賈若男 王晰巍 于 雪 羅 然

(1.吉林大學(xué)商學(xué)與管理學(xué)院，吉林 長春 130022；2.湘潭大學(xué)公共管理學(xué)院，湖南 湘潭 411105；3.吉林大學(xué)大數(shù)據(jù)管理研究中心，吉林 長春 130022；4.吉林大學(xué)國家發(fā)展與安全研究院網(wǎng)絡(luò)空間治理研究中心，吉林 長春 130022；5.吉林省圖書館，吉林 長春 130028)

《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》指出，截至2021年6月，我國網(wǎng)民規(guī)模達(dá)10.11億[1]。龐大的網(wǎng)民數(shù)量為輿情研判提供了豐富的和可供挖掘的多重尺度時空大數(shù)據(jù)，也為動態(tài)性、全局性、精準(zhǔn)化的輿情治理提供決策依據(jù)。智能媒體與社會數(shù)據(jù)的結(jié)合，為突發(fā)公共事件中政府在社交網(wǎng)絡(luò)上的調(diào)控決策提出新思路和新方案[2]。突發(fā)公共事件網(wǎng)絡(luò)輿情的時空數(shù)據(jù)挖掘和分析，為突發(fā)公共事件網(wǎng)絡(luò)輿情的引導(dǎo)和決策提供了新依據(jù)，是網(wǎng)絡(luò)輿情研判與監(jiān)管部門關(guān)注的重要問題。

近年來，國內(nèi)外相關(guān)學(xué)者圍繞社會網(wǎng)絡(luò)媒體輿情中的時間與空間特性進(jìn)行了相關(guān)研究。國外研究主要通過不同的模型或者算法[3]，挖掘時空數(shù)據(jù)背后的群體行為特征[4]。通過量化用戶的動態(tài)空間交互行為[5]監(jiān)控緊急事件或社會問題的信息傳播狀況，并跟蹤事件發(fā)展態(tài)勢[6]，提出相應(yīng)的社會治理舉措，提升預(yù)警與響應(yīng)能力[7]。國內(nèi)學(xué)者主要將時空維度作為輿情演化分析與治理研究的重要維度[8]。通過可視化工具呈現(xiàn)網(wǎng)友關(guān)注度與話題主題的動態(tài)演化情況[9]，形成輿情事件討論熱度圖譜[10]，分析網(wǎng)絡(luò)群體集聚的跨時空演化機(jī)理[11]。通過對國內(nèi)外現(xiàn)有研究成果的梳理，發(fā)現(xiàn)目前針對網(wǎng)絡(luò)輿情事件時空數(shù)據(jù)進(jìn)行挖掘和分析的研究成果正逐漸受到國內(nèi)外相關(guān)學(xué)者的關(guān)注，但分析突發(fā)公共事件中輿情時空分布特征與時空演化規(guī)律的研究成果相對較少。

本文在研究中主要解決以下3個方面的研究問題：①突發(fā)公共事件網(wǎng)絡(luò)輿情的時空總體分布及類型如何分析？②事件時空演化網(wǎng)絡(luò)的結(jié)構(gòu)和關(guān)鍵城市是如何分布的？③針對事件的時空演化特征與規(guī)律能夠采取哪些治理措施？本文結(jié)合“日本核廢水排?！笔录M(jìn)行時空分析并構(gòu)建時空演化圖譜，明確輿情事件的時空分布特征。探索和總結(jié)輿情事件演化的時空規(guī)律，為網(wǎng)絡(luò)輿情事件的管控和治理提供決策支持。

