黃 晶,吳星妍,李夢(mèng)晗

(1.河海大學(xué)商學(xué)院,江蘇 南京 211100; 2.河海大學(xué)管理科學(xué)研究所,江蘇 南京 211100)

近年來(lái),我國(guó)極端暴雨災(zāi)害事件頻發(fā),對(duì)城市基礎(chǔ)設(shè)施與公共服務(wù)、居民工作與生活,甚至人身財(cái)產(chǎn)安全等都造成了巨大威脅[1]。作為破壞性強(qiáng)、涉及范圍廣的突發(fā)公共事件,極端暴雨災(zāi)害事件極易引起網(wǎng)民的廣泛關(guān)注。例如在2021年“7·20”鄭州特大暴雨、2019年“4·11”深圳暴雨等災(zāi)害事件中,災(zāi)情影響、應(yīng)急救援等話題成為輿論關(guān)注的熱點(diǎn),其中不乏信息誤讀和謠言傳播與發(fā)酵,從而造成了一定程度的民眾恐慌。輿情主體作為輿情事件的參與者,由于利益訴求的不同,在極端暴雨災(zāi)害事件不同階段的參與積極性、關(guān)注內(nèi)容和情感態(tài)度往往會(huì)表現(xiàn)出較大差異。因此,從多主體視角出發(fā)探尋極端暴雨災(zāi)害事件網(wǎng)絡(luò)輿情的演化規(guī)律,有利于準(zhǔn)確把握輿情走勢(shì),為極端暴雨災(zāi)害事件網(wǎng)絡(luò)輿情管控提供科學(xué)依據(jù)。

輿情主體是指輿情事件中涉及的各類(lèi)主體,包括個(gè)人、組織、政府部門(mén)等,共同推動(dòng)著突發(fā)事件輿情的發(fā)展與演化[2]?，F(xiàn)有研究從主體利益關(guān)切點(diǎn)出發(fā)認(rèn)為輿情主體主要為政府和民眾[3];而在全媒體時(shí)代,輿情主體包括政府、傳統(tǒng)媒體、網(wǎng)絡(luò)媒體、社會(huì)公眾[4];也有研究將意見(jiàn)領(lǐng)袖[5-6]、網(wǎng)絡(luò)推手[7]、企業(yè)[8]等多類(lèi)主體納入輿情傳播。對(duì)于網(wǎng)絡(luò)輿情演化的研究,學(xué)者們多采用數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)算法、社會(huì)網(wǎng)絡(luò)分析法、系統(tǒng)動(dòng)力學(xué)理論模型、博弈模擬仿真法等,對(duì)輿情的傳播、主題和情感的演化分析等進(jìn)行研究[9-10]。其中,輿情主題和情感的演化分析是當(dāng)前輿情演化研究的重點(diǎn)內(nèi)容。在主題挖掘上,改進(jìn)的隱含狄利克雷分布(LDA)主題模型常用于提取輿情熱點(diǎn),如肖倩等[11]將卷積神經(jīng)網(wǎng)絡(luò)和LDA主題模型相結(jié)合,顯著提高了熱點(diǎn)輿情識(shí)別的精確率和及時(shí)性。但輿情的監(jiān)控不僅需要能準(zhǔn)確發(fā)現(xiàn)輿情主題,還需要把握主題的演化。而基于共詞網(wǎng)絡(luò)分析的輿情主題挖掘方法能依據(jù)詞與詞之間的潛在關(guān)系,通過(guò)主題聚類(lèi)刻畫(huà)輿情熱點(diǎn)的遷移與演變,如王家輝等[12]基于關(guān)鍵詞共現(xiàn)和社會(huì)網(wǎng)絡(luò)聚類(lèi)探究了輿情熱點(diǎn)主題特征和演化規(guī)律。在情感分析上,機(jī)器學(xué)習(xí)和情感詞典法都是輿情情感研究的常用方法。利用機(jī)器學(xué)習(xí)法對(duì)評(píng)論文本進(jìn)行情感傾向判斷的準(zhǔn)確率較高,但該方法只能對(duì)情感傾向進(jìn)行分類(lèi)[13-14],而情感詞典法則能量化評(píng)論文本情感,根據(jù)情感值更加細(xì)致深入地對(duì)輿情情感進(jìn)行分析[15]。此外,已有研究大多依據(jù)輿情生命周期將災(zāi)害事件的輿情演進(jìn)過(guò)程分為起始、爆發(fā)、消退等階段[16-17],并分析各階段的主題內(nèi)容和時(shí)序發(fā)展趨勢(shì),但輿情生命周期的演化相較于災(zāi)害事件的發(fā)展具有一定的滯后性。不同類(lèi)型災(zāi)害發(fā)展過(guò)程各具特點(diǎn),基于輿情生命周期的研究無(wú)法依據(jù)災(zāi)害發(fā)生發(fā)展過(guò)程提前研判輿情,不利于對(duì)輿情進(jìn)行前瞻性管控。

