新冠肺炎疫情事件信息傳播主體特征分析方法及模型
——以 “鉆石公主號郵輪” 事件為例

王晰巍，賈若男，劉婷艷，張 柳

（1. 吉林大學管理學院，長春 130022；2. 吉林大學大數據管理研究中心，長春 130022；3. 吉林大學網絡空間治理研究中心，長春 130022；4. 吉林大學東北振興研究院，長春 130022）

1 引 言

新型冠狀病毒感染引起的肺炎疫情于2020 年1月30 日被世界衛生組織（World Health Organiza‐tion，WHO）宣布為國際關注的緊急公共衛生事件（public health emergency of international concern，PHE‐IC）[1]。WHO 于2020 年3 月27 日 宣稱，隨著 新 型冠狀病毒感染引起的肺炎疫情在全球的蔓延，已有200 多個國家和地區發生疫情感染病例，并引起了國際社會的廣泛關注與討論[2]。目前，新浪微博，作為中國眾多社交網絡平臺中在線活躍人數最多和影響力最廣的社交網絡平臺之一，已經成為中國社交網絡市場的主流應用[3]。在疫情事件發展的過程中，微博平臺已經成為中國主要的輿論場之一。對于此次新冠肺炎疫情全球突發公共衛生事件的互聯網輿情引導以及實現網絡生態治理，政府輿情監管和引導部門要及時掌握社交網絡中不同類別的信息，傳播主體特征、傳播時間、傳播影響力和傳播內容，是其關注的重要問題。

公共衛生事件具有突發性強、傳染性高、波及范圍大等特點。隨著社交網絡的發展與成熟，公共衛生事件對社會和人們日常生活也產生了重要影響。近年來，國內外相關學者圍繞突發公共衛生事件在社交網絡中的傳播進行了相關研究。國外研究主要關注社交網絡平臺在突發公共衛生事件中的作用[4]，探討如何將社交網絡作為危機溝通和管理的重要工具，并為公共衛生事件的事后管理提供服務[5]；也有學者結合社交網絡分析公共衛生事件中用戶在線發布內容并進行文本挖掘[4,6]，針對事件發生后社交網絡用戶的在線信息行為[7]進行研究。國內學者圍繞突發公共衛生事件在社交網絡中的傳播與演變[8]進行了多維度的分析，主要包括突發公共衛生事件中的應急信息管理[9]、同類公共衛生事件話題的共振研究[10]、公共衛生事件中用戶的行為[11]、利益相關者和民眾的情感[12-13]、關注點及演化模式[14]等。從現有國內外的研究現狀來看，國外學者針對公共衛生事件的事后危機溝通與管理相對研究更為成熟，針對公共衛生事件中社交網絡用戶生成內容進行文本挖掘分析受到國內外學者的共同關注。然而，對公共衛生事件社交網絡信息傳播的參與主體劃分多種類型，并從信息傳播主體、傳播時間、傳播影響力和傳播內容等主體特征角度進行分析的研究成果相對較少。

本文試圖解決的研究問題如下：①新冠肺炎事件中信息傳播主體可劃分為幾種類型？②不同參與主體劃分的類型在主體信息的傳播時間、傳播影響力、發布內容等方面有何異同？③本文的研究成果如何更好地幫助全球新冠肺炎疫情事件中輿情傳播引導部門，更好地了解不同信息傳播主體特征，以實現對互聯網信息傳播更好地引導？本文以新冠肺炎疫情事件的信息傳播主體作為研究對象，構建主體信息傳播內容分析方法和主體特征分析過程模型，并結合國際關注的 “鉆石公主號” 郵輪為典型熱點信息傳播話題，對此次事件的信息傳播主體類型、傳播參與時間、不同時段影響力、傳播發布內容進行分析，以呈現疫情信息傳播的主體特征，為疫情期間的輿情引導起到一定的幫助。

