張 浩 周 睿

（江蘇科技大學經(jīng)濟管理學院 鎮(zhèn)江 212100）

0 引言

根據(jù)《中華人民共和國突發(fā)事件應對法》的規(guī)定，突發(fā)事件是指突然發(fā)生，造成或者可能造成嚴重社會危害，需要采取應急處置措施予以應對的自然災害、事故災難、公共衛(wèi)生事件和社會安全事件。2020 年以來，突發(fā)事件頻發(fā)，因其具有引發(fā)突然性、行為破壞性、瞬間聚眾性等特點，亟須相關(guān)部門高度關(guān)注，一旦發(fā)生，政府應當即刻關(guān)注輿情走向、安撫民眾情緒、穩(wěn)定社會安全。

在信息網(wǎng)絡(luò)技術(shù)落后的時代，對于突發(fā)事件的處理更多在線下進行，群眾消息相對閉塞，信息傳播渠道與速度都受限制，輿情難以在短時間內(nèi)爆發(fā)。如今社交媒體與網(wǎng)絡(luò)發(fā)展迅速，根據(jù)第48 次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》顯示，截至2021 年6 月，我國網(wǎng)民規(guī)模已超10 億，其中手機網(wǎng)民規(guī)模達10.07 億，占比99.6%[1]。自Web2.0 時代以來，互聯(lián)網(wǎng)應用去中心化、開放、共享等特點，使用戶不斷從信息接收者轉(zhuǎn)變?yōu)樾畔?chuàng)造者、傳播者，角色的轉(zhuǎn)換使互聯(lián)網(wǎng)開放活躍的同時也使信息越發(fā)紛繁復雜、真假難辨，輿情反轉(zhuǎn)事件時有發(fā)生。鑒于此，突發(fā)事件，尤其是涉及到廣大群體利益的事件，在網(wǎng)絡(luò)中往往會迅速引起激烈而持久的討論，裹挾著豐富而波動的情感，形成網(wǎng)絡(luò)輿情。

本文著眼于一般性突發(fā)事件網(wǎng)絡(luò)輿情與反轉(zhuǎn)類事件網(wǎng)絡(luò)輿情在生命周期過程中的情感與主題演變規(guī)律的異同，根據(jù)生命周期理論，聚焦網(wǎng)絡(luò)輿情演化呈現(xiàn)出階段性特征，回顧輿情演化階段的討論主題及情感演變。一方面，對調(diào)節(jié)矛盾關(guān)系、把握及引導輿情風向、及時預警以規(guī)避重大風險等具有重要理論支撐意義。另一方面，有助于探討兩類事件網(wǎng)絡(luò)輿情治理的針對性措施，為加強網(wǎng)絡(luò)空間治理與網(wǎng)絡(luò)內(nèi)容建設(shè)，構(gòu)建天朗氣清、生態(tài)良好的網(wǎng)絡(luò)空間提供指導意見。

1 文獻綜述

習近平總書記在2016 年4 月19 日的網(wǎng)絡(luò)安全與信息工作座談會中提出新網(wǎng)絡(luò)輿論觀，高度強調(diào)了做好網(wǎng)絡(luò)輿論工作的重要性，提出“讓互聯(lián)網(wǎng)成為我們同群眾交流溝通的新平臺，成為了解群眾、貼近群眾、為群眾排憂解難的新途徑，成為發(fā)揚人民民主、接受人民監(jiān)督的新渠道。”[2]因此，對于突發(fā)事件網(wǎng)絡(luò)輿情的研究不可小覷。

