突發(fā)事件網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型綜述

蘇妍嫄 張金純 張亞明*

(1.燕山大學(xué)經(jīng)濟(jì)管理學(xué)院，河北 秦皇島 066004；2.燕山大學(xué)互聯(lián)網(wǎng)+與產(chǎn)業(yè)發(fā)展研究中心，河北 秦皇島 066004)

智能化時(shí)代，互聯(lián)網(wǎng)高開放度和強(qiáng)互動(dòng)性使公眾獲得了較大知情權(quán)與話語(yǔ)權(quán)，也促使網(wǎng)絡(luò)輿情成為現(xiàn)實(shí)社會(huì)的晴雨表。特別是21世紀(jì)以來(lái)，諸如5·12汶川地震、7·23甬溫線特別重大鐵路交通事故、新冠肺炎疫情、河南特大暴雨等突發(fā)事件頻繁發(fā)生，使得處在恐慌、焦慮狀態(tài)的網(wǎng)民往往借助社會(huì)網(wǎng)絡(luò)平臺(tái)表達(dá)情感態(tài)度，更有一些網(wǎng)民還把網(wǎng)絡(luò)平臺(tái)當(dāng)作泄憤渠道，致使大量真假輿情信息瞬間涌現(xiàn)并幾何裂變，形成群體極化現(xiàn)象，甚至引發(fā)次生輿情與線下群體性事件，對(duì)社會(huì)和諧穩(wěn)定造成嚴(yán)重威脅[1-2]。黨的十九屆四中全會(huì)明確指出，要完善輿論監(jiān)督制度，健全重大輿情和突發(fā)事件輿論引導(dǎo)機(jī)制。因此，深入研究突發(fā)事件網(wǎng)絡(luò)輿情傳播復(fù)雜問(wèn)題，梳理當(dāng)前主要研究成果并展望未來(lái)研究方向，對(duì)推動(dòng)突發(fā)事件網(wǎng)絡(luò)輿情傳播理論研究，揭示網(wǎng)絡(luò)輿情傳播規(guī)律，有效應(yīng)對(duì)突發(fā)事件下的“炎癥風(fēng)暴”，進(jìn)而維護(hù)國(guó)家安全與社會(huì)穩(wěn)定具有重要意義。

1 突發(fā)事件網(wǎng)絡(luò)輿情傳播研究總體脈絡(luò)與綜述思路

突發(fā)事件網(wǎng)絡(luò)輿情傳播系統(tǒng)規(guī)模巨大，結(jié)構(gòu)復(fù)雜，且跨越時(shí)空界限動(dòng)態(tài)演變。為從宏觀層面剖析突發(fā)事件網(wǎng)絡(luò)輿情傳播全局研究進(jìn)展，本文對(duì)國(guó)內(nèi)外相關(guān)研究文獻(xiàn)進(jìn)行梳理，通過(guò)可視化分析直觀解讀當(dāng)前研究熱點(diǎn)，進(jìn)而為從微觀層面深入剖析突發(fā)事件網(wǎng)絡(luò)輿情傳播研究進(jìn)展奠定基礎(chǔ)。

1.1 突發(fā)事件網(wǎng)絡(luò)輿情傳播研究總體趨勢(shì)分析

本節(jié)以“SU%(網(wǎng)絡(luò)輿情+網(wǎng)絡(luò)輿論)*(事件+危機(jī))*傳播”為檢索式對(duì)CNKI數(shù)據(jù)庫(kù)進(jìn)行檢索，來(lái)源類別設(shè)定為中文核心期刊要目總覽、CSSCI、CSCD，截止年份設(shè)定為2021年，剔除書評(píng)、序等不相關(guān)文獻(xiàn)，共得到1 471篇中文文獻(xiàn)。同時(shí)，以“TS=(opinion AND (dissemination*OR diffusion*OR transmission*OR propagation*OR spreading*) AND (crisis*OR emergency*OR event*OR epidemic*OR disaster*OR disease*))”為檢索式對(duì)Web of Science核心合集SCIE、SSCI數(shù)據(jù)庫(kù)進(jìn)行檢索，截止年份設(shè)定為2021年，共得到1 504篇外文文獻(xiàn)。

