代婧琦,趙 曄,李宗敏

(1.中國民用航空飛行學院 經(jīng)濟與管理學院,四川 廣漢 618300;2.四川大學 商學院,四川 成都 610065)

當前,世界百年未有之大變局加速演變,重大突發(fā)事件頻發(fā),國際國內(nèi)形勢嚴峻復雜,嚴重威脅著我國公共安全。新型社交網(wǎng)絡平臺的出現(xiàn),顛覆了傳統(tǒng)的輿情傳播模式,突顯出極強的互動性和即時性,成為當前受眾最廣、用戶量最大的信息發(fā)布平臺和獲取渠道。其中,新浪微博是目前影響力最為廣泛的網(wǎng)絡社交媒體之一。2019年10月,黨的十九屆四中全會把輿論引導納入國家治理體系和治理能力建設總體格局。如何科學應對和處理重大突發(fā)事件網(wǎng)絡輿情,已成為總體國家安全觀下亟待研究的關鍵問題。

近年來,重大突發(fā)事件輿情研究受到了國內(nèi)外學者的廣泛關注。關于用戶情感分類的研究,主要集中于基于情感詞典的無監(jiān)督方法和采用機器學習及深度學習的有監(jiān)督方法兩大類。在情感詞典方面,國外較為成熟的情感詞典主要有General Inquirer[1]和SentiWordNet[2]兩種。國內(nèi)常用的則有知網(wǎng)HowNet情感詞典[3]、大連理工大學情感詞典[4]和臺灣大學NTUSD簡體中文情感詞典[5]等。對文本內(nèi)容情感進行分析常采用的機器學習和深度學習方法,主要有長短時記憶網(wǎng)絡模型(LSTM)[6]、雙向長短時記憶網(wǎng)絡模型(Bi-LSTM)[7]、樸素貝葉斯分類器[8]、支持向量機(SVM)[9]等。

此外,學者還主要關注了重大突發(fā)事件網(wǎng)絡輿情的生命周期劃分。目前學界對突發(fā)事件網(wǎng)絡輿情的階段劃分沒有統(tǒng)一定論,但較為常見的是輿情傳播三階段[10]、四階段[11]、五階段[12]和六階段模型[13]。輿情傳播階段的劃分對于深入挖掘輿情傳播中的有效信息有積極作用,大多學者對于輿情傳播周期的劃分都是基于生命周期理論展開的,而針對空難事件的輿情周期劃分研究較少,一般以三階段法進行劃分[14]。

隨著信息技術(shù)的不斷發(fā)展,數(shù)據(jù)可視化逐漸引起學者的關注,而輿情圖譜構(gòu)建在重大突發(fā)事件網(wǎng)絡輿情研究中也得到了一定的關注。其中,將特定領域的知識圖譜用于復雜問題分析與決策場景,在自然語言處理、預測分析、問題識別等領域取得了一定的效果。而情感演化圖譜是在社會網(wǎng)絡分析的基礎上加入情感計算得到情感動態(tài)變化的分布圖,可以用于分析輿情事件群體情感分布和傳播演化規(guī)律。國外學者利用情感演化圖譜進行情緒預測[15]、情感時序演變規(guī)律探究[16]、社會網(wǎng)絡特征分析[17]等。國內(nèi)學者主要集中于對傳播主體[18]和傳播路徑的時空演化規(guī)律研究[19]等方面?？傊?通過輿情圖譜構(gòu)建,可以描述重大突發(fā)事件輿情發(fā)展的當前狀態(tài),探究輿情傳播與演變的內(nèi)在動因,為預測其輿情的未來發(fā)展趨勢提供參考。

2022年3月21日,中國東方航空集團有限公司一架航班代號為MU5735的客機在執(zhí)行“昆明-廣州”航班任務時,于梧州上空失聯(lián)。隨后中國民用航空局發(fā)出公告,確認該飛機墜毀。隨后一周內(nèi),關于MU5735的熱搜話題引發(fā)公眾激烈討論,導致相關輿情快速傳播。新浪微博龐大的用戶數(shù)量、開放的討論空間使得空難事件輿論演化更加錯綜復雜,網(wǎng)民情緒也隨著熱搜話題和時間推進而波動變化,為重大突發(fā)事件輿情管理增加了難度。因此,以“東航MU5735墜機事件”為例,探究重大突發(fā)事件輿情演化規(guī)律和網(wǎng)民情感變化情況,分析基于情感與主題的時空動態(tài)演化差異,構(gòu)建重大突發(fā)事件輿情圖譜,進而全面還原事件發(fā)展態(tài)勢和公眾情感認知變化,以期為政府相關部門制定輿情引導措施提供理論依據(jù)和實踐參考。

