近十年我國圖書情報學領域網絡輿情研究方法應用分析

黃茜茜　楊建林

摘要：[目的/意義]通過梳理近十年我國圖書情報學領域網絡輿情研究方法應用情況，輔助研究人員準確認識和選擇方法，為后續研究提供參考借鑒。[方法/過程]本文使用文獻計量、聚類分析、網絡分析等多種方式從“時間—方法”“主題—方法”“作者—方法”“方法—方法”4個維度展開分析;接著，總結了各研究方法的適用場景、應用條件和應用效果;最后，對方法使用過程中的問題作簡要評述，并預測了未來輿情研究的發展趨勢。[結果/結論]研究表明，網絡輿情研究方法從以定性分析方法為主到以知識發現方法、仿真建模方法等智能方法為主;輿情傳播演化、監測預警、治理引導三大研究主題各有其適用方法;高頻作者主要使用人工智能、網絡分析、仿真建模3類方法;研究中知識發現方法最常與其他方法共同使用;方法應用過程在數據收集、數據分析、結論應用三方面仍存在不足。

關鍵詞：網絡輿情;研究方法;圖書情報學領域;主題分析;聚類分析;共現分析

DOI：10.3969/j.issn.1008-0821.2022.07.015

〔中圖分類號〕G255〔文獻標識碼〕A〔文章編號〕1008-0821（2022）07-0167-11

Analysis of the Application of Research Methods on Online Public Opinion in

Domestic Library and Information Science in the Last DecadeHuang Xixi Yang Jianlin

（1.School of Information Management，Nanjing University，Nanjing 210023，China;

2.Jiangsu Key Laboratory of Data Engineering and Knowledge Service，Nanjing 210023，China）

Abstract：[Purpose/Significance]Combing the application of online public opinion research methods in the field of domestic library and information science in the last decade can assist researchers in accurately understanding and selecting methods，and provide reference for subsequent studies.[Method/Process]The paper used bibliometric method，cluster analysis，network analysis and other methods to carry out analysis from four dimensions of“time-method”“subject-method”“author-method”and“method-method”.Then，application scenarios，application conditions and application effects of each research method were summarized.Finally，the paper briefly reviewed some problems in the application of the method，and forecasted the development trend of public opinion research in the future.[Result/Conclusion]The results show that the research methods are gradually changed from qualitative analysis to intelligent methods;The three major research topics have their own applicable methods;High-frequency authors mainly use artificial intelligence，network analysis and simulation modeling;The knowledge discovery method is most often used together with other methods in the current research;The application process of the method still has shortcomings in data collection，data analysis and conclusion application.

Key words：online public opinion;research methods;library and information science;topic analysis;cluster analysis;co-occurrence analysis

截至2021年6月，中國網民規模達10.11億，互聯網普及率達71.6%[1]，上網已成國民常態。由于互聯網具備用戶非實名、發言零成本、信息傳播快等特點，網民們傾向于在網上就突發事件、社會現象等公眾事件輸出個人觀點和立場，爆發式的評論常導致網絡輿情的發生。而網絡輿情是一把雙刃劍，雖能讓所討論事件獲取高曝光度，但更多時候輿情中充斥著大量負面言論，甚至以惡意扭曲事實真相博人眼球，營造恐慌氣氛，污染網絡環境，危害程度不容小覷。近些年，隨著媒體技術的不斷發展，我國網絡輿情事件的爆發頻率與日俱增，且逐漸呈現擴散速率加快、演變過程復雜、情緒過于極端等新特征，進一步加劇負面社會影響[2]，給相關部門的網絡安全管理工作帶來巨大挑戰。這一問題亦引發學界的廣泛關注，計算機科學、新聞傳媒學、社會政治學、圖書情報學等諸多學科領域已圍繞網絡輿情展開研究，研究內容覆蓋面頗廣。已有研究表明，圖書情報學領域是涉足輿情研究較有代表性的隊伍之一，輿情主題論文發文量最多[3]，故本文選擇聚焦于該領域展開分析。729B0DE7-DCDD-4219-8A32-ABED2DCB2662

