馮蘭萍 嚴(yán) 雪 程鐵軍

(1.河海大學(xué)商學(xué)院 常州 213022；2.南京郵電大學(xué)經(jīng)濟(jì)學(xué)院 南京 210023；3.常州市工業(yè)大數(shù)據(jù)挖掘與知識(shí)管理重點(diǎn)實(shí)驗(yàn)室 常州 213022)

0 引 言

突發(fā)事件網(wǎng)絡(luò)輿情是突發(fā)事件發(fā)生后網(wǎng)民對(duì)于該事件的意見(jiàn)、情緒和態(tài)度的總和[1]。微博已經(jīng)成為突發(fā)事件網(wǎng)絡(luò)輿情信息傳播、情緒傳遞的重要平臺(tái)和途徑，例如“新冠”疫情、“長(zhǎng)春長(zhǎng)生疫苗”事件、“8·12”天津?yàn)I海爆炸事故等突發(fā)事件輿情演化過(guò)程中，微博都扮演了重要角色。突發(fā)事件網(wǎng)絡(luò)輿情內(nèi)容較為敏感，受眾關(guān)注度高、傳播速度快[2]，而且在微博中具有負(fù)面和極端情緒的評(píng)論容易引發(fā)其他用戶(hù)共情,因此更容易得到廣泛傳播[3]。若政府應(yīng)對(duì)不及時(shí)、策略選擇不恰當(dāng)極易促使網(wǎng)民負(fù)面情緒快速增長(zhǎng)[4]，不僅可能會(huì)加劇突發(fā)事件應(yīng)急管理難度，還可能會(huì)引發(fā)新的社會(huì)安全事件[2]。如果能夠提前捕捉負(fù)面情緒(快速)爆發(fā)增長(zhǎng)，從而主動(dòng)、有效地引導(dǎo)負(fù)面情緒轉(zhuǎn)移，對(duì)政府輿情治理具有重要理論和現(xiàn)實(shí)意義。

社會(huì)影響理論(Social Influence Theory , SIT)是凱爾曼創(chuàng)建的典型的社會(huì)心理學(xué)理論[5]，認(rèn)為一個(gè)人的思想、感情、態(tài)度及行為，會(huì)受到他人或群體的影響而改變[6-7]，該理論在產(chǎn)品評(píng)論領(lǐng)域得到廣泛的研究[8-10]。網(wǎng)絡(luò)輿情事件評(píng)論同樣存在類(lèi)似的社會(huì)影響，當(dāng)多數(shù)人表達(dá)出某種態(tài)度時(shí)，個(gè)體不管自己本身態(tài)度如何，也同樣會(huì)表達(dá)出與社區(qū)類(lèi)似的態(tài)度傾向[11]。而“情緒”是指?jìng)€(gè)體或群體對(duì)某一特定事件的心理體驗(yàn)和情感反映[12]，包括個(gè)體情緒和群體情緒，有正面、中立和負(fù)面情緒三類(lèi)。網(wǎng)絡(luò)情緒是網(wǎng)民群體的情感反映，是網(wǎng)絡(luò)輿情的組成部分，能夠在很短的時(shí)間內(nèi)左右網(wǎng)絡(luò)輿情的發(fā)展方向[12]。突發(fā)事件網(wǎng)絡(luò)輿情演化在不同的發(fā)展階段最顯著的變化是負(fù)面情緒規(guī)模、占比和政府的干預(yù)措施[3,13]。一方面，政府應(yīng)急管理措施受網(wǎng)民負(fù)面情感比例的影響，需要根據(jù)網(wǎng)民負(fù)面情感比例調(diào)整自己的應(yīng)急措施[14]；另一方面，根據(jù)社會(huì)影響理論，多數(shù)個(gè)體所具有的相同情緒(主流情緒)對(duì)其他群體情緒起到一定的引導(dǎo)作用。因此本文將在現(xiàn)有研究的基礎(chǔ)上，以微博數(shù)據(jù)為研究對(duì)象，在社會(huì)影響理論的基礎(chǔ)上運(yùn)用EGM(1,1)模型[15]和簡(jiǎn)化粒子群算法(Simplified Particle Swarm Optimization Algorithm，SPSO)[16]構(gòu)建一個(gè)基于政府干預(yù)-主流情緒引導(dǎo)(Gov-Main)的群體情緒演化模型，對(duì)突發(fā)事件網(wǎng)絡(luò)輿情演化過(guò)程中主流情緒、不同情緒及不同強(qiáng)度下的政府干預(yù)對(duì)群體負(fù)面情緒向其他情緒轉(zhuǎn)移和演化的影響進(jìn)行新的探索。

