丁海昕 王沁 李志剛

摘 要 重大疫情背景下社會媒體輿論的正確引導(dǎo)，對社會穩(wěn)定具有重要意義。通過文本挖掘獲取微博數(shù)據(jù)并進(jìn)行相關(guān)的預(yù)處理，使用神經(jīng)網(wǎng)絡(luò)算法將輿論信息劃分為積極、中立、消極三個維度，引入SEIR模型和地理加權(quán)回歸模型對時間維度情感變化趨勢與情感指數(shù)空間分布狀況進(jìn)行了分析。根據(jù)SEIR模型可大致將疫情發(fā)生后的輿論擴(kuò)散時期劃分為0～20天增長階段、20～40天爆發(fā)階段、40天后消退階段，并根據(jù)分析結(jié)論，提出社會媒體輿論引導(dǎo)的對策建議。

關(guān)鍵詞 社會媒體輿論；SEIR模型；地理加權(quán)回歸模型；情感變化趨勢；情感指數(shù)

中圖分類號 G2 文獻(xiàn)標(biāo)識碼 A 文章編號 2096-0360（2021）21-0011-04

基金項目：四川省社會科學(xué)“十三五”規(guī)劃2020年度重大項目“重大疫情背景下社交媒體輿論傳播網(wǎng)絡(luò)特點(diǎn)與引導(dǎo)機(jī)制研究”（編號：SC20YJ002）；2020年國家級大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目（編號：202010616024）。

重大疫情發(fā)生時，從中央到地方的各級政府官方平臺實(shí)時更新數(shù)據(jù)，發(fā)布權(quán)威信息；各類新聞媒體密切跟蹤，全方位報道；各類自媒體時刻關(guān)注疫情信息，活躍在各大輿論場。疫情期間，輿論傳播隨著疫情發(fā)展的不同時間和不同空間而不斷演變。其中，輿論傳播的重要渠道之一就是微博，因?yàn)槠溆脩魯?shù)量巨大，信息交互頻繁、快速等特點(diǎn)，在短時間內(nèi)迅速形成了強(qiáng)大的“井噴式”網(wǎng)絡(luò)輿情，從而影響了事件的演化方向，并且對相關(guān)政府部門對事件的判斷和處理造成影響。因此，對微博網(wǎng)絡(luò)中的輿論傳播機(jī)制與對策的研究顯得格外重要，有助于各級黨政機(jī)關(guān)及時而準(zhǔn)確地掌握輿情動態(tài)、回應(yīng)民眾關(guān)切，從而提高應(yīng)對能力。

目前，關(guān)于社會媒體輿論傳播機(jī)制的研究已經(jīng)引起了許多學(xué)者的關(guān)注，但是關(guān)注點(diǎn)大多集中在于輿論隨著時間變化的傳播機(jī)制，而忽略了社會媒體輿論傳播背后的地理位置信息，更少將時間信息與地理位置信息相結(jié)合對輿情進(jìn)行分析。林芹、郭東強(qiáng)[ 1 ]優(yōu)化SIS模型，在用戶心理特征的基礎(chǔ)上，通過仿真驗(yàn)證模型有效性，給出防控社交網(wǎng)絡(luò)輿情的方法。顧亦然和夏玲玲[ 2 ]通過SEIR模型提出一個具有潛伏期的網(wǎng)絡(luò)謠言傳播模型，并總結(jié)出一種網(wǎng)絡(luò)謠言抑制對策。鄭蕾和李生紅[ 3 ]使用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，并將微博網(wǎng)絡(luò)中的信息傳播機(jī)制與之結(jié)合，總結(jié)出了微博網(wǎng)絡(luò)信息傳播模型。

