王雪猛　王玉平

(1.西南科技大學經濟管理學院　四川綿陽　621010;2.西南科技大學材料科學與工程學院　四川綿陽　621010)

?

基于情感傾向分析的突發(fā)事件網絡輿情預警研究

王雪猛1王玉平2

(1.西南科技大學經濟管理學院四川綿陽621010;2.西南科技大學材料科學與工程學院四川綿陽621010)

【摘要】近年來，突發(fā)事件頻發(fā)，關于突發(fā)事件網絡輿情預警方法的相關研究也逐漸增多，但多是基于技術方法實現(xiàn)。本文運用情感傾向分析的方法，構建了基于情感傾向分析的網絡輿情分析過程模型，并提出了情感色彩五級劃分法。最后，通過實例來驗證情感傾向分析方法在突發(fā)事件網絡輿情預警上的有效性與可行性。

【關鍵詞】情感傾向; 網絡輿情; 突發(fā)事件; 預警

我國現(xiàn)在正處于社會的轉型期，各種社會矛盾凸顯，同時經濟發(fā)展和社會管理發(fā)展的不平衡性，導致突發(fā)事件較以前有爆發(fā)性的增多。隨著網絡信息技術的發(fā)展，人們越來越多地通過網絡發(fā)表評論、表達訴求、尋求聲援乃至組織行動，網絡輿論已經成為超越媒體的“政治軟力量”[1]。

網絡輿論往往包含輿論發(fā)表者的個人情感，這些情感又會影響其他網民的輿論。這些情感如果不能得到及時的關注、引導，就可能會導致突發(fā)性事件的發(fā)生，對社會造成不良的影響。因此，對這些輿情做出相應的預警很有必要。而現(xiàn)在關于網絡輿情預警的研究主要集中在技術層面，以人的情感為基礎的研究少之又少。本文以人的情感傾向為基礎進行研究，期望為解決突發(fā)事件網絡輿情預警問題提供一種新思路。

一、國內網絡輿情預警方法分析

隨著網絡的普及，網絡成為人們發(fā)表輿論的主要陣地，特別是Web2.0技術及相關互聯(lián)網應用的不斷普及，大大加快了社會信息化的全面發(fā)展進程[2]。國內關于網絡輿情的研究逐漸增多，而關于網絡輿情預警的研究在國內主要有以下幾種：董堅峰等(2014)[3]運用Web數(shù)據(jù)挖掘技術，通過挖掘Web使用數(shù)據(jù)或者訪問日志來提取瀏覽者的行為模式，獲取有價值的信息，以此來進行網絡輿情預警的研究。他還構建了輿情采集層、輿情挖掘層、輿情分析層、預警研判層的基于Web挖掘的網絡輿情預警系統(tǒng)模型。李弼程等(2010)[4]借鑒戰(zhàn)場分析的思想，對網絡輿情態(tài)勢分析的原理進行了闡述；選取話題、公眾、話題與公眾之間的關系三大類，設計了適合計算機實現(xiàn)的網絡輿情預警等級分析模型。在此基礎上，采用直覺模糊推理技術，為利用計算機自動判斷網絡輿情預警等級提供了一定思路。以上兩種方法都是利用計算機技術實現(xiàn)網絡輿情的預警，雖然在一定程度上解決了網絡輿情預警的問題，但是只是存在于技術層面，對于網絡輿情中涉及的情感傾向問題并沒有涉及。

潘芳等(2014)[5]利用BP神經網絡自學習自適應的特點，通過有效的學習，輸出風險等級；并提出，應以話題強度、話題參與度和輿情狀態(tài)為指標的輿情預警指標體系。王青等(2011)[6]運用E-R模型分析了主題輿情的屬性特征，指出輿情監(jiān)測指標可分為：輿情主題熱度、輿情內容強度、輿情生長規(guī)律及受眾傾向。受眾傾向包含態(tài)度傾向、發(fā)展度、疑度和集中程度，其指出態(tài)度傾向是預警指標的重要環(huán)節(jié)。以上兩種網絡輿情預警方法都初步指出網民情感傾向應是預警指標的一部分，但是都沒有將其作為重要因素加以研究。

