國內(nèi)外輿情治理研究熱點(diǎn)及趨勢分析

封超 杜娟

摘? ?要： 以CNKI和Web of science核心數(shù)據(jù)庫收錄2002-1-1至2019-12-31文獻(xiàn)為研究樣本，運(yùn)用Cite Space 軟件及文獻(xiàn)計(jì)量方法，通過國內(nèi)外文獻(xiàn)樣本對比研究，分析輿情治理領(lǐng)域研究起源、演化路徑、熱點(diǎn)及研究趨勢。發(fā)現(xiàn)：已有的國內(nèi)外研究熱點(diǎn)主要集中在網(wǎng)絡(luò)輿情演化機(jī)理的探討和分析，使用大數(shù)據(jù)技術(shù)對網(wǎng)絡(luò)輿情分析、研判、預(yù)測和預(yù)警，網(wǎng)絡(luò)輿情監(jiān)管和治理這三個(gè)方面;國外輿情治理的研究趨勢是輿情演化影響因素分析、社交媒體情感行為分析和大數(shù)據(jù)網(wǎng)絡(luò)輿情技術(shù)研究;國內(nèi)輿情治理研究趨勢是輿情信息分析研究、輿情的管理及公共政策制定研究、大數(shù)據(jù)驅(qū)動的隱私保護(hù)機(jī)制、利益相關(guān)者及信息生態(tài)研究。研究結(jié)論對輿情治理領(lǐng)域科學(xué)研究和實(shí)踐應(yīng)用具有一定的參考價(jià)值。

關(guān)鍵詞： 輿情; 輿情治理; 大數(shù)據(jù); Cite Space

中圖分類號： G203? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：? A? ? ? ? ? ? ?DOI：10.13411/j.cnki.sxsx.2021.01.004

Abstract： Based on CNKI and web of science core database from January 1， 2002 to December 31， 2019， using Cite Space software and bibliometric method， through comparative study of domestic and foreign literature samples， this paper analyzes the origin， evolution path， hot spots and research trend of public opinion governance. It is found that： the existing research hotspots at home and abroad mainly focus on the discussion and analysis of the evolution mechanism of online public opinion， the use of big data technology to analyze， judge， predict and warn the network public opinion， and the supervision and governance of network public opinion; the research trend of foreign public opinion governance is the analysis of influencing factors of public opinion evolution， the analysis of social media emotional behavior and the research of big data network public opinion technology. The research trend of domestic public opinion governance is public opinion information analysis， public opinion management and public policy making， big data driven privacy protection mechanism， stakeholders and information ecology. The research conclusion has a certain reference value for scientific research and practical application in the field of public opinion governance.

Key words： public opinion; public opinion governance; big data; Cite Space

一、引言

輿情是社情民意的一種綜合反映，是民意及民意作用于執(zhí)政者的一種描述。網(wǎng)絡(luò)輿情是以網(wǎng)絡(luò)為載體，以事件為核心，是廣大網(wǎng)民情感、態(tài)度、意見、觀點(diǎn)的表達(dá)傳播與互動，以及后續(xù)影響力的集合，帶有廣大網(wǎng)民的主觀性，未經(jīng)媒體驗(yàn)證和包裝，直接通過多種形式發(fā)布于互聯(lián)網(wǎng)上[1]。近年來，輿情事件對社會生活的影響一日千里，一些重大的輿情事件如果處理不當(dāng)就會誘發(fā)民眾的不良情緒，進(jìn)而引起重大群體事件的發(fā)生，嚴(yán)重危害了社會的穩(wěn)定，極大考驗(yàn)了應(yīng)急管理部門的處置能力。

已有的輿情治理研究中，學(xué)者們更多地關(guān)注于輿情分析和研判、輿情預(yù)測和預(yù)警、輿情監(jiān)測和管控等方面的研究，國外從2002年和2003年的1篇，2004年的2篇，到2019年的398篇，國內(nèi)從2004年的1篇，2006年的1篇，2008年的3篇，到2019年的322篇，整體發(fā)文量均呈現(xiàn)上升趨勢，如圖1和圖2所示。特別是國外從2015年，國內(nèi)從2010年開始，“輿情治理”相關(guān)文獻(xiàn)呈爆炸式的增長。鑒于此，筆者采用文獻(xiàn)歸納、對比分析、定量研究等方法對國內(nèi)外輿情治理研究的起源、發(fā)展、研究熱點(diǎn)和研究前沿展開系統(tǒng)的梳理，運(yùn)用Cite Space軟件對2002-2019年的Web of science核心集和CNKI相關(guān)文獻(xiàn)進(jìn)行分析，研究結(jié)論對輿情治理領(lǐng)域的科學(xué)研究和實(shí)踐應(yīng)用具有一定的參考價(jià)值。

二、 研究工具、數(shù)據(jù)收集及處理

（一）研究工具

本研究采用科學(xué)知識圖譜的方式，運(yùn)用Cite Space軟件對輿情治理的國內(nèi)外研究熱點(diǎn)進(jìn)行分析，并將其可視化，用以探索輿情治理的國內(nèi)外研究現(xiàn)狀、熱點(diǎn)及研究趨勢。

（二） 數(shù)據(jù)收集及預(yù)處理

本研究英文文獻(xiàn)選擇Web of Science核心合集進(jìn)行檢索，中文文獻(xiàn)選擇中國知網(wǎng)（CNKI）對期刊、碩博論文依次進(jìn)行檢索，檢索時(shí)間截止到2019年12月31日。