1 文獻(xiàn)綜述

1.1 突發(fā)公共事件網(wǎng)絡(luò)輿情

突發(fā)公共事件網(wǎng)絡(luò)輿情是指在互聯(lián)網(wǎng)中傳播的有關(guān)突發(fā)公共事件的評論、觀點、情感以及態(tài)度等的集合，具有“線下發(fā)生，線上傳遞”的特點[12]。學(xué)者們以多類型突發(fā)事件為研究對象，主要聚焦于輿情事件演化態(tài)勢和輿情干預(yù)治理等方面[13]。構(gòu)建三維動態(tài)主題演化模型分析輿情事件中不同利益相關(guān)者的主題觀點識別與演化[14]，從時間序列視角探究輿情發(fā)展過程中網(wǎng)民情感極性的變化及其影響因素[15]。在網(wǎng)絡(luò)輿情干預(yù)治理方面，利用模糊集定性比較分析、仿真實驗和案例分析等方法，提出預(yù)測方法與治理策略[16]。國內(nèi)外研究利用社交媒體中海量的用戶時空數(shù)據(jù)建模，有利于輿情的動態(tài)研判、重點階段和重點地點的防控策略制定，從而實現(xiàn)網(wǎng)絡(luò)輿情線上和線下共同管理[12]。

1.2 網(wǎng)絡(luò)輿情中的時空數(shù)據(jù)

網(wǎng)絡(luò)輿情中的數(shù)據(jù)具有明顯的時間和空間特征，時空數(shù)據(jù)是輿情用戶行為與關(guān)系在現(xiàn)實情境中的具象化呈現(xiàn)[17]。在時空數(shù)據(jù)研究主題上，國內(nèi)外學(xué)者利用時空數(shù)據(jù)研究輿情事件的傳播特征與影響[18]，發(fā)現(xiàn)社交網(wǎng)絡(luò)輿情事件在傳播態(tài)勢時間上呈階段周期性演化，空間上呈金字塔等級的擴(kuò)散演化[12]。在時空大數(shù)據(jù)挖掘方法上，基于事件的時空數(shù)據(jù)模型和生成式對抗網(wǎng)絡(luò)模型等是輿情研判的常用模型[19]，Moran’s I指數(shù)[20]、Morisita分布指數(shù)[21]是社交網(wǎng)絡(luò)輿情事件空間分布探索的重要統(tǒng)計量。GIS和知識圖譜是輿情事件時空規(guī)律可視化的常見技術(shù)[22]。把握輿情事件的時空交互規(guī)律，有助于提前感知并研判網(wǎng)絡(luò)輿情演化趨勢，為提出全局性、動態(tài)化和分級化的輿情治理策略提供決策支持[23]。

1.3 突發(fā)公共事件網(wǎng)絡(luò)輿情時空演化分析問題的提出

突發(fā)公共事件網(wǎng)絡(luò)輿情信息具有空間、時間和內(nèi)容等多個相關(guān)的維度，在輿情中，時間與地理標(biāo)記記錄可以用來研究用戶的活動模式，如流動性、聚集性或隨機(jī)性等[24]。突發(fā)公共事件網(wǎng)絡(luò)輿情時空演化分析，主要是將輿情事件映射到現(xiàn)實的時間和地理空間中，將輿情的時空數(shù)據(jù)與社交關(guān)系數(shù)據(jù)相結(jié)合，挖掘輿情在地理空間中的總體分布、輿情空間分布隨時間的演化特征與規(guī)律等。從而實現(xiàn)對突發(fā)公共事件網(wǎng)絡(luò)輿情發(fā)展的全面、動態(tài)分析和呈現(xiàn)，能夠幫助相關(guān)部門更好地了解輿情事件的關(guān)鍵地域、熱點區(qū)域以及潛在橋梁城市，并制定準(zhǔn)確的輿情管控與治理策略。

2 突發(fā)公共事件網(wǎng)絡(luò)輿情時空演化分析模型及算法

2.1 突發(fā)公共事件網(wǎng)絡(luò)輿情時空演化分析模型

本文構(gòu)建了突發(fā)公共事件網(wǎng)絡(luò)輿情時空演化分析模型，如圖1所示。通過網(wǎng)絡(luò)爬蟲進(jìn)行網(wǎng)絡(luò)輿情事件話題下時空數(shù)據(jù)的采集，并進(jìn)行數(shù)據(jù)清洗與預(yù)處理。在事件時間和空間尺度劃分的基礎(chǔ)上進(jìn)行時空演化分析。一方面，采用空間自相關(guān)，通過全局自相關(guān)分析確定時空總體分布；通過局部自相關(guān)分析確定時空聚集類型；另一方面，采用時空網(wǎng)絡(luò)圖算法，通過平均聚類系數(shù)分析輿情時空網(wǎng)絡(luò)結(jié)構(gòu)；通過局部聚類系數(shù)確定網(wǎng)絡(luò)中的關(guān)鍵城市。最后，對突發(fā)公共事件網(wǎng)絡(luò)輿情時空演化特征與規(guī)律進(jìn)行分析。

