基于新浪微博的2017年四川九寨溝7.0級地震輿情情感分析

齊 珉，齊文華，蘇桂武

（中國地震局地質(zhì)研究所，北京 100029）

0 引言

中國互聯(lián)網(wǎng)信息中心（CNNIC）2019年發(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12月，中國網(wǎng)民規(guī)模為8.29億，互聯(lián)網(wǎng)普及率達(dá)59.6%；網(wǎng)絡(luò)新聞用戶為6.75億，占網(wǎng)民總數(shù)的81.4%；微博用戶3.51億，占網(wǎng)民總數(shù)的42.3%[1]。隨著互聯(lián)網(wǎng)和移動通信技術(shù)的高速發(fā)展和日臻成熟，越來越多人通過網(wǎng)絡(luò)獲取新聞資訊，并在網(wǎng)絡(luò)上表達(dá)個人對于新聞事件的觀點、看法、情感態(tài)度等。網(wǎng)絡(luò)的開放性、便利性、互動性等特點促使其成為輿情孕育、產(chǎn)生、變化和消亡的承載平臺，網(wǎng)絡(luò)輿情應(yīng)運而生[2]。關(guān)于網(wǎng)絡(luò)輿情的概念，不同學(xué)科領(lǐng)域?qū)W者有不同的見解，但都體現(xiàn)了網(wǎng)絡(luò)空間、多元化的生成模式和傳播路徑等共性特征[3-5]。本文將討論地震災(zāi)害網(wǎng)絡(luò)輿情方面的研究，主要關(guān)注網(wǎng)絡(luò)平臺/空間上傳播的多元主體對地震災(zāi)害事件的相關(guān)報道、態(tài)度、情感和行為傾向等。因此，這里將地震災(zāi)害網(wǎng)絡(luò)輿情界定為由公眾（包括個人和各種社會群體）、各類媒體和政府機構(gòu)，由于地震事件的刺激而產(chǎn)生，通過互聯(lián)網(wǎng)傳播的對于該地震事件的所有認(rèn)知、態(tài)度、情感和行為傾向的集合。

微博是在Web2.0上興起的一個基于用戶關(guān)系的信息分享和傳播平臺，用戶可以通過WEB、WAP以及各種客戶端組建個人社區(qū)，以140字左右的文字更新信息，并實現(xiàn)即時分享。微博的實時性、互動性、強擴散性等特點，特別是地震等重大災(zāi)害性事件發(fā)生后，大量用戶在微博平臺上發(fā)表言論，使得網(wǎng)絡(luò)輿情成為反映災(zāi)害特征、社會行為活動、公眾情感傾向等的重要數(shù)據(jù)源。及時、充分地挖掘和分析地震災(zāi)害網(wǎng)絡(luò)輿情信息，不僅能快速了解災(zāi)區(qū)災(zāi)情特征，還能及時把握社會各層次主體對具體地震事件的關(guān)注點等，對于政府進(jìn)行輿情監(jiān)測和引導(dǎo)具有十分重要的意義。新浪微博是由新浪網(wǎng)于2009年推出的提供微型博客服務(wù)的類Twitter網(wǎng)站，是當(dāng)前中國用戶數(shù)最多、活躍度最高的微博產(chǎn)品。本文在簡要綜述中國學(xué)者針對地震災(zāi)害網(wǎng)絡(luò)輿情相關(guān)研究的基礎(chǔ)上，以2017年四川九寨溝7.0級地震為例，基于新浪微博數(shù)據(jù)，重點分析了微博用戶對于此次地震事件表現(xiàn)出的情感傾向特征，總結(jié)了影響用戶情感波動的主要因素。

