突發(fā)公共衛(wèi)生事件輿情環(huán)境下的群體智慧涌現(xiàn)研究

安 寧，安 璐，2

（1.武漢大學(xué)信息管理學(xué)院，武漢 430072；2.武漢大學(xué)信息資源研究中心，武漢 430072）

1 引言

群體智慧（collective intelligence），是指群體所具有的優(yōu)于個(gè)體或個(gè)體總和的智慧與能力，是群體本身所固有的資產(chǎn)[1-2]?，F(xiàn)代科學(xué)對復(fù)雜性的研究表明，動(dòng)物常常會(huì)利用群體智慧進(jìn)行集體狩獵、相互掩護(hù)和躲避捕食者等活動(dòng)[3]。在人類社會(huì)中，最優(yōu)決策事實(shí)上通常也是基于群體智慧形成的[4]。社交媒體的發(fā)展不僅豐富了信息交流的模式，也為群體的互動(dòng)和知識(shí)的構(gòu)建開辟了新的途徑[5]，尤其是在危機(jī)情境下，社交媒體成為公眾表達(dá)觀點(diǎn)與情感的重要渠道，同時(shí)促進(jìn)了網(wǎng)絡(luò)輿情環(huán)境的形成。從某種程度上來說，網(wǎng)絡(luò)輿情是群體智慧涌現(xiàn)的一種表現(xiàn)形式，承載了公眾對突發(fā)事件的認(rèn)知與理解，甚至具有對事件演化的前瞻性，在突發(fā)事件的應(yīng)急響應(yīng)工作中具有重要意義[5]。因此，本研究將突發(fā)公共衛(wèi)生事件輿情環(huán)境下的群體智慧涌現(xiàn)概述為公眾在圍繞突發(fā)公共衛(wèi)生事件進(jìn)行觀點(diǎn)的傳遞、碰撞與發(fā)酵的過程中，通過自組織活動(dòng)而呈現(xiàn)出優(yōu)于個(gè)體的智慧與能力的復(fù)雜現(xiàn)象。

社交媒體中的信息往往具有標(biāo)題化、碎片化、語言簡潔等特點(diǎn)，那么在這看似雜亂無章的輿情信息環(huán)境下如何表征群體智慧？群體智慧的涌現(xiàn)是否存在某種規(guī)律？圍繞這些問題，本研究提出一種從突發(fā)公共衛(wèi)生事件的輿情信息中提取群體智慧的方法，即從輿情信息中提取知識(shí)三元組集合來表征公眾的知識(shí)，探究微博、評(píng)論中三元組數(shù)量的分布情況以及知識(shí)密度的動(dòng)態(tài)變化，實(shí)現(xiàn)對突發(fā)公共衛(wèi)生事件輿情環(huán)境中群體智慧的結(jié)構(gòu)化表示及量化分析。同時(shí)，本研究引入復(fù)雜網(wǎng)絡(luò)的思想構(gòu)建輿情知識(shí)網(wǎng)絡(luò)，通過網(wǎng)絡(luò)結(jié)構(gòu)關(guān)系的時(shí)序變化反映和揭示突發(fā)公共衛(wèi)生事件輿情環(huán)境下公眾知識(shí)涌現(xiàn)的規(guī)律與模式，以期為管理部門在對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情進(jìn)行引導(dǎo)與決策時(shí)提供參考。

2 相關(guān)研究

2.1 突發(fā)事件的網(wǎng)絡(luò)輿情研究

近年來，世界各地的自然災(zāi)害、事故災(zāi)害等多種危機(jī)事件逐漸呈現(xiàn)出日益高發(fā)、規(guī)模擴(kuò)大、危害程度加深等態(tài)勢[6]。不同于其他情境，突發(fā)公共衛(wèi)生事件等危機(jī)情境將嚴(yán)重威脅人類生活與社會(huì)秩序，通常還伴隨不確定性、破壞性、聚焦性等特征[7]。在此情境下，社交媒體毋庸置疑成為公眾信息交流、情感表達(dá)和維持社會(huì)化關(guān)系的重要渠道[8]。突發(fā)事件暴發(fā)后，用戶在社交媒體平臺(tái)上通過生成、評(píng)論和轉(zhuǎn)發(fā)等多種形式，傳遞著與事件、新聞、思想以及情感等相關(guān)的近乎瞬時(shí)信息，形成與突發(fā)事件相關(guān)的網(wǎng)絡(luò)輿情。然而，社交媒體雖然為信息交流帶來了便捷，但也存在著不可忽視的“回音室”現(xiàn)象。社交媒體的“回音室”具有封閉且高度同質(zhì)化的特征，即公眾在“回音室效應(yīng)”下常常會(huì)固守在符合自己偏好的信息圈子里，過濾與自己意見相左的觀點(diǎn)或情感，而相近的意見與觀點(diǎn)將被反復(fù)傳播，極易造成輿情群體極化現(xiàn)象[9]。

網(wǎng)絡(luò)輿情的演變關(guān)乎著社會(huì)的穩(wěn)定和發(fā)展，而危機(jī)事件通常易造成公眾情緒波動(dòng)，產(chǎn)生悲傷、憤怒以及恐慌等負(fù)面情緒，進(jìn)而危害社會(huì)秩序穩(wěn)定[10]。因此，國內(nèi)外學(xué)者逐漸開始關(guān)注突發(fā)事件網(wǎng)絡(luò)輿情信息的相關(guān)研究，主要聚焦于網(wǎng)絡(luò)輿情的主題和情感的分析與挖掘[11]。在輿情主題方面，現(xiàn)有研究多基于LDA（latent Dirichlet allocation）主題模型[12]進(jìn)行主題識(shí)別，探索突發(fā)公共衛(wèi)生事件輿情主題的演變模式和時(shí)間特征[13]。在輿情情感方面，學(xué)者們通?；谇楦性~典和機(jī)器學(xué)習(xí)等相關(guān)方法進(jìn)行研究。前者需要利用已標(biāo)注好的情感詞典，如大連理工大學(xué)情感詞典、How Net情感詞典等分析用戶的情感強(qiáng)度與情感傾向[14]；后者則需要大量人工標(biāo)注的語料作為訓(xùn)練集，提取文本特征，構(gòu)建分類器以實(shí)現(xiàn)情感分類[15]。