基于上述檢索文獻(xiàn)，繪制突發(fā)事件網(wǎng)絡(luò)輿情傳播研究趨勢(shì)圖，如圖1所示?？梢园l(fā)現(xiàn)，隨著信息技術(shù)飛速發(fā)展與智能化時(shí)代到來(lái)，輿論生態(tài)和政治生態(tài)發(fā)生深刻變革，突發(fā)事件網(wǎng)絡(luò)輿情傳播相關(guān)研究已引起學(xué)者廣泛關(guān)注，國(guó)內(nèi)外相關(guān)發(fā)文量呈現(xiàn)總體上升趨勢(shì)。其中，2004—2007年國(guó)內(nèi)外相關(guān)研究進(jìn)展緩慢，處于初期探索醞釀階段。2007—2018年相關(guān)研究逐漸深入拓展，國(guó)內(nèi)外文獻(xiàn)發(fā)文量也逐漸增多，總體呈逐年上升趨勢(shì)。2018—2021年，隨著新冠肺炎疫情突發(fā)事件在全球蔓延，國(guó)外文獻(xiàn)研究呈現(xiàn)明顯上升態(tài)勢(shì)，進(jìn)入快速增長(zhǎng)階段，而國(guó)內(nèi)文獻(xiàn)研究基本維持長(zhǎng)期以來(lái)的較高發(fā)文量，總體保持相對(duì)穩(wěn)定發(fā)展。

圖1 突發(fā)事件網(wǎng)絡(luò)輿情傳播研究趨勢(shì)

1.2 突發(fā)事件網(wǎng)絡(luò)輿情傳播研究熱點(diǎn)圖譜分析

縱觀上述檢索文獻(xiàn)，學(xué)者普遍將突發(fā)事件網(wǎng)絡(luò)輿情傳播系統(tǒng)視為復(fù)雜輿論生態(tài)系統(tǒng)，并將個(gè)體抽象為節(jié)點(diǎn)，將個(gè)體之間的關(guān)系抽象為邊，進(jìn)而基于復(fù)雜網(wǎng)絡(luò)理論構(gòu)建多元?jiǎng)恿W(xué)模型，以期探索突發(fā)事件網(wǎng)絡(luò)輿情傳播系統(tǒng)內(nèi)部復(fù)雜相互作用過(guò)程。為進(jìn)一步直觀展示突發(fā)事件網(wǎng)絡(luò)輿情傳播研究熱點(diǎn)，借助Cite Space軟件進(jìn)行可視化分析，如圖2、圖3所示，繪制突發(fā)事件網(wǎng)絡(luò)輿情傳播研究關(guān)鍵詞共現(xiàn)圖譜與關(guān)鍵詞時(shí)區(qū)圖譜。

觀察圖2、圖3可以發(fā)現(xiàn)，國(guó)內(nèi)外學(xué)者已圍繞輿論生態(tài)系統(tǒng)信息主體因子、信息環(huán)境因子、輿情信息因子、信息流動(dòng)因子等要素，對(duì)突發(fā)事件網(wǎng)絡(luò)輿情傳播問(wèn)題開展了系列研究。第一，信息主體因子，主要指在社會(huì)網(wǎng)絡(luò)平臺(tái)等網(wǎng)絡(luò)空間圍繞突發(fā)事件表達(dá)觀點(diǎn)意見的個(gè)體或群體。目前，一些學(xué)者已圍繞突發(fā)事件網(wǎng)絡(luò)輿情“傳播特征”“傳播特點(diǎn)”“傳播模式”等主題開展了多項(xiàng)研究工作，以期探究輿情信息傳播主體行為特征。第二，信息環(huán)境因子，主要指對(duì)突發(fā)事件網(wǎng)絡(luò)輿情傳播演化過(guò)程產(chǎn)生直接或間接作用的影響因素。如今，國(guó)內(nèi)外學(xué)者已從“新媒體”“主流媒體”“自媒體”“政府”“意見領(lǐng)袖”“突發(fā)事件”“群體事件”等不同角度構(gòu)建了指標(biāo)體系，進(jìn)而對(duì)突發(fā)事件網(wǎng)絡(luò)輿情傳播影響因素進(jìn)行研究。第三，輿情信息因子，主要指突發(fā)事件下網(wǎng)絡(luò)空間生成涌現(xiàn)的觀點(diǎn)態(tài)度。圖2、圖3顯示，已有學(xué)者對(duì)“輿情演化”“主題分析”“輿情分析”“形成機(jī)制”“信息交互”等開展了深入研究，并探索了突發(fā)事件網(wǎng)絡(luò)輿情生成涌現(xiàn)和觀點(diǎn)演化問(wèn)題。第四，信息流動(dòng)因子，主要指基于生態(tài)系統(tǒng)內(nèi)在傳播機(jī)制進(jìn)行輿情信息傳遞的流動(dòng)過(guò)程。一些學(xué)者通過(guò)圍繞“輿情傳播”“微博傳播”“傳播模型”“傳播機(jī)制”等開展研究，剖析了突發(fā)事件網(wǎng)絡(luò)輿情傳播的內(nèi)在機(jī)理與傳播規(guī)律。

