網(wǎng)民情緒強(qiáng)度演化仿真與其影響因素構(gòu)型分析

楊洋洋 謝雪梅

摘 要：[目的/意義]網(wǎng)民的言論在互聯(lián)網(wǎng)平臺(tái)上集聚，情緒很容易被擴(kuò)大和煽動(dòng)，政府應(yīng)如何監(jiān)管和引導(dǎo)網(wǎng)民的情緒，促進(jìn)網(wǎng)絡(luò)環(huán)境的健康發(fā)展。[方法/過程]基于生命周期理論，把整個(gè)輿情過程劃分為4個(gè)階段，即潛伏期、爆發(fā)期、擴(kuò)散期和消退期，采用系統(tǒng)動(dòng)力學(xué)模型對(duì)輿情各階段演化過程中網(wǎng)民情緒強(qiáng)度的變化進(jìn)行仿真，利用靈敏度分析探究單個(gè)變量對(duì)網(wǎng)民情緒強(qiáng)度的影響程度，在此基礎(chǔ)上，運(yùn)用定性比較分析方法對(duì)網(wǎng)民情緒強(qiáng)度的各影響因素進(jìn)行構(gòu)型分析，研究不同因素組合對(duì)網(wǎng)民情緒強(qiáng)度的影響。[結(jié)果/結(jié)論]從潛伏期、爆發(fā)期、擴(kuò)散期到消退期，導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的充分條件組合由兩因素組合到三因素組合，再到四因素組合，若想保持高網(wǎng)民情緒強(qiáng)度，需要的條件是逐漸苛刻的，政府在調(diào)控過程中重點(diǎn)關(guān)注影響顯著的因素，不僅能夠阻斷高網(wǎng)民情緒強(qiáng)度的發(fā)生，而且能夠有效地降低網(wǎng)民情緒強(qiáng)度指數(shù)，達(dá)到控制輿情事件的目的。

關(guān)鍵詞：網(wǎng)絡(luò)輿情;情緒強(qiáng)度;生命周期理論;系統(tǒng)動(dòng)力學(xué);定性比較分析

DOI：10.3969/j.issn.1008-0821.2020.07.010

〔中圖分類號(hào)〕G206.3 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2020）07-0092-12

The Evolution Simulation of Netizens Emotional Intensity and the

Configuration Analysis of Its Influencing Factors

Yang Yangyang Xie Xuemei

（School of Economics and Management，Beijing University of Posts and Telecommunications，

Beijing 100876，China）

Abstract：[Purpose/Significance]When netizens comments gather on the Internet platform，their emotions can easily expand and incite.Therefore，how should the government supervise and guide the mood of netizens，so as to promote the healthy development of the network environment？[Method/Process]Based on the life cycle theory，this paper divided the whole process of public opinion into four stages：latent period，outbreak period，diffusion period and recession period.It used the system dynamics model to simulate the changes of Internet users emotional intensity in the evolution of public opinion in different stages，and used sensitivity analysis to explore the impact of a single variable on Internet users emotional intensity.On this basis，the paper used qualitative comparative analysis method to analyze the configuration of the factors affecting the emotional intensity of the netizens.The purpose was to study the influence of different factors combination on the emotional intensity of the netizens.[Result/Conclusion]From latency，outbreak，diffusion to extinction，the combination of sufficient conditions for the occurrence of high Internet users emotional intensity ranged from two factors to three factors，and then to four factors.If we wanted to maintain high emotional intensity of netizens，the requirements were gradually harsh.In the process of regulation and control，the government focused on the significant factors，which can not only block the occurrence of high Internet users emotional intensity，but also effectively reduce the index of Internet users emotional intensity，so as to achieve the goal of controlling public opinion events.

Key words：internet public opinion;emotional intensity;life cycle theory;systematic dynamics;qualitative comparative analysis

1 相關(guān)研究

隨著互聯(lián)網(wǎng)的普及，我國網(wǎng)民的規(guī)模不斷擴(kuò)大，截至2019年6月，我國網(wǎng)民規(guī)模為8.54億，互聯(lián)網(wǎng)普及率達(dá)61.2%[1]?；ヂ?lián)網(wǎng)加快了信息傳播的速度，成為網(wǎng)民獲取新聞和熱點(diǎn)的主要途徑，網(wǎng)民由單向接受信息變?yōu)椤敖邮铡u(píng)論—反饋”的循環(huán)過程，使得網(wǎng)民的話語權(quán)得到極大的擴(kuò)展。但是，互聯(lián)網(wǎng)輿情大數(shù)據(jù)的發(fā)展，網(wǎng)民的言論在互聯(lián)網(wǎng)平臺(tái)上集聚，情緒很容易被擴(kuò)大和煽動(dòng)，給政府社會(huì)治理帶來極大的挑戰(zhàn)，2017年“紅黃藍(lán)”幼兒園虐童事件發(fā)生后，在網(wǎng)絡(luò)上迅速傳播開來，網(wǎng)民情緒高漲，兩天時(shí)間達(dá)到了輿情傳播的巔峰;2018年空姐打車遇害事件引起了網(wǎng)民的廣泛關(guān)注，對(duì)遇害者的悲痛、對(duì)滴滴平臺(tái)存在弊端的譴責(zé)以及對(duì)犯罪嫌疑人的憤怒等導(dǎo)致網(wǎng)民的情緒逐漸增強(qiáng);2018年長(zhǎng)生疫苗事件的爆發(fā)不僅引起網(wǎng)民對(duì)涉事企業(yè)的強(qiáng)烈譴責(zé)，也影響了政府公信力的樹立。網(wǎng)民情緒的表達(dá)不僅是對(duì)網(wǎng)絡(luò)輿情事件的不滿，更是表達(dá)了對(duì)政府社會(huì)治理的期望。因此，政府需要正確面對(duì)網(wǎng)民的負(fù)情緒，找出引發(fā)網(wǎng)民情緒的根源，及時(shí)化解網(wǎng)民的情緒，避免不必要的網(wǎng)絡(luò)躁動(dòng)。為此，2018年12月，國務(wù)院辦公廳印發(fā)《國務(wù)院辦公廳關(guān)于推進(jìn)政務(wù)新媒體健康有序發(fā)展的意見》，在新媒體時(shí)代，政府監(jiān)管和引導(dǎo)網(wǎng)民情緒的變化，不僅能夠有效地促進(jìn)網(wǎng)絡(luò)環(huán)境的健康發(fā)展，而且能夠樹立政府公信力。政府部門已經(jīng)開始重視對(duì)網(wǎng)民情緒的監(jiān)管和引導(dǎo)，然而，哪些因素是影響網(wǎng)民情緒的關(guān)鍵因素，各因素對(duì)網(wǎng)民情緒的影響程度又是怎樣的呢？基于生命周期理論，本研究剖析網(wǎng)絡(luò)輿情傳播的各階段中網(wǎng)民情緒的關(guān)鍵影響因素，以期為政府網(wǎng)民情緒的監(jiān)管和引導(dǎo)提供參考建議。

