微博環(huán)境下高校輿情情感演化圖譜研究

張柳 王晰巍 王鐸

摘 要：[目的/意義]掌握和了解微博環(huán)境下高校輿情情感的演化規(guī)律，對相關(guān)部門加強高校輿情監(jiān)測監(jiān)管，使高校適時采取措施應(yīng)對負(fù)面輿情事件的惡性傳播具有十分重要的意義。[方法/過程]本文通過文本挖掘并利用詞云可視化展示對文本特征進行分析;基于樸素貝葉斯分類器將網(wǎng)絡(luò)用戶評論文本進行情感分類;結(jié)合用戶情感演化與輿情事件發(fā)展周期的分析動態(tài)展示高校輿情情感演化圖譜。[結(jié)果/結(jié)論]網(wǎng)民負(fù)向情感的占比在輿情蔓延期達(dá)到頂峰，中性情感的占比在輿情蔓延期最低，正向情感的占比在輿情周期中幾乎沒有變化。通過對微博環(huán)境下高校輿情情感演化圖譜進行研究，為微博環(huán)境下高校輿情的研究提供新的理論支撐，在實踐層面為輿情監(jiān)管部門及時監(jiān)測和有效引導(dǎo)高校輿情走向起到針對性的作用。

關(guān)鍵詞：高校輿情;情感演化;情感圖譜;微博;社交網(wǎng)絡(luò)

Abstract：[Purpose/Significance]Mastering and understanding the evolution law of emotions in university under the microblog environment.It is great significance for relevant departments to strengthen the monitoring and supervision of university，so that universities can take measures to deal with the vicious transmission of negative public opinion events.[Method/Process]This paper analyzed text features through text mining and using word cloud visualization.This paper classified the online user comment texts based on the naive Bayes classifier.This paper combined the evolution of user emotions and the development cycle of public opinion events to dynamically display the emotional evolution map of university.[Result/Conclusion]The proportion of negative emotions of netizens reached its peak during the spread of lyrics.The proportion of neutral emotions was the lowest in the period of lyric spread，and the proportion of positive emotions barely changed during the lyric cycle.Through the research on the emotional evolution map of university in microblog environment，it provided new theoretical support for the research of university public opinion in microblog environment.At the practical level，it played a targeted role for the public opinion supervision department to timely monitor and effectively guide the public opinion of university.

Key words：university public opinion;emotional evolution;emotional map;Weibo;social network

依據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的第43次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2018年底，我國網(wǎng)民規(guī)模達(dá)8.29億，全年新增網(wǎng)民5653萬，互聯(lián)網(wǎng)普及率為59.6%，較2017年底提升3.8個百分點[1]。隨著互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)民可通過互聯(lián)網(wǎng)隨時隨地獲取信息、發(fā)表言論，其中也包括信息的傳播與情感的交流。其中，越來越多的高校輿情事件被曝光，網(wǎng)民對高校輿情的關(guān)注度與參與度也進一步提升。由于高校輿情的特殊性，有關(guān)輿情監(jiān)管部門及相關(guān)學(xué)者愈發(fā)重視對高校輿情的管控與研究。

近年來，國內(nèi)外學(xué)者相繼展開了關(guān)于高校輿情的相關(guān)研究工作。國外學(xué)者Jamelske E等[2]通過調(diào)查中美大學(xué)生對待氣候變化問題的態(tài)度差異，發(fā)現(xiàn)美國學(xué)生認(rèn)為氣候變化對人類有危害所占的比例較低，而對氣候變化漠不關(guān)心所占的比例較高;Mancini C等[3]基于2015年對弗吉尼亞州居民的調(diào)查，評估了人們對制定懲治校園性侵罪犯的看法;Antonova N A等[4]通過對圣彼得堡州立大學(xué)的542名學(xué)生在線調(diào)查，發(fā)現(xiàn)74%的學(xué)生愿意成為生物銀行的捐獻(xiàn)者。早期國內(nèi)學(xué)者鄧尚民等[5]基于AHP構(gòu)建高校網(wǎng)絡(luò)輿情安全評估指標(biāo)體系，并提出警源和警兆指標(biāo);徐萍[6]通過動態(tài)監(jiān)測多平臺網(wǎng)絡(luò)輿情數(shù)據(jù)，建立高校輿情預(yù)警與應(yīng)急處置機制;Li H等[7]針對網(wǎng)絡(luò)環(huán)境下高校輿情管理的特點和高校輿情管理的現(xiàn)狀進行研究，為高校管理學(xué)生輿情提供可靠的方法;陳福集等[8]通過對移動環(huán)境下高校網(wǎng)絡(luò)輿情相關(guān)主體進行分析，建立移動環(huán)境下高校網(wǎng)絡(luò)輿情演化的動力學(xué)模型。從國內(nèi)外現(xiàn)有學(xué)者的研究現(xiàn)狀來看，現(xiàn)有研究主要集中在高校學(xué)生對某些事件的看法，或是高校輿情的管理工作，然而，針對微博環(huán)境下高校輿情進行情感演化分析的研究成果相對較少。