1 情感與主題動態(tài)協(xié)同分析方法

1.1 重大突發(fā)事件情感詞典構(gòu)建

為了對重大突發(fā)事件輿情情感與主題進行動態(tài)協(xié)同分析,首先需要構(gòu)建其情感詞典。自然語言處理是計算機科學、信息工程和人工智能的一個子領域,通過計算機進行編程以處理和分析大量人類(自然)語言數(shù)據(jù)。SnowNLP是基于Python的情感分析技術(shù),可用于量化評論的情感積極性,通常將情感傾向量化為0～1 之間的值,也可以視為概率。該值越高,說明微博情緒為正或熱門評論為積極的可能性越高。調(diào)用Python中的SnowNLP對案例數(shù)據(jù)進行情感積極性分析,分析結(jié)果示例如表1所示。SnowNLP的情感分析結(jié)果為后續(xù)情感類型的細致劃分和情感詞典的構(gòu)建提供了分類基礎。

表1 情感分析結(jié)果示例

根據(jù)情感分析結(jié)果,通過基準情感詞典、災難事件詞典和特征領域詞典3種詞典的挖掘與融合,形成針對“東航MU5735墜機事件”的重大突發(fā)事件情感詞典。

1.1.1 基準情感詞典

通過對比分析知網(wǎng)HowNet情感詞典、大連理工大學情感詞典和臺灣大學NTUSD簡體中文情感詞典3種目前較常見的中文情感詞典,發(fā)現(xiàn)大連理工大學的情感詞匯本體庫分類較為細致,詞匯量豐富,故選擇其作為探究重大突發(fā)事件情感詞典的基準情感詞典。該詞典對詞匯的情感類型進行了細致劃分,共分為7大類、21小類。7個情感大類包括樂、好、怒、哀、懼、惡、驚,而21個情感小類分類比較細致,可在大連理工大學情感詞匯本體庫中直接查詢。

1.1.2 災難事件詞典

“東航MU5735墜機事件”作為災難事件的一種,具備災難事件的諸多共性。因此,在基準情感詞典的基礎上,通過分析案例數(shù)據(jù)中提取的災難事件相關情感詞匯并參考基準詞典的分類方法,對情感詞典進行擴充,示例如表2所示。其中,按照《情感詞匯本體的構(gòu)造》所述,情感強度按由小到大分為1、3、5、7、9這5檔。同時,每個詞對應一個極性,0代表中性,1代表褒義,2代表貶義,3代表兼有褒貶兩性。

表2 災難事件詞典示例

1.1.3 特征領域詞典

為更加全面地反映“東航MU5735墜機事件”網(wǎng)絡輿情的網(wǎng)民情感特征,還需進行特征領域詞典挖掘。具體操作步驟為:①對該事件待分析的微博文本進行分詞、篩選、統(tǒng)計;②提取基準情感詞典和災難詞典中缺少的詞匯,并補充到其中;③對最新收錄的詞匯進行情感的人工標注,完善特征領域情感詞典。

通過“東航MU5735墜機事件”不同輿情階段微博熱搜話題及評論的分詞與詞頻統(tǒng)計,共得到482個高頻詞匯。篩選出高頻詞匯中的情感詞,再將這些高頻詞匯與前兩個詞典進行對比,篩選出未被收錄的特征領域情感詞匯,最終共提取出231個擴展情感詞匯。特征領域詞典示例如表3所示。