圖2 突發(fā)事件網(wǎng)絡(luò)輿情傳播國(guó)內(nèi)外文獻(xiàn)關(guān)鍵詞共現(xiàn)圖譜

圖3 突發(fā)事件網(wǎng)絡(luò)輿情傳播國(guó)內(nèi)外文獻(xiàn)關(guān)鍵詞時(shí)區(qū)圖譜

1.3 突發(fā)事件網(wǎng)絡(luò)輿情傳播研究綜述思路

根據(jù)上述分析可知，立足復(fù)雜動(dòng)力學(xué)建模與輿論生態(tài)系統(tǒng)理論，挖掘網(wǎng)絡(luò)輿情傳播規(guī)律，是研究突發(fā)事件網(wǎng)絡(luò)空間輿論生態(tài)系統(tǒng)動(dòng)力機(jī)制的關(guān)鍵。為此，如圖4所示，繪制突發(fā)事件網(wǎng)絡(luò)輿情傳播系統(tǒng)結(jié)構(gòu)圖，圍繞輿論生態(tài)系統(tǒng)各要素，分別從突發(fā)事件網(wǎng)絡(luò)輿情傳播主體行為特征、影響因素、觀點(diǎn)生成涌現(xiàn)、傳播擴(kuò)散機(jī)制4個(gè)方面進(jìn)行綜述。首先針對(duì)信息主體因子，分析突發(fā)事件網(wǎng)絡(luò)輿情傳播主體行為特征及內(nèi)在機(jī)理，揭示突發(fā)事件網(wǎng)絡(luò)輿情傳播行為統(tǒng)計(jì)規(guī)律；其次，針對(duì)信息環(huán)境因子，分析突發(fā)事件網(wǎng)絡(luò)輿情傳播演化內(nèi)部、外部影響因素，解析復(fù)雜系統(tǒng)因果關(guān)系；第三，針對(duì)輿情信息因子，分析網(wǎng)絡(luò)輿情生成涌現(xiàn)過(guò)程，剖析社會(huì)交互網(wǎng)絡(luò)與個(gè)體認(rèn)知偏差影響下的異質(zhì)觀點(diǎn)演化機(jī)理；最后，基于信息流動(dòng)因子，探究傳播動(dòng)力學(xué)模型構(gòu)建方法，從信息、環(huán)境、主體三維度揭示網(wǎng)絡(luò)輿情傳播規(guī)律。通過(guò)梳理相關(guān)研究成果，對(duì)未來(lái)研究方向進(jìn)行展望，以期推動(dòng)突發(fā)事件網(wǎng)絡(luò)輿情傳播理論發(fā)展。

2 突發(fā)事件網(wǎng)絡(luò)輿情傳播行為動(dòng)力學(xué)分析

基于輿論生態(tài)系統(tǒng)信息主體因子視角，探索高度復(fù)雜的人類行為，分析用戶行為模式和規(guī)律，是突發(fā)事件網(wǎng)絡(luò)輿情傳播研究的核心議題[3-4]。人類行為動(dòng)力學(xué)基于客觀數(shù)據(jù)探索行為統(tǒng)計(jì)特征規(guī)律，并據(jù)此構(gòu)建動(dòng)力學(xué)模型模擬預(yù)測(cè)人類行為，為分析突發(fā)事件網(wǎng)絡(luò)輿情傳播行為提供了新的研究范式。本節(jié)著重從人類行為動(dòng)力學(xué)視角，梳理國(guó)內(nèi)外相關(guān)文獻(xiàn)，進(jìn)行可視化分析，進(jìn)而據(jù)此對(duì)突發(fā)事件社會(huì)網(wǎng)絡(luò)用戶行為特征進(jìn)行探討，并對(duì)內(nèi)在機(jī)理進(jìn)行分析，以期揭示出突發(fā)事件網(wǎng)絡(luò)輿情傳播行為統(tǒng)計(jì)規(guī)律。