本文在研究中試圖解決以下3個方面的問題：1）微博環(huán)境下高校輿情情感文本特征是怎樣的？2）如何對微博環(huán)境下高校輿情用戶文本進行情感分類？3）如何構(gòu)建微博環(huán)境下高校輿情情感演化圖譜？通過對微博環(huán)境下高校輿情情感演化圖譜進行研究，可為微博環(huán)境下高校輿情的研究提供新的理論支撐，在實踐層面為輿情監(jiān)管部門及時監(jiān)測和有效引導(dǎo)高校輿情走向起到針對性的作用。

1 相關(guān)理論

1.1 網(wǎng)絡(luò)輿情

輿情是指民眾對于社會中出現(xiàn)的各種現(xiàn)象、事件所表達(dá)的態(tài)度、意見、觀點和情感等的總和[9]。民眾借助互聯(lián)網(wǎng)平臺表達(dá)出來的態(tài)度、意見、情緒與要求的集合形成網(wǎng)絡(luò)輿情，可顯著體現(xiàn)出社會民意[10]。

網(wǎng)絡(luò)輿情具有互動性、即時性、自主性等傳播特點。網(wǎng)絡(luò)熱點話題一旦觸發(fā)，網(wǎng)絡(luò)輿情就會以多渠道、“病毒式”的方式進行傳播和擴散[11]。并且，網(wǎng)民作為網(wǎng)絡(luò)輿情傳播的重要參與者和推動者，由于其發(fā)布信息成本較低，較易產(chǎn)生線上線下相互聯(lián)動的態(tài)勢。目前，網(wǎng)絡(luò)輿情的來源主要集中在微博，其次是微信、QQ和論壇等其他社交網(wǎng)絡(luò)平臺。微博因其高傳播率的特點，已經(jīng)成為網(wǎng)絡(luò)輿情曝光和發(fā)酵的主要平臺[12]。

1.2 高校輿情

高校網(wǎng)絡(luò)輿情的主要受眾是高校學(xué)生，其知識層次高、參與意識強，并伴隨有好奇心理重、獨立性強等特點[13]。與社會其他網(wǎng)絡(luò)輿情相比，具有較強的特殊性。高校學(xué)生在關(guān)注一般社會網(wǎng)民所關(guān)注的熱點、焦點問題時，往往具備比較強烈的主觀意識。由于高校學(xué)生所處的特殊年齡階段以及特定知識層次，其關(guān)注的網(wǎng)絡(luò)輿情也具有一定的特殊性。與普通網(wǎng)民相比，高校學(xué)生往往更為關(guān)注社會敏感問題。相較于普通網(wǎng)民，高校學(xué)生擴散輿情的方式更為直接，傳播輿情的渠道也更為廣泛。

根據(jù)《2018年十大高校輿情負(fù)面案例匯總解析》，網(wǎng)民對涉及教育公平、校園安全、學(xué)術(shù)誠信、師德師風(fēng)等熱點事件分外關(guān)注，許多熱點事件傳播以“十萬+”、甚至“千萬+”為單位的相關(guān)討論通過社交媒體進行擴散[14]。但社交媒體的輿情信息存在傳播內(nèi)容碎片化、情緒多而事實少、觀點片面絕對化等問題，為相關(guān)輿情部門與高校如何監(jiān)測、把控、引導(dǎo)、應(yīng)對高校輿情事件發(fā)酵提出了新的難題與挑戰(zhàn)。

