我國網(wǎng)絡(luò)輿情識別的研究脈絡(luò)、核心主題與發(fā)展趨勢分析

張鑫 劉鑫雅 張雅文

摘要：對網(wǎng)絡(luò)輿情的有效識別，可為網(wǎng)絡(luò)生態(tài)健康和網(wǎng)絡(luò)社會治理提供重要支持。對國內(nèi)已有網(wǎng)絡(luò)輿情識別的相關(guān)研究展開梳理，通過對其發(fā)展脈絡(luò)、核心主題與方法、主要研究力量以及發(fā)展趨勢等方面進(jìn)行分析、闡釋，以期為未來研究和實踐工作提供參考借鑒。

關(guān)鍵詞：網(wǎng)絡(luò)輿情;輿情識別;研究進(jìn)展

中圖分類號：G203 文獻(xiàn)標(biāo)識碼：A

DOI：10.13897/j.cnki.hbkjty.2021.0054

0 引言

近年來，國內(nèi)外一些對社會影響較大或涉及大眾敏感因素的事件，往往容易引發(fā)網(wǎng)民關(guān)注，進(jìn)而形成網(wǎng)絡(luò)輿情。隨著在線社區(qū)、微博、微信等社會化媒體的快速發(fā)展及移動終端的逐漸普及，網(wǎng)絡(luò)輿情呈現(xiàn)出諸如輿情擴散加劇、情感極化突出、傳播路徑多樣、主題演變多元等復(fù)雜特征，其對網(wǎng)絡(luò)生態(tài)健康發(fā)展及網(wǎng)絡(luò)社會治理提出了較大挑戰(zhàn)。

對網(wǎng)絡(luò)輿情的發(fā)展進(jìn)行及時、有效識別可以從初期對輿情態(tài)勢進(jìn)行監(jiān)測、了解、干預(yù)以及疏導(dǎo)，有助于為相關(guān)部門工作決策提供理論和數(shù)據(jù)支持。近年來，輿情識別受到學(xué)界的特別關(guān)注并涌現(xiàn)出一大批研究成果，其對具體輿情治理工作實踐也做出較大貢獻(xiàn)。本研究對已有研究進(jìn)行了系統(tǒng)梳理，通過對我國網(wǎng)絡(luò)輿情識別的發(fā)展脈絡(luò)、核心主題與方法、主要研究力量進(jìn)行分析、闡釋，一方面對已有研究進(jìn)行全貌概覽，以為后期相關(guān)研究和實踐工作提供基礎(chǔ)支持;另一方面，從若干維度對輿情識別已有貢獻(xiàn)進(jìn)行分析，以探究需要進(jìn)一步拓展的領(lǐng)域和未來研究的趨勢。

1 網(wǎng)絡(luò)輿情識別的研究脈絡(luò)

1.1 研究的發(fā)文趨勢

在“中國知網(wǎng)”以“網(wǎng)絡(luò)”“輿情”“識別”為檢索詞，搜索CSSCI來源論文文獻(xiàn)，共檢索出185篇研究成果。對文章發(fā)表時間進(jìn)行統(tǒng)計不難發(fā)現(xiàn)，隨著移動互聯(lián)網(wǎng)及社交媒體的發(fā)展，網(wǎng)絡(luò)輿情事件不斷增多，我國有關(guān)網(wǎng)絡(luò)輿情識別的研究呈現(xiàn)明顯遞增趨勢，而“輿情識別”作為其中重要研究問題之一自2008年起逐漸引起學(xué)者們的關(guān)注，并在2019-2020年達(dá)到頂峰，如圖1所示。這在一定程度上體現(xiàn)我國網(wǎng)絡(luò)輿情的學(xué)術(shù)研究來源于社會實踐領(lǐng)域的集中點和關(guān)注點，社會環(huán)境、技術(shù)環(huán)境以及網(wǎng)絡(luò)空間不斷變化的動態(tài)為輿情識別的研究提供了演化發(fā)展的動力。

