羅文華 許中華

（中國(guó)刑事警察學(xué)院公安信息技術(shù)與情報(bào)學(xué)院 遼寧 沈陽(yáng) 110854）

1 引言

2022年6月10日凌晨2點(diǎn)40分許，河北省唐山市某燒烤店發(fā)生一起尋釁滋事、暴力毆打他人案件。該事件很快于當(dāng)日以圖片、文字等形式通過(guò)微信聊天群傳播，后迅速被各大網(wǎng)絡(luò)媒體平臺(tái)發(fā)布、評(píng)論與轉(zhuǎn)載。6月11日隨著最后一名逃犯被抓獲，河北省公安廳指定唐山燒烤店打人案件由廊坊警方偵查辦理，廊坊市公安局廣陽(yáng)分局于6月12日發(fā)布案情通報(bào)。盡管如此，經(jīng)過(guò)接近兩日的發(fā)酵，該事件已經(jīng)在網(wǎng)絡(luò)上廣泛傳播開(kāi)。在6月10日至16日期間，“唐山”的抖音搜索指數(shù)平均值達(dá)到了8983萬(wàn)，環(huán)比增長(zhǎng)91784%；“打人”的抖音搜索指數(shù)平均值達(dá)到了4573萬(wàn)，環(huán)比增長(zhǎng)了27239%。迅速增長(zhǎng)的數(shù)據(jù)指標(biāo)彰顯了網(wǎng)民對(duì)于“6·10”唐山燒烤店打人事件的強(qiáng)烈關(guān)注。

“6·10”唐山燒烤店打人事件經(jīng)過(guò)一段時(shí)間的發(fā)酵之后，輿論將該事件與掃黑除惡緊密關(guān)聯(lián)。大量網(wǎng)民關(guān)注受傷女子恢復(fù)情況之余，更想探尋涉案人員身后的勢(shì)力靠山，由此演繹出的不同的版本說(shuō)法在網(wǎng)絡(luò)上廣泛傳播。在這個(gè)過(guò)程中，以意見(jiàn)領(lǐng)袖為中心的網(wǎng)絡(luò)社團(tuán)時(shí)而對(duì)立，時(shí)而協(xié)作，很大程度上影響甚至改變了輿情演化方向。因此，準(zhǔn)確識(shí)別事件發(fā)展過(guò)程中扮演重要角色的意見(jiàn)領(lǐng)袖，分析其實(shí)際作用大小，探索具體影響效果，可以為引導(dǎo)涉警輿情工作提供相當(dāng)助益。

2 國(guó)內(nèi)外研究現(xiàn)狀

2.1 涉警輿情傳播與治理研究

侯利敏認(rèn)為自媒體時(shí)代中信息的傳播十分復(fù)雜，公安機(jī)關(guān)應(yīng)對(duì)涉警輿情時(shí)反應(yīng)速度較慢、思維方式有待轉(zhuǎn)變等因素導(dǎo)致警媒關(guān)系緊張、公信力受損等難題[1]。秦大強(qiáng)在把握網(wǎng)絡(luò)信息傳播新癥候等基礎(chǔ)上，從治理思路、管控強(qiáng)度、治理模式、警情供給、警媒建設(shè)等方面細(xì)化對(duì)策[2]。王歡以慶安槍擊事件為研究樣本，通過(guò)多次反轉(zhuǎn)的涉警輿情事件，從把握事件觸發(fā)點(diǎn)、輿情高潮點(diǎn)、輿情反轉(zhuǎn)點(diǎn)以及涉警輿情發(fā)展軌跡，為涉警輿情提供了兩點(diǎn)治理建議[3]。Gabbidon通過(guò)各類(lèi)文獻(xiàn)以及報(bào)告從民族、社會(huì)階層和鄰里環(huán)境等多種因素討論粉絲對(duì)警察看法[4]。Bell通過(guò)問(wèn)卷調(diào)查的方式，獲取輿論中對(duì)于警察的觀點(diǎn)看法以及希望警察能夠進(jìn)行改進(jìn)的地方[5]。

涉警輿情研究尚存在不足之處，如意見(jiàn)領(lǐng)袖影響力難以量化、缺少基于觀點(diǎn)主題視角探討意見(jiàn)領(lǐng)袖對(duì)粉絲群體的影響效果。因此本研究嘗試實(shí)現(xiàn)意見(jiàn)領(lǐng)袖觀點(diǎn)影響考量，在量化意見(jiàn)領(lǐng)袖影響力的基礎(chǔ)上，根據(jù)涉警輿情事件發(fā)展的不同階段具體分析意見(jiàn)領(lǐng)袖的發(fā)言對(duì)于粉絲觀點(diǎn)影響效果如何，為相關(guān)部門(mén)工作提供助益。