2 信息傳播主體特征分析方法及模型

2.1 信息傳播主體類別

長期以來，突發公共事件在社交網絡中的信息傳播具有兩種不同的輿論領域：一種是較為官方和客觀的主流媒體輿論領域，另一種是非官方并且立場較為主觀的自媒體輿論領域[15]。隨著社交網絡和社會權力結構的發展和變化，大眾媒體和社交意見的影響越來越大。在突發公共事件的應急響應網絡中，通常有多個類型主體，包括政府部門、社會媒體和社會組織等，應用社交網絡進行事件溝通和管理的效果也受到多類型主體因素的影響[16]。隨著社交網絡的發展，官方媒體或網絡自媒體等在線信息渠道已經成為公眾獲取信息的主要途徑[17]，特別是當前我國官方媒體在信息傳播中扮演著重要角色[18]。新浪微博用戶認證中的藍V 屬于機構認證，用戶一般是某個機構或組織的官方賬號；紅V 和黃V 屬于個人認證，主要是在微博中活躍度高并且有著大量粉絲的公眾人物[19]。本文依據新浪微博平臺的用戶認證進行不同傳播主體類型的劃分，將藍V用戶中如央視新聞、澎湃新聞、人民日報等媒體作為網絡官媒主體；紅V 和黃V 用戶作為網絡自媒主體；剩余的用戶劃分為普通網民主體。本文從主體所屬類別的角度分析不同傳播主體的特征。

2.2 主體信息傳播時間

新冠病毒感染疫情事件，屬于全球突發公共衛生事件，與一般事件不同的是，此類事件具有突發性強、敏感度高、變化快等特點。公共衛生事件的網絡信息傳播和報道更加注重信息的及時性和有效性，時間信息不可或缺，因而，在公共衛生事件中時間要素是重要的組成部分[20]。疫情事件發生后，由于公眾在新冠肺炎疫情方面專業知識和防護信息方面的欠缺，需要有關組織和媒體機構進行及時有效的信息發布和危機管理，以應對突發公共衛生事件所造成的影響。有研究指出，從靜態角度對突發事件的分析無法解釋事件發展形勢和參與主體的變化，應該將動態性的時間分析列入研究的考慮范圍[21]。因此，本文在分析主體特征時，將時間序列加入研究分析范疇，按照新冠肺炎疫情期間關鍵事件對應的時間節點進行研究。

2.3 主體信息傳播影響力

在公共衛生事件的輿情傳播網絡中，往往會出現影響力較大的主體，對于關鍵主體的識別在突發事件的應急管理中是非常有用的[22]。對于主體影響力數值的度量，可以通過節點的出度、入度、接近中心性、中介中心性以及PageRank 算法等實現[23]。PageRank 算法是數據挖掘領域一種較為常見的算法，利用每個頁面的權威值來評估網頁的重要性，在社交網絡節點影響力計算和關鍵意見領袖挖掘中較為常見，并且擁有高效率和結構穩定等優點[24]。社交網絡中的用戶是動態的，用戶的粉絲數量以及用戶間的轉發、評論和關注行為會對用戶的影響力產生影響，如果直接利用PageRank 算法來計算用戶的影響力，則會忽略用戶本身屬性特征和行為所產生的影響[25]。已有的研究中，除了利用PageRank 算法來計算用戶的影響力，還會考慮其他因素，如用戶自身的屬性（包括粉絲數、是否認證、興趣偏好等）[26-28]；以及用戶動態交互行為，如發博數、轉發數和評論數等[29-30]。因此，本文在構建信息傳播主體節點影響關系圖譜時，將每個參與主體設定為一個節點，每個主體與其他主體的評論轉發關系為節點間的邊，綜合主體的博文閱讀量和粉絲量作為邊的權重，然后利用Cypher 語言調用Neo4j 中的加權PageRank 算法來計算各類型傳播主體的影響力水平，并通過可視化比較分析來探究不同主體影響力的變化規律和各自特征。