2.2 群體智慧相關(guān)研究

群體智慧是在個(gè)體交流、協(xié)作、競爭、頭腦風(fēng)暴等過程中產(chǎn)生的，常出現(xiàn)在如公共決策、投票活動(dòng)、社交網(wǎng)絡(luò)和眾包等領(lǐng)域中[16]。在早期，“群體智慧”概念曾遭到大多數(shù)學(xué)者的抨擊，例如，MacKay[17]直接表示群體所產(chǎn)生的智慧遠(yuǎn)不如單獨(dú)個(gè)體所擁有的智慧，甚至認(rèn)為群體的匯聚是愚蠢的。直至1907年，Galton[18]在《自然》（Nature）雜志上發(fā)表了一篇文章，證明了群體在某些情況下可以超越專家的智慧，這標(biāo)志著群體智慧得到了科學(xué)家們的廣泛認(rèn)可。群體智慧是群體內(nèi)自下而上和自上而下過程相互作用所產(chǎn)生的新特征[19]，與群體內(nèi)交流的公平性和群體的社會(huì)感知之間有密切關(guān)聯(lián)[2]。Web 2.0打破了傳統(tǒng)門戶網(wǎng)站單向傳輸?shù)哪Ｊ剑浞职l(fā)掘了個(gè)體的智慧和力量，極大地提升了互聯(lián)網(wǎng)的整體創(chuàng)造力[20]，例如，Yuan等[21]從Web 2.0視角構(gòu)建了互聯(lián)網(wǎng)上群體智慧新框架，分析了群體智慧在互聯(lián)網(wǎng)上的演化機(jī)制，指出互聯(lián)網(wǎng)中的群體智慧是一種由集體行為所產(chǎn)生的涌現(xiàn)現(xiàn)象。易明等[22]認(rèn)為，協(xié)同標(biāo)注信息行為是一個(gè)基于群體智慧涌現(xiàn)的分類知識(shí)產(chǎn)生過程，這種群體智慧的涌現(xiàn)是一個(gè)從量變到質(zhì)變的過程。

重大突發(fā)事件的應(yīng)急管理是國家治理體系現(xiàn)代化的重要組成部分，如何聚力情報(bào)智慧、科學(xué)應(yīng)對重大突發(fā)事件，儼然成為總體國家安全觀下亟待研究的關(guān)鍵問題[23]。突發(fā)事件中的輿情信息不僅是重要情報(bào)資源，更是群體智慧在危機(jī)情景下的一種具體表現(xiàn)，反映了群體對事件態(tài)勢的認(rèn)知與研判，是感知、理解和預(yù)測民眾關(guān)于突發(fā)事件的群體決策與應(yīng)對行為的重要渠道。因此，挖掘與分析社交媒體上的輿情信息，有助于探究群體智慧的形成與演化機(jī)理，對突發(fā)公共衛(wèi)生事件的應(yīng)急管理具有重要意義[5]。社交媒體不僅是公眾信息交流的重要渠道，也是了解公眾態(tài)度與行為的重要數(shù)據(jù)來源[24]。在應(yīng)急管理工作實(shí)踐中，已有研究將在線社交媒體信息用于開發(fā)基于GIS（geographic information system）的實(shí)時(shí)地圖[25]、龍卷風(fēng)預(yù)警系統(tǒng)[26]和網(wǎng)絡(luò)故障檢測系統(tǒng)[27]等，充分發(fā)揮了信息資源的選擇與決策功能[28]。輿情信息作為群體智慧的一種具體表現(xiàn)形式，能夠指導(dǎo)相關(guān)部門和機(jī)構(gòu)科學(xué)應(yīng)對各類突發(fā)事件，降低不確定性，減小風(fēng)險(xiǎn)與損失，容災(zāi)減災(zāi)，提升群體的凝聚力[29-30]。

綜上所述，群體智慧得到了國內(nèi)外學(xué)者的廣泛認(rèn)可。現(xiàn)有研究成果主要是探究Web 2.0模式下群體智慧框架、用戶協(xié)同標(biāo)注行為等，鮮有研究挖掘突發(fā)事件輿情環(huán)境下的群體智慧涌現(xiàn)的規(guī)律與模式。因此，本研究基于特定突發(fā)公共衛(wèi)生事件下的網(wǎng)絡(luò)輿情信息，利用依存句法分析提取輿情信息中的知識(shí)三元組，以結(jié)構(gòu)化表示突發(fā)公共衛(wèi)生事件輿情環(huán)境下公眾的知識(shí)條目，基于輿情知識(shí)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，揭示突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情環(huán)境中群體智慧涌現(xiàn)的規(guī)律與模式。