圖1 突發(fā)公共事件網(wǎng)絡(luò)輿情時空演化分析模型

2.2 空間自相關(guān)算法

空間自相關(guān)是一種根據(jù)特征位置和特征值來衡量空間事物分布的相互關(guān)聯(lián)程度及其空間分布的統(tǒng)計方法，可以分為全局空間自相關(guān)和局部空間自相關(guān)[25]。全局空間自相關(guān)主要檢驗整個研究區(qū)域內(nèi)相鄰或相似區(qū)域單元特征值空間相關(guān)性的總體趨勢，通常使用全局Moran’s I來評估，如式(1)所示；全局空間自相關(guān)僅能判斷研究對象是否存在聚集分布，無法確定某一研究對象與其鄰近區(qū)域?qū)ο蟮南嚓P(guān)程度。局部自相關(guān)分析能夠反映局部單元屬性與相鄰單元相同屬性之間的相關(guān)程度，通常使用局部Moran’s I進(jìn)行衡量，如式(2)所示[26]。

(1)

(2)

式(2)中，Ii為局部Moran’s I，其余參數(shù)含義與式(1)相同。若局部空間自相關(guān)顯著，則存在4種空間聚集類型[26]，分別為：高—高聚集(H-H)，代表熱點區(qū)域；低—低聚集(L-L)，代表冷點區(qū)域；高—低聚集(H-L)，代表高值異常區(qū)；低—高聚集(L-H)，代表低值異常區(qū)。

2.3 時空網(wǎng)絡(luò)圖算法

圖算法能夠幫助理解圖數(shù)據(jù)網(wǎng)絡(luò)，可以幫助利用節(jié)點間的關(guān)系來發(fā)現(xiàn)知識和信息[27]。在圖算法中，聚類系數(shù)表示網(wǎng)絡(luò)圖中節(jié)點間相互聯(lián)系的緊密程度，分為平均和局部聚類系數(shù)，計算如式(3)和(4)所示[28]。平均聚類系數(shù)可以幫助分析網(wǎng)絡(luò)結(jié)構(gòu)，局部聚類系數(shù)可以幫助分析網(wǎng)絡(luò)中的關(guān)鍵城市。

(3)

(4)

3 實證分析

3.1 數(shù)據(jù)來源與收集

新浪微博是國內(nèi)最受歡迎的社交網(wǎng)絡(luò)平臺之一[29]，提供了帶有時間戳和基于位置的社交網(wǎng)絡(luò)服務(wù)，能夠采集到用戶相關(guān)的時間和空間數(shù)據(jù)信息，有利于本文針對突發(fā)公共事件網(wǎng)絡(luò)輿情時空演化的分析[30]。因此，本文將其作為數(shù)據(jù)采集的來源平臺。在突發(fā)公共事件熱點輿情的選擇上，本文選取“日本核廢水排?！笔录M(jìn)行數(shù)據(jù)采集，日本核廢水排海決定自初步?jīng)Q議起便在國內(nèi)外各大社交網(wǎng)絡(luò)平臺引起了廣泛而熱烈的討論[31]。爬取的字段包括用戶昵稱、ID、評論或轉(zhuǎn)發(fā)時間、用戶地理標(biāo)簽等；數(shù)據(jù)清洗過程主要通過Access和Excel等軟件實現(xiàn)，共收集到原始數(shù)據(jù)80 660條，清洗后剩余數(shù)據(jù)53 504條。