2.1 突發(fā)事件網(wǎng)絡(luò)輿情傳播行為動(dòng)力學(xué)研究圖譜分析

本節(jié)以“FT=(人類動(dòng)力學(xué)+人類行為動(dòng)力學(xué)) AND FT=(事件+危機(jī))”為檢索式對(duì)CNKI數(shù)據(jù)庫(kù)進(jìn)行檢索，來(lái)源類別設(shè)定為核心期刊、CSSCI、CSCD，截止年份設(shè)定為2021年，剔除期刊索引等與本文內(nèi)容不相關(guān)文獻(xiàn)，共得到184篇中文文獻(xiàn)。同時(shí)，以“TS=(“human dynamic*” AND (crisis*OR emergency*OR event*OR epidemic*OR disease*OR disaster*))”為檢索式對(duì)Web of Science核心合集SCIE、SSCI數(shù)據(jù)庫(kù)進(jìn)行檢索，截止年份設(shè)定為2021年，共得到129篇外文文獻(xiàn)。

由圖5可知，突發(fā)事件網(wǎng)絡(luò)輿情傳播行為動(dòng)力學(xué)研究發(fā)文量呈現(xiàn)總體上升趨勢(shì)。其中，國(guó)外文獻(xiàn)關(guān)于人類行為動(dòng)力學(xué)方面的研究起步較早，但前期(2005—2007年)發(fā)展緩慢，處于醞釀階段，2007—2009年研究進(jìn)入增長(zhǎng)階段，發(fā)文量逐漸增多，隨后平穩(wěn)發(fā)展并呈總體上升趨勢(shì)。相比之下，國(guó)內(nèi)文獻(xiàn)相關(guān)研究起步稍晚，但總體發(fā)展態(tài)勢(shì)迅猛，尤其伴隨騰訊QQ、微博、微信等社會(huì)網(wǎng)絡(luò)平臺(tái)的興起與移動(dòng)智能終端的普及，2008—2013年國(guó)內(nèi)文獻(xiàn)相關(guān)研究迅速增多且進(jìn)入快速增長(zhǎng)階段，隨后總體趨于穩(wěn)定。值得注意的是，近年來(lái)隨著新冠肺炎疫情全球肆虐，國(guó)內(nèi)外文獻(xiàn)有關(guān)突發(fā)事件網(wǎng)絡(luò)輿情傳播人類行為動(dòng)力學(xué)的研究再次呈現(xiàn)逐年遞增趨勢(shì)。

圖5 突發(fā)事件網(wǎng)絡(luò)輿情傳播行為動(dòng)力學(xué)研究趨勢(shì)

進(jìn)一步地，為更清晰論述突發(fā)事件網(wǎng)絡(luò)輿情傳播行為動(dòng)力學(xué)研究進(jìn)展，運(yùn)用Cite Space軟件對(duì)國(guó)內(nèi)外檢索文獻(xiàn)進(jìn)行主題可視化分析。如圖6、圖7所示，展現(xiàn)了國(guó)內(nèi)外檢索文獻(xiàn)關(guān)鍵詞共現(xiàn)圖譜與關(guān)鍵詞時(shí)區(qū)圖譜。從圖中可以看出，10余年來(lái)國(guó)內(nèi)外學(xué)者主要圍繞兩條主線開展突發(fā)事件網(wǎng)絡(luò)輿情傳播行為動(dòng)力學(xué)研究。一方面，一些學(xué)者側(cè)重對(duì)用戶行為時(shí)間間隔冪律分布、重尾分布等統(tǒng)計(jì)特征進(jìn)行研究；另一方面，一些學(xué)者側(cè)重圍繞度分布、關(guān)系強(qiáng)度等復(fù)雜網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，以及社會(huì)網(wǎng)絡(luò)用戶偏好對(duì)人類非泊松行為動(dòng)力學(xué)機(jī)制進(jìn)行探索。

圖6 突發(fā)事件網(wǎng)絡(luò)輿情傳播行為動(dòng)力學(xué)國(guó)內(nèi)外文獻(xiàn)關(guān)鍵詞共現(xiàn)圖譜