圍繞繁雜多樣的輿情信息展開分析研究可視為一種情報分析過程[4]，而情報分析是情報工作的核心，它是一套方法論和認知過程，推動情報實踐工作中的其他一切[5]。其中，研究方法在情報分析中起著舉足輕重的作用，是促進學科領域發展的重要推動力[6]。由此，本文以研究方法為出發點，通過梳理總結我國圖書情報學領域輿情分析研究方法的應用現狀，以期輔助研究人員全面深入地認識和高效準確地選擇方法，為開展后續研究提供參考借鑒。

1數據處理

1.1數據來源及范圍

為了獲取更全面、更準確的文獻檢索數據，本文以南京大學中文資源發現系統為檢索數據庫，已知該庫所藏文獻為知網、萬方、維普、超星等數據庫資源的并集。設定主題詞為“輿情”，時間跨度為2010—2021年，選擇CSSCI收錄的圖書情報學領域學術期刊發表的相關文獻，共計1 373篇。為保證研究數據的可靠性，再進一步對檢索數據展開人工篩選，刪除不符合研究目的的文獻，如綜述、書評、主持人導語、序言等，最終共計1 147篇，如表1所示。

1.2分析方法編碼

本文將各文獻摘要中所提及的研究方法視為其主要使用的方法，通過編寫Python代碼，利用正則匹配方法從摘要中提取研究方法，再對提取結果進行人工校驗、修正和補充。其中，若摘要中未直接提及研究方法，則通過閱讀文獻后再人工增添數據記錄。

由于存在多篇文獻對同一方法的表述不同，多種方法可能隸屬于更高層次方法等問題，后續難以有效開展量化分析，因此，本文認為非常有必要引入情報學方法體系對所提取的研究方法進一步歸類整理。

目前，情報學界還未有公認的方法體系，眾多學者仍在持續不斷地探索更為強大完善的分類方法[7]，現有成果大體有“層次說”“流程說”“功能說”等。王靜宜等在已有成果的基礎上，在方法之間的層次以及同一層次方法之間的內在邏輯聯系上進行了更深入的探討，他們認為情報分析方法具有層次性，且有必要厘清和科學劃分方法的上下位類、從屬關系，由此提出了一個更細粒度、更針對性的情報分析方法類型劃分框架[8]，本文在此框架基礎上提出如下輿情研究方法編碼依據，如表2所示。

基于以上框架，每篇文獻的每個方法都將擁有唯一編碼，為了提高編碼工作的信效度，本文采用自動化與人工結合的編碼方式：首先，將上述方法分級框架編制成詞典，利用正則模糊匹配的方式為每個提取出的方法自動編碼;接著，篩選出錯誤歸類、失敗歸類的方法，通過人工判斷賦予其編碼。各項一級研究方法的文獻數統計結果如圖1所示。

1.3研究主題分類

我國圖書情報學領域的網絡輿情研究內容涵蓋面十分廣泛，涉及基礎理論研究、現象分析研究、實踐應用研究等多方面[9]，其中不同研究方向各有其適用方法，不應混為一談。由此，本文對所有文獻的研究主題進行更細致的劃分歸類。

關鍵詞往往能反映文獻的核心研究主題，故本文選擇關鍵詞作為研究主題劃分的數據來源。具體劃分過程如下：首先，統計所有文獻的關鍵詞詞頻并降序排序，提取排名前80的關鍵詞;接著，人工剔除表示研究方法技術、研究對象等的關鍵詞，僅保留與研究主題、研究目的有關的有效關鍵詞，共計32個;最后，計算所選關鍵詞的共現矩陣，對其進行中心性計算并得到中間中心度排名，基于此結果人工對關鍵詞進行分類，共得到輿情傳播與演化、輿情監測與預警、輿情治理與引導三類主題。