3.2 數(shù)據(jù)處理

按照“日本核廢水排?！笔录l(fā)展順序以及事件發(fā)展期間的輿情態(tài)勢曲線，如圖2所示，事件發(fā)展具有一定的周期性特點，即當(dāng)某個子話題突發(fā)時，輿情進(jìn)入爆發(fā)期；隨后公眾情緒、意見達(dá)到一定閾值后，輿情態(tài)勢進(jìn)入平緩回落期；隨著事件再次發(fā)展，輿情態(tài)勢波動走高；最后隨著事件接近尾聲，輿情態(tài)勢趨于平息。因此，本文將時間尺度劃分為5個階段。事件空間尺度的劃分上，將國內(nèi)用戶按照地理分區(qū)及省級行政區(qū)進(jìn)行劃分，包括華北、東北、華東、華中、華南、西南、西北和港澳臺8個地理分區(qū)，以及34個省級行政區(qū)；國外地區(qū)則統(tǒng)一劃分為其他。在后續(xù)的時空分析中，以省級行政區(qū)省會的經(jīng)緯度指標(biāo)作為地理位置代表和分析依據(jù)。

圖2 時間尺度劃分結(jié)果[32]

為分析該輿情的時空分布和聚集類型，按照時間尺度劃分，以熱門微博下各省級行政區(qū)中所包含的轉(zhuǎn)發(fā)和評論總量作為討論熱度[33]。采用Log函數(shù)標(biāo)準(zhǔn)化[34]對原始數(shù)據(jù)進(jìn)行處理以消除數(shù)量級差異。關(guān)于空間權(quán)重矩陣的構(gòu)建，由于距離是體現(xiàn)空間分布的重要指標(biāo)，因而選取基于距離的空間權(quán)重矩陣[35]。在此基礎(chǔ)上進(jìn)行空間自相關(guān)分析。為明確各個空間熱點、冷點以及不顯著聚集區(qū)域之間的關(guān)系，在空間自相關(guān)分析結(jié)果基礎(chǔ)上，進(jìn)行時空網(wǎng)絡(luò)圖算法分析。以地區(qū)所包含的用戶之間的社交關(guān)系作為地區(qū)節(jié)點間的邊，將地區(qū)的討論熱度作為節(jié)點間邊的權(quán)重，空間聚集類型作為節(jié)點的屬性標(biāo)簽，得到節(jié)點、關(guān)系和屬性表并導(dǎo)入Neo4j圖形數(shù)據(jù)庫中，以進(jìn)行圖算法分析確定網(wǎng)絡(luò)結(jié)構(gòu)和關(guān)鍵城市。

3.3 數(shù)據(jù)結(jié)果

3.3.1 全局空間自相關(guān)結(jié)果

全局空間自相關(guān)分析結(jié)果如表1所示。全局Moran’s I均大于0，表明該輿情呈現(xiàn)空間聚集分布。其次，全局Moran’s I統(tǒng)計值大于0，但也比較接近0，說明這種聚集程度較弱。各個事件的P-value統(tǒng)計值均小于0.05，Z-score統(tǒng)計值均大于1.65，表明其置信度均在90%以上[36]。同時，聚集趨勢呈現(xiàn)3個階段，其中，第一階段(T1～T2)和第三階段(T3～T5)均呈現(xiàn)上升趨勢，第二階段(T2～T3)呈現(xiàn)下降趨勢，但第三階段均高于第一和第二階段。這意味著時空分布特征整體上以聚集為主，且聚集程度不斷加強(qiáng)。

表1 全局Moran’I及檢驗值

3.3.2 局部空間自相關(guān)結(jié)果

局部空間自相關(guān)分析結(jié)果如表2所示。數(shù)據(jù)結(jié)果表明，事件各個時間段內(nèi)的聚集區(qū)域類型分布與事件整個時間周期呈現(xiàn)一致。事件時空分布中，高—高(H-H)聚集區(qū)域數(shù)量較多，表明事件存在討論熱度集中區(qū)域，即存在空間熱點；低—高(L-H)聚集區(qū)域伴隨著高—高(H-H)聚集區(qū)域存在，低—低(L-L)聚集區(qū)域出現(xiàn)頻次較低，說明事件討論熱度的空間冷點不明顯。同時，顯著聚集區(qū)總數(shù)明顯多于非顯著聚集區(qū)，說明在各個時間段中事件討論重點分布于部分地區(qū)，并不是普遍存在于全國各地。