在英文文獻(xiàn)的選擇上，以TS=（“public opinion governance”O(jiān)R“internet public opinion governance”O(jiān)R“Twitter governance”O(jiān)R“social media governance”）為檢索式，共檢索到1963篇相關(guān)文獻(xiàn)。首先，選擇SCI、SSCI檢索的文獻(xiàn);然后，通過人工篩選，剔除報(bào)紙、會議綜述、期刊通知以及無關(guān)文獻(xiàn);最后，考慮到檢索的主題詞不能夠完全覆蓋現(xiàn)有的文獻(xiàn)，在閱讀相關(guān)文獻(xiàn)時(shí)以查漏補(bǔ)缺的方式填補(bǔ)數(shù)據(jù)集樣本，共計(jì)1494篇文獻(xiàn)，這些文獻(xiàn)主要集中發(fā)表在計(jì)算機(jī)科學(xué)、信息科學(xué)、傳播學(xué)、管理學(xué)、電子通信工程、社會學(xué)等領(lǐng)域。

在中文文獻(xiàn)的選擇上，以主題=（“輿情治理”或者 “網(wǎng)絡(luò)輿情治理”或者“微博治理”或者“社交媒體治理”）為檢索式，共檢索到1578篇相關(guān)文獻(xiàn)。首先，選擇CSSCI（含擴(kuò)展版）和CSCD檢索的文獻(xiàn);然后，通過人工篩選，剔除報(bào)紙、會議綜述、期刊通知以及無關(guān)文獻(xiàn);最后，考慮到檢索的主題詞不能夠完全覆蓋現(xiàn)有的文獻(xiàn)，在閱讀相關(guān)文獻(xiàn)時(shí)以查漏補(bǔ)缺的方式填補(bǔ)數(shù)據(jù)集樣本，共計(jì)628篇文獻(xiàn)，這些文獻(xiàn)主要集中在圖書情報(bào)、行政管理、科技發(fā)展、新聞與傳播、計(jì)算機(jī)軟件與應(yīng)用、信息管理等領(lǐng)域。

三、 國內(nèi)外輿情治理研究起源及發(fā)展

（一） 國外輿情治理研究起源及發(fā)展

國外最初對輿情的研究起源于傳播學(xué)，1990年，F(xiàn)an D P首次將文本分析技術(shù)引入專家系統(tǒng)中用來預(yù)測輿情的傳播。自2002年開始，國外先后出現(xiàn)了Face book、YouTube、Twitter、Snap chat、Instagram等社交媒體平臺，關(guān)于網(wǎng)絡(luò)輿情的研究也進(jìn)入了上升期。

2007年，Thelwall M[2]首次將輿情的演化周期分為不同的時(shí)段，并對各時(shí)段博客的檢索策略進(jìn)行了研究，提出了相應(yīng)的檢索方案，為之后輿情分周期動態(tài)監(jiān)測和管控提供了參考。2009年和2010年，Guan Q， Ye S， Yao G等人和Huan-Ming Z分別運(yùn)用文本分類和文本聚類算法提取社交媒體平臺的輿情信息，通過對所提取信息的整合和分析，提出了相應(yīng)的輿情分析系統(tǒng)，以上均是國外較早對輿情進(jìn)行分析并提供管控建議的學(xué)者。

自2012年起，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，國外對輿情治理的相關(guān)研究開始成倍的增長，不僅僅專注于運(yùn)用計(jì)算機(jī)信息技術(shù)來分析網(wǎng)絡(luò)輿情熱點(diǎn)話題，還運(yùn)用心理學(xué)、社會學(xué)、輿情學(xué)等相關(guān)學(xué)科的理論知識，對社交媒體平臺的文本進(jìn)行情感挖掘，從而幫助決策者治理輿情，如：2012年，Sobkowicz P，Kaschesky M，Bouchard G[3]運(yùn)用計(jì)算機(jī)建模技術(shù)，對社交媒體平臺的文本情感內(nèi)容進(jìn)行挖掘和分析，通過實(shí)時(shí)監(jiān)測和分析，建立了基于網(wǎng)絡(luò)輿情情感信息流的分析模型;Schulz A，Roessler P[4]運(yùn)用輿情學(xué)的理論知識來解釋網(wǎng)絡(luò)輿情的傳播和演化機(jī)理，并分析了線上-線下網(wǎng)民情感輿論的關(guān)鍵影響因素，以上研究均為輿情的治理提供了輔助決策。

隨著國外網(wǎng)絡(luò)輿情研究的迅猛發(fā)展，2013年，許多研究者開始轉(zhuǎn)向運(yùn)用樸素貝葉斯分類器和python語言編寫的網(wǎng)絡(luò)爬蟲程序?qū)ι缃幻襟w輿情信息抓取，如：Liu B，Blasch E，Chen Y等人[5]通過使用樸素貝葉斯分類器對抓取到的情感關(guān)鍵詞進(jìn)行識別和分類，不僅為網(wǎng)民情感詞分析提供了新的思路，更加有效地通過使用大數(shù)據(jù)分析技術(shù)對輿情的治理提供輔助決策;Sun X，Ye J Q，Ren F J[6]通過將python語言編寫的網(wǎng)絡(luò)爬蟲程序與API結(jié)合，提高了基于多策略選擇搜索算法的效率，更好地為情感分析服務(wù)，通過分析網(wǎng)民的情感傾向從而預(yù)測預(yù)警輿情的走勢，進(jìn)而提前對輿情進(jìn)行管控。

通過對國外輿情治理研究相關(guān)文獻(xiàn)的分析和總結(jié)歸納，參考王晰巍，相甍甍等人的文獻(xiàn)分析方法[7]，統(tǒng)計(jì)了國外輿情治理研究發(fā)展脈絡(luò)，由于國外2010年之前相關(guān)研究文獻(xiàn)較少，故統(tǒng)計(jì)時(shí)間從2010年開始，如表1所示。

（二）國內(nèi)輿情治理研究起源及發(fā)展

國內(nèi)有關(guān)輿情治理研究相對于國外來說開始較晚。2006年，劉毅[8]發(fā)表在《前沿》中的《網(wǎng)絡(luò)輿情與政府治理范式的轉(zhuǎn)變》被認(rèn)為是我國輿情治理研究的開端。

