基于情感挖掘和話題分析的旅游輿情危機(jī)演化特征

李勇 蔣冠文 毛太田 蔣知義

[摘? ? 要]現(xiàn)有旅游業(yè)危機(jī)管理體系缺乏對旅游輿情危機(jī)的關(guān)注。該研究聚焦旅游業(yè)的輿情危機(jī)，從情感傳播的視角對旅游輿情危機(jī)的演化規(guī)律和行為特征進(jìn)行深入剖析，嘗試探尋旅游輿情危機(jī)傳播演化的一般性規(guī)律。文章以“麗江女游客被打”事件為例，采用網(wǎng)頁數(shù)據(jù)采集工具爬取互聯(lián)網(wǎng)中新聞報(bào)道和用戶評論的相關(guān)數(shù)據(jù)，通過提取危機(jī)關(guān)鍵詞、識別輿情話題、計(jì)算情感強(qiáng)度，并結(jié)合危機(jī)生命周期的階段性特征，對旅游輿情危機(jī)進(jìn)行綜合分析。研究結(jié)果顯示：（1）公眾心理存在“放大效應(yīng)”，對危機(jī)事件的評價(jià)更容易被輿論場中最突出的行為特征所掩蓋，而忽視事件自身客觀規(guī)律，導(dǎo)致以點(diǎn)概面的評價(jià)結(jié)果;（2）事件引發(fā)的輿情話題存在縱深發(fā)展和橫向擴(kuò)散兩種演化方式，并衍生出新的話題，新的輿情話題伴隨著負(fù)面情緒的波峰出現(xiàn);（3）由公共安全引發(fā)的旅游輿情危機(jī)突發(fā)且易逝，事件生命周期長度具有顯著的不確定性，與現(xiàn)實(shí)中案情調(diào)查進(jìn)展、政府應(yīng)對及信息公布和突發(fā)新聞等影響因素密切相關(guān)。

[關(guān)鍵詞]旅游輿情危機(jī);情感分析;話題分析;演化特征

[中圖分類號]F59

[文獻(xiàn)標(biāo)識碼]A

[文章編號]1002-5006（2019）09-0101-13

Doi： 10.19765/j.cnki.1002-5006.2019.09.014

引言

近年來，我國旅游市場負(fù)面新聞?lì)l發(fā)，一些廣受關(guān)注的負(fù)面事件引起了社會(huì)各界的輿論轟動(dòng)，如“青島天價(jià)蝦”“鳳凰古城收費(fèi)事件”“麗江女游客被打”事件等。這些事件不但干擾了當(dāng)?shù)芈糜纹髽I(yè)的正常營運(yùn)，造成經(jīng)濟(jì)上的損失，還會(huì)損壞旅游地的形象，對其聲譽(yù)和口碑造成長遠(yuǎn)的危害。而這種危害又往往取決于事件所引發(fā)的輿論聲勢——實(shí)質(zhì)上是負(fù)面事件經(jīng)過傳統(tǒng)媒介和互聯(lián)網(wǎng)新媒體的傳播曝光，在互聯(lián)網(wǎng)環(huán)境中引發(fā)廣泛討論，進(jìn)而降低公眾（潛在游客）的出行意愿，甚至引起公眾對當(dāng)?shù)芈糜问袌龅募w抵制與抗議。由于旅游業(yè)的高度依賴性和敏感性等行業(yè)特點(diǎn)，任何非常規(guī)事件的發(fā)生，都易使當(dāng)?shù)芈糜问袌錾钕葺浨槲C(jī)，互聯(lián)網(wǎng)新媒體的廣泛普及也加劇了這一現(xiàn)狀。然而，如何對旅游市場的輿情現(xiàn)象進(jìn)行系統(tǒng)科學(xué)的解釋，如何厘清旅游輿情危機(jī)的內(nèi)在演化規(guī)律和傳播特征，并將國內(nèi)外已有的方法體系和理論成果運(yùn)用到我國旅游業(yè)的危機(jī)管理中來，已經(jīng)成為當(dāng)下亟待解決的研究課題。為此，本研究以“麗江女游客被打”事件為例，通過采集互聯(lián)網(wǎng)上的“數(shù)據(jù)痕跡”作為原始材料，采用情感分析和話題挖掘等方法，以公眾負(fù)面情緒作為旅游輿情危機(jī)的測度工具，結(jié)合危機(jī)事件生命周期理論，對旅游輿情危機(jī)進(jìn)行綜合分析。嘗試回答以下問題：（1）互聯(lián)網(wǎng)環(huán)境中，公眾對旅游輿情危機(jī)表現(xiàn)出何種普遍性的行為特征？（2）旅游輿情危機(jī)演化的階段特征是什么？這些特征對輿情話題的演變和公眾情緒產(chǎn)生了何種影響？（3）影響危機(jī)生命周期的因素有哪些？

1 文獻(xiàn)回顧

關(guān)于旅游業(yè)危機(jī)認(rèn)知的前期研究中，最早對旅游業(yè)的危機(jī)進(jìn)行系統(tǒng)性梳理的是鄧冰等于2004年發(fā)表的《國內(nèi)外旅游業(yè)危機(jī)管理研究綜述》，該文在收集了大量國內(nèi)外文獻(xiàn)資料的基礎(chǔ)上，從危機(jī)產(chǎn)生的根源上把旅游業(yè)危機(jī)劃分為受其他行業(yè)波及（如戰(zhàn)爭、金融風(fēng)波、恐怖主義、公共衛(wèi)生危機(jī)）引起的危機(jī)和旅游業(yè)內(nèi)部（如針對游客的恐怖襲擊、飯店火災(zāi)、旅游娛樂設(shè)施發(fā)生意外等）的危機(jī)兩大類[1]。而后陳文君就旅游景區(qū)的主要危機(jī)進(jìn)行劃分，即細(xì)分為戰(zhàn)略危機(jī)、目的地危機(jī)、突發(fā)事件危機(jī)等十幾種形式[2]。李鋒在沿用世界旅游組織（WTO）對旅游危機(jī)的定義（“影響旅游者信心，并會(huì)危及該地旅游業(yè)持續(xù)正常運(yùn)轉(zhuǎn)的任何不曾預(yù)見的事件”）基礎(chǔ)上，將旅游危機(jī)事件的性質(zhì)劃分為自然災(zāi)害事件和公共衛(wèi)生事件[3]。這些研究聚焦于戰(zhàn)爭、自然災(zāi)害、恐怖襲擊事件、公共突發(fā)性事件等旅游危機(jī)事件，形成了豐富的研究成果，為后續(xù)學(xué)者提供了寶貴經(jīng)驗(yàn)。

2013年4月“鳳凰古城收費(fèi)事件”發(fā)生以后，我國學(xué)者開始從公眾輿論的視角出發(fā)，首次將旅游市場的輿情危機(jī)納入考量，并就此類危機(jī)展開專項(xiàng)研究。付業(yè)勤等將網(wǎng)絡(luò)空間的輿情信息考慮進(jìn)影響旅游現(xiàn)象的因素當(dāng)中，以“湖南鳳凰古城收費(fèi)事件”為研究案例，根據(jù)網(wǎng)絡(luò)關(guān)注度走勢，劃分出輿情演化的不同階段，指出旅游危機(jī)事件網(wǎng)絡(luò)輿情演化的階段性特征[4]，并建立了危機(jī)預(yù)警指標(biāo)體系[5]。羅秋菊等人研究了“占中事件”在微博上引發(fā)次生輿情危機(jī)（secondary crisis communication）的傳播機(jī)理，深入探討了社交網(wǎng)絡(luò)中次生危機(jī)如何使政治事件演化為旅游聯(lián)合抵制的問題，并將之視為旅游目的地危機(jī)管理（crisis management in tourism destinations）在互聯(lián)網(wǎng)思維下的補(bǔ)充[6]。祁凱和楊志將“三亞宰客事件”“青島天價(jià)蝦事件”等負(fù)面事件劃歸為由人為因素導(dǎo)致的旅游公共危機(jī)，認(rèn)為旅游市場的宰客、欺詐、打人等惡意行為嚴(yán)重威脅到旅游業(yè)的正常發(fā)展和旅游者的旅游信心，并以“青島天價(jià)蝦事件”為研究案例建立了政府、旅游企業(yè)和旅游者的三方博弈模型[7]。