1 相關(guān)工作

近年來(lái)，國(guó)內(nèi)外學(xué)者直接探討政府干預(yù)下的網(wǎng)絡(luò)負(fù)面情緒演化不多[14]，但在政府干預(yù)下的網(wǎng)絡(luò)情緒演化[17]、預(yù)測(cè)預(yù)警[18]、網(wǎng)絡(luò)輿情治理[19]等方面進(jìn)行了大量的理論分析和案例研究，并取得了豐富的成果。主要相關(guān)工作有：

a.研究現(xiàn)有案例，在情感計(jì)算或主題分析的基礎(chǔ)上，提出網(wǎng)絡(luò)輿情演化不同階段政府應(yīng)采取的干預(yù)措施或構(gòu)建預(yù)測(cè)模型進(jìn)行后期的預(yù)測(cè)。例如任中杰等[20]根據(jù)情感熱度劃分輿情演變過(guò)程，提出政府部門(mén)應(yīng)把握輿情演變規(guī)律，抓住重點(diǎn)時(shí)期，正面回應(yīng)質(zhì)疑等。張鵬等[21]基于扎根理論對(duì)微博輿情情感演化進(jìn)行分析，提出政府部門(mén)應(yīng)通過(guò)情感數(shù)據(jù)挖掘，全面感知網(wǎng)民心理情緒演變程度。譚旭等[18]對(duì)輿情評(píng)論數(shù)據(jù)進(jìn)行情感演化分析與預(yù)測(cè)，指出香港“修例”風(fēng)波中政府應(yīng)積極搶占意見(jiàn)領(lǐng)袖的位置，避免意見(jiàn)領(lǐng)袖惡意參與?，F(xiàn)有的研究主要為事后分析，側(cè)重于情感傾向性分析，在此基礎(chǔ)上對(duì)網(wǎng)絡(luò)情緒進(jìn)行分析與預(yù)測(cè)，對(duì)網(wǎng)絡(luò)輿情發(fā)展過(guò)程中各類(lèi)情緒分布和演化、不同情緒間的相互作用和影響研究較少。

b.對(duì)網(wǎng)絡(luò)情緒演化進(jìn)行理論研究和建模，并進(jìn)行仿真或案例分析，探討不同政府干預(yù)強(qiáng)度對(duì)網(wǎng)絡(luò)情緒演化的影響。例如王治瑩等[2]、陳業(yè)華等[22]、田世海等[23]改進(jìn)傳統(tǒng)傳染病(SIR)模型[24]來(lái)描述網(wǎng)絡(luò)輿情情感交互過(guò)程，構(gòu)建情緒演化模型，并進(jìn)行理論論證和案例分析政府的調(diào)控作用。吳孝靈等[25]運(yùn)用博弈論描述個(gè)體交互行為，建立政府通過(guò)正面輿論與公眾負(fù)面輿論交互熵模型。吳鵬等[26]基于Deffuant模型設(shè)計(jì)了網(wǎng)民、政府、草根意見(jiàn)領(lǐng)袖間的博弈交互規(guī)則，運(yùn)用實(shí)例說(shuō)明政府公信力對(duì)輿情傳播的影響。夏一雪[27]采用多維度微分方程組描述網(wǎng)民情感“衰減-轉(zhuǎn)移”過(guò)程，從政府輿情治理視角探討正面、中性和負(fù)面情緒的演化問(wèn)題。凌晨等[28]基于BDI規(guī)則構(gòu)建模型，分析政府的介入對(duì)交互型網(wǎng)民負(fù)面情緒的影響?，F(xiàn)有的研究既從微觀上反應(yīng)了輿情傳播過(guò)程中主體情緒間的相互影響，又在宏觀上反映了網(wǎng)絡(luò)輿情情緒的發(fā)展態(tài)勢(shì)，但政府引導(dǎo)主要集中于正面干預(yù)，同時(shí)考慮負(fù)面、中立的干預(yù)較少。

2 基于Gov-Main的群體情緒轉(zhuǎn)移分析

2.1情緒類(lèi)型及其轉(zhuǎn)移特征突發(fā)事件網(wǎng)絡(luò)輿情發(fā)展過(guò)程參與主體包括網(wǎng)民、政府、媒體、意見(jiàn)領(lǐng)袖等，本文研究的是政府如何干預(yù)、主流情緒如何引導(dǎo)負(fù)面情緒向其他情緒轉(zhuǎn)移的問(wèn)題，各主體在負(fù)面情緒轉(zhuǎn)移過(guò)程中具有不同的情緒，扮演著不同的角色，下面首先分析情緒類(lèi)型及其轉(zhuǎn)移特征。