2009年，劉宗讓[9]，王賢、薛小榮[10]，以網(wǎng)絡(luò)輿情危機(jī)與政府治理為研究對象，對我國新時(shí)代的政府“輿情治理”進(jìn)行了探究。自2010年起，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，輿情的傳播渠道也在發(fā)生著改變，逐漸從電視、報(bào)紙等媒體向微信、微博、blog等新媒體轉(zhuǎn)變，基于大數(shù)據(jù)技術(shù)的網(wǎng)絡(luò)生活開始滲透到社會生活的方方面面。2011年的“7.23甬溫動車組事故”，不僅引發(fā)了網(wǎng)絡(luò)輿情危機(jī)，而且也給事故處理者帶來了新的考驗(yàn)，國內(nèi)學(xué)者開始針對單個(gè)重大網(wǎng)絡(luò)輿情事件進(jìn)行分析和研究，如：黃波[11]、蘆何秋，胡曉[12]均以此次事故為例，對微博熱點(diǎn)話題、信息傳播的交互影響進(jìn)行了研究，并提出了相應(yīng)的治理對策建議。

2013年開始，國內(nèi)基于大數(shù)據(jù)技術(shù)的網(wǎng)絡(luò)輿情研究成果數(shù)量激增，學(xué)者們不僅僅從熱點(diǎn)話題、媒體交互等方面進(jìn)行研究，還將計(jì)算機(jī)信息科學(xué)、數(shù)據(jù)科學(xué)、公共管理學(xué)、輿情學(xué)、傳播學(xué)等多個(gè)學(xué)科的理論知識加入研究中來。代表性的研究有：2013年，喻國明[13]將2009-2012年百度熱搜詞作為研究對象，通過使用大數(shù)據(jù)分析技術(shù)構(gòu)建了中國輿情模型，并從“社會暖度”、“社會幸福感”及“社會壓力”等特征指數(shù)上進(jìn)行了分析，給之后的研究帶來了重要的啟示。

通過對國內(nèi)輿情治理研究相關(guān)文獻(xiàn)的分析和總結(jié)歸納，參考王晰巍，相甍甍等人的文獻(xiàn)分析方法[14]，繪制了國內(nèi)輿情治理研究發(fā)展脈絡(luò)，由于國內(nèi)2012年之前相關(guān)研究文獻(xiàn)較少，故統(tǒng)計(jì)時(shí)間從2012年開始，如表2所示。

（三） 國內(nèi)外輿情治理研究發(fā)展比較分析

整體來看，國內(nèi)外輿情治理研究從2012年開始均呈現(xiàn)穩(wěn)步增長態(tài)勢，究其原因輿情引發(fā)的危機(jī)事件越來越多，嚴(yán)重危害了社會穩(wěn)定，特別是社交媒體的興起，使得個(gè)人隱私危機(jī)、政府信任危機(jī)等逐漸增大。

從國內(nèi)外輿情治理研究的發(fā)展脈絡(luò)來看，國外在該領(lǐng)域中的研究工作開展得較早，最初的研究對象相對集中在社交媒體平臺信息搜索機(jī)制上，之后經(jīng)歷了幾年的發(fā)展，逐漸從社交媒體信息搜索機(jī)制轉(zhuǎn)向了輿情情感分析、隱私訪問控制、隱私披露意愿影響因素、多類情感詞輿情分析上，通過引入多學(xué)科技術(shù)和方法，進(jìn)而幫助政府管控輿情事件。國內(nèi)相關(guān)領(lǐng)域的研究開展較晚，最初主要集中在微博熱點(diǎn)話題主題詞建模和分析上，但是隨著微博、微信等社交媒體軟件在國內(nèi)的大量使用，學(xué)者們的研究開始轉(zhuǎn)向了大數(shù)據(jù)驅(qū)動的網(wǎng)絡(luò)輿情治理、網(wǎng)絡(luò)輿情情感傾向分析與研判、網(wǎng)民的社交媒體倦怠行為、輿情反轉(zhuǎn)分析與預(yù)測上，特別是2019年興起的輿情信息生態(tài)、利益相關(guān)者、治理范式的轉(zhuǎn)變。

從研究方法上，國外研究者主要運(yùn)用了計(jì)算機(jī)信息科學(xué)技術(shù)中的分類與聚類算法、python語言進(jìn)行輿情信息的挖掘與建模幫助輿情治理進(jìn)行研究，國內(nèi)研究者不僅運(yùn)用計(jì)算機(jī)信息科學(xué)技術(shù)，還緊跟研究前沿，運(yùn)用多學(xué)科交叉的方法進(jìn)行研究。

四、 國內(nèi)外輿情治理研究的熱點(diǎn)

本研究采用Cite Space軟件對2015-2019年近5年國內(nèi)外輿情治理研究熱點(diǎn)進(jìn)行分析，參考王晰巍，邢云菲等人的參數(shù)設(shè)置[59]，采用關(guān)鍵詞和主題詞來說明分析結(jié)果。

（一）國外輿情治理研究的熱點(diǎn)分析

在對國外輿情治理研究熱點(diǎn)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)分析中，CiteSpace軟件中Time Slicing設(shè)置為2015-2019，Years Per Slice=1， Node Types 選擇Keyword，Links Strength 選擇Cosine， TopN=50，Pruning選擇Pathfinder和Pruning sliced networks，visualization選擇Cluster View-Static和Show Merged Network，得到的分析結(jié)果為：出現(xiàn)頻率最高的10個(gè)關(guān)鍵詞依次為是governance、social media、management、public opinion、policy、media、impact、politics、performance、participation，出現(xiàn)頻率、中心度和出現(xiàn)年份，詳見表3所示。