整體看來，圍繞旅游業(yè)輿情危機(jī)的相關(guān)研究取得了一定進(jìn)展，但仍有不足，這主要體現(xiàn)在對旅游業(yè)中輿情危機(jī)的概念和范疇的理解和認(rèn)識上。雖然輿情信息的傳播實(shí)質(zhì)上擾亂了當(dāng)?shù)芈糜螛I(yè)的正常經(jīng)營，削弱了潛在游客的出行信心，但被曝光的負(fù)面事件本身往往并不具有很大的破壞性，而由其引發(fā)對當(dāng)?shù)卣约奥糜尾块T的輿情追責(zé)才構(gòu)成了真正的危機(jī)。這與前期研究中聚焦于戰(zhàn)爭、自然災(zāi)害、恐怖襲擊事件、公共突發(fā)性事件等常規(guī)性旅游危機(jī)事件存在性質(zhì)上的不同，相關(guān)學(xué)者將旅游市場的輿情危機(jī)籠統(tǒng)地歸于“旅游危機(jī)”并不恰當(dāng)。這說明，學(xué)界對此類危機(jī)的研究仍處于初級階段，對“旅游危機(jī)”的界定尚未達(dá)成統(tǒng)一意見。筆者認(rèn)為：那些由旅游地某一刺激事項(xiàng)所引發(fā)，在相對較短的時(shí)間內(nèi)生成大量信息，這些信息的“矛頭”直指當(dāng)?shù)卣拖嚓P(guān)旅游組織，并在更大區(qū)域內(nèi)掀起范圍更廣、強(qiáng)度更強(qiáng)的社會(huì)反映，最終危害旅游市場聲譽(yù)，影響當(dāng)?shù)芈糜螛I(yè)正常運(yùn)營，是為旅游輿情危機(jī)。其目的是借助網(wǎng)絡(luò)輿論，尋求自身利益訴求，其后果在于會(huì)損害旅游目的地形象，打擊潛在游客的出行信心。

2 研究設(shè)計(jì)

2.1 研究方法

2.1.1? ? 情感分析

根據(jù)上述對旅游輿情危機(jī)的定義，危機(jī)的發(fā)生會(huì)對旅游市場的正常運(yùn)營造成實(shí)質(zhì)性破壞，并且會(huì)損害旅游地形象，打擊潛在游客出行的信心。而游客的這種信心，則直接反映在其行為和態(tài)度所表現(xiàn)出的情感傾向中。具體而言，積極的情感情緒有利于增長潛在游客對于旅游目的地的信心和出行意愿，消極情緒則會(huì)破壞這種信心，使?jié)撛谟慰头艞壴ǖ挠?jì)劃。因此可把互聯(lián)網(wǎng)上的負(fù)面情感視為輿情危機(jī)的一種測度工具。

情感分析旨在對用戶發(fā)表的帶有情感傾向的評論、意見、觀點(diǎn)等文本數(shù)據(jù)自動(dòng)進(jìn)行甄別，同時(shí)計(jì)算每一條文本數(shù)據(jù)的情感強(qiáng)度，通過統(tǒng)計(jì)情感值的分布和變化趨勢，從而跟蹤和觀測網(wǎng)民的情緒變化?；谠~典的情感分析是通過提取待分析語料文本中的領(lǐng)域主題詞，對這些主題詞進(jìn)行情感極性和強(qiáng)度的標(biāo)注，同時(shí)借助現(xiàn)有的通用情感詞典，構(gòu)建一個(gè)完整的情感分類特征詞典。該方法的關(guān)鍵是通過人工標(biāo)記，為現(xiàn)有的情感詞典補(bǔ)充領(lǐng)域特征詞，構(gòu)建一個(gè)全面的、能夠涵蓋特定事件全部情感特征的詞典[8]。目前，中文通用情感詞典的發(fā)展已較為完備，如“清華大學(xué)中文褒貶義詞典”1收錄了人文社會(huì)科學(xué)領(lǐng)域的常用情感詞;知網(wǎng)HowNet情感分析中文詞表1不僅對常用的公共領(lǐng)域情感詞進(jìn)行了收錄，還根據(jù)句式區(qū)分了不同句型的情感權(quán)重;大連理工大學(xué)中文情感詞匯本體庫2覆蓋了名詞、動(dòng)詞、形容詞、俗語和近幾年的微博網(wǎng)絡(luò)用詞。其中，知網(wǎng)HowNet常被國內(nèi)學(xué)者用作構(gòu)建領(lǐng)域擴(kuò)展詞典的基礎(chǔ)詞典?；谠~典的情感分析方法在分析輿情危機(jī)事件中具有較好的適用性和準(zhǔn)確率，在各大領(lǐng)域廣泛使用，近年來也有學(xué)者專門針對旅游市場，提出了旅游網(wǎng)絡(luò)在線評論的情感詞典構(gòu)建方法[9-10]，取得了可喜的進(jìn)展。

2.1.2? ? 話題分析

傳統(tǒng)的危機(jī)傳播研究視角認(rèn)為，消除危機(jī)的根本任務(wù)是說服公眾與危機(jī)相關(guān)的各個(gè)利益攸關(guān)方危機(jī)已經(jīng)結(jié)束。為了達(dá)到該目的，組織對危機(jī)事件進(jìn)行跟蹤報(bào)道、發(fā)布事件的進(jìn)展和處理結(jié)果，媒體對這些信息活動(dòng)進(jìn)行加工傳播，公眾圍繞組織發(fā)布的信息活動(dòng)來表達(dá)其觀點(diǎn)和態(tài)度[11]。這種由組織、媒體、公眾之間組成的互動(dòng)關(guān)系，在現(xiàn)代互聯(lián)網(wǎng)新媒體平臺下，表現(xiàn)為危機(jī)曝光后相關(guān)信息的持續(xù)發(fā)酵和相關(guān)話題的發(fā)生、衍化、遷移[12]。不斷演化的話題為分析和監(jiān)控輿情訴求提供了重要窗口。

已有研究表明，高影響力的話題往往受到更高的關(guān)注和認(rèn)同，并被認(rèn)為是輿情產(chǎn)生的萌芽期和初級階段[13];類型不同的話題事件在互聯(lián)網(wǎng)上的傳播也具有差異性，在中文微博中，社會(huì)熱點(diǎn)和突發(fā)事件的微博話題具有比其他微博話題更深更廣的傳播性[14];在Twitter上，國際性議題和旅游信息則是最流行的話題[15]。

2.1.3? ? 關(guān)鍵詞分析

話題分析能夠描述危機(jī)事件在組織、媒體、公眾三方交互作用下的動(dòng)態(tài)發(fā)展過程以及揭示輿情訴求的變化，關(guān)鍵詞分析則能從更小的粒度刻畫危機(jī)事件在輿論場中傳播的普遍性特征。由于互聯(lián)網(wǎng)相對自由的輿論環(huán)境，網(wǎng)民的評論觀點(diǎn)通常被看作其情感態(tài)度的真實(shí)反映，但海量無序的評論信息中是否存在具有普遍代表性的觀點(diǎn)和意見？若存在，如何從隨意和零散的用戶評論信息中提?。恳院畏N形式呈現(xiàn)？

齊普夫定律為這個(gè)問題提供了可行的思路，該定律認(rèn)為，在印歐語系的長文章中，大多數(shù)詞被很少使用，只有極少數(shù)詞經(jīng)常被使用，這些少數(shù)的詞語表達(dá)了文章大多數(shù)價(jià)值[16]。許文霞在1986年證明了齊普夫分布規(guī)律在漢語語系中具有同樣的適用性[17]。因此，齊普夫定律為從海量的用戶評論數(shù)據(jù)中提取能夠刻畫輿情危機(jī)特征的關(guān)鍵詞提供了理論上的可行性。若把從信源平臺上采集的有關(guān)旅游輿情危機(jī)事件的評論數(shù)據(jù)視為一個(gè)語料集合，把詞語出現(xiàn)的頻率視為大致衡量關(guān)鍵詞刻畫危機(jī)事件的能力標(biāo)準(zhǔn)，同時(shí)語料集合中的詞語符合齊普夫分布，則可以通過適當(dāng)?shù)奈谋咎幚砑夹g(shù)和關(guān)鍵詞賦權(quán)算法，從海量數(shù)據(jù)中提取描述危機(jī)特征的關(guān)鍵詞，最后以適當(dāng)?shù)目梢暬椒ǔ尸F(xiàn)出來。