每篇文獻將被歸于唯一研究主題，若某篇文獻涉及多個研究主題，則將其歸類為首要研究主題下。為了提高研究主題歸類工作的信效度，采取與研究方法編碼過程類似的方法：首先，通過正則匹配自動對每篇文獻主題歸類;接著，再通過人工校驗錯誤、失敗歸類的情況，進一步詳閱題錄信息后再給定研究主題，最終各研究主題文獻量統計情況如表3所示。

其中，輿情傳播與演化重點關注輿情傳播模式和機理，以及輿情生命周期中網民情感、關注話題的演化特征，洞察輿情發生本質能為輿情監管工作提供有力支撐;輿情監測與預警聚焦于輿情發展走勢監控、異常點預警等任務，旨在能有效降低輿情危機發生概率;輿情治理與引導主要圍繞輿情危機應對策略、輿情治理方法論等內容展開分析研究，以期輔助管理者以更高效的方式維護輿情健康生態環境。

1.4本文研究方法

本文結合文獻計量法和內容分析法為每篇文獻的研究方法編碼并進行定性定量結合分析：首先，采用統計分析法計算各研究階段下方法使用比重，同時結合文獻實例展開分析;接著，利用文獻調研法分析各研究主題下方法的使用情況;然后，結合聚類分析和定性分析兩種方法對核心作者的主要使用研究方法進行梳理與對比;最后，使用Gephi繪制研究方法共現網絡圖，并結合詳細文獻對分析結果進行解讀。

2結果分析

2.1“時間—方法”應用分析

本文對各研究主題的發文量進行逐年統計，并繪制了趨勢圖，如圖2所示。從圖中可以看出，文獻篇數整體呈上升趨勢，表示我國圖書情報學領域越來越重視輿情分析方向。其中，輿情傳播與演化、輿情監測與預警這兩項研究主題的增速明顯高于輿情治理與引導這一主題，說明圖書情報學學者更偏向于針對輿情事件本身的演變規律等內容展開分析工作，而對事后引導與管理方面的關注度相對稍低。

本文基于年發文量增速將我國圖書情報學領域輿情研究歷程進一步劃分為萌芽期、爆發期、穩定期3個研究階段，如圖2所示，并以二級方法為基本單位，統計了各階段方法的使用情況，結果如表4所示。

以下對各研究階段的方法使用情況進行簡要闡述：

1）萌芽期（2010—2012年）。這一時期為圖書情報學領域輿情研究的起步階段，雖然發文量相對較少，但側重于對輿情相關概念內涵及基本要素間邏輯關系的構建和梳理，其成果為后續研究提供了良好的理論基礎。此階段以定性分析方法為主，如曹效陽等[10]利用概念分析法對網絡輿情的層次結構、物理結構、邏輯結構進行了概念內涵界定，并在此基礎上構建網絡輿情特征模型，為網絡輿情監控工作提供支持;陳強等[11]利用哲學方法和多案例研究法對網絡輿情泛化現象的概念和成因進行闡述，并對此提出應對之策。729B0DE7-DCDD-4219-8A32-ABED2DCB2662

2）爆發期（2013—2017年）。這一階段是輿情研究的快速發展期，年發文增速相比上一階段有顯著提升。與萌芽期側重于基礎理論探討不同，爆發期的研究主題更偏向于輿情的傳播演化規律分析以及監測預警方式探討，因此網絡分析法、統計分析法、數學分析法等定量研究方法的占比開始攀升。如譚雪晗等[12]利用社會網絡分析法篩選出網絡輿情中關鍵信息發布者和關鍵事件關注者兩類用戶，并提出以關鍵用戶為中心的輿情治理策略;夏一雪等[13]通過構建微分方程來表示網絡輿情信息交互過程，并利用數值模擬仿真進行輿情信息交互趨勢預測實證研究。