圖7 突發(fā)事件網(wǎng)絡(luò)輿情傳播行為動(dòng)力學(xué)國(guó)內(nèi)外文獻(xiàn)關(guān)鍵詞時(shí)區(qū)圖譜

2.2 網(wǎng)絡(luò)用戶傳播行為冪律分布統(tǒng)計(jì)特征挖掘

分析連續(xù)行為時(shí)間間隔分布，抽取突發(fā)事件網(wǎng)絡(luò)輿情發(fā)布、評(píng)論和轉(zhuǎn)發(fā)行為特征，是探究社會(huì)網(wǎng)絡(luò)用戶傳播行為的重要途徑。2005年，Barabási A L統(tǒng)計(jì)分析發(fā)現(xiàn)了人類收發(fā)電子郵件和書信的時(shí)間間隔具有非泊松分布特征，開創(chuàng)了“人類動(dòng)力學(xué)”研究新方向[5]。隨后，學(xué)者關(guān)于移動(dòng)通訊、網(wǎng)頁(yè)瀏覽、在線點(diǎn)播等行為的時(shí)間間隔統(tǒng)計(jì)分析，也發(fā)現(xiàn)了類似的冪律分布規(guī)律[6]。例如，學(xué)者針對(duì)手機(jī)用戶發(fā)送短信的統(tǒng)計(jì)結(jié)果表明，不論是個(gè)體層面[7]還是群體層面[8]，發(fā)送短信的時(shí)間間隔分布都服從冪律分布，并且連續(xù)兩次對(duì)話之間的間隔時(shí)間和對(duì)話長(zhǎng)度也服從冪律分布。趙庚升等對(duì)用戶網(wǎng)頁(yè)瀏覽行為的時(shí)間間隔進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)無(wú)論個(gè)體還是群體，瀏覽網(wǎng)頁(yè)的時(shí)間間隔分布都服從冪律分布，且冪指數(shù)介于2～3之間[9]。Wu Y等通過(guò)對(duì)短信網(wǎng)絡(luò)進(jìn)行實(shí)證研究，提出了“頭部?jī)缏伞⑽膊恐笖?shù)”的雙模分布[10]。樊超等歸納總結(jié)出通信、商業(yè)交易、在線點(diǎn)播等活動(dòng)的時(shí)間統(tǒng)計(jì)特性均服從冪律分布，冪指數(shù)在1～3之間[11]。

近年來(lái)，隨著微博、論壇、在線社區(qū)等的興起與發(fā)展，如圖7關(guān)鍵詞時(shí)區(qū)圖譜所示，學(xué)者進(jìn)一步聚焦各社會(huì)網(wǎng)絡(luò)平臺(tái)，通過(guò)實(shí)證分析網(wǎng)絡(luò)輿情傳播行為。Yan Q等分析了12萬(wàn)條微博信息發(fā)布、評(píng)論和轉(zhuǎn)發(fā)數(shù)據(jù)，發(fā)現(xiàn)信息發(fā)布和評(píng)論之間的間隔服從冪律分布[12]。Song Y等通過(guò)實(shí)證分析得出，突發(fā)事件下人類在博客和微博上的時(shí)間間隔分別服從α=1.3和α=2.0的冪律分布[13]。劉飛等以“昆山反殺案”為例，分析了新浪微博表情符號(hào)使用情況，發(fā)現(xiàn)表情符號(hào)使用頻率具有長(zhǎng)尾特征[14]。Wang P等對(duì)突發(fā)事件等情境下用戶論壇發(fā)帖行為進(jìn)行分析，發(fā)現(xiàn)同一用戶發(fā)帖時(shí)間間隔呈現(xiàn)多尺度特征，在分、小時(shí)和天時(shí)間尺度上服從不同指數(shù)的冪律分布[15]。Kan A等研究了用戶在突發(fā)事件等情境下Boards.ie 9個(gè)論壇中的行為數(shù)據(jù)，指出用戶發(fā)帖行為的時(shí)間間隔服從指數(shù)為1.7的冪律分布[16]。易明等從時(shí)間間隔、陣發(fā)性、記憶性、波動(dòng)性、有序性等維度，分析了天涯社區(qū)個(gè)體和群體發(fā)帖、回帖行為時(shí)間間隔的冪律分布特征[17]。郭博等以知乎為例，探索了問(wèn)答社區(qū)網(wǎng)絡(luò)用戶訪問(wèn)行為的冪律分布規(guī)律[18]。沈洪洲等對(duì)知乎問(wèn)答社區(qū)優(yōu)秀回答者的行為進(jìn)行分析，發(fā)現(xiàn)其回答問(wèn)題的時(shí)間間隔分布具有胖尾特征[19]。