2.1.4? ? 危機(jī)事件生命周期理論

對危機(jī)事件的生命周期階段的劃分，學(xué)界普遍認(rèn)同的是Mituoff提出的M模型理論[18]和Fink提出的四階段理論[19]。前者把危機(jī)劃分為信號偵測階段、損失控制與處理階段、恢復(fù)工作階段、危機(jī)事后學(xué)習(xí)階段;后者將危機(jī)的生命周期劃分為征兆期、發(fā)作期、延續(xù)期和恢復(fù)期。通過對M模型理論和四階段理論的不斷修正，形成了一種被普遍使用的危機(jī)事件生命周期劃分方法，即將危機(jī)的生命周期劃分為：潛伏期、爆發(fā)期、延續(xù)期和消退期4個(gè)階段[20-24]。中國社科院在2016年年末發(fā)布的“中國社會(huì)心態(tài)研究報(bào)告”指出，網(wǎng)民的注意力易受熱點(diǎn)事件調(diào)動(dòng)，往往不經(jīng)任何預(yù)熱便迅速傳遍網(wǎng)絡(luò)，同時(shí)，注意力消散也很迅速，對熱點(diǎn)事件的關(guān)注一般不超過72小時(shí)，但在危害人身安全的惡性犯罪事件中則表現(xiàn)出更高的關(guān)注度[25]。這符合我國當(dāng)下輿情危機(jī)的傳播事實(shí)。本文綜合現(xiàn)有危機(jī)傳播生命周期理論與研究案例自身特點(diǎn)，將危機(jī)生命周期劃分為熱議期、冷卻期和消散期3個(gè)階段。

2.2 數(shù)據(jù)采集

樣本數(shù)據(jù)的選擇對旅游輿情危機(jī)研究的結(jié)論影響甚大，因此選擇具有典型意義的案例至關(guān)重要。根據(jù)人民網(wǎng)旅游3·15投訴平臺2014—2016年公布的旅游投訴輿情來看，云南旅游投訴率連續(xù)3年據(jù)全國榜首，是我國旅游投訴重災(zāi)區(qū)[26]，而2017年新年前后麗江負(fù)面新聞成為持續(xù)的輿情沸點(diǎn)，直接導(dǎo)致了2017年春節(jié)期間云南游客的銳減，因此選擇“麗江女游客被打”事件的相關(guān)數(shù)據(jù)作為研究樣本具有一定的代表性和現(xiàn)實(shí)意義。此外，以“麗江”“被打”為主題在中國知網(wǎng)文獻(xiàn)庫進(jìn)行檢索，僅有12篇相關(guān)文獻(xiàn)，其中，只有5篇文獻(xiàn)來源于期刊論文，其余均來自報(bào)紙。相較于往年旅游輿情危機(jī)事件的研究（如2013年鳳凰古城收費(fèi)事件、2015年青島“天價(jià)蝦”事件等），本案例的研究極少，并且大多數(shù)是以對案情進(jìn)行報(bào)道和還原事件原委的報(bào)紙為主，對案例進(jìn)行量化分析，深入探討互聯(lián)網(wǎng)環(huán)境中旅游輿情危機(jī)傳播特征的研究幾近于零，這與該事件造成的社會(huì)危害嚴(yán)重不符，也正是由于以上現(xiàn)狀，使本文的研究案例鎖定于“麗江女游客被打”事件。

2.2.1? ? 事件回顧

2016年11月11日凌晨3點(diǎn)左右，網(wǎng)名為“琳噠是我”的女游客與其朋友在麗江古城的某燒烤店就餐時(shí)，與當(dāng)?shù)匾蝗耗凶影l(fā)生語言沖突，遭多名男子辱罵毆打半個(gè)小時(shí)，被用碎酒瓶劃臉至其毀容，并遭其威脅恐嚇。在隨后的報(bào)案和鑒定傷情的過程中，“琳噠”聲稱自己遭到了當(dāng)?shù)卣歪t(yī)院的不公平對待。2017年1月24日深夜，被打女游客在其新浪微博主頁中曝光了其在麗江遭惡性毀容搶劫的消息，呼吁網(wǎng)絡(luò)還她公道。隨后，此事在網(wǎng)絡(luò)上被網(wǎng)友關(guān)注轉(zhuǎn)發(fā)，并引起媒體關(guān)注，紛紛進(jìn)行轉(zhuǎn)載報(bào)道。截至2017年1月26日21時(shí)，微博、網(wǎng)站、論壇、新聞、微信等各類媒體對該事件進(jìn)行了大肆跟蹤報(bào)告，全網(wǎng)關(guān)于“麗江女游客被打”事件的信息總量達(dá)84.7萬條，其中，新浪微博的相關(guān)數(shù)據(jù)達(dá)83.8萬條，占數(shù)據(jù)總量的98.9%1，遠(yuǎn)高于其他媒體，成為了該事件主要的傳播平臺。

2.2.2? ? 數(shù)據(jù)獲取與預(yù)處理

（1）選擇網(wǎng)絡(luò)信源?；谛吕宋⒉υ撌录膱?bào)道量高達(dá)99%，已接近互聯(lián)網(wǎng)上關(guān)于此次危機(jī)事件的信息全量。因此，本文將新浪微博作為主要網(wǎng)絡(luò)信源;并輔以財(cái)經(jīng)網(wǎng)、頭條新聞、華西都市報(bào)、新華網(wǎng)、中國青年網(wǎng)和環(huán)球時(shí)報(bào)等對事件傳播擴(kuò)散推動(dòng)較大的網(wǎng)絡(luò)媒體的實(shí)況跟進(jìn)和評論報(bào)道作為數(shù)據(jù)補(bǔ)充。

（2）確定時(shí)間區(qū)間。為了突出研究的針對性，本文采集了輿情關(guān)注度較高的“麗江女游客被打”事件曝光后的25天（2017年1月24日21：30—2017年2月18日21：30）新浪微博相關(guān)報(bào)道數(shù)據(jù)，并以8小時(shí)為單位劃分時(shí)間窗，為下文計(jì)算統(tǒng)計(jì)時(shí)段內(nèi)的情感值強(qiáng)度做準(zhǔn)備。

（3）確定檢索詞條。由于新浪微博中數(shù)據(jù)評論的隨意性和零散性，社會(huì)現(xiàn)實(shí)當(dāng)中的真實(shí)事件可能擁有多個(gè)與之對應(yīng)的微博話題，為了更加全面和精確地采集該事件的有效信息，對“麗江女游客被打”事件分別以“麗江女子被打”“麗江惡性毀容搶劫”和“琳噠是我”3組詞條作為檢索關(guān)鍵詞，以“原創(chuàng)微博”作為限定條件分別進(jìn)行檢索。

（4）爬取數(shù)據(jù)。在時(shí)間區(qū)間和詞條檢索下，使用網(wǎng)絡(luò)爬蟲工具八爪魚軟件，對檢索目錄下的數(shù)據(jù)進(jìn)行爬取，爬取內(nèi)容包括：① 用戶名;② 發(fā)布時(shí)間;③ 發(fā)布內(nèi)同;④ 發(fā)布方式;⑤ 發(fā)布網(wǎng)址;⑥ 用戶主頁;⑦ 用戶UID;⑧ 轉(zhuǎn)發(fā)數(shù);⑨ 評論數(shù);⑩ 點(diǎn)贊數(shù)。將爬取的微博數(shù)據(jù)保存在Excel表格中;對各大網(wǎng)絡(luò)媒體的報(bào)告數(shù)據(jù)采取與微博數(shù)據(jù)同樣的形式并入整體數(shù)據(jù)集中。

（5）初步清洗。使用Excel刪除重復(fù)項(xiàng)、空白項(xiàng);剔除廣告信息、垃圾信息等無關(guān)項(xiàng)。最終得到初始數(shù)據(jù)。

3 分析過程

3.1 關(guān)鍵詞權(quán)重計(jì)算

為了刻畫“麗江女游客被打”事件在新浪微博平臺上的傳播的普遍性行為特性以及主要情感態(tài)度，對初始數(shù)據(jù)進(jìn)行文本可視化處理。關(guān)鍵詞可視化系統(tǒng)通常包含以下步驟：

（1）對獲取的初始數(shù)據(jù)進(jìn)行分詞處理，去除停用詞。

（2）統(tǒng)計(jì)詞頻，得到待分析語料詞分布特征。

（3）進(jìn)行關(guān)鍵詞提取，并為這些關(guān)鍵詞加權(quán)，得到帶有權(quán)重的詞語。

（4）針對提取到詞語的特征信息，選擇合適的可視化表達(dá)方式，并以計(jì)算機(jī)編碼或圖形設(shè)計(jì)的手段進(jìn)行可視化呈現(xiàn)。