1.1 反轉(zhuǎn)類突發(fā)事件網(wǎng)絡(luò)輿情研究

當今互聯(lián)網(wǎng)環(huán)境魚龍混雜，信息發(fā)布者缺乏責任擔當與法律意識，公眾判別真假信息能力有限。與此同時，追求“流量至上”的理念使得權(quán)威信源可靠性降低，專業(yè)媒體人職業(yè)素養(yǎng)下滑，真相往往落后于公眾情緒，在一定程度上，輿論取決于公眾的情緒和態(tài)度，而非事實。近年來，輿情反轉(zhuǎn)事件頻頻發(fā)生，如“重慶公交墜江事件”“德陽女醫(yī)生自殺事件”“廣州方圓小學哮喘女孩遭體罰致吐血事件”等均引起社會廣泛關(guān)注。學界對輿情反轉(zhuǎn)事件的研究開始于2013 年《濟南日報》 發(fā)表的一篇題為《大媽訛老外：新聞?wù)嫦喾崔D(zhuǎn)誰之過》的文章[3]，此后學者對輿情反轉(zhuǎn)事件展開深入研究。研究方向基本分為輿情反轉(zhuǎn)的內(nèi)涵、形成與傳播、反轉(zhuǎn)預測等方面。黃遠對網(wǎng)絡(luò)輿論反轉(zhuǎn)的形態(tài)及其原因進行歸納分析，從原因、時間、效果三維度將網(wǎng)絡(luò)輿論反轉(zhuǎn)類型劃分為單中心 V 型反轉(zhuǎn)、雙中心 N 型反轉(zhuǎn)、螺旋式 S 型反轉(zhuǎn)和次生輿論 U 型反轉(zhuǎn)四類[4]。黃傳超等人基于Deffuant 的交互模型與CODA 行為選擇機制，構(gòu)建輿情反轉(zhuǎn)模型，將事件存在反轉(zhuǎn)可能性的指標歸納為認知偏差與個體選擇行為的變化率，模擬輿情反轉(zhuǎn)動態(tài)過程[5]。宋凱研究了社交媒體中“后真相”輿情事件的傳播機制，總結(jié)出社交媒體導致傳播者復雜化、傳播內(nèi)容生產(chǎn)的“編碼——解碼”過程、社交媒體傳播渠道及受眾的社群化、圈層化四方面的規(guī)律[6]。夏一雪通過微分方程定性分析網(wǎng)絡(luò)輿情反轉(zhuǎn)機理以及數(shù)值仿真定量分析反轉(zhuǎn)效應，提出微博用戶影響力的量化評估方法，較好地預測輿情反轉(zhuǎn)趨勢[7]。

以上研究綜述表明，研究者對輿情反轉(zhuǎn)現(xiàn)象的研究大多集中在成因、預測及治理，盡管也有學者對輿情反轉(zhuǎn)中網(wǎng)民情緒作用的影響進行探析[8]，但對于輿情反轉(zhuǎn)過程中，網(wǎng)民討論主題及情感演變的研究仍有較大空間。

1.2 一般性突發(fā)事件網(wǎng)絡(luò)輿情研究

對于一般性突發(fā)事件的研究，學界多從輿情主體、形成與演化、預警及應對治理等方面展開研討。輿情主體方面，學者們一是對識別高影響力用戶[9]——“話題發(fā)起者”“意見領(lǐng)袖”“意見扭轉(zhuǎn)者”及分析其引導輿情、轉(zhuǎn)變輿論風向的作用展開研究[10]；二是研究普通輿情參與者的行為選擇、觀點演化、情緒演變。研究微博輿情時，可以發(fā)現(xiàn)微博轉(zhuǎn)發(fā)內(nèi)容占微博內(nèi)容的很大比例，因此學者對于轉(zhuǎn)發(fā)行為的研究投入大量關(guān)注。賴勝強[11]對影響用戶微博信息轉(zhuǎn)發(fā)的因素進行研究，發(fā)現(xiàn)信息內(nèi)容特性、傳播者特性以及受眾特性與轉(zhuǎn)發(fā)行為息息相關(guān)。郭亞基于LDA 模型，綜合微博作者、用戶興趣、微博熱度因素，對用戶轉(zhuǎn)發(fā)行為進行預測，并得到較好的性能[12]。在輿情演化方面，國內(nèi)外學者在生命周期階段劃分[13,14]、主題挖掘與情感演化[15-18]、演化模型[19-21]等方面收獲頗豐。

1.3 網(wǎng)絡(luò)輿情對比分析

在網(wǎng)絡(luò)輿情對比研究分析方面，李博誠[22]將突發(fā)公共衛(wèi)生事件按照是否為人為過失型劃分，分析輿情演化過程，對比兩類事件的輿情演進方式、熱點討論話題以及情感演化。湯尚對高校意識形態(tài)網(wǎng)絡(luò)輿情進行對比分析，研究發(fā)現(xiàn)涉事高校的回應時間、回應主體、回應方式對回應效果產(chǎn)生影響[23]。賈亞敏選取38 個城市突發(fā)事件案例進行統(tǒng)計分析，揭示了城市突發(fā)事件網(wǎng)絡(luò)信息傳播的生命周期與時序變化規(guī)律[24]。楊奕[25]選取Twitter 和Weibo 兩個平臺的數(shù)據(jù)，對比復雜公共議題的主題分布、時間演化和關(guān)鍵影響者的表現(xiàn)形式及屬性差異。