1.3 情感演化圖譜

情感是態(tài)度其中的一部分，是人們對某個事件的內(nèi)在感受、意向的外在體現(xiàn)的生理評價。通過情感，人們可以傳遞出對事件的看法與評價，如贊同或否定[15]。而微博用戶對某一話題事件的評價往往具有情感傾向性，即主體對某一客體客觀存在的內(nèi)心喜惡，主觀評價的一種傾向[16]。

通常，隨著網(wǎng)絡(luò)輿情事件的發(fā)展，網(wǎng)絡(luò)用戶的情感在不同時期會發(fā)生顯著的變化，即情感演化。將網(wǎng)絡(luò)用戶在話題事件下的評論信息進行情感分類，并嵌入微博網(wǎng)絡(luò)中繪制動態(tài)變化的情感演化圖譜，可直觀展示網(wǎng)絡(luò)用戶對某一話題事件的情感的動態(tài)變化。

1.4 微博環(huán)境下高校輿情情感演化圖譜問題的提出

由于網(wǎng)絡(luò)輿情傳播環(huán)境的復(fù)雜性，網(wǎng)民對于高校輿情負(fù)面事件具有較高的關(guān)注度與較低的包容度。而微博、微信等社交媒體平臺相對于現(xiàn)實環(huán)境具有更強的開放性、時效性。高校輿情事件容易引發(fā)網(wǎng)民的集中討論，形成強大的輿論壓力。網(wǎng)民在開放性傳播平臺發(fā)布與之本身興趣、情感和利益趨同的信息，其中難免包括缺乏理性思考的情感表達(dá)，從而影響其他網(wǎng)絡(luò)用戶。因此，掌握和了解微博環(huán)境下高校輿情情感的演化規(guī)律，對相關(guān)部門加強高校輿情監(jiān)測監(jiān)管，使高校適時采取措施應(yīng)對負(fù)面輿情事件的惡性傳播具有十分重要的意義。

通過文本挖掘并利用詞云可視化展示，可初步界定輿情事件中出現(xiàn)頻率較高的關(guān)鍵詞，進而對文本特征進行分析;本文基于樸素貝葉斯分類器將網(wǎng)絡(luò)用戶評論文本進行情感分類，可進一步挖掘出網(wǎng)絡(luò)用戶情感演化對高校輿情傳播的影響;結(jié)合用戶情感演化與輿情事件發(fā)展周期的分析，可動態(tài)展示高校輿情情感演化圖譜，從而全面了解高校輿情的發(fā)展與用戶的情感變化規(guī)律。

2 微博環(huán)境下高校輿情情感演化圖譜構(gòu)建

情感演化圖譜旨在動態(tài)直觀地展示網(wǎng)絡(luò)用戶在高校輿情事件中的情感變化態(tài)勢。掌握微博環(huán)境下高校輿情的情感演化規(guī)律，對相關(guān)部門進行高校輿情管控具有一定的借鑒意義。本文構(gòu)建微博環(huán)境下高校輿情情感演化圖譜模型，如圖1所示。

該模型中，首先需要數(shù)據(jù)采集及處理，通過爬蟲獲取微博轉(zhuǎn)發(fā)評論數(shù)據(jù)，并進行過濾文本處理;隨后進行分詞、去除停用詞處理，在進行詞頻統(tǒng)計后，演染高頻詞以獲取詞云可視化圖，并進行內(nèi)容特征分析;然后進行人工標(biāo)記文本、構(gòu)建詞向量矩陣訓(xùn)練樸素貝葉斯分類器對文本進行情感分類;最后確定高校輿情事件發(fā)展周期，構(gòu)建情感演化圖譜。

3 數(shù)據(jù)采集與處理

3.1 數(shù)據(jù)來源

微博作為一種新型的網(wǎng)絡(luò)媒介形態(tài)，具有獨特鮮明的傳播模式，并逐漸成為各類新聞、熱門話題事件的第一發(fā)布平臺[17]。在社交網(wǎng)絡(luò)綜合評價網(wǎng)站Alexa中，新浪微博是眾多平臺中在線人數(shù)及影響力最為廣泛的網(wǎng)絡(luò)新媒體[18]。在信息源的選擇上，本文選擇高校輿情熱點話題“湖南大學(xué)劉夢潔抄襲事件”作為信息源，采集轉(zhuǎn)發(fā)評論數(shù)據(jù)，建立話題空間。同時，本文從“劉夢潔”微指數(shù)（見圖2）可以看出，“劉夢潔”高校輿情爆發(fā)迅速，在較短的時間內(nèi)即達(dá)到了傳播峰值。