2.3 突發(fā)事件下輿情傳播非泊松行為動(dòng)力學(xué)機(jī)制

上述用戶傳播行為的冪律分布特性為研究突發(fā)事件網(wǎng)絡(luò)輿情傳播問(wèn)題開拓了全新視野，而如何有效解釋這一現(xiàn)象則成為另一個(gè)緊密相關(guān)的重要問(wèn)題。為此，學(xué)者分別從復(fù)雜社會(huì)關(guān)系網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、人類選擇偏好雙重視角對(duì)此問(wèn)題進(jìn)行了闡釋。

2.3.1 基于復(fù)雜社會(huì)關(guān)系網(wǎng)絡(luò)的傳播行為動(dòng)力學(xué)機(jī)制

一些學(xué)者以具體社會(huì)網(wǎng)絡(luò)平臺(tái)為例，分析了復(fù)雜社會(huì)關(guān)系網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對(duì)運(yùn)行其上的輿情傳播行為的影響。Jin M等研究發(fā)現(xiàn)，Twitter平臺(tái)上輿情傳播主要受“關(guān)注人—粉絲”網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的影響，輿情信息呈級(jí)聯(lián)式擴(kuò)散且以指數(shù)衰減[20]。Lerman K等對(duì)Digg、Twitter等平臺(tái)網(wǎng)絡(luò)輿情傳播特點(diǎn)進(jìn)行分析，發(fā)現(xiàn)輿情傳播速度、最終擴(kuò)散規(guī)模均與網(wǎng)絡(luò)連通性密切相關(guān)[21]。Yan Q等研究發(fā)現(xiàn)，突發(fā)事件等情境下用戶發(fā)布微博的行為與用戶所處的網(wǎng)絡(luò)結(jié)構(gòu)相關(guān)，并據(jù)此提出了一種基于用戶交互程度和社會(huì)網(wǎng)絡(luò)關(guān)系結(jié)構(gòu)的微博發(fā)布行為模型，很好地解釋了不同用戶發(fā)布微博數(shù)的規(guī)律變化現(xiàn)象[22]。

進(jìn)一步地，由圖6、圖7可知，學(xué)者還深入研究了網(wǎng)絡(luò)度分布、關(guān)系強(qiáng)度等具體拓?fù)鋵傩詫?duì)輿情傳播的影響[23]。Isham V等研究發(fā)現(xiàn)，度相關(guān)性即一條邊連接的兩個(gè)節(jié)點(diǎn)度值之間的相關(guān)性，對(duì)傳播速度和擴(kuò)散規(guī)模具有較大影響[24]。Park P S等研究指出，網(wǎng)絡(luò)節(jié)點(diǎn)間的弱關(guān)系具有橋效應(yīng)，對(duì)輿情信息擴(kuò)散具有重要影響[25]。Cheng J J等不僅證實(shí)了關(guān)系強(qiáng)度在網(wǎng)絡(luò)輿情等信息傳播過(guò)程中的關(guān)鍵作用，同時(shí)還發(fā)現(xiàn)，優(yōu)先選擇弱關(guān)系無(wú)法使網(wǎng)絡(luò)輿情等信息傳播得更快更廣，但若移除這些弱關(guān)系，傳播效率會(huì)受到顯著影響[26]。此外，在具體測(cè)算方面，不少研究還關(guān)注在線社會(huì)網(wǎng)絡(luò)輿情傳播路徑長(zhǎng)度等問(wèn)題，通過(guò)構(gòu)建最短路徑模型來(lái)對(duì)傳播范圍近似求解。