3 研究方法

3.1 突發(fā)公共衛(wèi)生事件輿情中的知識(shí)三元組提取

突發(fā)事件的出現(xiàn)通常會(huì)促進(jìn)公眾之間的信息共享、討論和交流，形成特定的輿情環(huán)境。在此環(huán)境下，公眾在圍繞突發(fā)事件進(jìn)行觀點(diǎn)的傳遞、碰撞與發(fā)酵的過程中，通過自組織活動(dòng)將呈現(xiàn)出優(yōu)于個(gè)體的群體智慧。三元組作為知識(shí)圖譜常用的知識(shí)表示方法，可以描述真實(shí)世界中存在的各種實(shí)體或概念及其復(fù)雜聯(lián)系。因此，本研究利用三元組表示突發(fā)事件輿情信息中所包含的公眾的知識(shí)條目，即以所提取的知識(shí)三元組集合來表征突發(fā)公共衛(wèi)生事件輿情環(huán)境下公眾的群體智慧，進(jìn)而展開研究。首先，本研究將所獲得的微博、評(píng)論等文本內(nèi)容切割成句，形成語料庫；其次，利用自然語言處理工具HanLP（Han language processing）對語料庫進(jìn)行分詞、詞性標(biāo)注、命名實(shí)體識(shí)別和依存句法分析；最后，基于李明耀等[31]提出的基于依存分析的開放式中文實(shí)體關(guān)系抽取方法REDP（relation extraction with dependency parsing），從語料庫中抽取實(shí)體關(guān)系，從而得到＜head,relation,tail＞形式的知識(shí)三元組。

根據(jù)REDP方法，中文實(shí)體關(guān)系可以表述為“狀語*動(dòng)詞+補(bǔ)語？賓語？”。其中，“*”表示出現(xiàn)0次或任意多次；“+”表示出現(xiàn)1次或任意多次；“？”表示出現(xiàn)0次或1次。其依存句法關(guān)系結(jié)構(gòu)如圖1所示。

圖1 依存句法關(guān)系結(jié)構(gòu)

實(shí)驗(yàn)結(jié)果[31]表明，REDP方法在中文實(shí)體關(guān)系抽取方面性能良好，其F值比基于卷積樹核的無監(jiān)督層次聚類方法提高了16.68%，在準(zhǔn)確率和召回率上都有較大幅度的提高，能夠保證本研究的準(zhǔn)確性。

最后，對初步抽取到的知識(shí)三元組進(jìn)行清洗。首先，剔除有缺失的無效三元組，因?yàn)檫@些有缺失的三元組無法完整、準(zhǔn)確地表達(dá)出一條知識(shí)內(nèi)容；其次，根據(jù)“哈工大停用詞表”，剔除head或tail中含有停用詞的三元組，進(jìn)一步保證所獲三元組更具知識(shí)含義；最后，得到突發(fā)公共衛(wèi)生事件輿情環(huán)境中公眾的知識(shí)三元組集合。

3.2 突發(fā)公共衛(wèi)生事件的輿情知識(shí)網(wǎng)絡(luò)巨分支識(shí)別

基于突發(fā)公共衛(wèi)生事件輿情信息提取的知識(shí)三元組集合，蘊(yùn)含了公眾在突發(fā)公共衛(wèi)生事件情景下所產(chǎn)生的群體智慧。隨著網(wǎng)絡(luò)思維引入圖書情報(bào)學(xué)領(lǐng)域，基于復(fù)雜網(wǎng)絡(luò)的思想對知識(shí)和知識(shí)關(guān)聯(lián)關(guān)系進(jìn)行研究已經(jīng)得到了學(xué)術(shù)界的普遍認(rèn)可。因此，本研究將三元組的head與tail實(shí)體作為知識(shí)單元，將relation看作兩個(gè)知識(shí)單元之間的關(guān)聯(lián)關(guān)系，以知識(shí)單元為節(jié)點(diǎn)，以關(guān)聯(lián)關(guān)系為邊，構(gòu)建輿情知識(shí)網(wǎng)絡(luò)。在構(gòu)建輿情知識(shí)網(wǎng)絡(luò)的過程中發(fā)現(xiàn)，輿情知識(shí)網(wǎng)絡(luò)中存在自環(huán)，即一條邊的兩個(gè)節(jié)點(diǎn)為同一知識(shí)單元。鑒于該拓?fù)浣Y(jié)構(gòu)無法揭示知識(shí)單元之間的關(guān)聯(lián)信息，因此去除輿情知識(shí)網(wǎng)絡(luò)中的自環(huán)，形成輿情知識(shí)網(wǎng)絡(luò)的簡單圖。

網(wǎng)絡(luò)科學(xué)領(lǐng)域的著名學(xué)者Newman[32]曾指出，許多實(shí)際的大規(guī)模復(fù)雜網(wǎng)絡(luò)都是非連通的，往往會(huì)存在一個(gè)包含整個(gè)網(wǎng)絡(luò)中相當(dāng)比例節(jié)點(diǎn)的最大分支（又稱巨分支），如圖2所示。其中，虛線圓圈中的節(jié)點(diǎn)和邊構(gòu)成該網(wǎng)絡(luò)的巨分支。對于大規(guī)模網(wǎng)絡(luò)而言，網(wǎng)絡(luò)的連通性較為脆弱，單個(gè)節(jié)點(diǎn)或者相當(dāng)少部分的節(jié)點(diǎn)的行為都可能破壞該性質(zhì)，因此，往往基于巨分支探究網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)[33]。鑒于在突發(fā)公共衛(wèi)生事件的發(fā)展過程中，大眾群體所表達(dá)出的知識(shí)內(nèi)容較為分散、無序，同時(shí)，知識(shí)單元及其關(guān)聯(lián)關(guān)系也會(huì)發(fā)生興衰更迭的變化，這些因素促使輿情知識(shí)網(wǎng)絡(luò)包含不連通的小分支群落。因此，本研究基于網(wǎng)絡(luò)的連通性，提取輿情知識(shí)網(wǎng)絡(luò)中規(guī)模最大且連通的分支，即保留其中的節(jié)點(diǎn)、邊等拓?fù)浣Y(jié)構(gòu)要素，形成輿情知識(shí)網(wǎng)絡(luò)的巨分支。本研究以巨分支內(nèi)包含的知識(shí)單元及知識(shí)關(guān)系表示公眾知識(shí)的主流方向，進(jìn)而探索突發(fā)公共衛(wèi)生事件輿情環(huán)境中群體知識(shí)的演變模式與規(guī)律。