3.2 數(shù)據(jù)采集

本文以新浪微博“湖南大學(xué)劉夢潔抄襲”話題為例，采用網(wǎng)絡(luò)爬蟲火車頭采集器獲取用戶數(shù)據(jù)。獲取數(shù)據(jù)字段包括ID、用戶昵稱、用戶資料、微博內(nèi)容、轉(zhuǎn)發(fā)評論及點贊數(shù)量、轉(zhuǎn)發(fā)時間等。根據(jù)百度指數(shù)的統(tǒng)計數(shù)據(jù)，關(guān)鍵詞“劉夢潔”高校輿情的生命周期為2019年3月27日至2019年4月13日，數(shù)據(jù)量在3月28日達(dá)到頂峰。因此，選擇被抄襲者微博“科研狗的基金夢”作為原始信息源采集全部數(shù)據(jù)，共獲取微博數(shù)據(jù)共計18 492條。在此高校輿情周期中，3月28日凌晨，劉夢潔的碩士畢業(yè)論文被湖南大學(xué)從知網(wǎng)撤下;4月3日，湖南大學(xué)微博發(fā)布撤銷劉夢潔碩士學(xué)位的決定。因此，本文研究的輿情周期將分為3個階段：3月27日的爆發(fā)期;3月28日～4月3日的蔓延期;以及4月4日～4月13日的衰退期。

3.3 數(shù)據(jù)處理

在數(shù)據(jù)的處理上，本文首先通過火車頭腳本編輯器爬蟲軟件實現(xiàn)情感文本數(shù)據(jù)的爬取;其次過濾空白文本、網(wǎng)址鏈接等無關(guān)信息;最后根據(jù)微博話題內(nèi)容進行人工判斷，去除與“湖南大學(xué)劉夢潔抄襲事件”無關(guān)的微博數(shù)據(jù)，例如“?。。。?！”等表達(dá)符號，還有一些廣告內(nèi)容，如“#改開40年成就展#”。最終獲取有效數(shù)據(jù)18 104條。

4 討論分析

4.1 基于詞云統(tǒng)計的內(nèi)容特征分析

首先將處理過的微博數(shù)據(jù)通過Jieba分詞腳本對提取的文本進行分詞、去除停用詞，然后將統(tǒng)計出的高頻詞根據(jù)劃分的不同時期進行演染，獲得詞云可視化圖，如圖3～5所示。

在輿情的爆發(fā)期，出現(xiàn)詞頻最高的詞匯是“希望”，頻次與之相似的詞匯有“申請書”、“教育部”、“學(xué)術(shù)界”等?？梢姡昂洗髮W(xué)劉夢潔抄襲”事件被曝光后引起了網(wǎng)民的高度關(guān)注，網(wǎng)民急切希望有關(guān)部門可以徹查此事件，告知大眾真相;而且，由于學(xué)術(shù)界屢次出現(xiàn)學(xué)術(shù)不端事件，引發(fā)了網(wǎng)民對學(xué)術(shù)界、教育部、抄襲等的廣泛討論。

在輿情的蔓延期，出現(xiàn)詞頻較高的詞匯是“轉(zhuǎn)發(fā)”、“翟天臨”、“剽竊”、“嚴(yán)厲打擊”等。從3月28日知網(wǎng)撤下劉夢潔的論文，到4月3日湖南大學(xué)發(fā)出聲明取消劉夢潔的碩士學(xué)位，都證實了劉夢潔抄襲事件的真實性，使得廣大網(wǎng)民積極轉(zhuǎn)發(fā)，支持維權(quán)，并且將此事與“翟天臨”事件聯(lián)系在一起，充分展示了廣大網(wǎng)民對待剽竊論文的“零容忍”態(tài)度，并責(zé)令有關(guān)部門嚴(yán)厲打擊。

