指數=0.235*事件作用力+0.218*網民作用力+0.326*媒體作用力-0.221*政府作用力[29];

2）事件作用力=0.15*事件影響力+0.85*事件影響力變化率;

3）事件影響力=INTEG（事件影響力變化率*EXP（-Time），0）[29];

4）事件影響力變化率=0.35*事件敏感度+0.65*事件傳播范圍[30];

5）事件傳播范圍=0.5*網民參與度+0.5*媒體報道指數;

6）網民作用力=0.15*網民影響力+0.85*網民影響力變化率;

7）網民影響力=INTEG（網民影響力變化率，0）;

8）網民影響力變化率=0.5*網民參與指數+0.3*網民關注指數+0.2*網民滿意度[31];

9）網民滿意度=政府回應力;

10）媒體作用力=0.15*媒體影響力+0.85*媒體影響力變化率;

11）媒體影響力=INTEG（媒體影響力變化率，0）;

12）媒體影響力變化率=0.6*媒體報道指數+0.4*媒體分布指數;

13）媒體分布指數=事件傳播范圍*媒體報道指數;

14）政府作用力=0.15*政府影響力+0.85*政府影響力變化率;

15）政府影響力=INTEG（政府影響力變化率，0）;

16）政府影響力變化率=DELAY1I（0.35*政府公信力+0.65*政府回應力，2，0）[32];

17）政府公信力=0.35*政府回應力+0.65*網民滿意度;

18）政府回應力=IF THEN ELSE（網民參與指數>0.3，網民參與指數，SQRT（網民參與指數））[33]。

3.3 靈敏度分析

本研究選取2018年8月的“食鹽里加亞鐵氰化鉀有毒”輿情事件作為實證案例，模擬時間為2018年8月21日至2018年9月4日，一共15天時間，仿真所需要的數據主要通過兩種方式獲取，一是通過百度指數摘取所需要的數據;二是運用網絡爬蟲技術獲取所需要的數據。由仿真的結果可知該事件的情緒強度的演化過程，以此對該輿情生命周期階段進行劃分，1～6天為潛伏期，7～8天為爆發期，9～11天為擴散期，12～15天為消退期，分別對各階段進行調控實驗，分別以事件影響力變化率、網民影響力變化率、媒體影響力變化率、政府影響力變化率4個速率變量為調控對象，探究單個變量對情緒強度的影響程度。

1）潛伏期調控分析

在潛伏期階段，由圖5（c）可知，媒體影響力變化率的調整對情緒強度指數的影響是十分微小的，5條曲線幾乎全部重疊，表明潛伏期媒體因素對網民的情緒強度沒有顯著影響;圖5（b）和（d）分別是網民影響力變化率和政府影響力變化率的調整對情緒強度指數產生的影響曲線，兩張圖的曲線十分相似，都是在潛伏期前期的調整效果不明顯，到潛伏期后期會產生一定影響，這表明潛伏期對網民因素和政府因素的調整對情緒強度指數產生的影響有滯后效應;圖5（a）是事件影響力變化率的調整對情緒強度指數產生的影響曲線，當事件因素調整時，情緒強度指數曲線立刻表現出不同的曲線走勢，且變化的幅度相對較大，表明事件因素的調整對情緒強度指數產生的影響是直接的，且是影響較大的。因此，在潛伏期階段，事件因素是影響情緒強度指數曲線的直接因素，且影響程度較大，網民因素和政府因素是影響情緒強度指數曲線的滯后因素，且影響程度一般，媒體因素是影響情緒強度指數曲線的無效因素。

2）爆發期調控分析

在爆發期階段，由圖6（d）可知，政府影響力變化率的調整對情緒強度指數的影響是十分微小的，5條曲線幾乎全部重疊，表明爆發期政府因素對網民的情緒強度沒有顯著影響;圖6（a）和（b）分別是事件影響力變化率和網民影響力變化率的調整對情緒強度指數產生的影響曲線，兩個因素的調整對情緒強度指數產生的影響程度相似，但是事件因素僅對爆發期的情緒強度指數產生影響，而網民因素不僅對爆發期的情緒強度指數產生影響，還對擴散期和消退期的情緒強度指數產生影響;圖6（c）是媒體影響力變化率的調整對情緒強度指數產生的影響曲線，當媒體因素調整時，情緒強度指數曲線立刻表現出不同的曲線走勢，且變化的幅度相對較大，表明媒體因素的調整對情緒強度指數產生的影響是顯著的。因此，在爆發期階段，媒體因素對情緒強度指數曲線的影響是顯著的，事件因素和網民因素對情緒強度指數曲線的影響程度一般，政府因素對情緒強度指數曲線沒有顯著影響。