2.2 意見(jiàn)領(lǐng)袖影響力研究

費(fèi)康月通過(guò)選出50位意見(jiàn)領(lǐng)袖，通過(guò)社會(huì)網(wǎng)絡(luò)分析的方法來(lái)研究其社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)，利用關(guān)注量、發(fā)文量、粉絲量、轉(zhuǎn)評(píng)贊數(shù)量探索意見(jiàn)領(lǐng)袖的影響力[6]。萬(wàn)鈺鈺等以突發(fā)事件“湖北十堰燃?xì)獗ā睘槔?，從網(wǎng)絡(luò)密度、網(wǎng)絡(luò)中心性、凝聚子群3個(gè)維度探討了意見(jiàn)領(lǐng)袖的傳播影響力[7]。王晰巍等通過(guò)受認(rèn)可度、情感聯(lián)系度和網(wǎng)絡(luò)傳播度3個(gè)維度來(lái)構(gòu)建意見(jiàn)領(lǐng)袖節(jié)點(diǎn)影響力OLEI指數(shù)算法，并提出社交網(wǎng)絡(luò)中意見(jiàn)領(lǐng)袖節(jié)點(diǎn)影響力指數(shù)計(jì)算及分析模型[8]。Chen采用TCOL-Miner方法從復(fù)雜的社會(huì)網(wǎng)絡(luò)中識(shí)別意見(jiàn)領(lǐng)袖，通過(guò)TCOL-Miner方法來(lái)有效的從復(fù)雜的社會(huì)網(wǎng)絡(luò)中識(shí)別意見(jiàn)領(lǐng)袖[9]。Jain認(rèn)為社區(qū)分類(lèi)方法是以鄰居相似度和聚類(lèi)系數(shù)為重要成分，因此提出了基于社交網(wǎng)絡(luò)的鯨魚(yú)優(yōu)化算法來(lái)通過(guò)利用網(wǎng)絡(luò)中的各種優(yōu)化函數(shù)測(cè)量用戶的聲譽(yù)來(lái)識(shí)別意見(jiàn)領(lǐng)袖[10]。

意見(jiàn)領(lǐng)袖識(shí)別方面的相關(guān)算法比較成熟，但仍存在不足。因此本研究嘗試從粉絲觀點(diǎn)視角審視意見(jiàn)領(lǐng)袖的作用。相關(guān)文獻(xiàn)采用的問(wèn)卷調(diào)查方法較多，部分文獻(xiàn)中的實(shí)例不具有階段性，因此本研究選擇比較復(fù)雜的涉警輿情事件，更全方面的體現(xiàn)輿情事件全貌。通過(guò)涉警輿情演化的不同階段，強(qiáng)化意見(jiàn)領(lǐng)袖發(fā)生時(shí)刻與發(fā)生內(nèi)容作用關(guān)系分析，以補(bǔ)充完善現(xiàn)有研究的不足。

3 方法介紹

3.1 基于層次分析法構(gòu)建二級(jí)指標(biāo)評(píng)價(jià)體系

網(wǎng)絡(luò)影響力指的是一種可以通過(guò)網(wǎng)絡(luò)改變他人行為或者思想的能力，一般通過(guò)利用和效用來(lái)產(chǎn)生作用[11]。涉警網(wǎng)絡(luò)輿情意見(jiàn)領(lǐng)袖通過(guò)自身觀點(diǎn)輸出，獲得了大量的曝光度，持不同觀點(diǎn)傾向的網(wǎng)民聚集在意見(jiàn)領(lǐng)袖的周?chē)纬删W(wǎng)絡(luò)社團(tuán)。已有學(xué)者通過(guò)層次分析法分析多級(jí)指標(biāo)模型[12]，因此本研究通過(guò)多級(jí)遞階層次模型來(lái)構(gòu)建意見(jiàn)領(lǐng)袖識(shí)別方法。多級(jí)遞階層次模型包含了目標(biāo)層、準(zhǔn)則層、方案層，同時(shí)多級(jí)遞階層次模型分為三類(lèi)：完全相關(guān)型結(jié)構(gòu)、完全獨(dú)立型結(jié)構(gòu)、混合型結(jié)構(gòu)，本研究中設(shè)計(jì)的模型為完全獨(dú)立型結(jié)構(gòu)[13]。

層次分析法是將問(wèn)題分解為不同的組成因素并人為地將這些組成因素賦予權(quán)重，賦予權(quán)重的方法是判斷不同因素之間的重要性程度，因此需要引入AHP重要程度描述表[14]，判斷矩陣中每一個(gè)因素代表因素i與因素j相比，因素i的重要性；當(dāng)i等于j的時(shí)候意為同等重要，即為1；偶數(shù)介于兩個(gè)重要程度之間。

二級(jí)指標(biāo)評(píng)價(jià)體系需要將方案層的指標(biāo)數(shù)據(jù)歸納總結(jié)出不同的特征，將這些類(lèi)型視為準(zhǔn)則層，即方案層的數(shù)據(jù)指標(biāo)為一級(jí)指標(biāo)，準(zhǔn)則層的數(shù)據(jù)特征為二級(jí)指標(biāo)[15]。因此不僅需要計(jì)算準(zhǔn)則層數(shù)據(jù)特征間的權(quán)重，也需要計(jì)算方案層數(shù)據(jù)指標(biāo)的權(quán)重，將兩者線性相乘得出指標(biāo)綜合權(quán)重。重要程度描述表可以量化描述指標(biāo)間的重要性，將量化結(jié)果導(dǎo)入AHP權(quán)重計(jì)算矩陣可以計(jì)算出每一個(gè)指標(biāo)的權(quán)重。