1 網(wǎng)絡(luò)輿情在地震災(zāi)害中的應(yīng)用概述

1.1 災(zāi)情信息挖掘和分析

快速、動態(tài)、準(zhǔn)確地獲取震后災(zāi)情信息是地震應(yīng)急工作的關(guān)鍵之一；震后快速產(chǎn)生的地震相關(guān)網(wǎng)絡(luò)輿情數(shù)據(jù)可為獲取災(zāi)情信息提供一種途徑。一方面，地震災(zāi)害網(wǎng)絡(luò)輿情中含有大量災(zāi)情相關(guān)的文本、圖片和視頻信息，如人和各類器物的反應(yīng)、房屋破壞、生命線破壞等等；另一方面，網(wǎng)絡(luò)輿情的實時性也可滿足災(zāi)情信息的快速和動態(tài)獲取。因此，充分挖掘地震災(zāi)害網(wǎng)絡(luò)輿情中的災(zāi)情數(shù)據(jù)，可為地震應(yīng)急決策提供有效的輔助。胡素平等[6]、帥向華等[7-8]構(gòu)建了網(wǎng)絡(luò)地震災(zāi)情信息智能獲取和處理模型，通過對互聯(lián)網(wǎng)上2008年汶川地震災(zāi)情信息的獲取和處理，快速估計了汶川地震的有感范圍，并實現(xiàn)了利用網(wǎng)絡(luò)地震災(zāi)情信息進(jìn)行地震烈度判定。2013年四川蘆山7.0級地震后，這方面的研究引起了相關(guān)學(xué)者和地震行業(yè)人員的高度關(guān)注，之后歷次破壞性地震都有相關(guān)論文發(fā)表。基于互聯(lián)網(wǎng)網(wǎng)站數(shù)據(jù)的主要研究有：張穎等介紹了四川省輿情監(jiān)控系統(tǒng)在蘆山地震中的應(yīng)用，由該系統(tǒng)產(chǎn)出的輿情簡報為地震應(yīng)急指揮系統(tǒng)和災(zāi)情上報系統(tǒng)提供了重要的災(zāi)情信息補充[9]；張方浩等制定了互聯(lián)網(wǎng)地震災(zāi)情信息分類編碼規(guī)則，以2014年云南魯?shù)?.5級地震為例，利用互聯(lián)網(wǎng)地震災(zāi)情信息生成了災(zāi)區(qū)范圍和受災(zāi)程度分布圖[10]?；谛吕宋⒉┑壬缃幻襟w數(shù)據(jù)的主要研究有：徐敬海等[11]、褚俊秀等[12]發(fā)展了一套基于位置微博的地震應(yīng)急災(zāi)情提取方法，分別以2014年云南永善5.0級地震和2014年云南魯?shù)?.5級地震為例，實現(xiàn)了微博地震災(zāi)情的快速提取與展示；曹彥波等[13-15]通過調(diào)用新浪微博API，獲取了2014年云南景谷6.6級地震、2017年四川九寨溝7.0級地震和2018年云南通海5.0級地震的災(zāi)區(qū)范圍內(nèi)微博輿情信息，分析了上述地震相關(guān)微博數(shù)據(jù)所反映的災(zāi)情時空演變特征，其結(jié)果為救災(zāi)決策部署提供了宏觀參考。上述研究表明，基于網(wǎng)絡(luò)輿情數(shù)據(jù)，尤其是移動/手機微博信息，快速、動態(tài)挖掘和分析地震災(zāi)情信息正逐漸成為相關(guān)學(xué)者和地震行業(yè)人員的研究熱點，并得到了初步的應(yīng)用；但仍需借助計算機技術(shù)和語義分析等其他學(xué)科的成熟技術(shù)方法，進(jìn)一步深入和細(xì)化相關(guān)提取結(jié)果，為地震應(yīng)急工作提供更加及時、準(zhǔn)確和動態(tài)的災(zāi)情信息。