1.2 研究的所屬學(xué)科

對所屬學(xué)科進(jìn)行統(tǒng)計發(fā)現(xiàn)，輿情識別核心研究成果較多見于新聞傳播學(xué)、計算機科學(xué)、圖書情報與檔案管理、社會學(xué)、公共管理、控制工程等學(xué)科領(lǐng)域，具體如圖2所示。考慮到輿情識別貫穿整個輿情分析與治理過程，并涉及多學(xué)科的核心研究問題，所屬學(xué)科的研究者們基于不同視角、理論、方法和技術(shù)等對輿情識別展開基于實踐需求的多維度探究與規(guī)律揭示。

1.3 研究的主題演化

輿情識別相關(guān)研究在多學(xué)科領(lǐng)域不斷推動的過程中，還體現(xiàn)出不同時序基礎(chǔ)上主題特征的差異性。本研究基于185篇來源文獻(xiàn)的關(guān)鍵詞，通過預(yù)處理，利用Citespace可視化面板“Control Panel”生成基于時序的主題變化趨勢時區(qū)圖“TimezoneView”，如圖3所示。可以看出，輿情識別以“網(wǎng)絡(luò)輿情”為初始核心研究范疇，第一階段主要是整體輿情的識別和相關(guān)對策研究;在此基礎(chǔ)上，“情感分析”和“突發(fā)事件”作為兩大重點突破主題被研究者演繹為高價值研究主題;隨之，“社交網(wǎng)絡(luò)”“微博”“意見領(lǐng)袖”作為輿情識別的重要陣地和核心要素也得到研究者們重點關(guān)注，此時輿情分析的創(chuàng)新性、數(shù)據(jù)化、嚴(yán)謹(jǐn)性等被進(jìn)一步發(fā)展;2015年左右，研究者們對“風(fēng)險識別”和“關(guān)鍵節(jié)點”更為關(guān)注，認(rèn)為輿情識別還要考慮輿情風(fēng)險的識別和把控，而“關(guān)鍵節(jié)點”作為“意見領(lǐng)袖”在網(wǎng)絡(luò)空間中量化和可視化研究的操作要素，也得到了進(jìn)一步拓展;2016-2018年，隨著研究的不斷深入和方法的不斷創(chuàng)新，對文本、聲音、圖片、視頻等多媒體形態(tài)的輿情識別有研究的迫切性與可行性，一方面分類識別和主題識別等不同研究范式均得到較為明顯的推進(jìn)，另一方面社會網(wǎng)絡(luò)分析、灰色關(guān)聯(lián)分析、卷積神經(jīng)網(wǎng)絡(luò)等不同方向的技術(shù)方法均得到更深層次的測量與驗證。近兩年來，相關(guān)研究對輿情識別的邊界范疇有了新的突破，從知識構(gòu)建、大數(shù)據(jù)監(jiān)測、區(qū)塊鏈、可視化等技術(shù)范式和應(yīng)用場景方面做出了較大貢獻(xiàn)。

2 網(wǎng)絡(luò)輿情識別的核心主題與方法

本研究利用citespace對所有來源文獻(xiàn)的關(guān)鍵詞進(jìn)行共現(xiàn)分析及初始簇聚類，本文在此基礎(chǔ)上進(jìn)一步分析歸納，發(fā)現(xiàn)研究者們主要圍繞基于事件階段的網(wǎng)絡(luò)輿情識別、基于關(guān)鍵節(jié)點的網(wǎng)絡(luò)輿情識別、基于觀點主題的網(wǎng)絡(luò)輿情識別以及基于情感的網(wǎng)絡(luò)輿情識別等不同維度，同時提出和探討了多種識別方法技術(shù)。