2.4 主體信息傳播內容分析方法

傳播主體生成的文本內容蘊含了該主體對事件的態度、立場、關注點和情感等信息。傳播的文本可以解釋為單詞網絡，從頻率和關系兩個角度來分析這些單詞和文本，并可以采用單詞共現網絡進行分析。單詞共現網絡的主要優點在于其明確性，因為其從單詞和文檔之間的關系開始識別文本中的內容[31]。文本中的共現關系在單詞的連續序列內、句法關系內以及在有限的上下文中共現[32]。因此，本文通過構建高頻詞共現網絡來分析不同信息傳播主體的傳播內容，具體方法：①分別對網絡官媒、網絡自媒和普通網民三類主體的文本資料進行高頻詞提取并生成高頻詞表；②通過停用詞表過濾無意義詞后，生成有效高頻詞表；③提取行特征并構建共現矩陣；④將高頻詞及其共現關系導入Neo4j 中，進行高頻詞共現網絡的構建和可視化呈現。

Louvain 算法是一種快速的模塊化算法，能夠起到社區檢測的作用，揭示了不同規模的社區層次，可以用來對網絡結構進行理解。Louvain 算法在社交網絡中的應用是基于文本中共同出現的詞，找到不同的主題分區以提供有價值的信息[33-34]。一般而言，社區定義為網絡中節點的子組，其彼此之間的連接比與組外節點的連接更多，為了更好地理解文本內容，基于單詞共現網絡，本文采用Lou‐vain 算法對高頻詞共現網絡進行分區。

2.5 主體特征分析過程模型

本文構建了新冠肺炎疫情事件信息傳播主體特征分析過程模型（圖1）。該模型采用網絡爬蟲對事件發生后的微博平臺用戶數據和生成文本內容進行采集，并對數據進行刪選、去重、排序等預處理過程。根據新浪微博的用戶認證，本文將信息傳播主體劃分為三個類型：網絡官媒、網絡自媒和普通網民。為更加直觀地展現三類信息傳播主體的特征，對主體的時間特征、影響力特征和內容特征進行可視化分析，通過綜合分析總結出信息傳播主體在三個特征維度上的規律，通過對新冠肺炎疫情事件發生時不同信息傳播參與主體在不同的時間階段、傳播影響力以及傳播內容等方面的不同特征分析，進行可視化和總結疫情事件中社交網絡信息傳播時各個參與主體的特征分布規律，從而幫助輿情監管部門更好地進行信息傳播的引導。

3 數據源選擇及處理

3.1 事件概況

搭載近3700 名乘客的 “鉆石公主號” 郵輪在旅行途中受到新冠肺炎疫情的影響，于2020 年2 月5日被日本厚生勞動省要求全體在船人員開始為期14天的隔離。在隔離期間， “鉆石公主號” 郵輪上的新冠肺炎感染人數不斷增加。2020 年2 月19 日至2月21 日，982 名人員檢測結果呈陰性、沒有癥狀的乘客結束隔離期被允許下船[34]。由于郵輪上的乘客分別來自中國、日本、英國、美國等多個國家和地區，自 “鉆石公主號” 郵輪出現感染病例開始隔離以來受到了國際社會的廣泛關注，在社交網絡中掀起了輿論的狂潮。從事件發展趨勢可以看出（表1和圖2），事件的關注度隨時間推移不斷增長，2 月12 日前發展較為平緩，此后輿情信息開始快速爆發并于2 月19 日達到峰值，最后該話題熱度有所下降，但又因郵輪23 名下船者未經病毒檢測再次被公眾熱議。

表1 “鉆石公主號” 郵輪事件概況

圖2 “鉆石公主號” 郵輪輿情指數趨勢圖[35]

3.2 數據分析方法

由于三類主體的討論量存在數量級上的差異，在對主體參與時間分布進行可視化前，需要對原始數據進行處理，以縮小各主體間的量綱和數量級差異，便于對主體間的差異進行比較和分析[36]。log函數標準化方法是常見的數據標準化方法之一，具體公式分析方法為

其中，Y為樣本標準化后的值；X為樣本原始值；MAX 為樣本數據最大值[28]。

本文從主體的博文閱讀量、粉絲量兩個主體基本屬性入手，計算傳播網絡中主體間邊的權重。由于不同主體之間在粉絲量、閱讀量上的差異巨大，因此，本文選取對數歸一化的方法對上述兩個基本屬性進行處理，降低數據的跨度。權重的計算公式為：