1.2 地震災(zāi)害輿情演化與監(jiān)測

網(wǎng)絡(luò)輿情主題演化是一個周期性的過程，但隨時會受到周圍環(huán)境擾動，而產(chǎn)生動態(tài)變化，且這種變化具有隨機性、衍生性、難預(yù)測性。因此，隨著事件的發(fā)展及時識別網(wǎng)絡(luò)輿情的主題及其關(guān)鍵節(jié)點，一方面有助于深化對網(wǎng)絡(luò)輿情的認(rèn)知，更好地掌握網(wǎng)絡(luò)輿情的演化動態(tài)，另一方面有助于實現(xiàn)網(wǎng)絡(luò)輿情的及時疏導(dǎo)。對于地震災(zāi)害而言亦是如此。地震發(fā)生后，海量的網(wǎng)絡(luò)輿情中，除上述震情、災(zāi)情信息外，還含有數(shù)量龐大的以社會行為為主題的相關(guān)信息，以及大量衍生信息，如社會捐助、尋人、祈福、災(zāi)區(qū)需求、謠言、質(zhì)疑等主題的信息。關(guān)于這方面的研究，有學(xué)者主要關(guān)注地震災(zāi)害網(wǎng)絡(luò)輿情的主題提取方法，如王昊等利用HITS算法對日本“3·11”地震發(fā)生后一周內(nèi)爬取的新浪微博數(shù)據(jù)進(jìn)行事件分析，得到每日的主題詞[16]；蘇曉慧等提出了一種改進(jìn)的TF-PDF算法，通過發(fā)布微博的博主影響力以及微博的關(guān)注度確定地震主題特征項的權(quán)重，從而獲得地震信息的熱門主題詞，并以2013年四川蘆山7.0級地震和2012年云南彝良5.7級地震的微博信息為例進(jìn)行了對比研究[17]。有學(xué)者主要研究了地震災(zāi)害網(wǎng)絡(luò)輿情的主題/議題演進(jìn)，如李紫薇等以2017年四川九寨溝7.0級地震網(wǎng)絡(luò)輿情為例，基于Matlab軟件擬合的地震輿情周期和Gephi軟件繪制的地震輿情可視化云圖，利用網(wǎng)絡(luò)結(jié)構(gòu)分析了該次地震網(wǎng)絡(luò)輿情話題的演進(jìn)規(guī)律[18]；劉麗群等以2010年青海玉樹7.1級地震、2013年四川蘆山7.0級地震和2014年云南魯?shù)?.5級地震中的微博輿情為例，借助內(nèi)容分析法，通過主題類目構(gòu)建和分析，研究了3次地震災(zāi)害網(wǎng)絡(luò)輿情的主題演進(jìn)[19]；崔滿豐分析了國內(nèi)不同區(qū)域網(wǎng)絡(luò)用戶對2015年尼泊爾8.1級地震熱點事件的關(guān)注程度和輿論走向[20]。也有學(xué)者就地震災(zāi)害網(wǎng)絡(luò)輿情中的某個或幾個特定主題的產(chǎn)生、發(fā)展和消亡開展研究，其中，以地震相關(guān)謠言為主題的研究居多，如余歡歡[21]、韓國良等[22]、秦琦瑯[23]、徐昕等[24]借助不同震例中出現(xiàn)的地震微博謠言，詳細(xì)探討了微博等新媒體網(wǎng)絡(luò)社交平臺中，地震相關(guān)謠言傳播的特點及傳播的生成動因和防范與解決措施。及時動態(tài)識別地震災(zāi)害網(wǎng)絡(luò)輿情的各類主題，分析其演化規(guī)律，并針對性加以引導(dǎo)，對于災(zāi)后應(yīng)急救援工作也至關(guān)重要。當(dāng)前，開展地震災(zāi)害輿情演化與監(jiān)測方面研究的人員多為新聞傳播學(xué)或信息與情報學(xué)背景的學(xué)者，亟需地震行業(yè)或應(yīng)急管理方面研究人員的介入，以從災(zāi)害學(xué)視角深入理解地震網(wǎng)絡(luò)輿情的演化和應(yīng)對。