表3 “東航MU5735墜機事件”特征領域詞典示例

綜上,在大連理工大學基準情感詞典的基礎上,針對災難事件進行情感詞典擴充,并結(jié)合特征領域詞典,進而形成基于特定領域的災難事件情感詞典。

1.2 主題文本挖掘方法

最常見的主題文本挖掘方法是LDA(latent dirichlet allocation)主題模型[20]。LDA是機器學習中的生成模型,主要用于研究文檔主題的產(chǎn)生過程,包含文檔、主題和詞匯3層結(jié)構(gòu),被稱為3層貝葉斯概率模型。采用基于Relevance公式的LDA主題模型對主題文本進行分類,主要操作步驟為:①在Dirichlet(α)的分布中生成針對某一文檔m的主題分布θm,然后生成文檔m中的每個文字,根據(jù)θm對第n個字分配其所在詞的一個主題Z(m,n);②在Dirichlet(β)的分布中生成K個主題-文字分布φk,選擇編號為Z(m,n)的主題-文字分布φZ(m,n),并根據(jù)這個分布生成文字W(m,n)。Relevance公式為:

(1)

在LDA主題數(shù)量的選擇中,文獻[20]根據(jù)困惑度(Perplexity)確定主題數(shù)量。困惑度是指在文本分析中訓練出的模型識別某些文檔所屬主題的不確定性,其計算方法如式(2)所示。因此,困惑度數(shù)值越低,不確定性越小,則聚類結(jié)果越好。一致性(Coherence)則是衡量的是每個主題下出現(xiàn)的高頻詞在語義上是否保持一致,其計算方法如式(3)所示[21]。因此,一致性數(shù)值越大,主題分類效果越好。

(2)

(3)

1.3 輿情圖譜構(gòu)建方法

知識圖譜是一種描述現(xiàn)實世界中各種概念及其相互關系的結(jié)構(gòu)化語義知識庫,其本質(zhì)上是一種關系網(wǎng)絡,可以將“實體-關系-實體”和“實體-屬性-屬性值”這兩種基本組成單元的知識轉(zhuǎn)化為圖結(jié)構(gòu),并通過將不同種類信息集結(jié)在一起形成的關系網(wǎng)絡實現(xiàn)對現(xiàn)實世界結(jié)構(gòu)化語義的描述。而情景圖譜主要用數(shù)據(jù)描述事件和事件對象的狀態(tài)與特征,用事件之間的關系描述事件潛在的演變路徑,用事件對象的特征和事件本身所處的環(huán)境特征來展示演變路徑。參考張海濤等[22]對重大突發(fā)事件情景圖譜構(gòu)建的方法,構(gòu)建“東航MU5735墜機事件”的輿情圖譜,構(gòu)建流程如圖1所示。

圖1 重大突發(fā)事件輿情圖譜構(gòu)建流程

2 數(shù)據(jù)采集及處理

2.1 數(shù)據(jù)采集及預處理

“東航MU5735墜機事件”百度指數(shù)熱度走勢及輿情生命周期劃分如圖2所示,可以看出2022年3月21日至3月31日事件熱度波動最明顯,因此選取該時間段作為研究時段。

圖2 “東航MU5735墜機事件”百度指數(shù)熱度走勢及輿情生命周期劃分圖

采用Python軟件網(wǎng)絡爬蟲技術(shù)對新浪微博中的海量情感文本進行爬取,主要包括話題內(nèi)容、發(fā)布時間、閱讀次數(shù)、討論次數(shù)、主持人用戶昵稱、微博原文、評論內(nèi)容等。通過數(shù)據(jù)檢索,共獲取335條熱搜話題,剔除重復與不實熱搜,剩余210條,涉及數(shù)據(jù)共計103 192條。將微博原文、發(fā)表時間、用戶評論等以結(jié)構(gòu)化形式保存在電子表格中,對缺失數(shù)據(jù)、無關數(shù)據(jù)和異常數(shù)據(jù)進行刪除處理,再將清洗后的數(shù)據(jù)以CSV格式儲存。

2.2 輿情周期劃分

結(jié)合百度指數(shù)熱度趨勢和現(xiàn)有對空難事件周期劃分的研究,將“東航MU5735墜機事件”輿情生命周期主要劃分為3個階段:①2022年3月21日,央視新聞官方微博發(fā)布消息,東方航空公司MU5735航班執(zhí)行昆明-廣州任務時,在廣西梧州市上空失聯(lián)并墜毀,機上共有123名乘客和9名機組人員。該消息發(fā)出后,立刻在微博平臺引起了廣泛的關注,使得該事件熱度迅速達到頂峰,標志著輿情進入了爆發(fā)期。②3月23日,第一部黑匣子被找到,為駕駛艙語音記錄器,事件熱度呈逐漸下降趨勢,但保持了較高討論度,標志著輿情進入蔓延期。③3月27日,第二部黑匣子被找到,話題討論轉(zhuǎn)移到飛機失事原因調(diào)查及東航集團的賠付工作等內(nèi)容,事件熱度趨勢進一步下降并趨于平穩(wěn),也標志著輿情進入衰退期。