2.1.1 情緒類(lèi)型 a.微博評(píng)論情緒。微博評(píng)論是網(wǎng)民在某一突發(fā)事件相關(guān)微博下通過(guò)評(píng)論表達(dá)此刻對(duì)突發(fā)事件的意見(jiàn)、觀點(diǎn)和情緒的文本。評(píng)論文本的情感傾向主要通過(guò)情感詞來(lái)傳遞，可通過(guò)情感分析技術(shù)對(duì)評(píng)論情感進(jìn)行識(shí)別和分類(lèi)。情緒分析是在現(xiàn)有粗粒度的二分類(lèi)(正面、負(fù)面)情感分析的基礎(chǔ)上，多維度地描述人的情緒、態(tài)度[29]。情緒分類(lèi)與情感分類(lèi)相似[30]，評(píng)論情緒分類(lèi)可采用情感分析方法對(duì)評(píng)論進(jìn)行情感分析。將情感概念的傾向度取值區(qū)間定義為[-1,1]，其中，負(fù)面情感傾向度取值區(qū)間定義為[-1,0)，正面情感傾向度取值區(qū)間定義為(0,1][31]，運(yùn)用情感分析技術(shù)對(duì)評(píng)論進(jìn)行情緒值(情感傾向值)計(jì)算，獲得評(píng)論情緒值的大小，進(jìn)而對(duì)其情緒極性進(jìn)行判斷。情緒值的絕對(duì)值大小表示情感強(qiáng)烈程度，絕對(duì)值越大，情感越強(qiáng)烈。情緒類(lèi)型的劃分有多種方法，沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)?？筛鶕?jù)情緒值的大小對(duì)情感極性強(qiáng)度進(jìn)行細(xì)粒度的劃分，或者其情感極性進(jìn)行判斷，將評(píng)論情緒劃分正面情緒(情緒值大于0)、中立情緒(情緒值等于0)、負(fù)面情緒(情緒值小于0)[31]。本文根據(jù)情感極性將微博評(píng)論情緒劃分為正面情緒、中立情緒和負(fù)面情緒，相應(yīng)情緒類(lèi)型用k表示，k=1，2，3。

b.個(gè)體情緒。網(wǎng)民即個(gè)體，包括網(wǎng)絡(luò)輿情的參與者和觀望者。個(gè)體情緒指突發(fā)事件發(fā)生后，個(gè)體對(duì)該事件的心理體驗(yàn)和情感反映[12]，是短期內(nèi)對(duì)特定環(huán)境刺激的強(qiáng)烈情感反應(yīng)[32]，包括正面情緒、中立情緒、負(fù)面情緒、觀望情緒和潛在情緒。個(gè)體的正面情緒、中立情緒、負(fù)面情緒通過(guò)評(píng)論情緒表達(dá)；觀望情緒指網(wǎng)絡(luò)輿情的發(fā)展過(guò)程中觀望者持有的不確定情緒，未通過(guò)網(wǎng)絡(luò)平臺(tái)表達(dá)；潛在情緒指在某一時(shí)刻(時(shí)間段內(nèi))未通過(guò)網(wǎng)絡(luò)平臺(tái)表達(dá)的情緒，包括觀望情緒、參與者在某一時(shí)刻未參與，但持有的正面情緒、中立情緒或負(fù)面情緒。

c.群體情緒。在網(wǎng)絡(luò)輿情演化過(guò)程中,情緒相互感染,情緒不斷擴(kuò)散形成群體情緒[33]，即當(dāng)多個(gè)個(gè)體具有的情緒相同時(shí)，聚集形成的一致對(duì)外的情緒。群體情緒包括群體正面情緒、群體負(fù)面情緒、群體中立情緒，群體k情緒所擁有的個(gè)體數(shù)量即群體k情緒規(guī)模。

d.主流情緒。主流情緒指在某一時(shí)刻或某時(shí)間段內(nèi)多數(shù)個(gè)體所具有的共同情緒，本文采用在某一時(shí)刻或某時(shí)間段內(nèi)最大群體規(guī)模相應(yīng)的情緒來(lái)表征。根據(jù)社會(huì)影響理論，主流情緒對(duì)其他情緒的轉(zhuǎn)移起引導(dǎo)作用，具體體現(xiàn)在被引導(dǎo)情緒群體規(guī)模、主流情緒規(guī)模及兩者比值的變化。

e.政府干預(yù)情緒。政府既是事件主體，又是整個(gè)情緒引導(dǎo)體系中最基本的參與者[34]，政府干預(yù)包括政府首發(fā)干預(yù)和歷史干預(yù),本文認(rèn)為政府首發(fā)干預(yù)指各級(jí)政府在某時(shí)間段內(nèi)針對(duì)某突發(fā)事件網(wǎng)絡(luò)輿情通過(guò)其官微或媒體官微發(fā)布的權(quán)威信息，以達(dá)到與負(fù)面情緒傳播者及時(shí)且有效溝通的效果，緩解網(wǎng)絡(luò)輿情負(fù)面情緒，引導(dǎo)負(fù)面情緒向其他情緒轉(zhuǎn)移的過(guò)程。基于情緒的短暫性，在某時(shí)間段后政府首發(fā)干預(yù)轉(zhuǎn)化為政府歷史干預(yù)。從公眾角度來(lái)看，政府干預(yù)亦具有情緒極性：正面情緒(好消息，情緒值大于0)、負(fù)面情緒(壞消息，態(tài)度模糊不清、不確定的消息，情緒值小于0)和中立情緒(不好不壞的消息，情緒值等于0)。