（5）用戶與可視化圖形的交互。

tfidf權(quán)重法因其具有較強(qiáng)的普適性和相對簡單易行的操作，成為文本分類特征項(xiàng)賦權(quán)方法中最重要的計(jì)算方法之一[27]。通過tfidf算法計(jì)算“麗江女游客被打”事件待分析語料數(shù)據(jù)中關(guān)鍵詞權(quán)重，具體計(jì)算公式如下：

[tfi，j=ni，jknk，j] （1）

式（1）中，ni， j表示詞語ti出現(xiàn)在“麗江女游客被打”事件待分析語料數(shù)據(jù)集合（dj）中的總次數(shù)。[knk，j]表示該待分析語料數(shù)據(jù)集合中全部詞語個(gè)數(shù)。

[idfi=lgDj：ti∈di] （2）

式（2）中，[D]表示“麗江女游客被打”事件待分析語料數(shù)據(jù)集中的微博總條數(shù)。[j：ti∈di]表示“麗江女游客被打”事件待分析語料數(shù)據(jù)集中包含了詞語ti的微博條數(shù)。

計(jì)算詞語ti在待分析語料數(shù)據(jù)集中tfidf值的公式為：

[tfidfi，j=tfi，j?idfi=ni，jknk，j?lgDj：ti∈di] （3）

通過綜合考慮關(guān)鍵詞的詞頻特征（tfidf值）和情感特征（情感強(qiáng)度等級T），則可進(jìn)一步定義情感關(guān)鍵詞的重要性，令詞語ti的重要性為Ii，Ii的計(jì)算公式為：

[Ii=tfidfi?Ti] （4）

部分計(jì)算結(jié)果見表1。

3.2 微博話題發(fā)掘

在信息檢索領(lǐng)域，熱點(diǎn)話題發(fā)掘一直是中文文本分析中一項(xiàng)重要研究工作，但相比于傳統(tǒng)的網(wǎng)絡(luò)長文本信息，新浪微博本身具有更為復(fù)雜的關(guān)系：同一話題事件可能產(chǎn)生多個(gè)與之相關(guān)的話題;這些話題會(huì)在一定條件的觸發(fā)下衍生出新的輿情話題[28]。在微博平臺中，不同的話題通過“#”和中間包含的話題名稱加以區(qū)分表示，這種包含一個(gè)字串“#麗江打人#”的標(biāo)記方式被稱為“話題標(biāo)簽”。通過標(biāo)記方式可以揭示文本主題，并對話題事件進(jìn)行發(fā)現(xiàn)與跟蹤[28]。這種方法在分析微博文本數(shù)據(jù)時(shí)，能有效克服傳統(tǒng)長文本熱點(diǎn)話題發(fā)掘方法中或是脫離事件內(nèi)容本身，只分析了趨勢的變化，或是完全依賴文本內(nèi)容，缺乏靈活性等不足，但由于微博將“話題標(biāo)簽”當(dāng)作文本正文本身的一部分引入，因此在分析過程中應(yīng)當(dāng)注意對關(guān)鍵詞提取的影響。

本文以“麗江女游客被打”事件的微博評論數(shù)據(jù)作為待分析文本，基于微博“標(biāo)簽”功能提取危機(jī)事件的相關(guān)話題，該事件在新浪微博中的相關(guān)話題以及對應(yīng)話題事件見表2。

3.3 危機(jī)事件中的情感分析

3.3.1? ? 構(gòu)建情感分類領(lǐng)域特征詞典

基于詞典的情感分析方法關(guān)鍵在于構(gòu)建一個(gè)能全面地反映特征本體全部情感要素的詞典。本文選取大連理工大學(xué)情感詞表作為構(gòu)建本文領(lǐng)域特征詞典的通用情感詞典，該詞典將詞匯本體的情感分為7大類21小類，包含0（中性），1（正面），2（負(fù)面）3種情感傾向和1、3、5、7、9五種情感強(qiáng)度等級，共收錄情感詞27 466個(gè)。本文中領(lǐng)域特征詞典的構(gòu)建方法具體如下：

（1）對“麗江女游客被打”事件待分析語料數(shù)據(jù)集進(jìn)行分詞處理，并通過停用詞字典去除語料庫中的部分介詞、代詞、語氣助詞等。此步驟處理后的詞匯集為X。

（2）令大連理工大學(xué)情感詞表中的全部詞語為集合Y，定義集合Z=X-Y，Z即領(lǐng)域補(bǔ)充主題詞集。

（3）進(jìn)一步去除集合Z中的指示詞以及無關(guān)名詞，得到擴(kuò)展詞匯184個(gè)，然后根據(jù)大連理工大學(xué)情感詞匯本體庫的標(biāo)注規(guī)則，人工標(biāo)注這些詞匯的情感傾向和強(qiáng)度。

（4）根據(jù)“麗江女游客被打”事件的輿情環(huán)境，對通用情感詞典中的部分情感詞重新標(biāo)注情感強(qiáng)度。此步驟在于消除同一詞匯在不同語境下可能存在的情感傾向差異所引入的誤差。例如“輕薄”一詞，在對電子產(chǎn)品的評價(jià)信息中屬于正面詞匯，而在對女性的形容中則有負(fù)面含義，因此需要對部分情感詞重新定義情感傾向和強(qiáng)度。

（5）步驟3和步驟4中人工標(biāo)注情感強(qiáng)度的流程和標(biāo)準(zhǔn)參考文獻(xiàn)[29]，標(biāo)注后的詞匯并入大連理工大學(xué)情感詞表中，獲得此次事件的領(lǐng)域特征詞典，共包含情感詞匯27 650個(gè)。

3.3.2? ? 單位時(shí)間內(nèi)的情感強(qiáng)度計(jì)算

根據(jù)本文2.2.2部分確定的時(shí)間區(qū)間，將采集的相關(guān)新浪微博數(shù)據(jù)以8小時(shí)為單位劃分成75個(gè)統(tǒng)計(jì)時(shí)段，每個(gè)統(tǒng)計(jì)時(shí)段的所有微博數(shù)據(jù)歸并為一個(gè)微博語料集合。

定義集合D={Wn|n=1，2，3，…，75}為確定時(shí)間區(qū)間內(nèi)所有的微博語料數(shù)據(jù)集，Wn代表第n個(gè)統(tǒng)計(jì)時(shí)段內(nèi)所有的微博語料集合;對任意一Wn有Wn={Bj|j=1，2，3，…}，Bj代表集合Wn中第j條微博;對任意一Bj有Bj={Sk|k=1，2，3…}，Sk代表集合Bj中的第k條語句;對任意一Sk中有Sk={Ti|i=1，2，3…}，Ti代表Sk中包? ? 含的第i個(gè)情感詞ti的情感強(qiáng)度。單位時(shí)間內(nèi)的情感強(qiáng)度計(jì)算規(guī)則如下：① 計(jì)算微博中每個(gè)句子的情感強(qiáng)度[F（Sk）=F（Ti）]，其中[F（Ti）]為句子中所有情感詞的情感極性強(qiáng)度之和;② 考慮不同句型對? 情感表達(dá)的差異，不同句型[F'（Sk）]的計(jì)算方法[30]如表3所示;③計(jì)算每條微博的情感值[F（Bj）=][F'（Sk）]，其中[F'（Sk）]為微博中所有句子的情感極性強(qiáng)度之和;④計(jì)算每個(gè)統(tǒng)計(jì)時(shí)段內(nèi)的情感值[F（Wn）=F（Bj）]，[F（Bj）]為統(tǒng)計(jì)時(shí)段內(nèi)所有微博的情感強(qiáng)度之和。