圖2 網(wǎng)絡(luò)結(jié)構(gòu)中的巨分支

3.3 輿情知識(shí)網(wǎng)絡(luò)巨分支的k-核分解

知識(shí)網(wǎng)絡(luò)是一種具有層次結(jié)構(gòu)的復(fù)雜網(wǎng)絡(luò)[34]，本研究基于k-核理論對輿情知識(shí)網(wǎng)絡(luò)的巨分支結(jié)構(gòu)進(jìn)行分解，探索輿情知識(shí)網(wǎng)絡(luò)巨分支的“核心-邊緣”結(jié)構(gòu)，以洞悉突發(fā)公共衛(wèi)生事件輿情環(huán)境中群體所涌現(xiàn)出的知識(shí)結(jié)構(gòu)。k-核是網(wǎng)絡(luò)節(jié)點(diǎn)的一個(gè)最大子集，在該子集中的每個(gè)節(jié)點(diǎn)至少與子集中其他k個(gè)節(jié)點(diǎn)直接相連，是探索網(wǎng)絡(luò)層次結(jié)構(gòu)的代表性方法。從本質(zhì)上來看，k-核的分解過程是根據(jù)節(jié)點(diǎn)的度值來劃分網(wǎng)絡(luò)層次結(jié)構(gòu)，從外層向內(nèi)層延伸式擴(kuò)展進(jìn)行的。圖3所示為一個(gè)簡單網(wǎng)絡(luò)的k-核分解示意圖。

圖3 網(wǎng)絡(luò)的k-核分解

在對輿情知識(shí)網(wǎng)絡(luò)巨分支進(jìn)行k-核分解時(shí)，首先，去除網(wǎng)絡(luò)中度值小于1的節(jié)點(diǎn)，由剩下的節(jié)點(diǎn)和邊構(gòu)成網(wǎng)絡(luò)1-核。需要說明的是，本研究以輿情知識(shí)網(wǎng)絡(luò)的巨分支為研究對象，而巨分支是網(wǎng)絡(luò)的最大連通子圖，因此，1-核網(wǎng)絡(luò)即輿情知識(shí)網(wǎng)絡(luò)的巨分支。其次，去除巨分支中度值小于2的節(jié)點(diǎn)，剩下的節(jié)點(diǎn)和邊構(gòu)成巨分支的2-核網(wǎng)絡(luò)結(jié)構(gòu)。再次，去除度值小于3的節(jié)點(diǎn)，剩下的構(gòu)成3-核網(wǎng)絡(luò)。以此類推，重復(fù)這種去除操作，最后實(shí)現(xiàn)對巨分支的k-核分解，即去除輿情知識(shí)網(wǎng)絡(luò)連通的巨分支中度值小于k的所有節(jié)點(diǎn)及其連邊，直至網(wǎng)絡(luò)中剩下的節(jié)點(diǎn)的度值都不小于k。對輿情知識(shí)網(wǎng)絡(luò)巨分支進(jìn)行k-核分解，能有效地識(shí)別出知識(shí)的核心區(qū)域，即最大k-核節(jié)點(diǎn)位于巨分支的最內(nèi)層，是輿情知識(shí)網(wǎng)絡(luò)巨分支中核心、稠密的區(qū)域。

4 實(shí)驗(yàn)過程與結(jié)果分析

4.1 數(shù)據(jù)描述與處理

突發(fā)公共衛(wèi)生事件爆發(fā)后，微博平臺(tái)中的用戶會(huì)在相關(guān)話題下發(fā)表微博帖子，每篇微博又會(huì)被不同用戶進(jìn)行評(píng)論，形成“話題-微博-評(píng)論”的結(jié)構(gòu)，如圖4所示。在新冠疫情的社會(huì)背景下，本研究以新浪微博為基礎(chǔ)數(shù)據(jù)源，于2020年7月1日以“群體免疫”為檢索詞，獲取新浪微博平臺(tái)上“#群體免疫#”“#世衛(wèi)組織質(zhì)疑英國群體免疫方法#”“#李蘭娟談群體免疫#”等相關(guān)的145個(gè)話題，以及各話題所包含的9992條微博和75905條評(píng)論數(shù)據(jù)。經(jīng)過清洗、去重等預(yù)處理后，最終得到共計(jì)8798條微博、62729條評(píng)論信息，時(shí)間跨度為2020年3月13日至2020年6月30日。

圖4 話題-微博-評(píng)論結(jié)構(gòu)

發(fā)表微博和評(píng)論是公眾參與突發(fā)公共衛(wèi)生事件輿情討論的主要形式，探究微博與評(píng)論之間的關(guān)系，有助于掌握公眾在突發(fā)公共衛(wèi)生事件輿情環(huán)境下的行為模式，為探索群體智慧涌現(xiàn)的規(guī)律與模式提供依據(jù)。因此，令g={p1,p2,…,pn}表示評(píng)論的概率分布，其中，p n為一條微博評(píng)論數(shù)量為n的概率，對突發(fā)公共衛(wèi)生事件情景下的微博評(píng)論數(shù)量的概率分布進(jìn)行統(tǒng)計(jì)，在對數(shù)坐標(biāo)系下的相關(guān)結(jié)果如圖5所示。