2.1.2 基于社會(huì)影響理論的群體情緒轉(zhuǎn)移特征分析 社會(huì)影響理論描述人們會(huì)采取與周?chē)讼嗨频男袨椋从车骄W(wǎng)絡(luò)情緒中就會(huì)呈現(xiàn)出某種情緒的感染和擴(kuò)散[10]，下面將在此基礎(chǔ)上討論群體情緒間的轉(zhuǎn)移。

a.個(gè)體情緒轉(zhuǎn)移對(duì)群體情緒轉(zhuǎn)移的影響。隨著突發(fā)事件的發(fā)展，在其他主體情緒的影響下，個(gè)體情緒呈現(xiàn)一個(gè)動(dòng)態(tài)演化的過(guò)程[3]。個(gè)體在新的時(shí)刻通過(guò)微博發(fā)表新的評(píng)論表達(dá)自身情緒，或者轉(zhuǎn)化為潛在情緒，即未發(fā)表任何評(píng)論，但網(wǎng)民可能持有原有情緒或者轉(zhuǎn)化為其他情緒。隨著個(gè)體情緒的轉(zhuǎn)移，其相應(yīng)群體情緒規(guī)模和分布亦發(fā)生改變，群體情緒規(guī)模和分布決定了當(dāng)時(shí)輿情情緒的狀態(tài)和發(fā)展趨勢(shì)。

b.主流情緒對(duì)群體情緒轉(zhuǎn)移的影響。主流情緒與群體情緒的一致性決定了群體情緒轉(zhuǎn)移的方向，主流情緒對(duì)群體情緒轉(zhuǎn)移引導(dǎo)具有如下規(guī)則：

main-guide1：主流情緒和群體k情緒一致時(shí)，主流情緒促進(jìn)其他情緒群體向k情緒群體轉(zhuǎn)移，阻礙k情緒群體向其他情緒群體轉(zhuǎn)移。

main-guide2：主流情緒和群體k情緒不一致時(shí)，主流情緒阻礙其他情緒群體向k情緒群體轉(zhuǎn)移，促進(jìn)k情緒群體向主流情緒轉(zhuǎn)移。

c.政府干預(yù)對(duì)主流情緒引導(dǎo)的作用。不同情緒的政府干預(yù)對(duì)主流情緒引導(dǎo)作用不同，政府干預(yù)與主流情緒的一致性決定了政府干預(yù)作用的方向。其規(guī)則如下：

gov-main-guide1：政府干預(yù)情緒與主流情緒一致時(shí)，政府干預(yù)增強(qiáng)主流情緒對(duì)群體情緒轉(zhuǎn)移的影響。

gov-main-guide2：政府干預(yù)情緒與主流情緒不一致時(shí)，政府干預(yù)減弱主流情緒對(duì)群體情緒轉(zhuǎn)移的影響。

政府干預(yù)情緒為中立時(shí)不影響輿情的發(fā)展，因此下文的討論不予以考慮。

d.政府干預(yù)擴(kuò)散對(duì)其干預(yù)效果的影響。在突發(fā)事件網(wǎng)絡(luò)輿情發(fā)展過(guò)程中，意見(jiàn)領(lǐng)袖是形成輿情的重要力量，能夠快速擴(kuò)散輿情[35]，與各級(jí)政府官微、媒體官微等一樣，在微博上具有較高關(guān)注度和較大影響力，對(duì)網(wǎng)民的行為和情緒產(chǎn)生較大影響，因此本文將各級(jí)政府官微、媒體官微、意見(jiàn)領(lǐng)袖定義為關(guān)鍵節(jié)點(diǎn)。當(dāng)政府干預(yù)被關(guān)鍵節(jié)點(diǎn)轉(zhuǎn)發(fā)(報(bào)道、轉(zhuǎn)發(fā)、評(píng)論、重新編發(fā)、發(fā)表與其相似觀點(diǎn)等)后，會(huì)極大增強(qiáng)政府干預(yù)的曝光率和影響力。關(guān)鍵節(jié)點(diǎn)參與轉(zhuǎn)發(fā)的時(shí)間和轉(zhuǎn)發(fā)數(shù)表征了政府干預(yù)的擴(kuò)散速度，直接影響政府對(duì)網(wǎng)絡(luò)輿情的干預(yù)效果，具體表現(xiàn)為對(duì)政府干預(yù)作用的增強(qiáng)。

由上文分析可知，可通過(guò)研究政府對(duì)主流情緒引導(dǎo)作用的干預(yù)即政府干預(yù)-主流情緒引導(dǎo)模式來(lái)探討政府對(duì)負(fù)面情緒轉(zhuǎn)移及其演化趨勢(shì)的影響；將政府干預(yù)與主流情緒、主流情緒與群體情緒的一致性，主流情緒對(duì)群體情緒的引導(dǎo)作用及政府干預(yù)對(duì)主流情緒引導(dǎo)作用的影響程度、引入構(gòu)建Gov-Main群體情緒演化模型。

2.2.1 情緒一致性計(jì)算 由2.1可知，情緒一致性計(jì)算是政府干預(yù)-主流情緒引導(dǎo)群體情緒轉(zhuǎn)移方向量化的基礎(chǔ)。ti時(shí)刻i情緒與j情緒一致性表示為：