3）擴散期調控分析

在擴散期階段，圖7（a）和（b）分別是事件影響力變化率和網民影響力變化率的調整對情緒強度指數產生的影響曲線，兩個因素的調整對情緒強度指數產生的影響程度較小;圖7（c）和（d）分別是媒體影響力變化率和政府影響力變化率的調整對情緒強度指數產生的影響曲線，兩個因素的調整對情緒強度指數產生的影響程度較大;因此，在擴散期階段，政府因素和媒體因素對情緒強度指數曲線的影響較大，而事件因素和網民因素對情緒強度指數曲線的影響程度較小。

4）消退期調控分析

在消退期階段，圖8（c）是媒體影響力變化率的調整對情緒強度指數產生的影響曲線，媒體因素對情緒強度指數產生的影響程度較小;圖8（a）和（b）分別是事件影響力變化率和網民影響力變化率的調整對情緒強度指數產生的影響曲線，兩個因素的調整對情緒強度指數產生的影響程度一般;圖8（d）是政府影響力變化率的調整對情緒強度指數產生的影響曲線。當政府因素調整時，情緒強度指數曲線立刻表現出不同的曲線走勢，且變化的幅度相對較大，表明政府因素的調整對情緒強度指數產生的影響是顯著的。因此，在擴散期階段，政府因素

4 網民情緒強度影響因素構型分析

4.1 案例和變量的選取

本文選取2017-2018年的社會輿情熱點作為研究對象，具體信息如表1所示。通過百度指數摘取或者網絡爬蟲技術獲取選取事件的數據，輸入到系統動力學模型中，獲得每個輿情事件的網民情緒強度仿真演化模型，基于上文構建的網民情緒強度演化系統模型，可知事件、網民、媒體和政府是影響情緒強度演化的主要因素，因此，選取事件作用力、網民作用力、媒體作用力、政府作用力4個變量作為前因條件，以情緒強度指數為結果變量，本文采用定性比較分析方法，探究不同因素組合對結果變量的影響。

4.2 fsQCA分析結果

1）必要條件分析

在進行模糊集定性比較分析前，首先對條件變量進行必要性檢測分析，將有助于后續的結果分析，以確保后續分析結果的準確性。得到單因素必要條件分析結果如表3所示，一般規定，當單因素的必要性達到0.9時，即是結果變量的必要條件，由表3可知，在潛伏期，高事件作用力是高網民情緒強度的必要條件，在爆發期，高事件作用力是高網民情緒強度的必要條件，在擴散期，高媒體作用力和高網民作用力是高網民情緒強度的必要條件，在消退期，高事件作用力是高網民情緒強度的必要條件。

2）組合條件分析

本文采用fsQCA 3.0軟件進行分析，通過表2

的校準函數獲得真值表，在分析過程中，一致性門檻值設定為0.8，可接受的個案數設為1，各階段的網民情緒強度影響因素構型分析結果如表4所示，各個路徑的一致性和總體一致性都大于0.8，表明解的認可度較高，滿足研究的需要，其中，●表示該因素存在，◎表示該因素不存在，“空白”表示該因素存在或不存在對結果無影響。

在潛伏期階段，高事件作用力是高網民情緒強度的必要條件，高事件作用力、高媒體作用力或者高事件作用力、高網民作用力是導致高網民情緒強度發生的兩個充分條件，而政府作用力是一個無效條件，即它的高低對結果無影響。該階段網民情緒強度是逐漸升高的，事件作用力是潛伏期政府需要重點監測的對象，只有高事件作用力才能引起媒體或者網民的關注，從而帶動網民情緒強度。因此，政府若想在潛伏期控制某一輿情的網民情緒強度，只需重點調控事件作用力因素，便可阻斷導致高網民情緒強度發生的兩個充分條件，到達調控輿情的目的。

