大數據情景下新冠疫情新聞輿情分析

◎胡樂煒

新冠肺炎疫情爆發以來，疫情的動向牽動著全國人民的心。社交媒體平臺成為廣大群眾了解疫情的重要渠道。大到權威的新聞媒體， 小至零散的個人自媒體都紛紛在社交平臺上發聲，從不同角度傳遞著疫情的進展。 可見，社交媒體平臺作為新聞媒體的載體對于明確疫情新聞真實性、消除民眾恐慌情緒、 傳遞社會正能量等方面發揮著不可替代的作用。更進一步地，習近平總書記在2 月3 日召開的政治局常務委員會議上強調加強疫情防控的輿論引導工作，為堅決打贏疫情防控阻擊戰提供強大的輿論支持。基于此，本研究以新浪微博的媒體新聞為實驗場地， 分析新冠疫情新聞輿情傳播特征和內容屬性，為科學引導輿論提出思路。

一、對于新浪微博疫情新聞的文本挖掘

1.設計思路

新浪微博是中國最大的社交媒體平臺之一， 既有蘊含國家政策導向的主流新聞媒體聲音， 也呈現了民間自媒體的影像，非常適合本研究探索新聞輿情特征。 因此，本文擬首先從新浪微博上采集某一特定地區特定時間段的新冠疫情新聞內容，然后利用Python 程序完成對于新冠疫情新聞內容的文本挖掘，分析得出文本特征，最后，結合我國新聞行業實踐，總結和歸納科學引導輿論思路。

2.數據集選擇

由于新冠疫情始于湖北，因此本研究首先將新聞采集的范圍控制在湖北地區媒體發布，而后，本研究將新聞采集的時段選定為新冠肺炎疫情蔓延最為嚴峻的時期：1 月27日（李克強總理來到武漢考察指導）至2 月8 日（雷神山醫院交付使用）期間。

圖1：新浪微博疫情新聞數量折線圖

通過利用基于scrapy 架構的Python 程序爬蟲采集以新冠肺炎為檢索關鍵字的新聞，本研究得到了來自湖北地區各種媒體（包括武漢晚報、健康武漢、新浪湖北等經過認證的權威媒體，也包括未經認證的自媒體用戶）發布的相關新聞，清洗和去重，最終得到8772 條數據，數量特征如圖1 所示。

可以看出，隨著疫情不斷加劇，新浪微博上的湖北媒體發文數量呈現總體上升趨勢， 從一個方面反映了社會對于疫情關注度不斷提升的事實。

3.實驗處理過程

經過新聞的數量分析后，本研究將采集到的新聞全部整合到一起，利用Python 的jieba 第三方庫進行分詞，并結合哈工大版的停用詞表對新聞內容進行進一步清洗， 在此基礎上， 完成了全部內容的詞頻分析， 圖2 是利用Python的WordCloud 庫和matplotlib 庫繪制的詞云圖。

圖2：基于Python 程序的詞云圖

從詞云圖中，可以看出新聞內容中出現頻率比較高的詞語（如：新冠、疫情、肺炎、醫院、防控等）均是和檢索的新聞內容密切關聯的。 進一步地，本文再利用Python 統計分析出了新聞中出現頻率最高的十個詞語和出現次數， 如下表1 所示。

表1：新聞詞頻分析

從表1 可以看出出現頻率最高的兩個詞便是本研究在新浪微博檢索的關鍵詞，隨后的高頻詞語均與新冠肺炎的防控高度相關。 然而，盡管通過詞頻分析可以判斷新聞的相關話題，卻無法細致地新聞的文本特征，因此，有必要對新聞進一步采用TF-IDF 算法進行關鍵詞抽取的輿情分析。

表2：新聞關鍵詞抽取

二、新浪微博疫情新聞的輿情分析

TF-IDF 表示詞頻逆文檔頻率，TF-IDF 是文本挖掘和輿情分析中常用的算法。該算法計算出一個權重，用于評估一個詞語對集合或語料庫中的文檔的重要性。 重要性隨著詞語在文檔中出現的次數成比例增加， 但會被該詞語在語料庫中的頻率所抵消。 總體上的新聞內容中常出現的高頻詞匯不一定等表征每天新聞的內容特點，基于此，本研究運用TF-IDF 算法，對樣本新聞庫中每天的新聞內容進行關鍵詞抽取分析，如表2 所示。