2.1 基于事件階段的網(wǎng)絡(luò)輿情識別

網(wǎng)絡(luò)輿情是特定社會事件發(fā)生和演化的重要信息載體。已有研究多是基于生命周期理論，將網(wǎng)絡(luò)輿情的傳播演化過程大致分為三至五個階段，如分為成長期、爆發(fā)期、衰退期和平緩期這幾個階段[1]，并認(rèn)為可以基于傳播規(guī)律、信息特征、評估體系和發(fā)展路徑等對網(wǎng)絡(luò)輿情的不同階段進(jìn)行有效識別，以此作為特定階段輿情治理的參考依據(jù)。如陳婷等[2]提出了網(wǎng)絡(luò)輿情在論壇中的傳播演化模型，通過仿真實驗發(fā)現(xiàn)用戶發(fā)帖量、發(fā)帖增量以及發(fā)帖增長率可有效揭示網(wǎng)絡(luò)輿情發(fā)展的時段規(guī)律，并分析了政府最佳干預(yù)點的選擇及工作流程。李綱等[3]以自然災(zāi)害事件為例，提出一種融合主題詞共現(xiàn)和社區(qū)發(fā)現(xiàn)的輿情識別、測量和演化的研究分析框架，發(fā)現(xiàn)災(zāi)難的不同階段，用戶的話題關(guān)注傾向存在較大差別。

近年來，隨著網(wǎng)絡(luò)輿情發(fā)展過程中出現(xiàn)的復(fù)雜狀態(tài)，一些學(xué)者進(jìn)一步討論了網(wǎng)絡(luò)輿情的衍生、反復(fù)等階段的識別方法與治理對策。如安璐和李倩[4]基于word2vec模型、K-means聚類算法的主題識別以及基于H指數(shù)的影響力計算，建立了突發(fā)事件衍生事件的判定規(guī)則與測量方法，其有助于相關(guān)部門動態(tài)識別和掌握突發(fā)事件衍生事件的發(fā)展。張鑫等[5]構(gòu)建了面向反復(fù)性事件的網(wǎng)絡(luò)輿情風(fēng)險識別與評估指標(biāo)體系，并剖析了輿情反復(fù)階段與其他階段相比在輿情主體、輿情客體、關(guān)鍵傳播節(jié)點等不同方面的異同。

2.2 基于關(guān)鍵節(jié)點的網(wǎng)絡(luò)輿情識別

網(wǎng)絡(luò)輿情中的“關(guān)鍵節(jié)點”指在網(wǎng)絡(luò)空間用戶交互過程中具有重要影響力的信息傳輸中介，其與輿情傳播中的“意見領(lǐng)袖”對應(yīng)。通過對關(guān)鍵節(jié)點進(jìn)行準(zhǔn)確識別，可以有效提升網(wǎng)絡(luò)輿情引導(dǎo)的針對性與高效性[6]。網(wǎng)絡(luò)輿情中關(guān)鍵節(jié)點識別方法主要包括網(wǎng)絡(luò)結(jié)構(gòu)、鏈接關(guān)系、綜合指標(biāo)體系以及傳播影響力四種思路。

從網(wǎng)絡(luò)結(jié)構(gòu)視角來看，已有研究往往利用社會網(wǎng)絡(luò)分析方法中的點度中心度、中間中心度和接近中心度等指標(biāo)來識別關(guān)鍵節(jié)點。陳遠(yuǎn)等[7]探究了社交網(wǎng)絡(luò)結(jié)構(gòu)中節(jié)點的結(jié)構(gòu)位置及相互關(guān)系，通過結(jié)構(gòu)位置、中心度位置和邊緣位置對網(wǎng)絡(luò)社區(qū)中關(guān)鍵節(jié)點進(jìn)行了有效識別。譚雪晗等[8]以重大事故災(zāi)難為例來分析信息傳播網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，探究事故災(zāi)難輿情在網(wǎng)絡(luò)結(jié)構(gòu)中的相似性，進(jìn)而篩選出輿情中的關(guān)鍵信息發(fā)布者和關(guān)鍵事件關(guān)注者，并提出以關(guān)鍵節(jié)點為中心的事故災(zāi)難輿情治理策略。

