沈洪洲 馬巧慧 沈超

摘要：可預(yù)測性災(zāi)害的網(wǎng)絡(luò)輿情在災(zāi)前即已形成，研究其中網(wǎng)民情感態(tài)度的引導(dǎo)策略具有重要的現(xiàn)實意義。以“山竹”臺風(fēng)中普通網(wǎng)民發(fā)布的微博數(shù)據(jù)為具體對象，按災(zāi)前、災(zāi)中和災(zāi)后三個階段分析網(wǎng)民情感態(tài)度的演變趨勢，并利用主題聚類分析探索不同情感態(tài)度背后的主題因素，最后提出可預(yù)測性災(zāi)害中網(wǎng)民情感態(tài)度引導(dǎo)策略的建議。研究發(fā)現(xiàn)，可預(yù)測性災(zāi)害中災(zāi)前和災(zāi)后階段網(wǎng)民情感態(tài)度波動較大，存在引導(dǎo)空間。建議從災(zāi)前預(yù)警信息發(fā)布和災(zāi)害知識普及、應(yīng)急物資供給保障、水電網(wǎng)設(shè)施的安全和搶修、社會化媒體平臺的運用等方面完善網(wǎng)民情感態(tài)度的引導(dǎo)策略。

關(guān)鍵詞：可預(yù)測性災(zāi)害；網(wǎng)絡(luò)輿情；情感分析；主題聚類

★基金項目：江蘇省研究生科研與實踐創(chuàng)新計劃項目“可預(yù)測性災(zāi)害中網(wǎng)絡(luò)輿情特征及引導(dǎo)策略研究”（項目編號：KYCX19_0996）；江蘇現(xiàn)代信息服務(wù)業(yè)決策咨詢研究基地資助項目“基于移動社交媒體的應(yīng)急信息管理眾包參與模式研究”（項目編號：NYJD217003）。

引言

在諸如臺風(fēng)、冰雹、暴雨、暴風(fēng)雪等可預(yù)測性災(zāi)害的情境下，網(wǎng)絡(luò)輿情在災(zāi)前預(yù)警階段就已經(jīng)開始形成，并貫穿于災(zāi)中處置階段和災(zāi)后恢復(fù)階段。與突發(fā)災(zāi)害相比，災(zāi)前預(yù)警階段是可預(yù)測性災(zāi)害特有的階段，其網(wǎng)絡(luò)輿情中蘊含的網(wǎng)民情感態(tài)度將會直接影響社會民眾應(yīng)對災(zāi)害的情緒和心態(tài)，更會影響到政府應(yīng)急管理部門在災(zāi)害各階段的應(yīng)急決策。因此，在可預(yù)測性災(zāi)害中及時正確地引導(dǎo)網(wǎng)民的情感態(tài)度，有利于提升社會民眾應(yīng)對災(zāi)害的整體士氣，對政府應(yīng)急管理部門的應(yīng)急管理工作具有十分重要的現(xiàn)實意義。

近年來，網(wǎng)絡(luò)輿情中的情感分析和主題挖掘研究獲得了許多學(xué)者的關(guān)注[1]。有專注于具體分析技術(shù)的實現(xiàn)和改進的，例如Manek等人構(gòu)造了一個特殊的吉尼系數(shù)來計算情感詞權(quán)重、劃分情感詞等級，并通過支持向量機對情感詞進行分類以提高情感分析的準確性[2]。錢進寶提出了一種融合情感向量模型的演化K-medoids情感動態(tài)分析方法，這種分析方法可以有效分析網(wǎng)民對熱點事件的情感動態(tài)，克服了傳統(tǒng)算法只能分析靜態(tài)數(shù)據(jù)的缺陷[3]。王靜茹和陳震提出了一種基于LDA模型的不同類型文本數(shù)據(jù)主題提取效果對比的評價方法，通過定量的主題提取效果進行對比研究，發(fā)現(xiàn)LDA模型在處理語義信息明確、邏輯關(guān)系合理的長文本數(shù)據(jù)時效果較好[4]。有偏重于在實際場景中對分析技術(shù)加以研究和應(yīng)用的，例如Bai和Yu提出了一個包含三個階段的結(jié)構(gòu)化框架，用于檢測災(zāi)后情境中受害者的負面情緒，包括識別與災(zāi)害相關(guān)的微博信息、提取負面情緒信息、引入機器學(xué)習(xí)方法跟蹤預(yù)測災(zāi)民的負面情緒變化趨勢，然后通過對雅安地震的實例分析，證明該框架對災(zāi)后救災(zāi)和應(yīng)急管理具有一定的指導(dǎo)意義[5]。情感分析和主題挖掘往往會在研究中被結(jié)合起來用于更全面的輿情分析。例如Huang等人提出了一種弱監(jiān)督情感分析的主題模型，這種模型能同時分析消息中的情感和隱藏在消息中的主題[6]。王燦偉提出一種基于主題聚類的海量微博情感分析方法，結(jié)合情感詞典和表情符號計算微博情感值[7]。譚旭等人通過構(gòu)造中文文本詞向量解析模型和RAE深度學(xué)習(xí)模型來實現(xiàn)文本信息的高層特征提取和情感分類[8]。王秀芳等人則提出一種基于話題聚類及情感強度的微博輿情分析模型，實現(xiàn)微博話題快速聚類及情感強度量化計算，通過時序回歸分析追蹤預(yù)測熱點話題的情感變化[9]。

