沙海潮 ，馮 鈞 ，杭婷婷 ，成建國

（1. 河海大學(xué)計算機與信息學(xué)院，江蘇 南京 210098；2. 水利部信息中心，北京 100053）

0 引言

嘉陵江近年頻繁發(fā)生鉈污染突發(fā)水事件引起廣泛關(guān)注。當(dāng)下，互聯(lián)網(wǎng)信息具有透明公開、易于收集和充分反映民眾態(tài)度的特點，對互聯(lián)網(wǎng)大數(shù)據(jù)進行分析逐漸成為探究某一事件輿情的主要手段，在輔助處理突發(fā)水事件方面也起到不可或缺的作用。氣象數(shù)據(jù)是分析和描述區(qū)域氣候特征及其變化的資料，能夠客觀真實地反映事件發(fā)生的自然場景?？紤]疫情前后，相關(guān)行業(yè)態(tài)勢也與事件發(fā)展息息相關(guān)。對于處理涉水突發(fā)事件，成建國等[1]利用熱詞和情感詞包，構(gòu)建情感向量，分析把握網(wǎng)絡(luò)輿情傾向。張穎[2]綜合文獻和案例分析法及定量研究法對一系列涉水事件的網(wǎng)絡(luò)輿情進行梳理研究。

目前，網(wǎng)絡(luò)輿情情感分析常用的方法主要有基于情感詞典[3]、機器學(xué)習(xí)[4]和深度學(xué)習(xí)[5-6]的方法?；谇楦性~典的方法，需要充分標(biāo)注好情感詞典，準(zhǔn)備語法規(guī)則，利用知識庫進行整合計算，如：王燦偉等[7]將情感符號與詞典結(jié)合計算微博中情感值，并且實現(xiàn)主題歸類；Ebrahimi 等[8]提出將情感極性與對象和立場融合，通過對數(shù)線性聯(lián)合建模將三者聯(lián)系起來。基于傳統(tǒng)機器學(xué)習(xí)的情感分析方法已經(jīng)普遍應(yīng)用，該類方法在相關(guān)研究領(lǐng)域取得不錯效果，主要通過統(tǒng)計文本中的特征，發(fā)現(xiàn)其與分類結(jié)果的關(guān)系，如：奠雨潔等[9]利用不同特征的提取方法，使用 SVM、隨機森林和梯度提升決策樹對特征進行立場檢測，最后結(jié)合各類分類器進行融合；Pang 等[10]結(jié)合樸素貝葉斯、最大熵及支持向量機多種機器學(xué)習(xí)方法進行文本的情感分類?；谏疃葘W(xué)習(xí)的方法主要將各類文本分詞轉(zhuǎn)化為詞向量的形式，通過神經(jīng)網(wǎng)絡(luò)提取特征信息，完成文本的情感分析，如：張仰森等[11]通過 Word2Vec 詞向量映射，提出利用基于 LSTM（Long Short-Term Memory）模型改進的 Bi-LSTM 實現(xiàn)雙向注意力機制，進行文本情感分析。

由于 Bi-LSTM 模型對文本情感分析具有優(yōu)秀的表現(xiàn)，而 Hacker news 事件熱度排名算法在突出熱門事件與遴選用戶關(guān)注度較高的事件時表現(xiàn)出色，因此，本研究選取 2021 年嘉陵江鉈污染突發(fā)水事件進行網(wǎng)絡(luò)輿情分析，并結(jié)合該流域氣象數(shù)據(jù)及相關(guān)涉事企業(yè)、地區(qū)疫情信息進行整體性的綜合分析。

1 網(wǎng)絡(luò)輿情信息分析

1.1 事件熱度概念

事件熱度是整體事件推文熱度的集合，事件推文熱度的依據(jù)是微博、今日頭條、微信等相關(guān)自媒體平臺中，作者發(fā)表的博客、新聞、文章等受到關(guān)注，點贊，轉(zhuǎn)發(fā)的程度評價。

1.2 事件熱度模型

目前學(xué)術(shù)界沒有確定的標(biāo)準(zhǔn)指標(biāo)體系定量描述事件推文熱度。本研究將以下 3 個方面作為熱度評價的一級指標(biāo)[12]：