由于互聯(lián)網(wǎng)輿情大數(shù)據(jù)的驅(qū)動(dòng)，國內(nèi)外學(xué)者對(duì)網(wǎng)民情緒影響因素的研究成果也不斷豐富，大致可以分為以.4個(gè)方面。第一，事件因素對(duì)網(wǎng)民情緒的影響，Zhang L等[2]對(duì)傳統(tǒng)的SIR模型進(jìn)行改進(jìn)，研究了事件信息在耦合社會(huì)網(wǎng)絡(luò)環(huán)境中網(wǎng)民情緒的擴(kuò)散效應(yīng);Zhu H等[3]以輿情事件信息為切入點(diǎn)，從信息的發(fā)布時(shí)間和發(fā)布強(qiáng)度探究了事件信息對(duì)網(wǎng)民情緒反轉(zhuǎn)的影響，為政府輿情的監(jiān)管提供參考;Jiang D等[4]以新聞事件信息為研究對(duì)象，提出了一種創(chuàng)新的新聞事件網(wǎng)民情緒計(jì)算方法;楊洋洋等[5]研究發(fā)現(xiàn)，事件信息源敏感度對(duì)網(wǎng)絡(luò)輿情熱度存在顯著的影響。第二，網(wǎng)民因素對(duì)網(wǎng)民情緒的影響，Ku Y C等[6]對(duì)在線社會(huì)網(wǎng)民的意見進(jìn)行研究，認(rèn)為信息發(fā)布者在輿情演化中的作用至關(guān)重要;ztürk N等[7]利用Twitter平臺(tái)的數(shù)據(jù)，選取2 381 297條相關(guān)的推文，分析了公眾對(duì)這一話題的情感變化;Xiao Y等[8]把演化博弈模型與SIR模型相結(jié)合，構(gòu)建了基于用戶多尺度屬性和進(jìn)化博弈的熱點(diǎn)傳播模型;蘭月新等[9]構(gòu)建網(wǎng)民情緒演化機(jī)理的微分方程模型，并對(duì)網(wǎng)民情緒的演化趨勢(shì)進(jìn)行預(yù)測(cè)分析;凌晨等[10]基于“信念—愿望—意圖（BDI）”模型，分析了突發(fā)事件中網(wǎng)民負(fù)面情緒的動(dòng)因和演變規(guī)律，為政府的應(yīng)急決策提供建議;王佳敏等[11]運(yùn)用多智能體方法，設(shè)計(jì)了主體交互規(guī)則和仿真算法，研究了意見領(lǐng)袖對(duì)網(wǎng)民的情感影響;賴勝強(qiáng)等[12]以網(wǎng)民的評(píng)論內(nèi)容為研究對(duì)象，基于扎根理論歸納出情緒化傳播的形成要素，構(gòu)建了網(wǎng)絡(luò)輿情情緒化傳播的機(jī)理模型。第三，媒體因素對(duì)網(wǎng)民情緒的影響，葉瓊元等[13]認(rèn)為，媒體環(huán)境因素是引導(dǎo)網(wǎng)民情緒演化趨勢(shì)的關(guān)鍵因素之一，并通過仿真模擬得出了網(wǎng)民情緒演化的規(guī)律;田維鋼[14]以微博社交媒體為研究對(duì)象，從分布、效能、頻率3個(gè)方面構(gòu)建了網(wǎng)民情緒傳播機(jī)制模型;宋凱等[15]認(rèn)為，社交媒體使得網(wǎng)絡(luò)輿情傳播變得復(fù)雜，擴(kuò)大網(wǎng)民情緒的波動(dòng)范圍。第四，政府因素對(duì)網(wǎng)民情緒的影響，周莉等[16]以反腐輿情事件為研究對(duì)象，建議政府可以基于內(nèi)部因素引導(dǎo)網(wǎng)民的負(fù)面情緒，基于外部因素引導(dǎo)網(wǎng)民的正面情緒;姜金貴等[17]研究發(fā)現(xiàn)，政府部門及時(shí)地回應(yīng)網(wǎng)絡(luò)輿情事件，并保障網(wǎng)絡(luò)輿情事件處理的透明性，是引導(dǎo)網(wǎng)民負(fù)面情緒的有效方法;余紅等[18]認(rèn)為，政府有效的信息供給和議程焦點(diǎn)的轉(zhuǎn)移，能夠有效地引導(dǎo)網(wǎng)民情緒轉(zhuǎn)向理性;韓誠等[19]提出網(wǎng)民情緒的變化直接影響到政府政策的制定和實(shí)施。

綜上所述，目前學(xué)者們的研究都把輿情看作一個(gè)整體進(jìn)行研究，而沒有考慮輿情發(fā)展的不同階段網(wǎng)民情緒強(qiáng)度的差異，即使有部分學(xué)者對(duì)網(wǎng)絡(luò)輿情的傳播階段進(jìn)行劃分，卻沒有深入研究各階段網(wǎng)民情緒強(qiáng)度變化的影響因素。基于此，以生命周期理論為基礎(chǔ)，采用系統(tǒng)動(dòng)力學(xué)模型對(duì)輿情各階段演化過程中網(wǎng)民情緒強(qiáng)度的變化進(jìn)行仿真，利用靈敏度分析探究單個(gè)變量對(duì)網(wǎng)民情緒強(qiáng)度的影響程度，在此基礎(chǔ)上，運(yùn)用定性比較分析方法對(duì)網(wǎng)民情緒強(qiáng)度的各影響因素進(jìn)行構(gòu)型分析，研究不同因素組合對(duì)網(wǎng)民情緒強(qiáng)度的影響，從而為政府網(wǎng)絡(luò)輿情的治理提供參考。