其中，Wi為主體i邊的權重；Ri為主體i的博文閱讀量；Rmax為主體閱讀量的最大值；Fi為主體i的粉絲量；Fmax為主體粉絲量的最大值。

3.3 數據采集

根據新浪微博官方統計數據顯示，微博連續三年用戶增長量超過7000 萬，垂直領域數量達到60個，月閱讀量過百億的領域達到32 個，目前已成為國內主流的社交平臺之一[37]。因此，本文選取新浪微博作為數據采集來源，通過火車頭采集器爬取平臺中包含#鉆石公主號郵輪#話題下的微博數據，數據采集的時間范圍從2020 年2 月5 日至2 月26日，爬取的數據信息包括用戶賬號（ID）、昵稱、時間和文本內容。本次共采集到數據32229 條，通過Microsoft Office Access、Microsoft Excel 等進行數據刪選、查找、排序、去重等預處理，使用軟件的排序、查找、函數等功能，篩選并刪除數據中的缺失值、網址鏈接、空字符串、重復字段、表情符號以及亂碼數據，最終篩選到數據21082 條。本文利用NOSQL 圖形數據庫Neo4j 和數據可視化與服務平臺鏑數[38]等工具對事件予以可視化呈現。

4 數據結果

4.1 主體信息傳播時間

本文對三類主體在不同時間的討論數量進行標準化后，得到不同傳播主體參與時間分布圖（圖3）。在圖3 中，橫軸表示主體的參與時間，縱軸表示標準化后的主體討論量。其中，左側縱軸代表主體的討論量，對應圖中的柱狀圖形；右側縱軸代表主體的累計討論量，是每個時間點三類主體的討論量匯總，對應圖中的折線圖形。由數據分析結果可知，傳播主體的參與并不是不間斷地貫穿整個事件過程之中，不同主體的參與時間存在差異。網絡官媒主體的參與時間相對較為連貫，主體參與度較高， “斷層” 的次數較少，時間較短。網絡自媒的參與時間呈現階段性集中的特點， “斷層” 時間間隔較長，在2 月5 日至7 日以及2 月19 日至23 日這兩個時間段內較為集中。由于網民群體的特殊性，其參與相對另外兩種主體來說是最為連貫的，僅在2 月13 日至17 日出現密度較低的情況。此外，普通網民參與存在時滯性，2 月23 日以后 “鉆石公主號” 郵輪事件已經趨向結束，其他兩類主體的參與也已基本結束，但是普通網民主體依舊在參與討論。

圖3 新冠肺炎疫情 “鉆石公主號” 郵輪輿情信息傳播主體參與時間分布

4.2 主體信息傳播影響力

本文利用加權PageRank 算法計算得到各類型傳播主體的影響力，并繪制圖4。圖4 中不同顏色的圓形氣泡代表該信息傳播主體在不同時間的影響力，氣泡大小代表影響力的大小， “Total” 代表主體在整個事件期間的總體影響力。數據結果表明，傳播主體的影響力不是持續不斷，而是在疫情事件整體發展的周期內出現多個波動，并隨著時間動態變化。同時，信息傳播主體的影響力在疫情事件周期內存在波動，影響力較大的用戶并非在每個時間節點的影響力都很大，如網絡官媒中的 “人民網” 和 “澎湃新聞” 、網絡自媒中 “科技阿呆” 和 “英國報姐” 等。在此話題輿情事件中，有的信息傳播主體在事件傳播周期內始終保持著較高的活躍度和顯著影響力，如 “梨視頻” “小野妹子學吐槽” 等主體。

由圖5 可知，網絡官媒的總體影響力最高，網絡自媒相對影響力第二。兩類主體中排名第一和排名最后的節點影響力差距顯著。網絡官媒中PageR‐ank 值排前三位的有 “梨視頻（2016.99）” “人民網（421.76）” 和 “環球時報（170.45）” ；網絡自媒中影響力排在前三位的有 “帝吧官微（471.63）” “小野妹子學吐槽（285.18）” 和 “日本流行每日速報（62.84）” 。