層次分析法是通過(guò)定量分析與定性相結(jié)合方式將問(wèn)題分解成為目標(biāo)、準(zhǔn)則、方案等層次，使用方式是構(gòu)造指標(biāo)的判斷矩陣，求出最大特征值。但是判斷矩陣的階數(shù)過(guò)高時(shí)可能會(huì)構(gòu)造出難以滿足一致性的判斷矩陣，因此需要設(shè)置一個(gè)閾值，當(dāng)超過(guò)了這個(gè)閾值時(shí)判斷矩陣就不能通過(guò)一致性檢驗(yàn)，需要重新構(gòu)建，反之實(shí)驗(yàn)可以繼續(xù)進(jìn)行。因此需要引入一致性檢驗(yàn)CI與隨機(jī)一致性RI這兩個(gè)指標(biāo)。當(dāng)CI等于0 的時(shí)候代表有完全的一致性，當(dāng)CI接近于0的時(shí)候代表有比較適合的一致性，因此可以總結(jié)出CI值越大不一致性越明顯。為了衡量CI的大小還需要引入隨機(jī)一致性指標(biāo)RI，根據(jù)判斷矩陣的維度n和平均隨機(jī)一致性指標(biāo)表（表3）可以通過(guò)公式CR=CI/RI計(jì)算出一致性比率，當(dāng)一致性比率CR值小于0.1，代表判斷矩陣通過(guò)一致性檢驗(yàn)，否則判斷矩陣需要被重新設(shè)計(jì)[16]。

3.2 基于共現(xiàn)矩陣的聚類(lèi)分析

TF（Term Frequency）又稱特征項(xiàng)頻率，指的是詞語(yǔ)在文檔中出現(xiàn)的頻率[17]。IDF（Inverse Document Frequency）又稱逆文檔頻率，某個(gè)特征項(xiàng)在某個(gè)文本中出現(xiàn)的頻率高但是在其他的文本中出現(xiàn)的頻率較低，說(shuō)明該特征項(xiàng)具有較好的區(qū)分能力，應(yīng)該賦予較高的權(quán)重[18]。TF-IDF的計(jì)算公式中，tf代表特征項(xiàng)j在文本i中的權(quán)重，后者則代表特征項(xiàng)在文本中的出現(xiàn)頻率，兩者相乘即為如下計(jì)算公式。

聚類(lèi)分析采用的是無(wú)監(jiān)督的學(xué)習(xí)模式，在沒(méi)有先驗(yàn)條件下對(duì)數(shù)據(jù)進(jìn)行分類(lèi)，一定程度上減少了人工分類(lèi)的主觀性。在共詞分析中常常需要用到聚類(lèi)分析這一種統(tǒng)計(jì)方法，因?yàn)榫垲?lèi)分析能很好地分析目標(biāo)數(shù)據(jù)變量之間的關(guān)聯(lián)關(guān)系，通過(guò)數(shù)學(xué)模型對(duì)數(shù)據(jù)進(jìn)行歸納總結(jié)[19]。1986年法國(guó)學(xué)者Callon和Law等出版了第一部關(guān)于共詞分析法的學(xué)術(shù)專著[20]，對(duì)文本中出現(xiàn)的詞語(yǔ)進(jìn)行統(tǒng)計(jì)分析、分層聚類(lèi)，可以揭示出詞語(yǔ)間的親疏關(guān)系，從而分析研究主題變化[21]。本研究基于TF-IDF算法計(jì)算出數(shù)據(jù)集中的高頻關(guān)鍵詞，并根據(jù)這些關(guān)鍵詞和數(shù)據(jù)集構(gòu)建共詞共現(xiàn)矩陣，構(gòu)建共現(xiàn)矩陣可以進(jìn)行共現(xiàn)分析來(lái)探索關(guān)鍵詞間的關(guān)聯(lián)關(guān)系，通過(guò)繪制出共現(xiàn)語(yǔ)義網(wǎng)絡(luò)來(lái)歸納總結(jié)出微博用戶發(fā)文主題偏好。

3.3 基于BTM模型分析評(píng)論主題

BTM（Biterm Topic Model）主題模型與LDA主題模型類(lèi)似，兩者都是給一篇文檔，指定一個(gè)主題的個(gè)數(shù)，兩種模型會(huì)自動(dòng)生成每一個(gè)主題的關(guān)鍵詞以及一篇新文檔各個(gè)主題的概率有多少，根據(jù)Yan的論文[22]，傳統(tǒng)如LDA等主題模型在處理如評(píng)論、彈幕等短文本時(shí)效果不佳。為了解決這一問(wèn)題，BTM主題模型應(yīng)運(yùn)而生。

BTM主題模型圖（圖2）中M表示整個(gè)語(yǔ)料庫(kù)中所包含的詞對(duì)數(shù)目，K表示主題數(shù)目，α與β為狄利克雷分布的超參數(shù)，θ表示主題概率分布，Φ表示主題-詞對(duì)分布，Z表示詞對(duì)的主題號(hào)，兩個(gè)W則代表詞對(duì)。