3）穩定期（2018—2021年）。這一時期可視為圖書情報學領域輿情研究的成熟階段，發文量呈輕微波動，大體趨于穩定。近些年隨著互聯網的飛速發展，網絡輿情數據量早已不可同日而語，因此該階段更偏向于利用新興計算機技術對輿情展開研究，機器學習、文本挖掘等方法的使用頻次具有壓倒性的優勢。如單曉紅等[14]利用文本挖掘方法構建事理圖譜以實現網絡輿情演化路徑的可視化;吳江等[15]利用聚類分析、時差相關分析等方法挖掘輿情生命周期中各階段的意見領袖，并探究其對大眾情緒的引導作用。

2.2“主題—方法”應用分析

不同研究主題的研究內容側重點有所不同，所適用的方法也不盡相同。因此，本文對不同研究主題下的方法使用情況進行歸納分析。

2.2.1主題一：輿情傳播與演化

從上節的文獻數分布可以看出，輿情傳播與演化一直是圖書情報學領域輿情研究關注的重點，這一主題主要包含以下兩個研究內容：

1）輿情的傳播模式及傳播規律。由于輿情傳播是一個復雜、抽象、不可視的過程，難以直接對其展開分析，因此許多學者致力于構建盡可能貼合現實場景的輿情傳播模型，并在此基礎上對傳播模式、傳播規律等進行剖析。常用的研究方法有利用多主體仿真建模[16]、系統動力學[17]等仿真模擬技術構建輿情傳播模型模擬現實狀況;利用社會網絡分析[18]、無標度網絡[19]等網絡分析法分析輿情傳播的網絡結構等。

2）主題、情感等要素的演化過程。在輿情生命周期中，熱點主題、網民情感等要素往往會隨著輿情態勢的發展而改變，如何準確地描述和把控它們的演變路徑和規律是圖書情報學學者們的重點研究方向之一。面對錯綜復雜的演化數據，研究人員常使用文本挖掘[20]、貝葉斯網絡[21]、隱馬爾可夫模型[22]等知識發現方法從輿情大數據中提取信息并進行演化分析;或是通過構建動態博弈模型[23]、概率數學模型[24]等數學分析法來對輿情各要素的演變過程進行數值模擬。

2.2.2主題二：輿情監測與預警

相較于輿情傳播演化主題，輿情監測與預警的研究更側重于對輿情狀況的實時跟蹤或提前預測，這一主題主要包含以下兩個研究內容：

1）輿情分級預警及評估指標體系建立。不同發展程度的輿情事件可能需要不同等級的應對方式，而這往往需要管理者能及時、合理地評估輿情的發展狀態，因此學者們持續不斷地探索著有效劃分輿情的方式。如利用灰色關聯分析[25]、支持向量機模型[26]等數據挖掘方法實現輿情自動分級;使用灰色模糊評價法[27]、灰色預測模型[28]、神經網絡[29]等方法構建輿情預警模型;采用層次分析法[30]、主成分分析法[31]、文獻調研法[32]等定性定量結合方法構建輿情評估指標體系。

2）輿情熱度測算、發展趨勢預測。對輿情熱度和發展趨勢的精準測算，有助于管理人員實時掌握輿情發展態勢，并適時展開防控布局。為了獲得更佳的測度效果，研究人員多采用智能化方法，如利用神經網絡[33]、邏輯斯蒂回歸[34]等機器學習模型預測輿情熱度趨勢;基于系統動力學[35]仿真建模實現輿情熱度演化的測算;使用QCA方法[36]剖析輿情熱度生成機理等。