結合運用Neo4j 繪制的傳播主體影響力關系可視化圖譜（圖6）分析后發現，網絡官媒和網絡自媒對普通網民的影響最為顯著，但是從可視化關系圖譜分析中發現這兩類主體彼此之間相對影響較小。網絡官媒的影響范圍存在明顯重疊，如 “央視新聞” 和 “微博日本” 之間、 “新京報” 和 “新京報我們視頻” 之間、以及 “梨視頻” 和 “頭條新聞” 之間存在許多交叉節點。網絡自媒的影響范圍邊界較為清晰，各個自媒體在影響范圍內基本不存在較大面積的交叉節點；網絡官媒和網絡自媒間影響范圍邊界較為清晰，基本不存在明顯重合區域。

4.3 主體信息傳播發布內容

根據新冠肺炎疫情 “鉆石公主號” 郵輪輿情事件信息傳播主體發布的信息內容，構建高頻詞共現網絡，如圖7 所示。通過Cypher 語言調用Louvain算法得到不同主體高頻詞共現網絡分區結果如表2所示。從信息內容和分區結果看，網絡官媒和網絡自媒信息發布內容相對較為集中，高頻關鍵詞基本都是 “鉆石公主號” “日本” “新冠肺炎” 等直接反應事件主題的詞語。相對而言，普通網民主體與另外兩類主體則差異較大，共現網絡分區結果數量明顯高于另外兩類主體，信息內容分布較為零散，涉及范圍較廣，與事件主題相關的詞少見，多為網民關于事件的評論、事件產生的影響以及一些帶有情感色彩的詞語，如 “恐怖” “嚴重” 等。

圖4 新冠肺炎疫情"鉆石公主號郵輪"輿情主體影響力圖(彩圖請見http://qbxb.istic.ac.cn/CN/volumn/home.shtml)

圖5 網絡官媒和網絡自媒總體影響力(彩圖請見http://qbxb.istic.ac.cn/CN/volumn/home.shtml)

在對各疫情事件信息傳播主體的發布文本進行數據處理的過程中，本文發現網絡官媒和網絡自媒這兩類主體在發帖時通常有提及其他主體的情況。為了更加清晰地了解兩類主體在此方面的特征，本文將兩類主體相互之間的關注關系和提及關系以可視化圖譜的方式進行呈現，如圖8 所示。數據可視化分析結果表明，網絡官媒之間的灰色線條（即關注關系）較為密集，并且官媒之間的提及關系（如紅色線條）也相對較多，如 “新浪新聞” 提及 “觀察者網” “人民網” 提及 “人民日報” “環球時報” 提及 “央視新聞” 等。這一數據結果表明，網絡官媒之間存在明顯的媒體協同效應。與此相反，網絡自媒之間的關注關系相對較為稀疏，甚至有像 “九卦_” 這樣與其他任何自媒和任何官媒都無關注關系和提及關系的節點存在。同時，提及關系只存在于網絡官媒和網絡自媒之間，如 “小野妹子學吐槽” 在推文中提及了 “微博日本” ，而各個自媒主體之間的提及關系卻相對較為罕見。

圖6 新冠肺炎疫情 “鉆石公主號” 郵輪信息傳播主體影響關系圖譜

5 討論與分析

5.1 信息傳播主體參與時間特征

不同信息傳播主體在參與時間和參與密度上存在差異，且該差異與主體類型有關。網絡官媒多屬于主流媒體，占有絕對話語權，是新冠肺炎疫情期間權威信息的主要輸出口[39]。在 “鉆石公主號” 郵輪疫情事件爆發和發展過程中，網絡官媒起到了信息發布和新聞更新等作用，參與時間與事件的發展階段密切相關。網絡自媒是在網絡中具有大影響力的公眾人物，屬于個人用戶，其影響輻射的用戶群體范圍和類型存在一定的局限，多通過立場鮮明的言論來增加自身的曝光度和輿論熱度。網絡自媒在一定程度上并不擔當權威信息源的角色，故參與時間主要集中在事件熱度較高的時段。由于 “鉆石公主號” 郵輪疫情事件的特殊性，網民群體的信息主要來源于官方報道，其參與多依靠媒體或其他用戶的引導[40]，故在另外兩種主體參與密集的時段，網民參與也同步密集。由于信息傳播的時間差，當其他主體參與結束后，依舊有網民群體剛剛加入或繼續討論此輿情事件。

