企業危機輿情主題與情感演化研究
——以“雙匯生產車間亂象”為例

龔 睿，王筱莉，朱 株，連卓毅

(上海工程技術大學 管理學院，上海 201620)

0 引言

目前關于企業危機輿情生成方面的研究，少數學者利用fsQCA 探究企業危機輿情的生成機理[3-4]。在企業危機輿情傳播影響因素方面，有些學者基于主體層面研究不同主體對企業危機輿情傳播的驅動作用[5]，部分學者基于行為層面分析不同干預措施對企業危機輿情傳播的影響[6-7]。在企業危機輿情應對方面，學者們主要從應對效果、應對策略等角度對企業危機輿情進行研究。在輿情應對效果研究中，大多學者采用實證分析法[8]和構建指標體系[9]探究輿情應對效果。在輿情應對策略的研究中，部分學者基于系統動力學理論對輿情傳播機制進行分析，并在此基礎上提出輿情應對策略[10-11]。隨著研究的不斷深入，部分學者將微博文本與企業危機輿情應對策略相結合，探究輿情主題與網民情感變化規律，并在此基礎上提出輿情應對策略[12]。

綜上所述，學者們從不同角度針對企業危機輿情進行了大量研究并取得豐碩成果。但針對企業危機輿情探究主題與情感演變規律的研究還相對較少，且在現有的研究中學者們較少通過知識圖譜整體展示輿情各階段網民討論熱點，也較少使用情感圖譜深入探究輿情情感演變規律揭示意見領袖對網民情感的影響機制。基于此，在現有研究基礎上，本文考慮生命周期理論，融合知識圖譜與情感圖譜構建企業危機輿情主題與情感演化模型，并以“雙匯生產車間亂象”事件為例進行實證分析，以此來揭示企業危機輿情主題及情感演化規律并了解意見領袖對網民情感的影響，為企業危機輿情治理提供理論依據。

1 企業危機輿情主題與情感演化模型構建

本文以企業危機輿情為研究對象，基于生命周期理論，融合知識圖譜與情感圖譜構建企業危機輿情主題與情感演化模型，如圖1 所示。

圖1 企業危機輿情主題與情感演化分析模型

該模型主要由數據獲取及預處理、輿情階段劃分、演化分析三個環節組成。

1.1 數據獲取及預處理

通過分布式爬蟲框架Scrapy 爬取企業危機輿情相關微博及評論文本數據并對文本數據進行預處理，包括刪除重復項使用Jieba 分詞腳本和自定義詞典進行分詞、去停等，得到實驗語料庫。

1.2 輿情階段劃分

基于生命周期理論，結合輿情發生的時間和傳播趨勢，將輿情劃分為突發期、爆發期和消退期三個階段。同時將實驗語料庫按照輿情階段劃分為三個階段實驗語料庫。

1.3 演化分析

該環節基于各階段實驗語料庫進行各階段高頻關鍵詞知識圖譜構建、主題挖掘和情感分析，內容如下：

2.循環訓練法。此訓練法將數種練習按一定順序安排，嚴格控制，使身體一直處于疲勞狀態下，以發展多部位力量耐力訓練。一般采用4～5個部位練習循環4～6組，每組間歇4～6秒，訓練間歇2～3分鐘。除了發展快速力量耐力外，對運動員內臟功能也有良好影響，也可提高練習興趣。

(1)高頻關鍵詞知識圖譜構建。首先基于實驗語料庫統計詞語詞頻并結合TF-IDF 算法計算詞語權重，提取各階段高頻關鍵詞。

其中，tfidf 是評估詞語重要性的加權方法，tf 指詞詞頻，idf 指逆詞頻。

其次，用共詞分析法構建各階段共現矩陣，利用Gephi 軟件繪制各階段高頻關鍵詞知識圖譜。整體把握網民的關注熱點且綜合認識網民討論內容，并了解高頻關鍵詞在輿情事件中的地位及相互間的關系。其中，共現矩陣計算公式見式(4)，當詞a 和詞b 同時出現在一句話中，則表示詞a 和詞b 之間有共現關系并形成一條連邊，其邊的權重加1，反之兩個詞之不存在共現關系，即邊的權重為0[13]。

(2)LDA 主題挖掘。基于實驗語料庫利用LDA主題模型進行各階段主題挖掘。LDA 模型結構如圖2所示。生成文檔步驟如下：①計算文檔-文檔話題分布，針對所有文檔進行采樣，選擇參數為α 的狄利克雷分布，分布結果Qm～Dir(α)，m∈[1，M]；②計算單詞-話題分布，針對所有話題進行采樣選擇參數為β 的狄利克雷分布，分布結果Qm～Dir(β)，m ∈[1，M]；③針對第m 篇文檔的第n 個詞，從Qm中抽取一個話題Zm，n，使Zm，n～Muliti(Qm)，從φk中采用詞wm，n，使wm，n～Muliti(φk)。其中，Muliti(Qm)是Qm的多項分布，Muliti(φk)是φk的多項分布。

