標簽與情感性對政務微博網(wǎng)民參與度的影響研究

李一嘯 羅春華 林葭瑩

摘要：[目的/意義] 旨在探索政務微博網(wǎng)民參與程度的影響因素，為政務微博運營提供參考建議。[方法/過程]基于某政務微博賬號2015年11月至2017年10月的微博數(shù)據(jù)，分析標簽使用與網(wǎng)民參與度之間關系，研究微博文本內容的情感性對網(wǎng)民參與度的影響。[結果/結論]政務微博標簽具有本地化特點，標簽的使用會提高網(wǎng)民參與度;微博文本內容的情感性影響網(wǎng)民參與度，情感積極的微博比情感消極的微博帶來更高的網(wǎng)民參與度。本研究結果對于提升政務微博的網(wǎng)民參與水平具有借鑒意義。

關鍵詞：政務微博;情感分析;標簽;網(wǎng)民參與

分類號：G203

1? 引言

社交媒體在滲透人類生產生活的同時，拓展了政府社會管理的時空界限，帶來了政府社會管理手段和機制上的創(chuàng)新[1]。微博是一類廣播式社交媒體，微博用戶發(fā)布的簡短信息可被其他用戶轉發(fā)、評論、點贊等。微博的興起催生了一種新的政務媒介——政務微博：政府機構在各類微博平臺上開設相關賬號，發(fā)布政務信息、進行信息交流、提供公共服務。據(jù)《2017政務指數(shù)·微博影響力報告》統(tǒng)計[2]，截至2017年底，新浪微博平臺認證的政務微博達到173 569個。中央政府在新浪微博、人民微博等各大微博平臺上均開設了官方微博賬號。浙江省人民政府網(wǎng)站上設置了“微博頻道”，匯集了“浙江發(fā)布”“浙江公安”“浙江普法”等本省范圍內的重要政務微博。政務微博中的一類重要群體是城市政務微博，如“上海發(fā)布”“北京發(fā)布”等。該類微博通常是一個城市在微博網(wǎng)絡上的門戶，一般由該市政府新聞辦運營，發(fā)布各類信息。由于城市互聯(lián)網(wǎng)普及率較高等原因，城市政務微博吸引了大量微博用戶關注，如“上海發(fā)布”有超過650萬的關注量（截至2018年9月）。

各級政府高度重視政務微博建設，政務微博賬號數(shù)量逐年上升，然而政務微博的運營容易受到忽視。研究表明，單向信息發(fā)布、缺乏互動交流、信息發(fā)布滯后等問題制約著政務微博的發(fā)展[3-4]。以公民為中心的電子治理理論[5-6]認為，互聯(lián)網(wǎng)技術的應用使得傳統(tǒng)的、以政府中心的公共服務向以公民為中心的公共服務轉變，從而提高公民的滿意度以及參與程度。政務微博的網(wǎng)民參與程度是政務微博服務質量、政民互動水平的重要體現(xiàn)。城市政務微博擁有大量粉絲，研究城市政務微博網(wǎng)民參與度的影響因素對于各級各類政務微博的推廣和應用具有重要參考價值。筆者利用所獲取的國內沿海某市門戶微博賬號的長時間跨度數(shù)據(jù)，從微博內容分析的角度研究城市政務微博網(wǎng)民參與度的影響因素，并在此基礎上對城市政務微博的運營提出相應建議。在政務微博運營中，使用標簽、運用情感等策略體現(xiàn)了以公民為中心的思想。結合相關研究熱點，本文主要針對如下兩個問題展開分析：①政務微博標簽的使用能否提高網(wǎng)民參與度？②政務微博情感的運用能否提高網(wǎng)民參與度？

2? 文獻綜述

政務微博一般指的是政府部門或其授權機構在微博平臺上認證開通的微博，一些研究或統(tǒng)計報告也將政府工作人員經(jīng)認證的微博歸為政務微博。隨著微博的蓬勃發(fā)展，政務微博在全世界范圍內得到了廣泛應用[7-9]。A. L. Kavanaugh等[10]對美國弗吉尼亞州阿靈頓地區(qū)的政府官員使用Twitter等社交媒體的情況進行了大范圍調查，該研究重點分析了政務社交媒體在應急管理中的應用情況。韓國學者對韓國中央政府使用Twitter的情況進行了分析，認為政務微博的應用促使電子政府（e-government）向“社會化”政府（social government）轉變[11]。曹勁松[12]對政務微博的使用情況展開了研究，分析了政務微博的傳播特點，總結出政務微博具有及時傳播信息、引領輿情、增加政民互動、提升政府形象的作用。鄭磊[4]探討了中國政府機構在運用政務微博過程中的外部動機、挑戰(zhàn)以及內部潛力。