圖2 BTM 主題模型

BTM主題模型生成語(yǔ)料庫(kù)的過(guò)程是：第一步，對(duì)每個(gè)主題z獲取主題-詞分布θ；第二步，為數(shù)據(jù)集合獲取一個(gè)文檔-主題分布Φ；第三步，對(duì)整個(gè)數(shù)據(jù)集中每一個(gè)biterm得出一個(gè)主題分布以及兩個(gè)詞語(yǔ)。根據(jù)上述流程詞對(duì)的概率可以由公式（1）計(jì)算得出，而產(chǎn)生的BTM語(yǔ)料概率可以由公式（2）得出。

由于意見(jiàn)領(lǐng)袖粉絲評(píng)論篇幅通常較短，具有語(yǔ)義稀疏的隱患。本研究通過(guò)改進(jìn) BTM 主題模型實(shí)現(xiàn)生成的語(yǔ)料庫(kù)能夠直接對(duì)文本進(jìn)行建模與推斷，進(jìn)而解決語(yǔ)義稀疏問(wèn)題[23]。首先，輸入粉絲評(píng)論分詞數(shù)據(jù)集、迭代次數(shù)、主題數(shù)目、狄利克雷分布超參數(shù)α與β；然后，初始化粉絲評(píng)論分詞結(jié)果，每一次迭代都計(jì)算分詞結(jié)果的條件概率并更新參數(shù)；最后，經(jīng)過(guò)n次迭代使得模型趨近于收斂，輸出粉絲評(píng)論數(shù)據(jù)集所隱含的文檔-詞對(duì)分布、文檔-主題分布。根據(jù)文檔-主題分布結(jié)果判斷粉絲評(píng)論大概主題分布，再結(jié)合主題-關(guān)鍵詞分布結(jié)果抽取每個(gè)主題核心內(nèi)容，最后根據(jù)粉絲評(píng)論主題內(nèi)容總結(jié)意見(jiàn)領(lǐng)袖觀點(diǎn)對(duì)粉絲觀點(diǎn)影響效果的差異。

4 實(shí)證分析

4.1 數(shù)據(jù)來(lái)源及發(fā)展階段劃分

本文基于“6·10”唐山燒烤店打人事件開(kāi)展實(shí)例分析。2022年6月10日凌晨，唐山某燒烤店發(fā)生了一起暴力傷人事件，隨后該事件在各大網(wǎng)絡(luò)平臺(tái)中迅速擴(kuò)散引起了網(wǎng)民強(qiáng)烈的關(guān)注。該事件在網(wǎng)絡(luò)的傳播過(guò)程中，逐漸與掃黑除惡聯(lián)系在了一起，警察也開(kāi)始逐漸被卷入其中。該事件涉案人員于11日下午被全部抓獲，盡管如此，網(wǎng)絡(luò)上關(guān)于“6·10”唐山燒烤店打人事件的討論仍舊火熱。各類(lèi)不實(shí)信息在網(wǎng)絡(luò)中飛速傳播，更有甚者造謠涉案主犯母親在公安廳任職，一時(shí)間網(wǎng)絡(luò)中甚囂塵上，相關(guān)事件發(fā)展始末如表4所示。

本文在微博上選取“唐山燒烤店打人”作為關(guān)鍵詞，收集時(shí)間段為6月10日（案發(fā)）至9月29日（宣判），相關(guān)微博近3萬(wàn)條。如圖3所示，6月10日與11日案件剛剛發(fā)生，抖音相關(guān)搜索呈爆發(fā)式增長(zhǎng)；隨后進(jìn)入一段波動(dòng)下降時(shí)期，除去6月12日涉案人員全部被捕，17日嫌疑人親屬發(fā)聲以及21日第一次案件進(jìn)展通報(bào)出現(xiàn)了上升趨勢(shì)，其余時(shí)間呈下降趨勢(shì)；最后在8月29日檢察院發(fā)布起訴通報(bào)及9月23日一審宣判結(jié)果引起了小范圍上升。輿情發(fā)展過(guò)程常被分成四個(gè)階段，但是本次事件的潛伏期極短，10日凌晨2時(shí)左右事發(fā)，下午就登上了各大平臺(tái)的熱搜榜單。因此，本研究將“6·10”唐山燒烤店打人事件劃分為爆發(fā)期、波動(dòng)期、衰退期三個(gè)階段進(jìn)行分析。

圖3 “唐山燒烤店打人”事件輿情發(fā)展過(guò)程

4.2 構(gòu)建二級(jí)指標(biāo)評(píng)價(jià)體系

相較于轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊等實(shí)時(shí)特征，關(guān)注、粉絲、發(fā)文、認(rèn)證等相對(duì)靜態(tài)，因此將其分為動(dòng)態(tài)特征與靜態(tài)特征兩類(lèi)。將靜態(tài)特征與動(dòng)態(tài)特征視為準(zhǔn)則層，7項(xiàng)數(shù)據(jù)指標(biāo)視為方案層，對(duì)比分析不同層次中指標(biāo)間重要性關(guān)系計(jì)算權(quán)重結(jié)果。

