人民日報微信公眾號健康專欄的情感網絡分析
——基于社會網絡分析法

張學波 王 卿

（華南師范大學教育信息技術學院，廣東 廣州 510631）

一、研究背景及意義

2012年，微信開通了公眾平臺這一功能，如今已成為用戶閱讀新聞、表達意見和宣泄情緒的主要渠道之一，也成為網絡輿論孕育和爆發的平臺。人民網輿情監測處秘書長指出，互聯網輿論已出現在人與人關系更為隱秘的微信中，如果繼續不予重視，社會壓力就會越積越多，更難以釋放。據騰訊公司公布的2021年第一季度業績顯示，微信月度活動量可達到10．4億，增長率為10．9%，可以說微信涵蓋了大量的國內移動互聯網受眾群體。而對微信影響力進行研究后發現，將近80%的用戶會訂閱公眾號，大部分用戶會通過親朋好友發布的朋友圈得知公眾號信息，因此，朋友圈對微信公眾號的影響程度在進一步擴大，以上數據都突出了微信公眾號的影響力。

本文將采用新引入的新聞傳播學文本情感分析法和社會網絡分析法，通過Gephi繪制情感網絡圖，通過Pajek進行點度中心性分析，結合計算機學科以及心理學科方面的理論，著力研究公眾號對健康議題事件的標題和公眾的情緒表達之間的關系；同時針對《人民日報》這一主流媒體對健康議題的研究，了解用戶的積極、消極情緒等，構建公眾情緒網絡圖，為《人民日報》健康專欄的微信運營提供有益建議。

二、研究方法

（一）文本情感分析

近年來，文本情感分析研究成為備受各界關注的研究領域。所謂文本情感分析，是對一段文本所表達的情感傾向進行識別。理論上，人在文本中的情感表達是十分復雜的，但目前計算語言學的相關研究將傾向性劃分為褒義和貶義，有時也包括中性或混合，等等。這種程度的簡化在一定程度上滿足了人們的需求，具有廣闊的應用前景。文本情感分析以詞匯作為特征，結合分類器 （如樸素貝葉斯模型、最大熵模型、支持向量機模型等）完成了有監督的訓練和測試。

（二）社會網絡分析

社會網絡分析法是一種社會學研究方法。社會學理論認為，社會不是由個人而是由網絡構成的，網絡中包含節點及節點之間的關系，社會網絡分析法通過對網絡中關系的分析，探討網絡的結構及屬性特征，包括網絡中的個體屬性及網絡整體屬性。網絡個體屬性分析，包括點度中心度、接近中心度等；網絡整體屬性分析，包括小世界效應、小團體研究、凝聚子群等。該方法目前在教育領域的應用比較廣泛，主要探究信息技術環境下學習者所構成網絡的特點，以及在此基礎上對該網絡的改進策略。

三、數據爬取及研究思路

筆者自行編寫爬蟲代碼，抓取了 《人民日報》微信公眾號2018年4月至12月的“健康”專欄報道的全部標題以及評論內容等數據，進行深入研究。研究過程分為5步：1．爬取數據；2．數據預處理，包括去除無關字符、文本分詞等；3．情感分析并評估分類效果；4．導入Gephi軟件，分別繪制以標題為核心和以評論者為核心的情感網絡圖，并進行分析；5．將2-模網絡數據導入Pajek軟件，對2-模網絡點度中心性進行實證分析。

四、研究發現

（一）評論者核心情感網絡

將度范圍最小值調整到16，篩選出度范圍16-110的數據，接著進行Fruchterman reingold布局渲染，在分類選項中以Modularity Class作分類標準，調整節點標簽的顏色，可得圖1。由圖1可知，經常在 《人民日報》發表評論的用戶主要有“順其自然”“火苗”“鄧”“云杰”“白樺林”“途路中”“暴走蘿莉”，等等。圖1中未命名的小節點代表每條新聞的標題，粗細不同的邊代表每條評論的情緒值，根據評論情緒值的分布狀況，邊越細意味著其評論情感越傾向于負面，邊越粗意味著其評論情感越傾向于正面。由1圖可知，出現頻率較高的用戶相對應的邊較粗，這意味著其正面評論多于負面評論，進一步表明 《人民日報》“健康”專欄的正面輿論引導效果較佳。

圖1 評論者核心情感網絡圖 （度范圍16-110）

（二）標題核心情感網絡

由Gephi所構建的標題核心情感網絡 （圖2）可知，“L77”“L101”“L149”等大節點的編號代表著某個新聞的標題，大節點所連著的小節點表示每一條新聞下的評論者用戶，而線條的粗細表示這條評論的情緒值大小。值得注意的是，Gephi在標題核心網絡中雖未考慮將用戶的評論次數作邊，但在有的用戶后面可以看到“．1”“．2”“．3”等這些“點 +數字”的后綴，這表示的是該用戶在2018年4月至12月的第幾次評論，意味著該用戶在此期間不止一次評論了 《人民日報》“健康”專欄發布的文章，而未出現后綴的用戶表示的是在這段期間內用戶只評論過一次健康專欄發布的文章。對出現“點+數字”后綴的評論者需著重分析，若評論者后綴為“．1”，則很有可能該評論者是發布文章而成為 《人民日報》的忠實擁護者，發布的文章可能是其興趣初始點。