在政務微博使用過程中，網(wǎng)民通過轉發(fā)、評論、點贊等在線行為參與各類角色的互動中。網(wǎng)民參與程度能夠反映政務微博運營狀況與服務水平，政務微博網(wǎng)民參與研究的一個重要視角為基于政務微博發(fā)布內容的分析。鄭磊等[13]采用內容分析方法對中國范圍內若干具有代表性的政務微博賬號展開了分析，研究發(fā)現(xiàn)大多數(shù)政務微博更多地在進行自我推介而不是提供服務，政府和民眾之間缺乏互動。該論文通過時序數(shù)據(jù)分析也發(fā)現(xiàn)了政務微博的運營能力在不斷提升。劉曉娟等[14]基于全國百大政務機構微博分析了微博內容、發(fā)布時間以及來源機構特征等維度特征與用戶轉發(fā)行為之間的相關性，研究了影響政務微博傳播效果的主要因素。王國華等[15]以中國東中西部三座城市的公安政務微博賬號為例，對比分析了所發(fā)布微博的內容、形式，并進一步基于轉發(fā)量、評論量、點贊量等指標對參與程度進行了分析。N. DePaula等[16]將政務社交媒體發(fā)布內容劃分為四類：信息提供、輸入查找、線上對話與線下互動、象征表達。N. DePaula等[17]進一步研究了政務微博社交媒體內容類型對網(wǎng)民參與程度的影響。情感分析主要基于自然語言處理、機器學習等技術將文本信息按照情感狀態(tài)分為若干類型，常見的分類有積極、中性和消極三類。S. M. Zavattaro等[18]基于情感分析技術分析了美國地方政府微博，研究了微博語調等因素與公民參與之間的關系。馮小東等[19]基于文本挖掘方法對公眾與政務微博的興趣與情感匹配程度進行了測量，并進一步研究了兩類因素在公眾參與政務微博傳播中的影響作用。徐月梅等[20]設計了政務微博轉發(fā)規(guī)模的預測模型，通過引入文本內容特征提高模型預測精度。

標簽（hashtag）是微博等社交媒體平臺上對發(fā)布內容進行簡短概述或標注的短文本。新浪微博等國內平臺上的標簽通過一對“#”符號來標記。微博標簽也是微博發(fā)布內容的一部分，使用同樣或相似標簽的微博往往具有主題相關性，便于用戶檢索。微博標簽在突發(fā)事件信息傳播中具有一定的潛在應用價值[21]。K. A. Lachlan等[22]基于標簽提取了Twitter上與某大規(guī)模天氣災害相關的微博，對比分析了地方性和全國性標簽的作用。A. T. Chatfield等[6]對比研究了印尼某火山噴發(fā)中基于政府網(wǎng)站和微博標簽使用的應急信息傳播，指出了微博可作為政府快速有效地傳播危險感知和災難信息給公眾的一個多向交流工具。

通過回顧相關文獻，結合本文的關注重點，總結發(fā)現(xiàn)：①政務微博的內容分析研究較少關注標簽的作用;②基于城市政務微博等綜合性政務微博發(fā)布內容的全面分析較為缺乏;③城市政務微博的日常運營中標簽使用、情感運用等對網(wǎng)民參與的影響作用有待進一步認識?；诖耍疚膶⒁阅吵鞘姓瘴⒉┏掷m(xù)2年時間里的發(fā)布微博數(shù)據(jù)為基礎，重點從標簽使用、情感運用2個方面對城市政務微博日常運營情況下網(wǎng)民參與情況進行分析，探尋提升網(wǎng)民參與度的途徑，為設計合理規(guī)范的城市政務微博運營策略提供建議和參考。

