基于主題挖掘的突發(fā)公共衛(wèi)生事件輿情分析研究

來能燁 汪明艷 周成陽

摘要：新冠肺炎疫情暴發(fā)后，網(wǎng)絡(luò)輿情傳播迅速，如何準(zhǔn)確把握輿情傳播熱點(diǎn)，引導(dǎo)輿情理性發(fā)展成為一個重要課題。本文基于生命周期理論，結(jié)合TF-IDF特征詞-權(quán)值模型和隱含狄利克雷分布（LDA）主題模型，研究輿情傳播者在輿情發(fā)展各階段關(guān)注的主題內(nèi)容及演化過程，為應(yīng)對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情危機(jī)、精準(zhǔn)監(jiān)測輿情走向提供相關(guān)決策依據(jù)。

關(guān)鍵詞：突發(fā)公共衛(wèi)生事件;網(wǎng)絡(luò)輿情;主題挖掘;生命周期理論

中圖分類號：G353.1 文獻(xiàn)標(biāo)識碼：A 文章編號：1004-9436（2021）08-0-03

0 引言

2019年新冠肺炎疫情暴發(fā)，成為全球重大突發(fā)公共衛(wèi)生事件，引起了世界各國人們的高度關(guān)注，數(shù)十億人急切地希望通過社交媒體獲取疫情相關(guān)信息，在此背景下，與新冠肺炎疫情相關(guān)的話題迅速引發(fā)大量討論。各類造謠、不實疫情信息在全球化的社交媒體網(wǎng)絡(luò)上泛濫擴(kuò)散，此次疫情催生了第一個真正意義上社交媒體的“信息疫情”[1]。因此，在積極推進(jìn)疫情防控舉措的同時，有效應(yīng)對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情傳播以及精準(zhǔn)監(jiān)測輿情傳播走向也是一項重要工作。

本文以新冠肺炎疫情暴發(fā)期間新浪微博的數(shù)據(jù)為研究對象，基于生命周期理論，結(jié)合TF-IDF特征詞-權(quán)值模型和隱含狄利克雷分布主題（LDA）模型，分析在輿情傳播周期各階段網(wǎng)民關(guān)注的焦點(diǎn)主題及演化趨勢，刻畫此次疫情網(wǎng)絡(luò)輿情特征，為相關(guān)部門掌握突發(fā)公共衛(wèi)生事件焦點(diǎn)主題、提升政府輿論引導(dǎo)能力提供決策支持。

1 相關(guān)研究

1.1 主題挖掘模型

網(wǎng)絡(luò)輿情中的主題分析是定性研究中較為常見的一種形式，其中最具代表性的是LDA主題模型。王雅靜等學(xué)者提出基于LDA主題模型的微博在線用戶特征預(yù)測方法，以實現(xiàn)對所有用戶的特征預(yù)測[2]。曹樹金等學(xué)者采用輿情演化分析方法研究網(wǎng)絡(luò)輿情傳播周期各階段的熱點(diǎn)主題和時序發(fā)展趨勢[3]。趙凱等學(xué)者通過“困惑度—主題方差”相結(jié)合的方法改進(jìn)了LDA主題模型最優(yōu)主題數(shù)的確定方法[4]。

1.2 突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情傳播研究

陳璟浩等學(xué)者采用描述性統(tǒng)計法、列聯(lián)表分析法、回歸分析法等方法，分析突發(fā)公共衛(wèi)生事件中網(wǎng)民關(guān)注度變化，以提高政府信息供給效率[5]。任立肖等學(xué)者將食品安全突發(fā)事件網(wǎng)絡(luò)輿情參與主體分為消費(fèi)人群、有關(guān)部門、網(wǎng)絡(luò)輿情原創(chuàng)者、網(wǎng)絡(luò)輿情旁觀者等9種類型[6]。另有學(xué)者把突發(fā)公共衛(wèi)生事件的利益相關(guān)者分類為醫(yī)療衛(wèi)生部門、傳統(tǒng)媒體、自媒體、普通群眾、易感人群以及患者等6大類。

2 研究設(shè)計

2019年暴發(fā)的新冠肺炎疫情是一次重大突發(fā)公共衛(wèi)生事件，通過采集該事件中新浪微博平臺的相關(guān)數(shù)據(jù)，基于LDA主題模型并結(jié)合生命周期理論劃分輿情事件階段，分析輿情傳播各階段中網(wǎng)民關(guān)注的焦點(diǎn)主題及演化特征?？傮w研究思路為：首先對采取的微博數(shù)據(jù)進(jìn)行歸一化處理;其次以生命周期理論為依據(jù)結(jié)合輿情發(fā)展劃分輿情傳播的不同階段;再次利用TF-IDF算法計算各詞項權(quán)重，通過LDA主題模型提取相關(guān)主題詞和概率值;最后進(jìn)行網(wǎng)絡(luò)輿情主題內(nèi)容演化和強(qiáng)度演化分析。

