人工智能在輿情引導中的實踐困境與優化路徑-基于CiteSpace的實證分析

中圖分類號：G206 文獻標志碼：A

0 引言

隨著互聯網和社交媒體的普及，可以快速傳播和擴散的網絡輿情對于社會穩定、企業聲譽、公眾情緒等產生了深遠影響。近年來，逐漸發展并廣泛應用的人工智能技術有利于提升輿情監測的效率與深度，通過人工智能技術實現輿情引導從“被動響應”到“主動干預”的轉型[1]。當今時代的輿情引導不再是簡單的信息篩選與分發，而是涉及公眾情緒共鳴、價值導向平衡、權力博弈等多方面需要協調的復雜過程。人工智能技術標準化、效率至上的設計理念極易在治理過程中與多元且動態變化的輿論場域形成沖突。這種沖突不僅暴露了技術工具的局限性，而且揭示了人工智能在輿情引導中面臨的困境，即技術能力與治理需求之間的適配鴻溝。鑒于此，本文借助CiteSpace繪制知識圖譜，選取主題相關度較高的知網文獻進行研究，了解學界對此主題目前的研究情況與關注熱點，發掘目前研究中可能存在的不足，以期為未來的研究發展提供參考[2]

1人工智能在輿情領域中的實踐困境

從技術層面來看，基于自然語言處理和機器學習等技術的人工智能確實大幅提升了輿情監測的效率和范圍，為輿情治理提供了有力協助，但僅僅依賴這種過度追求效率的技術邏輯很容易致使治理者忽略與情治理中其他難以量化的社會因素。輿論場不僅是信息的簡單堆砌而成，而是由公眾情感、文化認同和權力關系等多重因素交織而成。當人工智能試圖用“情感值”

“熱度指數”等量化指標來簡化這種復雜的生態時，其提出的引導策略可能會顯得精準卻缺乏實際效果。輿情治理并不只是單一主體的工作，而是需要政府、平臺、媒體和公眾等多個主體協作完成的復雜任務，各方對“引導目標”的理解可能存在分歧甚至對立。依賴人工智能技術賦能的治理雖然能忽略各方利益權衡的問題，但容易產生單一性與認知上的差異，使得人工智能在輿情引導中可能從“賦能者\"轉變為“矛盾放大器”，進而加劇實際治理中的困境[3]

1.1現有技術在復雜語義與動態場景上的短板

人工智能在輿情引導中的第一個難題是現有技術能力的局限性。目前的深度學習模型在文本分析上已經取得了不小的突破，但針對復雜語義場景下的文本處理任務時仍表現平平，有待進一步改進。如中文語境里常見的反諷、隱喻或者地域方言這些非結構化的語言表達，現有的算法可能難以準確把握此類表達的真實情感傾向，導致系統將其錯誤地識別為正面評價，致使輸出的引導策略與實際情況發生偏差。除了復雜語義的處理，現有的人工智能模型在處理多模態數據方面的能力也有待加強。信息時代的輿情信息不再只以文本為信息載體，而是以圖片、視頻、音頻等多媒體載體形式出現，但現有人工智能模型在分析這些多媒體、跨平臺信息時表現并不盡如人意，難以實時響應突發輿情事件。如在疫情暴發期間，公眾對事件的關注點可能在幾小時內就從“病毒溯源”轉向“物資分配”。由于缺乏動態更新機制，靜態訓練的人工智能模型往往跟不上輿論場的變化節奏，難以處理涉及多方面的復雜輿情事件[4]

1.2算法黑箱導致的信任危機

由于算法的計算決策過程缺乏透明度，致使公眾常常對其引導行為提出涉及“隱秘操縱”的質疑。以2021年“新浪微博能花錢撤熱搜”事件為例，部分網民懷疑某些負面或敏感信息可通過付費方式從熱搜榜單中移除，從而對榜單的客觀性和公正性提出質疑。盡管微博官方公布了熱搜計算公式以回應質疑，但此次事件依舊證明了公眾長期以來對算法決策的擔憂。此外，公眾在日常使用各種App提供的個性化算法服務時，常會有個人數據被過度采集、個人隱私數據泄露等擔憂，這也進一步加劇了公眾對技術權力的不信任。公眾群體一旦形成抵觸情緒，很容易致使人工智能在輿情引導中陷入“信任赤字”的困境，不僅難以實現提升輿情治理效能的事前目標，而且可能加劇社會矛盾與信任裂痕。