不難發(fā)現(xiàn)，目前對于網(wǎng)絡(luò)輿情中情感和主題的分析方法較為豐富，各類分析技術(shù)的研究也日趨成熟。但當(dāng)前與災(zāi)害相關(guān)的網(wǎng)絡(luò)輿情研究較少依據(jù)災(zāi)害事件的發(fā)生特點按階段進行分析，更缺乏特別針對臺風(fēng)、暴雨這類具有明確災(zāi)前預(yù)警階段的可預(yù)測性災(zāi)害的分析，尚未充分探討此類災(zāi)害中網(wǎng)民情感態(tài)度的內(nèi)在特征及其引導(dǎo)策略。本文研究即以2018年“山竹”臺風(fēng)為具體情景，基于其網(wǎng)絡(luò)輿情中網(wǎng)民情感的演化趨勢及背后的主題聚類分析，從時間和主題兩個維度總結(jié)網(wǎng)民情感態(tài)度的關(guān)鍵影響點，進而探討可預(yù)測性災(zāi)害中網(wǎng)民情感態(tài)度的引導(dǎo)策略。

1、研究設(shè)計

本研究從新浪微博上抓取與“山竹”臺風(fēng)相關(guān)的微博文本數(shù)據(jù)，通過情感正面概率值的計算統(tǒng)計和主題聚類等方法，對災(zāi)害中網(wǎng)民情感態(tài)度的演變趨勢和情感態(tài)度背后的主題因素進行系統(tǒng)分析，然后基于分析結(jié)果對可預(yù)測性災(zāi)害中的網(wǎng)民情感態(tài)度的特征進行討論，并針對性地提出具體的引導(dǎo)策略建議。

1.1 研究過程

本文研究具體的研究步驟以及用到的研究方法和工具闡述如下：

① 研究數(shù)據(jù)的獲取和預(yù)處理：本研究通過專門的輿情大數(shù)據(jù)管理軟件從微博平臺上抓取與“山竹”臺風(fēng)相關(guān)的微博文本原始數(shù)據(jù)。自行編寫Python程序去掉重復(fù)、無效的內(nèi)容，并對剩余的文本數(shù)據(jù)進行編分詞、去停用詞等預(yù)處理。

② 網(wǎng)民情感演變趨勢分析：通過Python程序調(diào)用適合中文文本分析的SnowNLP包，計算出每條微博文本的情感正面概率值。該值介于0到1之間，代表文本擁有正面（積極）情感態(tài)度的概率；然后按照災(zāi)前、災(zāi)中和災(zāi)后的階段劃分對情感數(shù)據(jù)進行統(tǒng)計分析，繪制圖表來探討網(wǎng)民情感態(tài)度演變的趨勢。

③ 網(wǎng)民情感主題聚類分析：分別對消極情感和積極情感的文本數(shù)據(jù)進行主題聚類分析，即通過Python程序調(diào)用LDA（Latent Dirichlet Allocation，隱含狄利克雷分布）包對文本進行特征詞抽取，歸納出主題，然后根據(jù)災(zāi)害發(fā)生階段和不同情感態(tài)度，分別探討主題演化的特征。