1.3 地震災(zāi)害輿情情感分析

情感分析是對帶有情感色彩的主觀性文本進(jìn)行分析、處理、歸納和推理的過程[25]。新媒體為社會各層次主體提供了自由發(fā)表觀點/見解和充分表達(dá)情感/情緒的廣闊平臺，也為地震災(zāi)害社會影響與響應(yīng)議題注入了新的內(nèi)容，分析了解這些內(nèi)容有助于掌握相關(guān)的網(wǎng)絡(luò)輿情演化情況，為輿情監(jiān)測、引導(dǎo)和應(yīng)對等提供科學(xué)支持。劉雯等以2013年四川蘆山7.0級地震為例，基于新浪微博博文內(nèi)容，通過情感分析與時間序列聯(lián)合建模的方法，對此次地震中各類輿情情感走勢進(jìn)行分析，為災(zāi)后情報服務(wù)和應(yīng)急管理提供建議[26]；沙勇忠等仍以蘆山地震為例，借助微博數(shù)據(jù)情感分析，研究了震后紅十字會的公眾信任問題，揭示了網(wǎng)民情感與公眾信任存在映射關(guān)系，可將網(wǎng)民情感作為公眾信任的測度工具和診斷手段[27]；Cheng等以2011年日本東部9.0級大地震為例，調(diào)查了社會媒體如何影響人們對災(zāi)難的看法，及其在災(zāi)后恢復(fù)活動方面的行為意圖，分析了人們對災(zāi)難感知產(chǎn)生的不同影響[28]；Li等獲取了2011年日本地震和2010年海地地震的Twitter數(shù)據(jù)，基于情感詞典分析了隨著時間的推移人們在地震中的情感反應(yīng)特征[29]。

1.4 其他方面

除上述3個方面，不同學(xué)者還從多個角度開展了地震災(zāi)害網(wǎng)絡(luò)輿情研究，但整體而言系統(tǒng)性不強。如，張群燕等[30]、蘇曉慧等[31]利用微博平臺用戶群大、公眾參與性強和實時性等特點，以四川蘆山地震為例，嘗試了在網(wǎng)絡(luò)微博平臺中及時提取地震前后宏觀異常信息，結(jié)果表明，微博信息可以作為地震宏觀異常信息的一個及時來源，有助于發(fā)揮群測群防在防震減災(zāi)工作中的作用；楊菁等以四川蘆山地震為例，采用內(nèi)容分析法，探索了重大突發(fā)事件中微博輿情結(jié)構(gòu)和應(yīng)急反應(yīng)特征[32]；張芝霞等[33]、車玥[34]定性論述了微博類新興網(wǎng)絡(luò)自媒體在地震應(yīng)急處置工作中的作用，如廣泛調(diào)動社會力量參與應(yīng)急救援、有力推動線下活動等。類似研究也說明了地震災(zāi)害網(wǎng)絡(luò)輿情包含了多方面、多層次的相關(guān)信息，如能從多個角度對其進(jìn)行深入和細(xì)致地挖掘和分析，得到的結(jié)果將會為地震應(yīng)急救援、社會影響分析、甚至恢復(fù)重建提供關(guān)鍵支持。

綜上所述，由于目前地震災(zāi)害網(wǎng)絡(luò)輿情傳播的覆蓋面及社會影響日益擴大，其既能夠及時提供一些災(zāi)區(qū)災(zāi)情或救助需求信息，同時也會存在一些負(fù)面因素，影響應(yīng)急救災(zāi)工作及災(zāi)區(qū)社會秩序，因此及時地收集、分析和管理地震災(zāi)害網(wǎng)絡(luò)輿情，可為多視角、多主體地震災(zāi)害響應(yīng)提供必要的信息補充，這對于減少自然災(zāi)害損失和維護(hù)社會穩(wěn)定具有重要意義。需要說明的是，本文所列文獻(xiàn)只是網(wǎng)絡(luò)輿情在地震災(zāi)害中的相關(guān)研究，且不全面；即便如此，仍能反映出網(wǎng)絡(luò)輿情在助力地震災(zāi)害減災(zāi)救災(zāi)工作方面的巨大潛力。因此，今后如能充分借助數(shù)據(jù)挖掘等先進(jìn)技術(shù)和借鑒傳播學(xué)等相鄰學(xué)科對于網(wǎng)絡(luò)輿情的理論和實踐研究，將大力提升網(wǎng)絡(luò)輿情在減輕地震災(zāi)害方面的作用。