本文認為網絡輿情的主體是人，人是有情感的物體，這種情感不是靠機械的數(shù)據(jù)分析就能得出具體結論的。所以，本文以人的情感傾向為指標進行網絡輿情的預警方法研究，望可以完善國內網絡輿情預警方法，建立更完善的網絡輿情預警體系。

二、情感傾向分析

情感傾向分析就是收集、整理、分析網民在網絡上表達出來的個人情感，預測其行為的趨勢。分析的目的在于預警。個人情感傾向在很大程度上可以影響其他人的情感傾向。在大眾關注的突發(fā)事件發(fā)生后，網上個別人的言論會對關心這件事的網民情感造成不同程度的影響，繼而受影響的網民會發(fā)表相同或相似的言論，影響更多的人。

網民的言論有的是與事實相符，有的則是與事實相悖的，因而，這種情感影響應該受到有效的引導和控制，防止事件朝向不利于社會和諧的方向發(fā)展。

(一)情感傾向分析過程

情感傾向分析和以往的基于定量分析的方法不同，它是在收集整理信息的基礎上分析網民言論中所包含的情感色彩，以及所包含的情感色彩的強烈程度，并按照一定的標準將這些情感色彩的強烈程度劃分等級[7]。圖1為情感傾向分析過程示意圖：

圖1為情感傾向分析過程示意圖

(二)情感色彩立場劃分方法

在情感色彩立場劃分上，以往多采用贊成、中立、反對三級劃分方法。這種劃分方法太過于絕對化，不能精確的對網民情感立場進行劃分。應該采用贊成、偏贊成、中立、偏反對、反對五級劃分方法。圖2為五級劃分方法關系示意圖：

圖2五級劃分方法關系示意圖

其中，中立者是穩(wěn)定并且占多數(shù)的群體，很少會改變自己的立場，他們也很難會受到反對者或贊成者的言論影響。反對者和贊成者同樣也是非常穩(wěn)定的群體，很難能使他們改變自己的立場。最容易改變自己立場的是偏反對者和偏贊成者，他們對該事情是關心的，而且表現(xiàn)的立場不穩(wěn)定，只是某些言論使他們表現(xiàn)出了對該事件的傾向性立場，隨著事件或時間的發(fā)展和別人言論的影響，他們會堅定自己傾向的立場或者走向相反的立場。并且，偏贊成者和偏反對者往往是事件關心者的多數(shù)。在情感傾向預警中如何引導偏贊成者和偏反對者是關鍵活動，即如何確定t1、t2、t3、t4是關鍵。

三、情感傾向分析方法在突發(fā)事件網絡輿情預警中的應用

突發(fā)事件是指在事件發(fā)生之前征兆不明顯或者沒有征兆的事件。正是因為突發(fā)事件有這些特點，對突發(fā)事件的網絡輿情預警才更加重要，而且難度也比較大[8]。在突發(fā)事件發(fā)生后，很多人會不明真相，因而個人輿論觀點嚴重受到網絡中其他人的感情色彩的影響而表現(xiàn)一定的傾向性。

(一)突發(fā)事件網絡輿情預警級別

某突發(fā)事件發(fā)生之后，網上會涌現(xiàn)出各式各樣針對此事的輿論。這些評論可以歸結為少數(shù)幾個觀點，確定預警等級必須先要搜集整理網上關于該突發(fā)事件的輿論觀點[9]。對于一件大眾關注的突發(fā)事件，網上的言論可能是數(shù)以萬計的，所以，不可能采集所有的言論。根據(jù)網民言論發(fā)布時間和言論發(fā)表內容的隨機性，可以在事件發(fā)生之后，根據(jù)事件的影響大小，網絡關注度的多少，確定評論采集的樣本數(shù)量[10]。以微博為例，可以根據(jù)網上發(fā)布的的關于此突發(fā)事件的微博數(shù)量，評論的條數(shù)等，確定抽取的樣本數(shù)量。影響較小的事件可以隨機抽取10條發(fā)布數(shù)量以及各50條評論數(shù)量作為樣本進行分析。按此方法，依次可以自行調節(jié)抽取不同的樣本數(shù)量。