1）作者特征熱度影響力。推文作者的個人信息對事件熱度有著比較重要的影響，例如微博大 V、官方賬號等作者的影響力要明顯強于普通用戶。Gupta 等[13]和 AI-Khalif 等[14]選擇作者粉絲數(shù)、是否被認證等作為參考特征。本研究在此基礎(chǔ)上對作者信息做進一步處理，選擇粉絲數(shù)、發(fā)博率、活躍天數(shù) 3 個指標(biāo)作為反映作者特征熱度影響力的二級指標(biāo)。

2）內(nèi)容特征熱度影響力。推文內(nèi)容自身對熱度影響力也有一定的貢獻價值。Wang 等[15]和 Castillo 等[16]678-680將文本統(tǒng)計特征和長度、所含標(biāo)簽數(shù)等作為評價指標(biāo)。本研究選擇字數(shù)和圖片充實度、出現(xiàn)及時性等指標(biāo)作為內(nèi)容特征熱度影響力的二級指標(biāo)。

3）傳播特征熱度影響力。推文傳播特征最能夠反映推文的影響力程度。Castillo 等[16]680-682選取 Tweet 轉(zhuǎn)發(fā)深度作為信息傳播特征，其中轉(zhuǎn)發(fā)的次數(shù)和節(jié)點數(shù)等參數(shù)作為影響力因子。本研究補充選取點贊數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù) 3 個指標(biāo)作為傳播特征熱度影響力的二級指標(biāo)[17]。

在比較各指標(biāo)相對重要性的情況下，建立事件熱度層次分析模型。通過文獻調(diào)研與專家調(diào)查法[18-19]，依據(jù)比例標(biāo)度表，對事件推文熱度 A 設(shè)定一級指標(biāo) Bi和二級指標(biāo) Ci，具體指標(biāo)如表1 所示。

表1 事件推文熱度評價指標(biāo)

構(gòu)建完成的推文熱度 A 和一級指標(biāo)的判斷矩陣如下：

需要對判斷矩陣檢驗滿意一致性，一致性檢驗標(biāo)準(zhǔn)如下：

式中：λmax是矩陣的最大特征根；n 為矩陣的階數(shù)；RI 為平均隨機一致性指標(biāo)；CR 為一致性比率；CI為一致性指標(biāo)。

通過計算得出 CRA= 0.021 4，CRB1= 0.036 0，CRB2= 0.047 6，CRB3= 0.010 2，均通過一致性檢驗。計算得出事件推文熱度各層次權(quán)重，對應(yīng) A 和Bi的權(quán)重 WA，WB1，WB2，WB3分別為

本研究將利用 Hacker news 排名算法進行進一步的模型構(gòu)建，主要公式為

式中：r 為事件推文熱度；P 為推文得票數(shù)；t 為天數(shù)；G 為重力因子，通常設(shè)置 G = 1.8。

從式 (3) 可以看出：越短時間內(nèi)得票數(shù)越多的推文排名將會靠前，隨著時間增加，推文排名會逐漸下降。

本研究依據(jù)層次分析模型與各層次權(quán)重矩陣，在 Hacker news 算法上加以修改，利用時間因子特性構(gòu)建推文熱度模型，具體公式如下：

式中：rB1，rB2，rB3分別為作者、內(nèi)容和傳播特征影響力熱度。

利用式 (7) 進行數(shù)據(jù)標(biāo)準(zhǔn)化處理，將 3 類熱度數(shù)值限制在 0～1 之間，計算公式如下：

式中：x，F(xiàn) (x) 分別為標(biāo)準(zhǔn)化前后的熱度數(shù)值。計算事件推文總體熱度公式為

1.3 輿情評論情感分析模型

Bi-LSTM 是在單向 LSTM 基礎(chǔ)上改進而得的，LSTM 是一種時間遞歸神經(jīng)網(wǎng)絡(luò)，由 Hochreiter 和 Schmidhuber[20]在1997 年提出，適用于處理和預(yù)測文本之間的聯(lián)系，被廣泛運用在情感分析領(lǐng)域。