從上表可以看出，每日新聞內容的關鍵詞大都含有醫院、感染等詞匯，但仍存在自身特有的關鍵詞維度，結合具體的新聞內容進行細致分析， 能發現關鍵字和新聞內容的對應關系。 例如1 月31 日出現的紅十字會關鍵詞，就涉及到了在當天發生的湖北省紅十字會對應疫情物資使用情況的澄清說明事件，2 月2 日出現的火神關鍵字則表明了當天武漢火神山醫院正式交付的新聞，2 月4 日出現的方艙關鍵字則描述了連續的幾天中武漢市政府連夜開辟方艙醫院，收治新冠肺炎輕癥患者，2 月7 日出現的李文亮關鍵字凸顯了當天大量的新聞報道指向李文亮醫生去世，2 月8日的關鍵字氣溶膠的呈現則是因為當天公布的新冠肺炎傳播途徑包括氣溶膠傳播。

三、總結與思考

社交媒體平臺的新聞內容在一定程度上代表了社會大眾的心聲。 通過對新浪微博這個主流的中國社交媒體平臺中各種媒體用戶發布的新冠疫情新聞進行輿情分析，本文對于社交媒體平臺上的新聞輿情進行總結。

首先， 對于疫情的報道應該注重嚴謹性和科學性，對于未經證實或虛假的新聞要及時給予澄清和辟謠。 社交媒體平臺冗雜了大量的媒體用戶， 在信息缺乏透明度的輿論環境中，如果用戶隨意發聲，很可能引起全社會不必要的恐慌和混亂，例如：有自媒體發聲形成了紅糖和姜蒜熬水喝可以預防新冠肺炎、養貓狗易感染新冠肺炎等謠言。這些謠言曾在一時間給予了人們錯誤的引導， 或者造成了不必要的恐慌。 新浪微博平臺很快就根據查證權威機構的說明給予辟謠。 未來，社交媒體平臺需要更加健全新聞傳播機制：一方面，對于這些類似街談巷議的謠言，官方媒體能夠及時給與辟謠和解釋，另一方面，官方媒體自身發布的新聞一定要更加嚴謹和科學。

其次，社交媒體平臺上的用戶及時發布的疫情醫療相關信息，有效促進了社會組織間的配合協作。本次疫情來勢兇猛， 短時期內對于武漢乃至湖北地區社會經濟帶來了極大的壓力，造成醫療資源不足的不利情形。社交媒體平臺在信息傳播方面有著得天獨厚的速度和廣度優勢， 媒體用戶將疫情即時信息快速傳播， 有助于政府和民間深入了解疫區情況，更有效地調配醫療資源，提升醫院救治效率。例如：在本次疫情中， 新浪微博的媒體用戶及時通報了疑似新冠肺炎感染患者的具體情況， 為政府收治病人和控制疫情蔓延收到了一定的效果。又如，媒體用戶在新浪微博全平臺及時通告某些醫院防疫物資不足的詳細情況， 為全國支援湖北抗疫提供了有力的信息支持。 可以看到，在輿論引導上，社交媒體平臺需要判別信息的價值， 對于用戶傳遞的有價值信息應給予更大力度的推送和傳播。

最后，結合國家的政策導向，利用社交媒體平臺的話題和超話功能，弘揚正能量。突發的疫情幾乎打了所有人的生活節奏， 大部分人都被迫隔離。 人們無法正常生活和工作，承受著來自各方的巨大壓力（例如：無法回家、房貸、沒有收入等），急切需要找尋舒緩壓力的出口。 新浪微博開辟了萬眾一心抗擊新冠肺炎、抗擊新型肺炎各地公益行動等圍繞抗擊新冠疫情的話題和超話，大量的媒體都在這些話題中為湖北加油打氣：有代表政府的媒體不斷發出幫助疫區人們的利好政策信息（例如：銀保監會發布的受疫情影響暫無收入人群可合理延后還房貸）， 有代表企業的媒體發出的援助湖北的新聞，也有大大小小的自媒體用戶發布的提醒、祝福、鼓勵的內容等等。 這些正向引導的新聞內容對于湖北疫區的人們來說，無疑是排解壓力，消除恐慌情緒的良藥。