2.3 輿情主題分類

困惑度和一致性與主題數(shù)的關系曲線如圖3所示,可知困惑度在主題數(shù)為4時數(shù)值最低,一致性在主題數(shù)為4時數(shù)值最大,因此取主題數(shù)K=4。借鑒QU等[23]的方法,將“東航MU5735墜機事件”輿情周期內(nèi)相關熱搜話題劃分為信息類、行動類、意見類和情感類4類主題。信息類主要是關于事件進展的情況通報,如MU5735墜機詳細過程;行動類主要是關于發(fā)布救援行動相關的內(nèi)容、公布行動開展情況,如民航局應急機制啟動;意見類是針對事件相關內(nèi)容表達主體意見和進行知識普及,如飛機黑匣子能記錄哪些信息;情感類則是涉及主流媒體引導公眾進行情感表達的相關話題,如為MU5735遇難者默哀。通過熱搜話題主題分類,得到信息類主題97條、行動類主題47條、情感類出題35條和意見類主題31條。

圖3 困惑度和一致性與主題數(shù)關系曲線

對輿情周期內(nèi)各類話題在不同時間出現(xiàn)的頻次和累計頻次進行統(tǒng)計,具體結(jié)果如圖4所示,可以看出“東航MU5735墜機事件”相關討論話題的主題類型在輿情周期的不同階段具有不同的傾向性,并且不同類型話題數(shù)總量也存在差異。

圖4 輿情主題在輿情周期內(nèi)的分布情況

3 數(shù)據(jù)結(jié)果分析

3.1 輿情周期內(nèi)情感分布

根據(jù)“東航MU5735墜機事件”輿情發(fā)展特征對輿情周期進行劃分,發(fā)現(xiàn)該輿情事件由爆發(fā)期、蔓延期和衰退期3個階段組成。將清洗后的文本和評論數(shù)據(jù)放入構(gòu)建的特定突發(fā)事件情感詞典中進行情感識別,得到輿情周期內(nèi)各階段情感分布情況,如圖5所示。

圖5 輿情周期內(nèi)各階段情感分布

從圖5可以看出,在“東航MU5735墜機事件”的輿情發(fā)展周期內(nèi),網(wǎng)民情感分布隨輿情階段演進而不斷變化。爆發(fā)期的輿情情感較為復雜,各類情感分布差異不是特別明顯。排名前三的情感分別為“好(31%)”、“哀(25%)”和“驚(21%)”,三者共占情感分布的77%。進一步對該階段情感進行細化分類,“好”的情感主要包括了贊揚、祝福和相信,結(jié)合詞典內(nèi)容分析,展現(xiàn)出網(wǎng)民在該階段對相關報道表現(xiàn)出極大的關心,以及對旅客生還的祈禱和祝福?！鞍А睂那楦邪吮瘋?、思和失望,其中悲傷情感占“哀”類情感的80%,說明網(wǎng)民在獲取“東航墜機”相關新聞消息后主要表現(xiàn)出對這一事件的悲傷與惋惜?！绑@”的部分全部表現(xiàn)為“驚訝”,是發(fā)生空難事件后輿情爆發(fā)期較為常見的情感傾向,因為該階段網(wǎng)民對此類重大突發(fā)事件的發(fā)生會產(chǎn)生驚訝、不相信等情緒。

蔓延期的輿情情感分布較爆發(fā)期發(fā)生了一定變化,盡管“好”、“哀”和“驚”依舊占據(jù)了前三類情感,但是占比卻不相同。“好”的占比有所上升,變?yōu)?9%;“哀”進一步增多到31%;而“哀”的情感在本階段有所下降,變?yōu)?2%。在每種情感傾向的細分領域,各種情緒的占比也產(chǎn)生了變化。結(jié)合話題類型的分類結(jié)果分析,該階段信息類和行動類話題較多,網(wǎng)民情緒表現(xiàn)為對救援行動的贊揚與相信。而隨著官方宣布墜機事件無人生還等信息的發(fā)布,網(wǎng)民“哀”類情感主要表現(xiàn)為悲傷情緒和對逝者的思念。此外,對于其他類型的情感,如“怒”“懼”“惡”等,在本階段均有體現(xiàn),展示出網(wǎng)民情感分布的多樣化。

