國內(nèi)外輿情治理研究熱點及趨勢分析

封超 杜娟

摘? ?要： 以CNKI和Web of science核心數(shù)據(jù)庫收錄2002-1-1至2019-12-31文獻為研究樣本，運用Cite Space 軟件及文獻計量方法，通過國內(nèi)外文獻樣本對比研究，分析輿情治理領域研究起源、演化路徑、熱點及研究趨勢。發(fā)現(xiàn)：已有的國內(nèi)外研究熱點主要集中在網(wǎng)絡輿情演化機理的探討和分析，使用大數(shù)據(jù)技術對網(wǎng)絡輿情分析、研判、預測和預警，網(wǎng)絡輿情監(jiān)管和治理這三個方面;國外輿情治理的研究趨勢是輿情演化影響因素分析、社交媒體情感行為分析和大數(shù)據(jù)網(wǎng)絡輿情技術研究;國內(nèi)輿情治理研究趨勢是輿情信息分析研究、輿情的管理及公共政策制定研究、大數(shù)據(jù)驅動的隱私保護機制、利益相關者及信息生態(tài)研究。研究結論對輿情治理領域科學研究和實踐應用具有一定的參考價值。

關鍵詞： 輿情; 輿情治理; 大數(shù)據(jù); Cite Space

中圖分類號： G203? ? ? ? ? ? ? ?文獻標識碼：? A? ? ? ? ? ? ?DOI：10.13411/j.cnki.sxsx.2021.01.004

Abstract： Based on CNKI and web of science core database from January 1， 2002 to December 31， 2019， using Cite Space software and bibliometric method， through comparative study of domestic and foreign literature samples， this paper analyzes the origin， evolution path， hot spots and research trend of public opinion governance. It is found that： the existing research hotspots at home and abroad mainly focus on the discussion and analysis of the evolution mechanism of online public opinion， the use of big data technology to analyze， judge， predict and warn the network public opinion， and the supervision and governance of network public opinion; the research trend of foreign public opinion governance is the analysis of influencing factors of public opinion evolution， the analysis of social media emotional behavior and the research of big data network public opinion technology. The research trend of domestic public opinion governance is public opinion information analysis， public opinion management and public policy making， big data driven privacy protection mechanism， stakeholders and information ecology. The research conclusion has a certain reference value for scientific research and practical application in the field of public opinion governance.

Key words： public opinion; public opinion governance; big data; Cite Space

一、引言

輿情是社情民意的一種綜合反映，是民意及民意作用于執(zhí)政者的一種描述。網(wǎng)絡輿情是以網(wǎng)絡為載體，以事件為核心，是廣大網(wǎng)民情感、態(tài)度、意見、觀點的表達傳播與互動，以及后續(xù)影響力的集合，帶有廣大網(wǎng)民的主觀性，未經(jīng)媒體驗證和包裝，直接通過多種形式發(fā)布于互聯(lián)網(wǎng)上[1]。近年來，輿情事件對社會生活的影響一日千里，一些重大的輿情事件如果處理不當就會誘發(fā)民眾的不良情緒，進而引起重大群體事件的發(fā)生，嚴重危害了社會的穩(wěn)定，極大考驗了應急管理部門的處置能力。

已有的輿情治理研究中，學者們更多地關注于輿情分析和研判、輿情預測和預警、輿情監(jiān)測和管控等方面的研究，國外從2002年和2003年的1篇，2004年的2篇，到2019年的398篇，國內(nèi)從2004年的1篇，2006年的1篇，2008年的3篇，到2019年的322篇，整體發(fā)文量均呈現(xiàn)上升趨勢，如圖1和圖2所示。特別是國外從2015年，國內(nèi)從2010年開始，“輿情治理”相關文獻呈爆炸式的增長。鑒于此，筆者采用文獻歸納、對比分析、定量研究等方法對國內(nèi)外輿情治理研究的起源、發(fā)展、研究熱點和研究前沿展開系統(tǒng)的梳理，運用Cite Space軟件對2002-2019年的Web of science核心集和CNKI相關文獻進行分析，研究結論對輿情治理領域的科學研究和實踐應用具有一定的參考價值。

二、 研究工具、數(shù)據(jù)收集及處理

（一）研究工具

本研究采用科學知識圖譜的方式，運用Cite Space軟件對輿情治理的國內(nèi)外研究熱點進行分析，并將其可視化，用以探索輿情治理的國內(nèi)外研究現(xiàn)狀、熱點及研究趨勢。

（二） 數(shù)據(jù)收集及預處理

本研究英文文獻選擇Web of Science核心合集進行檢索，中文文獻選擇中國知網(wǎng)（CNKI）對期刊、碩博論文依次進行檢索，檢索時間截止到2019年12月31日。

