孫 博 孔唯鑒

（云南大學茶馬古道文化研究所，云南 昆明 650000）

網(wǎng)絡評論，從本質上講是一種意見性信息，是個人或組織在網(wǎng)絡媒體上就新聞事件或社會現(xiàn)象、社會問題發(fā)表的評價性意見。[1]其在一定程度上體現(xiàn)出了廣大民眾對某些事件現(xiàn)象的觀點、看法，展現(xiàn)了民眾參與社會公共事務的意愿傾向，也為社會建設發(fā)展提供了不同的參考思路和觀察視角。

如何對繁復的網(wǎng)絡評論信息進行更具操作性、可行性的分析，是值得思考的問題。本文以“2019年騰訊公司旗下網(wǎng)游《刺激戰(zhàn)場》更替為《和平精英》”這一事件為對象，來對相關的網(wǎng)絡評論進行分析研究。

1.事件回顧與信息來源

2019年5月7 日，網(wǎng)友發(fā)現(xiàn)騰訊旗下游戲《刺激戰(zhàn)場》關服，而與之玩法類似的《和平精英》內(nèi)測邀請開啟，結合之前“騰訊《和平精英》獲得游戲版號”的消息流傳，騰訊欲將《和平精英》替代《刺激戰(zhàn)場》的意圖在公眾視野內(nèi)越來越清晰，玩家就此掀起了一場關于兩個游戲更替的討論熱潮，成為了當年游戲界極具代表性的大事件之一。

自2019年5月7日網(wǎng)友發(fā)現(xiàn)《刺激戰(zhàn)場》關服，至5月20日事件熱點消散，玩家討論回落。在兩個星期的事件周期內(nèi)，筆者通過網(wǎng)絡大數(shù)據(jù)信息采集系統(tǒng)，以“和平精英”以及“刺激戰(zhàn)場&和平精英”為關鍵詞，全網(wǎng)共采集到相關信息160921條（含轉載），其中信息主要來源于微博（71396條，44.37%），其次是論壇（30619條，19.03%）、網(wǎng)站（28454條，17.69%）、客戶端（22549條，14.02%）和微信（6986條，4.34%），其他平臺（視頻、報刊、外媒等）分布較少，未超過1%。

2.面臨問題

通過對周期內(nèi)所網(wǎng)絡采集信息的觀察，筆者發(fā)現(xiàn)在大數(shù)據(jù)運用下網(wǎng)絡評論分析首要面臨的幾個問題。

2.1 信息數(shù)據(jù)量級巨大

正如此次“《刺激戰(zhàn)場》游戲更替”事件，無論是總體數(shù)據(jù)量（160921條）還是單一平臺數(shù)據(jù)量，達到了以“千條”“萬條”乃至“十萬條”為單位。在以前，由于網(wǎng)絡信息源較為單一，研究者多通過門戶網(wǎng)站、搜索引擎、知名論壇以及留言版，輔以問卷調查、人工檢索等方式進行信息采集和分析，工作量相對較??；而今日，隨著爬蟲技術和網(wǎng)絡大數(shù)據(jù)信息采集系統(tǒng)的運用，必然要面對越來越多的信息量和平臺載體，去重、篩選信息成為大數(shù)據(jù)分析首先需要做的工作。

2.2 事實性信息與意見性信息混合

網(wǎng)絡傳播包含事實性信息與意見性信息。網(wǎng)絡言論指的是網(wǎng)絡傳播中的意見性信息。[2]網(wǎng)絡評論的分析，是對意見、態(tài)度和評價的分析，而非對事實性信息的判斷。事實性信息，應該屬于更宏觀層面上的網(wǎng)絡輿情的趨勢研判。[3]就本例而言，在實際采集到的信息中，有相當一部分屬于騰訊公司相關的事實性報道。就技術而言，網(wǎng)絡大數(shù)據(jù)信息采集不能準確區(qū)分事實性信息與意見性信息的差別，也無法就各個不同平臺的評論、跟帖內(nèi)容做出全面、準確的抓取。