圖7 新冠肺炎疫情 “鉆石公主號” 郵輪信息傳播主體發布內容對比

表2 高頻詞共現網絡Louvain分區結果

在社交網絡的傳播中，突發公共衛生事件在很大程度上屬于群體信息傳播活動，對形成的輿情管控需要多個機構和組織之間的相互協同和引導。已有研究表明，只有當媒體的協同合作達到某種級別、能夠滿足信息同步需求時，事后管理的效能和信息流通性才會得到提高[41]。因此，針對此次全球范圍內爆發的新冠肺炎疫情事件的輿情引導及管控，需要網絡官媒主體充分發揮主流媒體在信息獲取時間上的優勢，第一時間迅速發布有關疫情的最新形勢信息，以提高公眾對疫情事件態勢發展的正確認識。對于網絡自媒來說，曝光度和熱度需求是自媒體在社交網絡中生存的根本，但作為公眾人物，在此次疫情事件發展過程中，更應該注重自身的社會責任感和發揮傳播正能量的引導作用，發揮意見領袖的積極作用，在疫情生命周期內持續關注事件發展，做到不煽動、不造謠和不傳謠，通過正能量、積極樂觀的立場和態度引導公眾。對于疫情期間的信息傳播時間差，則需要社交網絡服務提供商和通信部門加強密切合作，提高網絡傳播速度、改進信息推薦算法、合理劃分信息流通的優先等級，保障疫情信息傳播的時效性。

圖8 新冠肺炎疫情 “鉆石公主號” 郵輪傳播主體關系可視化圖譜(彩圖請見http://qbxb.istic.ac.cn/CN/volumn/home.shtml)

5.2 信息傳播主體影響力特征

信息傳播主體的影響力隨時間發展不斷進行動態演變，且傳播主體的影響力具有一定的累積效應。社交網絡信息傳播中，t時刻網絡狀態會受到t-1 時刻網絡狀態的影響，因而用戶節點的影響力特征在時間上也是動態變化的[42]。由于新冠肺炎疫情事件的特殊性，大部分公眾缺乏事件相關的專業信息和知識，在事件發生時往往處于較為被動的位置，需要通過主流媒體及時了解準確信息。網絡官媒是某些機構或組織的官方賬號。在新冠肺炎疫情事件中，這類主體往往代表某一機構或組織發聲，其立場中立、態度客觀、信息權威，具有較強的公信力，在影響多種受眾方面可能更具有優勢，故受眾間存在交叉的情況較多，輻射影響的受眾范圍也相對較廣[43]。網絡自媒由于主張各異，其吸引的受眾類型也差異較大。

在此次新冠肺炎疫情信息傳播中，網絡官媒擁有絕對的話語權和廣泛的粉絲基礎，在信息傳播過程中，其擔負著信息生成、加工和傳遞的角色。一方面，相對于其他信息傳播主體，網絡官媒影響力更具優勢，能夠承擔陳述正面事實、引領輿論導向的重任，是此次新冠肺炎疫情信息傳播的重要和主要渠道；另一方面，網絡自媒以鮮明的立場、批判的態度和個性的言論吸引了大批公眾，粉絲類型也較為多樣，且互動關系良好。在整個新冠肺炎疫情事件不同信息的傳播過程中，網絡自媒可將信息擴散至其粉絲群體，并利用良好的互動基礎形成與粉絲的互動交流，便于影響輻射到更多的公眾。在此次全球新冠肺炎突發疫情事件的信息傳播中，形成了以網絡官媒為中心、網絡自媒為輔助的多層級信息傳播和擴散網絡。不應僅將各傳播主體視為信息傳播網絡中的節點，更應關注和促成各個節點間的協作和溝通關系，形成一種多點觸發的信息傳播態勢，從而擴展網絡信息影響范圍。同時，將社交媒體平臺看作信息擴散網絡的 “培養皿” 和 “加油站” ，除了在事件管理期間增加上述主體的瀏覽量和曝光度，還應積極利用大數據和人工智能，改進用戶推薦和關聯算法等，在主體粉絲之間形成重疊社群，從而提高主體的影響力。