2.2.3主題三：輿情治理與引導

及時有效的治理和引導措施有助于抑制輿情事件的進一步惡化，防患于未然。圖書情報學領域對輿情治理與引導的研究內容主要涵蓋輿情危機應對策略、輿情引導機制、輿情管理方法、信息服務工作評價等方面，常結合案例分析法、質性分析法等實證研究方法與統計分析法、數學分析法等定量研究方法。如采用案例分析法[37]歸納總結真實輿情事件的發展路徑，以探討輿情危機的應對策略;利用扎根理論[38]對輿情文本展開質性分析，探索輿情形成機制并總結引導工作的不足;通過層次分析法、建立數學模型等構建信息服務評價指標[39]。

2.3“作者—方法”應用分析

某研究領域內核心作者的研究內容往往能反映該領域的研究趨勢，對研究方法的選擇則體現了主流知識的組合模式[40]。因此，分析核心作者的主要研究方法使用情況在一定程度上能為后續相關內容研究者起到指導作用，進而推動該領域的正向發展。

首先，本文對各位學者的發文量進行統計并降序排序，將前20名的學者視為高頻核心作者;接著，統計每位核心作者使用每類一級研究方法的頻次（若使用頻次小于3次，將使用頻次置0，即認為該方法不是該作者的主要研究方法），得到“高頻核心作者—主要研究方法”矩陣;最后，將矩陣導入SPSS中進行系統聚類，結果如圖3所示。

本文結合作者具體使用方法及研究內容的明細數據，對上述聚類結果進一步整合，將核心作者劃分為5組，如表5所示，其中，以蘭月新、陳福集等為代表的學者在輿情傳播和輿情演化兩方面均有較多研究，主要使用機器學習、數據挖掘、文本挖掘、仿真建模等智能化研究方法;朱恒民、魏靜、趙丹所研究內容更側重于分析輿情信息傳播網絡結構，故相比于上組作者，更多使用社會網絡分析、復雜網絡分析等網絡分析法;李綱、李昊青等為代表的學者與黃微、夏一雪等為代表的學者研究內容均偏向于輿情事件演化，如情緒演化、話題演化、關注度演化等，但是前組作者常結合知識發現方法與網絡分析法從探尋網絡結構出發，而后組作者多結合知識發現方法與實證分析法從現實案例出發。729B0DE7-DCDD-4219-8A32-ABED2DCB2662

2.4“方法—方法”共現分析

一項研究的不同分析環節常需使用不同的方法來合作完成，通過對研究方法的共現分析，能為后續相關研究的方法選擇組合帶來新思路。本文將計算好的一級方法共現三元組導入Gephi，繪制如圖4所示網絡圖（僅保留共現頻次大于等于5的連線），其中，各節點代表一級研究方法，節點大小代表其中心性，連線粗細代表方法間共現頻次。

從圖中可以發現，在實證研究方法中，常作為數據收集方法的調查法最常與其他數學類、智能類分析方法結合使用，例如陽長征[41]通過問卷調查法收集網民在輿論中的心理及行為數據，再利用結構方程模型分析數據以探索網絡場域情境對輿情偏差的影響;劉建準等[42]利用問卷調查網民關注網絡集體事件相關數據，再利用文本挖掘、語義結構分析等方法展開分析，于網民信息感知特征方面獲得若干結論。

對于數據分析方法而言，知識發現方法處于絕對的核心地位，常與多項其他研究方法結合使用。如在輿情傳播演化、監測預警類研究中，研究人員常結合仿真建模法、統計分析法對傳播規律、演化路徑、趨勢預測等內容展開分析。

此外，“數學分析法—仿真建模法”“仿真建模法—網絡分析法”“網絡分析法—統計分析法”也是常見的方法組合搭配。

3輿情研究方法應用情況總結

基于上節分析結果，本文對各類研究方法的應用情況進行了總結，以期為后續輿情研究方法選擇提供理論指導，具體包含適用場景、應用條件、應用效果3個方面，如表6所示，可將表中研究方法的來源大致分為統計學和闡釋學兩類，其中：