為了能夠更加充分地認(rèn)識(shí)微博賬戶特征之間的重要性關(guān)系，筆者通過(guò)調(diào)查問(wèn)卷方式咨詢了十一名相關(guān)領(lǐng)域資深研究人員的意見(jiàn)。本研究將7類(lèi)指標(biāo)特征劃分為動(dòng)態(tài)特征與靜態(tài)特征兩種類(lèi)別，靜態(tài)特征包含關(guān)注、粉絲、發(fā)文、認(rèn)證等，動(dòng)態(tài)特征包含轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊等。受訪者需要根據(jù)個(gè)人經(jīng)驗(yàn)主觀地判斷靜態(tài)特征與動(dòng)態(tài)特征、靜態(tài)特征內(nèi)部三項(xiàng)指標(biāo)、動(dòng)態(tài)特征內(nèi)部四項(xiàng)指標(biāo)之間的重要性程度。歸納整理咨詢結(jié)果并依據(jù)AHP重要程度描述表（表1）進(jìn)行量化打分，計(jì)算方法為：將重要性程度累加后求出平均分，并將平均分四舍五入取整得出最終重要性程度量化結(jié)果，有關(guān)結(jié)果如表5所示。

表1 AHP 重要程度描述表

表2 AHP 權(quán)重計(jì)算矩陣

表3 平均隨機(jī)一致性指標(biāo)表

表4 “6·10”唐山燒烤店打人事件發(fā)展始末

表5 重要性程度判斷結(jié)果分布情況

從結(jié)果可以看出整體上意見(jiàn)領(lǐng)袖動(dòng)態(tài)特征重要于靜態(tài)特征。在動(dòng)態(tài)特征指標(biāo)內(nèi)部，相比于點(diǎn)贊數(shù)，轉(zhuǎn)發(fā)數(shù)的重要性程度介于明顯重要與絕對(duì)重要之間；相較于評(píng)論數(shù)，轉(zhuǎn)發(fā)數(shù)的重要性程度介于略微重要與明顯重要之間；相較于點(diǎn)贊數(shù)，評(píng)論數(shù)的重要性程度介于同等重要與略微重要之間。在靜態(tài)特征指標(biāo)內(nèi)部，相較于發(fā)文數(shù)，關(guān)注數(shù)的重要性程度介于略微重要與明顯重要之間；相較于認(rèn)證情況，關(guān)注數(shù)的重要性程度介于明顯重要與絕對(duì)重要之間；相較于關(guān)注數(shù)，粉絲數(shù)的重要性程度介于同等重要與略微重要之間；相較于發(fā)文數(shù)，粉絲數(shù)的重要性程度介于略微重要與明顯重要之間；相較于認(rèn)證情況，粉絲數(shù)的重要性程度介于明顯重要與絕對(duì)重要之間；相較于認(rèn)證情況，發(fā)文數(shù)的重要性程度介于同等重要與略微重要之間。將上述結(jié)果與AHP重要程度描述表（表1）、AHP權(quán)重計(jì)算矩陣（表2）相結(jié)合構(gòu)建各層間的權(quán)重計(jì)算表，綜合計(jì)算出7項(xiàng)數(shù)據(jù)指標(biāo)間的權(quán)重得分。具體結(jié)果如表6所示。

表6 各層指標(biāo)及其權(quán)重

對(duì)動(dòng)態(tài)特征與靜態(tài)特征的判斷矩陣進(jìn)行一致性檢驗(yàn)，檢驗(yàn)結(jié)果顯示兩者CR值均小于0.1，通過(guò)一致性檢驗(yàn)，檢驗(yàn)結(jié)果如表6所示?；诒竟?jié)所述方法計(jì)算微博賬戶影響力評(píng)分，結(jié)合微博認(rèn)證信息將評(píng)分較高的賬戶劃分為官方機(jī)構(gòu)、新聞媒體、領(lǐng)域?qū)＜业阮?lèi)別供后續(xù)分析。

4.3 識(shí)別意見(jiàn)領(lǐng)袖

識(shí)別持有不同觀點(diǎn)主題的意見(jiàn)領(lǐng)袖不能僅僅依靠4.2節(jié)所構(gòu)建的二級(jí)指標(biāo)評(píng)價(jià)體系計(jì)算微博賬戶影響力得分，同時(shí)還需要分析識(shí)別微博賬戶文本主題與群體共識(shí)間的相似程度。首先需要依據(jù)3.2節(jié)所述方法根據(jù)TF-IDF算法計(jì)算出每一個(gè)階段微博數(shù)據(jù)中的關(guān)鍵詞，基于這些關(guān)鍵詞對(duì)原始數(shù)據(jù)進(jìn)行清洗并構(gòu)建共現(xiàn)矩陣，各個(gè)階段關(guān)鍵詞如表7所示。