在圖5中，橫坐標(biāo)表示一條微博的評(píng)論次數(shù)；縱坐標(biāo)表示概率，是一條微博能夠產(chǎn)生對應(yīng)數(shù)量的評(píng)論的概率?？梢园l(fā)現(xiàn)，微博不被評(píng)論（即具有0條評(píng)論）的概率為71.15%，具有1條評(píng)論的概率為8.14%，而微博中所含評(píng)論數(shù)量不多于7條的概率已高達(dá)90.61%，評(píng)論的期望值約為7.13。可以初步得出結(jié)論，在突發(fā)公共衛(wèi)生事件輿情環(huán)境中，公眾發(fā)表的微博評(píng)論概率分布在總體上趨近于冪律分布，具有無標(biāo)度特性，即大多數(shù)的微博會(huì)被少量用戶評(píng)論，僅有少量微博會(huì)擁有大量評(píng)論。

圖5 一條微博下評(píng)論數(shù)量的概率分布

4.2 基于輿情知識(shí)三元組的群體智慧涌現(xiàn)分析

根據(jù)第3.1節(jié)的方法將微博、評(píng)論的文本內(nèi)容切割成句，其中從微博文本中共切割出87343句，從評(píng)論內(nèi)容中切割出144216句?；谒懈畛龅木渥犹崛≈R(shí)三元組，共47426個(gè)，部分節(jié)選如表1所示。本研究以三元組的形式將突發(fā)公共衛(wèi)生事件輿情環(huán)境下的群體智慧結(jié)構(gòu)化，即一個(gè)輿情知識(shí)三元組表示了突發(fā)事件輿情信息中公眾的知識(shí)條目。為判斷突發(fā)事件的演變，以及輿情熱度和群體智慧涌現(xiàn)的關(guān)系與特征，本研究分析了時(shí)間-微博評(píng)論數(shù)-知識(shí)三元組之間的數(shù)量關(guān)系，如圖6所示。

圖6 時(shí)間-微博評(píng)論數(shù)-知識(shí)三元組之間的數(shù)量關(guān)系

表1 突發(fā)公共衛(wèi)生事件輿情環(huán)境下的三元組（節(jié)選）

群體智慧涌現(xiàn)與突發(fā)公共衛(wèi)生事件和網(wǎng)絡(luò)輿情的演變過程存在顯著關(guān)聯(lián)。通過分析時(shí)間、微博評(píng)論與知識(shí)三元組之間的數(shù)量關(guān)系，能夠?qū)θ后w智慧涌現(xiàn)、突發(fā)公共衛(wèi)生事件和網(wǎng)絡(luò)輿情三者之間的關(guān)系以及群體智慧涌現(xiàn)的模式特征作出直觀的判斷。由于微博評(píng)論與知識(shí)三元組在量綱和取值范圍方面存在差異，因此，需要根據(jù)公式對數(shù)據(jù)進(jìn)行Z-score標(biāo)準(zhǔn)化處理。其中，μ是平均值；σ為標(biāo)準(zhǔn)差；x是觀測值。

在圖6中，x軸表示時(shí)間，其刻度為“日”；y軸表示微博評(píng)論數(shù)量的Z-score標(biāo)準(zhǔn)化；z軸表示知識(shí)三元組數(shù)量的Z-score標(biāo)準(zhǔn)化。圖6中的數(shù)據(jù)散點(diǎn)分別表示每日新增與每日累計(jì)兩種。觀察每日新增的變化趨勢可以發(fā)現(xiàn)，微博數(shù)量和知識(shí)三元組數(shù)量在初期呈現(xiàn)爆發(fā)式增長，此后趨于平緩，但仍然會(huì)出現(xiàn)短暫爆發(fā)的現(xiàn)象。這說明群體智慧在經(jīng)歷初期的爆炸增長后，仍會(huì)在新熱點(diǎn)的激發(fā)下再次被激活。群體智慧涌現(xiàn)的現(xiàn)象貫穿于突發(fā)公共衛(wèi)生事件與網(wǎng)絡(luò)輿情演變的全周期。

每日累計(jì)數(shù)據(jù)在初期經(jīng)歷了同樣的爆發(fā)式增長后，表現(xiàn)出明顯的階梯式上升特征，表明累計(jì)的知識(shí)三元組數(shù)量并不是平穩(wěn)線性增加的。在較長時(shí)間的平緩且微量的增長后，會(huì)突現(xiàn)一次短暫的大幅度跳躍式增長。這與每日新增數(shù)據(jù)是相對應(yīng)的，說明在突發(fā)公共衛(wèi)生事件中的群體智慧涌現(xiàn)是一種臨界現(xiàn)象。群體智慧涌現(xiàn)不僅貫穿于突發(fā)公共衛(wèi)生事件與網(wǎng)絡(luò)輿情演變的全周期，其對于群體智慧的表達(dá)與演變的貢獻(xiàn)也要高于長期的知識(shí)積累。

為探究公眾基于微博、評(píng)論等不同形式產(chǎn)生知識(shí)的特征，以一條微博（或評(píng)論）中的三元組數(shù)量為橫坐標(biāo)，以一條微博（或評(píng)論）中能夠產(chǎn)生的三元組數(shù)量的概率為縱坐標(biāo)，對三元組數(shù)量的概率分布進(jìn)行統(tǒng)計(jì)，如圖7所示?？梢园l(fā)現(xiàn)，圖7中明顯存在重尾現(xiàn)象，即大多微博（或評(píng)論）含有較少的知識(shí)三元組，從少量微博（或評(píng)論）可以提取出較多的知識(shí)三元組。為探究微博、評(píng)論中各自的知識(shí)貢獻(xiàn)度，本研究對每日三元組的新增總數(shù)Tall、在新增微博中提取的三元組Tw以及在新增評(píng)論中提取的三元組的數(shù)量Tc進(jìn)行統(tǒng)計(jì)，如圖8a所示。為消除規(guī)模差異的影響，本研究根據(jù)新增微博中提取的三元組Tw與微博的新增數(shù)量W之比Tw/W、新增評(píng)論中提取的三元組的數(shù)量Tc與評(píng)論的新增數(shù)量C之比Tc/C，來考察微博、評(píng)論中對知識(shí)三元組的貢獻(xiàn)情況，如圖8b所示。