3 實證分析

3.1 數(shù)據(jù)采集與預(yù)處理

本文研究的網(wǎng)絡(luò)輿情事件是2019年末暴發(fā)的新冠肺炎疫情，因為該事件具有較大的社會影響，研究疫情期間的網(wǎng)民評論內(nèi)容有利于分析輿情傳播者情感的演化。新冠肺炎疫情在傳播意義上的突發(fā)期以2020年1月23日武漢采取“封城”措施為標(biāo)志，武漢“封城”后，網(wǎng)絡(luò)輿情呈爆發(fā)態(tài)勢。2月19日，新華社等國內(nèi)主流媒體開始陸續(xù)報道疫情向好的方向發(fā)展，以此為標(biāo)志，新冠肺炎疫情由突發(fā)期過渡到平穩(wěn)期。筆者編寫Python程序采集新浪微博用戶數(shù)據(jù)，設(shè)置“新冠肺炎疫情”為關(guān)鍵詞，時間范圍設(shè)定為2020年1月23日—2020年2月19日，爬取共計四周的新浪微博數(shù)據(jù)，對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，再進(jìn)行微博事件文本分析，通過文本分詞、添加自定義詞匯、添加停用詞典，去掉對文本分析無用的停用詞，最終獲得23665條微博內(nèi)容，提取參與社會網(wǎng)絡(luò)構(gòu)建的用戶3610個。

3.2 輿情演化階段劃分

按日統(tǒng)計參與輿情傳播的用戶數(shù)，得到傳播者數(shù)量演化趨勢如圖1所示。利用大連理工大學(xué)中文情感詞匯本體庫的褒貶義詞匯對評論數(shù)據(jù)進(jìn)行情感強(qiáng)度計算，將輿情用戶每天的情感強(qiáng)度進(jìn)行累加得出群體情感強(qiáng)度，如圖2所示。

通過對比發(fā)現(xiàn)，網(wǎng)民的輿情傳播行為和情感強(qiáng)度呈正相關(guān)。根據(jù)圖1、圖2中用戶數(shù)量變化和情感強(qiáng)度變化，結(jié)合現(xiàn)有的突發(fā)事件輿情階段劃分[7]，現(xiàn)將輿情演化階段劃分為四個階段。第一階段為輿情形成期（2020年1月23日至1月29日），第二階段為輿情爆發(fā)期（2020年1月30日至2月5日），第三階段為輿情緩解期（2020年2月6日至2月12日），第四階段為輿情平復(fù)期（2020年2月13日至2月19日）。

3.3 主題及階段演化

本文基于密度的自適應(yīng)最優(yōu)LDA模型選擇方法確定文檔語料參數(shù)和主題數(shù)量，在LDA主題模型提取詞匯的基礎(chǔ)上，利用TF-IDF算法計算各詞項權(quán)重，依據(jù)主題間的相似度最小原則提取各階段網(wǎng)民關(guān)注主題。

通過對輿情形成期文本集進(jìn)行主題模型分析，得到7個主題，每個主題提取相關(guān)程度最高的10個詞語，計算其概率值，根據(jù)每一類主題關(guān)鍵詞的特征對輿情形成階段主題特征歸納總結(jié)如下。

主題1：患者感染新冠病毒后出現(xiàn)發(fā)熱等癥狀，在定點(diǎn)醫(yī)院接受隔離治療。

主題2：各地召開新聞發(fā)布會，公布防疫和救治情況，確保人民群眾生命和健康安全。

主題3：表達(dá)對抗議一線工作者的贊美、感謝和鼓舞。

主題4：各地醫(yī)院召集醫(yī)務(wù)人員緊急支援武漢。

主題5：愛心人士為醫(yī)院捐贈醫(yī)療物資。

主題6：各地報告新增確診病例和累計確診情況。

主題7：防控形勢嚴(yán)峻，農(nóng)村地區(qū)防控亟待關(guān)注，轉(zhuǎn)發(fā)倡議避免人群聚集。

在輿情形成期，輿情傳播者參與數(shù)較少，隨著初始階段感染病例增加，輿情傳播者對疫情進(jìn)展的關(guān)注度持續(xù)提升，在網(wǎng)絡(luò)平臺互相交流，求證最新消息。網(wǎng)絡(luò)輿情主題內(nèi)容大部分集中在輿情事件本身數(shù)據(jù)的統(tǒng)計和現(xiàn)狀的描述，以及各地官方機(jī)構(gòu)召開新聞發(fā)布會上。