表7 各階段TF-IDF 關(guān)鍵詞

各階段的關(guān)鍵詞可以反映出熱點(diǎn)事件中網(wǎng)民關(guān)注焦點(diǎn)，而共現(xiàn)這一方法可以很好地展現(xiàn)這些關(guān)鍵點(diǎn)之間的聯(lián)系。通過(guò)python構(gòu)建共現(xiàn)矩陣并將數(shù)據(jù)導(dǎo)入軟件COOC13.4.4，繪制出共現(xiàn)語(yǔ)義網(wǎng)絡(luò)（圖4）。在共現(xiàn)語(yǔ)義網(wǎng)絡(luò)中，節(jié)點(diǎn)代表關(guān)鍵詞，節(jié)點(diǎn)間的邊則代表關(guān)鍵詞共同出現(xiàn)的情況。節(jié)點(diǎn)的大小與邊的粗細(xì)都具有特定的意義，節(jié)點(diǎn)的大小不同代表該關(guān)鍵詞在微博數(shù)據(jù)中出現(xiàn)的次數(shù)不同，節(jié)點(diǎn)間的邊粗細(xì)不同代表這些關(guān)鍵詞一起出現(xiàn)的頻率不同，兩者都呈正相關(guān)趨勢(shì)。

圖4 各階段共現(xiàn)語(yǔ)義網(wǎng)絡(luò)

共現(xiàn)語(yǔ)義網(wǎng)絡(luò)分析屬于網(wǎng)絡(luò)分析方法，可以有效地處理來(lái)自大量賬戶的文本內(nèi)容。根據(jù)各階段共現(xiàn)語(yǔ)義網(wǎng)絡(luò)進(jìn)行共現(xiàn)詞分析、詞匯聚類(lèi)等方法可以歸納總結(jié)出這些文本中存在的群體性共識(shí)。篩選微博賬戶影響力評(píng)分較高且發(fā)文主題與群體性共識(shí)相似的微博賬戶作為意見(jiàn)領(lǐng)袖，歸納總結(jié)出不同階段、不同類(lèi)型的意見(jiàn)領(lǐng)袖（表8）供后續(xù)分析意見(jiàn)領(lǐng)袖影響力效果。

表8 各階段意見(jiàn)領(lǐng)袖

4.4 意見(jiàn)領(lǐng)袖粉絲主題分析

根據(jù)3.3節(jié)所述方法將粉絲評(píng)論收集、清洗、分詞后，經(jīng)過(guò)BTM主題模型分析聚類(lèi)后得出意見(jiàn)領(lǐng)袖粉絲評(píng)論的關(guān)鍵詞。根據(jù)關(guān)鍵詞結(jié)果歸納總結(jié)意見(jiàn)領(lǐng)袖粉絲的意愿表達(dá)以及階段性主題，以此探索不同類(lèi)型意見(jiàn)領(lǐng)袖影響力效果的異同，通過(guò)表9展示相關(guān)結(jié)果。

表9 各階段評(píng)論關(guān)鍵詞與主題

第一階段處于事件剛剛發(fā)生且急速擴(kuò)散的時(shí)期，本次輿情事件潛伏期太短，迅速進(jìn)入爆發(fā)期。當(dāng)日上午燒烤店監(jiān)控視頻就已經(jīng)流傳于各大網(wǎng)絡(luò)平臺(tái)，警方?jīng)]能及時(shí)反應(yīng)也成了輿情惡化的誘因。官方機(jī)構(gòu)對(duì)燒烤店打人事件進(jìn)行了初步的報(bào)道，報(bào)道重心在于燒烤店打人事件本身且立場(chǎng)比較客觀。因此粉絲評(píng)論的意愿表達(dá)多數(shù)基于自身樸素的價(jià)值觀出發(fā)，譴責(zé)嫌疑人打人、要求嚴(yán)懲嫌疑人等話題。新聞媒體為了贏取更多網(wǎng)民的關(guān)注，通過(guò)預(yù)設(shè)議題，邀請(qǐng)法律領(lǐng)域的專家學(xué)者從法律角度探討本次事件打人者可能會(huì)被處以何等懲罰，因此粉絲的關(guān)注點(diǎn)也開(kāi)始向定罪量刑方向轉(zhuǎn)移。領(lǐng)域?qū)＜疑钪陨矸劢z群體喜好特點(diǎn)，通過(guò)轉(zhuǎn)發(fā)文章譴責(zé)打人者、呼吁保護(hù)女性等方式緊緊抓住粉絲群體關(guān)注焦點(diǎn)。因此粉絲評(píng)論意愿表達(dá)緊緊圍繞在支持意見(jiàn)領(lǐng)袖、支持保護(hù)女性左右。