表2 局部聚集類型統(tǒng)計

為了明確每個聚集類型的空間位置特征，以省會坐標(biāo)為基準(zhǔn)和代表，繪制局部聚集類型分布圖，如圖3所示。圖中僅使用文字標(biāo)注了顯著聚集的省級行政區(qū)。在事件的發(fā)展過程中，高值聚集區(qū)常出現(xiàn)在以北京、天津為代表的華北地區(qū)，以河南、陜西為代表的華中和西北部分地區(qū)，以及以江蘇、浙江、上海、福建為代表的華東地區(qū)，并且這類空間熱點區(qū)域具有明顯的連續(xù)分布趨勢；低—高聚集類則伴隨著高值聚集區(qū)存在，如東北地區(qū)的吉林、華北地區(qū)的山西、內(nèi)蒙古中部，以及港澳臺地區(qū)的中國臺灣地區(qū)等；西北地區(qū)的內(nèi)陸城市新疆作為唯一顯著的低值聚集區(qū)存在，是事件的空間冷點區(qū)域。

圖3 空間局部聚集類型分布圖

3.3.3 時空網(wǎng)絡(luò)平均聚類系數(shù)結(jié)果

該話題下運用時空網(wǎng)絡(luò)平均聚類系數(shù)呈現(xiàn)的時空網(wǎng)絡(luò)如圖4所示。分析結(jié)果表明，該話題下輿情事件時空網(wǎng)絡(luò)均呈現(xiàn)以個別區(qū)域(或城市)為核心的發(fā)散結(jié)構(gòu)，核心區(qū)域(或城市)周圍的關(guān)系線條較為密集，整個空間網(wǎng)絡(luò)中的信息流圍繞其展開。同時，這些區(qū)域(或城市)節(jié)點起到連接其他區(qū)域(或城市)節(jié)點的“信息橋梁”作用。通過這些區(qū)域(或城市)節(jié)點的屬性標(biāo)簽，可以發(fā)現(xiàn)不顯著聚集的城市同樣能夠在時空網(wǎng)絡(luò)中扮演重要角色，如T1中的香港、T2中的四川等。與此同時，在這些區(qū)域(或城市)聚集類型，低—高(L-H)以及低—低(L-L)聚集區(qū)在網(wǎng)絡(luò)中通常處于邊緣位置，并且與其他區(qū)域(或城市)節(jié)點聯(lián)系稀疏。

圖4 輿情時空網(wǎng)絡(luò)

時空網(wǎng)絡(luò)平均聚類系數(shù)分析結(jié)果如表3所示。在平均聚類系數(shù)得分中，除T5的平均聚類系數(shù)為0.001外，其他事件的平均聚類系數(shù)均呈現(xiàn)高值。結(jié)合圖4，T5的空間網(wǎng)絡(luò)呈現(xiàn)以北京為核心的星型結(jié)構(gòu)。除與北京之間存在直接的聯(lián)系外，各個城市節(jié)點間的聯(lián)系稀疏，網(wǎng)絡(luò)中信息的交流效率較低；其他事件的平均聚類系數(shù)較高，輿情時空網(wǎng)絡(luò)呈現(xiàn)網(wǎng)狀結(jié)構(gòu)特征，網(wǎng)絡(luò)中節(jié)點間的聯(lián)系緊密，網(wǎng)絡(luò)的凝聚力也較強(qiáng)。