盡管當前學者已經(jīng)做出網(wǎng)絡(luò)輿情對比分析，但少有對輿情反轉(zhuǎn)事件與一般性突發(fā)事件的比較分析，難以挖掘出兩類典型事件的演化規(guī)律以及提出針對性的應對對策。

本文將生命周期全過程未出現(xiàn)事件反轉(zhuǎn)、輿情反轉(zhuǎn)的突發(fā)事件定義為一般性突發(fā)事件，將在生命周期過程中出現(xiàn)由于謠言、誤報等產(chǎn)生事件反轉(zhuǎn)、網(wǎng)民態(tài)度反轉(zhuǎn)的突發(fā)事件定義為輿情反轉(zhuǎn)突發(fā)事件。意圖通過對比一般性突發(fā)事件與輿情反轉(zhuǎn)突發(fā)事件的網(wǎng)絡(luò)輿情傳播與演化規(guī)律，探析兩類事件主題與情感演變的相似與不同之處，厘清以下問題：（1）兩類事件的生命周期階段特征、演進特征如何？（2）輿情演化過程中，兩類事件的主題數(shù)量、熱議焦點、情感態(tài)度變化有何不同？（3）對兩類事件的治理與監(jiān)管方式有何異同？

2 研究設(shè)計

2.1 研究框架

本文選取2016-2020 五年間發(fā)生的典型輿情反轉(zhuǎn)事件與高影響力的一般性突發(fā)事件，利用數(shù)據(jù)采集工具——后裔采集器，獲取國內(nèi)信息承載量大、傳播速度快且范圍廣、影響力大的微博平臺數(shù)據(jù)，構(gòu)建評論語料庫與博文語料庫。在劃分輿情演化生命周期基礎(chǔ)上，結(jié)合TF-IDF 模型和Word2Vec 模型挖掘博文主題，構(gòu)建情感詞典追蹤演化過程中網(wǎng)民的情感演變。本文意圖尋求輿情演變一般性規(guī)律，并對兩類事件在生命周期階段劃分、主題及情感演化方面的異同進行比較分析，研究流程框架如圖1 所示。首先分別在輿情反轉(zhuǎn)突發(fā)事件案例與一般性突發(fā)事件案例中選取典型的、適合研究的事件。在微博搜索中，利用關(guān)鍵詞檢索，篩選出閱讀量、討論量高的話題，并爬取其中的博文與評論數(shù)據(jù)，對采集到的數(shù)據(jù)進行清洗及預處理；其次，根據(jù)生命周期理論及事件輿情發(fā)展熱度情況劃分輿情演化階段，并將Word2Vec 訓練的詞向量結(jié)果導入K-Means 聚類，結(jié)合TF-IDF 模型的詞頻結(jié)果篩選主題詞；再通過構(gòu)建并擴充完善領(lǐng)域詞典判斷評論文本情感極性；最后分析對比結(jié)果并提出應對策略。

圖1 研究流程框架圖

2.2 研究方法與步驟

2.2.1 突發(fā)事件網(wǎng)絡(luò)輿情生命周期劃分

生命周期能夠描述事物從產(chǎn)生到消亡所經(jīng)歷的一系列過程，應用到網(wǎng)絡(luò)輿情中，反映為信息從產(chǎn)生到失效的全過程，生動地表現(xiàn)出網(wǎng)絡(luò)輿情信息的不同發(fā)展階段及信息生命力[26]。

根據(jù)不同事件類型，其生命周期階段劃分也存在一定差異，一般分為三或四階段。B.T.Burkholder[27]提出三階段模型最為知名，即發(fā)生、爆發(fā)及消亡。國內(nèi)學者賈亞敏將城市突發(fā)事件網(wǎng)絡(luò)輿情信息傳播生命周期劃分為起始、爆發(fā)、衰退、平息四階段[24]。廖海涵[26]提出一般意義上的微博輿情劃分情況：萌芽、成長、衰退、平穩(wěn)。本文選取多個事例，觀察不同類型的輿情生命周期情況。