2 九寨溝地震相關(guān)新浪微博的情感傾向分析

2017年8月8日21時19分四川省九寨溝縣發(fā)生7.0級地震（33.20°N，103.82°E），共造成25人死亡，525人受傷（截至8月13日20時）[35]。震中九寨溝縣是全球著名旅游景點九寨溝景區(qū)所在地；震時又恰逢暑期，國內(nèi)外大量游客聚集，該次地震得到社會各界的高度關(guān)注。微博用戶亦是如此，騰訊微博熱搜榜顯示：至8月9日熱搜榜前十均為該次地震相關(guān)信息。除該次地震的震情災(zāi)情信息外，大量微博用戶發(fā)布了對該次地震相關(guān)議題的評論、觀點等輿情信息，蘊含了豐富的情感內(nèi)容。分析這些富有情感信息的觀點、評論和見解有助于掌握相關(guān)的網(wǎng)絡(luò)輿情演化情況，為輿情監(jiān)測、引導(dǎo)和應(yīng)對等提供科學(xué)支持。在前人研究成果的基礎(chǔ)上，本文以四川九寨溝7.0級地震為例，以新浪微博博文內(nèi)容為數(shù)據(jù)來源，分析了微博用戶對于此次地震事件表現(xiàn)出的情感傾向特征。

2.1 九寨溝地震微博數(shù)據(jù)獲取和預(yù)處理

采用網(wǎng)絡(luò)爬蟲技術(shù)[36-37]和調(diào)用新浪微博應(yīng)用程序接口[15,38]是獲取新浪微博內(nèi)容的2種常用方法。本文以“九寨溝地震”為話題關(guān)鍵詞，采用Python語言編寫網(wǎng)絡(luò)爬蟲，獲取了此次九寨溝地震震后7天（即2017年8月8日震后至8月14日）的新浪微博博文數(shù)據(jù)。

上述通過網(wǎng)絡(luò)爬蟲技術(shù)直接獲取的新浪微博數(shù)據(jù)存在重復(fù)、無效的信息和異常符號，如同一用戶發(fā)布的多條內(nèi)容相同的博文、各種廣告信息、特殊符號或句子內(nèi)空格等。這些重復(fù)或無效信息會對博文情感分析的有效性造成影響，因此需要去除。同樣采用Python語言編程進(jìn)行數(shù)據(jù)去重，刪除重復(fù)、無效和異常數(shù)據(jù)，將預(yù)處理后的數(shù)據(jù)存儲為csv格式，最終得到用于“九寨溝地震”情感分析的新浪微博博文4 256條。

2.2 九寨溝地震微博數(shù)據(jù)特征分析

本文從博文數(shù)量的時間變化特征、博文詞頻特征和博文發(fā)文者區(qū)域特征3個方面簡述了九寨溝地震震后新浪微博數(shù)據(jù)特征。

2.2.1 博文數(shù)量的時間變化特征

九寨溝地震震后7天微博發(fā)布數(shù)量的時間變化特征如圖1所示。震后當(dāng)天和第2天（即8月8日和8月9日）是微博發(fā)布的高峰期，相關(guān)微博發(fā)布數(shù)量總計達(dá)2 604條，占總數(shù)的61%；其中，在8月9日達(dá)到頂峰。之后，隨時間推移，微博發(fā)布數(shù)量逐漸減少，微博用戶對該次地震事件的關(guān)注度降低，但在震后第7天（即8月14日）出現(xiàn)小幅度反彈。分析相關(guān)博文發(fā)現(xiàn)，小幅度反彈與九寨溝景區(qū)自然景觀恢復(fù)有關(guān)—“8月13日，中科院成都山地災(zāi)害與環(huán)境研究所專家陳曉清對九寨溝景區(qū)實地勘察發(fā)現(xiàn)，包括五花海、金鈴海、鏡海等許多海子的水，幾乎已經(jīng)跟地震前一樣?！?。該條微博首先由“四川日報”在微博平臺發(fā)布，并引起不少微博用戶關(guān)注。

圖 1 九寨溝地震震后7天新浪微博發(fā)布數(shù)量分布圖

2.2.2 博文詞頻統(tǒng)計特征

利用Python的jieba庫對上述4 256條博文進(jìn)行中文分詞和詞頻統(tǒng)計，詞頻超過100的詞語如表1所示。

表1所列新浪微博博文高頻詞不僅直接反映了九寨溝地震，如“地震”、“九寨溝”、“四川”的詞頻均過千，更涵蓋了此次地震造成的社會影響和各主體的響應(yīng)。社會影響方面有“受傷”“遇難”“生活”“震后”等；社會響應(yīng)方面有“救援”“應(yīng)急”“撤離”“祈?！薄靶麄鳌薄熬杩睢钡?，既有政府的響應(yīng)又有社會組織和社會公眾的行動。“游客”“景區(qū)”等高頻詞則反映出景區(qū)游客是此次地震的主要受災(zāi)群體之一。