因此,為了準(zhǔn)確把握極端暴雨災(zāi)害事件全過(guò)程輿情演化的一般規(guī)律,挖掘極端暴雨災(zāi)害事件中各輿情主體的演化特點(diǎn),本文在對(duì)輿情主體類(lèi)型進(jìn)行劃分的基礎(chǔ)上,構(gòu)建網(wǎng)絡(luò)輿情主題和情感演化模型,并以“4·11”深圳暴雨災(zāi)害事件為例,將暴雨災(zāi)害劃分為預(yù)警期、突發(fā)期、應(yīng)急期和災(zāi)后期,基于新浪微博評(píng)論數(shù)據(jù),定量分析不同主體在災(zāi)害不同階段關(guān)注內(nèi)容、情感態(tài)度的變化及差異,進(jìn)而提出暴雨災(zāi)害不同階段的輿情管控策略。

1 網(wǎng)絡(luò)輿情主題和情感演化模型構(gòu)建

1.1 輿情主體劃分

為準(zhǔn)確把握極端暴雨災(zāi)害事件網(wǎng)絡(luò)輿情中各主體輿情主題和情感演化差異,本文將極端暴雨災(zāi)害事件網(wǎng)絡(luò)輿情主體劃分為政府、媒體、意見(jiàn)領(lǐng)袖和網(wǎng)民。政府處于突發(fā)事件輿情的核心位置,對(duì)輿情事件回應(yīng)的程度和處理方式對(duì)輿情的演化有著重要影響;媒體作為輿情傳播的媒介,是公眾獲取信息的重要渠道;意見(jiàn)領(lǐng)袖是一些在特定領(lǐng)域或社會(huì)群體中具有一定影響力和權(quán)威性的人士,其言論和態(tài)度往往能夠引導(dǎo)公眾的思考和行動(dòng);網(wǎng)民是網(wǎng)絡(luò)輿情最重要的組成部分,通過(guò)互聯(lián)網(wǎng)獲取信息和表達(dá)意見(jiàn),并參與到事件的解決中來(lái)。

在新浪微博中有藍(lán)V、黃V、微博達(dá)人和大眾網(wǎng)民用戶(hù),藍(lán)V為經(jīng)過(guò)認(rèn)證的政府機(jī)構(gòu)、官方組織等,黃V屬于具有一定平臺(tái)影響力的主流媒體、自媒體,微博達(dá)人對(duì)應(yīng)一些十分活躍或在專(zhuān)業(yè)上具有權(quán)威性的賬號(hào),大眾網(wǎng)民用戶(hù)則屬于普通用戶(hù)。因此,本文的政府、媒體、意見(jiàn)領(lǐng)袖和網(wǎng)民輿情主體,在新浪微博中分別對(duì)應(yīng)藍(lán)V、黃V、微博達(dá)人和大眾網(wǎng)民用戶(hù)。

1.2 輿情主題演化模型構(gòu)建

極端暴雨災(zāi)害事件輿情主題演化模型構(gòu)建流程如圖1所示,首先在數(shù)據(jù)預(yù)處理的基礎(chǔ)上提取主題關(guān)鍵詞,然后基于關(guān)鍵詞的共現(xiàn)關(guān)系構(gòu)建共詞網(wǎng)絡(luò),接著對(duì)共詞網(wǎng)絡(luò)節(jié)點(diǎn)聚類(lèi)挖掘其蘊(yùn)含的主題社區(qū),最后對(duì)各主題社區(qū)進(jìn)行演化分析。

圖1 極端暴雨災(zāi)害事件輿情主題演化模型構(gòu)建流程

1.2.1關(guān)鍵詞提取

在對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理的基礎(chǔ)上,本文采用詞頻-逆文檔(TF-IDF)[18]提取極端暴雨災(zāi)害事件主題關(guān)鍵詞。TF-IDF詞語(yǔ)權(quán)重計(jì)算公式為

(1)