2.3.2 基于人類選擇偏好的傳播行為動(dòng)力學(xué)機(jī)制

融合人類行為選擇偏好，構(gòu)建排隊(duì)論等模型是探索突發(fā)事件網(wǎng)絡(luò)輿情傳播行為冪律分布特征內(nèi)在機(jī)理的另一類主流方法。Barabási A L提出的基于優(yōu)先選擇機(jī)制的任務(wù)隊(duì)列模型，為理解社會(huì)網(wǎng)絡(luò)用戶傳播行為時(shí)間間隔胖尾分布提供了重要理論參考[5]。Zanette D H構(gòu)建的存在等待時(shí)間的SIR模型[27]以及周濤等提出的Related-clock方法[28]，也分別從時(shí)間和行為異質(zhì)性的角度研究了在線社會(huì)網(wǎng)絡(luò)輿情傳播機(jī)制。Vázquez A等對(duì)電子郵件用戶數(shù)據(jù)集進(jìn)行統(tǒng)計(jì)分析，討論了兩個(gè)排隊(duì)模型，第一個(gè)模型假設(shè)個(gè)體任務(wù)數(shù)量沒有限制，預(yù)測(cè)個(gè)體等待時(shí)間服從指數(shù)為α=3/2的重尾分布，第二個(gè)模型對(duì)隊(duì)列長(zhǎng)度施加限制，結(jié)果得到α=1[29]。吳聯(lián)仁等基于用戶行為時(shí)間異質(zhì)性建立動(dòng)力學(xué)模型，通過(guò)異質(zhì)時(shí)間間隔序列對(duì)網(wǎng)絡(luò)輿情傳播過(guò)程進(jìn)行仿真[30]。Xiao Y等指出，用戶行為主要由社會(huì)環(huán)境、用戶交互程度、用戶參與程度和用戶關(guān)注關(guān)系4個(gè)因素共同決定，并據(jù)此提出了一種用戶個(gè)體關(guān)注焦點(diǎn)和用戶交互行為的混合模型[31]。Yan Q等還通過(guò)研究突發(fā)事件等情境下的微博用戶行為特征，發(fā)現(xiàn)用戶發(fā)布微博時(shí)間間隔受到用戶關(guān)注焦點(diǎn)自然衰減規(guī)律的影響，同時(shí)用戶關(guān)注焦點(diǎn)變化也會(huì)受到交互行為的影響，頻繁的交互行為會(huì)減緩用戶關(guān)注焦點(diǎn)的衰減程度，為此提出了基于用戶交互和用戶關(guān)注焦點(diǎn)共同影響的微博發(fā)布模型[32]。

3 突發(fā)事件網(wǎng)絡(luò)輿情傳播演化影響因素分析

突發(fā)事件網(wǎng)絡(luò)輿情傳播系統(tǒng)是一個(gè)以因果關(guān)系為基礎(chǔ)的復(fù)雜系統(tǒng)。為形象展示網(wǎng)絡(luò)輿情傳播演化機(jī)理，需基于輿論生態(tài)系統(tǒng)信息環(huán)境因子視角，對(duì)網(wǎng)絡(luò)輿情傳播演化影響因素進(jìn)行有效細(xì)分，通過(guò)分析內(nèi)部動(dòng)態(tài)聯(lián)系，解析復(fù)雜系統(tǒng)因果關(guān)系，進(jìn)而探究突發(fā)事件網(wǎng)絡(luò)輿情傳播演化影響因素[33]。

3.1 突發(fā)事件網(wǎng)絡(luò)輿情傳播演化影響因素研究圖譜分析

本節(jié)以“SU%(輿情+輿論+謠言+微博+微信)*(事件+危機(jī))*影響因素”為檢索式對(duì)CNKI數(shù)據(jù)庫(kù)進(jìn)行檢索，來(lái)源類別設(shè)定為中文核心期刊要目總覽、CSSCI、CSCD，截止年份設(shè)定為2021年，得到321篇與本主題相關(guān)中文文獻(xiàn)。同時(shí)，以“TS=(((influencing factor*) OR (influence factor*) OR (influential factor*) OR (affecting factor*)) AND (rumor OR“public opinion*” OR weibo OR wechat OR twitter) AND (crisis*OR emergency*OR event*OR epidemic*OR disease*OR disaster*))”為檢索式對(duì)Web of Science核心合集SCIE、SSCI數(shù)據(jù)庫(kù)進(jìn)行檢索，截止年份設(shè)定為2021年，共得到446篇外文文獻(xiàn)。