在爆發期階段，高媒體作用力、低政府作用力或者高事件作用力、高網民作用力是導致高網民情緒強度發生的兩個充分條件。該階段網民情緒強度是迅速升高的，在該階段，政府作用力保持較低的水平，加上媒體的高關注，會更加擴大網民情緒強度，此外，事件的進一步發酵，加上高網民作用力，也會提高網民情緒強度。因此，政府保持較低的政府作用力，同時抑制輿情事件的進一步發酵，可有效的斷導致高網民情緒強度發生的兩個充分條件，降低網民情緒強度。

在擴散期階段，高事件作用力、高政府作用力、高網民作用力或者高媒體作用力、高政府作用力、高網民作用力是導致高網民情緒強度發生的兩個充分條件。該階段網民情緒強度是逐漸減弱的，高政府作用力、高網民作用力是高網民情緒強度的必要條件，該階段政府作用力和網民作用力控制其中一個保持較低水平，便可阻斷導致高網民情緒強度發生的兩個充分條件，達到調控網民情緒強度的目的。

在消退期階段，高事件作用力、高媒體作用力、高政府作用力、高網民作用力是導致高網民情緒強度發生的充分條件。該階段網民情緒強度是逐漸消退的，因此，若想保持高網民情緒強度，需要的條件是苛刻的，即需要同時保持高事件作用力、高媒體作用力、高政府作用力、高網民作用力。

綜上所述，從潛伏期、爆發期、擴散期到消退期，導致高網民情緒強度發生的充分條件組合由兩因素組合到三因素組合，再到四因素組合，隨著網民情緒強度的逐漸減弱，若想保持高網民情緒強度，需要的條件是逐漸苛刻的。

5 結論與建議

5.1 研究結論與建議

本文基于生命周期理論，把整個輿情過程劃分為4個階段，即潛伏期、爆發期、擴散期和消退期。采用系統動力學模型對輿情各階段演化過程中網民情緒強度的變化進行仿真，利用靈敏度分析探究單個變量對網民情緒強度的影響程度，在此基礎上，運用定性比較分析方法對網民情緒強度的各影響因素進行構型分析，研究不同因素組合對網民情緒強度的影響，從而為政府網絡輿情的治理提供參考，得出如.結論與建議。

1）事件因素對網民情緒強度的影響貫穿于整個輿情生命周期過程

在必要條件分析結果中可以看出，事件作用力是潛伏期、爆發期和消退期3個階段高網民情緒強度的必要條件，事件因素對網民情緒強度的影響是顯著的，因此，在潛伏期、爆發期和消退期，政府若想控制某一輿情的網民情緒強度，只需重點調控事件因素，不僅能夠阻斷高網民情緒強度的發生，而且能夠有效降低網民情緒強度指數，達到控制輿情事件的目的。在系統動力學仿真模型中，事件因素主要受事件敏感度和事件傳播范圍兩個因素的影響，當某一輿情事件發生時，政府需要重點監測事件敏感度和事件傳播范圍，一旦這兩個指標超出了預定的警戒值，就需要政府著手采取相應的措施引導網民情緒，降低輿情熱度。

2）在爆發和擴散階段，媒體因素對網民情緒強度的影響是顯著的

由模糊集定性比較分析結果可知，在爆發期，高媒體作用力、低政府作用力或者高事件作用力、高網民作用力是導致高網民情緒強度發生的兩個充分條件，在擴散期，媒體作用力是高網民情緒強度的必要條件。因此，該階段政府應重點關注媒體因素，積極地引導媒體正面報道，減弱媒體的夸大或深度報道，阻止輿情事件的進一步發酵，能夠有效地降低網民情緒強度指數，媒體是傳播輿情事件的載體，要發揮媒體的正能量作用，政府需要與媒體保持密切的溝通，及時地讓媒體掌握正確的輿情信息，避免一些媒體盲目的報道，同時還需要制定嚴格的懲罰措施，對于一些惡意傳播負能量輿情信息的媒體機構，給予嚴厲的懲罰，設置媒體報道的底線。