1.2.2共詞網(wǎng)絡(luò)構(gòu)建

極端暴雨災(zāi)害事件輿情共詞網(wǎng)絡(luò)構(gòu)建如圖2所示,文本A、B、C的關(guān)鍵詞分別形成了3個(gè)獨(dú)立的共詞網(wǎng)絡(luò),而文本D通過(guò)主題關(guān)鍵詞將它們共同串聯(lián)到一起,形成一個(gè)較大的共詞網(wǎng)絡(luò)。因此,暴雨災(zāi)害事件輿情共詞網(wǎng)絡(luò)可以抽象為

圖2 極端暴雨災(zāi)害事件輿情共詞網(wǎng)絡(luò)構(gòu)建

G=(N,R)

(2)

式中:G為暴雨災(zāi)害事件輿情共詞網(wǎng)絡(luò);N為暴雨災(zāi)害關(guān)鍵詞構(gòu)成的節(jié)點(diǎn)集合;R為由共現(xiàn)關(guān)鍵詞之間相連構(gòu)成的邊集合。

1.2.3主題社區(qū)挖掘

共詞網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)通常呈現(xiàn)出一定的規(guī)律,部分節(jié)點(diǎn)聚集在一起形成社區(qū),社區(qū)內(nèi)的關(guān)鍵詞則可以代表輿情主題的內(nèi)容。本文基于Louvain算法[19]并不斷優(yōu)化模塊度,實(shí)現(xiàn)極端暴雨災(zāi)害事件輿情主題社區(qū)的挖掘。模塊度Q可表示為

(3)

式中:Aij為節(jié)點(diǎn)wi和wj之間的邊權(quán)重,即關(guān)鍵詞在文本中共現(xiàn)的次數(shù);Ki、Kj分別為與節(jié)點(diǎn)wi和wj相連的邊的權(quán)重之和;m為網(wǎng)絡(luò)中所有邊的權(quán)重之和;Ci、Cj分別為節(jié)點(diǎn)wi、wj所屬的社區(qū),當(dāng)Ci=Cj時(shí)δ(Ci,Cj)函數(shù)值為1,否則為0。

1.2.4主題社區(qū)演化

本文采用王艷東等[20]提出的演化算法對(duì)輿情主題進(jìn)行演化分析。對(duì)于挖掘出的某一主題,取t1和t2兩個(gè)時(shí)間段的災(zāi)害主題社區(qū)分別為C1,t1和C1,t2,計(jì)算C1,t1社區(qū)在C1,t2社區(qū)中的包含量I(C1,t1,C1,t2)及C1,t2社區(qū)在C1,t1社區(qū)中的包含量I(C1,t2,C1,t1),根據(jù)I(C1,t1,C1,t2)和I(C1,t2,C1,t1)對(duì)應(yīng)閾值判斷社區(qū)的生長(zhǎng)、分裂等演化類(lèi)型,并通過(guò)?；鶊D展示主題演化過(guò)程。

C1,t1社區(qū)在C1,t2社區(qū)中的包含量、節(jié)點(diǎn)的度中心性可分別由式(4)、式(5)計(jì)算得到:

(4)

(5)

式中:W1、W2分別為社區(qū)C1,t1、C1,t2中的關(guān)鍵詞集合;P1w為節(jié)點(diǎn)w在社區(qū)C1,t1中的重要程度;Kwi為節(jié)點(diǎn)wi的度中心性,可用共詞網(wǎng)絡(luò)中與節(jié)點(diǎn)連通的邊的權(quán)重之和表示,表征節(jié)點(diǎn)的重要程度。

1.3 基于情感詞典的輿情情感演化模型構(gòu)建

1.3.1暴雨災(zāi)害領(lǐng)域情感詞典構(gòu)建

本文采用詞匯數(shù)量適中的知網(wǎng)情感詞典作為基礎(chǔ)情感詞詞典。極端暴雨災(zāi)害事件的評(píng)論文本有其自身特點(diǎn),如“飛機(jī)晚點(diǎn)了”“要追責(zé)相關(guān)領(lǐng)導(dǎo)”中的“晚點(diǎn)”“追責(zé)”并未包含在知網(wǎng)情感詞典中。參考周莉等[21]所提出的暴雨洪澇情感詞典構(gòu)建方法,同時(shí)考慮網(wǎng)絡(luò)用語(yǔ)和表情符[22]構(gòu)建自定義的領(lǐng)域情感詞典,并將“涼爽”“平安”“戰(zhàn)勝”“力挺”“熱心”“點(diǎn)贊”等正面情感詞設(shè)置為1分,將“天災(zāi)人禍”“水火無(wú)情”“悶熱”“沖走”“追責(zé)”“撈油水”“嚇?biāo)馈钡蓉?fù)面情感詞設(shè)置為-1分。