在對抽取的樣本進行分析后，可以得出若干個不同觀點的言論，歸類整理后，可以得出不同觀點的數(shù)量以及所占比例。在此，按照不利于社會和諧穩(wěn)定的觀點的數(shù)量劃分預警級別。小于四分之一的為藍色Ⅰ級預警級別，大于四分之一小于二分之一的為黃色Ⅱ級預警級別，大于二分之一小于四分之三的為橙色Ⅲ級預警級別，大于四分之三的為紅色Ⅳ級預警級別。藍、黃、橙、紅四種預警級別依次提高。根據(jù)預警等級的不同，可以采取相應的措施，引導和影響網民的情感，使其朝向有利于社會和諧穩(wěn)定的方向發(fā)展。

(二)實例分析

“鄭州交警撞死嬰兒事件”：2015年4月25日下午17:25分，在鄭州市豐樂路、群辦路交叉口附近，一輛白色寶馬車撞住一個推著嬰兒的婦女，6個月大嬰兒當場死亡，其母親受傷。肇事者為鄭州交警六大隊民警劉某。此微博一出，立即引起轟動，新浪微博在24小時內發(fā)布的關于此事的微博過千，評論超過十萬。隨后幾天關于鄭州交警撞死嬰兒的新浪微博有3600多條。

在此次突發(fā)事件中，有關部門的做法是正確的，在事件發(fā)生后有關部門表示將嚴肅依法公正處理，一定程度上起到了穩(wěn)定網民情緒的作用。在4月27日21：54分，大河報官方微博報道出調查結果，交警沒有飲酒，不存在酒駕，寶馬車為貸款按揭所買，沒有網上所說的多次碾壓等情況。至此，網民輿論開始出現(xiàn)不同的聲音。但是也存在很大的問題，雖然在4月27日之后網民開始輿論存在不同聲音，然而還是以批評交警等不滿情緒為主。如果按照本文所述方法進行處理，就會出現(xiàn)更好的結果。

首先，采集網民的言論，分析出網民的情感集中在哪里，其次，確定預警等級，最后，根據(jù)分析的結果，采取針對性的情感傾向引導。本次采集的樣本數(shù)量為20條相關微博以及每條微博50條評論。結果如表1：

表1新浪微博輿情數(shù)據(jù)采集表

輿論樣本 政府腐敗應遵守交規(guī)嚴懲肇事者言論不客觀同情被撞者應理智對待支持肇事者仇富和詆毀政府其它樣本11054655375樣本29681103265樣本37811272094樣本48487113180樣本54109384273樣本66565950113樣本782731021107樣本812441733115樣本981125532131樣本106572761160樣本1110256910080樣本1254122106263樣本138673654110樣本1411441730911樣本1573841000153樣本1645123621134樣本1714381812112樣本181245373295樣本191067297090樣本209660721181

上圖數(shù)據(jù)可以得出各種輿論的所占條數(shù)：政府腐敗168條，應遵守交規(guī)93條，嚴懲肇事者150，言論不客觀60條，同情被撞者158條，應理智對待75條，支持肇事者27條，仇富和詆毀政府207條，其它62條。由此可以得出仇富和詆毀政府、政府腐敗、嚴懲肇事者以及同情被撞者幾種輿論占據(jù)大多數(shù)。由于不利于社會和諧的輿論占據(jù)37.5%，所以，應采取黃色Ⅱ級預警級別。針對以上分析可以采取以下措施：一，對被撞者表示同情；二，表示將依法處理此事；三，表明交警也是普通的一個民眾，其行為只是個人行為，不能代表組織及政府；四，對惡意煽動網民仇富和詆毀政府情感的人，依法采取措施。