2.3 信息呈現(xiàn)形式多樣

除常見的文本外，圖片、音頻、視頻、符號乃至于表情包等信息呈現(xiàn)形式，已得到越來越多的應用；在交互設計方面，諸如支持、反對、點贊、分享等交互行為也已被廣大網(wǎng)民熟知和認同。如果認為上述信息呈現(xiàn)形式和交互行為不能表達網(wǎng)民的情緒和態(tài)度，因而不屬于網(wǎng)絡評論，那顯然不合常理。在本例中，大量的網(wǎng)民評論以游戲圖片、符號等作為態(tài)度表達，對以關鍵字為主要檢索方案的大數(shù)據(jù)信息采集系統(tǒng)提出了挑戰(zhàn)。

2.4 評論平臺擴充重疊

有研究者認為網(wǎng)絡評論分布于“網(wǎng)絡評論專欄（包括新聞網(wǎng)站的時評、個人博客等）、留言板跟帖和網(wǎng)絡論壇（BBS）”；[4]也有人依據(jù)發(fā)布平臺的角度，把網(wǎng)絡評論劃分為言論頻道評論、新聞跟帖評論、論壇評論、微信評論、微博評論5種，[5]但隨著微博、微信、新聞客戶端、短視頻平臺以及其他社交應用等新的網(wǎng)絡評論平臺的涌現(xiàn)，以往的平臺劃分顯示出了構成缺陷：一方面，如果依照平臺類型劃分，那么網(wǎng)絡新聞評論平臺在擴充，如新浪旗下的大數(shù)據(jù)信息采集系統(tǒng)“微熱點”就將信息源劃分成了11類，但這無疑顯得繁縟，且信息量較少的平臺缺乏單獨統(tǒng)計的價值；而另一方面，如果從平臺特征和評論特征來看，很難說門戶網(wǎng)站電腦版的新聞跟帖和其手機客戶端的新聞跟帖就完全迥異，或者只把某條微博下方的評論視為網(wǎng)絡評論，而其微博本體不是網(wǎng)絡評論。這說明網(wǎng)絡評論的載體平臺既在擴充也有重疊，不能完全依照平臺類型來孤立劃分，還應綜合考慮平臺特點等因素。

3. 分析思路

面對以上問題，在“《刺激戰(zhàn)場》游戲更替”事件網(wǎng)絡評論的分析中，我們嘗試采取了如下分析思路。

首先，由于網(wǎng)絡信息時效性，國家法律法規(guī)和相關政策影響以及其他一些不可控因素，在分析周期內(nèi)，無論是從數(shù)量還是質量來看以單一平臺作為數(shù)據(jù)來源，不能有效呈現(xiàn)網(wǎng)民態(tài)度，也無法采用單一抽樣方法；新聞（微博、帖子、回答等）顯示的總體參與量無法直接用于分析，因為參與量可能包含點擊、回復、點贊、反對、轉發(fā)、舉報等行為記錄，其數(shù)量趨勢為“總體參與量＞總體評論量＞可顯示評論量＞有效評論量＞實際相關評論量＞抽樣評論量”，分析抽樣僅能在“可顯示評論量”及其之下的層面進行。

其次，除以關鍵字為主要采集方案外，利用圖片文字識別和轉化技術、視頻關鍵字采集技術等，將更多樣的信息呈現(xiàn)形式納入到評論信息采集范圍內(nèi)；同時，利用關鍵字限制、歧義字限制、字段長度限制以及字符形式限制等方案，盡可能排除非負面但無實質觀點的評論表達，如純表情、顏文字、單一語氣詞、屏蔽詞、無關內(nèi)容、無意義文字等；

最后，綜合考慮平臺特征、評論特征等多方面因素，結合以往相關研究結論，同時考慮到交互設計的存在，對現(xiàn)有的網(wǎng)絡評論平臺進行歸納與重新分類，將其劃分為以下4種。