在英文文獻的選擇上，以TS=（“public opinion governance”O(jiān)R“internet public opinion governance”O(jiān)R“Twitter governance”O(jiān)R“social media governance”）為檢索式，共檢索到1963篇相關文獻。首先，選擇SCI、SSCI檢索的文獻;然后，通過人工篩選，剔除報紙、會議綜述、期刊通知以及無關文獻;最后，考慮到檢索的主題詞不能夠完全覆蓋現(xiàn)有的文獻，在閱讀相關文獻時以查漏補缺的方式填補數(shù)據(jù)集樣本，共計1494篇文獻，這些文獻主要集中發(fā)表在計算機科學、信息科學、傳播學、管理學、電子通信工程、社會學等領域。

在中文文獻的選擇上，以主題=（“輿情治理”或者 “網(wǎng)絡輿情治理”或者“微博治理”或者“社交媒體治理”）為檢索式，共檢索到1578篇相關文獻。首先，選擇CSSCI（含擴展版）和CSCD檢索的文獻;然后，通過人工篩選，剔除報紙、會議綜述、期刊通知以及無關文獻;最后，考慮到檢索的主題詞不能夠完全覆蓋現(xiàn)有的文獻，在閱讀相關文獻時以查漏補缺的方式填補數(shù)據(jù)集樣本，共計628篇文獻，這些文獻主要集中在圖書情報、行政管理、科技發(fā)展、新聞與傳播、計算機軟件與應用、信息管理等領域。

三、 國內(nèi)外輿情治理研究起源及發(fā)展

（一） 國外輿情治理研究起源及發(fā)展

國外最初對輿情的研究起源于傳播學，1990年，F(xiàn)an D P首次將文本分析技術引入專家系統(tǒng)中用來預測輿情的傳播。自2002年開始，國外先后出現(xiàn)了Face book、YouTube、Twitter、Snap chat、Instagram等社交媒體平臺，關于網(wǎng)絡輿情的研究也進入了上升期。

2007年，Thelwall M[2]首次將輿情的演化周期分為不同的時段，并對各時段博客的檢索策略進行了研究，提出了相應的檢索方案，為之后輿情分周期動態(tài)監(jiān)測和管控提供了參考。2009年和2010年，Guan Q， Ye S， Yao G等人和Huan-Ming Z分別運用文本分類和文本聚類算法提取社交媒體平臺的輿情信息，通過對所提取信息的整合和分析，提出了相應的輿情分析系統(tǒng)，以上均是國外較早對輿情進行分析并提供管控建議的學者。

自2012年起，隨著互聯(lián)網(wǎng)技術的發(fā)展，國外對輿情治理的相關研究開始成倍的增長，不僅僅專注于運用計算機信息技術來分析網(wǎng)絡輿情熱點話題，還運用心理學、社會學、輿情學等相關學科的理論知識，對社交媒體平臺的文本進行情感挖掘，從而幫助決策者治理輿情，如：2012年，Sobkowicz P，Kaschesky M，Bouchard G[3]運用計算機建模技術，對社交媒體平臺的文本情感內(nèi)容進行挖掘和分析，通過實時監(jiān)測和分析，建立了基于網(wǎng)絡輿情情感信息流的分析模型;Schulz A，Roessler P[4]運用輿情學的理論知識來解釋網(wǎng)絡輿情的傳播和演化機理，并分析了線上-線下網(wǎng)民情感輿論的關鍵影響因素，以上研究均為輿情的治理提供了輔助決策。

隨著國外網(wǎng)絡輿情研究的迅猛發(fā)展，2013年，許多研究者開始轉向運用樸素貝葉斯分類器和python語言編寫的網(wǎng)絡爬蟲程序對社交媒體輿情信息抓取，如：Liu B，Blasch E，Chen Y等人[5]通過使用樸素貝葉斯分類器對抓取到的情感關鍵詞進行識別和分類，不僅為網(wǎng)民情感詞分析提供了新的思路，更加有效地通過使用大數(shù)據(jù)分析技術對輿情的治理提供輔助決策;Sun X，Ye J Q，Ren F J[6]通過將python語言編寫的網(wǎng)絡爬蟲程序與API結合，提高了基于多策略選擇搜索算法的效率，更好地為情感分析服務，通過分析網(wǎng)民的情感傾向從而預測預警輿情的走勢，進而提前對輿情進行管控。

通過對國外輿情治理研究相關文獻的分析和總結歸納，參考王晰巍，相甍甍等人的文獻分析方法[7]，統(tǒng)計了國外輿情治理研究發(fā)展脈絡，由于國外2010年之前相關研究文獻較少，故統(tǒng)計時間從2010年開始，如表1所示。

（二）國內(nèi)輿情治理研究起源及發(fā)展

國內(nèi)有關輿情治理研究相對于國外來說開始較晚。2006年，劉毅[8]發(fā)表在《前沿》中的《網(wǎng)絡輿情與政府治理范式的轉變》被認為是我國輿情治理研究的開端。