1）源于統計學的方法（如數學分析法、統計分析法、知識發現方法等）適用于對大樣本量輿情數據展開高效智能的研究，典型應用場景有輿情主題挖掘、熱點話題演變、危機預測等。為了有效使用這類方法，研究人員常需構建或使用模型、算法等來描述抽象的輿情現象，有時可能還需使用一些統計分析軟件、網絡分析軟件、仿真建模軟件等。統計學方法能將抽象的輿情現象或非結構化輿情數據轉變為可操控、可描述的形式，但在使用該類方法時應注意對誤差項的解釋，以及應結合輿情事實對量化分析結果展開更深入分析。

2）源于闡釋學的方法（如質性研究法、案例研究法、哲學分析法等）更適合用于研究中小樣本量的輿情數據，適用場景涉及探究輿情政策變化、網民傳播行為變化等研究問題。這類方法通常需要研究人員具備強大的邏輯推演能力、概念分析能力，以及扎實的輿情分析知識和經驗積累。通過使用這些方法有助于發現許多容易被統計學方法忽視的輿情特殊現象，但在使用時需注意數次保證數據處理環節的信度和效度、分析過程避免介入過多主觀偏差、檢驗分析結論的普遍性和推廣性等。

4評述與展望

4.1研究現狀評述

近些年，我國圖書情報學領域的輿情研究已取得長足發展，尤其在研究方法的應用情況上實現了許多創新和突破，但在研究開展的過程中仍存在一些關鍵問題。

1）研究數據來源有限，數據形式單一，數據質量難以得到保證

在數據收集環節，近年多采用網絡爬蟲、問卷調查、文獻調研等方法，其中網絡爬蟲最為常見，這就導致輿情研究十分依賴于網絡公開數據。在數據來源上，由于數據權限問題，研究數據多為單源數據，數據完備性亟待提升;在數據類型上，多數研究僅聚焦于文本，而對圖像、視頻等其他模態數據涉及較少;在數據質量上，自行爬取的輿情文本可能充斥著大量水軍、機器人的發言，即未必代表真實網民的實際想法，導致輿情文本研究數據的準確性、真實性難以得到保障。

2）研究過程多停留在數據分析層面，未達到真正的情報分析深度

目前，國內圖情領域輿情研究方法使用趨勢以知識發現法、仿真建模法、數學統計法等定量分析方法為主。然而，在方法使用過程中，一些關注點的偏移導致研究結論多停留在數據分析層面，而未達到情報分析的深度。例如，為了提升模型準確度，一味追求大數據，但情報分析更看重全源數據，故還需對輿情數據關聯與融合更加關注;以及現有輿情研究對數據分析后的產出智能階段有所忽略，而這一階段多以歸納推理、演繹推理等方法為主，需要研究人員能洞察輿情本質，進而實現對所得知識的進一步升華，真正達到輿情情報分析的深度。

3）研究成果偏學術化與理論化，難以真正落地實施

算法類、建模類等智能分析方法在將輿情研究帶入新高度的同時，也容易導致研究結論偏理想化。例如，在通過建模模擬輿情傳播場景時，受限于分析復雜度及運行設備條件等因素，常會對現實情況進行簡化;在采用機器學習、深度學習等方法構建監測預警模型時，多基于靜態數據開展，致使研究結論存在滯后性，未實現真正的動態分析;目前有關輿情治理引導對策的研究多從管理學、傳播學角度出發，而并未與傳播演化、監測預警等技術導向的輿情研究相結合，導致技術與治理處于相對割裂的狀態，研究內容有待進一步優化。

4.2研究趨勢展望

基于前文對輿情研究方法應用情況的分析與總結，以及現有輿情研究不足之處的簡要評述，本文進一步對網絡輿情研究的發展趨勢進行了展望。

在輿情傳播與演化方面，知識發現方法、仿真建模法、網絡分析法等智能分析方法的使用頻次逐漸攀升，如何基于多模態、多平臺、多案例的網絡輿情大數據，從不同場景、不同角度出發，將網絡輿情傳播規律、演化特征、影響機制具象化將是當下研究的主要趨勢。