第二階段處于案件正在調(diào)查但尚未公布立案信息或其他有關(guān)通報(bào)的時(shí)期。而網(wǎng)民急于得知案情偵辦進(jìn)展以及被打女子傷情信息這一期盼與案件偵查發(fā)展規(guī)律相悖，導(dǎo)致謠言四起，最有代表性的謠言便是四名受傷女子死亡。同時(shí)唐山民間更是出現(xiàn)了大量的實(shí)名舉報(bào)視頻，一時(shí)間輿情發(fā)展趨勢(shì)呈現(xiàn)波動(dòng)狀態(tài)。官方機(jī)構(gòu)對(duì)女子傷情以及案件偵辦進(jìn)展進(jìn)行了翔實(shí)的報(bào)道，因此粉絲評(píng)論意愿表達(dá)主要集中在嚴(yán)懲嫌疑人、討論女子傷情等范圍。新聞媒體則從接警民警被處理的角度進(jìn)行報(bào)道，與本次輿情事件中聲音較大的保護(hù)傘等話題有關(guān)聯(lián)，因此粉絲評(píng)論意愿表達(dá)較為負(fù)面，多數(shù)在發(fā)泄自身的不滿。領(lǐng)域?qū)＜叶聪ど鐣?huì)熱點(diǎn)，討論了唐山醫(yī)院回應(yīng)女子傷情措辭不夠嚴(yán)謹(jǐn)導(dǎo)致為謠言的誕生培育了土壤。受其引導(dǎo)，粉絲評(píng)論意愿表達(dá)與意見(jiàn)領(lǐng)袖觀點(diǎn)主題關(guān)聯(lián)性較強(qiáng)。

第三階段處于消散期，隨著時(shí)間的推移大部分網(wǎng)民轉(zhuǎn)移了對(duì)于本次事件的注意力，只有起訴與宣判時(shí)熱度發(fā)生回升。嫌疑人被定罪量刑這一消息令部分得以網(wǎng)民滿意，但也有部分網(wǎng)民呼吁嚴(yán)打保護(hù)傘、持續(xù)關(guān)注掃黑除惡。官方機(jī)構(gòu)報(bào)道了一審宣判結(jié)果，因此粉絲評(píng)論意愿表達(dá)多集中在嚴(yán)查保護(hù)傘、處理有關(guān)人員、持續(xù)關(guān)注掃黑除惡行動(dòng)等。新聞媒體著重報(bào)道了嫌疑人受審內(nèi)容，并突出強(qiáng)調(diào)嫌疑人懺悔，因此粉絲的注意力受其引導(dǎo)也多圍繞著嫌疑人懺悔左右。領(lǐng)域?qū)＜覐纳鐣?huì)角度入手，批評(píng)嫌疑人后提出了自己的憂慮，因此粉絲在這一議題下進(jìn)行了激烈的討論，評(píng)論意愿表達(dá)較為集中。

5 分析與引導(dǎo)

5.1 意見(jiàn)領(lǐng)袖影響力討論

在近年來(lái)國(guó)家大力開(kāi)展掃黑除惡專項(xiàng)行動(dòng)背景下，本次事件雖然起因于一場(chǎng)故意傷害案件，但是警方發(fā)布第一份警情通報(bào)與事件發(fā)生相隔時(shí)間較長(zhǎng)，導(dǎo)致網(wǎng)民開(kāi)始批評(píng)警察的拖延行為。輿情事件中官方機(jī)構(gòu)多采取觀望態(tài)度，并不急于發(fā)聲，而是等待事件調(diào)查結(jié)果再總結(jié)評(píng)論，著重客觀中立的報(bào)道打人事件本身。但是網(wǎng)民對(duì)此并不滿意，因此官方機(jī)構(gòu)型意見(jiàn)領(lǐng)袖粉絲多數(shù)是出于樸素的情感與觀念表達(dá)了自身的訴求，宏觀角度官方機(jī)構(gòu)型意見(jiàn)領(lǐng)袖對(duì)于網(wǎng)民的影響能力弱于新聞媒體與領(lǐng)域?qū)＜摇?/p>

新聞媒體追求商業(yè)價(jià)值，迎合網(wǎng)絡(luò)民粹，通過(guò)預(yù)設(shè)議題、制造噱頭以吸引眼球。譬如事件剛剛發(fā)生，新聞媒體就邀請(qǐng)法律領(lǐng)域?qū)＜覍?duì)本次事件有關(guān)人員的定罪量刑進(jìn)行探討，受到影響的網(wǎng)民將關(guān)注焦點(diǎn)轉(zhuǎn)移到定罪量刑與法治建設(shè)方向。在立案?jìng)刹闀r(shí)對(duì)被處理的警察進(jìn)行了報(bào)道，受到影響的網(wǎng)民將關(guān)注焦點(diǎn)轉(zhuǎn)移到該警察瀆職乃至整個(gè)警察隊(duì)伍上。通過(guò)預(yù)設(shè)議題，新聞媒體型意見(jiàn)領(lǐng)袖在輿情事件中對(duì)網(wǎng)民的影響效果最強(qiáng)。

領(lǐng)域?qū)＜倚鸵庖?jiàn)領(lǐng)袖長(zhǎng)期在專業(yè)領(lǐng)域深入研究，積累了豐富的實(shí)踐經(jīng)驗(yàn)，善于提煉觀點(diǎn)，分析問(wèn)題一針見(jiàn)血，緊緊地抓住了本次事件中凸顯出的社會(huì)問(wèn)題并加以分析。因此粉絲評(píng)論主題呈現(xiàn)兩極分化的形式，但基本上圍繞在支持與反對(duì)兩種情況。領(lǐng)域?qū)＜倚鸵庖?jiàn)領(lǐng)袖擅長(zhǎng)總結(jié)觀點(diǎn)，誘導(dǎo)性不如新聞媒體，但對(duì)于網(wǎng)民的影響能力強(qiáng)于官方機(jī)構(gòu)。