2009年，劉宗讓[9]，王賢、薛小榮[10]，以網(wǎng)絡輿情危機與政府治理為研究對象，對我國新時代的政府“輿情治理”進行了探究。自2010年起，隨著互聯(lián)網(wǎng)技術的發(fā)展，輿情的傳播渠道也在發(fā)生著改變，逐漸從電視、報紙等媒體向微信、微博、blog等新媒體轉變，基于大數(shù)據(jù)技術的網(wǎng)絡生活開始滲透到社會生活的方方面面。2011年的“7.23甬溫動車組事故”，不僅引發(fā)了網(wǎng)絡輿情危機，而且也給事故處理者帶來了新的考驗，國內(nèi)學者開始針對單個重大網(wǎng)絡輿情事件進行分析和研究，如：黃波[11]、蘆何秋，胡曉[12]均以此次事故為例，對微博熱點話題、信息傳播的交互影響進行了研究，并提出了相應的治理對策建議。

2013年開始，國內(nèi)基于大數(shù)據(jù)技術的網(wǎng)絡輿情研究成果數(shù)量激增，學者們不僅僅從熱點話題、媒體交互等方面進行研究，還將計算機信息科學、數(shù)據(jù)科學、公共管理學、輿情學、傳播學等多個學科的理論知識加入研究中來。代表性的研究有：2013年，喻國明[13]將2009-2012年百度熱搜詞作為研究對象，通過使用大數(shù)據(jù)分析技術構建了中國輿情模型，并從“社會暖度”、“社會幸福感”及“社會壓力”等特征指數(shù)上進行了分析，給之后的研究帶來了重要的啟示。

通過對國內(nèi)輿情治理研究相關文獻的分析和總結歸納，參考王晰巍，相甍甍等人的文獻分析方法[14]，繪制了國內(nèi)輿情治理研究發(fā)展脈絡，由于國內(nèi)2012年之前相關研究文獻較少，故統(tǒng)計時間從2012年開始，如表2所示。

（三） 國內(nèi)外輿情治理研究發(fā)展比較分析

整體來看，國內(nèi)外輿情治理研究從2012年開始均呈現(xiàn)穩(wěn)步增長態(tài)勢，究其原因輿情引發(fā)的危機事件越來越多，嚴重危害了社會穩(wěn)定，特別是社交媒體的興起，使得個人隱私危機、政府信任危機等逐漸增大。

從國內(nèi)外輿情治理研究的發(fā)展脈絡來看，國外在該領域中的研究工作開展得較早，最初的研究對象相對集中在社交媒體平臺信息搜索機制上，之后經(jīng)歷了幾年的發(fā)展，逐漸從社交媒體信息搜索機制轉向了輿情情感分析、隱私訪問控制、隱私披露意愿影響因素、多類情感詞輿情分析上，通過引入多學科技術和方法，進而幫助政府管控輿情事件。國內(nèi)相關領域的研究開展較晚，最初主要集中在微博熱點話題主題詞建模和分析上，但是隨著微博、微信等社交媒體軟件在國內(nèi)的大量使用，學者們的研究開始轉向了大數(shù)據(jù)驅動的網(wǎng)絡輿情治理、網(wǎng)絡輿情情感傾向分析與研判、網(wǎng)民的社交媒體倦怠行為、輿情反轉分析與預測上，特別是2019年興起的輿情信息生態(tài)、利益相關者、治理范式的轉變。

從研究方法上，國外研究者主要運用了計算機信息科學技術中的分類與聚類算法、python語言進行輿情信息的挖掘與建模幫助輿情治理進行研究，國內(nèi)研究者不僅運用計算機信息科學技術，還緊跟研究前沿，運用多學科交叉的方法進行研究。

四、 國內(nèi)外輿情治理研究的熱點

本研究采用Cite Space軟件對2015-2019年近5年國內(nèi)外輿情治理研究熱點進行分析，參考王晰巍，邢云菲等人的參數(shù)設置[59]，采用關鍵詞和主題詞來說明分析結果。

（一）國外輿情治理研究的熱點分析

在對國外輿情治理研究熱點關鍵詞共現(xiàn)網(wǎng)絡分析中，CiteSpace軟件中Time Slicing設置為2015-2019，Years Per Slice=1， Node Types 選擇Keyword，Links Strength 選擇Cosine， TopN=50，Pruning選擇Pathfinder和Pruning sliced networks，visualization選擇Cluster View-Static和Show Merged Network，得到的分析結果為：出現(xiàn)頻率最高的10個關鍵詞依次為是governance、social media、management、public opinion、policy、media、impact、politics、performance、participation，出現(xiàn)頻率、中心度和出現(xiàn)年份，詳見表3所示。