3? 概念界定與研究思路

3.1? 概念界定

以公民為中心的電子治理理論[5，-6]強調通過應用社交媒體等新型互聯(lián)網(wǎng)技術使得普通公民能夠參與社會治理過程。微博平臺具有高交互性、高便捷性等特點，因而成為以公民為中心的公共服務的一類重要載體。在政務微博運營過程中，政府或權威機構通過發(fā)布信息引領輿情、與民互動等。政務微博服務依托于微博平臺，民眾主要通過微博平臺提供的各類用戶功能參與政務微博服務的過程。微博平臺提供給用戶發(fā)帖、轉發(fā)、評論、點贊等功能，但政務微博發(fā)布主要由政府或權威機構完成，普通民眾在參與政務微博服務過程中主要使用轉發(fā)、評論、點贊等功能。因此，本文將政務微博的網(wǎng)民參與度定義為網(wǎng)民在參與政務微博傳播過程中轉發(fā)、評論、點贊等傳播行為的水平。針對某一條政務微博，能夠通過該條微博的轉發(fā)數(shù)、評論數(shù)、點贊數(shù)等數(shù)量指標對網(wǎng)民參與度進行測量。

3.2? 研究方法與思路

城市政務微博研究樣本的選取需要考慮其本身發(fā)展水平，水平較高的樣本在運營上具有較高的參考價值。城市政務微博發(fā)展水平依賴于地方電子政務整體發(fā)展水平、地方經(jīng)濟發(fā)展水平等因素。綜合考慮這些因素，選擇“杭州發(fā)布”作為研究樣本。杭州位于東南沿海地區(qū)，經(jīng)濟相對發(fā)達，電子政務基礎較好。“杭州發(fā)布”作為杭州市政府新聞辦公室的官方微博，在新浪微博、人民微博等主流平臺上均注冊認證了官方賬號。以新浪微博上的“杭州發(fā)布”為例，自2014年8月上線運營以來，已經(jīng)發(fā)布了超過40 000條微博，擁有約328萬粉絲量（截至2018年9月）。

新浪微博是最大的中文微博平臺，該平臺上的“杭州發(fā)布”賬號是本文研究的數(shù)據(jù)來源。本文基于模擬登陸機制實現(xiàn)了一個Python網(wǎng)絡爬蟲，采用多賬號輪循登陸微博進行數(shù)據(jù)采集，合理規(guī)避微博平臺上單位時間內訪問頻次限制問題。為了全景式分析“杭州發(fā)布”的日常運營情況，本文采集了2015年11月1日至2017年10月31日期間“杭州發(fā)布”發(fā)布的所有微博的相關數(shù)據(jù)，共計18 667條，時間跨度達2年。在此段時間窗口里，“杭州發(fā)布”的微博標簽使用率在逐步上升，最終穩(wěn)定在95%以上。因此，此段時間窗口數(shù)據(jù)有助于分析政務微博標簽使用的作用。

獲取的數(shù)據(jù)集包含每條微博的發(fā)布時間、標簽、文本內容、點贊數(shù)、轉發(fā)數(shù)、評論數(shù)、圖片數(shù)等字段。研究中采用的數(shù)據(jù)分析方法包括描述性統(tǒng)計分析、詞頻分析、相關性分析、情感分析等。情感分析采用了百度自然語言處理服務平臺，通過Python調用該平臺提供的API接口。該平臺的情感傾向分析算法基于深度學習方法，能夠對文本進行情感極性分類并給出分類置信度。

4? 分析結果

4.1? 基本分析

在選取的時間窗口里，“杭州發(fā)布”共發(fā)布了18 667條微博，日平均發(fā)布微博25.54條。從微博發(fā)布頻率上來看，“杭州發(fā)布”活躍度較高，信息量較大。發(fā)布時間一般在早7點至晚10點之間，符合網(wǎng)民日常使用微博的時間規(guī)律。“杭州發(fā)布”所有微博的平均轉發(fā)數(shù)、評論數(shù)、點贊數(shù)分別為39.26次、15.47次、11.68次。在所有微博中，使用標簽的微博達到15 843條，未使用標簽的微博共2 824條。一條主題為“如果讓你學習一門中國國粹，你會學什么”的微博產生了單條微博的最大轉發(fā)數(shù)（7 260）、評論數(shù)（13 228），其標簽為“漲姿勢”。一條主題為“杭州進一步升級房地產市場調控措施”的微博產生了單條微博的最大點贊數(shù)（7 861），其標簽為“權威發(fā)布”。