LSTM 典型結(jié)構(gòu)如圖1 所示，包括：

圖1 LSTM 基本結(jié)構(gòu)

1）遺忘門。決定上一時刻單元 ct-1保持到現(xiàn)在時刻單元 ct的程度。

2）輸入門。該結(jié)構(gòu)決定輸入 Xt保留多少到下一時刻的 ct中。

3）輸出門。該結(jié)構(gòu)控制隱藏層 ht保存至下一單元的數(shù)值。

圖1 中：輸入 Xt為 Word2Vec 訓(xùn)練得出的參數(shù)矩陣；ht-1為上一時刻隱藏層輸入；ft，it，，ot均為中間狀態(tài)變量；ct，ht分別為進入下一 Bi-LSTM 單元的記憶層與隱藏層參數(shù)；σ，tanh 分別表示 Sigmoid 與雙曲正切激活函數(shù)；模型參數(shù)每次更新的計算復(fù)雜度為 O (w)，其中 w = wf+ wi+ wc+ wo，wi，wo，wc，wf分別為輸入、輸出、記憶及隱藏單元具體參數(shù)數(shù)量， w 為各單元參數(shù)總和。

本研究利用關(guān)鍵詞查找等方法爬取涉水?dāng)?shù)據(jù)。在數(shù)據(jù)預(yù)處理中，利用 Jieba 分詞等操作，通過Word2Vec 模型進行語料的詞嵌入工作，將得到的詞向量作為 Bi-LSTM 輸入引入模型，涉水?dāng)?shù)據(jù)獲取與處理流程如圖2 所示。Word2Vec 包括 CBOW 和Skip-gram 2 種訓(xùn)練模型[21]，本研究選用 Skip-gram模型進行訓(xùn)練。

圖2 數(shù)據(jù)獲取與處理流程

圖3 是本研究應(yīng)用中的基本 Bi-LSTM 模型結(jié)構(gòu)。Bi-LSTM 作為循環(huán)神經(jīng)網(wǎng)絡(luò)的拓展，將前向 LSTMl和后向 LSTMr相結(jié)合，前向 LSTM 單元輸出 hl，后向 LSTM 單元輸出 hr，最后拼接前后向隱藏層得到輸出 hc，進行邏輯回歸得到情感傾向。Bi-LSTM 可以包含前向和后向的語料信息，克服單向LSTM 只能寄存單向信息的弱點，在處理上下文隱藏信息關(guān)系中有更好的表現(xiàn)。該模型輸入為評論語料經(jīng) Word2Vec 訓(xùn)練成的隱藏層參數(shù)矩陣，輸出為二分類的語料情感傾向。

圖3 情感分析 Bi-LSTM 模型

2 嘉陵江鉈污染輿情實驗與分析

2.1 事件推文和輿情評論數(shù)據(jù)集分析

數(shù)據(jù)推文采用網(wǎng)絡(luò)爬取百度、微博等媒體網(wǎng)站，以嘉陵江、鉈污染、隴南和漢中等關(guān)鍵字進行爬取，共獲取數(shù)據(jù) 4 901 條。經(jīng)整理，得到的數(shù)據(jù)集字段包括作者粉絲數(shù)、作者地區(qū)、文章內(nèi)容、點贊數(shù)、評論數(shù)和轉(zhuǎn)發(fā)數(shù)等。

根據(jù)作者地區(qū)信息，可知事件關(guān)注公眾的地區(qū)分布情況，具體分布如圖4 所示。從圖4 可以看出：華東、西北地區(qū)用戶關(guān)注度較高，占比共約為40%；東北地區(qū)用戶對該事件關(guān)注度較為薄弱；其他地區(qū)用戶關(guān)注度較為均衡。

圖4 事件推文數(shù)據(jù)集用戶地區(qū)分布

本事件輿情實驗測評數(shù)據(jù)采用 NLPCC2013 和2014 中文評論情感評測任務(wù)公共數(shù)據(jù)集。該實驗數(shù)據(jù)集主要來自新浪微博，每個數(shù)據(jù)集按一定比例分為訓(xùn)練集和測試集。原數(shù)據(jù)集共分為 happiness，like，anger，sadness，fear，disgust，surprise，none 等 8 種情感標(biāo)簽。本研究將 happiness 和 like 作為正面情感，anger，sadness，fear，disgust 和 surprise，作為負面情感，具體數(shù)據(jù)集如表2 所示。