2 研究理論模型

2.1 輿情生命周期階段劃分

生命周期理論（Life Cycle Theory）是指某一事物的出生、成長(zhǎng)過程、衰老、生病和死亡的過程[20]。生命周期理論已經(jīng)運(yùn)用到政治、經(jīng)濟(jì)、社會(huì)等諸多領(lǐng)域，其概念與網(wǎng)絡(luò)輿情的發(fā)展過程剛好吻合，已有部分學(xué)者把生命周期理論引入到網(wǎng)絡(luò)輿情的研究中。目前，有關(guān)輿情生命周期階段劃分的研究，學(xué)者們提出較早的是三階段劃分，陳福集等[21]利用E-Divisive算法把長(zhǎng)期輿情事件大致分為波動(dòng)期、高潮期、衰退期;杜洪濤等[22]將突發(fā)事件網(wǎng)絡(luò)輿情演化過程劃分為形成（擴(kuò)散）、高潮和消散3個(gè)階段;王曰芬等[23]將生命周期理論和關(guān)鍵節(jié)點(diǎn)識(shí)別相結(jié)合，將輿情生命周期劃分為成長(zhǎng)、爆發(fā)和衰退3個(gè)階段。在輿情生命周期三階段劃分的基礎(chǔ)上，又有學(xué)者提出了四階段劃分的方法，與三階段劃分的主要區(qū)別是把中間輿情爆發(fā)的階段細(xì)分為2個(gè)階段，張磊[24]把網(wǎng)絡(luò)輿情的生命周期劃分為潛伏期、成長(zhǎng)期、成熟期和衰退期4個(gè)階段;晏敬東等[25]把微博輿情劃分為潛伏期、預(yù)熱期、熱議期和衰退期4個(gè)階段;武慧娟等[26]認(rèn)為，網(wǎng)絡(luò)輿情的生命周期過程需要經(jīng)歷形成、成長(zhǎng)、成熟、衰退4個(gè)階段。

目前，學(xué)者們對(duì)輿情生命周期的研究，是根據(jù)網(wǎng)絡(luò)輿情各階段的發(fā)展特征進(jìn)行定性劃分，并未形成成熟的輿情生命周期劃分標(biāo)準(zhǔn)。陳力丹[27]首次把黃金分割線0.618作為輿情發(fā)展的“臨界點(diǎn)”，當(dāng)輿情達(dá)到這一值時(shí)，輿情便形成了;劉建明[28]在此基礎(chǔ)上進(jìn)一步研究，把輿論形成的邊界值確定為0.25～0.30，當(dāng)持某一觀點(diǎn)的人數(shù)達(dá)到0.25時(shí)，此時(shí)輿論已經(jīng)形成。本研究是在已有學(xué)者們對(duì)輿情生命周期研究的基礎(chǔ)上，同時(shí)結(jié)合本研究選取的案例特征，在對(duì)本研究案例輿情生命周期觀察的基礎(chǔ)上，為了及時(shí)識(shí)別輿情，為輿情應(yīng)對(duì)爭(zhēng)取更多的時(shí)間，把邊界值.調(diào)0.05，即把情緒強(qiáng)度界定為0.2。以情緒強(qiáng)度作為劃分網(wǎng)絡(luò)輿情生命周期的標(biāo)準(zhǔn)，把整個(gè)輿情過程劃分為4個(gè)階段，即潛伏期、爆發(fā)期、擴(kuò)散期和消退期。如圖1所示，給出了輿情生命周期四階段過程，第一階段，潛伏期，此時(shí)0t3，情緒強(qiáng)度小于0.2，該階段表示輿情事件逐漸平息，網(wǎng)民的情緒強(qiáng)度逐漸減弱。

2.2 網(wǎng)民情緒強(qiáng)度指標(biāo)體系

在網(wǎng)絡(luò)輿情事件傳播的過程中，網(wǎng)民情緒強(qiáng)度受到諸多因素的影響。事件因素是引發(fā)網(wǎng)民情緒的導(dǎo)火索，它一方面引發(fā)網(wǎng)民情緒的產(chǎn)生;另一方面引起媒體對(duì)事件的傳播，事件的影響力越大，引發(fā)的網(wǎng)民情緒就越強(qiáng)烈，但隨著網(wǎng)民情緒的高漲，事件的影響力會(huì)逐漸減弱;網(wǎng)民因素是情緒產(chǎn)生的主體，網(wǎng)民的影響力越大，就能產(chǎn)生越強(qiáng)的情緒強(qiáng)度，當(dāng)情緒強(qiáng)度越高時(shí)，也會(huì)反過來正向作用于網(wǎng)民影響力;媒體因素是網(wǎng)民情緒發(fā)酵的催化劑，媒體對(duì)網(wǎng)民情緒強(qiáng)度的影響是正向的，當(dāng)網(wǎng)民的情緒強(qiáng)度增高時(shí)，能夠引發(fā)媒體更加深入地傳播和報(bào)道;政府因素是網(wǎng)民情緒發(fā)展的調(diào)節(jié)劑，政府一方面控制媒體的傳播;另一方面疏導(dǎo)網(wǎng)民的情緒，當(dāng)網(wǎng)民的情緒強(qiáng)度越高時(shí)，政府的調(diào)節(jié)作用就會(huì)越強(qiáng)，政府的調(diào)節(jié)力度增強(qiáng)時(shí)，會(huì)負(fù)向作用于網(wǎng)民的情緒強(qiáng)度。基于以上分析，構(gòu)建基于事件、網(wǎng)民、媒體、政府的“四因素”指標(biāo)體系，探究影響網(wǎng)民情緒強(qiáng)度變化的主要因素，圖2給出了網(wǎng)民情緒強(qiáng)度“四因素”指標(biāo)體系示意圖。