3）在擴散和消退階段，政府因素和網民因素對網民情緒強度的影響更為明顯

在擴散期，高事件作用力、高政府作用力、高網民作用力或者高媒體作用力、高政府作用力、高網民作用力是導致高網民情緒強度發生的兩個充分條件;在消退期，高事件作用力、高媒體作用力、高政府作用力、高網民作用力是導致高網民情緒強度發生的充分條件，可知，政府因素和網民因素是擴散和消退期高網民情緒強度的必要條件。因此，在輿情生命周期的后期，政府因素和網民因素對網民情緒強度的影響更為明顯。該時期政府應該及時地向網民公開輿情信息，與網民保持溝通和交流，解答網民的疑惑，從而有效地降低網民情緒強度指數，從而控制網民情緒強度的發展。

4）高網民情緒強度更容易發生在輿情傳播的前期

從潛伏期、爆發期、擴散期到消退期，研究發現導致高網民情緒強度發生的充分條件組合由兩因素組合到三因素組合，再到四因素組合，可知，高網民情緒強度發生的充分條件是逐漸苛刻的。從政府引導網民情緒強度的難易程度來講，在輿情生命周期的后期，政府更容易引導和疏解網民情緒強度，這也是目前政府部門處理網絡輿情事件常用的手段。從理論上講，政府在輿情生命周期的前期介入，更容易阻斷高網民情緒強度的發生，但是，由于在輿情生命周期的前期，政府部門對輿情信息不夠了解，往往找不到有效的措施，所以，就目前而言，在輿情生命周期的后期，政府作用力對網民情緒強度的影響更為明顯。

5.2 研究貢獻與局限性

本研究的貢獻主要體現在理論和實踐兩個方面，在理論上，采用系統動力學模型與定性比較分析方法相結合的混合方法，基于單因素和組合因素的視角構建了網民情緒強度影響因素的模型，為網民情緒強度研究體系提供了新的研究方法和視角。在實踐中，對于網民情緒強度影響因素的研究結論，事件因素對網民情緒強度的影響貫穿于整個輿情生命周期過程，在爆發和擴散階段，重視媒體因素對網民情緒強度的影響，在擴散和消退階段，政府因素和網民因素對網民情緒強度的影響更為明顯，高網民情緒強度更容易發生在輿情傳播的前期，這些能夠有效地指導政府部門監管和引導網民情緒強度的發展，為政府網絡輿情治理提供參考和建議。

本研究還存在以.局限性，第一，本研究基于事件、網民、媒體、政府的“四因素”指標體系，探究影響網民情緒強度變化的主要因素，沒有針對每一個因素做細分展開，在后續的研究中，作者將分別展開研究事件、網民、媒體、政府對網民情緒強度的影響;第二，本研究案例選取的數量有待增加，考慮到數據的可獲得性和完整性，本研究剛開始篩選了20多個案例，但是，有一部分案例的數據存在問題，比如，數據不完整、生命周期過程不明顯等，不符合本研究的目的和需求，最終，篩選出來目前采用的10個案例。

參考文獻

[1]中國互聯網絡信息中心（CNNIC）.CNNIC發布第44次《中國互聯網絡發展狀況統計報告》[EB/OL].http：//www.cac.gov.cn/2019-08/30/c_1124938750.htm.

[2]Zhang L，Su C，Jin Y，et al.Cross-network Dissemination Model of Public Opinion in Coupled Networks[J].Information Sciences，2018，451：240-252.

[3]Zhu H，Hu B.Impact of Information on Public Opinion Reversal—An Agent Based Model[J].Physica A：Statistical Mechanics and Its Applications，2018，512：578-587.

[4]Jiang D，Luo X，Xuan J，et al.Sentiment Computing for the News Event Based on the Big Social Media Data[J].IEEE Access，2016，（99）：2373-2382.

[5]楊洋洋，謝雪梅.基于QCA的網絡輿情熱度影響因素構型分析[J].情報雜志，2019，38（5）：142-146.

[6]Ku Y C，Wei C P，Hsiao H W.To Whom Should I Listen？Finding Reputable Reviewers in Opinion-sharing Communities[J].Decision Support Systems，2012，53（3）：534-542.

[7]ztürk N，Ayvaz S.Sentiment Analysis on Twitter：A Text Mining Approach to the Syrian Refugee Crisis[J].Telematics and Informatics，2018，35（1）：136-147.