表2 事件輿情模型測評數(shù)據(jù)集

同時，實驗采集嘉陵江鉈污染事件有關(guān)新浪微博評論 1 218 條，今日頭條、百度等新聞平臺評論1 582 條，具體內(nèi)容如表3 所示。將使用測評結(jié)果較好的模型進行事件輿情的情感分析。

表3 嘉陵江鉈污染事件評論數(shù)據(jù)集

2.2 事件時空熱度結(jié)果與分析

1）時間方面。依據(jù)事件熱度模型以 d 為單位劃分，累積 1 d 的推文熱度總量，以此分析本次嘉陵江鉈污染事件隨時間發(fā)展的熱度變化情況。根據(jù)2021 年 1 月 20—31 日嘉陵江鉈污染事件統(tǒng)計的時間熱度趨勢如圖5 所示。

圖5 事件時間熱度趨勢

從圖5 可以看出，微博用戶關(guān)注響應(yīng)事件的時間較晚，但熱度上升速度快，且相較新聞方面，微博用戶對該事件表現(xiàn)得更加活躍，說明：一方面微博短時間內(nèi)信息傳播的效率高、速率快，并且用戶反應(yīng)較為強烈；另一方面微博具有一定的滯后性，第一時間獲取事件的手段受限。從新聞數(shù)據(jù)看出：新聞平臺的時效性較強，用戶能夠更快得知新聞事件的信息；同時，新聞平臺發(fā)布信息具有延續(xù)性、完整性，用戶可以更長期地關(guān)注事件發(fā)展情況。但由于新聞平臺播報也具有流動性、分散性，且不具備微博話題的聚集性特點，所以很難短時間內(nèi)形成關(guān)注度峰值，需要更長時間的累積。

2）空間方面。以省份作為區(qū)分，將同一地區(qū)的推文熱度累加求和，并選取事件發(fā)生初始期和活躍期進行空間熱度分析?？臻g上的熱度變化反映：包含甘肅、陜西兩省的西北地區(qū)，包含四川等省份的西南地區(qū)用戶關(guān)注量增長幅度較大，熱度較高；華中地區(qū)熱度增長幅度平穩(wěn)，熱度保持穩(wěn)定；華北、華東、華南及東北地區(qū)用戶隨事件發(fā)展熱度增長幅度較小，熱度有降溫的趨勢。

2.3 NLPCC 數(shù)據(jù)集測試結(jié)果與分析

本實驗使用 Python 語言作為實際編程語言。所有實驗都在配備 2.4 GHz 6 核 Xeon CPU，60 GB RAM 和 Nvidia GeForce GTX 1080 Ti 的 Linux 服務(wù)器上進行。本實驗設(shè)置詞向量維度為 256 維，并調(diào)整優(yōu)化模型各類參數(shù)，其中 SVM 與樸素貝葉斯的參數(shù)設(shè)置為默認，即懲罰項設(shè)置為 1.0，CNN（卷積神經(jīng)網(wǎng)絡(luò)）設(shè)置過濾器數(shù)量為 128 個，LSTM 與 Bi-LSTM 隱藏層為 128 個，本實驗訓(xùn)練迭代次數(shù) epoch設(shè)置為 200 次（各模型準(zhǔn)確率在 100 次迭代后基本變化較?。Ｓ?xùn)練采用的優(yōu)化函數(shù)為隨機梯度下降方法。本實驗學(xué)習(xí)率設(shè)置為 0.01，具體原因如圖6 所示，圖中各模型基本在 0.01 附近得到最好表現(xiàn)。

圖6 學(xué)習(xí)率與準(zhǔn)確率關(guān)系

NLPCC 數(shù)據(jù)集測試任務(wù)結(jié)果如表4 所示，從表中可以看出 Bi-LSTM 模型在準(zhǔn)確率與召回率方面均表現(xiàn)優(yōu)異，故在收集得到的嘉陵江輿論數(shù)據(jù)集上使用 Bi-LSTM 模型進行輿情分析。