④ 討論與建議：基于上述對“山竹”臺風(fēng)微博數(shù)據(jù)的情感和主題分析，進一步探討網(wǎng)民情感態(tài)度演變的深層原因，并提出可預(yù)測性災(zāi)害中網(wǎng)民情感態(tài)度引導(dǎo)的策略建議。

1.2 研究數(shù)據(jù)

從微博搜索“山竹”臺風(fēng)的結(jié)果來看，最早的災(zāi)害信息在2018年9月7日出現(xiàn)，網(wǎng)民對“山竹”臺風(fēng)的關(guān)注一直持續(xù)到十月初。因此，本文研究數(shù)據(jù)獲取的范圍是微博上2018月9月7日至30日與“山竹”臺風(fēng)相關(guān)的微博文本數(shù)據(jù)，總計38272條。經(jīng)過對原始數(shù)據(jù)中無效、重復(fù)的數(shù)據(jù)進行剔除，包括非普通網(wǎng)民發(fā)布、純轉(zhuǎn)發(fā)等對本研究沒有價值的博文，最終篩選出9634條有效數(shù)據(jù)作為最終研究數(shù)據(jù)集。根據(jù)可預(yù)測性災(zāi)害的特征，我們將研究數(shù)據(jù)集分為三個部分：災(zāi)前階段（9月7日至15日）、災(zāi)中階段（9月16日）和災(zāi)后階段（9月17日至30日），三個階段的數(shù)據(jù)量分別為：災(zāi)前階段3583條，災(zāi)中階段4140條，災(zāi)后階段1911條。

2、網(wǎng)民情感演變趨勢分析

本文研究的最終目標是探討網(wǎng)民情感態(tài)度的引導(dǎo)策略，因此以情感分析為主線。為了得到合理的積極、中立、消極對應(yīng)的情感正面概率區(qū)間，隨機抽取了1000條數(shù)據(jù)，通過人工方式對它們進行極性標注，然后與程序計算所得的情感正面概率值進行比對分析，最終確定情感正面概率值在（0，0.4）區(qū)間內(nèi)的文本信息為消極情感，在（0.4，0.6）區(qū)間內(nèi)的為中立情感，在（0.6，1）區(qū)間內(nèi)的為積極情感。

2.1 網(wǎng)民情感態(tài)度極性占比分析

為了準確掌握網(wǎng)民在“山竹”臺風(fēng)的各個階段中情感態(tài)度的變化規(guī)律，本研究首先分階段統(tǒng)計含有消極、中立和積極情感的數(shù)據(jù)占比，結(jié)果如圖1所示。

通過圖1可以看出，在此次臺風(fēng)的各個階段中帶有積極情感的數(shù)據(jù)量占比均超過了50%，說明網(wǎng)民在此次災(zāi)害中的情感態(tài)度總體上是積極樂觀的。但是，三種情感極性占比在災(zāi)害發(fā)展的不同階段也有較為明顯的變化，含消極情感極性的數(shù)據(jù)占比先增后減，災(zāi)前階段是26.43%，災(zāi)中階段時增加到29.8%，而到災(zāi)后階段則降至20.46%。相比之下，含積極情感極性的數(shù)據(jù)占比是先減后增，災(zāi)前階段是60.23%，災(zāi)中階段降低為55%，到災(zāi)后階段又大幅增加至69.81%。且災(zāi)前各情感占比值均位于災(zāi)中和災(zāi)后之間，災(zāi)前情感較不穩(wěn)定，存在較大的引導(dǎo)空間。

2.2 網(wǎng)民整體情感態(tài)度演變趨勢

在可預(yù)測性災(zāi)害中，網(wǎng)民的情感態(tài)度在災(zāi)前階段已形成，且網(wǎng)民情感態(tài)度的變化會通過影響網(wǎng)絡(luò)輿情的情感態(tài)勢而影響其他網(wǎng)民的言論和行動。為了分析“山竹”臺風(fēng)中網(wǎng)民整體情感態(tài)度的演變趨勢，本研究根據(jù)先前得到的每條數(shù)據(jù)的情感正面概率值，按照日期計算出每日的情感正面概率均值，并繪出其演變趨勢圖，如圖2所示。