僅用情感詞來(lái)計(jì)算評(píng)論文本的情感值是不夠的,需要程度詞如“有點(diǎn)”“太”和否定詞如“沒(méi)有”“不”來(lái)增強(qiáng)、削弱或反轉(zhuǎn)其原本的情感態(tài)度,因此需要構(gòu)建程度詞詞典和否定詞詞典對(duì)情感詞進(jìn)行度量。本文以知網(wǎng)程度詞詞典為基礎(chǔ),并根據(jù)已有研究[23]為各級(jí)別程度詞賦予相應(yīng)的權(quán)值,同時(shí)自建了否定詞詞典,將否定詞賦值為-1分。

1.3.2情感值計(jì)算算法

構(gòu)建好詞典后,根據(jù)本文的實(shí)際情況進(jìn)行微博評(píng)論文本情感值的計(jì)算,具體步驟如下:①搜尋評(píng)論中的情感詞,判斷情感詞的極性,正面情感詞賦值為+1分,負(fù)面賦值為-1分,否則為0分;②尋找程度詞、否定詞,判斷程度詞的級(jí)別,考慮到可能出現(xiàn)多重否定的情況,需要計(jì)算否定詞的數(shù)量;③查找表情符,判斷表情符的極性,正面表情符賦值為+1分,負(fù)面賦值為1分,否則為0分;④計(jì)算每條微博評(píng)論的情感分值。由于評(píng)論文本的長(zhǎng)度對(duì)情感值的影響較大,因此對(duì)評(píng)論情感分值取平均數(shù),具體計(jì)算公式如下:

(6)

式中:E為整條微博評(píng)論文本的情感值;n為情感詞的數(shù)目;l為程度詞的數(shù)目;p為否定詞的數(shù)目;k為表情符的數(shù)目;svi為情感詞vi的分值;sdf為程度詞df的權(quán)重;sej為表情符ej的分值。

2 實(shí)例分析

2.1 “4·11”深圳暴雨事件概況

2019年4月11日,深圳市短時(shí)極端強(qiáng)降水的最大半小時(shí)雨量為73.4mm,為深圳有紀(jì)錄以來(lái)4月份最大半小時(shí)雨強(qiáng)。此次降雨導(dǎo)致深圳市多區(qū)突發(fā)洪水,暗渠、暗涵處甚至發(fā)生了作業(yè)人員失蹤和淹溺死亡事故。據(jù)統(tǒng)計(jì),該事件造成11人死亡、137處內(nèi)澇積水、29臺(tái)車(chē)輛被淹,福田、羅湖兩區(qū)直接經(jīng)濟(jì)損失約為2253萬(wàn)元。此次暴雨災(zāi)害事件引起了輿論的高度關(guān)注。

2.2 數(shù)據(jù)獲取及預(yù)處理

獲取2019年4月11日0時(shí)至13日0時(shí)即暴雨災(zāi)害發(fā)生前后,以“深圳暴雨”為關(guān)鍵詞的微博文本數(shù)據(jù)共20060條,對(duì)文本數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗以去除噪聲數(shù)據(jù),最終得到13464條有效微博文本數(shù)據(jù)。其中,藍(lán)V有723條,黃V有1151條,微博達(dá)人發(fā)布了1314條,大眾網(wǎng)民發(fā)布了10276條。

結(jié)合事件實(shí)際情況,本文將極端暴雨災(zāi)害發(fā)生發(fā)展過(guò)程劃分為預(yù)警期、突發(fā)期、應(yīng)急期和災(zāi)后期4個(gè)階段。4月11日20時(shí)前,氣象局連續(xù)發(fā)布了暴雨黃色預(yù)警在內(nèi)的4個(gè)氣象預(yù)警,因此將0—20時(shí)劃分為預(yù)警期;短時(shí)極端強(qiáng)降水發(fā)生在21時(shí)前后,21—24時(shí)共發(fā)生了3起地下險(xiǎn)情,因此將20—24時(shí)劃分為突發(fā)期;4月12日15時(shí),強(qiáng)降雨逐漸減弱,第一輪應(yīng)急救援工作已結(jié)束,降雨帶來(lái)的影響也得以初步解決,因此將0—15時(shí)劃分為應(yīng)急期,15—24時(shí)劃分為災(zāi)后期。微博數(shù)量隨災(zāi)害發(fā)展的變化如圖3所示。預(yù)警期內(nèi),微博數(shù)量較少,降雨預(yù)警未引起輿論的過(guò)多關(guān)注;突發(fā)期內(nèi),微博數(shù)量快速上升,于21:00左右達(dá)到峰值后迅速下降;應(yīng)急期內(nèi),微博數(shù)量在12日6:00迅速攀升并持續(xù)一段時(shí)間后下降;災(zāi)后期,隨著災(zāi)情影響逐漸好轉(zhuǎn),微博數(shù)量緩慢下降。