在對國外輿情治理研究熱點主題詞共現(xiàn)網(wǎng)絡分析中，CiteSpace軟件中Time Slicing設置為2015-2019，Years Per Slice=1，Term Type選擇Noun Phrases， Node Types 選擇Term，Links Strength 選擇Cosine， TopN=150，visualization選擇Cluster View-Static和Show Merged Network，得到的分析結果為：出現(xiàn)頻率最高的10個主題詞依次為：social media、public opinion、corporate social responsibility、climate change、european union、practical implications、local governments、social media platforms、public sector、media coverage，出現(xiàn)頻率、中心度和出現(xiàn)年份，詳見表3所示。

（二） 國內(nèi)輿情治理研究的熱點分析

在對國內(nèi)輿情治理研究熱點關鍵詞共現(xiàn)網(wǎng)絡分析中，CiteSpace軟件中Time Slicing設置為2015-2019，Years Per Slice=1， Node Types 選擇Keyword，Links Strength 選擇Cosine， TopN=50，Pruning選擇Pathfinder和Pruning sliced networks，Visualization選擇Cluster View-Static和Show Merged Network，得到的分析結果為：出現(xiàn)頻率最高的10個關鍵詞依次為：網(wǎng)絡輿情、治理、大數(shù)據(jù)、突發(fā)事件、輿情治理、地方政府、新媒體、社會治理、政府治理、社交媒體，出現(xiàn)頻率、中心度和出現(xiàn)年份，詳見表4所示。

在對國內(nèi)輿情治理研究熱點主題詞共現(xiàn)網(wǎng)絡分析中，CiteSpace軟件中Time Slicing設置為2015-2019，Years Per Slice=1，Term Type選擇Noun Phrases， Node Types 選擇Term，Links Strength 選擇Cosine， TopN=150，Visuallzation選擇Cluster View-Static和Show Merged Network得到的分析結果為：出現(xiàn)頻率最高的10個主題詞依次為是網(wǎng)絡輿情、治理、突發(fā)事件、輿情治理、地方政府、新媒體、社會治理、社交媒體、輿情、政府治理，出現(xiàn)頻率、中心度和出現(xiàn)年份，詳見表4所示。

（三） 國內(nèi)外輿情治理研究熱點和方法比較分析

1. 研究熱點比較分析

本研究在使用Cite Space分析國內(nèi)外輿情治理研究熱點基礎上，通過該軟件對高頻關鍵詞和主題詞進行提取分析，如表4所示，其中，中心度為關鍵詞或主題詞在網(wǎng)絡上的一個重要指標，用來發(fā)現(xiàn)和衡量該關鍵詞或主題詞對文獻的重要性。通過關鍵詞檢索對收集到的文獻進行分析和閱讀，已有的國內(nèi)外研究熱點主要集中在網(wǎng)絡輿情演化機理的探討和分析，使用大數(shù)據(jù)技術對網(wǎng)絡輿情分析、研判、預測和預警，網(wǎng)絡輿情監(jiān)管和治理這三個方面：

（1）網(wǎng)絡輿情演化機理的探討和分析。網(wǎng)絡輿情事件爆發(fā)后，第一時間不僅網(wǎng)絡空間會有很多沒有經(jīng)過驗證的信息傳播出來，現(xiàn)實社會中的謠言也會隨著網(wǎng)絡輿情事件的演化而擴散，進而引發(fā)其他突發(fā)性的群體事件，嚴重影響著社會穩(wěn)定。

通過對已有文獻的梳理，發(fā)現(xiàn)關于大數(shù)據(jù)驅動的網(wǎng)絡輿情分析研究熱點主要集中在使用系統(tǒng)動力學、社會網(wǎng)絡等方法對網(wǎng)絡輿情的傳播機理進行分析和推演，進而幫助決策者科學決策，比較有代表性的文獻如：王光輝，劉怡君[15]于2015年通過使用超網(wǎng)模型和社會影響理論，研究了網(wǎng)絡輿論的異化和極化演化機理，并提出了相應的算法，以“7.23甬溫動車事故”為例進行了驗證和分析，2017年，以輿情演化的虛擬和現(xiàn)實空間相互關系為研究對象，通過改進有界信任機制，提出了“虛擬-現(xiàn)實空間”和“現(xiàn)實-虛擬空間”系統(tǒng)仿真同步模型，提出的算法和模型不僅適用于網(wǎng)絡輿情中輿論的演化，也適用于網(wǎng)絡營銷、政治選舉等社會科學領域幫助分析決策;2016年，對該方向的研究還有將數(shù)學建模與動力學結合起來的Huo，Liangan，Jiang J等人[16];Yu L，Li L等[17];Xie Y，Qiao R等[18]研究者。

以上研究不僅從虛擬網(wǎng)絡世界出發(fā)，更從現(xiàn)實生活維度進行關聯(lián)分析，以便更加精準地推演網(wǎng)絡輿情事件的發(fā)生和發(fā)展，能夠為輿情的監(jiān)管和治理提供幫助。