對輿情暴發(fā)期文本集進(jìn)行主題模型分析，根據(jù)主題間的相似度最小原則最終得到6個主題，歸納總結(jié)如下。

主題1：多地每天公布確診病例涉足的場所和小區(qū)。

主題2：各地通報確診患者治愈出院數(shù)例。

主題3：不準(zhǔn)確的信息和謠言時有出現(xiàn)，發(fā)布頭條文章呼吁不信謠、不傳謠。

主題4：社區(qū)一線在防控指揮部統(tǒng)一調(diào)度下，科學(xué)有序參與疫情防控工作。

主題5：《新英格蘭醫(yī)學(xué)雜志》刊登新論文，作者主要來自中國疾病預(yù)防控制中心、湖北疾病預(yù)防控制中心和香港大學(xué)等機(jī)構(gòu)。

主題6：網(wǎng)民通過多種創(chuàng)作形式為中國加油。

隨著輿情事件的不斷演化，大量輿情傳播者涌入，評論數(shù)量大幅度增長，人們對輿情事件的關(guān)注度急速上升，輿論進(jìn)入白熱化階段。除了關(guān)注疫情傳播現(xiàn)狀外，輿情關(guān)注主題逐漸轉(zhuǎn)向“早期人傳人跡象”和“科研發(fā)表風(fēng)波”。中國疾病預(yù)防控制中心等機(jī)構(gòu)發(fā)表在《新英格蘭醫(yī)學(xué)雜志》的一篇論文引起了軒然大波，輿情傳播者質(zhì)疑中國疾病預(yù)防控制中心何時發(fā)現(xiàn)病毒有“人傳人”跡象。值得注意的是，謠言在這一階段逐漸傳播開來，同時相應(yīng)的辟謠信息也開始出現(xiàn)。

對輿情緩解期文本集進(jìn)行主題模型分析，根據(jù)主題間的相似度最小原則最終得到5個主題，歸納總結(jié)如下。

主題1：向所有奮戰(zhàn)在一線的工作人員致敬。

主題2：新加坡總理李顯龍談病毒——如果致死率能與流感保持一致，或會改變應(yīng)對策略。

主題3：新冠肺炎疫情是公共衛(wèi)生事件，不是國家和種族之間的問題。

主題4：在新冠肺炎疫情防控期間穩(wěn)定勞動關(guān)系，支持企業(yè)復(fù)工復(fù)產(chǎn)。

主題5：通報疫情最新動態(tài)，如累計病例、治愈信息等。

在這一階段，用戶參與數(shù)有所減少，輿情事件的討論度下降，但網(wǎng)民情感強(qiáng)度依舊處于較高水平。在媒體和意見領(lǐng)袖的引導(dǎo)下，網(wǎng)民關(guān)注于以鐘南山、李蘭娟院士為代表的“抗疫英雄”，以及各地醫(yī)護(hù)人員奉獻(xiàn)精神所產(chǎn)生的正能量。官方發(fā)布最新信息，媒體及時報道疫情防控工作，使得防控信息覆蓋面擴(kuò)大，同時政府加大網(wǎng)絡(luò)謠言整治力度，網(wǎng)民的信息接收度逐漸飽和，輿情傳播者不斷增強(qiáng)自我防病意識和社會信心，除了繼續(xù)關(guān)注疫情影響及現(xiàn)狀，還增加了對國外疫情的關(guān)注。

對輿情平復(fù)期文本集進(jìn)行主題模型分析，根據(jù)主題間的相似度最小原則最終得到9個主題，歸納總結(jié)結(jié)果如下。

主題1：康復(fù)病人捐獻(xiàn)血漿，這是目前治療病毒感染的最有效的方法。

主題2：確診病例患者治愈出院的情況。

主題3：新聞發(fā)布會介紹防控工作和醫(yī)療隊援助工作的相關(guān)情況，并回答記者提問。

主題4：鐘南山院士接受采訪。

主題5：基于近期情況及采取的措施，新增感染人數(shù)逐步減少，疫情有望結(jié)束。

主題6：企業(yè)做好疫情防控，推動復(fù)工復(fù)產(chǎn)。

主題7：專家告訴大家特殊時期應(yīng)如何調(diào)整心理狀態(tài)。

主題8：各地防控指揮部、紅十字會發(fā)放捐贈物資公示。

主題9：各地實行外出人員申報健康證明臨時措施，提供免費(fèi)健康證明服務(wù)。

在輿情平復(fù)期，輿情傳播者的注意力和興趣發(fā)生轉(zhuǎn)移，轉(zhuǎn)向?qū)?fù)工復(fù)產(chǎn)的討論以及鐘南山院士講話。隨著更多疫情防控細(xì)節(jié)被公開，相關(guān)事件被逐步理清，以及疫情好轉(zhuǎn)和經(jīng)濟(jì)的逐步恢復(fù)，輿情傳播者對突發(fā)公共衛(wèi)生事件的判斷逐漸歸于理性，輿情傳播者的情緒狀態(tài)在慢慢地平復(fù)。