圖3 “4·11”深圳暴雨事件的階段劃分及微博數(shù)量變化

完成數(shù)據(jù)清洗后,采用Jieba分詞工具進(jìn)行中文分詞。為提升分詞效果,根據(jù)實(shí)際情況構(gòu)建了自定義詞典,添加了領(lǐng)域?qū)Ｓ性~如“暴雨紅色預(yù)警”“應(yīng)急管理局”等,并綜合《百度停用詞表》《哈工大停用詞表》等,合并去重后構(gòu)建了停用詞表,過(guò)濾掉無(wú)意義詞匯、標(biāo)點(diǎn)符號(hào)等。

2.3 不同主體在暴雨災(zāi)害不同階段的網(wǎng)絡(luò)輿情主題和情感演化

2.3.1不同主體的網(wǎng)絡(luò)輿情主題演化

通過(guò)對(duì)主題社區(qū)進(jìn)行人工篩選與合并,最終得到普及“安全知識(shí)”“交通狀況”“警示與天氣”“應(yīng)急救援”“人員傷亡”“祈禱平安”“其他損失與影響”7類(lèi)輿情主題,并在此基礎(chǔ)上得到了各主體的輿情主題演化桑基圖,見(jiàn)圖4～7。?；鶊D的每個(gè)長(zhǎng)方形代表一類(lèi)主題,其高度為主題間的共有詞數(shù)量,而長(zhǎng)方形之間的連接則表示主題間關(guān)鍵詞的流動(dòng)。

圖4 藍(lán)V在不同階段的主題演化?；鶊D

圖5 黃V在不同階段的主題演化桑基圖

圖6 微博達(dá)人在不同階段的主題演化?；鶊D

圖7 大眾網(wǎng)民在不同階段的主題演化?；鶊D

a.藍(lán)V輿情主題演化。預(yù)警期,藍(lán)V主要關(guān)注“安全知識(shí)普及”和“警示與天氣”兩類(lèi)主題。突發(fā)期內(nèi)“警示與天氣”主題分裂出“交通狀況”,表明藍(lán)V由發(fā)布預(yù)警信息逐漸轉(zhuǎn)為發(fā)布暴雨導(dǎo)致的交通狀況。應(yīng)急期以“應(yīng)急救援”和“人員傷亡”主題為主,藍(lán)V憑借信息獲取優(yōu)勢(shì)播報(bào)應(yīng)急救援狀況和人員傷亡信息。災(zāi)后期其他主題逐漸演變?yōu)椤捌渌麚p失與影響”主題。

b.黃V輿情主題演化。預(yù)警期內(nèi),黃V主要關(guān)注“警示與天氣”主題。突發(fā)期內(nèi)分裂出“普及安全知識(shí)”主題,但滯后于藍(lán)V,表明黃V受藍(lán)V影響開(kāi)始宣傳暴雨安全知識(shí)。應(yīng)急期以“人員傷亡”和“祈禱平安”主題為主,較少關(guān)注“應(yīng)急救援”主題。災(zāi)后期,黃V受藍(lán)V的影響,出現(xiàn)“交通狀況”主題。隨后“人員傷亡”主題不斷收縮,“其他損失與影響”主題不斷生長(zhǎng),表明黃V的關(guān)注重點(diǎn)由“人員傷亡”等主題逐漸轉(zhuǎn)移至“其他損失與影響”上。

c.微博達(dá)人輿情主題演化。微博達(dá)人在預(yù)警期和突發(fā)期內(nèi)只有“警示與天氣”主題。在應(yīng)急期,微博達(dá)人最先出現(xiàn)“人員傷亡”主題,表明微博達(dá)人最先開(kāi)始傳播人員傷亡信息。在災(zāi)后期,微博達(dá)人最先報(bào)道了大眾網(wǎng)民較為關(guān)注的“其他損失與影響”,表明微博達(dá)人能及時(shí)地對(duì)大眾網(wǎng)民所關(guān)注的話題做出反應(yīng),相較于其他主體更加敏銳。隨著暴雨災(zāi)害事件的發(fā)展,“其他損失與影響”主題逐漸演化為“人員傷亡”主題,人員傷亡有關(guān)輿論在災(zāi)后不斷膨脹,輿情風(fēng)險(xiǎn)較大。