從圖2可以看出，在“山竹”臺風(fēng)的整個網(wǎng)絡(luò)輿情環(huán)境中，網(wǎng)民的情感正面概率均值都高于0.6，網(wǎng)民整體的情感態(tài)度偏向樂觀。但網(wǎng)民情感正面概率均值在9月8日、9月16日達到了低谷，其中9月8日是災(zāi)害信息剛發(fā)布的時間，網(wǎng)民突然得到災(zāi)害預(yù)警，盲目恐慌導(dǎo)致情感正面概率均值迅速下降；9月16日是“山竹”臺風(fēng)正式登陸的時間，屬于災(zāi)中階段，受災(zāi)群眾切身感受到了臺風(fēng)災(zāi)害的威力，導(dǎo)致網(wǎng)民情感正面概率均值大幅下跌。

2.3 網(wǎng)民消極和積極情感態(tài)度演變趨勢

在“山竹”臺風(fēng)發(fā)生的整個過程中，網(wǎng)民整體的情感態(tài)度偏向樂觀，積極情感成為整個階段的主導(dǎo)情感極性，對網(wǎng)絡(luò)輿情的走向具有重要影響。但也不能忽略網(wǎng)民的消極情感態(tài)度，因為這些消極的情感態(tài)度如果不能及時被引導(dǎo)和消解，很可能發(fā)酵形成不良的輿論導(dǎo)向，對災(zāi)害中的社會穩(wěn)定形成沖擊。因此，本研究專門針對網(wǎng)民情感正面概率值處于消極范圍（0，0.4）的數(shù)據(jù)和處于積極范圍（0.6，1）的數(shù)據(jù)進行分析，分別計算出它們的日均情感正面概率值，并繪制出消極和積極情感態(tài)度演變趨勢圖，如圖3所示。

從圖3可以看出，無論是消極情感還是積極情感，在災(zāi)前階段和災(zāi)后階段變化波動都比較大，原因在于災(zāi)前階段和災(zāi)后階段時間跨度較長，網(wǎng)民的情感態(tài)度受主觀因素、外部輿論環(huán)境和周邊社會環(huán)境的影響。因此，災(zāi)前階段和災(zāi)后階段的網(wǎng)民情感態(tài)度都存在較大的引導(dǎo)空間，政府應(yīng)急管理部門應(yīng)充分重視這兩個時間段，積極開展相應(yīng)的輿情引導(dǎo)工作，以及時消解網(wǎng)民的消極情感態(tài)度，形成更加積極的輿情環(huán)境。

3、網(wǎng)民情感主題聚類分析

上述研究理清了“山竹”臺風(fēng)中網(wǎng)民情感態(tài)度的演變趨勢，給網(wǎng)民情感態(tài)度的引導(dǎo)提供了時間依據(jù)。為了更加有效地引導(dǎo)網(wǎng)民的情感態(tài)度，還需要進一步探究網(wǎng)民不同情感態(tài)度背后的真實原因，找出網(wǎng)民情感態(tài)度引導(dǎo)的主題依據(jù)。為此，本研究基于“山竹”臺風(fēng)的三個發(fā)展階段，分別對消極情感態(tài)度和積極情感態(tài)度的微博數(shù)據(jù)進行主題聚類分析，探究與網(wǎng)民不同情感態(tài)度相關(guān)聯(lián)的主題。

3.1 消極情感態(tài)度下的主題聚類分析

表1按照災(zāi)前、災(zāi)中和災(zāi)后三個階段展示了網(wǎng)民消極情感態(tài)度下的主題聚類結(jié)果，可以看出，與網(wǎng)民消極情感態(tài)度相關(guān)的主題較為集中。在災(zāi)前階段，引起網(wǎng)民消極情感態(tài)度的微博主題主要集中于災(zāi)前預(yù)警信息的發(fā)布、災(zāi)前物資供應(yīng)短缺和停電停水等問題；在災(zāi)中階段，網(wǎng)民對臺風(fēng)的正式登陸、航班停運、停電停水?dāng)嗑W(wǎng)和建筑物不安全等問題表現(xiàn)出了消極情感態(tài)度；在災(zāi)后階段，讓網(wǎng)民產(chǎn)生消極情感態(tài)度的主題依然包括停電停水。

