情感社會學理論下突發(fā)公共衛(wèi)生事件中網民情感傾向研究

俞定國 孫學敏 朱 琳 劉良模

一、研究背景與問題

情感是預測網絡輿情的風向標，也是觸發(fā)輿情事件的重要因素。情感社會學家帕累托認為公共事件中情感對行動產生的作用及影響更大。［1］突發(fā)公共衛(wèi)生事件與人的生命安全息息相關，具有前兆性缺失、持續(xù)性誘發(fā)、不確定性、快速傳播等特點，容易造成公眾恐慌和焦慮，情感共鳴現(xiàn)象愈發(fā)強烈［2］，產生的影響不會只局限于個別群體或單獨區(qū)域，且話題中一旦含有虛假信息，極易引起輿情危機。情感傾向作為一種社會屬性對研究突發(fā)事件輿情傳播具有重要作用［3］。目前，輿情信息處理方法主要是利用深度學習從海量文本中挖掘情感信息，試圖建立適用于多類型事件的標準化模型，很少從情感社會學角度結合定量方法對情感本體作出深度解讀。本文將從三個方面進行探討：一是基于情感社會學理論，構建突發(fā)公共衛(wèi)生事件的輿情分析模型，為突發(fā)公共衛(wèi)生事件網絡輿情治理提供新思路；二是基于Word2Vec-BiLSTM神經網絡，以提高情感傾向的預測效果；三是在已構建模型與理論基礎上，從情感喚醒、認知歸因、情感移情三個維度展開分析。具體以吉林省新冠疫情為例，依據(jù)時間序列對事件中輿情主客體進行綜合分析，探究公眾情感變化特征，深度解讀情感本體與輿情事件之間的關系。

二、理論基礎與研究進展

（一）情感社會學理論研究進展

社會學對情感的研究主要著眼于情感和社會的互動關系。情感社會學作為社會學的分支已應用于網絡輿情研究，如彭廣林［4］認為網絡輿情研究應實現(xiàn)顯輿論轉向潛輿論、輿情本體轉向輿情主體、危機管理轉向綜合治理；余紅［5］等人基于情感社會學分析敏感熱點輿情的發(fā)生演化動力機制。本文基于情感社會學理論，從情感喚醒、歸因與移情構建面向突發(fā)公共衛(wèi)生事件的輿情分析模型。情感喚醒、歸因與移情是情感產生的要素，情感喚醒是經過外界刺激、主觀認知經驗，產生反應的心理狀態(tài)；歸因源于格式塔心理學，是一種認知基模不斷變化的過程，其結果會影響情感，是情感喚醒機制的前提；情感移情是一種情感聚集與情感擴散機制，因他人境遇映射產生的情感反應。

（二）情感分析研究進展

情感分析方法主要有情感詞典、機器學習及深度學習。基于情感詞典的分析方法通過構建情感詞典［6］實現(xiàn)情感極性劃分，但一些網絡用語和集外詞給情感詞典構建帶來不便，需要不斷更新擴展，耗費大量時間和精力。機器學習方法包括支持向量機［7］、樸素貝葉斯、隨機森林和深度森林，但該方法也存在一定缺陷，未能充分利用語義信息。因此，深度學習算法開始被廣泛應用于這一領域，該方法利用人工智能神經網絡深度挖掘語言知識，逐漸成為情感分析的主流方法。針對情感分析的研究不斷深入，一方面體現(xiàn)在算法的創(chuàng)新。目前，國內外學者創(chuàng)新混合的模型算法，可以有效彌補單一模型存在的不足，成為主流的情感分析模型。另一方面是其應用領域的延伸，如商品評論，股票預測及網絡社交媒體。

針對突發(fā)公共衛(wèi)生事件，構建Word2Vec-BiLSTM模型，從情感社會學理論視角分析突發(fā)公共衛(wèi)生事件輿情，為突發(fā)公共衛(wèi)生事件網絡輿情治理提供新思路。

三、網絡輿情分析模型

該模型由數(shù)據(jù)處理層、情感分析層與輿情分析層三部分組成。基于數(shù)據(jù)處理層得到規(guī)則化的文本數(shù)據(jù)；基于情感分類層預測情感傾向；基于時間序列結合生命周期理論、情感社會學理論進行輿情分析。模型結構見圖1。

圖1 突發(fā)公共衛(wèi)生事件網絡輿情分析模型

（一）數(shù)據(jù)處理層

在對網絡輿情分析前需要對獲取數(shù)據(jù)進行規(guī)則化處理。數(shù)據(jù)處理層是輿情分析的基礎環(huán)節(jié)，主要對文本進行清洗，包括去除無效文本、垃圾廣告、特殊符號、空格和表情符號；對文本進行分詞、停用詞過濾等。