d.大眾網(wǎng)民輿情主題演化。大眾網(wǎng)民在預(yù)警期和突發(fā)期內(nèi)以“警示與天氣”和“普及安全知識(shí)”主題為主。在應(yīng)急期,受藍(lán)V發(fā)布的交通狀況信息引導(dǎo),大眾網(wǎng)民的關(guān)注點(diǎn)演化為“交通狀況”,此外“人員傷亡”主題不斷生長(zhǎng),“其他損失與影響”主題開(kāi)始出現(xiàn),反映出大眾網(wǎng)民較為關(guān)心影響日常出行的交通狀況、人員傷亡信息以及暴雨災(zāi)害造成的損失與影響。災(zāi)后期,受藍(lán)V和黃V影響出現(xiàn)“交通狀況”主題,隨后演化為“人員傷亡”主題,人員傷亡輿論熱度居高不下。

通過(guò)對(duì)藍(lán)V、黃V、微博達(dá)人以及大眾網(wǎng)民4類(lèi)主體的輿情演化特點(diǎn)進(jìn)行分析,可以發(fā)現(xiàn)“4·11”深圳暴雨災(zāi)害事件網(wǎng)絡(luò)輿情的總體演化狀況為:預(yù)警期與突發(fā)期主要集中在“警示與天氣”“普及安全知識(shí)”主題,應(yīng)急期演變?yōu)椤捌矶\平安”“人員傷亡”“應(yīng)急救援”主題,災(zāi)后期演變?yōu)椤叭藛T傷亡”“其他損失與影響”主題。

2.3.2不同主體的網(wǎng)絡(luò)輿情情感演化

基于每條評(píng)論文本數(shù)據(jù)的情感值,將文本情感傾向以0為閾值分別判定為正面、中性以及負(fù)面情感傾向,統(tǒng)計(jì)各個(gè)傾向的評(píng)論文本數(shù)量占比,得到各情感傾向的比重,并將各階段或主體的所有評(píng)論文本的情感值求和再除以評(píng)論數(shù)量得到情感均值,以消除評(píng)論數(shù)量差異過(guò)大的影響。

暴雨災(zāi)害發(fā)展全過(guò)程輿情情感如表1所示,在預(yù)警期和突發(fā)期波動(dòng)較大,負(fù)面情感主要集中在此期間,應(yīng)急期和災(zāi)后期的情感趨于中性。具體來(lái)說(shuō),預(yù)警期和突發(fā)期對(duì)暴雨天氣的抱怨與擔(dān)憂等負(fù)面情緒較多,情感負(fù)面率分別為0.42和0.49,高于正面率。其中,突發(fā)期情感均值最低為-0.2,且由于輿情數(shù)量巨大,這一階段的網(wǎng)絡(luò)空間充斥著大量的負(fù)面程度較高的情感態(tài)度。應(yīng)急期對(duì)人員傷亡的悲傷與難過(guò)的負(fù)面情感和對(duì)受災(zāi)人員、救災(zāi)人員的祈禱與鼓勵(lì)的正面情感交織出現(xiàn),情感均值為0.02,整體情感略偏正面。災(zāi)后期輿論集中在探討人員傷亡原因和應(yīng)急工作效果上,情感正面率和負(fù)面率持平,情感均值為-0.03,整體情感略偏負(fù)面。

表1 各演化階段情感值描述性統(tǒng)計(jì)

各主體輿情情感演化如圖8所示,除藍(lán)V外,黃V、微博達(dá)人和大眾網(wǎng)民的負(fù)面情感主要集中在預(yù)警期和突發(fā)期。其中,藍(lán)V各階段內(nèi)的情感值較高,體現(xiàn)了其在信息傳播中積極正面的特點(diǎn)。黃V的情感演化趨勢(shì)和藍(lán)V大體保持一致,但情感值波動(dòng)較大,表明黃V在跟隨藍(lán)V進(jìn)行信息傳播的同時(shí),也會(huì)發(fā)表自己的觀點(diǎn)和看法,可能存在發(fā)表情感色彩強(qiáng)烈的言論來(lái)博人眼球的現(xiàn)象,且黃V的整體情感為負(fù)面,表明其在信息傳達(dá)與回應(yīng)上未能做到理性中立。此外,突發(fā)期內(nèi)黃V的情感值最低,需要進(jìn)行監(jiān)管和引導(dǎo)。微博達(dá)人和大眾網(wǎng)民的情感演化狀況較為相似,預(yù)警期和突發(fā)期內(nèi)的情感值較低,遠(yuǎn)低于其他兩類(lèi)主體。其中,微博達(dá)人的總體情感最低,表明微博達(dá)人的輿情風(fēng)險(xiǎn)較大,在暴雨災(zāi)害事件發(fā)展的全過(guò)程都需要重點(diǎn)關(guān)注。