1.3責任模糊與機制碎片化的現實挑戰

輿情引導涉及政府、平臺、媒體和公眾等多方主體，需要多方主體通力協作才能順利實現治理目標，但現有治理體系下的協作機制卻呈現出“各自為戰”的碎片化。政府部門內部僅將人工智能系統定位為單純的“監測工具”，忽視了將人工智能運用于主動治理的潛力。平臺與媒體需要追求商業利益，因此更傾向于將輿情話題的流量最大化，將引導公眾輿論向理性化發展的責任擱置一旁。輿情中的公眾出于對數據安全的考慮，拒絕算法的介人。碎片化的一大表現特征是不同主體之間的數據共享壁壘，在協作體系內部形成了眾多“數據孤島”。不同主體對人工智能在輿情治理中的認知定位存在差異，具體權責的劃分模糊不清，響應突發輿情事件的應急預案存在不足，諸多因素疊加到一起，嚴重削弱了人工智能原本應當發揮的協同引導效能。作為輿情場域的核心參與者，公眾在現有機制中多被簡化為“數據源”而非“合作者”，缺乏在輿情中的參與渠道和反饋機制，導致其真實的聲音難以有效上傳權力部門。這種參與不足進一步加劇了引導策略的片面性，削弱了輿情引導的整體效果。

2基于CiteSpace的輿情領域人工智能研究現狀分析

現有的人工智能領域研究文獻往往聚焦于人工智能的工具效能，卻對技術應用中的社會情境適配性、多元主體博弈等議題關注不足。這種重技術輕協同的研究傾向導致學術成果難以有效回應現實實踐中的復雜挑戰。為系統梳理研究現狀、識別理論盲區，本文借助CiteSpace，對2017—2025年間“人工智能 + 輿情”領域的252篇相關文獻進行計量分析，通過關鍵詞共現、作者合作、機構分布等維度，解構學界的研究焦點與演進脈絡。

在CNKI期刊數據庫中以“主題”作為檢索字段，通過“人工智能and輿情”為檢索關鍵詞，文章來源不限，時間范圍不限，檢索時間為2025年2月15日，人工篩選剔除重復文獻、不相關文獻后，共得到252篇文獻作為分析樣本。以Refworks格式導出所得文獻的關鍵詞、作者、機構、發表年份等信息，使用CiteSpace（6.3.R1版本）構建知識圖譜，對所選文獻的關鍵詞、作者、機構、發表年份等數據進行可視化分析[5]

2.1年度發文量分析

根據圖1的年度發文量數據，人工智能在輿情領域的研究可以分為3個階段。第一階段是2017—2019年（萌芽階段）。在此階段涉及人工智能在輿情領域的研究并不多。第二階段是2020—2022年（波動發展階段）。這一階段涉的發文量呈現穩定下降的趨勢。第三階段是2023—2025年（快速發展階段）。盡管2025年這一方向的發文量還沒能完全統計，但伴隨著人工智能的應用普及、社會公眾對其了解程度的加深以及國家發展戰略的重視，可以預見對于這一領域的研究成果數量將在未來幾年內保持穩定增長的勢頭。

2.2核心作者分析

借助CiteSpace繪制作者共現圖譜進行可視化分析，作者共現圖譜，如圖2所示。在文獻計量學中，要計算一個研究領域的核心作者數量，可以使用普萊斯定律[6]。根據普萊斯定律，計算可得人工智能在輿情領域的核心作者最低發文量為1.67篇，即發表論文數大于或等于2篇的作者可以被視為核心作者。經統計，人工智能在輿情領域的核心作者共有8位，總發表論文數為22篇，核心作者的發表論文數在論文總數中占比為 8 . 7 % ，由此可以認為這一領域尚未形成相對穩定的核心作者群。

2.3研究機構分析

借助CiteSpace繪制研究機構共現圖譜進行可視化分析，研究機構共現圖譜，如圖3所示。人工智能在輿情領域的主要研究力量為各高校研究方向相關度較高的學院，共現圖譜的結果在一定程度上說明人工智能在輿情領域的研究是個多層次、多方面的課題，研究機構呈現多樣化與高獨立性。在多角度對這個課題進行研究時，也需要加強不同研究機構間的合作。