衰退期的輿情情感分布則主要以“哀”為主,占所有情感的47%,表明網(wǎng)民已經(jīng)基本接受無人生還的事實,多表達為對該事件的悲傷情緒。情感“好”在衰退期依舊保持了較高的占比,多是因為網(wǎng)民對官方行動和發(fā)布信息較為肯定而產(chǎn)生的情緒。而“怒”的情感主要包括了“急切(6%)”、“質(zhì)詢(2%)”和“憤怒(1%)”,在3個階段中占比最高。結(jié)合文本內(nèi)容分析,主要原因包括了網(wǎng)民對事件進展情況公布的急切期盼,對墜機原因的質(zhì)詢和對相關負面輿情的憤怒情感。此外,情感“驚”“懼”“惡”“樂”共占全部情感分布的13%,總體上較少。值得一提的是,“樂”的情感占比由爆發(fā)期和蔓延期的1%上升到該階段的2%,主要表現(xiàn)為“安心”這一情緒,可能是因為網(wǎng)民對搜救行動、信息發(fā)布而感到踏實、信任的感受。

總結(jié)來說,該事件輿情周期內(nèi)的情感分布在不同階段會有所不同。情感“好”在輿情周期內(nèi)先升后降,情感“哀”從爆發(fā)期到蔓延期再到衰退期逐漸增加,而“驚”“懼”“惡”的情感分布隨著輿情周期演進逐漸降低?？傊?該重大突發(fā)事件在其輿情周期內(nèi)的情感分布較為復雜,展現(xiàn)出網(wǎng)民對事件本身和相關救援行動的不同情感表達。

3.2 輿情周期內(nèi)主題-情感分布

對重大突發(fā)事件輿情主題與情感進行協(xié)同動態(tài)分析,需要進一步梳理不同類型話題主題與情感分布情況。將4種類型話題所對應的文本和評論數(shù)據(jù)輸入構(gòu)建的特定突發(fā)事件情感詞典中進行匹配與分析,結(jié)果如圖6所示。

圖6 輿情周期內(nèi)各類主題情感分布

從圖6可以看出,4類主題對應的網(wǎng)民情感表現(xiàn)具有較大差異。①信息類話題主要關注“東航MU5735墜機事件”相關信息發(fā)布,是較為客觀的事件進展報道、實況轉(zhuǎn)播、內(nèi)容呈現(xiàn)等。該類型話題網(wǎng)民情感主要以“哀”和“怒”為主,分別占47%和34%。這說明針對信息類話題,網(wǎng)民主要表現(xiàn)出對發(fā)生該事件的悲傷情緒和對事件進展的急切關注。由于信息類話題多是事件信息的客觀報道,其他幾種情緒占比相對較少。②行動類話題主要發(fā)布與該事件救援行動相關的內(nèi)容,向公眾及時公布行動進展情況。此類話題情感中,“好”“哀”“驚”分別占43%、33%、11%,三者共占所有情感的87%,是行動類話題的主要情感分布。其中,網(wǎng)民在情感“好”中主要表現(xiàn)出“贊揚”“祝愿”“相信”等情緒,表達了社會公眾對救援行動的正面肯定。③意見類話題則是針對事件相關內(nèi)容表達主體意見和進行知識普及。此類話題具有客觀性和科普性,情感分布也相對均勻?！鞍А薄芭薄绑@”“好”4種情感占比均在20%左右,整體呈現(xiàn)出多樣性分布。在網(wǎng)民情感的二級分類中,主要是“驚嚇”和“悲傷”,呈現(xiàn)出網(wǎng)民對該類話題內(nèi)容的負面情感。④情感類話題主要涉及對該事件中遇難者的哀悼、對遇難者家屬的尊重、對相關行為的呼吁等,是主流媒體引導公眾進行情感表達的相關話題。該類型主題的情感主要為“哀”“好”“怒”,分別占45%、31%、10%。網(wǎng)民情感以悲傷為主,與文本內(nèi)容中“遇難者”“哀悼”等關鍵詞對應起來。