2.2.3 博文區(qū)域分析

圖2顯示了不同地區(qū)微博用戶針對九寨溝地震事件的發(fā)博數(shù)量。從圖2可以看出，九寨溝地震災(zāi)區(qū)所在的四川微博發(fā)布數(shù)量最高；北京作為各類國家級地震科研和業(yè)務(wù)部門、各大媒體所在地，是高活力城市，來自該地區(qū)的微博數(shù)量僅次于四川；而其他發(fā)博數(shù)量較多的省份多為東部經(jīng)濟較發(fā)達(dá)地區(qū)，如廣東、江蘇、山東、福建、上海、浙江、湖北等。值得注意的是，海外微博用戶對該次地震也表現(xiàn)出很高的關(guān)注度。

2.3 九寨溝地震微博數(shù)據(jù)情感分析

本文使用沈陽教授團隊開發(fā)的Rost CM軟件進(jìn)行九寨溝地震相關(guān)新浪博文情感傾向分析[26]。Rost CM軟件是一款開源的文本挖掘工具，可以實現(xiàn)文本或其他形式內(nèi)容的情感分析、聚類分析、語義網(wǎng)絡(luò)和社會網(wǎng)絡(luò)分析等。該工具利用語義詞典將情感詞分類，構(gòu)建了詞語權(quán)重詞典、自定義的否定詞詞典、程度詞詞典和感嘆詞詞典；對待分析文本的每一個子句計算權(quán)重，將所有權(quán)重相加得到整句或整個文本的情感指數(shù)。Rost情感分析工具可以將博文情感分成積極、中立和消極3類，其定義的各類情感值區(qū)間分別為：積極情緒（5，+∞）、中性情緒[-5，5]和消極情緒（-∞，-5）。該工具交叉檢驗的結(jié)果表明其微博情感值計算準(zhǔn)確率達(dá)到80.6%。

表 1 九寨溝地震新浪微博輿情詞頻統(tǒng)計表

圖 2 九寨溝地震新浪微博博文區(qū)域分布

將上述預(yù)處理后的4 256條微博數(shù)據(jù)導(dǎo)入Rost情感分析工具，計算得到每條博文的情感值（圖3），并統(tǒng)計3類博文情感傾向的結(jié)果如表2所示：在抓取到的7天微博數(shù)據(jù)中，表達(dá)積極情緒的占了最大比例，為75.30%，表明網(wǎng)友對于九寨溝地震事件整體情緒是趨于積極的。

圖 3 九寨溝地震新浪微博輿情網(wǎng)民情感值分布及情感極性統(tǒng)計

表 2 九寨溝地震新浪微博輿情網(wǎng)民情感極性統(tǒng)計表

中性情感博文所反映的網(wǎng)民情感不明顯，因此本文只對積極和消極的博文內(nèi)容進(jìn)行分析。此外，單純轉(zhuǎn)發(fā)的博文不計入分析范圍。通過對九寨溝地震發(fā)生后抓取的7天微博文本內(nèi)容的分析，將表達(dá)積極情緒的微博分為4類（圖4），分別是表達(dá)祝福、災(zāi)后救援、災(zāi)后重建、其他。

通過對九寨溝地震相關(guān)積極情感的微博內(nèi)容分析，發(fā)現(xiàn)網(wǎng)民主要針對災(zāi)后救援、災(zāi)后重建等信息發(fā)表了自己的觀點；當(dāng)然，還有相當(dāng)一部分網(wǎng)民在地震發(fā)生后表達(dá)了自己對受災(zāi)群眾的祝福和希望。整體來看，在積極博文中，表達(dá)祝福這一類積極文本占最大比例，為29%；其次是災(zāi)后救援和針對災(zāi)后重建工作發(fā)表的觀點，分別是23%和7%。這主要是因為本次研究選取的是震后7天的數(shù)據(jù)，所以對于災(zāi)后重建的內(nèi)容會比較少，而實時的關(guān)注和祈福是最多的微博內(nèi)容，同時人們也十分關(guān)注災(zāi)后的救援。