第一類評論平臺：由傳統(tǒng)門戶網(wǎng)站新聞、“兩微一端”中的媒體和自媒體客戶端發(fā)布新聞、報刊數(shù)字版、微信公眾號文章這幾者的新聞評論、跟帖等構成。網(wǎng)民主要參與方式為“評論+回復+贊同/反對”，有事實性報道或文章主體作為依托，觀點表達更多體現(xiàn)于評論本身，貼近于以往人們印象中的網(wǎng)絡評論。

第二類評論平臺：由“兩微一端”中的微博以及短視頻平臺構成。網(wǎng)友主要參與方式為“微博（短視頻）+評論+轉發(fā)+點贊”，不一定依托事實性報道主體，可僅簡單提及或隸屬相關話題標簽，微博（短視頻）本身也可能是評論，與其評論與微博主體在觀點表達上具有同等地位。其評論形式最為多樣，且由于轉發(fā)的存在，常常容易帶動話題擴散。

第三類評論平臺：以百度貼吧等為代表的綜合論壇和主題論壇。網(wǎng)友主要參與方式為“帖子+回復”，可能但不必須以報道或信息為主體，網(wǎng)友觀點表達為主帖和回復并重，常見一定的對話特征或討論性，且由于這種性質，導致評論內(nèi)容相對松散。

第四類評論平臺：以知乎為代表的專業(yè)問答社區(qū)和行業(yè)問答社區(qū)。網(wǎng)友主要參與方式為“問題+回答+評論+贊同/反對”，以關于某項話題進行提問，具有一定專業(yè)性、詳細性，網(wǎng)友觀點表達更多側重于回答，由于回答者有時身處行業(yè)內(nèi)部或為相關從業(yè)者，往往能從中得到其他評論平臺較難出現(xiàn)的深度內(nèi)容。

4.分析過程

結合上述思路，在平臺重新歸納分類的基礎上，對四類網(wǎng)絡評論平臺針對性地采取了不同的抽樣方法，以期盡可能貼近網(wǎng)民的實際觀點。

對第一類評論平臺，由于各事實性報道及文章評論數(shù)量不一，懸殊較大，采取配額抽樣方法。以事件輿情傳播關鍵的事實性報道及文章為核心，經(jīng)過去重評估，匯聚同一主題文章下評論，選取20篇參與、互動數(shù)量最多的新聞，依照總體參與數(shù)量區(qū)間，分為1-29條，30-299條、300-2999條、3000-9999條4個區(qū)間，再進行統(tǒng)計、篩選、抽樣，得到有效評論抽樣數(shù)量300條。

表1 評論配額與抽樣分布數(shù)量（第一類評論平臺）

經(jīng)統(tǒng)計，周期內(nèi)該平臺網(wǎng)民評論呈現(xiàn)8類觀點態(tài)度如下：

表2 網(wǎng)絡評論態(tài)度與占比（第一類評論平臺）

對第二類評論平臺，以新浪微博為例，主要采取判斷抽樣方法。由于總體微博參與量以10萬級為單位，選取分析周期內(nèi)，每日該相關討論下的原創(chuàng)熱門微博，以熱門微博（800條）為抽樣范圍，以互動評論量和轉發(fā)量為參考標準，選取有效抽樣200條。

表3 微博聲量走勢表（第二類評論平臺）

網(wǎng)民評論呈現(xiàn)7類觀點態(tài)度如下：

表4 網(wǎng)絡評論態(tài)度與占比（第二類評論平臺）

對第三類評論平臺，以百度貼吧為例，由于主帖和回復具有并重的特點，采取簡單隨機抽樣的方法。周期內(nèi)貼吧相關信息量共計3649條，有效抽樣300條。

圖1 百度貼吧聲量走勢圖（第三類評論平臺）

該平臺網(wǎng)民評論呈現(xiàn)7類觀點態(tài)度如下：

表5 網(wǎng)絡評論態(tài)度與占比（第三類評論平臺）

對第四類評論平臺，以知乎社區(qū)為例。由于觀點側重于回答，則主要采取判斷抽樣方法。知乎相關信息量3906條，對問題進行去重、合并取舍后，取知乎社區(qū)上與本話題相關度最高、回答數(shù)最高的10個問題，每個問題抽取贊同數(shù)最高的30個答案，以滿足大樣本標準，共得抽樣300個。