表3 時空網(wǎng)絡(luò)平均聚類系數(shù)結(jié)果

3.3.4 時空網(wǎng)絡(luò)局部聚類系數(shù)結(jié)果

時空網(wǎng)絡(luò)局部聚類系數(shù)分析結(jié)果如表4所示。在結(jié)果顯示中，重點關(guān)注局部聚類系數(shù)得分較低的節(jié)點，因為得分較低表明該城市在網(wǎng)絡(luò)中是一個結(jié)構(gòu)孔[28]，該城市節(jié)點可能是一個與其他網(wǎng)絡(luò)城市社區(qū)中的城市節(jié)點連接良好的節(jié)點，是網(wǎng)絡(luò)結(jié)構(gòu)中潛在的“信息橋梁”。如，T1中的香港和北京，T2中的四川等。但是，當(dāng)局部聚類系數(shù)為0時，表示該城市節(jié)點的相鄰節(jié)點都只與這一節(jié)點相連，彼此之間互不相連，此類節(jié)點周圍的網(wǎng)絡(luò)結(jié)構(gòu)較為簡單，如T1中的青海、臺灣和澳門等。

表4 時空網(wǎng)絡(luò)局部聚類系數(shù)結(jié)果

4 討論分析

4.1 時空總體分布分析

從該突發(fā)公共事件輿情演化的時空總體分布來看，輿情演化呈現(xiàn)空間聚集分布，且聚集程度呈現(xiàn)隨輿情事件發(fā)展不斷加強(qiáng)的趨勢。這可能與隨著輿情的不斷發(fā)展，政府、媒體和意見領(lǐng)袖等關(guān)鍵用戶的介入、對輿情事件信息發(fā)布的加強(qiáng)，以及公眾對輿情信息的接受與關(guān)注程度的提升等有關(guān)[37]。在輿情發(fā)生的不同階段，參與輿情的用戶會有不同的信息需求和行為，并對輿情事件的熱度和傳播范圍產(chǎn)生影響。

因此，根據(jù)輿情時空總體分布的聚集特征和趨勢，輿情監(jiān)管部門可以根據(jù)區(qū)域的聚集形勢進(jìn)行有針對性的輿情引導(dǎo)和監(jiān)管，將輿情事件的分析與對比分解和聚焦到聚集區(qū)域上，并借助政府和官方媒體的參與不斷對輿情事件波及的區(qū)域進(jìn)行干預(yù)和引導(dǎo)，降低負(fù)面輿情在空間維度上傳播擴(kuò)散的可能性。同時，利用區(qū)域中高影響力用戶及群體，對鄰近空間內(nèi)其他用戶產(chǎn)生直接或間接的影響，提高輿情的空間聚集程度，將負(fù)面輿情帶來的影響盡量控制在最小范圍內(nèi)。

4.2 時空聚集類型分析

該突發(fā)公共事件的網(wǎng)絡(luò)輿情空間熱點區(qū)域，主要分布在部分地區(qū)并非全國，網(wǎng)絡(luò)輿情時空演化分布具有一定的地域差異性和規(guī)模性，在重點城市群區(qū)域表現(xiàn)出明顯的聚集性特征。一方面，空間熱點區(qū)域的分布情況顯示出重點經(jīng)濟(jì)發(fā)達(dá)地區(qū)在該輿情事件中的高價值屬性；另一方面，低—高(L-H)和低—低(L-L)聚集區(qū)的時空分布與該地區(qū)的人口聚集程度和地理位置有關(guān)，未受到該網(wǎng)絡(luò)輿情直接影響的區(qū)域和靠近空間熱點的區(qū)域則呈現(xiàn)出不同的聚集類型。