（二）情感分類層

1.詞向量

將文本中對應的詞語以向量的形式表示。使用Word2 Vec詞向量訓練模型，基于SGNS（Skip-Gram with Negative Sampling）訓練的中文維基百科文本語料集合而成的詞向量,抽取生成本文語料的詞向量。

2.BiLSTM算法

長短期記憶神經網絡(LSTM)通過增加長期狀態(tài)Ct實現(xiàn)長期狀態(tài)信息的保存。LSTM由遺忘門ft、輸入門it及輸出門Ot組成，計算公式如①-⑥所示：

其中Wf、Wc、Wi與Wo代表權重，bf、bc、bi和bo代表偏置值。

（三）輿情分析層

基于情感分類層預測情感傾向是輿情分析的關鍵。學者在研究過程中一般引入生命周期理論，實現(xiàn)輿情傳播階段劃分。如任凱［8］等將輿情劃分為潛伏期、擴散期、爆發(fā)期、波動期和衰退期；宴敬東［9］等將輿情劃分為潛伏期、預熱期、熱議期和衰退期；劉國威［10］等將輿情演變劃分為醞釀期、爆發(fā)期與衰退期。也有學者將發(fā)文量、轉發(fā)量與評論量、情感分析值及百度指數(shù)與周期理論結合作為輿情周期劃分的指標，但并沒有統(tǒng)一的劃分標準。本文引入權威百度指數(shù)與周期理論共同作為輿情周期的劃分依據(jù)。

四、實證分析

（一）數(shù)據(jù)采集與處理

以“吉林疫情”為關鍵詞，按時間順序爬取2022年2月28日—2022年5月5日的微博數(shù)據(jù)，共62445條。考慮到官方主流媒體發(fā)布的信息對網民有預“情感設置”功能，剔除官方賬號發(fā)布內容，最終得到42229條數(shù)據(jù)。

（二）模型參數(shù)設置

本文實驗環(huán)境基于PyTorch實現(xiàn)，設置模型參數(shù)。

（三）實驗過程及結果

將人工標注數(shù)據(jù)分為訓練集、測試集和驗證集，采用準確率及綜合度量指標F1值評估模型。模型預測性最終達77%，可用于“吉林疫情”中輿情主體情緒分析。

（四）輿情傳播階段劃分

本文以百度指數(shù)與生命周期理論作為輿情劃分依據(jù)，將此事件劃為醞釀期（2022年2月28日—2022年3月8日）、爆發(fā)期（2022年3月9日—2022年3月22日）、波動期（2022年3月23日—2022年4月8日）與消退期（2022年4月9日—2022年5月5日），見圖2。

圖2 吉林省新冠疫情百度指數(shù)

（五）情感時序分析

根據(jù)圖2輿情階段劃分，統(tǒng)計情感分類結果，見表1。消極情緒在波動期占比最高，達到46.4%。但總體上積極與理智情感占比較高，也從側面說明輿情主體的消極表現(xiàn)與疫情的嚴重程度簡單共振，存在更大理性空間。

表1 輿情各階段情感分類統(tǒng)計

為剖析吉林省疫情傳播周期內拐點出現(xiàn)的原因，用戶的情感特征及變化的原因，利用TF-IDF算法提取不同輿情階段文本的關鍵詞繪制詞云圖，見圖3。

圖3 不同階段關鍵詞云分析

1.醞釀期：認知歸因未觸及非理性情感機制

認知歸因是情感喚醒的前提，當事件中包含的信息刺激公眾認知時，情感會在短時間被喚醒。2月28日，吉林省琿春市最先發(fā)現(xiàn)陽性病例，經專家研判此次病毒傳播呈現(xiàn)出傳播性強、隱匿性強等特點。圖3（a）顯示“疫情”“確診”“病例”等主題詞出現(xiàn)頻次最高，說明公眾對吉林疫情的關注表現(xiàn)為通過新聞發(fā)布會、新聞報道等權威信息了解疫情動態(tài)。在輿情醞釀階段，吉林市每天官方通報感染人數(shù)只有零星幾例。自2019年底疫情暴發(fā)至今，人們將這一漫長時期存于記憶中，形成認知基礎。當類似事件發(fā)生時，會刺激大腦已有的認知記憶網絡。雖然輿情主體的負面情緒呈現(xiàn)增長，但這種非理性情感并沒有完全被喚醒，而是與理性相互交織，理性在一定程度占據(jù)主導地位。