3.2 積極情感態(tài)度下的主題聚類分析

表2按照災(zāi)前、災(zāi)中和災(zāi)后三個階段展示了網(wǎng)民積極情感態(tài)度下的微博主題聚類結(jié)果，與消極情感態(tài)度的主題聚類結(jié)果相比較，網(wǎng)民積極情感態(tài)度涉及的主題相對較為分散，涉及建筑、人文關(guān)懷、政府效率和社會集體榮譽感等方面。在災(zāi)前階段，政府教育相關(guān)部門發(fā)布的停課停工通知、人們?yōu)闉?zāi)區(qū)群眾祈福大大緩解了臺風(fēng)給網(wǎng)民帶來的恐懼，與去年的“天鴿”臺風(fēng)對比也給網(wǎng)民帶來一定的心理緩沖，這些主題都催生了人們積極應(yīng)對臺風(fēng)的心態(tài)；在災(zāi)中階段，除了停課、為災(zāi)區(qū)群眾祈福之外，學(xué)校的人文關(guān)懷、社會工作人員熱衷奉獻的精神等成為積極情感主題的主導(dǎo)，例如為災(zāi)中堅持工作的人點贊、高校送餐到宿舍、港珠澳大橋成功抵抗臺風(fēng)等；在災(zāi)后階段，積極情感相關(guān)的主題包括穿越叢林上班、災(zāi)后恢復(fù)速度迅速、自愿綠色出行、教育孩子敬畏自然、臨時避災(zāi)人員留感謝信等。

4、網(wǎng)民情感態(tài)度引導(dǎo)策略建議

上文“山竹”臺風(fēng)具體情境下網(wǎng)民情感演變趨勢和主題聚類分析結(jié)果再次突顯了政府應(yīng)急管理部門對網(wǎng)民情感態(tài)度引導(dǎo)的重要性，特別是在具有災(zāi)前預(yù)警階段的可預(yù)測性災(zāi)害中。網(wǎng)民情感演變趨勢的分析結(jié)果顯示，可預(yù)測性災(zāi)害中災(zāi)前預(yù)警階段持續(xù)時間較長，網(wǎng)民的情感態(tài)度很容易受到外部輿論環(huán)境的影響，存在較大的引導(dǎo)空間。因此，在可預(yù)測性災(zāi)害的災(zāi)前預(yù)警階段進行及時有效的網(wǎng)民情感態(tài)度引導(dǎo)，將會對災(zāi)前群眾恐慌情緒的控制、預(yù)防工作的有序布置、災(zāi)中及時有效的救援、災(zāi)后的快速恢復(fù)產(chǎn)生重要的影響。進一步結(jié)合主題聚類分析挖掘出的網(wǎng)民不同情感背后的各類主題因素，本研究針對可預(yù)測性災(zāi)害中網(wǎng)民情感態(tài)度的引導(dǎo)策略提出以下四點建議：

第一、權(quán)威的災(zāi)前預(yù)警與災(zāi)害知識普及相結(jié)合

從災(zāi)前消極情感態(tài)度下的主題聚類分析結(jié)果可以看出，災(zāi)前預(yù)警信息可能會引起網(wǎng)民的盲目恐慌。當(dāng)官方的災(zāi)前預(yù)警信息發(fā)布后，網(wǎng)民或自媒體會進行大規(guī)模轉(zhuǎn)發(fā)，在此過程中，有些新聞媒體或網(wǎng)絡(luò)自媒體會大肆夸大甚至編造臺風(fēng)災(zāi)害帶來的危害。同時，絕大部分普通網(wǎng)民對臺風(fēng)災(zāi)害的相關(guān)知識了解甚少，缺乏理性的認知，容易受到不實信息的誤導(dǎo)，結(jié)果導(dǎo)致大量無用、不必要的消極言論肆意蔓延，造成災(zāi)前社會環(huán)境的混亂。因此，在可預(yù)測性災(zāi)害的災(zāi)前階段，政府應(yīng)急管理部門應(yīng)當(dāng)首先加強官方信息的權(quán)威性，通過權(quán)威的官方媒體渠道及時發(fā)布和更新災(zāi)害預(yù)警信息。其次，政府應(yīng)急管理部門也應(yīng)加強相關(guān)災(zāi)害知識的普及工作，通過多種渠道發(fā)布與災(zāi)害相關(guān)的基礎(chǔ)科學(xué)常識、防范知識和應(yīng)急救援知識，從而引導(dǎo)普通網(wǎng)民理性看待災(zāi)害和從容應(yīng)對災(zāi)害?？傊?，將權(quán)威的災(zāi)前預(yù)警與災(zāi)害知識普及相結(jié)合可以安撫網(wǎng)民對于災(zāi)害的恐慌心理，有助于消解網(wǎng)民的消極情緒，也有利于更好地開展防災(zāi)工作。