圖7 一條微博(或評(píng)論)中三元組數(shù)量的概率分布

由圖8a可知，在3月14日至3月18日，從評(píng)論中提取出的知識(shí)三元組數(shù)量多于從微博中提取的知識(shí)三元組數(shù)量。但結(jié)合圖5可以發(fā)現(xiàn)，在這幾個(gè)時(shí)間窗口中，公眾發(fā)表評(píng)論的新增數(shù)量C同樣也高于微博新增數(shù)量W。因此，需結(jié)合圖8b中的Tw/W和Tc/C兩個(gè)比值考察微博、評(píng)論中對知識(shí)三元組的貢獻(xiàn)情況，消除微博和評(píng)論的數(shù)量差異的影響。在3月14日窗口中，一條新增微博可以提取出0.944個(gè)知識(shí)三元組，而一條新增評(píng)論僅可提取出0.311個(gè)知識(shí)三元組。隨著時(shí)間窗口的滑動(dòng)，在3月21日、4月11日、5月6日等窗口下，從一條微博中提取出的知識(shí)三元組數(shù)量明顯高于從一條評(píng)論內(nèi)容中提取的知識(shí)三元組數(shù)量。在6月8日窗口下，一條新增微博可以提取出高達(dá)9個(gè)知識(shí)三元組，而一條新增評(píng)論僅提取出0.485個(gè)知識(shí)三元組。這一現(xiàn)象反映出，在突發(fā)公共衛(wèi)生事件輿情環(huán)境中，評(píng)論信息數(shù)量雖然遠(yuǎn)高于微博數(shù)量，但群體智慧涌現(xiàn)出的知識(shí)條目主要集中于微博，而非評(píng)論信息。換句話說，在突發(fā)公共衛(wèi)生事件輿情環(huán)境下，公眾所發(fā)表的微博內(nèi)容更具知識(shí)性，與評(píng)論內(nèi)容相比，所含的知識(shí)密度更大。

圖8 每日新增微博、評(píng)論中提取的知識(shí)三元組數(shù)量及比值

4.3 基于輿情知識(shí)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的群體智慧涌現(xiàn)分析

4.3.1 輿情知識(shí)網(wǎng)絡(luò)及巨分支的統(tǒng)計(jì)分析

為更好地反映群體智慧的涌現(xiàn)特性，本研究根據(jù)第3.2節(jié)中所涉及的方法理論，以1天為時(shí)間切片，基于累計(jì)值構(gòu)建輿情知識(shí)網(wǎng)絡(luò)，并提取其巨分支結(jié)構(gòu)以表示突發(fā)公共衛(wèi)生事件輿情環(huán)境中大眾群體的主流知識(shí)方向。將2020年3月13日至2020年6月30日劃分成110個(gè)時(shí)間窗口，即t1時(shí)間窗口含有3月13日出現(xiàn)的知識(shí)單元，t2時(shí)間窗口包含3月13日至3月14日知識(shí)單元的累計(jì)數(shù)據(jù)，依此類推。此外，對t1～t110各時(shí)間窗口下輿情知識(shí)網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量、邊數(shù)量以及巨分支的基本指標(biāo)特征進(jìn)行測度與統(tǒng)計(jì)，以期通過網(wǎng)絡(luò)巨分支拓?fù)浣Y(jié)構(gòu)的時(shí)序變化反映和揭示突發(fā)公共衛(wèi)生事件輿情環(huán)境下群體智慧演變的規(guī)律與模式。部分節(jié)選如表2所示。

由表2可知，與領(lǐng)域知識(shí)網(wǎng)絡(luò)[35]有所不同，突發(fā)事件輿情環(huán)境下的輿情知識(shí)網(wǎng)絡(luò)在各個(gè)時(shí)間窗口下的巨分支結(jié)構(gòu)平均來看，僅涵蓋了整體網(wǎng)絡(luò)約50%的知識(shí)節(jié)點(diǎn)，囊括了約69%的知識(shí)單元之間的關(guān)聯(lián)關(guān)系。這表明輿情知識(shí)網(wǎng)絡(luò)的連通性較弱，在突發(fā)事件的網(wǎng)絡(luò)輿情環(huán)境下，公眾產(chǎn)生的知識(shí)具有分散性，知識(shí)單元一般形成了規(guī)模較小且互不關(guān)聯(lián)的分支群落。表2中，在t1時(shí)間窗口下僅有2個(gè)知識(shí)節(jié)點(diǎn)，知識(shí)關(guān)聯(lián)關(guān)系為1，說明突發(fā)公共衛(wèi)生事件輿情環(huán)境初始狀態(tài)之下，群體智慧涌現(xiàn)的知識(shí)并不多，知識(shí)關(guān)聯(lián)關(guān)系也較為簡單。隨著時(shí)間窗口滑動(dòng)，突發(fā)事件的輿情環(huán)境不斷發(fā)展，逐漸涌現(xiàn)出大量知識(shí)單元以及知識(shí)關(guān)聯(lián)關(guān)系，使得輿情知識(shí)網(wǎng)絡(luò)巨分支的規(guī)模逐漸增大。輿情知識(shí)網(wǎng)絡(luò)巨分支時(shí)間序列的密度在總體趨勢上持續(xù)降低，說明盡管巨分支在整體上處于增長狀態(tài)，但仍然是一個(gè)較為稀疏的網(wǎng)絡(luò)結(jié)構(gòu)。