2.爆發(fā)期：情感移情背后的“價值”轉向

情感移情意味著某些群體身上發(fā)生的事件能夠引起真實情感的出現(xiàn)，從而引發(fā)情感聚集。其通過“中介”認知歸因，喚醒相應情感類型，進而影響輿情走勢。在輿情爆發(fā)階段，感染人數(shù)逐漸上升，尤其在3月9日—11日期間輿情主體的消極與積極情緒出現(xiàn)“高峰低谷”現(xiàn)象。主要由于吉林出現(xiàn)校園聚集性疫情，學生作為受保護群體而廣受社會關注，注意力的投射喚起人們心理上的共情氛圍。校園疫情發(fā)生后，網民情緒頓時高漲，認知理性受到沖擊，成為負面情緒的集中爆發(fā)期。圖3（b）“拜托”“結束”等詞包含了人們對高校防疫滯后導致蔓延的無奈與質疑，以及對高校學生生命健康的擔憂。大量網民在微博發(fā)文呼吁主流媒體發(fā)聲，推動地方政府及時介入并啟動輿情應急管理機制，對相關涉事人員進行問責處置。負面情緒逐漸得到消減，公眾焦點再次轉回疫情防控，“希望”“加油”“公益”“捐款”等積極情感傾向的表述明顯增加，表示人們團結一致共同抗疫，體現(xiàn)了情感背后的“共同價值”，積極情緒呈現(xiàn)上升趨勢。

3.波動期：認知歸因觸發(fā)情感意識重塑與增強

在信息資源接觸有限致認知歸因不確定的情況下，主體情感意識會加強。波動階段每天新增感染人數(shù)破千，諸如“長春朝陽溝殯儀館成隔離場所”“四平鐵東區(qū)某小區(qū)提前解封”“白山支援長春人員沒有住處”等謠言不斷滋生，主體信息訴求得不到滿足。隨著感染人數(shù)激增，人們對自身及周圍環(huán)境安全產生的恐慌情感被激發(fā)，消極情緒明顯呈上升趨勢，積極情緒逐漸下降。圖3（c）“真的”“希望”“加油”雜糅了主體復雜的情感色彩：對病毒的怨恨，對長時間封閉式管理的焦慮以及對疫情結束的期盼。積極、消極及理性情感擴散到公眾彼此的互動中，相互交織、此消彼長，主體表現(xiàn)出理性與感性共存的復雜狀態(tài)。

4.消退期：情感喚醒與認知歸因通過移情共同作用于輿情消減

在輿情消退時期，吉林省本地疫情處于穩(wěn)定階段。根據(jù)相關報道，吉林在這一階段實現(xiàn)社會面清零，但很多地區(qū)并未立刻解封。消退前期各類情緒都出現(xiàn)明顯的小頻率波動，但總體而言積極和理性情緒逐漸下降并趨于平穩(wěn)。一方面，隨時間推移，吉林省成功控制疫情，實現(xiàn)社會清零。圖3（d）“解封”“結束”“希望”等積極信息話題涌現(xiàn)，體現(xiàn)主體風險感知下降。另一方面，25日前后吉林省政府發(fā)布高校學生放假通知，“回家”這一新的話題再次吸引網民注意力。吉林省雖實現(xiàn)解封，但各地返鄉(xiāng)政策標準不一，學生面臨如何回家、回家是否會繼續(xù)隔離等固有認知再次啟動情感喚醒機制，擔憂與困擾情緒滋生，導致消退期中后段負面情緒出現(xiàn)回升。隨著各地針對吉林省返鄉(xiāng)政策的落實、推進，負面情感密度下降，輿情信息傳播量遞減，人們的關注度下降。

經分析發(fā)現(xiàn)，情感喚醒、認知歸因與情感移情貫穿事件各個階段，主體情感變化與客體事件的發(fā)展相吻合。情感通過移情強化表達效果以推動輿情發(fā)展，而輿情事件通過影響人的固有認知喚醒情感。在整個疫情階段，爆發(fā)期與波動期的主體情感交織出現(xiàn)。在具體輿情事件的觸發(fā)下，主體在各個階段的情感隨周期變化而變化。但總體來看，此次疫情中主體消極情緒表現(xiàn)與疫情的嚴重程度簡單共振。在疫情防控常態(tài)化背景下，主體情緒存在更大的理性空間。但輿情監(jiān)管部門更應注意公眾情緒引發(fā)的負面效應，如在輿情爆發(fā)階段，政府及相關部門應及時啟動輿情應急機制，定位負面情緒累積形成的非理性歸因；在波動期，媒體及政府應及時辟謠，發(fā)揮權威信息發(fā)布的優(yōu)勢，擴散正向情感；在消退期，各地加強對疫情防控地區(qū)相關政策落實情況的披露，從根本上疏導和控制負面輿情。

五、結語

本文基于情感社會學理論和Word2Vec-BiLSTM模型的情感測量方法，從情感喚醒、歸因及情感移情三個維度分析輿情主體情感變化特征及誘因，并提出相應對策。未來在模型設計上將會考慮表情符號對文本語義挖掘的影響；情感上融合地理空間角度把握情感特征分布；輿情引導上將情感疏導與技術處理相結合，實現(xiàn)突發(fā)公共衛(wèi)生事件網絡輿情綜合治理。