第二、充分重視災(zāi)前應(yīng)急物資供給

從普通民眾的角度來看，準備好應(yīng)對災(zāi)害的各種生活物資是災(zāi)前防范措施中的重要內(nèi)容。絕大多數(shù)人的災(zāi)前物資儲備意識較強，會在預(yù)警階段準備維持日常生活的必需品。所以災(zāi)前應(yīng)急物資供給一旦出現(xiàn)短缺現(xiàn)象，就會引起廣大民眾的恐慌性搶購，這一點在消極情感態(tài)度下的主題聚類分析中有明顯的體現(xiàn)。因此，在可預(yù)測性災(zāi)害中政府應(yīng)急管理部門應(yīng)充分重視災(zāi)前的應(yīng)急物資供給，將應(yīng)急物資準備和調(diào)配作為災(zāi)前階段的一項重要工作。應(yīng)急管理部門可以與各路商家一起統(tǒng)籌合作，建立災(zāi)前應(yīng)急物資管理系統(tǒng)，根據(jù)各地區(qū)上報的應(yīng)急物資儲備量，結(jié)合人口密度、區(qū)域面積等進行合理的應(yīng)急物資調(diào)配，為群眾積極應(yīng)對災(zāi)害提供充分的物資保障。

第三、提高水電網(wǎng)設(shè)施安全度及搶修效率

由消極情感態(tài)度下的主題聚類分析結(jié)果還可以看出，停電停水?dāng)嗑W(wǎng)問題貫穿于整個災(zāi)害過程中，是造成網(wǎng)民消極情感態(tài)度的重要原因之一。在目前生活水平普遍提高的背景下，停電停水?dāng)嗑W(wǎng)將會嚴重影響人們的正常生活。災(zāi)害期間停電停水?dāng)嗑W(wǎng)的主要原因可能包括：為了避免人員由于觸電造成傷亡；水電網(wǎng)設(shè)施抵抗自然災(zāi)害的能力的不足；搶修速度及搶修服務(wù)的效率低下。因此，在可預(yù)測性災(zāi)害中政府應(yīng)急管理部門應(yīng)提前關(guān)注水電網(wǎng)設(shè)施的安全度，并努力提高它們的搶修效率。例如，在災(zāi)前階段做好水電網(wǎng)設(shè)施的檢修工作，在安全的前提下盡量保證災(zāi)區(qū)群眾日常生活中的用水用電用網(wǎng)；在必須停水停電的情況下，要做好提前通知和民眾情緒安撫等工作，最大程度地爭取群眾的諒解和支持。

第四、利用好社會化媒體平臺，積極與廣大網(wǎng)民溝通

從“山竹”臺風(fēng)中網(wǎng)民積極情感態(tài)度下的主題涵蓋范圍來看，網(wǎng)民的積極情感大多是由于政府應(yīng)急管理部門正確的應(yīng)急決策和正面的主題宣傳激發(fā)的，例如“教育局發(fā)布停課通知”、“贊美災(zāi)中工作人員”、“港珠澳大橋成功抵抗臺風(fēng)”、“自發(fā)綠色出行”等，說明應(yīng)急管理部門的工作受到越來越多的網(wǎng)民關(guān)注，網(wǎng)民期望及時得知官方的應(yīng)急決策，也會自發(fā)地參與、支持政府的應(yīng)急管理工作。因此，政府應(yīng)急管理部門在著力應(yīng)對災(zāi)害的同時，也須利用微博、微信等社會化媒體平臺及時發(fā)布各項重大的應(yīng)急決策和救援進展信息，及時澄清或糾正失實的言論，宣傳成功的典型應(yīng)急案例，營造積極樂觀的救災(zāi)氛圍。除此之外，政府應(yīng)急管理部門也可以充分利用社會化媒體與網(wǎng)民展開交流，收集網(wǎng)民的各種反饋和建議，把握住災(zāi)害應(yīng)對過程中事關(guān)群眾利益的關(guān)鍵問題。這些措施可以鼓勵廣大網(wǎng)民積極參與到災(zāi)害的應(yīng)急過程中，有利于提高網(wǎng)民對政府應(yīng)急管理部門的信任與支持，同時也鼓勵網(wǎng)民更加積極地配合政府的應(yīng)急救災(zāi)工作。