因此，根據(jù)突發(fā)公共事件的網(wǎng)絡(luò)輿情時空聚集類型以及其分布特征，一方面，應(yīng)該加強(qiáng)對網(wǎng)絡(luò)輿情聚集效應(yīng)顯著的空間熱點區(qū)域進(jìn)行有針對性的分析與監(jiān)測，突出空間熱點區(qū)域的靶向定位作用。通過該區(qū)域內(nèi)網(wǎng)絡(luò)輿情的疏導(dǎo)與管控，實現(xiàn)社交網(wǎng)絡(luò)輿情的精準(zhǔn)治理和全區(qū)域網(wǎng)絡(luò)輿情的整體控制；另一方面，對于低—高(L-H)和低—低(L-L)這類非熱點聚集區(qū)，除發(fā)揮鄰近熱點區(qū)域的領(lǐng)導(dǎo)和影響作用外，還應(yīng)結(jié)合該區(qū)域自身的發(fā)展情況和地理特征，對該區(qū)域的熱點網(wǎng)絡(luò)輿情事件的關(guān)注和輿情用戶的情感、網(wǎng)絡(luò)輿情關(guān)注行為等進(jìn)行分析，明確不同區(qū)域時空特征與規(guī)律差異性的原因所在，進(jìn)而制定和實施更為精準(zhǔn)的社交網(wǎng)絡(luò)輿情區(qū)域治理策略。

4.3 時空網(wǎng)絡(luò)結(jié)構(gòu)分析

從該突發(fā)公共事件網(wǎng)絡(luò)輿情的時空網(wǎng)絡(luò)可視化分析結(jié)果和平均聚類系數(shù)結(jié)果來看，時空網(wǎng)絡(luò)呈現(xiàn)以個別節(jié)點為核心的網(wǎng)絡(luò)結(jié)構(gòu)特征，體現(xiàn)了網(wǎng)絡(luò)輿情傳播和擴(kuò)散的時空收縮效應(yīng)。其中，平均聚類系數(shù)較低的時空網(wǎng)絡(luò)結(jié)構(gòu)較為稀疏，除核心城市外，其他區(qū)域(或城市)節(jié)點間幾乎不存在關(guān)聯(lián)關(guān)系，網(wǎng)絡(luò)凝聚力較弱。平均聚類系數(shù)較高的時空網(wǎng)絡(luò)呈現(xiàn)網(wǎng)狀結(jié)構(gòu)，除核心區(qū)域(或城市)外，各個區(qū)域(或城市)間存在交叉縱橫鏈接，信息流通速度相對較快，流通效率相對較高。

因此，對于上述兩種網(wǎng)絡(luò)結(jié)構(gòu)來說，核心區(qū)域(或城市)都具有較大的信息控制權(quán)，是在緊急情況下進(jìn)行的社交網(wǎng)絡(luò)輿情管控的重要節(jié)點。應(yīng)該最大限度地發(fā)揮其在輿情中的風(fēng)向標(biāo)作用，通過對核心區(qū)域(或城市)的干預(yù)和引導(dǎo)，把握網(wǎng)絡(luò)輿情引導(dǎo)主動權(quán)和話語權(quán)，并及時、主動地占領(lǐng)網(wǎng)絡(luò)輿論的主陣地和優(yōu)勢高地，進(jìn)而實現(xiàn)對全區(qū)域范圍內(nèi)其他區(qū)域(或城市)的網(wǎng)絡(luò)引導(dǎo)，消解其他區(qū)域(或城市)在輿情發(fā)展中存在的噪音和雜音，及時排解輿情風(fēng)險隱患。此外，當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)相對較為復(fù)雜時，還應(yīng)當(dāng)注重不同核心區(qū)域(或城市)之間的合作與協(xié)同，從以點帶面到整體推進(jìn)，進(jìn)而全面提升突發(fā)公共事件的網(wǎng)絡(luò)輿情治理能力與水平。

4.4 時空關(guān)鍵區(qū)域分析

從該突發(fā)公共事件網(wǎng)絡(luò)輿情的局部聚類系數(shù)結(jié)果來看，在社交網(wǎng)絡(luò)輿情的時空網(wǎng)絡(luò)結(jié)構(gòu)中存在局部聚類系數(shù)較低的結(jié)構(gòu)孔城市，與其他城市連接相對良好，在時空網(wǎng)絡(luò)中充當(dāng)著“信息橋梁”的角色。此類節(jié)點作為時空網(wǎng)絡(luò)中的關(guān)鍵城市，能夠促進(jìn)輿情信息的流動和共享，并且能夠干預(yù)和控制其他區(qū)域(或城市)之間的通信和傳播，在輿情事件的時空擴(kuò)散和演化中具有較強(qiáng)的關(guān)系優(yōu)勢。同時，也存在局部聚類系數(shù)為0的城市，這類城市的相鄰節(jié)點都只與這一節(jié)點相連，但彼此之間互不相連，其周圍的網(wǎng)絡(luò)結(jié)構(gòu)較為簡單。