(1)

(2)

其中，b1>0為主流情緒引導(dǎo)系數(shù)，具體數(shù)值根據(jù)實(shí)際情況確定。b1越大，主流情緒對(duì)k群體情緒的引導(dǎo)能力越強(qiáng)。

2.2.3 政府干預(yù)效果計(jì)算 在突發(fā)事件網(wǎng)絡(luò)輿情發(fā)展過(guò)程中，雖然影響政府干預(yù)效果的因素較多且較復(fù)雜，但是按照常識(shí)，[ti-1,ti]內(nèi)政府首發(fā)干預(yù)次數(shù)越多，對(duì)主流情緒引導(dǎo)的干預(yù)強(qiáng)度越大，效果越明顯；隨著時(shí)間的推移，政府干預(yù)信息逐漸被公眾接受，即[ti-1,ti]內(nèi)的政府首發(fā)干預(yù)在[tj,tj+1](i

(3)

其中a>1,j=1,2,3,4，a根據(jù)需要取值，a越小，政府干預(yù)強(qiáng)度越大。

(4)

(5)

表1 政府干預(yù)、主流情緒對(duì)k情緒轉(zhuǎn)移影響

(6)

其中，c為政府干預(yù)系數(shù)，c≥0，當(dāng)c=0時(shí)，不考慮政府干預(yù)對(duì)k群體情緒轉(zhuǎn)移的影響，或是此時(shí)政府干預(yù)為中立。c越大，政府干預(yù)作用越強(qiáng)。

3 基于Gov-Main的群體情緒演化模型構(gòu)建

(7)

3.2群體情緒規(guī)模基礎(chǔ)演化模型突發(fā)事件網(wǎng)絡(luò)輿情在爆發(fā)前用于輿情發(fā)展趨勢(shì)預(yù)測(cè)的數(shù)據(jù)樣本較少，并具有很大的隨機(jī)性、不確定性與模糊性?；疑到y(tǒng)理論能夠解決網(wǎng)絡(luò)輿情事件“數(shù)據(jù)少”“不確定性高”等問(wèn)題[15]，在處理小樣本、貧信息的數(shù)據(jù)上具有很大優(yōu)勢(shì)[38]，因此，本文采用灰色模型中的EGM(1,1)為情緒規(guī)?；A(chǔ)演化模型來(lái)描述總體情緒規(guī)模演化，預(yù)測(cè)[ti,ti+1]總體情緒規(guī)模增長(zhǎng)量sΔti+1。

3.3基于SPSO的群體情緒規(guī)模轉(zhuǎn)移模型構(gòu)建粒子群算法是引入個(gè)體認(rèn)知和社會(huì)影響理論模擬群體智能所建立起來(lái)的一種優(yōu)化算法，粒子通過(guò)自身慣性(沿著當(dāng)前的速度和方向慣性飛行)、自身經(jīng)驗(yàn)(個(gè)體認(rèn)知)和同伴中最好的經(jīng)驗(yàn)即種群最優(yōu)值(社會(huì)影響)決定下一時(shí)刻飛行的方向，實(shí)現(xiàn)位置更新。SPSO[16]舍去粒子群算法的速度公式和自我認(rèn)知項(xiàng)，粒子下一時(shí)刻的位置只受種群最優(yōu)值的影響。SPSO算法中k粒子位置更新如公式(8)所示：

(8)

(9)

(10)

3.4參數(shù)確定

(11)

(12)

(13)

(14)

c.政府干預(yù)影響。政府對(duì)主流情緒引導(dǎo)作用的干預(yù)影響見(jiàn)表1。

(15)

其中，μ2、b3為調(diào)節(jié)系數(shù)，μ2∈(0,1]，b3∈(0,1)。

4 案例分析

重大災(zāi)難性事故“東方之星”沉船、特大生產(chǎn)安全責(zé)任事故“8·12”天津?yàn)I海爆炸和突發(fā)公共衛(wèi)生事件“長(zhǎng)春長(zhǎng)生疫苗”發(fā)生后，很快受到網(wǎng)民的關(guān)注和討論。參考文獻(xiàn)[41]對(duì)突發(fā)事件網(wǎng)絡(luò)輿情階段的劃分和百度指數(shù)可知，“東方之星”沉船事故和“8·12”天津?yàn)I海爆炸事故發(fā)生后，相應(yīng)網(wǎng)絡(luò)輿情迅速擴(kuò)散，潛伏期短。“東方之星”沉船事故發(fā)生后，政府迅速采取多次正面干預(yù)，干預(yù)效果良好，網(wǎng)絡(luò)輿情生命周期短?！?·12”天津?yàn)I海爆炸事故和“長(zhǎng)春長(zhǎng)生疫苗”事件網(wǎng)絡(luò)輿情生命周期較長(zhǎng)，政府干預(yù)正面、負(fù)面兼有。前者政府干預(yù)次數(shù)多，擴(kuò)散期較長(zhǎng)，后者政府干預(yù)次數(shù)適中，潛伏期相對(duì)較長(zhǎng)。上述突發(fā)事件網(wǎng)絡(luò)輿情發(fā)展各有特點(diǎn)，因此本文選取以上突發(fā)事件作為研究案例。