2.3 理論框架模型

以網(wǎng)絡(luò)輿情生命周期四階段過程為基礎(chǔ)，基于網(wǎng)民情緒強(qiáng)度“四因素”指標(biāo)體系，運(yùn)用系統(tǒng)動(dòng)力學(xué)模型仿真輿情各階段網(wǎng)民情緒強(qiáng)度的變化過程，利用靈敏度分析探究單個(gè)變量對(duì)網(wǎng)民情緒強(qiáng)度的影響程度，并運(yùn)用定性比較分析方法對(duì)網(wǎng)民情緒強(qiáng)度的各影響因素進(jìn)行構(gòu)型分析，研究不同因素組合對(duì)網(wǎng)民情緒強(qiáng)度的影響。網(wǎng)民情緒強(qiáng)度影響因素研究理論框架模型如圖3所示。

3 網(wǎng)民情緒強(qiáng)度演化仿真模型

3.1 系統(tǒng)流圖

基于事件子系統(tǒng)、網(wǎng)民子系統(tǒng)、媒體子系統(tǒng)和政府子系統(tǒng)4個(gè)維度構(gòu)建網(wǎng)民情緒強(qiáng)度演化系統(tǒng)動(dòng)力學(xué)模型，在系統(tǒng)流圖中，事件影響力、網(wǎng)民影響力、媒體影響力和政府影響力4個(gè)變量為狀態(tài)變量，表示輿情事件發(fā)展過程中，4個(gè)變量的累積變化情況;情緒強(qiáng)度指標(biāo)是由事件作用力、網(wǎng)民作用力、媒體作用力和政府作用力4個(gè)變量共同作用的結(jié)果，其他各變量之間的關(guān)系如圖4所示。

圖4 網(wǎng)民情緒強(qiáng)度演化系統(tǒng)流圖

3.2 各變量方程式

運(yùn)用專家組打分法和層次分析法確定方程式中的一部分變量權(quán)重賦值，專家組是由本校輿情研究課題組中2名教授、3名副教授和5名博士生組成;另一部分變量的權(quán)重系數(shù)從前人的研究文獻(xiàn)中獲取，各變量的方程式如.：

1）情緒強(qiáng)度指數(shù)=0.235*事件作用力+0.218*網(wǎng)民作用力+0.326*媒體作用力-0.221*政府作用力[29];

2）事件作用力=0.15*事件影響力+0.85*事件影響力變化率;

3）事件影響力=INTEG（事件影響力變化率*EXP（-Time），0）[29];

4）事件影響力變化率=0.35*事件敏感度+0.65*事件傳播范圍[30];

5）事件傳播范圍=0.5*網(wǎng)民參與度+0.5*媒體報(bào)道指數(shù);

6）網(wǎng)民作用力=0.15*網(wǎng)民影響力+0.85*網(wǎng)民影響力變化率;

7）網(wǎng)民影響力=INTEG（網(wǎng)民影響力變化率，0）;

8）網(wǎng)民影響力變化率=0.5*網(wǎng)民參與指數(shù)+0.3*網(wǎng)民關(guān)注指數(shù)+0.2*網(wǎng)民滿意度[31];

9）網(wǎng)民滿意度=政府回應(yīng)力;

10）媒體作用力=0.15*媒體影響力+0.85*媒體影響力變化率;

11）媒體影響力=INTEG（媒體影響力變化率，0）;

12）媒體影響力變化率=0.6*媒體報(bào)道指數(shù)+0.4*媒體分布指數(shù);

13）媒體分布指數(shù)=事件傳播范圍*媒體報(bào)道指數(shù);

14）政府作用力=0.15*政府影響力+0.85*政府影響力變化率;

15）政府影響力=INTEG（政府影響力變化率，0）;

16）政府影響力變化率=DELAY1I（0.35*政府公信力+0.65*政府回應(yīng)力，2，0）[32];

17）政府公信力=0.35*政府回應(yīng)力+0.65*網(wǎng)民滿意度;

18）政府回應(yīng)力=IF THEN ELSE（網(wǎng)民參與指數(shù)>0.3，網(wǎng)民參與指數(shù)，SQRT（網(wǎng)民參與指數(shù)））[33]。

3.3 靈敏度分析

本研究選取2018年8月的“食鹽里加亞鐵氰化鉀有毒”輿情事件作為實(shí)證案例，模擬時(shí)間為2018年8月21日至2018年9月4日，一共15天時(shí)間，仿真所需要的數(shù)據(jù)主要通過兩種方式獲取，一是通過百度指數(shù)摘取所需要的數(shù)據(jù);二是運(yùn)用網(wǎng)絡(luò)爬蟲技術(shù)獲取所需要的數(shù)據(jù)。由仿真的結(jié)果可知該事件的情緒強(qiáng)度的演化過程，以此對(duì)該輿情生命周期階段進(jìn)行劃分，1～6天為潛伏期，7～8天為爆發(fā)期，9～11天為擴(kuò)散期，12～15天為消退期，分別對(duì)各階段進(jìn)行調(diào)控實(shí)驗(yàn)，分別以事件影響力變化率、網(wǎng)民影響力變化率、媒體影響力變化率、政府影響力變化率4個(gè)速率變量為調(diào)控對(duì)象，探究單個(gè)變量對(duì)情緒強(qiáng)度的影響程度。

1）潛伏期調(diào)控分析

在潛伏期階段，由圖5（c）可知，媒體影響力變化率的調(diào)整對(duì)情緒強(qiáng)度指數(shù)的影響是十分微小的，5條曲線幾乎全部重疊，表明潛伏期媒體因素對(duì)網(wǎng)民的情緒強(qiáng)度沒有顯著影響;圖5（b）和（d）分別是網(wǎng)民影響力變化率和政府影響力變化率的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響曲線，兩張圖的曲線十分相似，都是在潛伏期前期的調(diào)整效果不明顯，到潛伏期后期會(huì)產(chǎn)生一定影響，這表明潛伏期對(duì)網(wǎng)民因素和政府因素的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響有滯后效應(yīng);圖5（a）是事件影響力變化率的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響曲線，當(dāng)事件因素調(diào)整時(shí)，情緒強(qiáng)度指數(shù)曲線立刻表現(xiàn)出不同的曲線走勢(shì)，且變化的幅度相對(duì)較大，表明事件因素的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響是直接的，且是影響較大的。因此，在潛伏期階段，事件因素是影響情緒強(qiáng)度指數(shù)曲線的直接因素，且影響程度較大，網(wǎng)民因素和政府因素是影響情緒強(qiáng)度指數(shù)曲線的滯后因素，且影響程度一般，媒體因素是影響情緒強(qiáng)度指數(shù)曲線的無效因素。