某條微博的轉發(fā)數(shù)、評論數(shù)、點贊數(shù)反映了該條微博對網(wǎng)民的吸引力，因此本文選取這三項指標來測量網(wǎng)民參與度。首先對全部微博的轉發(fā)數(shù)、評論數(shù)、點贊數(shù)進行相關性分析，兩兩之間的Pearson相關系數(shù)如表1所示。根據(jù)系數(shù)水平，轉發(fā)數(shù)、評論數(shù)、點贊數(shù)兩兩之間存在相關性;其中，轉發(fā)數(shù)與評論數(shù)、點贊數(shù)與評論數(shù)之間相關性較強。

4.2? 標簽分析

在使用標簽的所有微博中，約98.9%的微博使用了1個標簽，僅有極少量的微博使用了多個標簽。圖1是所有標簽形成的詞云，該圖基于Python的詞云庫生成。圖中字號越大表示使用頻度越高，因此可以直觀看出使用頻度較高的標簽。

通過去重，總共獲得了546個標簽。圖2進一步展示了使用次數(shù)居于前10位的標簽。標簽的使用量最高的是“杭州生活”，使用次數(shù)突破2 000次;“關注”和“漲姿勢”分別位居第二、第三。不難發(fā)現(xiàn)前十大的標簽里有5個直接與杭州有關。對所有標簽進行統(tǒng)計后發(fā)現(xiàn)，跟杭州有關的標簽占比達到50%以上。由于微博標簽大致反映微博內容的主題，可見“杭州發(fā)布”發(fā)布的微博內容以杭州本地信息為主。

圖3展示了按月統(tǒng)計的微博標簽使用情況。在2015年12月至2016年3月期間，“杭州發(fā)布”的微博標簽使用率快速增長。隨后，微博標簽使用率增長趨穩(wěn)。到本段時間窗口結束時，使用標簽的微博占比已經(jīng)趨近于100%。此段時間窗口數(shù)據(jù)展現(xiàn)了“杭州發(fā)布”運營中標簽使用的變化，也因此提出標簽使用是否有助于提升網(wǎng)民參與度這一問題。

圖4對比了有無標簽微博的平均轉發(fā)數(shù)、評論數(shù)和點贊數(shù)，按照半年進行統(tǒng)計。從圖上可以看出，除了2015年11月至2016年4月間的轉發(fā)數(shù)，同一時間段里有標簽微博的統(tǒng)計指標均高于無標簽微博的相應統(tǒng)計指標。可見，標簽的使用能夠提升微博的點贊數(shù)、評論數(shù)和轉發(fā)數(shù)。因此，圖4解釋了圖3中標簽使用率增長的現(xiàn)象：“杭州發(fā)布”的運營團隊正確把握了標簽使用的策略，做到了盡可能在每條微博中使用標簽。

為了進一步檢驗標簽使用的效應，將所有微博按照有無標簽劃分為兩個總體，分別檢驗轉發(fā)數(shù)、評論數(shù)和點贊數(shù)是否有顯著差別。在方差分析時，Levene檢驗表明這三類數(shù)據(jù)均不滿足方差齊性假設。因此，選用了Mann-Whitney U檢驗這一非參數(shù)方法進行下一步分析。在0.05的置信水平下，轉發(fā)數(shù)、評論數(shù)和點贊數(shù)對應的顯著性值均小于0.001。因此表明有標簽微博與無標簽微博在轉發(fā)數(shù)、評論數(shù)和點贊數(shù)上存在顯著性差異。

4.3? 情感分析

對546個獨立標簽進行情感性統(tǒng)計的結果如圖5所示，正向情感的標簽占比最大。進一步對18 667條微博的文本進行情感性計算分析，三類情感微博的比例如圖6所示。正向情感的微博達到了85.05%，也就是說“杭州發(fā)布”的微博內容以積極情感為主。

將所有微博按照情感性劃分為三個總體，分別對轉發(fā)數(shù)、評論數(shù)和點贊數(shù)進行差異顯著性檢驗。Levene檢驗表明這三類數(shù)據(jù)均不滿足方差齊性假設，因此不適用方差分析?？紤]到根據(jù)情感劃分的三個總體，采用了Kruskal-Wallis檢驗這一非參數(shù)方法進行進一步分析。結果表明，轉發(fā)數(shù)、評論數(shù)和點贊數(shù)對應的顯著性值均小于0.001（0.05為顯著性水平）。因此，三類不同情感的微博在轉發(fā)數(shù)、評論數(shù)和點贊數(shù)上存在顯著性差異。