從鏈接關(guān)系來看，前期一些研究關(guān)注了節(jié)點間的鏈接關(guān)系以及影響強度來判斷和挑選出最體現(xiàn)特征的關(guān)鍵節(jié)點，主要包括PageRank算法以及其基礎(chǔ)上的TwitterRank、WeiboRank、LeaderRank。如王曰芬等[9]構(gòu)建了微博輿情社會網(wǎng)絡(luò)，運用改進(jìn)的PageRank算法對網(wǎng)絡(luò)輿情事件中的關(guān)鍵節(jié)點進(jìn)行識別與評估，并通過實驗證明了算法的有效性。曹學(xué)燕等[10]通過彩玉Leader Rank等算法和軟件，對網(wǎng)絡(luò)輿情數(shù)據(jù)進(jìn)行結(jié)構(gòu)化、節(jié)點影響力測算與識別、關(guān)鍵節(jié)點分類等，揭示出網(wǎng)絡(luò)輿情的結(jié)構(gòu)復(fù)雜性、無標(biāo)度性、子社區(qū)結(jié)構(gòu)等特征，并得到“網(wǎng)絡(luò)名人型”和“事件關(guān)注型”兩類關(guān)鍵節(jié)點的演化規(guī)律。

從綜合指標(biāo)體系來看，研究者們主要利用層次分析法、主成分分析法等對網(wǎng)絡(luò)社區(qū)中用戶的發(fā)帖量、粉絲數(shù)、評論數(shù)、點贊數(shù)、被提及數(shù)等要素構(gòu)建混合加權(quán)指標(biāo)體系，以識別出網(wǎng)絡(luò)空間的關(guān)鍵節(jié)點。彭麗徽等[11]基于社會網(wǎng)絡(luò)和內(nèi)容要素融合構(gòu)建了關(guān)鍵節(jié)點識別的綜合指標(biāo)體系，其中內(nèi)容要素指標(biāo)包括活躍度、影響度、認(rèn)同度和擴散度。

從傳播影響力來看，前期研究聚焦網(wǎng)絡(luò)社區(qū)中傳播的影響范圍和影響強度來測量和識別關(guān)鍵節(jié)點，具體包括影響力綜合評價法、信息熵檢驗評價指標(biāo)體系、影響力擴散概率模型、影響力衡量模型等算法，其可兼顧信息交互關(guān)系網(wǎng)絡(luò)的結(jié)構(gòu)特征和動態(tài)特征，其度量方法的科學(xué)性和可信性也較明顯[12]。如朱志國等[13]從用戶的靜態(tài)網(wǎng)絡(luò)結(jié)構(gòu)特征與動態(tài)信息交互兩個維度切入，基于熵權(quán)灰色關(guān)聯(lián)方法建立用戶影響力測度指標(biāo)體系，以此識別重大突發(fā)輿情的意見領(lǐng)袖。

2.3 基于觀點主題的網(wǎng)絡(luò)輿情識別

觀點主題識別是指通過一系列技術(shù)方法從海量輿情數(shù)據(jù)中獲取網(wǎng)民主體對特定輿情事件的主要態(tài)度或觀點[14]。當(dāng)前處理網(wǎng)絡(luò)社區(qū)中非結(jié)構(gòu)化輿情文本數(shù)據(jù)的方法，主要為以自然語言處理、數(shù)理統(tǒng)計分析以及機器學(xué)習(xí)等為基礎(chǔ)，通過創(chuàng)新的文本挖掘方法描述和識別輿情觀點句或觀點詞，其采用的主要思路方法通常為文本聚類和主題模型兩類。

文本聚類作為一種無監(jiān)督的機器學(xué)習(xí)方法，主要采用k-means、SVM、貝葉斯網(wǎng)絡(luò)等算法將文本特征數(shù)據(jù)進(jìn)行聚類，從而對輿情熱點主題或觀點進(jìn)行劃分，具有較好的靈活性和自動處理能力[15]。如王旭仁等[16]提出了基于向量空間模SVM的文本聚類算法，其按照層次聚類自下而上得到獲取初始簇信息，并依據(jù)K-means算將相似度閾合并、產(chǎn)生設(shè)置簇。田世海等[17]融合網(wǎng)絡(luò)表示學(xué)習(xí)與K-means算法，通過事件文本收集、共現(xiàn)頻率分析、降維映射以及聚類分析幾個階段進(jìn)行輿情聚類識別。