在輿情的衰退期，除了在蔓延期中出現(xiàn)頻率較高的“轉(zhuǎn)發(fā)”、“剽竊”以外，出現(xiàn)詞頻較高的詞匯有“湖南大學(xué)”、“博士論文”、“查重”、“學(xué)術(shù)”等。網(wǎng)民在積極轉(zhuǎn)發(fā)傳播事件的同時，也發(fā)表了對于湖南大學(xué)處理剽竊事件的看法，以及對存在于學(xué)術(shù)界的抄襲剽竊現(xiàn)象的批判態(tài)度，并希望學(xué)術(shù)界能夠整改不良風(fēng)氣。

總體來看，在輿情初期，雖然網(wǎng)民對待“湖南大學(xué)劉夢潔抄襲”事件呈現(xiàn)幾乎“一邊倒”的消極態(tài)度，甚至有一部分極端的網(wǎng)民懷疑高校學(xué)術(shù)論文整體的真實性。但隨著輿情進入蔓延期，湖南大學(xué)針對此事件及時采取了積極的處理辦法，從而使多數(shù)網(wǎng)民在輿情衰退期表達(dá)了對高校整治學(xué)術(shù)不端的希望，并通過自身力量積極轉(zhuǎn)發(fā)，支持被抄襲者維權(quán)。下面將通過情感分類做進一步分析。

4.2 基于樸素貝葉斯分類器的情感分類

微博評論為短文本數(shù)據(jù)，其主要的情感傾向集中在少數(shù)高頻的情感詞中，除情感詞外的低頻詞匯很難在較短的文本信息中改變高頻情感詞所蘊含的情感傾向。因此，本文從輿情監(jiān)管實時性的角度出發(fā)，通過詞頻統(tǒng)計，在微博文本信息中篩選出高、低頻詞，并去除評論語句中的低頻詞，只保留高頻詞，達(dá)到降維的作用，為后續(xù)訓(xùn)練樸素貝葉斯分類器提升效率。

樸素貝葉斯分類器需要預(yù)先在訓(xùn)練樣本基礎(chǔ)上進行訓(xùn)練，以建立分類模型，為此本文選擇獲得到的四分之一文本信息進行人工標(biāo)記，用作訓(xùn)練樣本[19]。若文本樣本傳達(dá)正向情感，如“希望得到一個公平的處理結(jié)果”、“翟天臨事件剛過不久，學(xué)術(shù)抄襲屢禁不止，希望看到的朋友幫忙轉(zhuǎn)發(fā)，維護學(xué)術(shù)正義。@人民網(wǎng) @教育部”等，標(biāo)記為“+1”;若文本樣本傳達(dá)負(fù)向情感，如“#論文抄襲# 國家自然科學(xué)基金項目申請書遭泄密，湖南大學(xué)再爆學(xué)術(shù)不端”、“每次看到學(xué)術(shù)不端都極其氣憤！@湖南大學(xué)”等，標(biāo)記為“-1”;若文本樣本傳達(dá)中性情感，如“轉(zhuǎn)發(fā)微博”、“吃瓜”等，標(biāo)記為“0”，人工標(biāo)記樣本總共為4 526個（總樣本的1/4）;人工標(biāo)注正向情感、負(fù)向情感、中性情感計數(shù)如圖6所示。

4.3 基于輿情周期構(gòu)建情感演化圖譜

為直觀展示微博環(huán)境下高校輿情情感演化規(guī)律，本文通過Gephi可視化軟件，以微博用戶為節(jié)點，以用戶間的轉(zhuǎn)發(fā)評論關(guān)系為邊，以節(jié)點顏色表示該微博用戶的情感類別[20]，綠色代表正向情感、紅色代表負(fù)向情感、黃色代表中性情感，基于輿情周期構(gòu)建微博環(huán)境下高校輿情情感演化圖譜。