5、結(jié)論

為了探析可預(yù)測性災(zāi)害中針對普通網(wǎng)民情感態(tài)度的有效的引導(dǎo)策略，本文研究以“山竹”臺風(fēng)為具體情境，對普通網(wǎng)民在微博上發(fā)布的相關(guān)博文進行情感態(tài)度演變趨勢的分析，并在不同情感態(tài)度下深入挖掘態(tài)度背后的主題信息。分析結(jié)果顯示：網(wǎng)民在此次災(zāi)害中的情感態(tài)度總體上是積極樂觀的，但是在災(zāi)前階段和災(zāi)后階段情感態(tài)度波動較大；與網(wǎng)民消極情感態(tài)度相關(guān)的主題較為集中，主要包括災(zāi)前預(yù)警信息、應(yīng)急物資短缺和停水停電等；而網(wǎng)民積極情感態(tài)度涉及的主題則相對較為分散，涉及停課停工、祈?；顒印?yīng)急工作人員的奉獻精神、災(zāi)后的綠色出行等等?；谏鲜龇治鼋Y(jié)果，本研究最終從災(zāi)前預(yù)警信息發(fā)布和災(zāi)害知識普及、應(yīng)急物資供給保障、水電網(wǎng)設(shè)施的安全和搶修、社會化媒體平臺的運用等角度提出了網(wǎng)民情感態(tài)度的引導(dǎo)策略建議。需要指出的是，本文研究的情感分類限于消極、中立和積極，其情感區(qū)分度較為有限，不能深入挖掘網(wǎng)民更為豐富的情感態(tài)度，這是本文研究的不足之處，也是我們研究團隊下一個努力的方向。

參考文獻：

[1] 孔建華.國內(nèi)網(wǎng)絡(luò)輿情治理研究綜述[J].電子政務(wù)，2018（12）：67-78.

[2] Manek A S， Shenoy P D， Mohan M C， et al. Aspect term extraction for sentiment analysis in large movie reviews using gini index feature selection method and SVM classifier[J].World Wide Web， 2017， 20（2）： 135-154.

[3] 錢進寶.基于演化K-medoids方法的微博情感動態(tài)分析——以《穹頂之下》為例[J].情報雜志，2019，38（03）：155-159+165.

[4] 王靜茹，陳震.基于隱含狄利克雷分布的文本主題提取對比研究[J].情報科學(xué)，2018，36（01）：102-107.

[5] Bai H， Yu G. A weibo-based approach to disaster informatics： incidents monitor in post-disaster situation via Weibo text negative sentiment analysis[J].Natural Hazards，2016，83（2）：1177-1196.

[6] Huang F， Zhang S， Zhang J， et al.Mutimodal learning for topic sentiment analysis in microblogging[J].Neurocomp uting，2017，253：144-153.

[7] 王燦偉.基于主題提取的海量微博情感分析[J].南京大學(xué)學(xué)報（自然科學(xué)），2017，53（03）：549-556.

[8] 譚旭，吳俊江，徐磊，等.面向深度學(xué)習(xí)的多維度中文網(wǎng)絡(luò)輿情分析[J].小型微型計算機系統(tǒng)，2018，39（07）：1471-1477.

[9] 王秀芳，盛姝，路燕.一種基于話題聚類及情感強度的微博輿情分析模型[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2018，2（06）：37-47.

作者簡介：

沈洪洲，管理學(xué)博士，副教授，南京郵電大學(xué)管理學(xué)院，研究方向：社會化媒體、網(wǎng)絡(luò)輿情；

馬巧慧，南京郵電大學(xué)管理學(xué)院碩士研究生，研究方向：網(wǎng)絡(luò)輿情；

沈超，管理學(xué)博士，副教授，南京郵電大學(xué)管理學(xué)院，研究方向：網(wǎng)絡(luò)輿情。