表4 NLPCC 數(shù)據(jù)集測試任務(wù)結(jié)果 %

2.4 嘉陵江鉈污染輿情結(jié)果與分析

經(jīng)上述實驗，選取訓(xùn)練完成的 Bi-LSTM 模型應(yīng)用在本次嘉陵江鉈污染事件的評論數(shù)據(jù)集上。利用算法，按照表5 所示的情感得分作為統(tǒng)計區(qū)間對全體用戶的評論進行情感區(qū)分。

表5 情感得分統(tǒng)計區(qū)間

經(jīng)過模型統(tǒng)計，微博、新聞 2 種評論綜合情感得分分別為 1.495 和 1.660 分，具體各區(qū)間評論數(shù)分布情況如圖7 所示。從圖7 可以看出：新聞與微博評論都表現(xiàn)出，負面評論相對密集且集中，中性評論偏少，正面評論較為稀疏；微博評論較新聞平臺呈現(xiàn)更加偏負面的情緒，含有較多極端負面觀點。結(jié)果表明公眾對于該事件負面情緒占據(jù)主導(dǎo)，缺乏理性客觀的評論。

圖7 情感得分數(shù)值分布

在此基礎(chǔ)上，對得到的微博及新聞評論按時間順序進行分割，1 月 20—31 日情感得分時間趨勢如圖8 所示。根據(jù)情感得分，分析群眾情緒分布的時間變化趨勢如下：群眾負面情緒有所好轉(zhuǎn)，但仍維持較高比例；中性情緒比例上升，主要由一些負面情緒的群眾轉(zhuǎn)變而來，群眾開始關(guān)注政府應(yīng)急措施、相關(guān)涉事企業(yè)的調(diào)查結(jié)果及后續(xù)影響等；正面的情緒比例有所波動，普遍處于較低水平。

圖8 情感得分時間趨勢

3 嘉陵江鉈污染輿情的后續(xù)影響及其控制

本研究結(jié)合流域相關(guān)時間段氣象水文情況，對涉事流域鉈含量監(jiān)測情況輿情的后續(xù)影響及其控制效果進行探究，并在疫情因素影響下，分析涉事行業(yè)整體態(tài)勢與本次水污染的聯(lián)系。

3.1 涉事流域氣象水文分析

氣候特征對水文和水資源產(chǎn)生直接影響，近年來，隨著全球氣候的逐漸變化，氣候?qū)λY源的影響越發(fā)顯著。短時間的流域降水及蒸發(fā)量與河流的水位、流量有相應(yīng)關(guān)聯(lián)，據(jù)此，對陜西省漢中市和甘肅省隴南市兩地 2021 年 1 月的降雨量和蒸發(fā)量進行探究，具體如圖9 所示。

圖9 2021 年 1 月漢中和隴南兩地降雨量和蒸發(fā)量

2021 年 1 月流域鉈含量監(jiān)測情況如表6 所示，將鉈含量監(jiān)測情況與降雨和蒸發(fā)量相關(guān)聯(lián)，可見漢中市和隴南市 1 月中上旬的降雨稀少，同期蒸發(fā)量普遍偏高，導(dǎo)致河水流量下降，使得水體溶解氧含量降低，有害物質(zhì)含量增加，造成河水中的有毒物質(zhì)濃度升高，水污染加劇。鉈污染事件發(fā)生之前數(shù)天中，漢中市與隴南市都處在蒸發(fā)量較高時段，其中：隴南市日蒸發(fā)量均達到 40 mm；漢中市不僅出現(xiàn)該月最高蒸發(fā)量，而且基本處于月平均蒸發(fā)量以上。需要注意的是：隴南市、漢中市部分地區(qū) 1 月 24 日發(fā)生小規(guī)模降雨，造成有毒物質(zhì)的二次沖刷，對應(yīng)鉈含量表中 26 日 2 段河水鉈含量上升超標(biāo)。