2.2.2 突發(fā)事件輿情主題提取

本文對微博文本數(shù)據(jù)預處理后，利用Python中g(shù)ensim 模塊提供的Word2Vec 工具包進行詞向量訓練，并將訓練結(jié)果導入K-Means 聚類，計算詞之間的歐氏距離，聚類主題，并結(jié)合LDA 模型識別話題，得出不同階段的輿情主題。突發(fā)事件輿情主題提取過程如圖2。

圖2 突發(fā)事件輿情主題提取

Word2vec 模型是由T.Mikolov[28]等提出的，屬于神經(jīng)網(wǎng)絡(luò)的范疇。通過將文本映射為空間向量，使得詞語間的聯(lián)系可以用向量間的運算得出其相似度表示，即訓練模型將詞語轉(zhuǎn)化成詞向量形式。從核心語言模型來說，有Skip-gram和CBOW 兩種模型[29]，分別如圖3(a)和圖3(b)。前者是輸入詞語，預測上下文概率；后者是將詞語的上下文作為輸入，預測該詞語概率。該模型因為考慮了上下文語境，因而有豐富的語義。鄧君[29]結(jié)合Word2vec 和SVM 提取“滴滴溫州女孩遇害”事件微博文本中與五類主體對象的高相似度詞語，獲得較好效果。本文的研究文本是微博評論文本，Word2vec 方法對該類文本的詞向量轉(zhuǎn)化具有較高的準確率。

圖3(a) Skip-gram 模型

圖3(b) CBOW 模型

LDA(Latent Dirichlet Allocation) 是2003 年由Blei[30]等提出的一種挖掘文本中隱含主題的層次貝葉斯模型，包含文檔、主題、詞三層，在中文話題提取中應用廣泛，其概率圖模型如圖4 所示。其中，M 為文檔數(shù)量，K 為每個文檔的潛在主題，N 為文檔中所有詞匯數(shù)量。經(jīng)過LDA 模型之后會生成主題與關(guān)鍵詞文檔，其生成過程可以總結(jié)為4 步：

圖4 LDA 文檔生成過程

1.從Dirichlet 分布中取樣，得到文檔m 的主題分布；

2.從多項分布中取樣，生成文檔m 第n 個詞的主題；

3.從Dirichlet 分布中取樣，得到主題的詞語分布；

4.從多項分布中取樣，生成關(guān)鍵詞；

2.2.3 突發(fā)事件情感演變

目前，國外對網(wǎng)絡(luò)輿情研究發(fā)展起步早，因而其情感詞典較為成熟，有LIWC、SentiWordNet等。國內(nèi)常采用大連理工大學情感詞匯本體庫、知網(wǎng)HowNet 情感詞典、臺灣大學NTUSD 簡體中文情感詞典等[31]。本文情感分析通過對用戶發(fā)表的評論進行識別，判斷其情感傾向：積極、中立、消極。選取適合分析微博、論壇、新聞等社交媒體文本的BosonNLP 情感詞典作為基礎(chǔ)情感詞典，該詞典收錄大量網(wǎng)絡(luò)用語，適合本文研究對象——微博數(shù)據(jù)。結(jié)合哈工大停用詞表、Hownet詞典中的否定詞及程度詞，并對程度詞賦予相應權(quán)重，對生命周期各階段微博評論內(nèi)容計算情感值。其中，一條評論的情感值根據(jù)評論中每句的情感詞、否定詞及程度詞權(quán)重計算累計分值，制定情感計算規(guī)則如公式(1)，當?shù)梅执笥? 時，判定為積極情感，小于0 時，判定為消極情感，否則，為中立情感。

3 實證分析

3.1 數(shù)據(jù)獲取與預處理

本文選取四類突發(fā)事件中易發(fā)生輿情反轉(zhuǎn)的事故災害事件與社會安全事件兩大類型。事故災害事例選取了貴州安順公交墜湖事件與重慶公交墜江事件；社會安全事件選取了拼多多23歲員工猝死事件與廣州方圓小學哮喘女孩遭體罰致吐血事件。