主題模型是基于概率統(tǒng)計與機器學(xué)習(xí)的方法，從海量輿情信息中提取貢獻(xiàn)度高的、反映用戶觀點特征的輿情熱點話題挖掘方法，其中最有代表性的模型為隱含狄利克雷分布模型（ Latent Dirichlet Allocation，LDA），即使用文檔——詞語矩陣進(jìn)行訓(xùn)練，得到詞語——主題矩陣與文檔——主題矩陣，進(jìn)而識別文檔屬于特定話題的概率。陳曉美等[18]運用多文檔摘要技術(shù)和基于句子的LDA主題模型算法，揭示網(wǎng)絡(luò)輿情的核心主題和觀點。姚兆旭和馬靜[19]基于LDA 模型和改進(jìn)的TF-IDF算法構(gòu)建主題特征詞向量， 基于相似度計算自動抽取主題詞匯鏈，并利用情感詞典進(jìn)行主題觀點詞的抽取。

2.4 基于情感的網(wǎng)絡(luò)輿情識別

網(wǎng)絡(luò)輿情的情感識別與分析，指對海量輿情數(shù)據(jù)的挖掘與處理，并在此基礎(chǔ)上的詞性分析以及情感識別，主要包括網(wǎng)絡(luò)輿情文本共性詞、極性詞等的語義分析、詞性分析以及情感傾向識別。如劉志明和劉魯[21]基于Aging theory模型、微博主題檢測和情感分析技術(shù)，構(gòu)建了面向輿情事件的微博用戶負(fù)面情緒識別和預(yù)警模型。李彤和宋之杰[20]通過將突發(fā)事件相關(guān)微博進(jìn)行情感分析和集成，形成微博情感時間序列，來有效識別和預(yù)測特定事件中網(wǎng)民情感以及發(fā)展趨勢。丁晟春等[22]基于心理學(xué)理論與自然語言處理方法，將微博文本的情緒劃分為樂、怒、哀、惡、懼五類，用情感特征、句式特征、句間特征來進(jìn)一步表征，并基于SVM模型構(gòu)建了微博情緒分類模型，以此來識別網(wǎng)絡(luò)輿情事件中廣大網(wǎng)民的情緒態(tài)度。

3 網(wǎng)絡(luò)輿情識別的主要研究力量

隨著網(wǎng)絡(luò)輿情識別的理論緊迫性與實踐重要性不斷凸顯，近年來，相關(guān)研究也形成較穩(wěn)定的研究機構(gòu)與主要貢獻(xiàn)者，許多研究基于專門的輿情研究中心或各級研究課題項目，在推動創(chuàng)新成果方面發(fā)揮著重要價值。本文從主要研究機構(gòu)、研究人員與高被引文獻(xiàn)三個層面對我國網(wǎng)絡(luò)輿情識別研究進(jìn)行量化分析。

3.1 輿情識別研究的主要研究機構(gòu)

本研究對我國網(wǎng)絡(luò)輿情識別研究的發(fā)文量進(jìn)行統(tǒng)計分析，發(fā)現(xiàn)排名前10位的研究機構(gòu)為吉林大學(xué)、武漢大學(xué)、南京理工大學(xué)、中山大學(xué)、華中科技大學(xué)、中國科學(xué)院大學(xué)、武漢理工大學(xué)、中國人民警察大學(xué)、華中師范大學(xué)、清華大學(xué)。在此基礎(chǔ)上運用Citespace進(jìn)行研究機構(gòu)合作網(wǎng)絡(luò)分析，發(fā)現(xiàn)武漢大學(xué)信息管理學(xué)院占據(jù)主要地位，如圖4所示。