表2 每日累計(jì)的輿情知識(shí)網(wǎng)絡(luò)及巨分支的統(tǒng)計(jì)特征（節(jié)選）

為進(jìn)一步探究輿情知識(shí)網(wǎng)絡(luò)中知識(shí)單元的群聚程度，本研究構(gòu)建了同等規(guī)模（即節(jié)點(diǎn)數(shù)量、連數(shù)量相同）的隨機(jī)網(wǎng)絡(luò)以作比較，發(fā)現(xiàn)輿情知識(shí)網(wǎng)絡(luò)巨分支的聚類系數(shù)高于同等規(guī)模的隨機(jī)網(wǎng)絡(luò)，但整體上低于領(lǐng)域知識(shí)網(wǎng)絡(luò)[35]。聚類系數(shù)是對網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中閉合三元組的測量，輿情知識(shí)網(wǎng)絡(luò)巨分支的低聚類系數(shù)表明，在突發(fā)公共衛(wèi)生事件的輿情討論中所涌現(xiàn)的知識(shí)單元之間的傳遞性并不高，即知識(shí)較為松散且聚集程度不高。在時(shí)間序列下，輿情知識(shí)網(wǎng)絡(luò)巨分支的平均路徑為4.72跳，表明在大多情況下輿情知識(shí)網(wǎng)絡(luò)中的各知識(shí)單元經(jīng)較短的路徑就可以相互連接。因此，與同等規(guī)模的隨機(jī)網(wǎng)絡(luò)相比，在突發(fā)公共衛(wèi)生事件情景下的輿情知識(shí)網(wǎng)絡(luò)巨分支具有較高聚類系數(shù)、較短特征路徑長度的小世界特性。

4.3.2 輿情知識(shí)網(wǎng)絡(luò)巨分支的k-核分析

經(jīng)過上述研究發(fā)現(xiàn)，突發(fā)公共衛(wèi)生事件輿情環(huán)境下的知識(shí)網(wǎng)絡(luò)的巨分支雖然整體上處于連通狀態(tài)，但仍是較為稀疏、松散的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。因此，根據(jù)第3.3節(jié)中提及的k-核分解方法，觀察輿情知識(shí)網(wǎng)絡(luò)核心知識(shí)單元以及其關(guān)聯(lián)關(guān)系。本研究對終態(tài)網(wǎng)絡(luò)（即t110時(shí)間窗口）的巨分支結(jié)構(gòu)進(jìn)行k-核分解，獲取輿情知識(shí)網(wǎng)絡(luò)巨分支的核心-邊緣知識(shí)單元的層級(jí)結(jié)構(gòu)，如圖9所示。

圖9 輿情知識(shí)網(wǎng)絡(luò)巨分支的k-核分解

經(jīng)過k-核分解后，輿情知識(shí)網(wǎng)絡(luò)巨分支中最高核為7-核，包含了48個(gè)知識(shí)單元節(jié)點(diǎn)，這些知識(shí)單元之間的關(guān)聯(lián)緊密，即每個(gè)知識(shí)單元至少與子群中其他7個(gè)知識(shí)單元具有直接關(guān)聯(lián)關(guān)系。在知識(shí)單元數(shù)量上，7-核中包含的知識(shí)節(jié)點(diǎn)數(shù)量僅占巨分支中節(jié)點(diǎn)數(shù)量的0.43%，說明在輿情知識(shí)網(wǎng)絡(luò)中的核心知識(shí)數(shù)量并不多，也進(jìn)一步證明了輿情知識(shí)網(wǎng)絡(luò)中的知識(shí)較為松散，聚集程度不高。當(dāng)k=7時(shí)，所劃分形成的子群是輿情知識(shí)網(wǎng)絡(luò)巨分支的核心部分，其中，“英國”“美國”“中國”“瑞典”等知識(shí)單元節(jié)點(diǎn)的度值較大，說明在重大突發(fā)公共衛(wèi)生背景下，公眾通過社交媒體交流所涌現(xiàn)出的核心知識(shí)多與國家層面相關(guān)，多涉及疫苗研發(fā)、隔離措施等與各國政府的角色直接相關(guān)。在k=1時(shí)出現(xiàn)如“購物”“BBC報(bào)道”“學(xué)?！薄敖煌ā钡戎R(shí)單元，涌現(xiàn)的群體智慧更多的是涵蓋了貼近人們的日常生活信息。

由圖9可知，各個(gè)節(jié)點(diǎn)之間連邊的粗細(xì)可以反映兩個(gè)知識(shí)單元之間的關(guān)聯(lián)關(guān)系的緊密程度，如“群體免疫”與“疫苗”兩個(gè)節(jié)點(diǎn)之間的連邊較粗，表明這兩個(gè)知識(shí)單元之間的關(guān)聯(lián)關(guān)系較為緊密：在新冠疫情重大突發(fā)公共衛(wèi)生事件背景下，英國政府提出的群體免疫引發(fā)了很大爭議，社交媒體上的言論表明了公眾對英國采取不需要醫(yī)療部門參與的群體免疫政策主要持批判性態(tài)度，認(rèn)為這將是一場不負(fù)責(zé)任的“屠殺”，在突發(fā)公共衛(wèi)生事件輿情環(huán)境下涌現(xiàn)出的群體智慧認(rèn)為，通過疫苗的研發(fā)與科學(xué)的治療才能實(shí)現(xiàn)群體免疫。又如，“病毒”與“變異”兩個(gè)節(jié)點(diǎn)之間連邊權(quán)重為34（即這兩個(gè)知識(shí)單元共同出現(xiàn)的頻次為34），為了進(jìn)一步動(dòng)態(tài)跟蹤突發(fā)公共衛(wèi)生事件輿情環(huán)境中大眾對這兩個(gè)知識(shí)單元的認(rèn)知過程，本研究結(jié)合第3.1節(jié)提取出的三元組集合來追蹤“病毒”與“變異”兩個(gè)知識(shí)單元之間的具體關(guān)聯(lián)關(guān)系，如表3所示。研究結(jié)果發(fā)現(xiàn)，在突發(fā)公共衛(wèi)生事件輿情討論環(huán)境下公眾的知識(shí)條目并不是固定不變的，公眾的認(rèn)知在事件的發(fā)展和公眾的交流過程中存在轉(zhuǎn)變，甚至是完全否定的變化過程。如在輿情討論初期，t2和t3時(shí)間窗口下，公眾所涌現(xiàn)出的知識(shí)條目認(rèn)為新冠病毒不會(huì)發(fā)生變異；隨著時(shí)間窗口的滑動(dòng)，在t24時(shí)間窗口下，公眾對所涌現(xiàn)出的“病毒不會(huì)變異”的知識(shí)條目產(chǎn)生了質(zhì)疑；在后期，公眾的認(rèn)知發(fā)生轉(zhuǎn)變認(rèn)為該病毒會(huì)發(fā)生變異，甚至病毒變異速度將加快。