以新浪微博作為數(shù)據(jù)來源，采用高級搜索，限定關(guān)鍵字、時間、是否為“熱門”、是否為“原創(chuàng)”等條件，利用后裔采集器獲取相應博文及評論數(shù)據(jù)。使用Excel 對原始數(shù)據(jù)進行人工清理，去除重復內(nèi)容、剔除與事件不相關(guān)的帶話題營銷、蹭熱度等內(nèi)容，通過Python 去除空值、僅@其他賬號無評論、“展開全文”、“收起全文”等無效內(nèi)容。清洗數(shù)據(jù)后，利用jieba 分詞工具，對文本初步分詞，并添加新詞、不斷完善停用詞表及自用戶定義詞典，實現(xiàn)分詞結(jié)果最優(yōu)化。

表1 一般性輿情事件與反轉(zhuǎn)類輿情事件描述

3.2 數(shù)據(jù)結(jié)果分析

3.2.1 突發(fā)事件生命周期劃分

為方便闡述，本文首先對事件進行編號。將一般性突發(fā)事件中的安順公交墜湖事件編號為1-1，拼多多23 歲員工猝死事件編號為1-2，將反轉(zhuǎn)類突發(fā)事件中的重慶萬州公交墜江事件編號為2-1，廣州方圓小學哮喘女孩遭體罰致吐血事件編號為2-2。根據(jù)相關(guān)事件發(fā)生前、中、后期的瀏覽、討論量，結(jié)合生命周期劃分方法，劃分兩類事件輿情生命周期，結(jié)果呈現(xiàn)如圖5(a)、5(b)、5(c)、5(d)。

圖5(a) 事件1-1 輿情演化熱度圖

圖5(b) 事件1-2 輿情演化熱度圖

圖5(c) 事件2-1 輿情演化熱度圖

圖5(d) 事件2-2 輿情演化熱度圖

統(tǒng)計7 月7 日至7 月14 日的微博博文發(fā)布量，發(fā)現(xiàn)事件1-1 事發(fā)突然，并無發(fā)生征兆及預警，因此并無潛伏期。將演化階段劃分為爆發(fā)期（2020 年7 月7 日）、波動期（2020 年7 月8 日至2020 年7 月11 日）、二次爆發(fā)期（2020 年7 月12日至2020 年7 月13 日）、衰退消亡期（2020 年7月14 日之后）。

事件1-2 最先在網(wǎng)絡(luò)中出現(xiàn)是由脈脈用戶于2020 年12 月29 日發(fā)布，直到1 月3 日才在微博中激起水花，且該社會事件涉及廣大的打工人士，討論周期較長，設(shè)置為14 天。本文將采集微博數(shù)據(jù)時間設(shè)置為2020 年12 月29 日-2021年1 月16 日。將生命周期劃分為潛伏期（2020 年12 月29 日-2021 年1 月2 日）、爆發(fā)期（2021 年1 月3 日-2021 年1 月5 日）、衰退消亡期（2021年1 月6 日-2021 年1 月16 日）。

事件2-1 發(fā)生于2018 年10 月28 日，本文以14 天為生命周期，爬取10 月28 至11 月10日的博文及評論數(shù)據(jù)。該事件生命周期劃分為爆發(fā)期（2018 年10 月28 日=2018 年10 月29 日）、衰退期（2018 年10 月30 日=2018 年11 月1 日）、二次爆發(fā)期（2018 年11 月2 日-2018 年11 月3日）、長尾平息期（2018 年11 月4 日-2018 年11月10 日）。

事件2-2 事件生命周期短，以3 小時為單位劃分時間窗，根據(jù)討論熱度圖將該事件輿情生命周期階段劃分為：潛伏期（2020 年5 月30 日0：00-2020 年5 月30 日9:00）、爆發(fā)期（2020 年5月30 日9:00-2020 年5 月30 日15:00）、回落期（2020年5月30日15:00-2020年5月31日3:00）、二次爆發(fā)波動期（2020 年5 月31 日3:00-2020年5 月31 日21:00）、長尾期（2020 年5 月31 日21：00-2020 年6 月2 日9:00:）?？梢詺w為三階段：輿情爆料與回應、輿情反轉(zhuǎn)階段、輿情平息期。