（2） 使用大數(shù)據(jù)技術對網(wǎng)絡輿情分析、研判、預測和預警。針對網(wǎng)絡輿情事件的分析、研判預測和預警流程基本上是：監(jiān)測—研判—預警—建議。在網(wǎng)絡輿情的監(jiān)測環(huán)節(jié)上主要是建立大數(shù)據(jù)預測平臺，通過python語言編寫的大數(shù)據(jù)采集器進行網(wǎng)絡信息數(shù)據(jù)的自動采集，文本分類及分析等工作。在網(wǎng)絡輿情事件的發(fā)生初期，一旦采集到“敏感”信息，監(jiān)測平臺便會及時上報相關部門從而對網(wǎng)絡輿情事件進行預警處置，按照相關制度規(guī)范劃分輿情事件的等級，以便及時處置減少網(wǎng)絡輿情風險帶來的不穩(wěn)定因素。

比較有代表性的研究文獻有：2015年，楊興坤和廖嶸等人[19]通過對輿情事件的風險因素分析，提出從輿情源頭、輿情發(fā)展路徑、輿情影響受眾、輿情風險治理主體等方面進行風險防控的對策建議;瞿志凱，張秋波等人[20]過對暴恐事件的網(wǎng)絡輿情分析，提出了針對該類事件的預警機制;楊長春，王天允等人[21]基于危機的“生命周期理論”對輿情的危機管理能力評價體系進行了研究，分別構建了輿情預警、預控、反應、應對和利用這五個能力的評價指標體系，該研究豐富了相關理論又對構建和諧社會有著重要的意義;張玉亮[22]借鑒國內(nèi)外的相關研究成果，以湖南省臨武縣“鄧正加事件”為例，進行風險實證評價研究。

（3）網(wǎng)絡輿情監(jiān)管和治理。在網(wǎng)絡輿情監(jiān)管和治理熱點中，大多數(shù)研究主要以“政策建議”為主，通過對網(wǎng)絡輿情監(jiān)管主體或者影響網(wǎng)絡輿情態(tài)勢發(fā)展因素進行分析，提出相應的治理建議和對策。

比較有代表性的研究文獻有：2015年，余樂安，李玲[23]基于系統(tǒng)動力學理論對危化品水污染事件中的輿情演化機理進行了詳細的分析，提出相應的應急模塊、網(wǎng)民模塊、媒體模塊、政府模塊，分別針對各模塊進行仿真驗證，在此基礎上，從提高官方新聞透明度、政府危機處理力度、政府響應效率等方面提出了相應的治理路徑;2016年，王麗麗[24]采用啟發(fā)式理論，利用實驗法和調查法針對網(wǎng)絡輿論風險信息疊加影響受眾風險感知問題進行了實證分析，結果表明，信息內(nèi)容偏向性顯著影響受眾的風險感知，同時受媒體官方性與非官方性的調節(jié)，信息一致性在官方媒體與非官方媒體的風險報道中影響受眾的信息加工，并在對風險感知影響中起調節(jié)作用。

2. 研究方法比較分析

本研究對近五年（即：2015-2019）國內(nèi)外輿情研究使用的研究方法進行了對比分析，如表5所示。從表5中可以看出，國外輿情治理研究使用的方法主要是：社會網(wǎng)絡分析方法中的超網(wǎng)、改進的神經(jīng)網(wǎng)絡算法、進行多主體仿真的數(shù)學建模方法這三種方法，主要從輿情傳播內(nèi)容入手，研究其傳播過程中的演化機理、熱度趨勢、輿論導向、態(tài)勢發(fā)展等相關問題，特別是運用大數(shù)據(jù)技術對輿情的控制、監(jiān)測和預警提出相應的理論模型和對策建議。國內(nèi)輿情研究使用的方法主要是：多主體仿真的數(shù)學建模方法、社會網(wǎng)絡分析方法中的超網(wǎng)、SIR改進模型、系統(tǒng)動力學模型這四種方法，主要從輿情本體入手，研究其影響輿情傳播和發(fā)展的因素、刻畫其演化機理、分析其現(xiàn)實傳播途徑等相關問題，針對輿情傳播的影響因素提出相應的政策建議，為管理者提供科學決策保障。

五、輿情治理研究演化及前沿分析表

本研究利用CiteSpace軟件繪制近5年國內(nèi)外輿情治理研究趨勢是：輿情演化影響因素分析——社交媒體情感行為分析——大數(shù)據(jù)網(wǎng)絡輿情技術研究。國內(nèi)輿情治理研究趨勢是：輿情信息分析研究——輿情的管理及公共政策制定研究——大數(shù)據(jù)驅動的隱私保護機制、利益相關者及信息生態(tài)研究。不論國內(nèi)還是國外的研究，今后的總體趨勢有以下三個方面：