表3 時(shí)間序列下“病毒”與“變異”知識(shí)單元關(guān)聯(lián)關(guān)系變化

5 結(jié) 語

三元組作為知識(shí)圖譜常用的知識(shí)表示方法，可以描述真實(shí)世界中存在的各種實(shí)體或概念及其復(fù)雜聯(lián)系。因此，在探究“如何表征突發(fā)公共衛(wèi)生事件的輿情環(huán)境下的群體智慧”問題時(shí)，本研究利用三元組表示突發(fā)事件輿情信息中所包含的公眾的知識(shí)條目，即以所提取的知識(shí)三元組集合來表征突發(fā)公共衛(wèi)生事件輿情環(huán)境下公眾的群體智慧，進(jìn)而展開研究?；谳浨橹R(shí)三元組、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)來分析群體智慧的涌現(xiàn)是否存在某種規(guī)律，本研究得出以下突發(fā)公共衛(wèi)生事件輿情環(huán)境下的群體智慧涌現(xiàn)的規(guī)律特征。

（1）群體智慧涌現(xiàn)不僅貫穿于突發(fā)公共衛(wèi)生事件與網(wǎng)絡(luò)輿情演變的全周期，而且其對于群體智慧的表達(dá)與演變的貢獻(xiàn)也要高于長期的知識(shí)積累。隨著突發(fā)公共衛(wèi)生事件的演變，群體智慧在較長時(shí)間的平緩且微量的積累后，會(huì)突現(xiàn)短暫的大幅增長。在突發(fā)事件輿情環(huán)境下群體智慧的分布明顯存在重尾現(xiàn)象，即大多微博（或評(píng)論）含有較少的知識(shí)三元組，從少量微博（或評(píng)論）可以提取出較多的知識(shí)三元組。公眾在突發(fā)事件輿情形成的過程中，傾向于參加評(píng)論形式下的討論，但其所含知識(shí)密度較低，群體智慧的涌現(xiàn)主要集中在微博內(nèi)容中。

（2）突發(fā)事件輿情環(huán)境下的群體智慧涌現(xiàn)過程中具有小世界性和稀疏性的特征。相對于同等規(guī)模的隨機(jī)網(wǎng)絡(luò)，輿情知識(shí)網(wǎng)絡(luò)的巨分支具有較高聚類系數(shù)、較短特征路徑長度的小世界性。輿情知識(shí)網(wǎng)絡(luò)的巨分支涵蓋知識(shí)節(jié)點(diǎn)以及知識(shí)關(guān)聯(lián)關(guān)系的數(shù)量比例遠(yuǎn)小于領(lǐng)域知識(shí)網(wǎng)絡(luò)，核心知識(shí)單元的數(shù)量以及比重并不多，這說明在突發(fā)公共衛(wèi)生事件的輿情環(huán)境中，大眾通過社交媒體進(jìn)行交流、討論，在一定程度上促進(jìn)了群體智慧的涌現(xiàn)，但是所涌現(xiàn)的知識(shí)較為分散、稀疏，體現(xiàn)了大數(shù)據(jù)低價(jià)值密度的特點(diǎn)。

（3）在突發(fā)事件輿情環(huán)境下的群體智慧涌現(xiàn)過程中，知識(shí)條目具有動(dòng)態(tài)屬性，知識(shí)單元存在核心-邊緣結(jié)構(gòu)。隨著突發(fā)公共衛(wèi)生事件的發(fā)展，公眾在討論過程中所涌現(xiàn)的知識(shí)條目會(huì)存在被質(zhì)疑、被否定的情況，即群體認(rèn)知會(huì)發(fā)生轉(zhuǎn)變。輿情知識(shí)網(wǎng)絡(luò)的巨分支具有層次結(jié)構(gòu)，知識(shí)單元存在核心與邊緣之分，處于核心地位的知識(shí)單元至少與網(wǎng)絡(luò)子群中其他7個(gè)核心知識(shí)單元存在直接關(guān)聯(lián)。

本研究所得出的分析結(jié)論，不僅豐富了對突發(fā)公共事件輿情環(huán)境下大眾行為研究的理論與方法，而且也有助于應(yīng)急管理部門及時(shí)了解并引導(dǎo)輿情未來發(fā)展，防止事態(tài)蔓延與升級(jí)。另外，本研究工作也存在有待完善的方面，所選擇的數(shù)據(jù)源尚不能窮盡所有類型的突發(fā)事件。因此，在未來的研究中將進(jìn)一步采集更加全面豐富的數(shù)據(jù)資源，從多個(gè)角度對突發(fā)事件情景下的群體智慧涌現(xiàn)問題進(jìn)行深入研究與探索。

致謝感謝圖書情報(bào)國家級(jí)實(shí)驗(yàn)教學(xué)示范中心為本研究提供的實(shí)驗(yàn)支持！