圖7進一步展示了三類不同情感微博的平均轉發(fā)數(shù)、評論數(shù)和點贊數(shù)。正向、中性情感微博的平均評論數(shù)、點贊數(shù)明顯高于負向情感微博的平均評論數(shù)、點贊數(shù);正向情感微博的平均轉發(fā)數(shù)高于負向情感微博的平均轉發(fā)數(shù)，而中性情感的平均轉發(fā)數(shù)略低于負向情感微博的平均轉發(fā)數(shù)。因此，正向情感微博的網(wǎng)民參與度高于負向情感微博的網(wǎng)民參與度。

5? 討論

本文選取了“杭州發(fā)布”一段有代表性的時序數(shù)據(jù)，選擇微博轉發(fā)數(shù)、評論數(shù)、點贊數(shù)作為網(wǎng)民參與度指標，對這些指標兩兩之間的相關性進行了分析;分析了微博標簽使用隨時間變化的情況，研究了標簽使用對網(wǎng)民參與度的影響;通過對微博文本內容情感性的分析，研究了微博情感性與網(wǎng)民參與之間的關系。接下來就本文的主要結論展開探討。

第一，政務微博的網(wǎng)民參與度指標之間存在相關性。通過對18 667條微博的大數(shù)據(jù)分析，發(fā)現(xiàn)轉發(fā)數(shù)、評論數(shù)、點贊數(shù)兩兩之間是相關的。這種相關性表明了網(wǎng)民的轉發(fā)、評論、點贊等在線行為均能反映網(wǎng)民參與互動的意愿。在設計政務微博的績效評估指標體系時，這些指標均應納入，同時也要考慮指標之間的相關性。此外，通過對比發(fā)現(xiàn)，評論數(shù)與轉發(fā)數(shù)、評論數(shù)與點贊數(shù)之間相關性較強。這在一定程度上反映了評論在政務微博互動參與過程中的重要性。通過政務微博等平臺，網(wǎng)民的評論不僅加強了政民互動，也擴大了網(wǎng)民與網(wǎng)民之間的討論與交流。這是政務微博的信息服務供給功能之外，另外一種公共管理價值的體現(xiàn)：網(wǎng)民通過政務微博等政務新媒體參與公共評議。

第二，微博標簽的合理使用有助于提升政務微博網(wǎng)民參與度。在本文所選取的這段時序數(shù)據(jù)里，微博標簽的使用率不斷提升，并最終超過95%。通過對比網(wǎng)民參與度指標，有標簽微博在整體表現(xiàn)上超過無標簽微博，從而解釋了“杭州發(fā)布”提高標簽使用率的動機。學術界對突發(fā)事件中標簽使用的分析較為關注，而政務微博日常運營中標簽使用的相關研究較少;大量政務微博賬號在實際運營中也往往忽視這一問題。本文研究結論有助于補充對政務微博標簽作用的認識。分析中也發(fā)現(xiàn)“杭州發(fā)布”標簽具有本地化特點，表明城市政務微博在發(fā)布內容上呈現(xiàn)強烈的地域性。

第三，正向情感的微博比負向情感的微博帶來更高的網(wǎng)民參與度。本文數(shù)據(jù)分析表明，正向情感的語言表達在政務微博的發(fā)布比例上占有絕對優(yōu)勢。通過比較分析，正向情感微博的網(wǎng)民參與度顯著高于負向情感微博的網(wǎng)民參與度。本文研究結論與S. M. Zavattaro等[18]的研究結論較為相似，都表明了政務微博采用積極情感表達能夠提升網(wǎng)民參與度。相比于S. M. Zavattaro等[18]的研究，本文數(shù)據(jù)量是其三倍以上，同時本文分析指標更加全面。本文分析結果中也表明中性情感微博在平均評論數(shù)和點贊數(shù)上超過積極情感微博。考慮到中性情感微博比例很?。▋H約2.64%）、情感分析算法影響等因素，這一結果有待后續(xù)結合微博話題分析等手段展開深入研究。

6? 啟示與局限

6.1? 管理啟示

（1）政府部門在運營政務微博中應重視標簽的使用，探索通過標簽使用提高網(wǎng)民參與度的具體運營策略。通過對“杭州發(fā)布”長達2年的數(shù)據(jù)分析，發(fā)現(xiàn)使用標簽有助于增加網(wǎng)民的轉發(fā)、評論、點贊等在線行為，標簽呈現(xiàn)本地化特點。政務微博服務是一項“輕量級”公共服務，盡管大量政務微博賬號已上線，但其運營管理缺乏人力、財力等。因此，類似于標簽使用的輕量級運營策略值得推廣和借鑒。政務微博的運營者在發(fā)布微博時，可花費少量時間考慮相應的標簽，以期提高網(wǎng)民參與。城市政務微博等地域性微博可考慮根據(jù)地方特色設計一套標簽體系，其他類型的政務微博也可考慮在標簽中體現(xiàn)相應的特色。