4 分析結(jié)果

4.1 關(guān)鍵詞可視化分析

危機(jī)事件發(fā)生后，以新浪微博為網(wǎng)絡(luò)信源，對“麗江女游客被打”事件的初始語料數(shù)據(jù)進(jìn)行文本處理和關(guān)鍵詞提取，進(jìn)而得到危機(jī)事件輿情語料的關(guān)鍵詞特征。定義關(guān)鍵詞ti的詞頻為f，詞頻為f的關(guān)鍵詞個(gè)數(shù)為n，去除特殊點(diǎn)（詞頻為5094的“麗江”一詞）后統(tǒng)計(jì)關(guān)鍵詞詞頻f和對應(yīng)關(guān)鍵詞個(gè)數(shù)n的分布情況，繪制面積圖（圖1a），發(fā)現(xiàn)“麗江女游客被打”事件微博關(guān)鍵詞分布呈現(xiàn)長尾分布，曲線頭部的少數(shù)關(guān)鍵詞反映了文本內(nèi)容的主要信息，而大多數(shù)出現(xiàn)頻率較低的關(guān)鍵詞，則在曲線后部形成了一條“長尾”。將f和n分別取對數(shù)，令橫坐標(biāo)為lg（f），縱坐標(biāo)為lg（n）繪制散點(diǎn)圖（圖1b），對圖形進(jìn)行曲線擬合，取對數(shù)后的詞頻分布呈線性分布特征，經(jīng)驗(yàn)回歸方程的確定系數(shù)R2=0.90978，擬合度高。結(jié)果顯示，該危機(jī)事件微博關(guān)鍵詞的分布符合齊普夫分布定律。

根據(jù)3.1部分提出的關(guān)鍵詞賦權(quán)方法，計(jì)算危機(jī)事件語料文本中關(guān)鍵詞的權(quán)重，繪制關(guān)鍵詞詞云（圖2）。分析發(fā)現(xiàn)，網(wǎng)民輿論的側(cè)重點(diǎn)集中體現(xiàn)在少數(shù)重要程度高的關(guān)鍵詞上（tfidf值大于100的詞條有146個(gè)，信息量占比48.8%），這部分關(guān)鍵詞體現(xiàn)了網(wǎng)民對該事件的觀點(diǎn)看法與主要訴求，如“云南”“鑒定”“女子”“警方”“真相”“調(diào)查”“政府”等。而數(shù)量上占大多數(shù)，但重要程度較低的關(guān)鍵詞（tfidf值小于100的詞條有8669個(gè)，信息量占比51.2%），則體現(xiàn)了輿論場中網(wǎng)民觀點(diǎn)主張的多樣性。具體呈現(xiàn)以下特征：

整體而言，“云南”“鑒定”“警方”“政府”“真相”等詞最為突出，特別地，“云南”一詞是描述該危機(jī)事件地理位置特征最突出的，也是詞云中最突出的關(guān)鍵詞;“古城”則是類型特征中重要程度最高的關(guān)鍵詞;雖然“麗江”是出現(xiàn)頻率最高的關(guān)鍵詞，同時(shí)還是危機(jī)事件發(fā)生的所在地，但是詞云中的表現(xiàn)程度卻遠(yuǎn)不如“云南”;在描述地理位置特征的關(guān)鍵詞中，突出程度方面表現(xiàn)為：云南>麗江>大理，并且“云南”的重要程度遠(yuǎn)高于其他詞。這說明此次輿情事件的討論焦點(diǎn)不再僅僅是麗江，同時(shí)也擴(kuò)散至大理、香格里拉等云南省其他的旅游城市或景點(diǎn)，公眾對此次危機(jī)事件的“口誅筆伐”已經(jīng)由點(diǎn)及面地從發(fā)生城市上升至發(fā)生省份，這可能與輿情歷史等原因有關(guān)。

值得注意的是，以往的研究通常根據(jù)詞頻的高低排列區(qū)別不同關(guān)鍵詞的重要程度。本研究通過tfidf計(jì)算關(guān)鍵詞權(quán)重，對關(guān)鍵詞權(quán)重進(jìn)行排序，得到的主題關(guān)鍵詞能更加精確地描述危機(jī)事件在互聯(lián)網(wǎng)上傳播的特征。例如“麗江”一詞在待分析語料數(shù)據(jù)集中出現(xiàn)次數(shù)最高，達(dá)5094次，遠(yuǎn)高于其他詞條，但是權(quán)重卻只排在第61位，這是由于樣本選取是以“麗江女游客被打”事件作為“話題標(biāo)簽”進(jìn)行數(shù)據(jù)挖掘，“麗江”一詞存在于該話題下的所有微博當(dāng)中，因此認(rèn)為“麗江”一詞不能很好地識別該危機(jī)事件的特征。tfidf算法能有效規(guī)避“話題標(biāo)簽”對關(guān)鍵詞權(quán)重計(jì)算所產(chǎn)生的影響，同時(shí)降低了單純依據(jù)詞頻高低確定權(quán)重所帶來的誤差。

進(jìn)一步考慮情感關(guān)鍵詞權(quán)重（tfidf值）和情感強(qiáng)度等級（T）作為重要性依據(jù)，根據(jù)公式（4）計(jì)算“負(fù)面情緒關(guān)鍵詞”和“輿情訴求關(guān)鍵詞”重要性，結(jié)果如圖3所示。

4.2 情感擴(kuò)散的時(shí)間特征分析

危機(jī)事件發(fā)生后，網(wǎng)友通過微博評論表達(dá)主觀情緒具有明顯的時(shí)序特征，并且負(fù)面情緒占比高達(dá)58.36%，大多數(shù)評論表現(xiàn)出對此次事件的震驚、憤怒，以及對政府的追責(zé)和渴望調(diào)查真相等輿情訴求。信息擴(kuò)散過程呈現(xiàn)出明顯的階段性特征。輿情經(jīng)過短時(shí)間的匯聚，在某個(gè)時(shí)刻爆發(fā)式增長，經(jīng)過幾天時(shí)間發(fā)酵達(dá)到峰值;隨后雪崩式下降，但依然維持一定熱度，并在很長一段時(shí)間內(nèi)反復(fù)波動(dòng)，形成信息長尾;信息量緩慢降低，危機(jī)事件慢慢走出輿論漩渦，熱度逐漸消散。

把上述階段劃分為：熱議期→冷卻期→消散期。各時(shí)段內(nèi)微博信息擴(kuò)散的整體走勢情況如圖4，具體每階段特征如下：

（1）熱議期。1月24日21：57，“麗江女游客被打”事件受害者@琳噠是我 通過新浪微博平臺闡述自己在麗江的遭遇，希望尋求網(wǎng)絡(luò)輿論支援;1月25日12：36，政府官方部門通過微博發(fā)聲，輿情開始發(fā)酵，隨著網(wǎng)絡(luò)媒體的持續(xù)跟進(jìn)，以及微博大V、具有傳播力的名人、明星等意見領(lǐng)袖的二次轉(zhuǎn)發(fā)，危機(jī)事件廣泛進(jìn)入大眾視野，微博話題開始形成，微博平臺中的信息量開始增速走高，成為輿情危機(jī)爆發(fā)拐點(diǎn);1月25日12：36，在云南麗江警方發(fā)布官方微博對案情進(jìn)行通報(bào)，宣稱已經(jīng)成立行動(dòng)組介入調(diào)查后，輿情信息量呈現(xiàn)爆發(fā)式增長;1月27日13：52，云南警方通報(bào)已刑拘6名嫌疑人，期間危機(jī)事件開始橫向擴(kuò)散，由“麗江女游客被打”事件引發(fā)的各類暴力事件相繼被曝出，微博網(wǎng)友對此次事件的關(guān)注點(diǎn)由“震驚”“懷疑”發(fā)展成“憤怒”與“公布調(diào)查進(jìn)展”等輿情訴求。

（2）冷卻期。隨著1月27日警方公開調(diào)查進(jìn)展，危機(jī)進(jìn)入冷卻期。該階段案情信息逐漸明確，總體關(guān)注度下降，輿論信息量大幅度回落，但依然保持一定輿情熱度，并在很長一段時(shí)間內(nèi)波動(dòng)往復(fù)。在此階段，網(wǎng)友對該事件的評價(jià)趨于理性，輿論訴求由“公布調(diào)查進(jìn)展”發(fā)展為“事件后續(xù)發(fā)展”以及“公開調(diào)查真相”等，輿情開始趨于消退，但公眾并未就該危機(jī)事件產(chǎn)生免疫，此階段網(wǎng)民情緒十分敏感，是謠言最易萌發(fā)，輿論導(dǎo)向最不穩(wěn)定的時(shí)期。在此階段施加正向引導(dǎo)，效果相對最佳。

值得一提的是，危機(jī)事件在此階段的演化中，受到某種外界作用，使事件內(nèi)部“出現(xiàn)”了一個(gè)次生危機(jī)，信息量顯著提高，輿論出現(xiàn)了一個(gè)新的高峰點(diǎn)，導(dǎo)致輿情演化的弛豫時(shí)間延長（圖5）。此次事件的核心攸關(guān)方應(yīng)當(dāng)在該階段付出最大努力，維護(hù)輿論穩(wěn)定，杜絕次生災(zāi)害發(fā)生，讓輿情收穩(wěn)，以保證交互期向消退期的自發(fā)過渡，進(jìn)而縮短危機(jī)事件的生命周期。