在對國外輿情治理研究熱點(diǎn)主題詞共現(xiàn)網(wǎng)絡(luò)分析中，CiteSpace軟件中Time Slicing設(shè)置為2015-2019，Years Per Slice=1，Term Type選擇Noun Phrases， Node Types 選擇Term，Links Strength 選擇Cosine， TopN=150，visualization選擇Cluster View-Static和Show Merged Network，得到的分析結(jié)果為：出現(xiàn)頻率最高的10個(gè)主題詞依次為：social media、public opinion、corporate social responsibility、climate change、european union、practical implications、local governments、social media platforms、public sector、media coverage，出現(xiàn)頻率、中心度和出現(xiàn)年份，詳見表3所示。

（二） 國內(nèi)輿情治理研究的熱點(diǎn)分析

在對國內(nèi)輿情治理研究熱點(diǎn)關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)分析中，CiteSpace軟件中Time Slicing設(shè)置為2015-2019，Years Per Slice=1， Node Types 選擇Keyword，Links Strength 選擇Cosine， TopN=50，Pruning選擇Pathfinder和Pruning sliced networks，Visualization選擇Cluster View-Static和Show Merged Network，得到的分析結(jié)果為：出現(xiàn)頻率最高的10個(gè)關(guān)鍵詞依次為：網(wǎng)絡(luò)輿情、治理、大數(shù)據(jù)、突發(fā)事件、輿情治理、地方政府、新媒體、社會治理、政府治理、社交媒體，出現(xiàn)頻率、中心度和出現(xiàn)年份，詳見表4所示。

在對國內(nèi)輿情治理研究熱點(diǎn)主題詞共現(xiàn)網(wǎng)絡(luò)分析中，CiteSpace軟件中Time Slicing設(shè)置為2015-2019，Years Per Slice=1，Term Type選擇Noun Phrases， Node Types 選擇Term，Links Strength 選擇Cosine， TopN=150，Visuallzation選擇Cluster View-Static和Show Merged Network得到的分析結(jié)果為：出現(xiàn)頻率最高的10個(gè)主題詞依次為是網(wǎng)絡(luò)輿情、治理、突發(fā)事件、輿情治理、地方政府、新媒體、社會治理、社交媒體、輿情、政府治理，出現(xiàn)頻率、中心度和出現(xiàn)年份，詳見表4所示。

（三） 國內(nèi)外輿情治理研究熱點(diǎn)和方法比較分析

1. 研究熱點(diǎn)比較分析

本研究在使用Cite Space分析國內(nèi)外輿情治理研究熱點(diǎn)基礎(chǔ)上，通過該軟件對高頻關(guān)鍵詞和主題詞進(jìn)行提取分析，如表4所示，其中，中心度為關(guān)鍵詞或主題詞在網(wǎng)絡(luò)上的一個(gè)重要指標(biāo)，用來發(fā)現(xiàn)和衡量該關(guān)鍵詞或主題詞對文獻(xiàn)的重要性。通過關(guān)鍵詞檢索對收集到的文獻(xiàn)進(jìn)行分析和閱讀，已有的國內(nèi)外研究熱點(diǎn)主要集中在網(wǎng)絡(luò)輿情演化機(jī)理的探討和分析，使用大數(shù)據(jù)技術(shù)對網(wǎng)絡(luò)輿情分析、研判、預(yù)測和預(yù)警，網(wǎng)絡(luò)輿情監(jiān)管和治理這三個(gè)方面：

（1）網(wǎng)絡(luò)輿情演化機(jī)理的探討和分析。網(wǎng)絡(luò)輿情事件爆發(fā)后，第一時(shí)間不僅網(wǎng)絡(luò)空間會有很多沒有經(jīng)過驗(yàn)證的信息傳播出來，現(xiàn)實(shí)社會中的謠言也會隨著網(wǎng)絡(luò)輿情事件的演化而擴(kuò)散，進(jìn)而引發(fā)其他突發(fā)性的群體事件，嚴(yán)重影響著社會穩(wěn)定。

通過對已有文獻(xiàn)的梳理，發(fā)現(xiàn)關(guān)于大數(shù)據(jù)驅(qū)動的網(wǎng)絡(luò)輿情分析研究熱點(diǎn)主要集中在使用系統(tǒng)動力學(xué)、社會網(wǎng)絡(luò)等方法對網(wǎng)絡(luò)輿情的傳播機(jī)理進(jìn)行分析和推演，進(jìn)而幫助決策者科學(xué)決策，比較有代表性的文獻(xiàn)如：王光輝，劉怡君[15]于2015年通過使用超網(wǎng)模型和社會影響理論，研究了網(wǎng)絡(luò)輿論的異化和極化演化機(jī)理，并提出了相應(yīng)的算法，以“7.23甬溫動車事故”為例進(jìn)行了驗(yàn)證和分析，2017年，以輿情演化的虛擬和現(xiàn)實(shí)空間相互關(guān)系為研究對象，通過改進(jìn)有界信任機(jī)制，提出了“虛擬-現(xiàn)實(shí)空間”和“現(xiàn)實(shí)-虛擬空間”系統(tǒng)仿真同步模型，提出的算法和模型不僅適用于網(wǎng)絡(luò)輿情中輿論的演化，也適用于網(wǎng)絡(luò)營銷、政治選舉等社會科學(xué)領(lǐng)域幫助分析決策;2016年，對該方向的研究還有將數(shù)學(xué)建模與動力學(xué)結(jié)合起來的Huo，Liangan，Jiang J等人[16];Yu L，Li L等[17];Xie Y，Qiao R等[18]研究者。

以上研究不僅從虛擬網(wǎng)絡(luò)世界出發(fā)，更從現(xiàn)實(shí)生活維度進(jìn)行關(guān)聯(lián)分析，以便更加精準(zhǔn)地推演網(wǎng)絡(luò)輿情事件的發(fā)生和發(fā)展，能夠?yàn)檩浨榈谋O(jiān)管和治理提供幫助。