5.3 信息傳播主體發布內容特征

研究結果表明，新冠肺炎疫情期間，信息傳播主體發布內容既存在相同點也存在較大的差異。整體來看，新冠肺炎疫情期間，不同信息傳播主體之間的協同合作有待進一步加強。網絡官媒和網絡自媒的發布內容均呈現出一定的集中化和主題明確化的特征。其中，網絡官媒以陳述客觀事實為主；而自媒通常夾雜著帶有個人情感色彩的詞語，以個人立場對疫情事件的發展進行轉述和評論。普通網民主體傳播信息內容的類型則呈分散趨勢，涉及多個領域，具有碎片化和零散化的特征。相關研究表明，社交媒體中的發帖主題會影響用戶的交互行為，導致不同的信息傳播方式和傳播結果[30]，因此，網絡官媒和網絡自媒在發布內容時均具有一定的主題鮮明和緊扣事件要點的特征。由于普通網民信息素養、教育背景、生活經歷和居住地域等差異，導致其在新冠肺炎疫情期間不同用戶關注主題內容的差異性較大。

新冠肺炎疫情期間，針對不同信息傳播主體應采取不同的信息傳播管理策略。網絡官媒信息傳播主體應該致力于為公眾提供主題明確和真實可靠的信息，如疫情事件的進展和應對措施等，必要時可以在帖子中加入話題標簽、圖片、視頻和超鏈接等內容，從而使信息內容的表達更加多元化，增強新冠肺炎疫情信息的易讀性，并快速吸引眾多用戶。由于網絡自媒主體與其粉絲之間有著更為牢固的社會聯系，在疫情信息發布高峰時期可以考慮將網絡自媒用戶加入，以加快正能量和真實信息的傳播過程，促進公眾的深度參與，提升信息傳播效果。對于網絡自媒主體，在信息發布內容上除了堅持以客觀事實為依據，可以適當加入自己的立場和態度、批判和辯證地討論疫情事件，并將相關真實信息傳達給公眾，同時，也促進其他普通網民的深度參與。

6 研究結論

在理論層面，本文對新冠肺炎事件信息傳播主體的特征進行分析，構建了新冠肺炎期間信息傳播主體傳播內容分析方法和主題特征分析過程模型。從信息傳播主體參與時間特征、信息傳播主體影響力特征和信息傳播主體發布內容特征三個方面展開分析，為新冠肺炎疫情期間的信息傳播管控提供理論方面的指導。在實踐層面，結合全球新冠肺炎期間公眾關注的 “鉆石公主號” 郵輪事件作為話題研究對象，本文對該話題的信息傳播主體時間特征、影響力特征和信息發布內容特征進行分析，運用鏑數和Neo4j 等不同可視化工具進行分析，并結合數據分析結果對新冠肺炎期間信息傳播主體的輿情管控提出相關建議，為有關部門新冠肺炎疫情期間的信息傳播管控提供一定的參考和借鑒。

另外，本文在研究中也存在一定的局限性：數據來源相對較為單一，僅從微博平臺獲取了相關數據，未考慮當下流行的短視頻平臺中信息傳播主體的信息特征；在疫情期間選擇的信息傳播話題也相對較為單一。在后續的研究中，本研究組將關注多種社交網絡平臺和多話題下信息主體特征的對比分析，以期對國家突發公共衛生事件的輿情管控提供參考。