2）爆發(fā)期調(diào)控分析

在爆發(fā)期階段，由圖6（d）可知，政府影響力變化率的調(diào)整對(duì)情緒強(qiáng)度指數(shù)的影響是十分微小的，5條曲線幾乎全部重疊，表明爆發(fā)期政府因素對(duì)網(wǎng)民的情緒強(qiáng)度沒有顯著影響;圖6（a）和（b）分別是事件影響力變化率和網(wǎng)民影響力變化率的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響曲線，兩個(gè)因素的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響程度相似，但是事件因素僅對(duì)爆發(fā)期的情緒強(qiáng)度指數(shù)產(chǎn)生影響，而網(wǎng)民因素不僅對(duì)爆發(fā)期的情緒強(qiáng)度指數(shù)產(chǎn)生影響，還對(duì)擴(kuò)散期和消退期的情緒強(qiáng)度指數(shù)產(chǎn)生影響;圖6（c）是媒體影響力變化率的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響曲線，當(dāng)媒體因素調(diào)整時(shí)，情緒強(qiáng)度指數(shù)曲線立刻表現(xiàn)出不同的曲線走勢(shì)，且變化的幅度相對(duì)較大，表明媒體因素的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響是顯著的。因此，在爆發(fā)期階段，媒體因素對(duì)情緒強(qiáng)度指數(shù)曲線的影響是顯著的，事件因素和網(wǎng)民因素對(duì)情緒強(qiáng)度指數(shù)曲線的影響程度一般，政府因素對(duì)情緒強(qiáng)度指數(shù)曲線沒有顯著影響。

3）擴(kuò)散期調(diào)控分析

在擴(kuò)散期階段，圖7（a）和（b）分別是事件影響力變化率和網(wǎng)民影響力變化率的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響曲線，兩個(gè)因素的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響程度較小;圖7（c）和（d）分別是媒體影響力變化率和政府影響力變化率的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響曲線，兩個(gè)因素的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響程度較大;因此，在擴(kuò)散期階段，政府因素和媒體因素對(duì)情緒強(qiáng)度指數(shù)曲線的影響較大，而事件因素和網(wǎng)民因素對(duì)情緒強(qiáng)度指數(shù)曲線的影響程度較小。

4）消退期調(diào)控分析

在消退期階段，圖8（c）是媒體影響力變化率的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響曲線，媒體因素對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響程度較小;圖8（a）和（b）分別是事件影響力變化率和網(wǎng)民影響力變化率的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響曲線，兩個(gè)因素的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響程度一般;圖8（d）是政府影響力變化率的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響曲線。當(dāng)政府因素調(diào)整時(shí)，情緒強(qiáng)度指數(shù)曲線立刻表現(xiàn)出不同的曲線走勢(shì)，且變化的幅度相對(duì)較大，表明政府因素的調(diào)整對(duì)情緒強(qiáng)度指數(shù)產(chǎn)生的影響是顯著的。因此，在擴(kuò)散期階段，政府因素

4 網(wǎng)民情緒強(qiáng)度影響因素構(gòu)型分析

4.1 案例和變量的選取

本文選取2017-2018年的社會(huì)輿情熱點(diǎn)作為研究對(duì)象，具體信息如表1所示。通過百度指數(shù)摘取或者網(wǎng)絡(luò)爬蟲技術(shù)獲取選取事件的數(shù)據(jù)，輸入到系統(tǒng)動(dòng)力學(xué)模型中，獲得每個(gè)輿情事件的網(wǎng)民情緒強(qiáng)度仿真演化模型，基于上文構(gòu)建的網(wǎng)民情緒強(qiáng)度演化系統(tǒng)模型，可知事件、網(wǎng)民、媒體和政府是影響情緒強(qiáng)度演化的主要因素，因此，選取事件作用力、網(wǎng)民作用力、媒體作用力、政府作用力4個(gè)變量作為前因條件，以情緒強(qiáng)度指數(shù)為結(jié)果變量，本文采用定性比較分析方法，探究不同因素組合對(duì)結(jié)果變量的影響。

4.2 fsQCA分析結(jié)果

1）必要條件分析

在進(jìn)行模糊集定性比較分析前，首先對(duì)條件變量進(jìn)行必要性檢測(cè)分析，將有助于后續(xù)的結(jié)果分析，以確保后續(xù)分析結(jié)果的準(zhǔn)確性。得到單因素必要條件分析結(jié)果如表3所示，一般規(guī)定，當(dāng)單因素的必要性達(dá)到0.9時(shí)，即是結(jié)果變量的必要條件，由表3可知，在潛伏期，高事件作用力是高網(wǎng)民情緒強(qiáng)度的必要條件，在爆發(fā)期，高事件作用力是高網(wǎng)民情緒強(qiáng)度的必要條件，在擴(kuò)散期，高媒體作用力和高網(wǎng)民作用力是高網(wǎng)民情緒強(qiáng)度的必要條件，在消退期，高事件作用力是高網(wǎng)民情緒強(qiáng)度的必要條件。

2）組合條件分析

本文采用fsQCA 3.0軟件進(jìn)行分析，通過表2

的校準(zhǔn)函數(shù)獲得真值表，在分析過程中，一致性門檻值設(shè)定為0.8，可接受的個(gè)案數(shù)設(shè)為1，各階段的網(wǎng)民情緒強(qiáng)度影響因素構(gòu)型分析結(jié)果如表4所示，各個(gè)路徑的一致性和總體一致性都大于0.8，表明解的認(rèn)可度較高，滿足研究的需要，其中，●表示該因素存在，◎表示該因素不存在，“空白”表示該因素存在或不存在對(duì)結(jié)果無影響。