（2） 使用大數(shù)據(jù)技術(shù)對網(wǎng)絡(luò)輿情分析、研判、預(yù)測和預(yù)警。針對網(wǎng)絡(luò)輿情事件的分析、研判預(yù)測和預(yù)警流程基本上是：監(jiān)測—研判—預(yù)警—建議。在網(wǎng)絡(luò)輿情的監(jiān)測環(huán)節(jié)上主要是建立大數(shù)據(jù)預(yù)測平臺，通過python語言編寫的大數(shù)據(jù)采集器進(jìn)行網(wǎng)絡(luò)信息數(shù)據(jù)的自動采集，文本分類及分析等工作。在網(wǎng)絡(luò)輿情事件的發(fā)生初期，一旦采集到“敏感”信息，監(jiān)測平臺便會及時(shí)上報(bào)相關(guān)部門從而對網(wǎng)絡(luò)輿情事件進(jìn)行預(yù)警處置，按照相關(guān)制度規(guī)范劃分輿情事件的等級，以便及時(shí)處置減少網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)帶來的不穩(wěn)定因素。

比較有代表性的研究文獻(xiàn)有：2015年，楊興坤和廖嶸等人[19]通過對輿情事件的風(fēng)險(xiǎn)因素分析，提出從輿情源頭、輿情發(fā)展路徑、輿情影響受眾、輿情風(fēng)險(xiǎn)治理主體等方面進(jìn)行風(fēng)險(xiǎn)防控的對策建議;瞿志凱，張秋波等人[20]過對暴恐事件的網(wǎng)絡(luò)輿情分析，提出了針對該類事件的預(yù)警機(jī)制;楊長春，王天允等人[21]基于危機(jī)的“生命周期理論”對輿情的危機(jī)管理能力評價(jià)體系進(jìn)行了研究，分別構(gòu)建了輿情預(yù)警、預(yù)控、反應(yīng)、應(yīng)對和利用這五個(gè)能力的評價(jià)指標(biāo)體系，該研究豐富了相關(guān)理論又對構(gòu)建和諧社會有著重要的意義;張玉亮[22]借鑒國內(nèi)外的相關(guān)研究成果，以湖南省臨武縣“鄧正加事件”為例，進(jìn)行風(fēng)險(xiǎn)實(shí)證評價(jià)研究。

（3）網(wǎng)絡(luò)輿情監(jiān)管和治理。在網(wǎng)絡(luò)輿情監(jiān)管和治理熱點(diǎn)中，大多數(shù)研究主要以“政策建議”為主，通過對網(wǎng)絡(luò)輿情監(jiān)管主體或者影響網(wǎng)絡(luò)輿情態(tài)勢發(fā)展因素進(jìn)行分析，提出相應(yīng)的治理建議和對策。

比較有代表性的研究文獻(xiàn)有：2015年，余樂安，李玲[23]基于系統(tǒng)動力學(xué)理論對?；匪廴臼录械妮浨檠莼瘷C(jī)理進(jìn)行了詳細(xì)的分析，提出相應(yīng)的應(yīng)急模塊、網(wǎng)民模塊、媒體模塊、政府模塊，分別針對各模塊進(jìn)行仿真驗(yàn)證，在此基礎(chǔ)上，從提高官方新聞透明度、政府危機(jī)處理力度、政府響應(yīng)效率等方面提出了相應(yīng)的治理路徑;2016年，王麗麗[24]采用啟發(fā)式理論，利用實(shí)驗(yàn)法和調(diào)查法針對網(wǎng)絡(luò)輿論風(fēng)險(xiǎn)信息疊加影響受眾風(fēng)險(xiǎn)感知問題進(jìn)行了實(shí)證分析，結(jié)果表明，信息內(nèi)容偏向性顯著影響受眾的風(fēng)險(xiǎn)感知，同時(shí)受媒體官方性與非官方性的調(diào)節(jié)，信息一致性在官方媒體與非官方媒體的風(fēng)險(xiǎn)報(bào)道中影響受眾的信息加工，并在對風(fēng)險(xiǎn)感知影響中起調(diào)節(jié)作用。

2. 研究方法比較分析

本研究對近五年（即：2015-2019）國內(nèi)外輿情研究使用的研究方法進(jìn)行了對比分析，如表5所示。從表5中可以看出，國外輿情治理研究使用的方法主要是：社會網(wǎng)絡(luò)分析方法中的超網(wǎng)、改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法、進(jìn)行多主體仿真的數(shù)學(xué)建模方法這三種方法，主要從輿情傳播內(nèi)容入手，研究其傳播過程中的演化機(jī)理、熱度趨勢、輿論導(dǎo)向、態(tài)勢發(fā)展等相關(guān)問題，特別是運(yùn)用大數(shù)據(jù)技術(shù)對輿情的控制、監(jiān)測和預(yù)警提出相應(yīng)的理論模型和對策建議。國內(nèi)輿情研究使用的方法主要是：多主體仿真的數(shù)學(xué)建模方法、社會網(wǎng)絡(luò)分析方法中的超網(wǎng)、SIR改進(jìn)模型、系統(tǒng)動力學(xué)模型這四種方法，主要從輿情本體入手，研究其影響輿情傳播和發(fā)展的因素、刻畫其演化機(jī)理、分析其現(xiàn)實(shí)傳播途徑等相關(guān)問題，針對輿情傳播的影響因素提出相應(yīng)的政策建議，為管理者提供科學(xué)決策保障。

五、輿情治理研究演化及前沿分析表

本研究利用CiteSpace軟件繪制近5年國內(nèi)外輿情治理研究趨勢是：輿情演化影響因素分析——社交媒體情感行為分析——大數(shù)據(jù)網(wǎng)絡(luò)輿情技術(shù)研究。國內(nèi)輿情治理研究趨勢是：輿情信息分析研究——輿情的管理及公共政策制定研究——大數(shù)據(jù)驅(qū)動的隱私保護(hù)機(jī)制、利益相關(guān)者及信息生態(tài)研究。不論國內(nèi)還是國外的研究，今后的總體趨勢有以下三個(gè)方面：