3月27日輿情爆發(fā)期情感圖譜如圖7所示，共有99個節(jié)點、96條邊。在“湖南大學(xué)劉夢潔抄襲”話題爆發(fā)初期，由于原微博博主并未獲得微博認(rèn)證，且微博昵稱并無辨識度，導(dǎo)致微博發(fā)布初期所受關(guān)注度不高。網(wǎng)民對此事件的真相持懷疑態(tài)度，因此，中性情感的占比較多，為57%，多數(shù)網(wǎng)民的做法表現(xiàn)為單純地轉(zhuǎn)發(fā)微博，評論信息無明顯的情感傾向性。負(fù)向情感占比為33%，略低于中性情感，網(wǎng)民爆發(fā)出負(fù)向情感是由于部分網(wǎng)民也有過類似被抄襲的經(jīng)歷，博主發(fā)出的微博引發(fā)了共鳴。況且前有翟天臨事件，后又曝出湖南大學(xué)學(xué)術(shù)不端事件，更激發(fā)了網(wǎng)民的負(fù)面情緒。輿情爆發(fā)期的中性情感占比為10%，部分網(wǎng)民并沒有發(fā)表過多的個人觀點，僅希望此事件盡快得到公平的處理結(jié)果。

此外，在輿情爆發(fā)期情感圖譜中，權(quán)重高的邊顏色較深，從圖7中可以看出，“科研狗的基金夢”為信息源節(jié)點，“Stata_Tips”節(jié)點的轉(zhuǎn)發(fā)權(quán)重較高。此外，雖然“科研狗的基金夢”節(jié)點本身帶有負(fù)向情感，但部分節(jié)點轉(zhuǎn)發(fā)此節(jié)點信息后，其情感傾向逐步轉(zhuǎn)為中性情感（如“Stacybear”節(jié)點）;甚至部分節(jié)點的情感傾向出現(xiàn)了反轉(zhuǎn)，變?yōu)榉e極的正向情感（如“LMQ相信勇敢”節(jié)點）;同時觀察到，“Stata_Tips”節(jié)點轉(zhuǎn)發(fā)“Stacybear”節(jié)點、“LMQ相信勇敢”節(jié)點后，其情感傾向仍為負(fù)向，可見情感傾向在節(jié)點間有一定的獨立性，受其他中繼節(jié)點情感傾向的影響不大，主要受源節(jié)點情感傾向的影響較大。因此，在高校輿情事件中，應(yīng)該重點把控和引導(dǎo)信息源節(jié)點的情感傾向。

3月28日至4月3日的輿情蔓延期情感圖譜如圖8所示，共有11 887個節(jié)點、12 537條邊。從圖8中可以看出，紅色節(jié)點（負(fù)向情感）和黃色節(jié)點（中性情感）遠(yuǎn)遠(yuǎn)多于綠色節(jié)點（正向情感），且紅色節(jié)點居多。在3月28日凌晨，知網(wǎng)撤下劉夢潔碩士畢業(yè)論文后，網(wǎng)民對劉夢潔抄襲事件的負(fù)向情感持續(xù)增加，超過了正向情感和中性情感，并在4月3日湖南大學(xué)發(fā)布取消劉夢潔碩士學(xué)位的決定后達(dá)到頂峰。網(wǎng)民的中性情感，由爆發(fā)期的57%遞減為蔓延期的38%。網(wǎng)民在轉(zhuǎn)發(fā)原微博的同時也在表達(dá)對抄襲事件的憤慨，并建議原微博博主更改昵稱以提高關(guān)注度。而負(fù)向情感由爆發(fā)期的33%上升到蔓延期的52%，多數(shù)網(wǎng)民認(rèn)為應(yīng)該對學(xué)術(shù)不端實行“零容忍”，并對湖南大學(xué)、劉夢潔發(fā)表了負(fù)面的言論。部分網(wǎng)民將此事件與翟天臨事件聯(lián)系在一起，這更激化了網(wǎng)民對高校學(xué)術(shù)不端行為的負(fù)面情緒;正向情感由爆發(fā)期的10%到蔓延期的11%，基本上無變化，還是有少部分網(wǎng)民站在理智的角度上，支持博主維權(quán)，并希望該事件盡快嚴(yán)肅、公平地處理。

因此，在高校輿情蔓延期，有關(guān)部門需重點管控情感走向，特別是出現(xiàn)“知網(wǎng)撤下論文”、“湖南大學(xué)發(fā)布通告”等處理措施后，網(wǎng)民情感的變化尤為明顯，需要及時把控。