由于公眾接受信息并在微博上參與討論有一定的滯后性，結(jié)合3個(gè)案例網(wǎng)絡(luò)輿情的特點(diǎn)，本文將選取三個(gè)案例網(wǎng)絡(luò)輿情不同階段政府干預(yù)、微博和微博評(píng)論為研究對(duì)象。選取“東方之星”沉船事故網(wǎng)絡(luò)輿情(簡(jiǎn)稱(chēng)“東方之星”沉船事故)和“8·12”天津?yàn)I海爆炸事故網(wǎng)絡(luò)輿情(簡(jiǎn)稱(chēng)“8·12”天津?yàn)I海爆炸事故)的擴(kuò)散期至消退期、“長(zhǎng)春長(zhǎng)生疫苗”事件網(wǎng)絡(luò)輿情(簡(jiǎn)稱(chēng)“長(zhǎng)春長(zhǎng)生疫苗”事件)的潛伏期至擴(kuò)散初期進(jìn)行分析。采用本文模型所得值與實(shí)際值比較的方法，驗(yàn)證本文模型的有效性和可行性，限于篇幅，本文主要探討政府干預(yù)和主流情緒對(duì)負(fù)面情緒轉(zhuǎn)移的引導(dǎo)作用。

4.1數(shù)據(jù)獲取及處理分別以“東方之星沉船”“天津爆炸”“長(zhǎng)生疫苗”為關(guān)鍵詞對(duì)新浪微博進(jìn)行檢索，采用Python編程分別爬取2015年6月2日14時(shí)-15日24時(shí)、2015年8月13日14時(shí)-24日24時(shí)、2018年7月15日19時(shí)-22日24時(shí)之間的微博、博主信息及相應(yīng)評(píng)論、評(píng)論時(shí)間等信息。剔除0時(shí)-7時(shí)用戶(hù)不活躍數(shù)據(jù)以及重復(fù)、無(wú)效的數(shù)據(jù)后，分別得到相關(guān)數(shù)據(jù)23 545、345 260、87 226條。采用jieba分詞和Boson-NLP情感詞典計(jì)算微博評(píng)論的情緒值?；谇榫w的短暫性特征，以1小時(shí)為粒度統(tǒng)計(jì)相應(yīng)的正面、中立、負(fù)面群體情緒規(guī)模和總體情緒規(guī)模。

根據(jù)本文定義，結(jié)合微博博主的影響力，3個(gè)案例分別從熱門(mén)微博中確定160、275、124個(gè)認(rèn)證博主為關(guān)鍵節(jié)點(diǎn)。政府首發(fā)干預(yù)分別有159、261、28次，情緒值采用人工判定方法。新增總體情緒規(guī)模s△ti+1分別采用EGM(1,1)前4小時(shí)總體情緒規(guī)模滾動(dòng)預(yù)測(cè)后1小時(shí)總規(guī)模獲得。

4.2基于Gov-Main的群體情緒規(guī)模演化趨勢(shì)分析選取3個(gè)案例的總體情緒規(guī)模和群體負(fù)面情緒規(guī)模為研究對(duì)象，對(duì)網(wǎng)絡(luò)輿情發(fā)展過(guò)程中總體情緒規(guī)模、群體負(fù)面情緒規(guī)模及其占比進(jìn)行趨勢(shì)分析。模型效果評(píng)價(jià)采用平均絕對(duì)百分比誤差(MAPE)進(jìn)行評(píng)估：當(dāng)MAPE<10%時(shí)，為高精度預(yù)測(cè)；10%

圖1 群體負(fù)面情緒規(guī)模和總體情緒規(guī)模演化趨勢(shì)

圖2 群體正面、負(fù)面情緒規(guī)模占比演化趨勢(shì)

由圖1、圖2可知，3個(gè)案例的總體情緒規(guī)模、群體負(fù)面情緒規(guī)模的EGM(1,1)預(yù)測(cè)值、本文模型預(yù)測(cè)值、負(fù)面情緒占比預(yù)測(cè)值與實(shí)際值演化趨勢(shì)基本一致。由圖2知，“東方之星”沉船事故主流情緒在[t2,t14]內(nèi)為負(fù)面情緒，其余時(shí)間段為正面情緒；“8·12”天津?yàn)I海爆炸事故主流情緒均為正面情緒；“長(zhǎng)春長(zhǎng)生疫苗”事件主流情緒均為負(fù)面情緒。