（3）消散期。2月13日新華網(wǎng)發(fā)文稱“麗江女游客被打事件”受害者將做傷情鑒定，鑒定結(jié)果今日公開。信息逐漸明朗，大眾視線開始轉(zhuǎn)移。信息擴(kuò)散達(dá)到邊界，輿情消解，輿論風(fēng)波淡出公眾視野。本研究選取消散期中連續(xù)5個(gè)統(tǒng)計(jì)時(shí)段內(nèi)信息量為0的點(diǎn)，選擇其中最后一個(gè)點(diǎn)作為分析結(jié)束時(shí)的點(diǎn)（此案例中涉及刑事案件，審訊周期長，考慮到突出研究重點(diǎn)以及計(jì)算開銷，分析結(jié)束時(shí)的點(diǎn)即視為危機(jī)事件輿情消亡的點(diǎn)，后續(xù)相關(guān)的跟進(jìn)報(bào)道不在此討論）。

鑒于“麗江女游客被打”事件在現(xiàn)實(shí)中造成的消極影響以及網(wǎng)絡(luò)環(huán)境中的負(fù)面報(bào)道，微博輿論場中負(fù)面情緒的特征和演化過程是本研究的重點(diǎn)，由于積極情感和中性情感占比較少，并且傳播特征與消極情感相似，其對理解危機(jī)事件在線上的傳播與演化特征并無幫助，因此在后續(xù)分析過程中僅保留了負(fù)面情感分析部分。

4.3 危機(jī)事件的情感分析與話題演變

通過比較負(fù)面情感強(qiáng)度值的變化情況以及微博話題的分布，發(fā)現(xiàn)危機(jī)事件負(fù)面情感強(qiáng)度在時(shí)間上的變化與微博信息擴(kuò)散趨勢基本一致，結(jié)合信息擴(kuò)散的時(shí)序特征，梳理話題事件的發(fā)展脈絡(luò)，具體結(jié)果如圖6所示。

第一，輿情話題在時(shí)間線上的發(fā)展存在縱深和橫向擴(kuò)散兩種趨勢。網(wǎng)民受事件情緒波動(dòng)影響自發(fā)跟進(jìn)以及網(wǎng)絡(luò)媒體對新聞價(jià)值深度挖掘推動(dòng)輿情話題發(fā)生變化，“麗江女游客被打”事件從輿論爆發(fā)到消亡延續(xù)25天，事件話題圍繞#麗江惡性毀容搶劫#向縱深方向發(fā)展，輿論關(guān)注點(diǎn)集中在被打女游客傷情鑒定、嫌疑人是否被拘捕、作案人數(shù)等與案情直接相關(guān)的信息上。隨著事件的深度報(bào)道和信息逐步公開，#琳噠是我遺書#、#警方通報(bào)女子麗江被打案：已刑拘6名嫌疑人#、#麗江被打毀容女子：我真的沒有罵過麗江#等話題相繼出現(xiàn)。

與此同時(shí)，一些與此次事件非直接相關(guān)的負(fù)面消息相繼曝光，并且牽扯出近期發(fā)生在麗江的3起打人事件，引發(fā)了更大范圍的聲討。受害者不斷涌現(xiàn)，輿情話題開始橫向擴(kuò)散。圍繞#女游客麗江遭打毀容#話題引發(fā)出#石家莊網(wǎng)友再爆2015年在麗江遭遇毀容搶劫經(jīng)歷#、#張若昀父子曾在麗江被圍毆#、#鄭淵潔給麗江市長鄭藝的信#等新的輿情話題，話題間相互耦合，輿情環(huán)境更為復(fù)雜。

第二，輿情話題總是伴隨波峰出現(xiàn)，新一輪的波峰也會(huì)帶來新的輿情話題，負(fù)面情緒聚集的高地也是輿情話題爆發(fā)出現(xiàn)的集中點(diǎn)。危機(jī)事件曝光后網(wǎng)友和網(wǎng)絡(luò)媒體相繼推送轉(zhuǎn)發(fā)，隨著事件調(diào)查進(jìn)展不斷公開，公眾情緒到達(dá)高峰，互聯(lián)網(wǎng)上圍繞危機(jī)事件持續(xù)展開討論，輿情話題相繼產(chǎn)生，此時(shí)的輿情話題主要圍繞危機(jī)事件的縱深發(fā)展。

危機(jī)進(jìn)入冷卻期，線上輿論逐漸收穩(wěn)，但依舊維持著一定關(guān)注量，網(wǎng)友爆出事件發(fā)生過程中的各種版本，如光棍節(jié)約炮言論、女子詆毀麗江等，對受害者帶來了二次傷害的同時(shí)加劇了輿論的復(fù)雜性，網(wǎng)絡(luò)情緒極度不穩(wěn)定。此階段任何內(nèi)部或外部因素的刺激都可能激起網(wǎng)友對危機(jī)事件的重新回憶，引發(fā)次生危機(jī)事件。在此次事件中，由鄭淵潔因質(zhì)疑古城維護(hù)費(fèi)而引起的輿情話題#鄭淵潔給麗江市長鄭藝的信#使得網(wǎng)友評論與危機(jī)事件關(guān)聯(lián)，微博信息量重新攀升，危機(jī)事件引發(fā)的負(fù)面情緒形成新的高潮。此階段的輿情話題主要由危機(jī)事件的橫向擴(kuò)散引發(fā)。

第三，云南麗江市公安局作為危機(jī)事件的核心攸關(guān)方，在危機(jī)事件的應(yīng)對措施中并未起到修復(fù)組織聲譽(yù)、平息輿情的積極作用，反而由于應(yīng)對失當(dāng)，使公眾對輿論的質(zhì)疑進(jìn)一步加深。#致云南麗江警方公開信#、#警方通報(bào)女子麗江被打案：已刑拘6名嫌疑人#等話題不僅未起到消減負(fù)面情緒的作用，甚至讓輿論擴(kuò)散到危機(jī)應(yīng)對本身，對當(dāng)?shù)卣帕υ斐蓢?yán)重影響。

5 結(jié)論與討論

5.1 研究結(jié)論與理論意義

公眾情感是測度輿情危機(jī)的有效手段，輿情話題的發(fā)生、衍化、遷移，反映了輿情訴求的變化。本文基于公眾情感與負(fù)面事件輿情危機(jī)的映射關(guān)系，將負(fù)面情緒視為輿情危機(jī)的測度工具，通過在線數(shù)據(jù)爬取、提取關(guān)鍵詞、計(jì)算情感極性強(qiáng)度和分析輿情危機(jī)話題，得到以下結(jié)論：

第一，公眾心理存在“放大效應(yīng)”[31]，對危機(jī)事件的評價(jià)更容易被輿論場中最突出的行為特征所掩蓋，而忽視事件自身客觀規(guī)律，導(dǎo)致以點(diǎn)概面的評價(jià)結(jié)果。由于旅游業(yè)屬于“精神層面的消費(fèi)”，對各類危機(jī)事件更加敏感，負(fù)面輿情歷史易被挖出，從而引發(fā)“放大效應(yīng)”，公眾對一個(gè)旅游地的形象評價(jià)會(huì)被擴(kuò)展到整個(gè)旅游城市甚至旅游省份。政府在應(yīng)對危機(jī)事件時(shí)稍有不當(dāng)，極易使“應(yīng)對行為”本身成為新的危機(jī)，損壞當(dāng)?shù)卣帕Α?/p>

第二，事件引發(fā)的輿情話題存在縱深發(fā)展和橫向擴(kuò)散兩種演化方式，并衍生出新的話題，新的輿情話題伴隨著負(fù)面情緒的波峰出現(xiàn)。在危機(jī)事件生命周期的不同階段，輿情話題衍生發(fā)展的傾向也不同。在熱議期，輿論主要圍繞與案情直接相關(guān)的信息發(fā)展，此時(shí)出現(xiàn)的衍生話題由危機(jī)事件的縱深發(fā)展產(chǎn)生。在冷卻期，旅游地的其他負(fù)面新聞一旦被曝光，這些負(fù)面新聞與危機(jī)事件本身并無聯(lián)系，但易喚起公眾對危機(jī)事件的重新回憶，輿論場會(huì)自發(fā)與危機(jī)事件關(guān)聯(lián)，并且認(rèn)為如果旅游地在公共安全上存在問題，說明其他管理方面同樣存在問題，由此引發(fā)新的輿情話題。此時(shí)出現(xiàn)的輿情話題主要由危機(jī)事件的橫向擴(kuò)散所產(chǎn)生。