（一）大數(shù)據(jù)驅(qū)動的網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)治理機(jī)制研究

大數(shù)據(jù)驅(qū)動的網(wǎng)絡(luò)輿情演化分析逐年增多，國內(nèi)外分別于2016年和2017年達(dá)到高潮，隨著大數(shù)據(jù)技術(shù)的發(fā)展，網(wǎng)絡(luò)輿情演化規(guī)律分析技術(shù)也越來越成熟，基本上可以起到預(yù)測和預(yù)警的作用。當(dāng)今伴隨著我國經(jīng)濟(jì)社會建設(shè)的需要出現(xiàn)了不同類型的網(wǎng)絡(luò)輿情事件，其演變規(guī)律也不盡相同，治理方案更是會有很大不同，特別是醫(yī)療衛(wèi)生事件，生態(tài)環(huán)境事件等都需要構(gòu)建不同的治理體系，由于引起網(wǎng)絡(luò)輿情事件的因素不同，主客體也不盡相同，在構(gòu)建輿情治理體系時(shí)應(yīng)著重考慮社交媒體用戶的心理特點(diǎn)，分析其行為偏好，針對不同的心理行為表現(xiàn)形式，精準(zhǔn)制定應(yīng)急預(yù)案，建立起“行為——偏好——預(yù)案”多維模型，在現(xiàn)有的研究基礎(chǔ)上，增加預(yù)案評估標(biāo)準(zhǔn)，構(gòu)建從分析、演化到預(yù)測、預(yù)警，再到應(yīng)對、評估和反饋的一整套體系。

（二）大數(shù)據(jù)驅(qū)動的社交媒體分析技術(shù)及工具研究

網(wǎng)絡(luò)輿情事件的發(fā)生離不開網(wǎng)絡(luò)主體（即社交媒體用戶）的行為偏好，通過心理學(xué)、決策學(xué)等學(xué)科，對社交媒體用戶的行為傾向進(jìn)行研究是分析網(wǎng)絡(luò)輿情事件的關(guān)鍵，特別是大數(shù)據(jù)技術(shù)的發(fā)展，網(wǎng)絡(luò)營銷、情感分析、客戶忠誠度、行為偏好等方法和技術(shù)的產(chǎn)生，對預(yù)測、預(yù)警網(wǎng)絡(luò)輿情事件的發(fā)展起著至關(guān)重要的作用。

目前，國內(nèi)外越來越多的研究開始使用地理信息科學(xué)技術(shù)進(jìn)行遙感大數(shù)據(jù)分析，比如：旅游地推薦，通過使用引力模型（Gravity Model）、文檔主題生成模型（LDA：Latent Dirichlet Allocation）等近幾年信息科學(xué)界熱門的行為分析模型，來預(yù)測旅游者的行為偏好，有目的地推薦旅游目的地和路線，適時(shí)發(fā)布廣告等?，F(xiàn)有研究大多通過大數(shù)據(jù)技術(shù)收集社交媒體用戶個(gè)人信息，通過自然語言的處理，分析和預(yù)測其行為偏好，進(jìn)而推薦相關(guān)產(chǎn)品。但是，目前研究依然存在著偏差和不足，線上——線下輿情分析、推演和預(yù)測依然較為復(fù)雜，急需出現(xiàn)新的技術(shù)和工具簡化輿情分析和推演的復(fù)雜度，真正實(shí)現(xiàn)現(xiàn)實(shí)社會和虛擬社會同步演化推演的效果，及時(shí)控制輿情的發(fā)生和發(fā)展。

（三） 大數(shù)據(jù)驅(qū)動的隱私保護(hù)機(jī)制、利益相關(guān)者及信息生態(tài)研究

隨著媒體技術(shù)的發(fā)展，傳統(tǒng)的紙質(zhì)媒體正在面臨著極大的考驗(yàn)，大數(shù)據(jù)技術(shù)帶來了新媒體的改變，社交網(wǎng)絡(luò)平臺數(shù)量上越來越多，形式上越來越豐富，用戶使用新媒體的過程中越來越容易泄露各自的隱私信息，增加信息泄露的風(fēng)險(xiǎn)，因此，急需建立健全大數(shù)據(jù)環(huán)境下的隱私保護(hù)機(jī)制，開發(fā)適合不同社交媒體的隱私保護(hù)機(jī)制，圍繞著隱私泄露風(fēng)險(xiǎn)、泄露行為、泄露大數(shù)據(jù)工具、保護(hù)機(jī)制等將會是今后的研究重點(diǎn)。特別是2019年出現(xiàn)運(yùn)用信息生態(tài)學(xué)對網(wǎng)絡(luò)輿情周期的分析，網(wǎng)民之間利益相關(guān)者的分析也會成為輿情治理研究的重點(diǎn)和熱點(diǎn)。

六、結(jié)論

本研究對國內(nèi)外輿情治理的起源、發(fā)展、研究熱點(diǎn)以及前沿趨勢進(jìn)行了深入的梳理和分析，研究發(fā)現(xiàn)不論是國內(nèi)還是國外的相關(guān)研究，均有一個(gè)共同點(diǎn)：輿情治理研究熱點(diǎn)正處在不斷地變化發(fā)展當(dāng)中，從研究輿情態(tài)勢的推演、網(wǎng)絡(luò)輿情態(tài)勢發(fā)展的影響因素，逐漸轉(zhuǎn)移到大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情的監(jiān)管和治理、大數(shù)據(jù)驅(qū)動的社交媒體分析技術(shù)及工具研究、大數(shù)據(jù)環(huán)境下的隱私保護(hù)機(jī)制、利益相關(guān)者及信息生態(tài)研究研究這三個(gè)方面。

本研究的數(shù)據(jù)集選取了CNKI和Web of Scienc核心集這兩個(gè)數(shù)據(jù)集，研究樣本具有一定的局限性，在今后的研究中可以繼續(xù)擴(kuò)大研究范圍，并且可以將關(guān)鍵詞的范圍擴(kuò)展到大數(shù)據(jù)環(huán)境下的隱私保護(hù)機(jī)制相關(guān)研究中，擴(kuò)展檢索深度，進(jìn)一步挖掘相關(guān)變量，為該領(lǐng)域的研究提供幫助。

參考文獻(xiàn)：

[1]黃永林.網(wǎng)絡(luò)輿論監(jiān)測與安全研究[M].北京：經(jīng)濟(jì)科學(xué)出版社， 2014.