表6 流域鉈含量監(jiān)測情況

由于嘉陵江鉈含量再次超標(biāo)，對應(yīng)時間段中負面輿情有相對上升的趨勢，期間追責(zé)與溯源的輿情體現(xiàn)得更加明顯。該時間段后，隨著鉈含量達標(biāo)，負面輿情略顯緩和，整體輿情得到控制，公眾輿情趨于正面、理性。

3.2 相關(guān)行業(yè)宏觀態(tài)勢分析

略陽鋼鐵與成州鋅冶煉廠作為地區(qū)主要金屬加工、冶煉企業(yè)，其生產(chǎn)活動受到宏觀因素的影響。

近年來，鋼鐵與鋅行業(yè)景氣度都有所回升，隨著技術(shù)手段的提高與生產(chǎn)效率的提升，鋼鐵與鋅冶煉企業(yè)的利潤進一步增厚。

鋅（SHFE 鋅）與鋼材（螺紋鋼、熱軋卷板）的價格在 2020 疫情期間呈現(xiàn)下降趨勢，而在 2020 年下半年兩者價格呈現(xiàn)大幅度上升態(tài)勢，甚至達到近 5 a 的峰值?？梢?，在市場利潤的驅(qū)動下，考慮發(fā)生疫情延誤生產(chǎn)的情況，鋼鐵和鋅行業(yè)并沒有大規(guī)模減產(chǎn)，反而維持增加產(chǎn)量。這樣很多工廠在有限時間內(nèi)，提高產(chǎn)量的同時，可能會過度使用設(shè)備，造成相關(guān)設(shè)施檢修不及時、工人過度勞累等情況，進而產(chǎn)生生產(chǎn)作業(yè)方面的負面影響。

由于疫情期間相關(guān)行業(yè)的波動，民眾輿情反映出對于相關(guān)鋅和鋼材企業(yè)的復(fù)工復(fù)產(chǎn)、設(shè)備檢修、環(huán)境污染等問題的擔(dān)憂及疑慮。對比以往突發(fā)涉水事件，考慮鉈污染產(chǎn)生的危害，2021 年嘉陵江鉈污染突發(fā)事件發(fā)生后，輿情更加關(guān)注污染源頭企業(yè)、地區(qū)及污染后續(xù)影響區(qū)域等，有關(guān)部門對相應(yīng)輿情作出及時響應(yīng)，有助于控制負面輿情的蔓延。

4 結(jié)語

本研究深入挖掘社交、新聞平臺，以及各類搜索引擎的相關(guān)輿情評論數(shù)據(jù)，對 2021 年嘉陵江鉈污染事件進行全面的分析與探討。通過事件熱度模型分析，關(guān)注本事件的用戶主要來自甘肅、江蘇、北京、廣東、陜西等省市，其中污染源地甘肅、陜西兩省的用戶較為密集。輿情分析得出：微博方面，事件熱度在 1 月 26 日達到峰值；新聞方面，事件熱度在 1 月 28 日達到峰值。隨著相關(guān)部門調(diào)查進展的及時播報及有關(guān)應(yīng)急措施的實施，事件關(guān)注度呈現(xiàn)下降趨勢。相較微博用戶，新聞平臺用戶表現(xiàn)相對理性。事件處置方面，相關(guān)部門及時向公眾公布涉事企業(yè)，并實施一系列舉措保障居民生活用水安全，減輕水污染后續(xù)危害，有效舒緩安撫群眾情緒，避免負面情緒蔓延。

后續(xù)分析來看，本研究聯(lián)系流域氣象水文信息對鉈含量監(jiān)測情況進行梳理，其次結(jié)合疫情情況針對兩廠相關(guān)生產(chǎn)資料進行分析。鋼鐵與鋅價格利潤在疫情前期有逐步下行態(tài)勢，疫情后期則出現(xiàn)大幅度回暖。在高利潤驅(qū)動下，企業(yè)產(chǎn)量提升，設(shè)備使用率提高，用水量增加，水域水污染風(fēng)險提升。突發(fā)涉水事件如進行系統(tǒng)性的預(yù)防，能夠一定程度上緩沖污染帶來的負面輿情及水安全危害。