在潛伏期階段，高事件作用力是高網(wǎng)民情緒強(qiáng)度的必要條件，高事件作用力、高媒體作用力或者高事件作用力、高網(wǎng)民作用力是導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的兩個(gè)充分條件，而政府作用力是一個(gè)無效條件，即它的高低對(duì)結(jié)果無影響。該階段網(wǎng)民情緒強(qiáng)度是逐漸升高的，事件作用力是潛伏期政府需要重點(diǎn)監(jiān)測(cè)的對(duì)象，只有高事件作用力才能引起媒體或者網(wǎng)民的關(guān)注，從而帶動(dòng)網(wǎng)民情緒強(qiáng)度。因此，政府若想在潛伏期控制某一輿情的網(wǎng)民情緒強(qiáng)度，只需重點(diǎn)調(diào)控事件作用力因素，便可阻斷導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的兩個(gè)充分條件，到達(dá)調(diào)控輿情的目的。

在爆發(fā)期階段，高媒體作用力、低政府作用力或者高事件作用力、高網(wǎng)民作用力是導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的兩個(gè)充分條件。該階段網(wǎng)民情緒強(qiáng)度是迅速升高的，在該階段，政府作用力保持較低的水平，加上媒體的高關(guān)注，會(huì)更加擴(kuò)大網(wǎng)民情緒強(qiáng)度，此外，事件的進(jìn)一步發(fā)酵，加上高網(wǎng)民作用力，也會(huì)提高網(wǎng)民情緒強(qiáng)度。因此，政府保持較低的政府作用力，同時(shí)抑制輿情事件的進(jìn)一步發(fā)酵，可有效的斷導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的兩個(gè)充分條件，降低網(wǎng)民情緒強(qiáng)度。

在擴(kuò)散期階段，高事件作用力、高政府作用力、高網(wǎng)民作用力或者高媒體作用力、高政府作用力、高網(wǎng)民作用力是導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的兩個(gè)充分條件。該階段網(wǎng)民情緒強(qiáng)度是逐漸減弱的，高政府作用力、高網(wǎng)民作用力是高網(wǎng)民情緒強(qiáng)度的必要條件，該階段政府作用力和網(wǎng)民作用力控制其中一個(gè)保持較低水平，便可阻斷導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的兩個(gè)充分條件，達(dá)到調(diào)控網(wǎng)民情緒強(qiáng)度的目的。

在消退期階段，高事件作用力、高媒體作用力、高政府作用力、高網(wǎng)民作用力是導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的充分條件。該階段網(wǎng)民情緒強(qiáng)度是逐漸消退的，因此，若想保持高網(wǎng)民情緒強(qiáng)度，需要的條件是苛刻的，即需要同時(shí)保持高事件作用力、高媒體作用力、高政府作用力、高網(wǎng)民作用力。

綜上所述，從潛伏期、爆發(fā)期、擴(kuò)散期到消退期，導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的充分條件組合由兩因素組合到三因素組合，再到四因素組合，隨著網(wǎng)民情緒強(qiáng)度的逐漸減弱，若想保持高網(wǎng)民情緒強(qiáng)度，需要的條件是逐漸苛刻的。

5 結(jié)論與建議

5.1 研究結(jié)論與建議

本文基于生命周期理論，把整個(gè)輿情過程劃分為4個(gè)階段，即潛伏期、爆發(fā)期、擴(kuò)散期和消退期。采用系統(tǒng)動(dòng)力學(xué)模型對(duì)輿情各階段演化過程中網(wǎng)民情緒強(qiáng)度的變化進(jìn)行仿真，利用靈敏度分析探究單個(gè)變量對(duì)網(wǎng)民情緒強(qiáng)度的影響程度，在此基礎(chǔ)上，運(yùn)用定性比較分析方法對(duì)網(wǎng)民情緒強(qiáng)度的各影響因素進(jìn)行構(gòu)型分析，研究不同因素組合對(duì)網(wǎng)民情緒強(qiáng)度的影響，從而為政府網(wǎng)絡(luò)輿情的治理提供參考，得出如.結(jié)論與建議。

1）事件因素對(duì)網(wǎng)民情緒強(qiáng)度的影響貫穿于整個(gè)輿情生命周期過程

在必要條件分析結(jié)果中可以看出，事件作用力是潛伏期、爆發(fā)期和消退期3個(gè)階段高網(wǎng)民情緒強(qiáng)度的必要條件，事件因素對(duì)網(wǎng)民情緒強(qiáng)度的影響是顯著的，因此，在潛伏期、爆發(fā)期和消退期，政府若想控制某一輿情的網(wǎng)民情緒強(qiáng)度，只需重點(diǎn)調(diào)控事件因素，不僅能夠阻斷高網(wǎng)民情緒強(qiáng)度的發(fā)生，而且能夠有效降低網(wǎng)民情緒強(qiáng)度指數(shù)，達(dá)到控制輿情事件的目的。在系統(tǒng)動(dòng)力學(xué)仿真模型中，事件因素主要受事件敏感度和事件傳播范圍兩個(gè)因素的影響，當(dāng)某一輿情事件發(fā)生時(shí)，政府需要重點(diǎn)監(jiān)測(cè)事件敏感度和事件傳播范圍，一旦這兩個(gè)指標(biāo)超出了預(yù)定的警戒值，就需要政府著手采取相應(yīng)的措施引導(dǎo)網(wǎng)民情緒，降低輿情熱度。