由數(shù)據(jù)不難發(fā)現(xiàn)，國內(nèi)學(xué)者關(guān)于網(wǎng)絡(luò)輿情識別的主要力量集中在高校，如吉林大學(xué)管理學(xué)院、武漢大學(xué)信息管理學(xué)院、南京理工大學(xué)經(jīng)濟管理學(xué)院、華中師范大學(xué)信息管理學(xué)以及合肥工業(yè)大學(xué)管理學(xué)院等，“雙一流”建設(shè)高校占據(jù)較大比例，這一定程度上說明網(wǎng)絡(luò)輿情識別得到我國主流高等教育機構(gòu)與研究力量的認(rèn)同。同時，還有數(shù)量較多的研究所、研究中心、創(chuàng)新基地、實驗室等科研機構(gòu)對網(wǎng)絡(luò)輿情識別也較為關(guān)注，其往往基于本機構(gòu)目標(biāo)任務(wù)或研究使命，或獨立進(jìn)行相關(guān)科學(xué)研究并產(chǎn)出較多研究成果，或與高校力量進(jìn)行密切合作，形成相對穩(wěn)定、成熟的學(xué)術(shù)共同體，展開多領(lǐng)域、縱深化的研究。

3.2 輿情識別研究的主要研究者

本研究對我國網(wǎng)絡(luò)輿情識別的作者發(fā)文量進(jìn)行統(tǒng)計，發(fā)現(xiàn)該領(lǐng)域前十位核心作者分別為黃微、李綱、曹樹金、王曰芬、陳憶金、吳鵬、毛進(jìn)、蘭月新、王晰巍、夏一雪、謝海濤、安璐等。進(jìn)一步發(fā)現(xiàn)，研究者們基于國家自然科學(xué)基金、國家社會科學(xué)基金、教育部人文社會科學(xué)研究項目、中央高校基本科研業(yè)務(wù)費專項資金項目、國家高技術(shù)研究發(fā)展計劃（863計劃）、中國博士后科學(xué)基金等項目，開展深入研究并貢獻(xiàn)一系列創(chuàng)新成果。

同時根據(jù)核心作者間的合作關(guān)系，運用Citespace進(jìn)行作者合作網(wǎng)絡(luò)分析，生成我國網(wǎng)絡(luò)輿情識別研究主要論文作者合作圖譜，如圖5所示，在高質(zhì)量的網(wǎng)絡(luò)輿情識別研究成果中，吉林大學(xué)的黃微是發(fā)文量最多的貢獻(xiàn)者，且多位作者間有較好的合作關(guān)系。從整體相關(guān)研究結(jié)構(gòu)來看，主要研究者間合作關(guān)系有一定緊密型，便于發(fā)揮研究力量聚合優(yōu)勢。

3.3 輿情識別研究的高影響力文獻(xiàn)

我國網(wǎng)絡(luò)輿情識別研究文獻(xiàn)成果中，基于被引量排名前20位的文獻(xiàn)（如表1所示）。來自圖書情報學(xué)、計算機科學(xué)、管理科學(xué)與工程、公共管理學(xué)、傳播學(xué)、社會學(xué)等不同學(xué)科領(lǐng)域，涉及網(wǎng)絡(luò)輿情識別相關(guān)的理論初探、多元情境、技術(shù)方法、風(fēng)險識別、傳播演化及輿情治理等方面，形成有中國本土化特色的研究成果。具體而言，北京航空航天大學(xué)經(jīng)濟管理學(xué)院劉志明、劉魯[21]于2011年發(fā)表于《系統(tǒng)工程》的《微博網(wǎng)絡(luò)輿情中的意見領(lǐng)袖識別及分析》截至目前被引419次、下載15 258次，為本領(lǐng)域重要影響研究成果。此外，還有謝科范等[23]、康偉[24]、許鑫等[25]研究者于2011年前后發(fā)表的若干文章，對后期研究起到奠基作用和重要參考價值。

4 未來研究趨勢

本研究梳理了國內(nèi)網(wǎng)絡(luò)輿情識別相關(guān)研究成果，結(jié)合發(fā)展脈絡(luò)、核心主題以及研究力量等，在對現(xiàn)有研究分析總結(jié)的基礎(chǔ)上，認(rèn)為未來研究可從如下幾個方面進(jìn)行拓展豐富。