第三，由公共安全引發(fā)的旅游輿情危機(jī)突發(fā)且易逝，事件生命周期長度具有顯著的不確定性，與現(xiàn)實(shí)中案情調(diào)查進(jìn)展、政府應(yīng)對及信息公布和突發(fā)新聞等影響因素密切相關(guān)。案情調(diào)查進(jìn)展的公布能引導(dǎo)輿情訴求發(fā)生變化，消解疑慮，防止疑惑心理轉(zhuǎn)為負(fù)面情緒，合理的公布方式以及應(yīng)對措施有助于加快渡過危機(jī)，使事件得以平息。突發(fā)新聞為危機(jī)事件帶來不確定因素，應(yīng)對不當(dāng)容易引發(fā)次生災(zāi)害，導(dǎo)致危機(jī)生命周期弛豫時(shí)間延長。由危機(jī)造成口碑和聲譽(yù)上的損失則與事件本身的社會(huì)危害性和旅游地的輿情歷史等因素有關(guān)。

本研究的理論意義如下：

第一，拓展了傳統(tǒng)旅游業(yè)危機(jī)的外延，對旅游輿情危機(jī)這一概念進(jìn)行了明確定義，一定程度上擴(kuò)寬了旅游業(yè)危機(jī)管理研究涉及的內(nèi)容和范疇。以往對于旅游危機(jī)的研究多是在沿用WTO對旅游危機(jī)的定義下，圍繞自然災(zāi)害事件和公共安全事件展開，而旅游市場的輿情危機(jī)同樣符合WTO對旅游危機(jī)的定義，但又與傳統(tǒng)的旅游危機(jī)存在性質(zhì)上的區(qū)別。本研究從網(wǎng)絡(luò)輿情的視角定義了旅游輿情危機(jī)這一概念，并將其視為旅游危機(jī)的一種重要類別。對未來的旅游業(yè)危機(jī)管理研究有重要借鑒意義。

第二，將情感分析理論框架引入旅游業(yè)的危機(jī)管理中來，一定程度上豐富了旅游危機(jī)管理領(lǐng)域的研究方法和技術(shù)手段，為此類研究的后續(xù)發(fā)展提供了一種新的視角。本研究選擇2017年持續(xù)時(shí)間較長，影響力較大的旅游輿情危機(jī)事件“麗江女游客被打事件”作為典型案例，為其構(gòu)建了領(lǐng)域情感詞典，通過關(guān)鍵詞分析、話題挖掘和情感分析等技術(shù)手段初步窺探了旅游輿情危機(jī)的演化特征。研究也為在社交網(wǎng)絡(luò)高度發(fā)展的今天如何開展旅游危機(jī)預(yù)警與輿情治理提供了啟示。

5.2 管理啟示

本研究以公眾情感傳播作為切入點(diǎn)，初步窺探了旅游輿情危機(jī)情感演化的一般性規(guī)律。研究結(jié)論對旅游產(chǎn)業(yè)的輿情治理及旅游危機(jī)管理的相關(guān)實(shí)踐工作具有一定指導(dǎo)意義。一方面，旅游行政管理部門應(yīng)該重視所在地區(qū)游客的申訴，并積極展開維權(quán)措施。案件發(fā)生后，受害者首先是向當(dāng)?shù)氐木S權(quán)部門進(jìn)行申訴，當(dāng)申訴無果，或相關(guān)部門的處理未達(dá)到游客申訴的目的或心理預(yù)期時(shí)，才會(huì)轉(zhuǎn)而向線上求助輿論關(guān)注。根據(jù)研究結(jié)果，旅游輿情危機(jī)的整個(gè)生命周期中并未歷經(jīng)明顯的“潛伏期”或是“成長期”階段，而是在短的時(shí)間內(nèi)爆發(fā)直接進(jìn)入熱議期，因此將危機(jī)遏制在萌芽階段的“最佳應(yīng)對時(shí)期”觀點(diǎn)已不再適用于新環(huán)境下的旅游危機(jī)管理。在案件發(fā)生后（現(xiàn)實(shí)中的刺激事項(xiàng)）到危機(jī)發(fā)展至線上（旅游輿情危機(jī)的起點(diǎn)）存在一段時(shí)間差。本案例中，案件發(fā)生時(shí)間是2016年11月11日，而受害者將自己的遭遇發(fā)布至線上的時(shí)間是次年1月25日，旅游行政管理部門應(yīng)當(dāng)充分利用這段時(shí)間積極處理引導(dǎo)，重視游客訴求，而不是推諉或者拖延。

另一方面，旅游輿情危機(jī)發(fā)生后，事件的核心攸關(guān)方應(yīng)當(dāng)積極展開調(diào)查，及早公開案情進(jìn)展，面對各方輿情訴求應(yīng)予以回應(yīng)，并盡可能合法公開案情細(xì)節(jié)，防止疑惑心理轉(zhuǎn)為消極情緒。研究結(jié)果表明，對“真相”的訴求是旅游輿情危機(jī)中公眾展現(xiàn)出最明顯的情感特征，在訴求不被滿足的情況下，輿情話題則很可能發(fā)生橫向擴(kuò)散，與該地區(qū)其他的負(fù)面新聞相關(guān)聯(lián)，進(jìn)一步加深輿情危機(jī)的發(fā)展。在本案例中，作為事件核心攸關(guān)方的云南麗江市公安局并未及時(shí)召開線下的新聞發(fā)布會(huì)詳述案情細(xì)節(jié)，而其通過線上官方微博進(jìn)行的兩次案情通報(bào)則因內(nèi)容疏漏、不具針對性而未能平息輿論，反而使質(zhì)疑加深，此后接連曝出多起發(fā)生在麗江的惡性案件，嚴(yán)重影響了當(dāng)?shù)卣块T的公信力。

5.3 局限性與后續(xù)研究工作

通過理論梳理，發(fā)現(xiàn)由負(fù)面事件引發(fā)的旅游輿情危機(jī)與網(wǎng)民情感具有映射關(guān)系，基于這種映射關(guān)系，本文將負(fù)面情緒視為輿情危機(jī)的測度工具，對其進(jìn)行度量和分析，然而，這種映射關(guān)系還需要進(jìn)一步探討加以確認(rèn)。另外，在本文的研究案例中，危機(jī)信息量第一次到達(dá)頂峰后，于2017年1月26日晚上雪崩式下降，而次日正是我國重要傳統(tǒng)節(jié)日除夕，“假日效應(yīng)”是否對危機(jī)事件的演化造成了影響，這些都將作為我們后續(xù)的研究工作。

致謝：誠摯感謝瑞典卡羅林斯卡學(xué)院（Karolinska Institute）呂欣博士（Dr. LYU Xin）對文章英文摘要的修改完善。

參考文獻(xiàn)（References）

[1] DENG Bing， WU Bihu， CAI Liping. A summary of crisis management studies at home and abroad[J]. Tourism Science， 2004， 18（1）： 1-8. [鄧冰， 吳必虎， 蔡利平. 國內(nèi)外旅游業(yè)危機(jī)管理研究綜述[J]. 旅游科學(xué)， 2004，18（1）： 1-8.]

[12] YIN Xicheng， ZHU Hengmin， MA Jing， et al. Coupling network model of the topic diffusion of micro-blog public opinio[J]. Information Studies： Theory & Application， 2015， 38（11）： 82-86. [尹熙成， 朱恒民， 馬靜， 等. 微博輿情話題傳播的耦合網(wǎng)絡(luò)模型——分析話題衍生性特征與用戶閱讀心理[J]. 情報(bào)理論與實(shí)踐， 2015， 38（11）： 82-86.]

[13] HE Tao. Reaearch on the Method of Factor Analyzing and Measuring Topic Influence in Online Community[D]. Hefei： Hefei University of Technology， 2012. [賀濤. 網(wǎng)絡(luò)社區(qū)話題影響力因素分析及度量研究[D]. 合肥： 合肥工業(yè)大學(xué)， 2012.]

[14] WANG Shoujin， QIAN Ying， LI Wenhui， et al. A study of spreading mode and features of microblogging based on topics[J]. Journal of Intelligence， 2013， 32（6）： 176-180. [汪守金， 錢穎， 李文慧， 等. 基于話題的微博傳播模式與特性研究[J]. 情報(bào)雜志， 2013， 32（6）： 176-180.]