3.4 突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情治理建議

通過研究發(fā)現(xiàn)，社交媒體上公眾對疫情防控、民生保障的關(guān)注僅次于對疫情風(fēng)險的認(rèn)知和社會心態(tài)調(diào)整的關(guān)注。因此，有關(guān)部門除了及時公布疫情最新進(jìn)展，提高信息透明度，滿足公眾信息需求，也要關(guān)注民生保障措施的落實。在重大突發(fā)公共衛(wèi)生事件中，政府不能因充當(dāng)全方位的輿情防控角色而忽視輿情傳播者在輿情治理中的關(guān)鍵作用，應(yīng)利用社交媒體平臺引導(dǎo)公眾自發(fā)參與疫情防控工作，從而與公眾形成平衡化的網(wǎng)絡(luò)輿情防控共同體。及時掌握輿情傳播者不同階段的關(guān)注主題，從認(rèn)知、行為、情感等多角度引導(dǎo)他們參與輿情治理。一方面，政府可以從信息源著手，做好權(quán)威信息發(fā)布，消除信息不對稱。若未及時發(fā)現(xiàn)輿情關(guān)注主題熱點(diǎn)，發(fā)布的信息不能解決公眾疑慮，可能使輿情事件愈演愈烈，引發(fā)謠言。政府要針對公眾的核心訴求，進(jìn)行妥善解答和回應(yīng)，牢牢把握話語權(quán)，消除公眾心中的不確定性，降低因公眾情緒傳播而產(chǎn)生的輿情風(fēng)險。另一方面，政府要做好網(wǎng)絡(luò)輿情熱點(diǎn)主題監(jiān)測，判斷、預(yù)測并及時預(yù)警主題內(nèi)容演變趨向。網(wǎng)絡(luò)輿情事件爆發(fā)前都會有一定的征兆，政府及相關(guān)部門應(yīng)形成一套涵蓋疫情預(yù)警、疫情應(yīng)對和疫情消解的處理機(jī)制，利用現(xiàn)代信息網(wǎng)絡(luò)技術(shù)，實時監(jiān)測網(wǎng)絡(luò)輿論動態(tài)，發(fā)現(xiàn)敏感信息，

4 結(jié)語

本文以2019年新冠肺炎疫情為具體案例，結(jié)合生命周期理論和LDA主題模型挖掘輿情傳播周期中各階段下網(wǎng)民關(guān)注的焦點(diǎn)主題，并分析主題內(nèi)容演化特征，目的在于為政府信息公開、應(yīng)對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情危機(jī)提供建議。由于各種原因，本文的研究還存在兩點(diǎn)不足，第一，LDA主題模型抽取的特征詞不夠貼合主題，未能挖掘更深入細(xì)致的有效信息;第二，輿情發(fā)展階段沒有針對突發(fā)公共衛(wèi)生事件的特性細(xì)分展開。

參考文獻(xiàn)：

[1] 徐劍，錢燁夫.“信息疫情”的定義、傳播及治理[J].上海交通大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2020，28（05）：121-134.

[2] 王雅靜，郭強(qiáng)，鄧春燕，等.基于LDA主題模型的用戶特征預(yù)測研究[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2020，17（04）：9-15.

[3] 曹樹金，岳文玉.突發(fā)公共衛(wèi)生事件微博輿情主題挖掘與演化分析[J].信息資源管理學(xué)報，2020，10（06）：28-37.

[4] 趙凱，王鴻源. LDA最優(yōu)主題數(shù)選取方法研究：以CNKI文獻(xiàn)為例[J].統(tǒng)計與決策，2020，36（16）：175-179.

[5] 陳璟浩，陳美合，曾楨.突發(fā)公共衛(wèi)生事件中中國網(wǎng)民關(guān)注度分析——基于新冠肺炎網(wǎng)絡(luò)輿情數(shù)據(jù)[J].現(xiàn)代情報，2020（10）：11-21.

[6] 任立肖，張亮.食品安全突發(fā)事件網(wǎng)絡(luò)輿情的分析模型——基于利益相關(guān)者的視角[J].圖書館學(xué)研究，2014（01）：65-70.

[7] 謝耘耕，榮婷.微博輿論生成演變機(jī)制和輿論引導(dǎo)策略[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報），2011（05）：70-74.

作者簡介：來能燁（1994—），女，浙江杭州人，碩士在讀，研究方向：信息管理。

汪明艷（1975—），女，吉林吉林人，博士，教授，研究方向：電子商務(wù)、數(shù)據(jù)分析、輿論治理。

周成陽（1995—），男，上海人，碩士在讀，研究方向：信息管理。