本文結(jié)合時間與空間對群眾情感趨勢變化以及社會媒體輿論傳播進(jìn)行雙維度分析，探索輿論發(fā)展導(dǎo)向、群眾情感波動以及疫情出現(xiàn)后不同時空點(diǎn)的相關(guān)性，歸納群眾情感波動與時空變化的規(guī)律。解決網(wǎng)絡(luò)中發(fā)表的關(guān)于探究重大疫情輿論導(dǎo)向的文章多數(shù)未深入探討輿論現(xiàn)象外表下推動輿論變化的環(huán)境因素，即時空因素所帶來的影響的問題。

1 研究思路與模型構(gòu)建

1.1 總體研究思路（圖1）

首先，文本挖掘獲取微博數(shù)據(jù)并進(jìn)行相關(guān)的預(yù)處理，通過神經(jīng)網(wǎng)絡(luò)算法將文本劃分為積極、中立、消極三個維度。

其次，引入SEIR模型進(jìn)行情感趨勢分析，通過GWR（地理加權(quán)回歸）模型進(jìn)行情感空間分布預(yù)測。

再者，將整個輿論擴(kuò)散時期劃分為增長、爆發(fā)、消退三個階段，通過社會網(wǎng)絡(luò)建立疫情期間微博輿論的傳播機(jī)制。

最后，將微博意見領(lǐng)袖類（如新聞、大V等）詞云劃分為消極事實(shí)、積極事實(shí)和謠言，試判斷這三類對每個階段導(dǎo)向的影響，以此來提出相對應(yīng)的對策干預(yù)。

1.2 基于SEIR模型的情感趨勢分析

1.2.1 SEIR模型構(gòu)建

這里感染指由于輿論影響發(fā)生情緒轉(zhuǎn)變，康復(fù)指遺忘微博輿論。

首先根據(jù)SEIR傳統(tǒng)模型，將人群分為S（易感者：易受情緒影響）、E（潛伏者：被情緒潛在影響）、I（感染者：由于輿論影響發(fā)生情緒轉(zhuǎn)變），R（康復(fù)者：遺忘情緒）。

這里S為全國網(wǎng)絡(luò)人數(shù)、E為疫情話題討論人員（中性）、I為情緒指數(shù)有變化（消極/積極）、R為積極/消極—中性，由于情緒數(shù)據(jù)具有個人化的特點(diǎn)，較難準(zhǔn)確測定，這里以整體指數(shù)為準(zhǔn)，即所討論人員情緒變化皆由整體微博評論的情感指數(shù)來作為定量指標(biāo)。

1.2.2 疫情期間情感指數(shù)趨勢

這里以疫情期間2019.12—2020.03數(shù)據(jù)為例，進(jìn)行情感分析，得到結(jié)果如圖3所示。

發(fā)現(xiàn)處于消極情緒的人居多，處于積極情緒的人較少，證明在疫情開始期間人們都處于消極恐慌的輿情信息中。

基于情感頻率代入SEIR模型中進(jìn)行輿情影響人數(shù)預(yù)測，見圖4。其中參數(shù)設(shè)定見表1。

根據(jù)SEIR的研究結(jié)果，我們可以大致將疫情發(fā)生后的輿論擴(kuò)散時期劃分為：0～20天為增長階段，20～40天為爆發(fā)階段，40天后為消退階段。

增長階段易感者在人數(shù)上占有巨大主導(dǎo)性，人數(shù)有壓倒性的占比，在增長階段中期，即疫情發(fā)生后10天左右才有下降的趨勢，且下降速率十分快。潛伏者和傳染者在增長階段中期開始產(chǎn)生，且潛伏者增長速率明顯大于傳染者，且二者在此階段峰值潛伏者越為傳染者的4～5倍，可見在輿論情感傳播的情緒轉(zhuǎn)化過程中潛伏者對應(yīng)的被情緒潛在影響因素的影響效果遠(yuǎn)大于感染者對應(yīng)的輿論影響因素。此階段康復(fù)者幾乎沒有出現(xiàn)，僅在18天左右有萌芽趨勢。