圖2 標題核心情感網絡圖 （規模前十）

縱觀規模前十的網絡，可發現在第706篇的新聞中，用戶“火苗”的評論已經是其第76次的評論，說明“火苗”是健康專欄的忠實粉絲，這與前述以用戶為核心的網絡呈現的結果相吻合。在情緒值上，L254中“寶寶”對應的線條最粗，這意味著其作出的評論情緒值最大，表明該用戶的評論字數很多，不同詞組對應的正面情緒值相加后數值很大。

（三）巨人組件分析

通過點選Gephi菜單欄中的“巨人組件”，即可得到整個網絡之中最大的子群 （圖3）。由巨人組件網絡圖可知，L254新聞的評論者有28位，其中忠實讀者有7位，第一次評論之后再也沒有評論專欄文章的讀者有20位，這表明 《人民日報》“健康”專欄有很大規模的隱藏讀者群體，仍需優化內容設計以挖掘更多讀者。從情緒值線條上面來看，“牛牛”的線條最細，很有可能表達的是負面情感，相反，“寶寶”的情緒線條最粗，表明其抒發的正面情感最大。

圖3 巨人組件網絡圖

L254的標題是“【健康】別了，10級疼痛！國家衛健委宣布大消息，女性福音來了”，該文章主要是解讀國家衛健委發布的新文件 《關于開展分娩鎮痛試點工作的通知》，衛健委將在全國范圍遴選一定數量的醫院開展分娩鎮痛診療試點工作，這標志著無痛分娩有望在我國逐步推廣。對巨人組件中情緒極值的兩條評論進行分析，可以小窺大看到公眾在無痛分娩問題上的輿情狀況，大部分公眾都對國家衛健委新增無痛分娩試點的決議予以支持，這也為政策的發布和下達提供了輿情參考。

（四）2-模網絡點度中心性分析

表示兩種不同數據集節點之間的從屬關系的復雜網絡稱為2-模復雜網絡 （2-mode）。2-模復雜網絡中存在著兩種類型的節點：一類節點稱之為行為者（actors），即本網絡中的評論者；另一類節點稱之為事件 （events），即本網絡中的標題。中心性是社會網絡圖進行實證分析的重要指標，它主要用于探索網絡中某節點或某子群的權力，即探測該節點或社群處在什么樣的中心位置。因此，探測社會網絡實證分析的中心性離不開三種中心性指標：其一是表示節點之間的直接聯系程度的點度中心性；其二是探測網絡圖中的某個節點承擔中介作用的中間中心性；其三是表示節點之間的平均最短路徑的接近中心性。在本研究的2-模網絡中，本文著重分析該網絡的點度中心性。

點度中心性表示節點與其他節點直接相連的程度。點度中心性越高，節點的中心性就越強，因而具有更大的權力。抽選點度中心度最高的前十位評論者，將數據整理成Excel文件并排序后，結果如下：

表1 點度中心性最高的前十位評論者

從分析結果中可以看出，點度中心度較高的帳號分別是：“順其自然”“火苗”“鄧”“途路中”“白樺林”“暴走蘿莉”等，較高的點度中心度說明上述用戶在信息傳播網絡的過程中擁有較大的權力。

五、結 語

（一）優化內容設計，挖掘隱藏受眾

文章內容是吸引讀者閱讀并提高讀者黏性的重要渠道，通過分析 《人民日報》“健康”專欄的情緒網絡圖可知，目前仍有許多只評論過一次的潛在讀者，因此，如何提高用戶黏度是 《人民日報》“健康”專欄亟待解決的問題。縱觀評論可發現，“健康”專欄的女性受眾比男性受眾多，并且女性受眾的情緒波動普遍比男性受眾大。因此，《人民日報》“健康”專欄需要在注重女性受眾市場的同時，開辟男性受眾市場，根據受眾的年齡段來優化內容設計，達到挖掘隱藏受眾、擴大內容市場的目的。

（二）建立網絡輿情預警系統，偵測輿情走向

輿情預警機制是為應對化解危機而采取的，是有效行動系統化、制度化的完整體系。在網絡信息與日俱增的當下，《人民日報》作為媒體的龍頭企業，要利用好“微信公眾號”這一平臺，了解和把握網絡輿情，特別是健康議題的網絡輿情的動向和發展趨勢，正面引導輿論，將惡意輿情及時扼殺在搖籃中。此外，靈敏高效的“報—政聯動體系”，能夠使政府對網絡中潛在的輿情風險開展高效識別，并盡可能快速地對輿情信息進行高效率的反應以及高質量的報送，以便在輿情控制工作中占據主導優勢。

（三）增強互動，提升受眾對公眾號的認同感

“微信公眾號”是紙質媒體加強和讀者互動的良好途徑之一。然而，微信公眾號的讀者之間無法互相評論，以及一些媒體推送內容時較少重視讀者的閱讀感受和體驗，造成了讀者之間交流不暢以及讀者對公眾號認同度不高的問題。《人民日報》可以對公眾號中自動回復的功能加以利用，這樣不僅可以讓信息得到反復傳遞，還可以增加用戶的互動，讓受眾得到更好的體驗，進而提升用戶黏度和對公眾號的認同感。