通過比對一般性突發(fā)事件及反轉(zhuǎn)類突發(fā)事件的網(wǎng)絡(luò)輿情生命周期長度及演進方式，發(fā)現(xiàn)反轉(zhuǎn)類突發(fā)事件網(wǎng)絡(luò)輿情通常比一般性突發(fā)事件網(wǎng)絡(luò)輿情的生命周期長且復雜。由于一般性突發(fā)事件相關(guān)責任方明確、事件發(fā)生前因后果清晰，爆發(fā)快且初期階段熱度高，但伴隨著輿情逐步深入發(fā)酵，討論持續(xù)時間短，討論熱度達到峰值后便走向衰退平息，而反轉(zhuǎn)事件在爆出反轉(zhuǎn)后討論熱度比事件起初爆發(fā)更高。另外，由于事件1-1與2-1 均屬于事故災害事件，存在官方通報的后續(xù)，往往會引發(fā)再次討論，因此均有二次的爆發(fā)周期。從演進方式看，結(jié)合杜洪濤[32]等人對突發(fā)事件網(wǎng)絡(luò)輿情演化模式研究，影響輿情演進方式的因素主要有人群范圍、地域面積、事件嚴重等級等靜態(tài)因素以及政府或企業(yè)等利益主體介入及輿情衍生等動態(tài)因素。一般性突發(fā)事件主要受靜態(tài)因素影響，其演進方式以單峰型為主，而反轉(zhuǎn)類突發(fā)事件往往在官方發(fā)布消息后出現(xiàn)二次峰值，呈現(xiàn)雙峰甚至多峰的演進形式。

3.2.2 突發(fā)事件文本內(nèi)容分析

從微博用戶對社會性事件討論的文本內(nèi)容，即輿情本體角度出發(fā)，結(jié)合Word2vec 模型與K-Means 聚類，識別輿情演化各階段的主題數(shù)量及內(nèi)容，再比對LDA 主題模型結(jié)果，觀測一般突發(fā)事件網(wǎng)絡(luò)輿情與反轉(zhuǎn)類事件網(wǎng)絡(luò)輿情主題演變的異同。兩類事件主題數(shù)量統(tǒng)計結(jié)果如表2 所示，主題內(nèi)容提取選擇部分結(jié)果呈現(xiàn)，如表3、表4 所示。此外，為增強主題演變的可視性，本文繪制輿情演化各階段關(guān)鍵詞詞云圖，選擇部分結(jié)果呈現(xiàn)，如圖6 所示。

表2 兩類事件主題數(shù)量統(tǒng)計結(jié)果

圖6 事件1-1 輿情演化各階段關(guān)鍵詞詞云圖

表3 事件1-2 輿情演化各階段主題抽取結(jié)果

表4 事件2-1 輿情演化各階段主題抽取結(jié)果

1司機 大媽 潑婦 素質(zhì) 沖動過站第三階段官方發(fā)布視頻后，網(wǎng)友對肇事者沖動與司機爭執(zhí)表示憤怒2乘客 冷漠 制止 素質(zhì) 責任保護討論車內(nèi)乘客的態(tài)度3司機 剎車 停車 法律 隔離故意討論司機偏激的處理方式1實事求是 寓言故事 女司機疑鄰偷斧對事故原因反轉(zhuǎn)的反思第四階段2無辜 生命 安息 逝者 乘客回家同情無辜生命的逝去3負責 賠償 司機 大媽 法律責任對事故責任劃分和賠償問題的討論

本文從主題數(shù)量、主題內(nèi)容兩方面對一般性突發(fā)事件及反轉(zhuǎn)類突發(fā)事件的文本內(nèi)容進行對比研究。不難發(fā)現(xiàn)，反轉(zhuǎn)類突發(fā)事件的主題數(shù)量普遍多于一般性突發(fā)事件。究其原因，主要有：

（1）情緒驅(qū)動機制

我國社交媒體傳播實踐賦予了“后真相”本土化特色，即“后真相”輿情事件的出現(xiàn)領(lǐng)域從政治事件延伸到社會公共事件。網(wǎng)民對涉及教育問題、公共衛(wèi)生、公共安全、勞資關(guān)系、兩性關(guān)系等方面的社會公共事件表現(xiàn)出強烈的轉(zhuǎn)發(fā)擴散、想法表達、情感傾訴的需求，而情緒驅(qū)動下的海量碎片信息傳播使事件很難以原本的樣貌在輿論場中運動，故網(wǎng)民討論的話題五花八門。此外，信息過載帶來的“信息繭房”用同質(zhì)化的信息將網(wǎng)民的思想認知禁錮，使其難以辨別事件真假、更難以用辯證思維看待事件，取而代之的是用同質(zhì)化的，尤其是負面的情緒去宣泄、傳播以引發(fā)更多衍生話題的討論。在反轉(zhuǎn)事件網(wǎng)絡(luò)輿情中，網(wǎng)民情緒更為復雜多變，因此討論的話題也多于一般性突發(fā)事件網(wǎng)絡(luò)輿情。