爆發(fā)階段易感者數(shù)量繼續(xù)急劇下降，并在本階段下降為0。潛伏者和傳染者數(shù)量在本階段上升至整個輿論擴(kuò)散時期的峰值，且潛伏者峰值人數(shù)為傳染者峰值人數(shù)的兩倍，傳染者人數(shù)達(dá)到峰值的時間比潛伏者人數(shù)到達(dá)峰值的時間延后5～8天。在達(dá)到峰值后，二者人數(shù)下降的斜率不同，且潛伏者人數(shù)下降斜率大于傳染者斜率下降速率。也正因斜率的差異性，雖然二者峰值差距較大，但二者曲線的微積分面積相差較小?？芍谡麄€輿論擴(kuò)散時期，潛伏者和傳染者所發(fā)揮的作用都不可小覷。本階段康復(fù)者人數(shù)開始呈樂觀上升態(tài)勢，并在階段結(jié)束時達(dá)到約6×10⁴人。

消退階段傳染者和潛伏者人數(shù)持續(xù)下降，且傳染者人數(shù)下降速率依舊保持小于潛伏者下降的速率，最終潛伏者先于傳染者人數(shù)降為0?？祻?fù)者人數(shù)在傳染者和潛伏者人數(shù)都降為0后達(dá)到峰值，此時已經(jīng)距離疫情發(fā)生時間點(diǎn)過去約85～95天。

整個輿論擴(kuò)散時期大約持續(xù)了3個月左右，期間潛伏者的出現(xiàn)伴隨著易感者人數(shù)的減少，同時也伴隨康復(fù)者的增加。傳染者的出現(xiàn)加劇了康復(fù)者的出現(xiàn)速率，使康復(fù)者人數(shù)呈一定速度地上升?？梢娸浾摂U(kuò)散時期中，各要素的人數(shù)變化最復(fù)雜的階段為爆發(fā)階段，如果需要在爆發(fā)階段對輿情做出引導(dǎo)，還需要進(jìn)一步對易感者、潛伏者、傳染者、康復(fù)者四者之間的內(nèi)在聯(lián)系、影響關(guān)系進(jìn)行進(jìn)一步的研究。

1.3 基于GWR模型的地區(qū)情感指數(shù)分布

根據(jù)分析結(jié)果可以得出各個地區(qū)擬合效果都比較理想，通過GWR模型得出各個地區(qū)的平均情感指數(shù)并得出相應(yīng)地區(qū)的情感分析。其中山西省的情感指數(shù)最低，情感指數(shù)范圍在-2.5以下，代表其受疫情影響較小，情緒穩(wěn)定；貴州省情感指數(shù)范圍在-2.5到-1.5之間，群眾情感較穩(wěn)定；以陜西省、江蘇省、山東省為代表的地區(qū)情感指數(shù)范圍在-1.5到-0.5之間，群眾情感也普遍穩(wěn)定；以青海省、廣東省、吉林省為代表的地區(qū)情感指數(shù)在-0.5到0.5之間，群眾有小部分受到疫情影響，情緒有小幅度波動；四川省的情感指數(shù)范圍在0.5到1.5之間，群眾中有部分情緒受疫情以及輿情感染；以云南省、河南省、安徽省為代表的地區(qū)情感指數(shù)范圍在1.5到2.5之間，受疫情以及輿情影響，情緒波動較大?？梢缘贸鼋Y(jié)論，距離武漢遠(yuǎn)的地區(qū)大部分群眾情感趨于穩(wěn)定，距離武漢近的地區(qū)的群眾情感波動較為明顯。