其一，借鑒多學(xué)科理論基礎(chǔ)，開展面向網(wǎng)絡(luò)輿情識別的領(lǐng)域融合研究。一方面，借鑒多學(xué)科具較好闡釋性的理論、視角，奠定和豐富網(wǎng)絡(luò)輿情識別科學(xué)研究的理論架構(gòu)，挖掘相關(guān)概念要素，進(jìn)一步拓展研究的內(nèi)涵和外延空間。另一方面，強化建立在多學(xué)科基礎(chǔ)上的整體理論構(gòu)建和具體情境分析，基于網(wǎng)絡(luò)輿情的“形成-演化-評估-預(yù)警-應(yīng)對”等不同生命周期階段展開創(chuàng)新性、情境性領(lǐng)域合作研究。

其二，借助數(shù)據(jù)科學(xué)發(fā)展，為網(wǎng)絡(luò)輿情識別提供海量數(shù)據(jù)支持及挖掘技術(shù)驅(qū)動。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，針對輿情的研究進(jìn)一步打破傳統(tǒng)的社會輿情分析，不斷演變?yōu)榛诖髷?shù)據(jù)的網(wǎng)絡(luò)輿情分析。識別技術(shù)方法創(chuàng)新性愈加重要，如輿情數(shù)據(jù)的組織與分析、主題和情感的識別、風(fēng)險監(jiān)測及評價方面將不斷拓展，其中數(shù)據(jù)分析核心階段的持續(xù)方法優(yōu)化是未來推進(jìn)輿情識別的主要目標(biāo)。

其三，拓展突發(fā)事件網(wǎng)絡(luò)輿情風(fēng)險評估和可視化方法，建立立體的輿情認(rèn)知視圖示。隨著當(dāng)前社會突發(fā)事件層出不窮，輿情觀點和感情識別將仍是輿情識別研究的熱點，而如何將其進(jìn)行知識圖譜組織和可視化則是提升輿情識別應(yīng)用效果的重要途徑。基于此，未來研究有必要構(gòu)建系統(tǒng)的輿情觀點和情感信息組織架構(gòu)，并基于立體全面的數(shù)據(jù)呈現(xiàn)及演化規(guī)律，推動輿論演變規(guī)律和識別機制研究，這將為實現(xiàn)對網(wǎng)絡(luò)輿情的準(zhǔn)確預(yù)測、制定輿情治理策略提供重要參考依據(jù)。

參考文獻(xiàn)

[1]安璐，周亦文.大數(shù)據(jù)環(huán)境下安全情報工作協(xié)同研究——以反恐情報工作為例[J].圖書情報工作，2020，64（19）：50-60.

[2]陳婷，胡改麗，陳福集.論壇輿情演化趨勢預(yù)測和政府最佳干預(yù)點選擇的研究[J].情報雜志，2014，33（12）：141-145，93.

[3]李綱，陳思菁，毛進(jìn)，等.自然災(zāi)害事件微博熱點話題的時空對比分析[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2019，3（11）：1-15.

[4]安璐，李倩.基于熱點主題識別的突發(fā)事件次生衍生事件探測[J].情報資料工作，2020，41（6）：26-35.

[5]張鑫，田雪燦，劉鑫雅.反復(fù)性視角下網(wǎng)絡(luò)輿情風(fēng)險評估指標(biāo)體系研究[J].圖書與情報，2020（6）：123-135.

[6]蔣侃，唐竹發(fā).微博情境下網(wǎng)絡(luò)輿情關(guān)鍵節(jié)點識別及擴散模式分析[J].圖書情報工作，2015，59（20）：105-111.

[7]陳遠(yuǎn)，李韞慧，張敏.基于節(jié)點度測度SNS用戶信息傳播貢獻(xiàn)的實證研究——以騰訊微博為例[J].情報雜志，2014，33（10）：159-164.

[8]譚雪晗，涂艷，馬哲坤.基于SNA的事故災(zāi)難輿情關(guān)鍵用戶識別及治理[J].情報學(xué)報，2017，36（3）：297-306.

[9]王曰芬，杭偉梁，丁潔.微博輿情社會網(wǎng)絡(luò)關(guān)鍵節(jié)點識別與應(yīng)用研究[J].情報資料工作，2016（3）：6-11.

[10]曹學(xué)艷，段飛飛，方寬，等.網(wǎng)絡(luò)論壇視角下突發(fā)事件輿情的關(guān)鍵節(jié)點識別及分類研究[J].圖書情報工作，2014，58（4）：65-70.