2.4被引論文分析

一般認為，論文的被引頻次在一定程度上可以反映論文的學術價值與影響力，論文的被引頻次與其學術價值、影響力成正比關系[6。筆者整理了人工智能在輿情領域的前5篇高被引論文，整理結果，如表1所示。這些文章肯定了人工智能等技術在輿情治理中的作用，但同時關注了技術可能帶來的風險。因此不僅需要整合多種技術手段，還需要完善相關的法律法規，以確保人工智能在輿情治理中的有效性和合法性。公眾是網絡輿情的重要參與者，其態度和行為直接影響著輿情的發展和走向。

2.5 關鍵詞分析

借助CiteSpace繪制關鍵詞共現圖譜進行可視化分析，結果如圖4所示。從圖4中可以看出，“人工智能”作為核心關鍵詞構成了該領域的核心研究框架。將聯系緊密的關鍵詞進一步進行聚類，聚類結果如圖5所示。圖5中存在8個明顯的核心聚類，這些聚類關鍵詞高度圍繞著人工智能在輿情領域中的應用技術、引導策略等研究內容，共同構成了人工智能輿情分析領域的完整研究框架。

3人工智能在輿情領域中的優化路徑建議

本文借助CiteSpace對人工智能在輿情領域的研究現狀進行研究，通過對人工智能在輿情領域的研究現狀與熱點分析，發現人工智能在輿情領域的研究特征與實踐需求之間存在錯位。為彌合這一鴻溝，本文將從技術迭代、主體協作、學科融合3個維度提出優化建議。

3.1技術優化改進現有短板

當前的人工智能輿情分析技術過度看重量化處理后的情感極性和熱度指數數據，只是將復雜的輿情簡單量化為數據信息流，卻忽略了文化語境、群體心理與社會權力之間的復雜關系。在將人工智能與情分析技術應用于輿情治理的實踐中，治理者應當摒棄高度依賴于關鍵詞匹配或情感值閾值的傳統判定方法，逐漸普及圖神經網絡等新型技術來構建語義關系圖譜，通過梳理找準字里行間的前后文關聯，動態解析隱藏在信息中的真實意圖，進而提高對輿情深層內涵的捕捉精準度。現有研究仍較大程度地局限于單一媒體形態的技術適配，缺乏對跨媒體、跨平臺多模態信息深度融合的探討。當今時代的輿情事件普遍呈現出多媒介、多渠道、多形態的特征，除去肉眼可見的文本外還有大量隱性信息埋藏于音樂、畫面、人物微表情等非文本隱性信息中。因此，需要結合認知科學理論深入挖掘此類非文本隱性信息，更全面地理解與情的多維特征。

3.2加強主體協作破解數據孤島困境

傳統的“一刀切\"治理模式已經不再適用于傳播速度快、變化速度快且存在反轉可能的網絡輿情事件，要將人工智能應用于輿情引導，需要突破傳統思維的梳梏，加強不同主體之間的協作，根據具體情境的特征與需求構建差異化的治理框架。加強不同主體之間的協作：首先，可以開發開放式API協議，打通政府應急平臺、社交媒體數據池與公共服務系統，大幅度壓縮輿情響應所需要的時間；其次，結合認知行為理論設計預案引導話術庫，在輿情爆發的關鍵節點及時推送來自官方的權威信息，抑制謠言擴散與群體極化趨勢，穩定輿情態勢。在日常輿情治理中，平臺應當擺脫“唯流量至上”的商業邏輯，重構內容推送的意義框架，主動承擔責任引導社區輿論向積極方向發展。對“Z世代”用戶高度聚集的二次元、電子競技等亞文化社區，針對性構建專用的語義理解模型，通過遷移學習將主流價值觀轉化為更契合社區內容的圈層化符號，對社區成員實現價值觀的“軟性滲透”

以此強化引導效果。此外，還應構建公眾參與的去中心化協同治理平臺，鼓勵公眾參與建設動態更新的輿情知識庫，以此突破傳統中心化審核的信息滯后性實現更高效、更精準的輿情引導。