（2）反沉默螺旋理論

早在1974 年，德國傳播學家諾埃勒·諾依曼遍提出了“沉默螺旋”理論[33]，即當人們發(fā)現(xiàn)自己處于大多數(shù)人的陣營中時，更傾向于積極表達觀點，反之，則趨向于沉默。而后起的“反沉默螺旋”理論則是在輿論主體多元化、個性化、發(fā)表觀點匿名化等基礎(chǔ)上建立的。根據(jù)“反沉默螺旋”理論，即使自身觀點不符合主流群體的情況下，網(wǎng)民也敢于抒發(fā)己見，暢所欲言。當事件發(fā)生反轉(zhuǎn)時，無論此前是否發(fā)表過觀點，網(wǎng)民都傾向于表達對事件本身及反轉(zhuǎn)的看法。

從主題內(nèi)容看，對于一般性事件，民眾關(guān)注焦點主要在：①各大媒體對事件的報道及求知發(fā)生原因；②對事件中利益受損方的同情及責任方的指責；③對事件處理結(jié)果及解決方案的討論；④對以往類似事件的討論。對于反轉(zhuǎn)輿情事件，民眾對以下主題討論更多：①對官方回應的關(guān)注；②對惡意發(fā)布及傳播虛假信息行為的唾棄；③對反轉(zhuǎn)原因的反思；④對事件處理結(jié)果的關(guān)注；⑤對以往類似事件的回顧。盡管兩類事件關(guān)注主題各有側(cè)重，但也有一些共同之處，如對事件處理結(jié)果的關(guān)注及對以往相似事件的回憶。本質(zhì)上看，目的都是為了避免類似問題的發(fā)生，并且都遵循著“事件引起關(guān)注——追蹤事件走向——關(guān)注調(diào)查進展、官方報道——事后復盤”的一般規(guī)律。

3.2.3 突發(fā)事件評論情感分析

本文根據(jù)情感計算規(guī)則計算出情感值后，分別統(tǒng)計出各階段的積極、消極、中性的評論條數(shù)，根據(jù)微博用戶評論信息中包含的情緒，發(fā)現(xiàn)并總結(jié)兩類事件生命周期演化階段的情感極性變化情況。

如圖7(a)、7 (b)、7 (c)、7 (d)，研究結(jié)果表明：①無論是一般性突發(fā)事件還是輿情反轉(zhuǎn)突發(fā)事件，消極情緒占比普遍高于積極情緒，直到事件進入衰退長尾期，依然是負面情緒占優(yōu)勢。由事件1-1 和2-1 的輿論情緒占比情況可以看出，在官方發(fā)布通告后，網(wǎng)民消極情緒占比甚至超過通報之前，可見故意引發(fā)重大交通事故、危害人身安全、造成社會恐慌的事件足以引起公憤，甚至導致對社會安全感的懷疑。②從對比角度出發(fā)，輿情反轉(zhuǎn)突發(fā)事件在事件發(fā)生反轉(zhuǎn)后網(wǎng)民表達情緒比反轉(zhuǎn)前成倍上漲，且負面情緒完全爆發(fā)，其中包含個人情感被欺騙、被利用的憤怒及對謠言信息發(fā)布與傳播責任方的斥責。而在一般性突發(fā)事件網(wǎng)絡(luò)輿情中，網(wǎng)民表達情緒熱情與時間呈現(xiàn)負相關(guān)趨勢，且負面情緒相較于反轉(zhuǎn)事件有所減弱。③在輿情反轉(zhuǎn)事件中，積極情緒在演化階段后期呈現(xiàn)出上升趨勢，表明官方發(fā)布公告對于輿情的正向引導發(fā)生一定作用。事件2-2 是關(guān)于校園安全、教育問題的事件，在經(jīng)過官方介入，指出惡劣事件為造假后，積極情緒表現(xiàn)在對相關(guān)部門作為的支持與對社會向上向善向好的美好愿景。