總體而言,“哀”在各主題類型中的占比均較高,說明網(wǎng)民對該事件的情感主要是負面的“哀”。積極高效的救援行動得到了網(wǎng)民的肯定,表現(xiàn)為“好”的情感在行動類話題中占比最高。而信息類話題中,情感“怒”相對于其他幾種話題類型占比更高,可能是發(fā)布的信息內(nèi)容更易引起網(wǎng)民急切情緒的表達?！绑@”“怒”“惡”“樂”總體分布較少,與前述輿情周期內(nèi)情感總體分布情況一致。

3.3 基于情感-主題動態(tài)協(xié)同分析的輿情圖譜構(gòu)建

該輿情圖譜展示了“東航MU5735墜機事件”發(fā)生后,4類輿情話題(事件)、各類話題的情感分布(屬性和屬性值)、各類話題的發(fā)布主體(事件的參與對象)、各類話題在不同輿情時期的數(shù)量占比(事件所處的環(huán)境)之間的聯(lián)系。通過輿情圖譜,既可以對事件的狀態(tài)、事件參與對象的特征和事件所處環(huán)境特征進行清晰描述和可視化表達,又可以依賴于事件對象特征和事件環(huán)境特征反映該事件輿情的發(fā)展趨勢,進而幫助分析重大突發(fā)事件輿情可能的演變路徑。基于情感-主題動態(tài)協(xié)同分析,構(gòu)建“東航MU5735墜機事件”輿情圖譜,如圖7所示。

從圖7可以看出,“東航MU5735墜機事件”輿情包括了信息類、行動類、意見類和情感類4種話題。事件的參與對象主要是人民日報、央視新聞、中國新聞網(wǎng)、新華社等主流媒體,圖中也展示了各參與對象在該事件中的參與頻次。事件的屬性和屬性值反映出各類型輿情主題與情感之間的分布關系及發(fā)展趨勢,借助顏色由深到淺反映此類情感在不同主題中的占比大小,可進一步分析不同情感在不同主題的分布情況。而事件所處的環(huán)境也表征了各類話題數(shù)量在輿情所處不同時期的占比情況及發(fā)展動態(tài)。

4 討論與分析

4.1 不同周期-情感分布的輿情引導

前述結(jié)果表明,該事件的輿情發(fā)展過程呈現(xiàn)出典型的三階段分布,即爆發(fā)期、蔓延期和衰退期。網(wǎng)民的情感主要伴隨主流媒體發(fā)布的相關新聞報道而產(chǎn)生變化,并在某些關鍵節(jié)點引發(fā)群眾情感共鳴。

基于特定突發(fā)事件輿情演進生命周期的情感挖掘結(jié)果,并結(jié)合輿情傳播特征和主題演化,輿情管理相關部門及主流媒體可以在不同周期對網(wǎng)民情緒進行合理引導。首先,針對重大突發(fā)事件輿情特征,相關部門及媒體應及時確定輿情引導的關鍵節(jié)點,進而在關鍵節(jié)點之前適當介入,通過輿情監(jiān)測、新聞報道、公開辟謠等手段抑制網(wǎng)民負面情緒的大規(guī)模蔓延。其次,關注輿情演化周期內(nèi)引發(fā)公眾情感轉(zhuǎn)變的關鍵事件,對其產(chǎn)生原因、事件類型等進行分析,及時予以輿情引導或給出相應對策,防止輿情事件導致的公眾情緒失控。最后,還應重視輿情周期內(nèi)情感發(fā)展的關鍵趨勢,關注輿情發(fā)展周期的情感演化,針對輿情發(fā)展過程中可能出現(xiàn)的情感走勢進行預判并給出解決預案。

4.2 不同主題-情感分布的輿情疏導

前述結(jié)果表明,在“東航MU5735墜機事件”的輿情主題-情感分布中,“哀”在各主題類型中的占比都較高;“好”在行動類話題中的占比最高;在信息類話題中,“怒” 的占比要比其他幾種話題類型高;而意見類話題情感分布則相對較為均勻。