3.3完善倫理規范與跨主體協作框架

算法的不透明性容易導致公眾對人工智能輿情引導的抵觸，為解決這一問題，需要從制度設計切入，根據算法的影響范圍構建分級差異化的透明化標準，通過立法明確隱私計算技術的法律地位與應用邊界，落實保障公眾對個人數據流向的知情權與控制權。還可以成立由政府、平臺、公眾代表及智庫專家組成的國家級“人工智能輿情治理委員會”，負責制定統一的治理標準與應急預案，設立第三方算法審計機構對平臺算法定期審查。在數據管理中，將輿情數據按照敏感度分級實行差異化管理，根據平臺規模與影響力劃分責任等級，避免“一刀切”監管的同時壓實平臺主體責任，既能保障公眾信任也能提升輿情治理的效能。

4結語

本文借助CiteSpace對2017—2025年間252篇相關文獻進行文獻計量分析，梳理了人工智能在輿情領域的研究現狀與演進脈絡。研究發現現有研究已開始關注情感分析、跨媒體融合等技術細分方向，但對復雜語義解析和動態場景適配的關注仍顯不足。此外，該研究領域存在核心作者群分散、機構合作松散等問題。基于文獻計量結果與實踐困境，本文從技術、協作、制度3個方面提出優化路徑。在技術層面，需突破對量化指標的依賴，構建語義關系圖譜，深入挖掘隱性非文本信息；在協作層面，通過開發開放式API協議，深化日常輿情治理中的主流價值觀內容，構建實時更新、公眾參與的數據庫；在制度層面，建立分級透明化標準，成立專門的管理委員會，制定差異化的責任分級機制。未來研究與實踐應關注邊緣群體的輿情表達與數字權利保障。隨著技術突破與治理體系的不斷完善，輿情引導最終將邁向智能化、人性化與可持續化。

參考文獻

[1]張新平，金夢涵.人工智能時代與情治理的轉型與創新[J].情報雜志，2021（10）：66-73，165.

[2]侯劍華，胡志剛.CiteSpace軟件應用研究的回顧與展望[J].現代情報，2013（4）：99-103.

[3]澎湃新聞.機遇與風險：人工智能技術對網絡輿論

治理影響初探[EB/OL].（2024-09-25）[2025-03-09].https：//www.thepaper.cn/newsDetail_ forward_28850370.

[4]王英杰，胡漠，張津赫，等.信息疫情下短視頻網絡與情預警指標體系構建研究[J].情報科學，2021（11） ：38-44.

[5]肖明，陳嘉勇，李國俊.基于CiteSpace研究科學知識圖譜的可視化分析[J].圖書情報工作，2011（6）：91-95

[6]陳曉鈺，馬海群.開放政府數據領域文獻計量學相關定律實證分析[J].圖書館研究與工作，2022（4）：26-36.

[7]任蓉.算法嵌入政府治理的風險及其防控[J].電子政務，2021（7）：31-41.

[8]李明德，鄺巖.大數據與人工智能背景下的網絡與情治理：作用、風險和路徑[J].北京工業大學學報（社會科學版），2021（6）：1-10.

[9]畢翔，唐存琛，肖俏.短視頻社交媒介輿情監測與危機防范機制研究[J].情報理論與實踐，2019（10）：102-108.

[10]洪曉楠，劉媛媛.人工智能時代網絡意識形態安全建設的發展契機、潛在風險與調適進路[J].思想教育研究，2022（10）：138-144.

[11]曾潤喜，陳創.基于非傳統安全視角的網絡輿情演化機理與智慧治理方略[J].現代情報，2018（11）：9-13.

（編輯姚鑫）

Practical dilemmas and optimization pathways of artificial intelligence in public opinion guidance： empirical analysis based on CiteSpace

LIUKe，DENGChunlin* （School of Public Administration， Xiangtan University， Xiangtan 4111O5，China）

Abstract：With the helpof the bibliometric tool CiteSpace，this paper systematicalyanalyzes 252 literatures in the field of“artificial intelligence + public opinion”from 2O17 to 2O25 to reveal the research status and challenges in this field.Theresearch finds that although AI improves the monitoring eficiency in public opinion governance，it faces structural contradictions between technical capabilities and governance needs.Based on the bibliometric analysis of CiteSpace，this paper proposes the optimization path from three dimensions of technology，cooperation and system in viewoftheproblems found.Futureresearch needs tostrengthen interdisciplinary integration，balance technical accuracyand humanistic governance，and promote the transformationof publicopinion governance to inteligence and humanization.

Key words： artificial intelligence; public opinion; CiteSpace;bibliometric analysis