由圖1(a)可知，在“東方之星”沉船事故中，[t1,t28]內(nèi)總體情緒規(guī)模、群體負(fù)面情緒規(guī)模迅速上升，至t28時(shí)刻總體情緒規(guī)模增長(zhǎng)量達(dá)到最大，這是由于在[t26,t27]內(nèi)政府發(fā)布的“潛水員爭(zhēng)分奪秒救人”干預(yù)內(nèi)容引起網(wǎng)民共情。此時(shí)總體情緒規(guī)模和群體負(fù)面情緒規(guī)模的預(yù)測(cè)誤差分別為-2.76%、-5.02%。t44時(shí)刻后總體情緒規(guī)模和群體負(fù)面情緒規(guī)模增速放緩， 呈波動(dòng)上升態(tài)勢(shì)，進(jìn)入輿情消退期。消退期情緒規(guī)模雖然有幾次波動(dòng)上升，但結(jié)合圖2(a)，群體負(fù)面情緒規(guī)模占比基本不變，趨于平息。由圖1(b)可知，“8·12”天津?yàn)I海爆炸事故中，擴(kuò)散期總體情緒規(guī)模和群體負(fù)面情緒規(guī)模呈快速波動(dòng)上升趨勢(shì)，在[t120,t121]內(nèi)網(wǎng)民總體情緒規(guī)模和群體負(fù)面情緒規(guī)模急劇上升，這是因?yàn)樵赱t119,t120]內(nèi)習(xí)總書(shū)記對(duì)于該事件處置情況提出徹查事故責(zé)任并嚴(yán)肅追責(zé)，總體情緒規(guī)模和群體負(fù)面情緒規(guī)模的預(yù)測(cè)誤差分別為-0.82%、-0.97%。t121時(shí)刻后增長(zhǎng)速度逐漸緩慢，進(jìn)入消退期。但在[t155,t156]內(nèi)網(wǎng)民總體情緒規(guī)模和群體負(fù)面規(guī)模突然上升，這是由于在[t154,t155]內(nèi)媒體報(bào)道的犧牲消防員曾給母親打電話(huà)一事引發(fā)了網(wǎng)友共情，總體情緒規(guī)模和群體負(fù)面情緒規(guī)模的預(yù)測(cè)誤差分別為-0.77%、-2.13%。由圖1(c)可知，在“長(zhǎng)春長(zhǎng)生疫苗”事件中，[t1,t109]為輿情潛伏期，總體情緒規(guī)模、群體負(fù)面情緒規(guī)模呈緩慢增長(zhǎng)趨勢(shì)。在[t109,t110]內(nèi)總體情緒規(guī)模、群體負(fù)面情緒規(guī)模均呈爆發(fā)式增長(zhǎng)，這是由于7月21日《疫苗之王》發(fā)布，引發(fā)了廣泛關(guān)注與討論，經(jīng)過(guò)1天多的發(fā)酵，網(wǎng)民情緒徹底爆發(fā)。在t110(22日9時(shí))時(shí)刻網(wǎng)絡(luò)輿情由潛伏期進(jìn)入擴(kuò)散期，總體情緒規(guī)模、群體負(fù)面情緒規(guī)模預(yù)測(cè)誤差分別為-4.35%、-2.66%。在3個(gè)案例的急劇增長(zhǎng)點(diǎn)，總體情緒規(guī)模、群體負(fù)面情緒規(guī)模預(yù)測(cè)均為高精預(yù)測(cè)，可見(jiàn)本文模型能夠較好完成群體負(fù)面情緒急劇增長(zhǎng)的預(yù)測(cè)。

3個(gè)案例的正面情緒規(guī)模、中立情緒規(guī)模、負(fù)面情緒規(guī)模、總體情緒規(guī)模預(yù)測(cè)MAPE值見(jiàn)表2。除“長(zhǎng)春長(zhǎng)生疫苗”事件中立情緒規(guī)模預(yù)測(cè)為良好預(yù)測(cè)外，其余均為高精度預(yù)測(cè)。綜上，本文模型能夠較好地短時(shí)預(yù)測(cè)群體負(fù)面情緒與其他群體情緒間的轉(zhuǎn)移，表征在政府干預(yù)和主流情緒的引導(dǎo)下群體總體情緒及負(fù)面情緒的演化趨勢(shì)。

表2 預(yù)測(cè)平均絕對(duì)百分比誤差(MAPE)

4.3主流情緒對(duì)負(fù)面情緒轉(zhuǎn)移引導(dǎo)分析選取無(wú)政府干預(yù)或政府干預(yù)較少，網(wǎng)民關(guān)注度較高，主要為其他主體熱議(如媒體報(bào)道、分析等)所形成的主流情緒推動(dòng)著輿情發(fā)展的時(shí)間段內(nèi)的負(fù)面情緒規(guī)模為研究對(duì)象，探討主流情緒對(duì)負(fù)面情緒轉(zhuǎn)移的引導(dǎo)能力。分別選取“東方之星”沉船事故消退期時(shí)間段[t101,t110]、“8·12”天津?yàn)I海爆炸事故消退期時(shí)間段[t169,t178]和“長(zhǎng)春長(zhǎng)生疫苗”事件潛伏期時(shí)間段[t90,t99]進(jìn)行分析。三個(gè)案例群體負(fù)面情緒規(guī)模演化趨勢(shì)及其占比、誤差如圖3、表3～表5所示。