（一）大數(shù)據(jù)驅動的網(wǎng)絡輿情風險治理機制研究

大數(shù)據(jù)驅動的網(wǎng)絡輿情演化分析逐年增多，國內(nèi)外分別于2016年和2017年達到高潮，隨著大數(shù)據(jù)技術的發(fā)展，網(wǎng)絡輿情演化規(guī)律分析技術也越來越成熟，基本上可以起到預測和預警的作用。當今伴隨著我國經(jīng)濟社會建設的需要出現(xiàn)了不同類型的網(wǎng)絡輿情事件，其演變規(guī)律也不盡相同，治理方案更是會有很大不同，特別是醫(yī)療衛(wèi)生事件，生態(tài)環(huán)境事件等都需要構建不同的治理體系，由于引起網(wǎng)絡輿情事件的因素不同，主客體也不盡相同，在構建輿情治理體系時應著重考慮社交媒體用戶的心理特點，分析其行為偏好，針對不同的心理行為表現(xiàn)形式，精準制定應急預案，建立起“行為——偏好——預案”多維模型，在現(xiàn)有的研究基礎上，增加預案評估標準，構建從分析、演化到預測、預警，再到應對、評估和反饋的一整套體系。

（二）大數(shù)據(jù)驅動的社交媒體分析技術及工具研究

網(wǎng)絡輿情事件的發(fā)生離不開網(wǎng)絡主體（即社交媒體用戶）的行為偏好，通過心理學、決策學等學科，對社交媒體用戶的行為傾向進行研究是分析網(wǎng)絡輿情事件的關鍵，特別是大數(shù)據(jù)技術的發(fā)展，網(wǎng)絡營銷、情感分析、客戶忠誠度、行為偏好等方法和技術的產(chǎn)生，對預測、預警網(wǎng)絡輿情事件的發(fā)展起著至關重要的作用。

目前，國內(nèi)外越來越多的研究開始使用地理信息科學技術進行遙感大數(shù)據(jù)分析，比如：旅游地推薦，通過使用引力模型（Gravity Model）、文檔主題生成模型（LDA：Latent Dirichlet Allocation）等近幾年信息科學界熱門的行為分析模型，來預測旅游者的行為偏好，有目的地推薦旅游目的地和路線，適時發(fā)布廣告等。現(xiàn)有研究大多通過大數(shù)據(jù)技術收集社交媒體用戶個人信息，通過自然語言的處理，分析和預測其行為偏好，進而推薦相關產(chǎn)品。但是，目前研究依然存在著偏差和不足，線上——線下輿情分析、推演和預測依然較為復雜，急需出現(xiàn)新的技術和工具簡化輿情分析和推演的復雜度，真正實現(xiàn)現(xiàn)實社會和虛擬社會同步演化推演的效果，及時控制輿情的發(fā)生和發(fā)展。

（三） 大數(shù)據(jù)驅動的隱私保護機制、利益相關者及信息生態(tài)研究

隨著媒體技術的發(fā)展，傳統(tǒng)的紙質媒體正在面臨著極大的考驗，大數(shù)據(jù)技術帶來了新媒體的改變，社交網(wǎng)絡平臺數(shù)量上越來越多，形式上越來越豐富，用戶使用新媒體的過程中越來越容易泄露各自的隱私信息，增加信息泄露的風險，因此，急需建立健全大數(shù)據(jù)環(huán)境下的隱私保護機制，開發(fā)適合不同社交媒體的隱私保護機制，圍繞著隱私泄露風險、泄露行為、泄露大數(shù)據(jù)工具、保護機制等將會是今后的研究重點。特別是2019年出現(xiàn)運用信息生態(tài)學對網(wǎng)絡輿情周期的分析，網(wǎng)民之間利益相關者的分析也會成為輿情治理研究的重點和熱點。

六、結論

本研究對國內(nèi)外輿情治理的起源、發(fā)展、研究熱點以及前沿趨勢進行了深入的梳理和分析，研究發(fā)現(xiàn)不論是國內(nèi)還是國外的相關研究，均有一個共同點：輿情治理研究熱點正處在不斷地變化發(fā)展當中，從研究輿情態(tài)勢的推演、網(wǎng)絡輿情態(tài)勢發(fā)展的影響因素，逐漸轉移到大數(shù)據(jù)環(huán)境下網(wǎng)絡輿情的監(jiān)管和治理、大數(shù)據(jù)驅動的社交媒體分析技術及工具研究、大數(shù)據(jù)環(huán)境下的隱私保護機制、利益相關者及信息生態(tài)研究研究這三個方面。

本研究的數(shù)據(jù)集選取了CNKI和Web of Scienc核心集這兩個數(shù)據(jù)集，研究樣本具有一定的局限性，在今后的研究中可以繼續(xù)擴大研究范圍，并且可以將關鍵詞的范圍擴展到大數(shù)據(jù)環(huán)境下的隱私保護機制相關研究中，擴展檢索深度，進一步挖掘相關變量，為該領域的研究提供幫助。

參考文獻：

[1]黃永林.網(wǎng)絡輿論監(jiān)測與安全研究[M].北京：經(jīng)濟科學出版社， 2014.