[8]Xiao Y，Song C，Liu Y.Social Hotspot Propagation Dynamics Model Based on Multidimensional Attributes and Evolutionary Games[J].Communications in Nonlinear Science and Numerical Simulation，2019，67：13-25.

[9]蘭月新，夏一雪，劉冰月，等.面向輿情大數據的網民情緒演化機理及趨勢預測研究[J].情報雜志，2017，36（11）：134-140.

[10]凌晨，馮俊文，楊爽，等.突發事件中網民負面情緒決策的BDI模型[J].系統工程，2018，36（4）：51-60.

[11]王佳敏，吳鵬，沈思.突發事件中意見領袖對網民的情感影響建模研究[J].情報雜志，2018，37（9）：120-126.

[12]賴勝強，張旭輝.網絡輿情危機事件對網民情緒傳播的影響機理——基于D&G辱華事件的扎根理論研究[J].現代情報，2019，39（9）：115-122.

[13]葉瓊元，蘭月新，王強，等.面向突發事件的網民情緒演化系統動力學模型研究[J].情報雜志，2017，36（9）：153-159，105.

[14]田維鋼.微博評論中的網民情緒傳播機制及策略[J].當代傳播，2019，（1）：66-69.

[15]宋凱，袁奐青.后真相視角中的網民情緒化傳播[J].現代傳播（中國傳媒大學學報），2019，41（8）：146-150，156.

[16]周莉，王子宇，胡珀.反腐議題中的網絡情緒歸因及其影響因素——基于32個案例微博評論的細粒度情感分析[J].新聞與傳播研究，2018，25（12）：42-56，127.

[17]姜金貴，閆思琦.基于主題和情緒相互作用的微博輿情演化研究——以“紅黃藍虐童事件”為例[J].情報雜志，2018，37（12）：118-123.

[18]余紅，吳雨青，晏慧思.網絡抗爭事件的情緒傳播和引導——以山東辱母案為例[J].情報雜志，2018，37（5）：117-122.

[19]韓誠，李文健.網民情緒影響.的公共政策發布與調整問題研究——基于新浪微博對天津“海河英才”計劃的討論[J].理論導刊，2019，（9）：12-17.

[20]Gort M，Klepper S.Time Paths in the Diffusion of Product Innovations[J].The Economic Journal，1982，92（367）：630-653.

[21]陳福集，張燕.基于E-Divisive的網絡輿情演化分析[J].情報雜志，2016，35（4）：75-79.

[22]杜洪濤，王君澤，李婕.基于多案例的突發事件網絡輿情演化模式研究[J].情報學報，2017，36（10）：1038-1049.

[23]王曰芬，王一山.傳播階段中不同傳播者的輿情主題發現與對比分析[J].現代情報，2018，38（9）：28-35，144.

[24]張磊.基于生命周期的網絡輿情危機管理知識集成研究[J].情報雜志，2015，34（10）：101-105，51.

[25]晏敬東，楊彩霞，張煒南.基于生命周期理論的微博輿情引控研究[J].情報雜志，2017，36（8）：88-93，75.

[26]武慧娟，張海濤，王盡暉，等.基于熵權法的網絡輿情預警模糊綜合評價模型研究[J].情報科學，2018，36（7）：58-61.

[27]陳力丹.輿論學-輿論導向研究[M].北京：中國廣播電視出版社，1999.

[28]劉建明.輿論傳播[M].北京：清華大學出版社，2001.

[29]曹海軍，李明.基于系統動力學的社交網絡輿情應對策略仿真分析——以“亞布力事件”為例[J].東北大學學報：社會科學版，2019，21（1）：57-63.

[30]袁國平，許曉兵.基于系統動力學的關于突發事件后網絡輿情熱度研究[J].情報科學，2015，33（10）：52-56.

[31]王高飛，李明，李梅.基于系統動力學的移動社交網絡輿情應對策略研究[J].情報科學，2016，34（10）：38-42.

[32]洪亮，石立艷，李明.基于系統動力學的多主體回應網絡輿情影響因素研究[J].情報科學，2017，35（1）：133-138.

[33]高歌，張藝煒，丁宇，等.基于系統動力學的網絡輿情演進機理及影響力研究[J].情報理論與實踐，2016，39（12）：39-45，24.

（責任編輯：孫國雷）