[2]Thelwall M. Blog searching： The first general-purpose source ofretrospective public opinion in the social sciences？[J]. SocialScience Computer Review， 2007（3）：277-289.

[3]Sobkowicz P， Kaschesky M， Bouchard G. Opinion mining insocial media： Modeling， simulating， and forecasting politicalopinions in the web[J].Government Information Quarterly，2012（4）：470-479.

[4]Schulz A， Roessler P. The Spiral of Silence and the Internet：Selection of Online Content and the Perception of the PublicOpinion Climate in Computer-Mediated Communication Envi-ronments[J].International Journal of Public Opinion Research，2012（3）：346-367.

[5]Liu B， Blasch E， Chen Y， et al.Scalable sentiment classificationfor Big Data analysis using Nave Bayes Classifier[C]// IEEEInternational Conference on Big Data. IEEE， 2013.

[6]Sun X， Ye J Q， Ren F J. Multi-strategy Based Sina MicroblogData Acquisition for Opinion Mining[M]// Intelligent ComputingMethodologies. Springer International Publishing， 2014.

[7]李丹，龍會芳，盧艷茹.基于區(qū)塊鏈技術(shù)的學(xué)術(shù)期刊出版誠信體系構(gòu)建[J]. 重慶工商大學(xué)（社會科學(xué)版）， 2020（5）：116.

[8]劉毅.網(wǎng)絡(luò)輿情與政府治理范式的轉(zhuǎn)變[J].前沿，2006（10）：140-143.

[9]劉宗讓.新媒體時(shí)代政府“輿情危機(jī)”治理探究[J].甘肅理論學(xué)刊，2009（5）：32-35.

[10]王賢，薛小榮.突發(fā)公共事件中的網(wǎng)絡(luò)輿情危機(jī)與政府治理——以汶川地震時(shí)期的網(wǎng)絡(luò)輿情為分析[J].信息與電腦（理論版），2009（11）：78-80.

[11]黃波.基于向量空間模型和LDA模型相結(jié)合的微博客話題發(fā)現(xiàn)算法研究[D]. 成都：西南交通大學(xué)，2012.

[12]蘆何秋，胡曉.突發(fā)事件中傳統(tǒng)媒體和新媒體的交互影響——以甬溫動車事故為例[J].當(dāng)代傳播，2012（1）：82-84.

[13]喻國明. 大數(shù)據(jù)分析下的中國社會輿情：總體態(tài)勢與結(jié)構(gòu)性特征——基于百度熱搜詞（2009—2012）的輿情模型構(gòu)建[J].中國人民大學(xué)學(xué)報(bào)，2013（5）：2-9.

[14]王晰巍，相甍甍，張長亮，等.新媒體環(huán)境下信息隱私國內(nèi)外研究動態(tài)及發(fā)展趨勢[J].圖書情報(bào)工作，2017（15）：6-14.

[15]王光輝，劉怡君，遲鈺雪.輿論危機(jī)的異化極化效應(yīng)研究[J].管理科學(xué)學(xué)報(bào)，2017（3）.

[16]Huo，Liangan，Jiang J，Gong S， et al. Dynamical behavior ofa rumor transmission model with Holling-type II functionalresponse in emergency event[J].Physica A：Statistical Mechan-ics and its Applications， 2016（450）：228-240.

[17]Yu L， Li L， Tang L. What can mass media do to control pub-lic panic in accidents of hazardous chemical leakage intorivers？A multi-agent-based online opinion disseminationmodel[J].Journal of Cleaner Production，2016（143）：1203-1214. [18]Xie Y，Qiao R，Shao G，et al. Research on Chinese social me-dia users communication behaviors during public emergencyevents[J].Telematics & Informatics，2017（3）.

[19]楊興坤，廖嶸，熊炎.虛擬社會的輿情風(fēng)險(xiǎn)防治[J].中國行政管理，2015（4）：16-21.

[20]瞿志凱，張秋波，蘭月新，等.暴恐事件網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)預(yù)警研究[J].情報(bào)雜志，2016（6）： 40-46 .

[21]楊長春，王天允，葉施仁.微博意見領(lǐng)袖輿情危機(jī)管理能力評判體系研究——基于危機(jī)生命周期視角[J].情報(bào)科學(xué)，2016（6）： 19-25.

[22]張玉亮.突發(fā)事件網(wǎng)絡(luò)輿情信息流風(fēng)險(xiǎn)模糊綜合評價(jià)研究[J].情報(bào)科學(xué)，2015（11）：100-106.

[23]余樂安，李玲，武佳倩，等.基于系統(tǒng)動力學(xué)的?；匪廴就话l(fā)事件中網(wǎng)絡(luò)輿情危機(jī)應(yīng)急策略研究[J].系統(tǒng)工程理論與實(shí)踐，2015（10）：2687-2697.

[24]王麗麗.信息一致性視角下媒體報(bào)道對風(fēng)險(xiǎn)感知的影響[J].北京理工大學(xué)學(xué)報(bào)（社會科學(xué)版），2016（6）：153-158.

[25]Bai L，Li F.The model of project risk assessment based on BPneural network algorithm[C]// International Conference onComputer Science & Network Technology. 2014.

[26]Xu Z，Li J，Xiao S，et al.Study on Security Risk Assessment ofPower System Based on BP Neural Network[J].Journal of Com-putational & Theoretical Nanoscience， 2016（8）：5277-5280.