在輿情監測與預警方面，學者們逐漸傾向于使用機器學習、深度學習、計算機數值模擬等方法技術搭建準確度高、泛化能力強的預測監控模型，日后將更聚焦于輿情發展走勢動態監測、輿情網民情感識別分析、輿情危機預測及響應等方面的研究。

在輿情治理與引導方面，采用內容分析法、案例研究法、哲學方法等定性方法研剖輿情內容和搭建方案策略，再結合知識發現方法、統計分析法等定量方法歸納與驗證管制效果，用以探尋真正貼合實情、可落地實施的網絡輿情應急引導策略、風險管理模式、治理效率評估體系等管控機制正成為未來的研究熱點。729B0DE7-DCDD-4219-8A32-ABED2DCB2662

參考文獻

[1]中國互聯網絡信息中心.第48次《中國互聯網絡發展狀況統計報告》[R].北京：中國互聯網絡信息中心，2021.

[2]馬寧，劉怡君，廉瑩.突發事件輿情風險研究文獻綜述[J].情報雜志，2019，38（6）：88-94.

[3]朱張祥，劉佳培.基于CSSCI圖情領域網絡輿情研究的知識圖譜分析[J].圖書情報導刊，2020，5（3）：50-59.

[4]徐敏.大數據環境下情報學在網絡輿情研究中的作用[J].圖書情報研究，2016，9（2）：12-18，52.

[5]楊建林.“總體國家安全觀”思想對情報方法研究的影響[J].現代情報，2020，40（3）：3-13，37.

[6]李博聞，章成志.我國情報學研究方法研究綜述[J].情報理論與實踐，2019，42（2）：1-6，37.

[7]李博聞，章成志.我國情報學研究方法體系構建研究的轉向突破[J].情報理論與實踐，2020，43（6）：37-43.

[8]王靜宜，徐敏，祝振媛，等.情報分析中的方法應用研究[J].情報理論與實踐，2020，43（1）：33-41.

[9]王曰芬，吳鵬，丁晟春，等.社會輿情分析研究與進展綜述[J].情報學進展，2016，11（00）：132-185.

[10]曹效陽，曹樹金，陳桂鴻.網絡輿情的結構與網絡特征分析[J].情報科學，2010，28（2）：231-234，238.

[11]陳強，王雅蕾，王國華.高校突發事件網絡輿情泛化現象研究[J].情報雜志，2011，30（5）：6-9.

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

[13]夏一雪，蘭月新，劉冰月，等.大數據環境下網絡輿情信息交互模型研究[J].現代情報，2017，37（11）：3-9，16.

[14]單曉紅，龐世紅，劉曉燕，等.基于事理圖譜的網絡輿情演化路徑分析——以醫療輿情為例[J].情報理論與實踐，2019，42（9）：99-103，85.

[15]吳江，趙穎慧，高嘉慧.醫療輿情事件的微博意見領袖識別與分析研究[J].數據分析與知識發現，2019，3（4）：53-62.

[16]陳春陽，黃秀玲.微博輿情的生成機制和傳播規律研究[J].情報科學，2018，36（4）：32-37.

[17]鄧建高，張璇，傅柱，等.基于系統動力學的突發事件網絡輿情傳播研究：以“江蘇響水爆炸事故”為例[J].數據分析與知識發現，2020，4（Z1）：110-121.

[18]姚樂野，吳茜，李明.新冠肺炎疫情微博輿情傳播的網絡結構分析[J].圖書情報工作，2020，64（15）：123-130.

[19]郭耿，陳福集，陳蕾雯.基于觀點模糊相似度的微博輿情演化研究[J].情報科學，2020，38（1）：82-86.

[20]王家輝，夏志杰，王詣銘，等.基于句法規則和社會網絡分析的網絡輿情熱點主題可視化及演化研究[J].情報科學，2020，38（7）：132-139.