2）在爆發(fā)和擴(kuò)散階段，媒體因素對(duì)網(wǎng)民情緒強(qiáng)度的影響是顯著的

由模糊集定性比較分析結(jié)果可知，在爆發(fā)期，高媒體作用力、低政府作用力或者高事件作用力、高網(wǎng)民作用力是導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的兩個(gè)充分條件，在擴(kuò)散期，媒體作用力是高網(wǎng)民情緒強(qiáng)度的必要條件。因此，該階段政府應(yīng)重點(diǎn)關(guān)注媒體因素，積極地引導(dǎo)媒體正面報(bào)道，減弱媒體的夸大或深度報(bào)道，阻止輿情事件的進(jìn)一步發(fā)酵，能夠有效地降低網(wǎng)民情緒強(qiáng)度指數(shù)，媒體是傳播輿情事件的載體，要發(fā)揮媒體的正能量作用，政府需要與媒體保持密切的溝通，及時(shí)地讓媒體掌握正確的輿情信息，避免一些媒體盲目的報(bào)道，同時(shí)還需要制定嚴(yán)格的懲罰措施，對(duì)于一些惡意傳播負(fù)能量輿情信息的媒體機(jī)構(gòu)，給予嚴(yán)厲的懲罰，設(shè)置媒體報(bào)道的底線。

3）在擴(kuò)散和消退階段，政府因素和網(wǎng)民因素對(duì)網(wǎng)民情緒強(qiáng)度的影響更為明顯

在擴(kuò)散期，高事件作用力、高政府作用力、高網(wǎng)民作用力或者高媒體作用力、高政府作用力、高網(wǎng)民作用力是導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的兩個(gè)充分條件;在消退期，高事件作用力、高媒體作用力、高政府作用力、高網(wǎng)民作用力是導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的充分條件，可知，政府因素和網(wǎng)民因素是擴(kuò)散和消退期高網(wǎng)民情緒強(qiáng)度的必要條件。因此，在輿情生命周期的后期，政府因素和網(wǎng)民因素對(duì)網(wǎng)民情緒強(qiáng)度的影響更為明顯。該時(shí)期政府應(yīng)該及時(shí)地向網(wǎng)民公開輿情信息，與網(wǎng)民保持溝通和交流，解答網(wǎng)民的疑惑，從而有效地降低網(wǎng)民情緒強(qiáng)度指數(shù)，從而控制網(wǎng)民情緒強(qiáng)度的發(fā)展。

4）高網(wǎng)民情緒強(qiáng)度更容易發(fā)生在輿情傳播的前期

從潛伏期、爆發(fā)期、擴(kuò)散期到消退期，研究發(fā)現(xiàn)導(dǎo)致高網(wǎng)民情緒強(qiáng)度發(fā)生的充分條件組合由兩因素組合到三因素組合，再到四因素組合，可知，高網(wǎng)民情緒強(qiáng)度發(fā)生的充分條件是逐漸苛刻的。從政府引導(dǎo)網(wǎng)民情緒強(qiáng)度的難易程度來講，在輿情生命周期的后期，政府更容易引導(dǎo)和疏解網(wǎng)民情緒強(qiáng)度，這也是目前政府部門處理網(wǎng)絡(luò)輿情事件常用的手段。從理論上講，政府在輿情生命周期的前期介入，更容易阻斷高網(wǎng)民情緒強(qiáng)度的發(fā)生，但是，由于在輿情生命周期的前期，政府部門對(duì)輿情信息不夠了解，往往找不到有效的措施，所以，就目前而言，在輿情生命周期的后期，政府作用力對(duì)網(wǎng)民情緒強(qiáng)度的影響更為明顯。

5.2 研究貢獻(xiàn)與局限性

本研究的貢獻(xiàn)主要體現(xiàn)在理論和實(shí)踐兩個(gè)方面，在理論上，采用系統(tǒng)動(dòng)力學(xué)模型與定性比較分析方法相結(jié)合的混合方法，基于單因素和組合因素的視角構(gòu)建了網(wǎng)民情緒強(qiáng)度影響因素的模型，為網(wǎng)民情緒強(qiáng)度研究體系提供了新的研究方法和視角。在實(shí)踐中，對(duì)于網(wǎng)民情緒強(qiáng)度影響因素的研究結(jié)論，事件因素對(duì)網(wǎng)民情緒強(qiáng)度的影響貫穿于整個(gè)輿情生命周期過程，在爆發(fā)和擴(kuò)散階段，重視媒體因素對(duì)網(wǎng)民情緒強(qiáng)度的影響，在擴(kuò)散和消退階段，政府因素和網(wǎng)民因素對(duì)網(wǎng)民情緒強(qiáng)度的影響更為明顯，高網(wǎng)民情緒強(qiáng)度更容易發(fā)生在輿情傳播的前期，這些能夠有效地指導(dǎo)政府部門監(jiān)管和引導(dǎo)網(wǎng)民情緒強(qiáng)度的發(fā)展，為政府網(wǎng)絡(luò)輿情治理提供參考和建議。

本研究還存在以.局限性，第一，本研究基于事件、網(wǎng)民、媒體、政府的“四因素”指標(biāo)體系，探究影響網(wǎng)民情緒強(qiáng)度變化的主要因素，沒有針對(duì)每一個(gè)因素做細(xì)分展開，在后續(xù)的研究中，作者將分別展開研究事件、網(wǎng)民、媒體、政府對(duì)網(wǎng)民情緒強(qiáng)度的影響;第二，本研究案例選取的數(shù)量有待增加，考慮到數(shù)據(jù)的可獲得性和完整性，本研究剛開始篩選了20多個(gè)案例，但是，有一部分案例的數(shù)據(jù)存在問題，比如，數(shù)據(jù)不完整、生命周期過程不明顯等，不符合本研究的目的和需求，最終，篩選出來目前采用的10個(gè)案例。

參考文獻(xiàn)

[1]中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）.CNNIC發(fā)布第44次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[EB/OL].http：//www.cac.gov.cn/2019-08/30/c_1124938750.htm.

[2]Zhang L，Su C，Jin Y，et al.Cross-network Dissemination Model of Public Opinion in Coupled Networks[J].Information Sciences，2018，451：240-252.

[3]Zhu H，Hu B.Impact of Information on Public Opinion Reversal—An Agent Based Model[J].Physica A：Statistical Mechanics and Its Applications，2018，512：578-587.

[4]Jiang D，Luo X，Xuan J，et al.Sentiment Computing for the News Event Based on the Big Social Media Data[J].IEEE Access，2016，（99）：2373-2382.

[5]楊洋洋，謝雪梅.基于QCA的網(wǎng)絡(luò)輿情熱度影響因素構(gòu)型分析[J].情報(bào)雜志，2019，38（5）：142-146.