圖8 各輿情主體情感演化

2.4 不同階段的輿情管控策略

a.暴雨災(zāi)害預(yù)警期:動(dòng)態(tài)監(jiān)測(cè),識(shí)別潛在輿情風(fēng)險(xiǎn)。暴雨災(zāi)害預(yù)警期內(nèi),短時(shí)強(qiáng)降雨事件還未發(fā)生,網(wǎng)絡(luò)輿論主要集中在暴雨預(yù)報(bào)預(yù)警以及相關(guān)安全知識(shí)的宣傳上,輿論熱度不高,此時(shí)尚未形成輿情危機(jī)。在此期間,公眾的整體情感為負(fù)面,其中微博達(dá)人和大眾網(wǎng)民的情感值最低,但此時(shí)的負(fù)面輿情主要由強(qiáng)降雨這一自然現(xiàn)象引起。因此,在預(yù)警期內(nèi),政府需要聯(lián)合媒體積極發(fā)布預(yù)報(bào)預(yù)警與安全防范知識(shí),引導(dǎo)意見(jiàn)領(lǐng)袖和網(wǎng)民加強(qiáng)對(duì)暴雨安全知識(shí)的關(guān)注,還需持續(xù)監(jiān)測(cè)各類(lèi)主體的輿情狀況,對(duì)各類(lèi)主體網(wǎng)絡(luò)輿情進(jìn)行挖掘分析,識(shí)別潛在輿情風(fēng)險(xiǎn)。及時(shí)處置虛假暴雨信息、極端負(fù)面言論等,將不利于社會(huì)安定的負(fù)面輿情信息抑制在萌發(fā)期。

b.暴雨災(zāi)害突發(fā)期:提前研判,設(shè)置議題引導(dǎo)輿情。暴雨災(zāi)害突發(fā)期內(nèi),各種誘發(fā)輿論危機(jī)的因素漸漸集聚,輿情危機(jī)萌芽并爆發(fā)。突發(fā)期的情感值最低,且輿情熱度高,這一階段聚集了大量的負(fù)面程度較高的情感態(tài)度,是暴雨災(zāi)害全過(guò)程輿情管控的重點(diǎn)關(guān)注階段。因此,政府可以根據(jù)暴雨災(zāi)害事件的狀況,及時(shí)發(fā)布災(zāi)情通報(bào),向公眾傳遞真實(shí)、準(zhǔn)確、全面的信息。同時(shí),對(duì)輿情進(jìn)行提前研判,通過(guò)預(yù)先設(shè)置議題,第一時(shí)間搶占輿論高地,掌握公共輿論和熱點(diǎn)話題的話語(yǔ)權(quán),從而前瞻性地引導(dǎo)輿情。如暴雨突發(fā)時(shí),發(fā)布網(wǎng)民關(guān)注的交通狀況信息正向引導(dǎo)輿論;發(fā)生人員傷亡時(shí),提前設(shè)置應(yīng)急救援、祈禱平安等議題,壓縮其他負(fù)面輿論滋生的空間。

c.暴雨災(zāi)害應(yīng)急期:信息公開(kāi),抑制不實(shí)消息傳播。暴雨災(zāi)害應(yīng)急期內(nèi),暴雨災(zāi)害突發(fā)后發(fā)生的人員傷亡事故極易引起輿論的關(guān)注。輿情演化結(jié)果也表明,這一階段公眾的熱點(diǎn)話題主要集中在祈禱平安以及人員傷亡上,尤其是人員傷亡狀況。因此,政府應(yīng)提高信息公開(kāi)的透明度和及時(shí)性,以積極正面的態(tài)度持續(xù)對(duì)公眾所關(guān)心的傷亡狀況進(jìn)行回應(yīng),并實(shí)時(shí)播報(bào)救援動(dòng)態(tài),提高公眾對(duì)應(yīng)急救援消息的關(guān)注度。媒體應(yīng)充分利用其公信力配合政府進(jìn)行理性、客觀的播報(bào),尤其是應(yīng)急救援動(dòng)態(tài)信息的發(fā)布。網(wǎng)民需提升對(duì)情緒煽動(dòng)性和負(fù)面虛假性信息的辨識(shí)力,理性發(fā)言,從而在平息公眾高漲的負(fù)面情緒的基礎(chǔ)上,有效抑制不實(shí)消息的傳播。