[2]Thelwall M. Blog searching： The first general-purpose source ofretrospective public opinion in the social sciences？[J]. SocialScience Computer Review， 2007（3）：277-289.

[3]Sobkowicz P， Kaschesky M， Bouchard G. Opinion mining insocial media： Modeling， simulating， and forecasting politicalopinions in the web[J].Government Information Quarterly，2012（4）：470-479.

[4]Schulz A， Roessler P. The Spiral of Silence and the Internet：Selection of Online Content and the Perception of the PublicOpinion Climate in Computer-Mediated Communication Envi-ronments[J].International Journal of Public Opinion Research，2012（3）：346-367.

[5]Liu B， Blasch E， Chen Y， et al.Scalable sentiment classificationfor Big Data analysis using Nave Bayes Classifier[C]// IEEEInternational Conference on Big Data. IEEE， 2013.

[6]Sun X， Ye J Q， Ren F J. Multi-strategy Based Sina MicroblogData Acquisition for Opinion Mining[M]// Intelligent ComputingMethodologies. Springer International Publishing， 2014.

[7]李丹，龍會芳，盧艷茹.基于區(qū)塊鏈技術的學術期刊出版誠信體系構建[J]. 重慶工商大學（社會科學版）， 2020（5）：116.

[8]劉毅.網(wǎng)絡輿情與政府治理范式的轉變[J].前沿，2006（10）：140-143.

[9]劉宗讓.新媒體時代政府“輿情危機”治理探究[J].甘肅理論學刊，2009（5）：32-35.

[10]王賢，薛小榮.突發(fā)公共事件中的網(wǎng)絡輿情危機與政府治理——以汶川地震時期的網(wǎng)絡輿情為分析[J].信息與電腦（理論版），2009（11）：78-80.

[11]黃波.基于向量空間模型和LDA模型相結合的微博客話題發(fā)現(xiàn)算法研究[D]. 成都：西南交通大學，2012.

[12]蘆何秋，胡曉.突發(fā)事件中傳統(tǒng)媒體和新媒體的交互影響——以甬溫動車事故為例[J].當代傳播，2012（1）：82-84.

[13]喻國明. 大數(shù)據(jù)分析下的中國社會輿情：總體態(tài)勢與結構性特征——基于百度熱搜詞（2009—2012）的輿情模型構建[J].中國人民大學學報，2013（5）：2-9.

[14]王晰巍，相甍甍，張長亮，等.新媒體環(huán)境下信息隱私國內(nèi)外研究動態(tài)及發(fā)展趨勢[J].圖書情報工作，2017（15）：6-14.

[15]王光輝，劉怡君，遲鈺雪.輿論危機的異化極化效應研究[J].管理科學學報，2017（3）.

[16]Huo，Liangan，Jiang J，Gong S， et al. Dynamical behavior ofa rumor transmission model with Holling-type II functionalresponse in emergency event[J].Physica A：Statistical Mechan-ics and its Applications， 2016（450）：228-240.

[17]Yu L， Li L， Tang L. What can mass media do to control pub-lic panic in accidents of hazardous chemical leakage intorivers？A multi-agent-based online opinion disseminationmodel[J].Journal of Cleaner Production，2016（143）：1203-1214. [18]Xie Y，Qiao R，Shao G，et al. Research on Chinese social me-dia users communication behaviors during public emergencyevents[J].Telematics & Informatics，2017（3）.

[19]楊興坤，廖嶸，熊炎.虛擬社會的輿情風險防治[J].中國行政管理，2015（4）：16-21.

[20]瞿志凱，張秋波，蘭月新，等.暴恐事件網(wǎng)絡輿情風險預警研究[J].情報雜志，2016（6）： 40-46 .

[21]楊長春，王天允，葉施仁.微博意見領袖輿情危機管理能力評判體系研究——基于危機生命周期視角[J].情報科學，2016（6）： 19-25.

[22]張玉亮.突發(fā)事件網(wǎng)絡輿情信息流風險模糊綜合評價研究[J].情報科學，2015（11）：100-106.

[23]余樂安，李玲，武佳倩，等.基于系統(tǒng)動力學的危化品水污染突發(fā)事件中網(wǎng)絡輿情危機應急策略研究[J].系統(tǒng)工程理論與實踐，2015（10）：2687-2697.

[24]王麗麗.信息一致性視角下媒體報道對風險感知的影響[J].北京理工大學學報（社會科學版），2016（6）：153-158.

[25]Bai L，Li F.The model of project risk assessment based on BPneural network algorithm[C]// International Conference onComputer Science & Network Technology. 2014.

[26]Xu Z，Li J，Xiao S，et al.Study on Security Risk Assessment ofPower System Based on BP Neural Network[J].Journal of Com-putational & Theoretical Nanoscience， 2016（8）：5277-5280.

[27]Yang H，F(xiàn)an R S，Xu D H.Power Information System Risk As-sessment Method Based on Genetic Algorithms and NeuralNetwork[J]. Applied Mechanics & Materials， 2014.