圖2 知乎社區(qū)聲量走勢圖（第四類評論平臺）

該平臺網(wǎng)民評論呈現(xiàn)8類觀點態(tài)度如下：

表6 網(wǎng)絡評論態(tài)度與占比（第四類評論平臺）

5.分析結論

總體來看，在四類評論平臺上，網(wǎng)民評論呈現(xiàn)出一定共性，也互相印證了觀點的可靠性。幾乎所有平臺上都有一定基數(shù)用戶認為《和平精英》游戲體驗不佳（如畫面質量、槍械感覺、動作表現(xiàn)、語音引導等），游戲設定不盡如人意（如掏箱子、揮手告別、血液顏色、獲勝機制等）；相比于《刺激戰(zhàn)場》，許多玩家在對比之下表現(xiàn)出失望不滿，進而進行嘲諷吐槽，或者選擇棄游轉戰(zhàn)國際服等；總體上約有不超過四成玩家對游戲評論呈現(xiàn)正面或中立態(tài)度。

同時，各個觀點平臺也呈現(xiàn)出了各自評論結構的特點。接近傳統(tǒng)意義上的網(wǎng)絡評論的第一類評論平臺網(wǎng)民表露態(tài)度比較直接，會上升到對騰訊和光子工作室的攻擊嘲諷上，如有三成的網(wǎng)民對騰訊或光子表現(xiàn)出不滿，認為《和平精英》是圈錢之作（17%），而且多有諷刺吐槽（13%）。該平臺評論多短小直白，易展現(xiàn)帶動負面情緒，但用戶持久性和被關注度較差，不易形成意見領袖。從目前看，以搜狐、網(wǎng)易、新浪、騰訊、鳳凰為代表的傳統(tǒng)五大門戶網(wǎng)站，因多方原因，其評論顯示大大低于參與量，而網(wǎng)民重心逐漸轉移到以今日頭條等為代表的自媒體客戶端評論上。

作為第二類評論平臺代表的微博呈現(xiàn)內(nèi)容比較多樣，調侃、吐槽較多，微博用戶也愿意分享自身經(jīng)驗和經(jīng)歷，游戲相關周邊（如活動、互動、視頻、心情等）也是四類平臺中最多的，同時微博用戶表示棄游的比例最少，說明微博用戶的游戲黏性相對較大，各種求組隊、求朋友共同游戲的微博也較多，追求曝光率的程度較強。在該平臺上有超過半成的人回憶懷念自己的游戲經(jīng)歷，期待回歸《刺激戰(zhàn)場》（6%）；另有接近十分之一（9%）的用戶根本不在乎游戲有什么變動，只要能和同伴一起玩就滿足了。

作為第三類評論平臺的百度貼吧，綜合了第一類、第二類觀點平臺的特點，有簡單粗暴的態(tài)度，也有客觀理智的思考。無論是發(fā)帖還是回帖都既可以承擔對游戲更替的觀點輸出，也都可以不承擔觀點輸出，因而不時出現(xiàn)意見散亂、互相矛盾的情形。由于其帖子內(nèi)容松散，較少出現(xiàn)持續(xù)圍繞一個話題，進行同一觀點輸出的情況；而玩家在游戲遇到問題和對游戲有意見建議時，往往選擇在貼吧求助，這導致了貼吧內(nèi)求助帖和意見帖較多，但很難上升到專業(yè)問答的程度，如在本平臺中有8%的玩家對游戲問題進行反饋并提出了一些建議。

作為第四類評論平臺的知乎社區(qū)，用戶水平相對較高，對于問題愿意上升到制度、環(huán)境等層面上，往往尋求多角度、多原因看待問題，像本平臺上就有5%的用戶上升到游戲行業(yè)和環(huán)境層面，認為游戲公司、玩家、政府共同作用導致游戲環(huán)境惡劣，需要客觀看待；也有用戶提出游戲環(huán)境的觀點，并且認為《和平精英》的出現(xiàn)是游戲業(yè)的探索與嘗試，可以觀察到盈利性背后商業(yè)資本的推動，是其他平臺少見的深刻觀點。正因如此，在此平臺上如果出現(xiàn)負面評價，往往內(nèi)容翔實，較難反駁，但由于其用戶的門檻相對較高，受眾相對小眾，對某些圈子內(nèi)的成員來講具有特別參考價值。