d.暴雨災(zāi)害災(zāi)后期:回應(yīng)問(wèn)題,疏導(dǎo)負(fù)面情緒。暴雨災(zāi)害災(zāi)后期內(nèi),暴雨災(zāi)害事件帶來(lái)的影響已逐漸消退,公眾對(duì)于這一事件的關(guān)注熱度顯著降低,但公眾的整體情感略偏負(fù)面。因此,這一階段政府需要保持積極正面的情感態(tài)度做好輿情的收尾工作,聯(lián)合意見(jiàn)領(lǐng)袖作為政府與網(wǎng)民的溝通橋梁,設(shè)立專(zhuān)門(mén)發(fā)言機(jī)構(gòu)或培養(yǎng)“紅色意見(jiàn)領(lǐng)袖”。通過(guò)對(duì)相關(guān)話題進(jìn)行回應(yīng)和互動(dòng),對(duì)公眾負(fù)面情緒進(jìn)行安撫與疏導(dǎo),從而增強(qiáng)公眾對(duì)政府的信任度,提升政府公信力。

3 結(jié) 語(yǔ)

a.將極端暴雨災(zāi)害事件網(wǎng)絡(luò)輿情主體分為政府、媒體、意見(jiàn)領(lǐng)袖和網(wǎng)民4類(lèi),從多主體視角出發(fā)挖掘了各主體關(guān)注內(nèi)容、情感態(tài)度的變化。政府、媒體、意見(jiàn)領(lǐng)袖和網(wǎng)民4類(lèi)主體的關(guān)注內(nèi)容不同,情感態(tài)度差異顯著。政府主要關(guān)注安全知識(shí)、暴雨預(yù)警和交通狀況,并回應(yīng)救援動(dòng)態(tài),情感態(tài)度積極正面;媒體較少關(guān)注安全知識(shí)和救援動(dòng)態(tài),情緒值波動(dòng)大,可能存在發(fā)表情感色彩強(qiáng)烈的言論以博人眼球的現(xiàn)象;意見(jiàn)領(lǐng)袖較多關(guān)注傷亡信息,情感均值最低,輿情風(fēng)險(xiǎn)較大;網(wǎng)民較其他主體更為關(guān)注影響日常生活的交通狀況和災(zāi)情影響,負(fù)面情感占比較大。

b.政府、媒體、意見(jiàn)領(lǐng)袖和網(wǎng)民4類(lèi)主體在極端暴雨災(zāi)害事件網(wǎng)絡(luò)輿情演化中相互影響。政府在輿情演化全過(guò)程中起主導(dǎo)作用,憑借信息獲取優(yōu)勢(shì)率先發(fā)布相關(guān)主題,影響了其他主體的輿情走向;媒體的主題和情感演化和政府大體保持一致,是政府信息發(fā)布和立場(chǎng)觀點(diǎn)的跟隨者;意見(jiàn)領(lǐng)袖受網(wǎng)民影響較大,對(duì)網(wǎng)民所關(guān)心的話題非常敏銳。

c.將極端暴雨災(zāi)害全過(guò)程劃分為預(yù)警期、突發(fā)期、應(yīng)急期和災(zāi)后期4個(gè)階段,發(fā)現(xiàn)各主體關(guān)注內(nèi)容、情感態(tài)度隨著災(zāi)害事件的發(fā)展不斷變化。在預(yù)警期,輿情主題主要為安全知識(shí)和天氣預(yù)警,且大多由政府發(fā)布、網(wǎng)民跟隨;在突發(fā)期,政府開(kāi)始關(guān)注事情造成的影響,如交通信息,而其他主體還在關(guān)注天氣信息,時(shí)間上滯后于事件本身的發(fā)展;隨著災(zāi)害的蔓延,進(jìn)入應(yīng)急期,政府開(kāi)始發(fā)布應(yīng)急救援和人員傷亡等信息,其他主體的關(guān)注點(diǎn)從天氣信息轉(zhuǎn)向人員傷亡和祈禱平安;在災(zāi)害結(jié)束后,政府和媒體較多關(guān)注災(zāi)情影響,而微博達(dá)人和網(wǎng)民則偏向于討論傷亡信息。此外,輿情負(fù)面情感主要集中在預(yù)警期和突發(fā)期,隨著災(zāi)害的發(fā)展,輿情情感逐漸趨于中性。