疫情期間社會媒體輿論影響下公眾情感變化與情感指數分布及對策分析

丁海昕 王沁 李志剛

摘 要 重大疫情背景下社會媒體輿論的正確引導，對社會穩定具有重要意義。通過文本挖掘獲取微博數據并進行相關的預處理，使用神經網絡算法將輿論信息劃分為積極、中立、消極三個維度，引入SEIR模型和地理加權回歸模型對時間維度情感變化趨勢與情感指數空間分布狀況進行了分析。根據SEIR模型可大致將疫情發生后的輿論擴散時期劃分為0～20天增長階段、20～40天爆發階段、40天后消退階段，并根據分析結論，提出社會媒體輿論引導的對策建議。

關鍵詞 社會媒體輿論；SEIR模型；地理加權回歸模型；情感變化趨勢；情感指數

中圖分類號 G2 文獻標識碼 A 文章編號 2096-0360（2021）21-0011-04

基金項目：四川省社會科學“十三五”規劃2020年度重大項目“重大疫情背景下社交媒體輿論傳播網絡特點與引導機制研究”（編號：SC20YJ002）；2020年國家級大學生創新創業訓練計劃項目（編號：202010616024）。

重大疫情發生時，從中央到地方的各級政府官方平臺實時更新數據，發布權威信息；各類新聞媒體密切跟蹤，全方位報道；各類自媒體時刻關注疫情信息，活躍在各大輿論場。疫情期間，輿論傳播隨著疫情發展的不同時間和不同空間而不斷演變。其中，輿論傳播的重要渠道之一就是微博，因為其用戶數量巨大，信息交互頻繁、快速等特點，在短時間內迅速形成了強大的“井噴式”網絡輿情，從而影響了事件的演化方向，并且對相關政府部門對事件的判斷和處理造成影響。因此，對微博網絡中的輿論傳播機制與對策的研究顯得格外重要，有助于各級黨政機關及時而準確地掌握輿情動態、回應民眾關切，從而提高應對能力。

目前，關于社會媒體輿論傳播機制的研究已經引起了許多學者的關注，但是關注點大多集中在于輿論隨著時間變化的傳播機制，而忽略了社會媒體輿論傳播背后的地理位置信息，更少將時間信息與地理位置信息相結合對輿情進行分析。林芹、郭東強[ 1 ]優化SIS模型，在用戶心理特征的基礎上，通過仿真驗證模型有效性，給出防控社交網絡輿情的方法。顧亦然和夏玲玲[ 2 ]通過SEIR模型提出一個具有潛伏期的網絡謠言傳播模型，并總結出一種網絡謠言抑制對策。鄭蕾和李生紅[ 3 ]使用網絡拓撲結構，并將微博網絡中的信息傳播機制與之結合，總結出了微博網絡信息傳播模型。

本文結合時間與空間對群眾情感趨勢變化以及社會媒體輿論傳播進行雙維度分析，探索輿論發展導向、群眾情感波動以及疫情出現后不同時空點的相關性，歸納群眾情感波動與時空變化的規律。解決網絡中發表的關于探究重大疫情輿論導向的文章多數未深入探討輿論現象外表下推動輿論變化的環境因素，即時空因素所帶來的影響的問題。