圖3 主流情緒引導(dǎo)下群體負(fù)面情緒規(guī)模演化趨勢(shì)

表3 [ti-1,ti]內(nèi)總體情緒規(guī)模增長(zhǎng)量sΔti

表4 [ti-1,ti]內(nèi)群體負(fù)面情緒規(guī)模實(shí)際和預(yù)測(cè)占比(%)

表5 [ti-1,ti]內(nèi)負(fù)面情緒規(guī)模預(yù)測(cè)誤差(%)

由表3、表4可知，3個(gè)時(shí)間段內(nèi)總體情緒規(guī)模實(shí)際增長(zhǎng)量和預(yù)測(cè)增長(zhǎng)量波動(dòng)降低，群體負(fù)面情緒規(guī)模實(shí)際占比和預(yù)測(cè)占比平穩(wěn)波動(dòng)，且略有降低。這表明不論主流情緒為正面或負(fù)面，當(dāng)沒(méi)有新的負(fù)面消息出現(xiàn)時(shí)，隨著時(shí)間的推移，公眾參與討論事件的興趣會(huì)降低，新增評(píng)論亦逐漸減少，主流情緒的引導(dǎo)作用減弱，負(fù)面情緒向其他情緒轉(zhuǎn)移，這與事實(shí)基本一致。因此本文模型能夠較好的刻畫(huà)主流情緒對(duì)負(fù)面情緒的引導(dǎo)作用。

圖4 群體負(fù)面情緒規(guī)模實(shí)際值與預(yù)測(cè)值

表6 “東方之星”沉船事故[t52,t61]時(shí)段政府干預(yù)相關(guān)數(shù)據(jù)

表7 “8·12”天津?yàn)I海爆炸事故[t96,t105]時(shí)段政府干預(yù)相關(guān)數(shù)據(jù)

表8 “長(zhǎng)春長(zhǎng)生疫苗”事件[t110,t124]時(shí)段政府干預(yù)相關(guān)數(shù)據(jù)

由圖2、圖4可知，“東方之星”沉船事故、“8·12”天津?yàn)I海爆炸事故主流情緒為正面情緒，“長(zhǎng)春長(zhǎng)生疫苗”事件主流情緒為負(fù)面情緒。三個(gè)案例在選取時(shí)段政府干預(yù)-主流情緒引導(dǎo)下群體負(fù)面情緒規(guī)模增長(zhǎng)趨勢(shì)均與實(shí)際增長(zhǎng)趨勢(shì)基本一致。

綜上，本文模型能夠表征突發(fā)事件網(wǎng)絡(luò)輿情演化過(guò)程中主流情緒對(duì)負(fù)面情緒的引導(dǎo)作用、不同情緒及不同強(qiáng)度下的政府干預(yù)對(duì)主流情緒引導(dǎo)作用的影響。在沒(méi)有新的負(fù)面消息出現(xiàn)時(shí)，政府不需要進(jìn)行干預(yù)；當(dāng)負(fù)面情緒快速(爆發(fā)式)增長(zhǎng)時(shí)，政府需要采取積極的、正面的、有力的干預(yù)，同時(shí)在短時(shí)內(nèi)引導(dǎo)關(guān)鍵節(jié)點(diǎn)轉(zhuǎn)發(fā)相關(guān)信息，迅速擴(kuò)大政府干預(yù)的傳播范圍，提高政府干預(yù)的影響力，降低公眾參與該事件的熱情，及時(shí)引導(dǎo)負(fù)面情緒向其他情緒轉(zhuǎn)移，使總體新增情緒規(guī)模下降。否則，會(huì)促使正面、中立、潛在情緒更容易向負(fù)面情緒轉(zhuǎn)移，總體新增情緒規(guī)模上升。

5 結(jié) 語(yǔ)

在社會(huì)影響理論的基礎(chǔ)上，構(gòu)建一個(gè)基于政府干預(yù)-主流情緒引導(dǎo)的群體情緒演化模型對(duì)于突發(fā)事件發(fā)展過(guò)程中政府干預(yù)決策具有重要的理論意義和實(shí)踐價(jià)值。通過(guò)理論分析和基本案例的分析研究可以得出：本文模型能夠量化群體情緒轉(zhuǎn)移過(guò)程中主流情緒對(duì)負(fù)面情緒引導(dǎo)能力和政府干預(yù)效果；運(yùn)用EGM(1,1)和簡(jiǎn)化粒子群算法可以很好地描述群體間情緒的轉(zhuǎn)移和演化趨勢(shì)，能夠及時(shí)獲取負(fù)面情緒急劇增長(zhǎng)點(diǎn)，為政府干預(yù)決策提供依據(jù)。

本文研究還存在一些局限性，例如未考慮關(guān)鍵節(jié)點(diǎn)的言論、極端情緒對(duì)負(fù)面情緒的影響等。下一步將在此基礎(chǔ)上做進(jìn)一步探討，以更好為相關(guān)部門(mén)的決策提供依據(jù)。