圖2 LDA 模型結構

(3)情感分析。該部分主要包括各階段情感傾向占比分析和各階段情感圖譜繪制。首先，利用樸素貝葉斯分類器對各階段實驗語料庫進行情感分類。其描述過程如下：①設x={a1，a2，…，am}，其中a 為x的某個特征屬性；②有類別集合C={y1，y2，…，yn}；③計算P(y1|x)，P(y2|x)，…，P(yn|x)；④若存在P=(yk|x)max{P(y1|x)，P(y2|x)，…，P(yn|x)}，則x∈yk。

其中步驟③為整個計算過程中的關鍵步驟，該步驟無法直接計算得出條件概率，因此需要對訓練集中各屬性各特征屬于各類別的條件概率進行統計。即：

其次，根據各階段文本情感分類結果確定發表該文本的用戶的情感傾向，通過Python 提取各階段用戶間的轉發評論關系，以微博用戶為節點，用戶之間的轉發以及評論關系為邊[14]，利用Gephi軟件繪制各階段情感演化圖譜進行可視化情感演化分析。

2 實證分析

2.1 數據獲取與輿情階段劃分

考慮到微博平臺的高影響力和高關注度，本文以“雙匯生產車間亂象”事件作為研究案例，基于微博平臺借助分布式爬蟲框架Scrapy 爬取與該事件相關的熱門微博及評論信息共獲取相關數據11 622條并進行預處理，最終得到7 874 條有效文本數據。依據生命周期理論，結合事件發生的時間以及傳播量等特征，將此次輿情事件劃分為三個階段：3 月14日突發期階段，共有343 條有效文本數據；3 月15日～3 月16 日爆發期階段，共有6 495 條有效文本數據；3 月17 日～3 月31 日消退期階段，共有1 009條有效文本數據。

2.2 高頻關鍵詞知識圖譜構建

本節通過TD-IDF 算法及詞頻統計提取各階段權重排名前300 且詞頻排名前100 的高頻關鍵詞構建知識圖譜，結果如圖3 所示。其中，詞語出現頻率越高節點越大，節點之間共現次數越多連邊越粗。

圖3 各階段高頻關鍵詞共現知識圖譜

由圖3 可知，在輿情整個時期，均是“雙匯”一詞為中心節點，其他關鍵詞向邊緣擴散。“雙匯”“火腿腸”“食品”“安全”“生產”“車間”“豬排”等詞聯線較粗共現明顯，這些關鍵詞圍繞此次輿情事件以及由雙匯事件所引發的食品安全問題，表明雙匯事件本身和食品安全問題是整個輿情期間網民的關注熱點。

2.3 LDA 主題挖掘

本節采用LDA 主題模型進行各階段主題挖掘，具體結果如表1 所示。

表1 各階段主題挖掘結果

由表1 可知，在突發期階段輿情討論內容三個主題。其中，TopicI-1 討論內容是雙匯集團之前存在的瘦肉精等問題；TopicI-2 是指雙匯生產車間亂象事件本身；TopicI-3 是網友對雙匯的批評與抵制。在爆發期階段，輿情討論內容在突發期討論內容的基礎上得到了豐富。雙匯生成車間亂象事件在突發期首次曝光，在爆發期階段網友對雙匯事件本身進行再次轉載(TopicII-2)。在宏觀層面，網民的主要關注點集中于監管部門對企業食品安全的監管力度和監管責任的討論(TopicII-3)以及食品安全問題的討論(TopicII-1)。從網民自身角度來看，由于在此次事件期間酸菜也被爆出食品安全問題，網民將火腿腸和泡面一起進行了討論(TopicII-5)。雙匯發展發布聲明進駐雙匯南昌生產車間進行調查、自查自糾，并發布了道歉聲明以及整改措施。因此聯合調查組入駐調查以及雙匯集團發布道歉聲明也是爆發期的主要話題(TopiII-6、TopicII-4)。在消退期階段，討論內容分為四類，分別為網民希望監管部門對于存在食品安全問題的企業及責任人進行嚴懲(TopicIII-1)、食品安全事件頻發的根源(TopicIII-2)、對雙匯所發布的道歉聲明和整改措施的不認同(TopicIII-3)對食品安全問題進行討論(TopicIII-4)。