1 研究思路與模型構建

1.1 總體研究思路（圖1）

首先，文本挖掘獲取微博數據并進行相關的預處理，通過神經網絡算法將文本劃分為積極、中立、消極三個維度。

其次，引入SEIR模型進行情感趨勢分析，通過GWR（地理加權回歸）模型進行情感空間分布預測。

再者，將整個輿論擴散時期劃分為增長、爆發、消退三個階段，通過社會網絡建立疫情期間微博輿論的傳播機制。

最后，將微博意見領袖類（如新聞、大V等）詞云劃分為消極事實、積極事實和謠言，試判斷這三類對每個階段導向的影響，以此來提出相對應的對策干預。

1.2 基于SEIR模型的情感趨勢分析

1.2.1 SEIR模型構建

這里感染指由于輿論影響發生情緒轉變，康復指遺忘微博輿論。

首先根據SEIR傳統模型，將人群分為S（易感者：易受情緒影響）、E（潛伏者：被情緒潛在影響）、I（感染者：由于輿論影響發生情緒轉變），R（康復者：遺忘情緒）。

這里S為全國網絡人數、E為疫情話題討論人員（中性）、I為情緒指數有變化（消極/積極）、R為積極/消極—中性，由于情緒數據具有個人化的特點，較難準確測定，這里以整體指數為準，即所討論人員情緒變化皆由整體微博評論的情感指數來作為定量指標。

1.2.2 疫情期間情感指數趨勢

這里以疫情期間2019.12—2020.03數據為例，進行情感分析，得到結果如圖3所示。

發現處于消極情緒的人居多，處于積極情緒的人較少，證明在疫情開始期間人們都處于消極恐慌的輿情信息中。

基于情感頻率代入SEIR模型中進行輿情影響人數預測，見圖4。其中參數設定見表1。

根據SEIR的研究結果，我們可以大致將疫情發生后的輿論擴散時期劃分為：0～20天為增長階段，20～40天為爆發階段，40天后為消退階段。

增長階段易感者在人數上占有巨大主導性，人數有壓倒性的占比，在增長階段中期，即疫情發生后10天左右才有下降的趨勢，且下降速率十分快。潛伏者和傳染者在增長階段中期開始產生，且潛伏者增長速率明顯大于傳染者，且二者在此階段峰值潛伏者越為傳染者的4～5倍，可見在輿論情感傳播的情緒轉化過程中潛伏者對應的被情緒潛在影響因素的影響效果遠大于感染者對應的輿論影響因素。此階段康復者幾乎沒有出現，僅在18天左右有萌芽趨勢。

爆發階段易感者數量繼續急劇下降，并在本階段下降為0。潛伏者和傳染者數量在本階段上升至整個輿論擴散時期的峰值，且潛伏者峰值人數為傳染者峰值人數的兩倍，傳染者人數達到峰值的時間比潛伏者人數到達峰值的時間延后5～8天。在達到峰值后，二者人數下降的斜率不同，且潛伏者人數下降斜率大于傳染者斜率下降速率。也正因斜率的差異性，雖然二者峰值差距較大，但二者曲線的微積分面積相差較小。可知在整個輿論擴散時期，潛伏者和傳染者所發揮的作用都不可小覷。本階段康復者人數開始呈樂觀上升態勢，并在階段結束時達到約6×10⁴人。

消退階段傳染者和潛伏者人數持續下降，且傳染者人數下降速率依舊保持小于潛伏者下降的速率，最終潛伏者先于傳染者人數降為0?？祻驼呷藬翟趥魅菊吆蜐摲呷藬刀冀禐?后達到峰值，此時已經距離疫情發生時間點過去約85～95天。

整個輿論擴散時期大約持續了3個月左右，期間潛伏者的出現伴隨著易感者人數的減少，同時也伴隨康復者的增加。傳染者的出現加劇了康復者的出現速率，使康復者人數呈一定速度地上升?？梢娸浾摂U散時期中，各要素的人數變化最復雜的階段為爆發階段，如果需要在爆發階段對輿情做出引導，還需要進一步對易感者、潛伏者、傳染者、康復者四者之間的內在聯系、影響關系進行進一步的研究。