[11]彭麗徽，李賀，張艷豐.基于SNA與模糊TOPSIS的網(wǎng)絡(luò)輿情關(guān)鍵節(jié)點識別分類模型研究[J].現(xiàn)代情報，2017，37（8）：17-25.

[12]尚麗維，張向先，盧恒，等.在線社區(qū)信息交互關(guān)系網(wǎng)絡(luò)關(guān)鍵節(jié)點研究綜述[J].情報科學(xué)，2020，38（8）：170-177.

[13]朱志國，張翠，丁學(xué)君，等.基于熵權(quán)灰色關(guān)聯(lián)模型的重大突發(fā)輿情意見領(lǐng)袖識別研究[J].情報學(xué)報，2017，36（7）：706-714.

[14]李真，丁晟春，王楠.網(wǎng)絡(luò)輿情觀點主題識別研究[J].現(xiàn)代圖書情報技術(shù)，2017，1（8）：18-30.

[15]陳雪剛.基于大數(shù)據(jù)技術(shù)的微博輿情快速自聚類方法研究[J].情報雜志，2017，36（5）：113-117.

[16]王旭仁，李娜，何發(fā)鎂，等.基于改進(jìn)聚類算法的網(wǎng)絡(luò)輿情分析系統(tǒng)研究[J].情報學(xué)報，2014，33（5）：530-537.

[17]田世海，董月文，王健.基于NRL和k-means的輿情事件聚類研究[J].情報科學(xué)，2021，39（2）：129-136.

[18]陳曉美，高鋮，關(guān)心惠.網(wǎng)絡(luò)輿情觀點提取的LDA主題模型方法[J].圖書情報工作，2015，59（21）：21-26.

[19]姚兆旭，馬靜.面向微博話題的“主題+觀點”詞條抽取算法研究[J].現(xiàn)代圖書情報技術(shù)，2016（Z1）：78-86.

[20]李彤，宋之杰.基于模型集成的突發(fā)事件輿情分析與趨勢預(yù)測研究[J].系統(tǒng)工程理論與實踐，2015，35（10）：2582-2587.

[21]劉志明，劉魯.面向突發(fā)事件的民眾負(fù)面情緒生命周期模型[J].管理工程學(xué)報，2013，27（1）：15-21.

[22]丁晟春，王穎，李霄.基于SVM的中文微博情緒分析研究[J].情報資料工作，2016（3）：28-33.

[23]謝科范，趙湜，陳剛，等.網(wǎng)絡(luò)輿情突發(fā)事件的生命周期原理及集群決策研究[J].武漢理工大學(xué)學(xué)報（社會科學(xué)版），2010，23（4）：482-486.

[24]康偉.基于SNA的突發(fā)事件網(wǎng)絡(luò)輿情關(guān)鍵節(jié)點識別——以“7·23動車事故”為例[J].公共管理學(xué)報，2012，9（3）：101-111，127-128.

[25]許鑫，章成志.互聯(lián)網(wǎng)輿情分析及應(yīng)用研究[J].情報科學(xué)，2008（8）：1194-1200，1204.

作者簡介：張鑫（1985），女，博士，河北大學(xué)管理學(xué)院講師。研究方向：網(wǎng)絡(luò)社會治理。

劉鑫雅（2000），女，河北大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院本科生。研究方向：大數(shù)據(jù)資源智能化管理及應(yīng)用。

張雅文（1990），女，碩士，河北大學(xué)管理學(xué)院助教。研究方向：新媒體傳播。

（收稿日期：2021-03-01 責(zé)任編輯：張長安）

Research Context， Core Theme and Development trend of

Online Public Opinion Identification in China

Zhang Xin LiuXin-ya Zhang Ya-wen

Abstract：The effective identification of network public opinion can provide important support for network ecological health and network social governance. This paper reviews the existing domestic research on online public opinion recognition， analyzes and explains its development context， core themes and methods， main research forces and development trends， so as to provide reference for future research and practice.

Keywords： Network public opinion; Public opinion identification; Research progress