6.不足和余論

筆者認為本例中的網(wǎng)絡評論分析方法主要存在以下不足。

第一，評論抽樣方法有待進一步研究。在理想情況下，窮舉全部評論信息，再進行分析分類、量化呈現(xiàn)，所得出的觀點結論最準確可靠，但實際上由于數(shù)據(jù)量龐大，缺乏可操作性，也沒有必要，如何對評論數(shù)據(jù)進行抽樣，是首要考慮的問題。由于各種冗余評論的存在，如果只使用簡單隨機抽樣或等距抽樣，得出的結果往往不能準確代表網(wǎng)民意見分布；本文所采取的思路是基于不同平臺特點，著重使用判斷抽樣、配額抽樣的方法，尤其集中于熱點、重點和參與互動量多的評論，人工選擇痕跡明顯；諸如判斷標準、配額分布、抽樣比例是否合適，乃至于以后對其他事件中可能面臨的分層抽樣如何分層，整群抽樣如何劃分整群等，都需要進一步研究，以期得出更合理的抽樣方法。

第二，非文本形式的評論采集亟待解決。對越來越多以圖片、視頻、音頻等非文本評論形式呈現(xiàn)的、廣泛意義上的網(wǎng)絡評論而言，盡管本例中通過了一些技術或程序將其轉換為文本來進行研究，但由于技術和條件限制，多數(shù)此類評論仍無法做到相對準確的采集和統(tǒng)計，造成了評論信息的流失。尤其伴隨著短視頻應用平臺的興起，承載意見觀點的短視頻也成為網(wǎng)絡評論不可忽視的來源，對視頻等非文本形式內(nèi)容的抓取，成為今后大數(shù)據(jù)背景下網(wǎng)絡評論分析亟須解決的難題。

第三，互動參與的相關性需要量化。在大數(shù)據(jù)算法下，一般互動參與量較高的網(wǎng)絡評論往往會被認定為熱門或者重點評論，并會被推薦至首頁，評論前列或優(yōu)先顯示。本例中判斷抽樣的主要依據(jù)之一就是點贊、轉發(fā)、回復等互動參與量較高的評論，認為其可以代表多數(shù)網(wǎng)民的意見。但需要注意的是，互動量代表態(tài)度情緒，只能顯示出評論的總體趨勢，不一定提供明確的意見建議。點贊數(shù)和轉發(fā)數(shù)在多大程度上能代表網(wǎng)民的意見觀點，或者如何通它們判定重點評論的代表性，需要更明確的量化算法或者更可靠的判斷標準。

第四，網(wǎng)民研究等異質因素應納入分析。在本例中，更多依靠平臺特征和評論特征進行分析，缺少對網(wǎng)民本身的分析。實際上，網(wǎng)民研究也是網(wǎng)絡評論分析的重要組成部分，通過對網(wǎng)民的年齡、階層、文化程度、上網(wǎng)習慣的多方面因素的分層畫像，有助于從宏觀層面上探討網(wǎng)絡評論的形成原因，網(wǎng)民研究與網(wǎng)絡評論研究兩者相互聯(lián)系，相互印證，更能從根本上理解和揭示網(wǎng)絡輿情的特點。

綜上所述，當今的大數(shù)據(jù)背景下網(wǎng)絡評論分析面臨著新的局面：信息數(shù)量劇增，平臺來源豐富，呈現(xiàn)形式多樣，觀點構成復雜。結合新形勢，對網(wǎng)絡評論分析的方法進行新的嘗試和探索，將有助于網(wǎng)絡評論乃至網(wǎng)絡輿情工作的進一步研究和規(guī)范。