1.3 基于GWR模型的地區情感指數分布

根據分析結果可以得出各個地區擬合效果都比較理想，通過GWR模型得出各個地區的平均情感指數并得出相應地區的情感分析。其中山西省的情感指數最低，情感指數范圍在-2.5以下，代表其受疫情影響較小，情緒穩定；貴州省情感指數范圍在-2.5到-1.5之間，群眾情感較穩定；以陜西省、江蘇省、山東省為代表的地區情感指數范圍在-1.5到-0.5之間，群眾情感也普遍穩定；以青海省、廣東省、吉林省為代表的地區情感指數在-0.5到0.5之間，群眾有小部分受到疫情影響，情緒有小幅度波動；四川省的情感指數范圍在0.5到1.5之間，群眾中有部分情緒受疫情以及輿情感染；以云南省、河南省、安徽省為代表的地區情感指數范圍在1.5到2.5之間，受疫情以及輿情影響，情緒波動較大?？梢缘贸鼋Y論，距離武漢遠的地區大部分群眾情感趨于穩定，距離武漢近的地區的群眾情感波動較為明顯。

2 結論與對策

利用SEIR和GWR模型分析了疫情輿論影響的情感轉化趨勢和情感指數變化的空間特征，其研究結論如下。

1）疫情期間情感趨勢中，易感者、潛伏者、傳染者、康復者四者轉化最為復雜的階段是輿情爆發階段，即疫情輿情開始變化后的第20～40天。此階段四者相互轉化關系強烈，在數量趨勢上有猛烈變化，是輿情引導的關鍵時期。此階段政府應采取官方賬號引導、新聞發布等方式對輿情進行正確引導，避免出現盲目鎮壓、錯誤報道等現象，使民心散亂，引發疫情恐慌。并且和一般的網絡輿情不同，重大疫情網絡輿情往往會因為疫情本身的嚴重性、疫情防控形勢的嚴峻性而增加網絡輿情傳播的“燃燒溫度”加劇了輿情治理的難度[4]。在治理過程中，必定會遇到人力、信息、物資、技術等各方面的約束，因此，針對特殊時期的輿情治理，需要打破固有的慣性思維，從刻板體系層級關系中跳脫，構建更加高效、暢通的中央與地方、地方與地方之間的相互配合關系，不斷完善相關治理體系中的僵化性，增加系統靈活性，柔性對待每一次意外情況。

2）從情感分析看，疫情期間處于消極情緒的人居多，處于積極情緒的人較少，說明在疫情開始期間人民都處于消極恐慌的輿情信息中。在輿情爆發階段出現大規模消極思潮，政府相關部門應直接通過網絡媒介發布信息，正確引導網民。對這段時機的把握要重視，一旦錯失良機，消極思潮便有進一步向深層次發展的危險[5]。

3）將GWR模型中的地理情感波動強度與SEIR模型中的情感轉化情況驗證后發現，各個地區的擴散趨勢模擬與真實情況擬合度較高，與輿情的生命周期模型趨勢基本一致[6]，在輿情擴散趨勢預測上可以起到一定作用。重大疫情下輿論治理需要根據不同的地域采取不同的政策方針。在可以預測未來一定時間段內輿情地理傳播趨勢的基礎上，可以對政策下達進行預期擬合，這樣對輿情的變化態勢有預期的準備，提高治理水平。

參考文獻

[1]林芹，郭東強.優化SIS模型的社交網絡輿情傳播研究[J].情報科學，2017，35（3）53-56.

[2]顧亦然，夏玲玲.在線社交網絡中謠言的傳播與抑制[J].物理學報，2012，61（23）：544-550.

[3]鄭蕾，李生紅.基于微博網絡的信息傳播模型[J].通信技術，2012，45（2）：39-41.

[4]胡峰.重大疫情網絡輿情演變機理及跨界治理研究：基于“四點四階段”演化模型[J].情報理論與實踐（ITA），2020，43（6）：23-55.

[5]潘芳，卞藝杰，潘郁.危機事件網絡輿情傳播模型及消極思潮應急對策[J].圖書情報工作，2010，54（15）：40-43.

[6]任凱，郭黎黎，張燕.社交網絡輿情事件的生命周期模型研究[J].科技傳播，2019（23）：1-3.