（2）政務微博的發(fā)布內容應以積極向上的情感為主，向網(wǎng)民傳遞正能量、避免負面情緒導向。結合本文對中國政務微博的分析及國外文獻對他國政務微博的分析，正向情感的政務微博比負向情感的政務微博帶來更高的網(wǎng)民參與度。政務微博作為政府的傳聲筒，旨在向公眾傳遞權威、準確、及時的信息。在不妨礙這一前提下，各級各類政府微博均應合理運用積極的情感表達方式。不僅僅對文本內容，政務微博運營人員在發(fā)布圖片、視頻等多媒體內容時，也應該注意其中情感的傳達。此外，網(wǎng)民在評論時的情感表達應得到政務微博運營人員的重視。通過積極回應、合理引導，排遣網(wǎng)民的負向情感，營造政務微博政民互動的正向氛圍。

（3）政務微博的績效評估應綜合考慮網(wǎng)民參與度等指標，管理部門應加強政務微博日常運營策略的培訓。本文研究采用了微博轉發(fā)數(shù)、評論數(shù)、點贊數(shù)等網(wǎng)民參與指標，對政務微博的績效評估理論研究與實際操作具有參考價值。中央政府高度重視電子政務領域里的“懶政怠政”問題，已經(jīng)開展了多次的全國政府網(wǎng)站抽查工作。隨著政務微博的滲透發(fā)展，對各級各類政務微博的考核評估勢在必行。鑒于微博平臺的互動性特點，政務微博的績效評估應將網(wǎng)民互動作為重要考核依據(jù)。各級各類政務微博的管理部門應加強對政務微博運營人員的培訓與引導，讓其掌握標簽使用、情感表達等方面的日常運營策略。

6.2? 研究局限

本研究的主要貢獻在于通過大數(shù)據(jù)分析等手段發(fā)現(xiàn)了政務微博標簽使用、正向情感運用對于網(wǎng)民參與的提升作用。本研究也存在一些局限，結合未來研究的改進方向，總結如下：

（1）本研究的數(shù)據(jù)樣本來自于同一城市政務微博賬號，可進一步考慮采用分層抽樣方法獲取不同層次政務微博賬號的樣本。本文數(shù)據(jù)集橫跨2年，這也是本研究的初衷，希望找出政務微博運營策略的變化進而總結提升網(wǎng)民參與的規(guī)律，但來自同一賬號的微博數(shù)據(jù)采樣方法也造成了樣本的代表性不足。通過分層抽樣獲取各層次政務微博賬號的數(shù)據(jù)，從截面視角展開分析，有助于認識政務機構的行政級別、所在區(qū)域等因素造成的政務微博運營策略上的差異及進一步對網(wǎng)民參與的影響。

（2）網(wǎng)民參與度的度量可考慮更多指標，如基于文本分析的網(wǎng)民參與的質量、情感等。采用轉發(fā)數(shù)、評論數(shù)、點贊數(shù)來度量一條微博的網(wǎng)民參與度便于計算，但不夠全面。通過對網(wǎng)民參與的評論等文本內容進行分析可進一步測量網(wǎng)民參與的質量、情感等，從而有利于深度挖掘網(wǎng)民參與的公共價值。這一因素的納入涉及到網(wǎng)民參與質量的算法設計，并將帶來更大的數(shù)據(jù)量、計算量，未來研究可考慮向這一方向拓展。

此外，本研究在文本情感分析中直接采用百度自然語言處理框架中的情感分析模塊。由于僅限于接口調用，未能對算法本身進行改進。該算法采用最新的深度學習技術，相比于傳統(tǒng)的基于詞庫的情感分析算法，該算法的優(yōu)劣仍有待更多研究的檢驗。此外，該算法能進一步給出情感分類置信度以及正向、負向的概率，這些附屬信息在本文分析中未涉及，未來研究可考慮加以利用。

參考文獻：

[1] MERGEL I. A framework for interpreting social media interactions in the public sector[J]. Government information quarterly， 2013， 30（4）： 327-334.