[27]Yang H，F(xiàn)an R S，Xu D H.Power Information System Risk As-sessment Method Based on Genetic Algorithms and NeuralNetwork[J]. Applied Mechanics & Materials， 2014.

[28]曹學(xué)艷，張仙，劉樑，等.基于應(yīng)對等級的突發(fā)事件網(wǎng)絡(luò)輿情熱度分析[J].中國管理科學(xué)，2014（3）： 82-89.

[29]王靜茹，金鑫，黃微.多媒體網(wǎng)絡(luò)輿情危機(jī)監(jiān)測指標(biāo)體系構(gòu)建研究[J].情報(bào)資料工作，2017（6）：27-34.

[30]張耀峰，肖人彬.群體性突發(fā)事件的輿情演化模型與仿真[J].計(jì)算機(jī)應(yīng)用研究，2015（2）：351-355.

[31]李勇建，王治瑩.突發(fā)事件中輿情傳播機(jī)制與演化博弈分析[J].中國管理科學(xué)，2014（11）：87-96.

[32]劉國巍，程國輝，姜金貴.時(shí)空分異視角下非常規(guī)突發(fā)事件網(wǎng)絡(luò)輿情演化研究——以“上海12.31踩踏事件”為例[J].情報(bào)雜志，2015（6）：126-130.

[33]陳福集，黃江玲.突發(fā)事件網(wǎng)絡(luò)輿情演化傳播模型研究[J].情報(bào)科學(xué)，2015（12）：8-12.

[34]Khan Y，F(xiàn)azli G，Henry B，et al. The evidence base of primaryresearch in public health emergency preparedness： a scopingreview and stakeholder consultation[J]. Bmc Public Health，2015（1）：432.

[35]Hagel C， Weidemann F， Gauch S， et al.Analysing publishedglobal Ebola Virus Disease research using social networkanalysis[J]. PLoS Neglected Tropical Diseases，2017（10）.

[36]Kim K， Baek Y M， Kim N. Online news diffusion dynamicsand public opinion formation： A case study of the controversyover judges personal opinion expression on SNS in Korea[J].The Social Science Journal， 2015（2）：205-216.

[37]宋之杰，王建，石蕊.基于無標(biāo)度網(wǎng)絡(luò)的突發(fā)事件微博謠言傳播研究[J].情報(bào)雜志，2015（12）：111-115.

[38]馬寧，田儒雅，劉怡君，等.基于動態(tài)網(wǎng)絡(luò)分析（DNA）的意見領(lǐng)袖識別研究[J].科研管理，2014（8）：83-92.

[39]何躍，鄧姝穎，馬玉鳳，等.突發(fā)事件中微博用戶社群輿情傳播特征研究[J].情報(bào)科學(xué)，2016（6）：14-18.

[40]王旭，孫瑞英.基于SNA 的突發(fā)事件網(wǎng)絡(luò)輿情傳播研究——以“魏則西事件”為例[J].情報(bào)科學(xué)，2017（3）：87-92.

[41]王治瑩，李勇建.政府干預(yù)下突發(fā)事件輿情傳播規(guī)律與控制決策[J].管理科學(xué)學(xué)報(bào)，2017（2）：43-52.

[42]宋之杰，王建，賈杰.基于SIHR_1R_2的突發(fā)事件謠言傳播研究[J].情報(bào)雜志，2016（3）：118-124.

[43]張玉亮.基于UML方法的突發(fā)事件網(wǎng)絡(luò)輿情信息流風(fēng)險(xiǎn)評價(jià)指標(biāo)體系構(gòu)建研究[J].圖書與情報(bào)，2016（3）：1-10.

[44]路枝芳，薛耀文.基于因子聚類分析的輿情風(fēng)險(xiǎn)研究[J].情報(bào)科學(xué)，2016（7）：76-80.

[45]王煉，賈建民.突發(fā)性災(zāi)害事件風(fēng)險(xiǎn)感知的動態(tài)特征——來自網(wǎng)絡(luò)搜索的證據(jù)[J].管理評論，2014（5）：169-176.

[46]Ma N，Liu Y.SuperedgeRank algorithm and its application inidentifying opinion leader of online public opinion super net-work[J].Expert Systems with Applications，2014（4）：1357-1368.

[47]曹學(xué)艷，段飛飛，方寬，等.網(wǎng)絡(luò)論壇視角下突發(fā)事件輿情的關(guān)鍵節(jié)點(diǎn)識別及分類研究[J].圖書情報(bào)工作，2014（4）：65-70.

[48]余樂安，李玲，戴偉，等.?；匪廴臼录姓C(jī)信息公布策略與網(wǎng)絡(luò)輿情擴(kuò)散研究： 基于多主體模型[J].管理評論，2016（8）：175-185.

[49]高航，丁榮貴.基于系統(tǒng)動力學(xué)的網(wǎng)絡(luò)輿情風(fēng)險(xiǎn)模型仿真研究[J].情報(bào)雜志，2014（11）：7-13.

[50]武佳倩，湯鈴，李玲，等.基于系統(tǒng)動力學(xué)的危險(xiǎn)化學(xué)品水污染事件中城市供水危機(jī)應(yīng)急策略研究——以2005 年吉化爆炸引發(fā)哈爾濱水危機(jī)為例[J].系統(tǒng)工程理論與實(shí)踐，2015（3）：677-686.

[51]Jin Y，Liu B F，Austin L L. Examining the Role of Social Me-dia in Effective Crisis Management： The Effects of Crisis Ori-gin， Information Form， and Source on PublicsCrisis Re-sponses[J]. Communication Research， 2014（1）： 74-94.

[52]張春林.論制度反腐中輿論監(jiān)督的權(quán)力凸顯與報(bào)道轉(zhuǎn)型[J].重慶工商大學(xué)學(xué)報(bào)（社會科學(xué)版），2020（5）：106.

[責(zé)任編輯、校對：楊栓保]