[21]張志霞，郝紋慧，張二雙.網絡輿情驅動下突發事件情景推演研究[J].情報科學，2020，38（5）：141-147.

[22]何建民，李雪.面向微博輿情演化分析的隱馬爾科夫模型研究[J].情報科學，2016，34（4）：7-12.

[23]楊陽，王杰.情緒因素影響下的突發事件網絡輿情演化研究[J].情報科學，2020，38（3）：35-41，69.

[24]夏立新，畢崇武，梅瀟，等.基于事件鏈的網絡輿情事件演化研究[J].情報理論與實踐，2020，43（5）：123-130.

[25]楊柳，羅文倩，鄧春林，等.基于灰色關聯分析的輿情分級與預警模型研究[J].情報科學，2020，38（8）：28-34.

[26]楊爽，陳芬.基于SVM多特征融合的微博情感多級分類研究[J].數據分析與知識發現，2017，1（2）：73-79.

[27]陳培友，侯甜甜.基于ANP—灰色模糊的社交網絡輿情風險預警研究——以“重慶公交墜江事件”為例[J].情報科學，2019，37（5）：115-120.

[28]彭程，祁凱，黎冰雪.基于SIR-EGM模型的復雜網絡輿情傳播與預警機制研究[J].情報科學，2020，38（3）：145-153.

[29]張鵬，蘭月新，李昊青，等.突發事件網絡謠言危機預警及模擬仿真研究[J].現代情報，2019，39（12）：101-108，137.

[30]張艷豐，李賀，彭麗徽，等.基于語義隸屬度模糊推理的網絡輿情監測預警實證研究[J].情報理論與實踐，2017，40（9）：82-89.

[31]王靜茹，金鑫，黃微.多媒體網絡輿情危機監測指標體系構建研究[J].情報資料工作，2017（6）：25-32.

[32]張雪梅，王友翠.多媒體網絡輿情衰退期形成的評估指標體系構建研究[J].情報科學，2020，38（6）：110-115，177.

[33]陳福集，肖鴻雁.基于改進ABC-BP模型的網絡輿情熱度預測研究[J].圖書館學研究，2018（9）：84-89，101.

[34]蘭月新，劉冰月，張鵬，等.面向大數據的網絡輿情熱度動態預測模型研究[J].情報雜志，2017，36（6）：105-110，147.

[35]姚晶晶，張雨燕.多主體視角下企業負面輿情熱度演化研究[J].情報理論與實踐，2020，43（8）：120-127，133.

[36]李晚蓮，高光涵.突發公共事件網絡輿情熱度生成機理研究——基于48個案例的模糊集定性比較分析（fsQCA）[J].情報雜志，2020，39（7）：94-100.

[37]王潤玨.信息時代的輿情特征與政府應對機制建設路徑研究[J].情報雜志，2019，38（7）：111-114，145.

[38]邢鵬飛，李鑫鑫.重大疫情防控中網絡輿情形成機制及引導策略研究——基于新冠肺炎疫情期間網絡輿情文本的質性分析[J].情報雜志，2020，39（7）：67-74，158.

[39]金潞.生態系統視域下的圖書館政府輿情信息服務質量評價研究[J].圖書館學研究，2020，（13）：68-75，95.

[40]周娜，李秀霞，高丹.基于LDA主題模型的“作者—內容—方法”多重共現分析——以圖書情報學為例[J].情報理論與實踐，2019，42（6）：144-148，123.

[41]陽長征.危機事件中網絡空間場域情境對輿情偏差的影響研究[J].現代情報，2019，39（10）：46-57.

[42]劉建準，石密，劉春雷.網民群體對突發互聯網集體事件信息感知的語義圖譜研究[J].情報理論與實踐，2019，42（2）：158-163.

（責任編輯：郭沫含）729B0DE7-DCDD-4219-8A32-ABED2DCB2662