結語

人會因各種因素呈現(xiàn)不同的情感傾向是事實，人對于某起突發(fā)事件會呈現(xiàn)不同的情感傾向立場，并且這些情感立場是可以采取措施使其改變的[11]。情感傾向是個人做出某種行為的出發(fā)點，研究人的情感傾向并做出預警，使決策者可以提前做出決策，預防不良情感導致危害社會的行為發(fā)生[12]。突發(fā)事件很容易成為社會輿論焦點和熱點，并且會引發(fā)一系列的并發(fā)事件。突發(fā)事件引起的網絡輿情直接關系到社會穩(wěn)定，需要我們能夠對突發(fā)事件相關輿情進行認真分析、判斷、預測。因此，研究突發(fā)事件的網絡輿情預警有很大的社會實用價值，而情感傾向分析的方法是解決這一問題的有效方法[13][14]。

參考文獻

[1]彭劭莉,張樂.突發(fā)事件網絡輿情預警研究綜述[J].情報探索,2013(6):51-52.

[2]許鑫,章成志,李雯靜.國內網絡輿情研究的回顧與展望[J].情報理論與實踐,2009(3):115-119.

[3]董堅峰.基于Web挖掘的突發(fā)事件網絡輿情預警研究[J].現(xiàn)代情報,2014(2):45-46.

[4]李弼程,王瑾,林琛.基于直覺模糊推理的網絡輿情預警方法[J].計算機應用研究,2010(9):3312-3313.

[5]潘芳,張霞,仲偉俊.基于BP神經網絡的微博網絡社群突發(fā)輿情的預警監(jiān)控[J].情報雜志,2014(5):125-127.

[6]王青,成穎,巢乃鵬.網絡輿情監(jiān)測及預警指標體系構建研究[J].圖書情報工作,2011(8):55-57.

[7]蘭月新.突發(fā)事件微博輿情擴散規(guī)律模型研究[J].情報科學,2013(3):31-34.

[8]曾潤喜,徐曉林.網絡輿情突發(fā)事件預警系統(tǒng),指標與機制[J].情報雜志,2009(11):52-54.

[9]劉武英,張薇,李本先,白燕瓊. 基于中文文獻的反恐情報研究分析[J].情報雜志,2015(1):111-113.

[10] 強韶華,吳鵬.突發(fā)事件網絡輿情演變過程中網民群體行為仿真研究[J].現(xiàn)代圖書情報技術,2014(6):71-75.

[11] 蘭月新，曾潤喜.突發(fā)事件網絡輿情傳播規(guī)律與預警階段研究[J].情報雜志,2013(5):16-18.

[12] 黃萱菁,張 奇,吳苑斌.文本情感傾向分析[J].中文信息學報,2011(6):118-124.

[13] 裘江南,張闊,王全紅. 本體中語義傳遞規(guī)則獲取方法[J].情報理論與實踐,2015(1):119-122.

[14] 丁菊玲,勒中堅,王根生.我國網絡輿情危機預警研究探討[J].情報雜志,2010(10):5-8.

Research of Emergency Network Public Sentiment Warning Based on the Analysis of Emotional Tendency

WANG Xue-meng, WANG Yu-ping

(School of Economic and Business Administration, Southwest University of Science and Technology,Mianyang 621010, Sichuan, China)

Abstract:In recent years, the sentiment emergency takes place frequently, the method of network public sentiment warning about sentiment emergency also increase gradually, but, more is based on the method of technology. This paper uses the method of emotional tendency analysis, build a process model of the analysis of network public opinion based on emotional tendency analysis, and put forward the method of emotional color five divisions. At last one example was used to verify the method of emotional tendency analysis on sentiment emergency is effective and feasible.

Key words:Emotional tendency; Network public; Sentiment emergency; Warning

【中圖分類號】G350

【文獻標志碼】A

【文章編號】1672-4860(2015)06-0063-04

作者簡介：王雪猛(1987— )，男，碩士在讀。研究方向：知識管理與競爭情報。

收稿日期:2015-09-05

王玉平(1959- )，男，碩士，教授，研究生導師。研究方向：信息用戶與服務。