2 結(jié)論與對策

利用SEIR和GWR模型分析了疫情輿論影響的情感轉(zhuǎn)化趨勢和情感指數(shù)變化的空間特征，其研究結(jié)論如下。

1）疫情期間情感趨勢中，易感者、潛伏者、傳染者、康復(fù)者四者轉(zhuǎn)化最為復(fù)雜的階段是輿情爆發(fā)階段，即疫情輿情開始變化后的第20～40天。此階段四者相互轉(zhuǎn)化關(guān)系強(qiáng)烈，在數(shù)量趨勢上有猛烈變化，是輿情引導(dǎo)的關(guān)鍵時期。此階段政府應(yīng)采取官方賬號引導(dǎo)、新聞發(fā)布等方式對輿情進(jìn)行正確引導(dǎo)，避免出現(xiàn)盲目鎮(zhèn)壓、錯誤報道等現(xiàn)象，使民心散亂，引發(fā)疫情恐慌。并且和一般的網(wǎng)絡(luò)輿情不同，重大疫情網(wǎng)絡(luò)輿情往往會因?yàn)橐咔楸旧淼膰?yán)重性、疫情防控形勢的嚴(yán)峻性而增加網(wǎng)絡(luò)輿情傳播的“燃燒溫度”加劇了輿情治理的難度[4]。在治理過程中，必定會遇到人力、信息、物資、技術(shù)等各方面的約束，因此，針對特殊時期的輿情治理，需要打破固有的慣性思維，從刻板體系層級關(guān)系中跳脫，構(gòu)建更加高效、暢通的中央與地方、地方與地方之間的相互配合關(guān)系，不斷完善相關(guān)治理體系中的僵化性，增加系統(tǒng)靈活性，柔性對待每一次意外情況。

2）從情感分析看，疫情期間處于消極情緒的人居多，處于積極情緒的人較少，說明在疫情開始期間人民都處于消極恐慌的輿情信息中。在輿情爆發(fā)階段出現(xiàn)大規(guī)模消極思潮，政府相關(guān)部門應(yīng)直接通過網(wǎng)絡(luò)媒介發(fā)布信息，正確引導(dǎo)網(wǎng)民。對這段時機(jī)的把握要重視，一旦錯失良機(jī)，消極思潮便有進(jìn)一步向深層次發(fā)展的危險[5]。

3）將GWR模型中的地理情感波動強(qiáng)度與SEIR模型中的情感轉(zhuǎn)化情況驗(yàn)證后發(fā)現(xiàn)，各個地區(qū)的擴(kuò)散趨勢模擬與真實(shí)情況擬合度較高，與輿情的生命周期模型趨勢基本一致[6]，在輿情擴(kuò)散趨勢預(yù)測上可以起到一定作用。重大疫情下輿論治理需要根據(jù)不同的地域采取不同的政策方針。在可以預(yù)測未來一定時間段內(nèi)輿情地理傳播趨勢的基礎(chǔ)上，可以對政策下達(dá)進(jìn)行預(yù)期擬合，這樣對輿情的變化態(tài)勢有預(yù)期的準(zhǔn)備，提高治理水平。

參考文獻(xiàn)

[1]林芹，郭東強(qiáng).優(yōu)化SIS模型的社交網(wǎng)絡(luò)輿情傳播研究[J].情報科學(xué)，2017，35（3）53-56.

[2]顧亦然，夏玲玲.在線社交網(wǎng)絡(luò)中謠言的傳播與抑制[J].物理學(xué)報，2012，61（23）：544-550.

[3]鄭蕾，李生紅.基于微博網(wǎng)絡(luò)的信息傳播模型[J].通信技術(shù)，2012，45（2）：39-41.

[4]胡峰.重大疫情網(wǎng)絡(luò)輿情演變機(jī)理及跨界治理研究：基于“四點(diǎn)四階段”演化模型[J].情報理論與實(shí)踐（ITA），2020，43（6）：23-55.

[5]潘芳，卞藝杰，潘郁.危機(jī)事件網(wǎng)絡(luò)輿情傳播模型及消極思潮應(yīng)急對策[J].圖書情報工作，2010，54（15）：40-43.

[6]任凱，郭黎黎，張燕.社交網(wǎng)絡(luò)輿情事件的生命周期模型研究[J].科技傳播，2019（23）：1-3.