因此，針對該類網(wǎng)絡(luò)輿情進(jìn)行管控和治理時，關(guān)鍵區(qū)域(或城市)作為重要的監(jiān)管節(jié)點，需要對其輿論導(dǎo)向進(jìn)行準(zhǔn)確識別、定向培育和積極引導(dǎo)，并且完善其社交網(wǎng)絡(luò)輿情中的民意觀察和分析機(jī)制，才能最大限度地發(fā)揮其在輿論引導(dǎo)中的領(lǐng)導(dǎo)和正面優(yōu)勢，從而快速、及時地調(diào)動關(guān)鍵區(qū)域(或城市)中的意見領(lǐng)袖進(jìn)行正確的輿論疏導(dǎo)，營造正向情感和觀點，實現(xiàn)輿情信息的正向流轉(zhuǎn)。局部聚類系數(shù)為0的區(qū)域(或城市)由于周圍的網(wǎng)絡(luò)結(jié)構(gòu)相對簡單，其管控和治理則相對容易。

5 研究結(jié)論

本文提出突發(fā)公共事件網(wǎng)絡(luò)輿情時空演化分析模型和算法，將空間自相關(guān)、時空網(wǎng)絡(luò)圖算法與輿情分析相結(jié)合，對突發(fā)公共事件網(wǎng)絡(luò)輿情的時空演化特征中的時空總體分布、時空聚集類型進(jìn)行分析；通過社交網(wǎng)絡(luò)輿情中的網(wǎng)絡(luò)結(jié)構(gòu)和關(guān)鍵城市(或區(qū)域)的平均聚類系數(shù)與局部聚類系數(shù)，呈現(xiàn)網(wǎng)絡(luò)輿情時空演化規(guī)律。本文在理論層面，通過空間自相關(guān)分析確定了突發(fā)公共事件社交網(wǎng)絡(luò)輿情的時空總體分布與聚集類型；利用圖算法中的平均聚類系數(shù)對時空網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了分析，局部聚類系數(shù)確定了時空網(wǎng)絡(luò)中的關(guān)鍵區(qū)域(或城市)，從而進(jìn)一步豐富了網(wǎng)絡(luò)輿情研究的理論和方法體系。實踐層面，結(jié)合新浪微博“日本核廢水排?！笔录碌臅r空數(shù)據(jù)進(jìn)行實證分析，發(fā)現(xiàn)突發(fā)公共事件網(wǎng)絡(luò)輿情的時空聚集效應(yīng)，重點經(jīng)濟(jì)發(fā)達(dá)地區(qū)作為空間熱點區(qū)域在輿情中的高價值屬性，以及不同的時空網(wǎng)絡(luò)結(jié)構(gòu)中，核心和橋梁城市在輿情時空演化中的引導(dǎo)和中介作用。最后，根據(jù)以上輿情時空特征和規(guī)律提出了相應(yīng)的策略，為突發(fā)公共事件網(wǎng)絡(luò)輿情的管控與治理提供了實踐參考。

本文的研究仍存在一定的局限性。本文僅以微博平臺中的單一輿情事件作為數(shù)據(jù)來源，所得出的研究結(jié)論具有一定的局限性。在后續(xù)的研究中，將關(guān)注多種網(wǎng)絡(luò)平臺輿情的對比分析，以期為國家輿情治理體系的豐富和完善提供更多有意義的參考。另外，時空分析僅限于國內(nèi)，未對國外地區(qū)進(jìn)行探究，在后續(xù)的研究中，將考慮國內(nèi)外輿情時空分布的對比，豐富和深化輿情時空規(guī)律。