[6]Ku Y C，Wei C P，Hsiao H W.To Whom Should I Listen？Finding Reputable Reviewers in Opinion-sharing Communities[J].Decision Support Systems，2012，53（3）：534-542.

[7]ztürk N，Ayvaz S.Sentiment Analysis on Twitter：A Text Mining Approach to the Syrian Refugee Crisis[J].Telematics and Informatics，2018，35（1）：136-147.

[8]Xiao Y，Song C，Liu Y.Social Hotspot Propagation Dynamics Model Based on Multidimensional Attributes and Evolutionary Games[J].Communications in Nonlinear Science and Numerical Simulation，2019，67：13-25.

[9]蘭月新，夏一雪，劉冰月，等.面向輿情大數(shù)據(jù)的網(wǎng)民情緒演化機(jī)理及趨勢(shì)預(yù)測(cè)研究[J].情報(bào)雜志，2017，36（11）：134-140.

[10]凌晨，馮俊文，楊爽，等.突發(fā)事件中網(wǎng)民負(fù)面情緒決策的BDI模型[J].系統(tǒng)工程，2018，36（4）：51-60.

[11]王佳敏，吳鵬，沈思.突發(fā)事件中意見領(lǐng)袖對(duì)網(wǎng)民的情感影響建模研究[J].情報(bào)雜志，2018，37（9）：120-126.

[12]賴勝強(qiáng)，張旭輝.網(wǎng)絡(luò)輿情危機(jī)事件對(duì)網(wǎng)民情緒傳播的影響機(jī)理——基于D&G辱華事件的扎根理論研究[J].現(xiàn)代情報(bào)，2019，39（9）：115-122.

[13]葉瓊元，蘭月新，王強(qiáng)，等.面向突發(fā)事件的網(wǎng)民情緒演化系統(tǒng)動(dòng)力學(xué)模型研究[J].情報(bào)雜志，2017，36（9）：153-159，105.

[14]田維鋼.微博評(píng)論中的網(wǎng)民情緒傳播機(jī)制及策略[J].當(dāng)代傳播，2019，（1）：66-69.

[15]宋凱，袁奐青.后真相視角中的網(wǎng)民情緒化傳播[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報(bào)），2019，41（8）：146-150，156.

[16]周莉，王子宇，胡珀.反腐議題中的網(wǎng)絡(luò)情緒歸因及其影響因素——基于32個(gè)案例微博評(píng)論的細(xì)粒度情感分析[J].新聞與傳播研究，2018，25（12）：42-56，127.

[17]姜金貴，閆思琦.基于主題和情緒相互作用的微博輿情演化研究——以“紅黃藍(lán)虐童事件”為例[J].情報(bào)雜志，2018，37（12）：118-123.

[18]余紅，吳雨青，晏慧思.網(wǎng)絡(luò)抗?fàn)幨录那榫w傳播和引導(dǎo)——以山東辱母案為例[J].情報(bào)雜志，2018，37（5）：117-122.

[19]韓誠，李文健.網(wǎng)民情緒影響.的公共政策發(fā)布與調(diào)整問題研究——基于新浪微博對(duì)天津“海河英才”計(jì)劃的討論[J].理論導(dǎo)刊，2019，（9）：12-17.

[20]Gort M，Klepper S.Time Paths in the Diffusion of Product Innovations[J].The Economic Journal，1982，92（367）：630-653.

[21]陳福集，張燕.基于E-Divisive的網(wǎng)絡(luò)輿情演化分析[J].情報(bào)雜志，2016，35（4）：75-79.

[22]杜洪濤，王君澤，李婕.基于多案例的突發(fā)事件網(wǎng)絡(luò)輿情演化模式研究[J].情報(bào)學(xué)報(bào)，2017，36（10）：1038-1049.

[23]王曰芬，王一山.傳播階段中不同傳播者的輿情主題發(fā)現(xiàn)與對(duì)比分析[J].現(xiàn)代情報(bào)，2018，38（9）：28-35，144.

[24]張磊.基于生命周期的網(wǎng)絡(luò)輿情危機(jī)管理知識(shí)集成研究[J].情報(bào)雜志，2015，34（10）：101-105，51.

[25]晏敬東，楊彩霞，張煒南.基于生命周期理論的微博輿情引控研究[J].情報(bào)雜志，2017，36（8）：88-93，75.

[26]武慧娟，張海濤，王盡暉，等.基于熵權(quán)法的網(wǎng)絡(luò)輿情預(yù)警模糊綜合評(píng)價(jià)模型研究[J].情報(bào)科學(xué)，2018，36（7）：58-61.

[27]陳力丹.輿論學(xué)-輿論導(dǎo)向研究[M].北京：中國廣播電視出版社，1999.

[28]劉建明.輿論傳播[M].北京：清華大學(xué)出版社，2001.

[29]曹海軍，李明.基于系統(tǒng)動(dòng)力學(xué)的社交網(wǎng)絡(luò)輿情應(yīng)對(duì)策略仿真分析——以“亞布力事件”為例[J].東北大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2019，21（1）：57-63.

[30]袁國平，許曉兵.基于系統(tǒng)動(dòng)力學(xué)的關(guān)于突發(fā)事件后網(wǎng)絡(luò)輿情熱度研究[J].情報(bào)科學(xué)，2015，33（10）：52-56.

[31]王高飛，李明，李梅.基于系統(tǒng)動(dòng)力學(xué)的移動(dòng)社交網(wǎng)絡(luò)輿情應(yīng)對(duì)策略研究[J].情報(bào)科學(xué)，2016，34（10）：38-42.

[32]洪亮，石立艷，李明.基于系統(tǒng)動(dòng)力學(xué)的多主體回應(yīng)網(wǎng)絡(luò)輿情影響因素研究[J].情報(bào)科學(xué)，2017，35（1）：133-138.

[33]高歌，張藝煒，丁宇，等.基于系統(tǒng)動(dòng)力學(xué)的網(wǎng)絡(luò)輿情演進(jìn)機(jī)理及影響力研究[J].情報(bào)理論與實(shí)踐，2016，39（12）：39-45，24.

（責(zé)任編輯：孫國雷）