圖 4 九寨溝地震新浪微博中積極博文內(nèi)容的分類及占比

通過對九寨溝地震發(fā)生后抓取的7天微博文本內(nèi)容的分析，將表達(dá)消極情緒的微博分為5類（圖5），分別是緬懷悼念、政府公信力問題、對社會各界的質(zhì)疑、災(zāi)后救援重建問題、其他。

圖 5 九寨溝地震新浪微博中消極博文內(nèi)容的分類及占比

分析九寨溝地震相關(guān)的消極情感的微博內(nèi)容可知，災(zāi)后救援問題主要表現(xiàn)在應(yīng)急效率、物資、醫(yī)療、志愿者、救援道路擁堵、防疫以及災(zāi)后重建等方面；分析消極情感的微博內(nèi)容可知，對社會各界的質(zhì)疑主要包括對中國各地地震局、非營利機構(gòu)的作用和意義的質(zhì)疑；政府公信力問題主要包括面對災(zāi)害應(yīng)急管理政府存在不作為的現(xiàn)象、對政府的相關(guān)決策不信任、反對強制捐款、認(rèn)為相關(guān)政府部門上報的災(zāi)害損失數(shù)額過大，存在貪腐傾向。

3 結(jié)論與討論

地震等重大自然災(zāi)害發(fā)生后，越來越多的民眾通過網(wǎng)絡(luò)來獲取和發(fā)布災(zāi)情信息、表達(dá)個人觀點和情感等，產(chǎn)生海量的地震災(zāi)害網(wǎng)絡(luò)數(shù)據(jù)。本文簡要概述了中國學(xué)者針對地震災(zāi)害網(wǎng)絡(luò)輿情數(shù)據(jù)的相關(guān)研究，其多圍繞地震災(zāi)情信息挖掘和分析、地震災(zāi)害輿情演化與監(jiān)測、地震災(zāi)害輿情情感分析3個大的方面。此外，不少學(xué)者還從多個角度開展了地震災(zāi)害網(wǎng)絡(luò)輿情研究，但整體而言系統(tǒng)性不強。基于研究者從事具體工作視角，地震行業(yè)人員主要關(guān)注地震災(zāi)害震情和災(zāi)情提取，傳播學(xué)及管理學(xué)人員多重視地震災(zāi)害輿情演化、監(jiān)測和輿情內(nèi)容情感分析。雖然本文所列文獻(xiàn)只是網(wǎng)絡(luò)輿情在地震災(zāi)害中的相關(guān)研究，且不全面，但仍反映了網(wǎng)絡(luò)輿情在助力地震災(zāi)害減災(zāi)救災(zāi)工作方面的巨大潛力。因此，今后如能充分借助數(shù)據(jù)挖掘等先進(jìn)技術(shù)和借鑒傳播學(xué)、管理學(xué)等相鄰學(xué)科對于網(wǎng)絡(luò)輿情的理論和實踐研究，將大大提升網(wǎng)絡(luò)輿情在減輕地震災(zāi)害方面的作用。

基于本文綜述，以2017年四川九寨溝7.0級地震為例，將從新浪微博獲取的該次地震7天內(nèi)的4 256條微博作為分析數(shù)據(jù)，分析了社會民眾對于此次地震事件表現(xiàn)出的情感傾向特征。結(jié)果表明，對于此次九寨溝地震災(zāi)害網(wǎng)民整體表現(xiàn)了積極的情緒：有75.30%的博文表現(xiàn)為積極情感傾向，17.95%表現(xiàn)為消極情感傾向。通過對積極和消極博文的內(nèi)容分析，初步總結(jié)影響網(wǎng)民情緒波動的主要因素有：政府有效響應(yīng)、救援進(jìn)度、政府公信力、媒體報道形式、其他衍生話題等。