[28]曹學艷，張仙，劉樑，等.基于應對等級的突發(fā)事件網(wǎng)絡輿情熱度分析[J].中國管理科學，2014（3）： 82-89.

[29]王靜茹，金鑫，黃微.多媒體網(wǎng)絡輿情危機監(jiān)測指標體系構建研究[J].情報資料工作，2017（6）：27-34.

[30]張耀峰，肖人彬.群體性突發(fā)事件的輿情演化模型與仿真[J].計算機應用研究，2015（2）：351-355.

[31]李勇建，王治瑩.突發(fā)事件中輿情傳播機制與演化博弈分析[J].中國管理科學，2014（11）：87-96.

[32]劉國巍，程國輝，姜金貴.時空分異視角下非常規(guī)突發(fā)事件網(wǎng)絡輿情演化研究——以“上海12.31踩踏事件”為例[J].情報雜志，2015（6）：126-130.

[33]陳福集，黃江玲.突發(fā)事件網(wǎng)絡輿情演化傳播模型研究[J].情報科學，2015（12）：8-12.

[34]Khan Y，F(xiàn)azli G，Henry B，et al. The evidence base of primaryresearch in public health emergency preparedness： a scopingreview and stakeholder consultation[J]. Bmc Public Health，2015（1）：432.

[35]Hagel C， Weidemann F， Gauch S， et al.Analysing publishedglobal Ebola Virus Disease research using social networkanalysis[J]. PLoS Neglected Tropical Diseases，2017（10）.

[36]Kim K， Baek Y M， Kim N. Online news diffusion dynamicsand public opinion formation： A case study of the controversyover judges personal opinion expression on SNS in Korea[J].The Social Science Journal， 2015（2）：205-216.

[37]宋之杰，王建，石蕊.基于無標度網(wǎng)絡的突發(fā)事件微博謠言傳播研究[J].情報雜志，2015（12）：111-115.

[38]馬寧，田儒雅，劉怡君，等.基于動態(tài)網(wǎng)絡分析（DNA）的意見領袖識別研究[J].科研管理，2014（8）：83-92.

[39]何躍，鄧姝穎，馬玉鳳，等.突發(fā)事件中微博用戶社群輿情傳播特征研究[J].情報科學，2016（6）：14-18.

[40]王旭，孫瑞英.基于SNA 的突發(fā)事件網(wǎng)絡輿情傳播研究——以“魏則西事件”為例[J].情報科學，2017（3）：87-92.

[41]王治瑩，李勇建.政府干預下突發(fā)事件輿情傳播規(guī)律與控制決策[J].管理科學學報，2017（2）：43-52.

[42]宋之杰，王建，賈杰.基于SIHR_1R_2的突發(fā)事件謠言傳播研究[J].情報雜志，2016（3）：118-124.

[43]張玉亮.基于UML方法的突發(fā)事件網(wǎng)絡輿情信息流風險評價指標體系構建研究[J].圖書與情報，2016（3）：1-10.

[44]路枝芳，薛耀文.基于因子聚類分析的輿情風險研究[J].情報科學，2016（7）：76-80.

[45]王煉，賈建民.突發(fā)性災害事件風險感知的動態(tài)特征——來自網(wǎng)絡搜索的證據(jù)[J].管理評論，2014（5）：169-176.

[46]Ma N，Liu Y.SuperedgeRank algorithm and its application inidentifying opinion leader of online public opinion super net-work[J].Expert Systems with Applications，2014（4）：1357-1368.

[47]曹學艷，段飛飛，方寬，等.網(wǎng)絡論壇視角下突發(fā)事件輿情的關鍵節(jié)點識別及分類研究[J].圖書情報工作，2014（4）：65-70.

[48]余樂安，李玲，戴偉，等.危化品水污染事件中政府危機信息公布策略與網(wǎng)絡輿情擴散研究： 基于多主體模型[J].管理評論，2016（8）：175-185.

[49]高航，丁榮貴.基于系統(tǒng)動力學的網(wǎng)絡輿情風險模型仿真研究[J].情報雜志，2014（11）：7-13.

[50]武佳倩，湯鈴，李玲，等.基于系統(tǒng)動力學的危險化學品水污染事件中城市供水危機應急策略研究——以2005 年吉化爆炸引發(fā)哈爾濱水危機為例[J].系統(tǒng)工程理論與實踐，2015（3）：677-686.

[51]Jin Y，Liu B F，Austin L L. Examining the Role of Social Me-dia in Effective Crisis Management： The Effects of Crisis Ori-gin， Information Form， and Source on PublicsCrisis Re-sponses[J]. Communication Research， 2014（1）： 74-94.

[52]張春林.論制度反腐中輿論監(jiān)督的權力凸顯與報道轉型[J].重慶工商大學學報（社會科學版），2020（5）：106.

[責任編輯、校對：楊栓保]