輿情監(jiān)管相關部門和主流媒體應根據(jù)不同輿情主題類型做出有針對性的、及時的、高效的輿情疏導。針對信息類主題,應按照信息發(fā)布的真實與公開原則,及時更新事件進展,對引發(fā)不良輿情的事件做出回應與補救措施,對網(wǎng)民負面情感進行疏導。針對行動類主題,建議相關部門在重大突發(fā)事件發(fā)生后及時發(fā)布應急舉措與方案,通過高效的應急行動安撫公眾情緒,同時對已發(fā)生的輿情事件進行行動上的補救,安撫網(wǎng)民情緒。針對意見類主題,應對相關輿情做出及時回應,通過召開新聞發(fā)布會等予以意見回復,響應公眾訴求。針對情感類主題,對引發(fā)網(wǎng)民負面情感的相關話題進行轉(zhuǎn)化引導,實現(xiàn)情感疏導;對積極情感反饋進行推廣,增強網(wǎng)民信心。

4.3 不同情感-主題演化圖譜的輿情監(jiān)管

從“東航MU5735墜機事件”的輿情圖譜可以看到,事件的參與對象,即主流媒體,在每類主題中的參與程度都不相同,主題本身所關聯(lián)的情感分布也并不相同。而事件所處環(huán)境(即輿情周期)中各類話題的數(shù)量分布也呈現(xiàn)出不同特征。

在厘清輿情事件、事件參與對象、事件的屬性及屬性值、事件所處環(huán)境四者之間關系的基礎上,可以分析不同主題、不同輿情階段和不同網(wǎng)民情感之間的聯(lián)系與發(fā)展趨勢,進而從主題與情感兩方面對重大突發(fā)事件網(wǎng)絡輿情進行監(jiān)管。首先,相關部門和主流媒體可以借助事件本身豐富重大突發(fā)事件情感詞典,形成相關輿情危機處理預案,謹防此類輿情再次發(fā)生。其次,從輿情圖譜中分析輿情傳播的關鍵節(jié)點和關鍵事件,做好網(wǎng)民情感疏導與輿情引導。對于可能發(fā)生的衍生事件,及時進行干預,避免產(chǎn)生不良輿情和負面網(wǎng)民情緒。最后,針對輿情圖譜中負面情感分布較多的主題類型進行重點監(jiān)督與管理,防止因為主流媒體的不當言論或不實新聞造成公眾負面情感的聚集或二次爆發(fā),并對情感-主題演化實行動態(tài)持續(xù)監(jiān)測,防止輿情二次發(fā)酵。

5 結(jié)論

(1)在理論層面,在大連理工大學基準情感詞典的基礎上,創(chuàng)新性地對災難事件特征領域詞典和情感進行了擴充,形成了特定領域的災難事件情感詞典,并借助基于Relevance公式的LDA主題模型對主題文本進行分類,以不同類型話題為事件,用數(shù)據(jù)描述事件對象的狀態(tài)與特征,用屬性及屬性值描述事件的情感分布狀況,用事件對象的特征和事件本身所處的環(huán)境特征來展示演變路徑,構(gòu)建了可視化的主題-情感動態(tài)協(xié)同分析輿情圖譜。

(2)在實踐層面,選擇“東航MU5735墜機事件”進行案例分析,發(fā)現(xiàn)該事件輿情情感在不同輿情周期和主題下呈現(xiàn)出復雜多元化的分布,網(wǎng)民情感在不同輿情周期內(nèi)主要伴隨主流媒體發(fā)布的相關新聞報道產(chǎn)生變化,并在某些關鍵節(jié)點引發(fā)群眾情感共鳴。針對該事件的不同主題內(nèi)容,網(wǎng)民會產(chǎn)生正面或負面兩種截然不同的情緒,但主要集中于“哀”“好”“怒”3種。此外,所構(gòu)建的可視化輿情圖譜可以為輿情監(jiān)管部門和主流媒體對相關事件的輿情引導與監(jiān)管提供借鑒。

(3)研究也存在一定的局限性,僅選取“東航MU5735墜機事件”作為單一案例進行分析,缺乏對類似重大突發(fā)事件的多案例對比研究;主要選取主流媒體的熱搜話題進行數(shù)據(jù)挖掘與分析,未考慮自媒體發(fā)布的相關話題。在未來的研究中,將結(jié)合多個話題對該類型輿情事件進行深入挖掘,并考慮采用更加優(yōu)化的情感詞典構(gòu)建方法和主題分類方法,進一步驗證基于情感與主題動態(tài)協(xié)同分析的重大突發(fā)事件輿情圖譜構(gòu)建方法和圖譜結(jié)果。