通過對表1 中內容分析可知，部分話題會在相鄰的兩個階段連續出現受到網民持續性地討論，表明這些話題不僅是輿論熱點還是網民關切的問題。網民對雙匯事件本身持有不滿意的態度，并從監管力度、處罰力度、事件發生根源等方面對監管部門和國家法律提出質疑。雙匯集團對于此次輿情的應對效果并不好，究其緣由，從過去報道以及突發期挖掘結果可以發現雙匯集團曾發生食品安全問題導致網民對該集團失去信任。因此，企業以及相關部門可以實時監測輿情演變動態并根據輿情主題演化特征，針對各階段不同的熱點輿論采取合理及差異化的應對措施。

2.4 情感分析

2.4.1 情感傾向性分析

本節利用樸素貝葉斯分類器對微博文本進行情感分類，分類結果如表2 所示。

表2 各階段網民情感傾向占比

由表2 可知，在整個輿情期間，負向情感占主導地位占比為73%，而正向情感占比在整個輿情期間波動不明顯，表明在此次輿情中網民對食品安全問題的厭煩且在整個輿情傳播過程中有小部分網友能堅持自己的立場。結合主題挖掘結果，輿情突發期階段中性情感占比27%相對較高，是由于部分網民對微博報道進行一個轉載使得有些評論信息和微博沒有明顯的情感傾向。輿情爆發期階段，輿情事件得到了網友的廣泛參與，多數網友從雙匯事件本身上升到企業食品安全問題、監管問題，并對監管部門和雙匯集團發表了負面評論。在此期間酸菜也被爆出負面新聞，部分網友將兩者聯系在一起，更激發了網民對于企業食品安全問題的負面情緒，因此爆發期階段負向情感占比高達75%，在整個輿情演化周期中占比最高。在輿情消退期階段，負面情感由爆發期的75%下降到62%，中性情感由爆發期的17%上升到29%。此階段部分網友開始理智地探討食品安全問題頻發的根源，形成了負向情感向中性情感的轉變。

2.4.2 情感圖譜構建

為了更加深入地了解企業危機輿情情感演化規律并了解意見領袖對普通用戶情感的影響機制，本節進行情感圖譜繪制，如圖4 所示。其中小、中、大節點分布代表擁有負面、中性、正面情感的網民。輿情突發期，共有316 個節點、313 條邊，普通節點形成了一定的負面情感聚集。輿情爆發期，共有3 968 個節點、3 975 條邊，普通節點數量迅速增加，負面情感聚集現象更加集中，以媒體用戶為主的核心節點其影響力變大。輿情消退期，共有285 個節點、282 條邊。表明企業危機輿情的突發期和爆發期是輿情管控的關鍵時期。

圖4 各階段情感圖譜

從節點影響力來看，在輿情突發期，與微博紅人和媒體用戶相連的普通用戶節點數量差距不大；在輿情爆發期，與微博紅人相比，普通用戶與媒體用戶連接更多；在輿情消退期，與普通用戶節點相連的多為媒體用戶節點。表明在整個輿情傳播過程中，媒體用戶影響力最為顯著，微博紅人影響力略低于媒體用戶。從節點情感傾向來看，媒體用戶多為中性情感。微博紅人情感傾向多為負向。但多數普通節點與微博紅人情感類別一致，表明其情緒對社群內其他普通用戶的情感有較為直接的影響，容易引起普通用戶的情感共鳴。因此，在輿情管理中，應加強對微博紅人的輿論引導，以防其可能的不當言論，擴大事件影響力。

3 結論

本文基于生命周期理論，融合知識圖譜和情感圖譜構建企業危機輿情主題與情感演化模型。以“雙匯生產車間亂象”事件為例，采用知識圖譜、LDA 主題模型、樸素貝葉斯情感分類器和情感圖譜對輿情不同階段的網民關注熱點、討論主題和情感演變規律進行實證分析。通過實證分析得出結論：(1)隨著輿情的不斷演化，網民討論內容略有不同，但部分話題受到持續性討論。(2)網民情感變化與輿情主題演化規律相吻合。突發期階段開始產生負面情緒；隨著輿情的擴散負面情感在爆發期階段達到峰值；輿情消退期部分網民回歸理智負面情感較爆發期有所下降。(3)媒體用戶和微博紅人多為輿情傳播過程中的核心節點，媒體用戶的影響力略高于微博紅人，但普通用戶的情感容易受到微博紅人的影響。

本文僅選擇“雙匯生產車間亂象”事件進行分析，而不同企業危機輿情事件可能會存在差異，將多個案例進行對比研究，進一步深入探討企業危機輿情主題與情感演化規律將是接下來的研究重點。