5.2 輿情引導(dǎo)建議

在輿情爆發(fā)階段，官方機(jī)構(gòu)需要重視重大突發(fā)事件黃金4小時(shí)的輿情處置原則，盡管受制于時(shí)間導(dǎo)致信息有限，但仍需要及時(shí)地回應(yīng)網(wǎng)民的問(wèn)題，目的是安撫網(wǎng)民的情緒、避免輿情態(tài)勢(shì)惡化。充分利用大數(shù)據(jù)、人工智能等技術(shù)搜尋網(wǎng)絡(luò)中可能存在輿情隱患，做好預(yù)案。聯(lián)合新聞媒體與領(lǐng)域?qū)＜覙?gòu)建快速反應(yīng)體系，將正面解釋報(bào)道盡可能地?cái)U(kuò)散，爭(zhēng)取做到牢牢握住輿論引導(dǎo)的主動(dòng)權(quán)。為遏制不實(shí)信息的傳播、負(fù)面情緒的擴(kuò)散打好基礎(chǔ)，做到民有所問(wèn)，警有所答。

在輿情波動(dòng)階段，官方機(jī)構(gòu)需要在尊重客觀事實(shí)與辦案規(guī)律的基礎(chǔ)上，將案件的偵辦信息進(jìn)行實(shí)時(shí)推送，鞏固網(wǎng)民對(duì)警方的信任。將目標(biāo)人群進(jìn)行精準(zhǔn)識(shí)別劃分，收集分析他們的觀點(diǎn)疑點(diǎn)，聯(lián)合新聞媒體與領(lǐng)域?qū)＜疫M(jìn)行靶向宣傳，將正面信息廣泛的傳播出去。有關(guān)部門(mén)還需要通過(guò)技術(shù)手段對(duì)網(wǎng)絡(luò)謠言進(jìn)行收集阻斷，及時(shí)對(duì)有關(guān)謠言進(jìn)行澄清說(shuō)明并封禁一些惡意傳播謠言的典型賬戶，為輿情進(jìn)入衰退期做好鋪墊。

在輿情的衰退期，大部分網(wǎng)民的情緒趨近于平穩(wěn)，對(duì)于熱點(diǎn)事件的來(lái)龍去脈也有了大致的認(rèn)識(shí)，期待處理結(jié)果。官方機(jī)構(gòu)需要聯(lián)合新聞媒體、領(lǐng)域?qū)＜覍⑻幚斫Y(jié)果等正向信息進(jìn)行廣泛的推送。避免網(wǎng)民由于熱情消散導(dǎo)致對(duì)相關(guān)處理結(jié)果缺乏了解，進(jìn)而固化一些諸如“沒(méi)有處理結(jié)果”“自罰三杯”等負(fù)面認(rèn)知，避免政府陷入塔西佗陷阱。同時(shí)，網(wǎng)絡(luò)中可能還會(huì)存在一些激進(jìn)的言論，有關(guān)部門(mén)仍需做到不拖延、不對(duì)抗，做到消解負(fù)面情緒、促進(jìn)形成共識(shí)、加速解決矛盾，構(gòu)造風(fēng)氣清正的網(wǎng)絡(luò)社會(huì)。

6 結(jié)語(yǔ)

本研究基于觀點(diǎn)主題角度，依據(jù)7項(xiàng)數(shù)據(jù)指標(biāo)構(gòu)建多級(jí)遞階層次模型計(jì)算微博賬戶影響力，依據(jù)共詞聚類(lèi)分析歸納總結(jié)群體性共識(shí)，兩者結(jié)合篩選出意見(jiàn)領(lǐng)袖。之后引入BTM主題模型分析粉絲評(píng)論主題與意見(jiàn)領(lǐng)袖粉絲主題間的異同以更充分地理解剖析意見(jiàn)領(lǐng)袖影響力作用。對(duì)比分析不同發(fā)展階段不同意見(jiàn)領(lǐng)袖觀點(diǎn)主題變化以及粉絲觀點(diǎn)主題變化，歸納總結(jié)變化規(guī)律及特點(diǎn)，從發(fā)聲形式、發(fā)聲內(nèi)容與發(fā)聲時(shí)機(jī)等層面提出了利用意見(jiàn)領(lǐng)袖導(dǎo)控涉警輿情的方法與建議。

本文的研究仍存在著不足之處。首先，針對(duì)主題的聚類(lèi)分析的研究與應(yīng)用尚不夠深入，本研究?jī)H考慮到網(wǎng)絡(luò)上不同類(lèi)型的文本的長(zhǎng)短有別，采用了兩種不同的主題分析與聚類(lèi)方法。但是沒(méi)能對(duì)比不同分析與聚類(lèi)方法的異同與優(yōu)劣，也沒(méi)能引入確定最佳主題數(shù)目的方法。其次，量化分析意見(jiàn)領(lǐng)袖影響力時(shí)有關(guān)指標(biāo)僅僅考慮了七個(gè)，尚有提升空間。后續(xù)研究會(huì)針對(duì)現(xiàn)有的不足加以完善。