[15] ZHAO W X， JIANG J， WENG J， et al. Comparing twitter and traditional media using topic models[C]//CLOUGH P， FOLEY C， GURRIN C， et al. European Conference on Advances in Information Retrieval. Dublin： Springer-Verlag， 2011： 338-349.

[16] POWERS D M W. Applications and explanations of Zipfs Law[J]. Advances in Neural Information Processing Systems， 1998， （4）： 595-599.

[17] XU Wenxia. Zipfs Law and Chinese word frequency distribution mechanism[J]. Information Science， 1986， （1）： 29-36. [許文霞. 齊普夫定律與中文詞頻分布機(jī)理[J]. 情報(bào)科學(xué)， 1986， （1）： 29-36.]

[18] MITROFF， I I. Crisis management： Cutting through the confusion[J]. Sloan Management Review. 1988， 29（2）： 15-20.

[19] FINK S. Crisis management： Planning for the inevitable[J]. American Management Association， 2002， （3）： 875-876.

[20] ALFONSO G H， CORNELIUS B P. An integrated symmetrical model for crisis-communications management[J]. Journal of Public Relations Research， 1996， （2）： 79-105.

[21] HE Zhengchu. Enterprise Crises Management： A Perspective of Arganization and Organization Management[D]. Changsha： Central South University， 2004. [賀正楚. 企業(yè)危機(jī)管理： 組織與組織管理的視角[D]. 長沙： 中南大學(xué)， 2004.]

[22] ZHAO Dingtao， LI Bei. Dynamic management mode of corporation crisis based on the system theory[J]. Journal of Management Science， 2005， 18（3）： 8-15. [趙定濤， 李蓓. 企業(yè)危機(jī)動(dòng)態(tài)管理模式[J]. 管理科學(xué)， 2005， 18（3）： 8-15.]

[23] WANG Feng. Comprehensive Crisis Response Management based on Organizational Reputation Restoration[D]. Heifei： University of Science and Technology of China， 2013. [汪峰. 基于組織聲譽(yù)修復(fù)的綜合危機(jī)應(yīng)對管理研究[D]. 合肥： 中國科學(xué)技術(shù)大學(xué)， 2013.]

[24] WANG Feng， WEI Jiuchang， ZHAO Dingtao. Comprehensive crisis response model building and organizational reputation restoration： A study based on two cases[J]. Journal of Public Management， 2013， 10（3）： 63-74; 140. [汪峰， 魏玖長， 趙定濤. 綜合危機(jī)應(yīng)對模式構(gòu)建與組織聲譽(yù)修復(fù)——基于兩個(gè)案例的研究[J]. 公共管理學(xué)報(bào)， 2013，10（3）： 63-74; 140.]

[25] Chinese Academy of Social Sciences. Research report on Chinese social mentality（2016）[EB/OL]. http：//sky.cssn.cn/zk/zk_zkbg/201612/t20161223_3355907_1.shtml， 2016-12-23. [中國社科院. 中國社會(huì)心態(tài)研究報(bào)告（2016）[EB/OL]. http：//sky.cssn.cn/zk/zk_zkbg/201612/t20161223_3355907_1.shtml， 2016-12-23.]

[26] Peoples Network. Peoples network tourism 3.15 complaint platform data report [EB/OL]. http：//travel.people.com.cn/GB/236434/359205/index.html， 2018-01-10. [人民網(wǎng). 人民網(wǎng)旅游3民網(wǎng)旅投訴平臺數(shù)據(jù)報(bào)告[EB/OL]. http：//travel.people.com.cn/GB/236434/359205/index.html， 2018-01-10.]

[27] SHI Congying， XU Chaojun， YANG Xiaojiang. Study of TFIDF algorithm[J]. Journal of Computer Applications， 2009， 29（b6）： 167-170. [施聰鶯， 徐朝軍， 楊曉江. tfidf算法研究綜述[J]. 計(jì)算機(jī)應(yīng)用， 2009， 29（b6）： 167-170.]

[28] CUI Anqi. Study on Public Sentiment Analysis of Events in Microblogs[D]. Beijing： Tsinghua University， 2013. [崔安頎. 微博熱點(diǎn)事件的公眾情感分析研究[D]. 北京： 清華大學(xué)， 2013.]

[29] Peoples network. Peoples network tourism 3.15 complaint platform data report [EB/OL]. http：//travel.people.com.cn/GB/236434/359205/index.html， 2018-01-10. [人民網(wǎng). 人民網(wǎng)旅游3民網(wǎng)旅投訴平臺數(shù)據(jù)報(bào)告[EB/OL]. http：//travel.people.com.cn/GB/236434/359205/index.html， 2018-01.]

[30] LI Yong， CAI Mengsi， ZOU Kai， et al. Influencing factors and differences of the online and offline emotional spread of social network users： “Female Driver Beaten by A Male Driver in Chengdu” Case as an example[J]. Journal of Intelligence， 2016，35（6）： 80-85. [李勇， 蔡夢思， 鄒凱， 等. 社交網(wǎng)絡(luò)用戶線上線下情感傳播差異及影響因素分析——以“成都女司機(jī)被打”事件為例[J]. 情報(bào)雜志， 2016，35（6）： 80-85.]

[31] ZHU Guangxi， WANG Zhaoming， WAN Ximei， et al. Government image and government crisis public relations in crisis[J]. Journal of Public Management， 2006， 3（2）： 40-48. [朱光喜， 王趙銘， 萬細(xì)梅， 等. 危機(jī)事件中的政府形象和政府危機(jī)公關(guān)[J]. 公共管理學(xué)報(bào)， 2006， 3（2）： 40-48.]

The Evolution Characteristics of Tourism Opinion Crisis based on

Emotion Mining and Topic Analysis：

A Case Study of the Incident of "Female Tourist Attacked in Lijiang"

LI Yong1，2， JIANG Guanwen2， MAO Taitian2， JIANG Zhiyi3

（ 1. School of Economics and Management， Changsha University， Changsha 410000， China; 2. School of Public

Administration of Xiangtan University， Xiangtan 411105， China; 3. Xiangtan University Library， Xiangtan 411105， China）

Abstract： The popularity of mobile social network platforms， such as Sina Weibo， WeChat， etc.， have substantially changed our way of living and communication. As an area closely connected with Internet news media， tourism industry is facing with unprecedented opportunities as well as challenges. Tourism opinion crisis events under the environment of Internet， such as "Fenghuang （Phoenix） Ancient Town charges for residents"， "Qingdao shrimps with high price"， and "Female tourist attacked in Lijiang"， etc.， have raised widespread attention with the facilitation of online social network platforms， and have made a great impact on the image of tourist spots and the development of tourist activities. However， tourism opinion crisis， as the outcome of the development process of platform economy virtualization， has received less attention in the study of tourism crisis management. To amend this gap of knowledge， this implements the following research.

First， a novel classification rule for tourism crisis is proposed， on the basis of combing domestic and foreign literature concerning tourism crisis management and network public opinion. The concept of tourism opinion crisis， which is the research subject in this paper， is expounded from the perspective of network public opinion. Taking the “Female tourist attacked in Lijiang” incident as an example， the webpage data crawling tool is used to extract relevant news reports and user comments data from Sina Weibo. And the final event-related corpus is obtained after data preprocessing.

Second， through crisis keywords extraction， lyric topics identification， and emotional intensity calculation， a comprehensive analysis was carried out with respect to the life cycle of the tourism opinion crisis. It is found that： （1） There exists an "amplification effect" in public psychology. Public evaluation of crisis events is more easily leaded by the most prominent behavioral characteristics of public opinion and it usually ignores the universal evolution law of the events， which results in one-sided evaluation results. （2） Two evolution patterns of public opinion topics are found， i.e. deeply developing and transverse diffusing. New deriving topics are often accompanied by peaks of negative emotions. （3） The tourism opinion crisis caused by public security is emergent and perishable， and the life cycle length of crisis events has significant uncertainty.

Lastly， some targeted suggestions are proposed for tourism crisis management. The research not only reveals the dissemination characteristics of tourism opinion crisis under the environment of Internet， but also offers valuable insights for the supervision departments to improve public opinion management.

Keywords： tourism opinion crisis;emotion analysis;topic analysis;evolution characteristics

[責(zé)任編輯：王? ? 婧;責(zé)任校對：吳巧紅]