圖7(a) 事件1-1 階段情緒分布情況

圖7(b) 事件1-2 階段情緒分布情況

圖7(c) 事件2-1 階段情緒分布情況

圖7(d) 事件2-1 階段情緒分布情況

4 結(jié)論與建議

本文以突發(fā)事件中易發(fā)生反轉(zhuǎn)的事故災害事件與社會安全事件為案例，按照討論熱度劃分演化階段，利用LDA 方法提取各階段主題，構(gòu)建情感得分規(guī)則判斷各階段情感傾向，結(jié)合主題與情感分析兩類事件演化規(guī)律的異同結(jié)合本文研究結(jié)論，對兩類突發(fā)事件網(wǎng)絡(luò)輿情治理提出對應策略：

（1）把握共同特征，抓住關(guān)鍵角色

從應對措施共同點角度出發(fā)，無論是一般性突發(fā)事件，還是輿情反轉(zhuǎn)突發(fā)事件，都需要牢牢抓住意見領(lǐng)袖、媒體人、政府部門[34]等關(guān)鍵點。意見領(lǐng)袖對引導其粉絲群體的作用不可小覷，應當在對事實真相有所把握的情況下，結(jié)合自身具備的專業(yè)知識理性發(fā)言，正確引導粉絲。媒體人作為發(fā)布、追蹤事件的領(lǐng)頭角色，應當不以“流量密碼”為首要追求，而以探尋事實真相為永恒目標；不以看戲態(tài)度刺激民眾情緒，而以職責擔當糾正民眾價值偏差。這要求媒體人堅定樹立責任意識、不斷提高專業(yè)素養(yǎng)、不忘初心科學求真。政府部門面對網(wǎng)絡(luò)輿情，應當及時、正面、正確回應，規(guī)避以往刪帖、清空話題等阻止信息傳播的方式，利用好網(wǎng)絡(luò)這把雙刃劍，把握民生關(guān)切、引導公眾情緒。

（2）加強輿情動態(tài)監(jiān)測，做好輿情危機預警

在網(wǎng)絡(luò)普及程度極高、民眾參與網(wǎng)絡(luò)治理的時代，輿情演化的生命周期也在不斷縮短，但這并不意味著可以放任輿情發(fā)酵、坐等其自滅，因為惡劣事件的傳播雖然在網(wǎng)絡(luò)世界中暫時停下腳步，卻會在人們心中埋下一顆隨時爆炸的地雷。得益于網(wǎng)絡(luò)的發(fā)展，大數(shù)據(jù)在輿情監(jiān)測方面能夠大展拳腳，相關(guān)部門應當加強輿情監(jiān)測的技術(shù)手段，對熱點信息、熱議焦點、網(wǎng)民情緒實時把控，及時關(guān)注事件進展，做好輿情危機預警，謹防事態(tài)嚴重化、不可控化。

（3）提高政府辦事能力，積極應對輿情反轉(zhuǎn)

由于公眾素質(zhì)難以短時間普遍提高，且限制信息發(fā)布人群可執(zhí)行性低，而公眾群體數(shù)量龐大、影響范圍廣、發(fā)聲渠道多、互聯(lián)網(wǎng)傳播速度快，所以輿情反轉(zhuǎn)無法避免。對于反轉(zhuǎn)類突發(fā)事件，相關(guān)部門更應當提高辦事效率、及時公開調(diào)查進展，減少謠言滋生傳播機會，不斷提升公信力；加強輿論監(jiān)督工作，對媒體報道及公眾言論進行嚴格審查；建立懲戒機制、加強對造謠者的打擊力度。

本文創(chuàng)造性地提出一般性突發(fā)事件網(wǎng)絡(luò)輿情概念，對一般性突發(fā)事件及反轉(zhuǎn)類突發(fā)事件網(wǎng)絡(luò)輿情進行了初步對比研究，通過對兩類事件的生命周期階段劃分、主題與情感演變情況的比較，探究兩類輿情事件的演化規(guī)律，并提出治理建議。一方面，本研究豐富了網(wǎng)絡(luò)輿情研究的現(xiàn)有內(nèi)容；另一方面，也為相關(guān)部門結(jié)合已有的對輿論反轉(zhuǎn)預測的研究，在事件發(fā)生發(fā)酵時，依據(jù)該事件是否有反轉(zhuǎn)的可能性，做出有的放矢的輿情治理應對決策提供理論支持，使其能夠在事件反轉(zhuǎn)前做出緊急預警，以防輿論發(fā)酵衍生帶來的嚴重后果。