4月4日～4月13日輿情衰退期的情感圖譜如圖9所示，共有94個節(jié)點，82條邊。負(fù)向情感由蔓延期的52%下降到衰退期的28%，中性情感由蔓延期的38%上升到衰退期的61%，由于涉及抄襲事件的相關(guān)部門知網(wǎng)和湖南大學(xué)及時做出相關(guān)決定和通知，讓部分網(wǎng)民由負(fù)向情感轉(zhuǎn)向為中性情感，從而理智地評價話題。但由于近期頻頻發(fā)生學(xué)術(shù)不端事件，網(wǎng)民依然存在質(zhì)疑態(tài)度;正向情感占比在衰退期仍為11%，其數(shù)值相較于蔓延期沒有發(fā)生變化?？v觀輿情的爆發(fā)期、蔓延期、衰退期，正向情感占比幾乎沒有改變，說明一部分網(wǎng)民在輿情周期中可以保持自己的情感傾向。輿情監(jiān)管者要積極引導(dǎo)正向情感的網(wǎng)民來影響其他網(wǎng)民，使得網(wǎng)民能夠理智地表達(dá)自己的情感傾向。

綜上所述，網(wǎng)民負(fù)向情感的占比由輿情爆發(fā)期的33%上升到輿情蔓延期的52%，之后下降到輿情衰退期的28%，在輿情蔓延期達(dá)到頂峰;中性情感的占比由輿情爆發(fā)期的57%下降到輿情蔓延期的38%，隨后上升到輿情衰退期的61%，在輿情蔓延期占比最低;正向情感的占比在輿情周期中幾乎沒有變化。

5 結(jié) 論

本文在理論層面，基于詞云統(tǒng)計進行內(nèi)容特征分析，獲取微博用戶評論高頻詞，利用高頻詞進行特征降維，高效訓(xùn)練樸素貝葉斯分類器，完成對詞頻文本的情感分類。再結(jié)合微博用戶基于輿情周期，構(gòu)建微博環(huán)境下高校輿情情感演化圖譜，為微博環(huán)境下高校輿情情感演化規(guī)律研究提供新的研究理論模型;在實踐層面，結(jié)合微博熱點高校輿情“湖南大學(xué)劉夢潔抄襲”話題進行實證分析，得到完整的輿情爆發(fā)期、蔓延期以及衰退期情感演化圖譜，為輿情監(jiān)管部門實時了解高校輿情情感走向，在輿情周期內(nèi)及時采取管控措施，提供了實踐參考。

本文在研究方法做了一定的創(chuàng)新，但研究中仍存在一定的局限性：本文只分析了微博數(shù)據(jù)，數(shù)據(jù)來源較為單一;情感分類效果受人工標(biāo)記影響較大。在未來的研究中，將選取微信、論壇等多個平臺作為信息來源，多角度分析網(wǎng)民對高校輿情事件的情感變化，并嘗試更多的情感分類模型，以提高情感分類精度。

參考文獻(xiàn)

[1]中國互聯(lián)網(wǎng)絡(luò)信息中心.第43次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[EB/OL].http：//www.cnnic.cn/gywm/xwzx/rdxw/2017 2017_7056/201902/t20190228_70651.htm，2019-05-15.

[2]Jamelske E，Boulter J，Jang W，et al.Examining Differences in Public Opinion on Climate Change Between College Students in China and the USA[J].Journal of Environmental Studies and Sciences，2015，5（2）：87-98.

[3]Mancini C，Pickett J T，Call C，et al.Sexual Assault in the Ivory Tower：Public Opinion on University Accountability and Mandatory Reporting[J].Sexual Abuse：A Journal of Research and Treatment，2017，31（3）：344-365.

[4]Antonova N A，Eritsyan K Y，Tsvetkova L A.Attitudes Towards Biobank Donation Among University Community[J].Social Psychology and Society，2019，（10）：169-181.

[5]鄧尚民，董亞倩.基于AHP的高校網(wǎng)絡(luò)輿情安全評估指標(biāo)體系構(gòu)建研究[J].情報雜志，2012，31（8）：31-36.

[6]徐萍.大數(shù)據(jù)在高校網(wǎng)絡(luò)輿情應(yīng)急處置中的應(yīng)用探討[J].圖書館工作與研究，2016，（5）：55-58.

[7]Li H，Yan K.The Research of the University Public Opinion Management on Internet[C]//International Conference on Intelligent Networking & Collaborative Systems.IEEE，2016.