[2] 人民網(wǎng)輿情數(shù)據(jù)中心. 2017政務指數(shù)·微博影響力報告[R/OL]. [2018-09-10]. http：//yuqing.people.com.cn/n1/2018/0122/c364056-29779600.html.

[3] 鄭磊， 任雅麗.中國政府機構微博現(xiàn)狀研究[J].圖書情報工作， 2012， 56（3）：13-17.

[4] ZHENG L. Social media in Chinese government： drivers， challenges and capabilities[J]. Government information quarterly， 2013， 30（4）： 369-376.

[5] REDDICK C G， CHATFIELD A T， OJO A. A social media text analytics framework for double-loop learning for citizen-centric public services： a case study of a local government Facebook use[J]. Government information quarterly， 2017， 34（1）： 110-125.

[6] CHATFIELD A T， REDDICK C G. Understanding risk communication gaps through e-government website and Twitter hashtag content analyses： the case of Indonesias Mt. Sinabung Eruption[J]. Journal of homeland security and emergency management， 2015， 12（2）： 351-385.

[7] BUNDIN M， MARTYNOV A. Use of social media by the federal government in Russia[C]//Proceedings of the 9th international conference on theory and practice of electronic governance. New York， United States： ACM， 2016： 394-395.

[8] MOSSBERGER K， WU Y， CRAWFORD J. Connecting citizens and local governments？ Social media and interactivity in major US cities[J]. Government information quarterly， 2013， 30（4）： 351-358.

[9] 陳靜， 袁勤儉.國內外政務微博研究述評[J].情報科學， 2014， 32（6）：156-161.

[10] KAVANAUGH A L， FOX E A， SHEETZ S D， et al. Social media use by government： from the routine to the critical[J]. Government information quarterly， 2012， 29（4）： 480-491.

[11] YOON H Y， KIM J， KHAN G F， et al. From e-government to social government： Twitter use by Koreas central government[J]. Online information review， 2014， 38（1）： 95-113.

[12] 曹勁松.政府機構微博與官民交流創(chuàng)新[J].現(xiàn)代傳播：中國傳媒大學學報， 2011（5）：59-63.

[13] ZHENG L， ZHENG T. Innovation through social media in the public sector： information and interactions[J]. Government information quarterly， 2014， 31（Supplement 1）： S106-S117.

[14] 劉曉娟， 王昊賢， 肖雪， 等.基于微博特征的政務微博影響因素研究[J].情報雜志， 2013， 32（12）：35-41.

[15] 王國華， 董理， 陳怡， 等.中國東中西部典型城市公安政務微博運營狀況比較研究[J].情報雜志， 2015， 34（12）：106-111.

[16] DePAULA N， DINCELLI E， HARRISON T M. Toward a typology of government social media communication： democratic goals， symbolic acts and self-presentation[J]. Government information quarterly， 2018， 35（1）： 98-108.

[17] DePAULA N， DINCELLI E. Information strategies and affective reactions： how citizens interact with government social media content[J]. First Monday， 2018， 23（4）[2019-12-30]. https：//doi.org/10.5210/fm.v23i4.8414 .

[18] ZAVATTARO S M， FRENCH P E， MOHANTY S D. A sentiment analysis of US local government tweets： the connection between tone and citizen involvement[J]. Government information quarterly， 2015， 32（3）： 333-341.

[19] 馮小東， 馬捷， 蔣國銀. 社會信任， 理性行為與政務微博傳播： 基于文本挖掘的實證研究[J]. 情報學報， 2019， 38（9）： 954-965.

[20] 徐月梅， 劉韞文， 蔡連僑.基于深度融合特征的政務微博轉發(fā)規(guī)模預測模型[J/OL]. 數(shù)據(jù)分析與知識發(fā)現(xiàn) [2019-12-24]. http：//kns.cnki.net/kcms/detail/10.1478.g2.20190918.1659.008.html.

[21] POTTS L， SEITZINGER J， JONES D， et al. Tweeting disaster： hashtag constructions and collisions[C]//Proceedings of the 29th ACM international conference on Design of communication. New York， United States： ACM， 2011： 235-240.

[22] LACHLAN K A， SPENCE P R， LIN X， et al. Twitter use during a weather event： comparing content associated with localized and nonlocalized hashtags[J]. Communication studies， 2014， 65（5）： 519-534.