圖8展現(xiàn)了2004—2021年國(guó)內(nèi)外文獻(xiàn)關(guān)于突發(fā)事件網(wǎng)絡(luò)輿情傳播演化影響因素研究的總體趨勢(shì)。從圖中可以發(fā)現(xiàn)，2004—2009年為該主題研究前期階段，此時(shí)相關(guān)研究成果較少且主要見于國(guó)外文獻(xiàn)。2009—2018年為該主題研究增長(zhǎng)階段，這一期間國(guó)內(nèi)外社會(huì)網(wǎng)絡(luò)平臺(tái)井噴式增長(zhǎng)，且諸如海地地震、3·11日本地震、7·23甬溫線特別重大鐵路交通事故、8·12天津?yàn)I海新區(qū)爆炸事故等國(guó)內(nèi)外突發(fā)事件相繼發(fā)生，公眾借助網(wǎng)絡(luò)平臺(tái)表達(dá)觀點(diǎn)態(tài)度的傾向逐漸增強(qiáng)，促使突發(fā)事件網(wǎng)絡(luò)輿情傳播演化影響因素研究熱度逐漸上升。2019年至今，隨著新冠肺炎重大疫情暴發(fā)與全球肆虐，網(wǎng)絡(luò)空間充斥著海量輿情信息，相關(guān)網(wǎng)絡(luò)輿情傳播演化影響因素迅速引起廣大學(xué)者關(guān)注，尤其國(guó)外文獻(xiàn)呈現(xiàn)爆發(fā)增長(zhǎng)態(tài)勢(shì)。

進(jìn)一步地，為更清晰展示國(guó)內(nèi)外學(xué)者對(duì)突發(fā)事件網(wǎng)絡(luò)輿情傳播演化影響因素的研究進(jìn)展，運(yùn)用Cite Space軟件繪制國(guó)內(nèi)外檢索文獻(xiàn)關(guān)鍵詞共現(xiàn)圖譜與關(guān)鍵詞時(shí)區(qū)圖譜，如圖9、圖10所示。從圖中可以看出，國(guó)內(nèi)外學(xué)者已分別對(duì)突發(fā)事件網(wǎng)絡(luò)輿情傳播演化內(nèi)部、外部雙重影響因素進(jìn)行了深入研究。一方面，學(xué)者從公眾、政府、媒體、大學(xué)生、意見領(lǐng)袖等網(wǎng)絡(luò)輿情傳播演化主體維度對(duì)網(wǎng)絡(luò)輿情傳播演化內(nèi)部影響因素進(jìn)行了分析；另一方面，也有學(xué)者從突發(fā)事件、危機(jī)事件等維度探索了事件屬性對(duì)網(wǎng)絡(luò)輿情傳播演化的外部驅(qū)動(dòng)影響。

3.2 基于網(wǎng)絡(luò)輿情傳播主體的影響因素分析

網(wǎng)民、媒體、政府是突發(fā)事件網(wǎng)絡(luò)輿情傳播系統(tǒng)的三大主體。研究網(wǎng)絡(luò)輿情傳播演化影響因素可立足系統(tǒng)主體，分不同子系統(tǒng)開展動(dòng)力學(xué)分析。余樂安等基于系統(tǒng)動(dòng)力學(xué)，分網(wǎng)民、網(wǎng)絡(luò)媒體、政府3個(gè)子系統(tǒng)深入分析了?；匪廴就话l(fā)事件網(wǎng)絡(luò)輿情傳播演化規(guī)律[34]。Gao G等研究發(fā)現(xiàn)，網(wǎng)民大眾與意見領(lǐng)袖群體極化、媒體受眾數(shù)量、媒體報(bào)

圖10 突發(fā)事件網(wǎng)絡(luò)輿情傳播演化影響因素國(guó)內(nèi)外文獻(xiàn)關(guān)鍵詞時(shí)區(qū)圖譜

道頻率、政府關(guān)注度、危機(jī)預(yù)警機(jī)制等因素對(duì)網(wǎng)絡(luò)輿情傳播具有重要影響[35]。曹武軍等將新冠肺炎疫情網(wǎng)絡(luò)輿情系統(tǒng)劃分為網(wǎng)民、網(wǎng)絡(luò)媒體、政府3個(gè)子系統(tǒng)，進(jìn)而構(gòu)建了系統(tǒng)動(dòng)力學(xué)模型并進(jìn)行仿真分析[36]。Xie T等基于系統(tǒng)動(dòng)力學(xué)分析了突發(fā)事件等情境下，反應(yīng)時(shí)間、反應(yīng)能力以及政府透明度對(duì)公眾情緒的影響[37]。

3.3 突發(fā)事件驅(qū)動(dòng)的影響因素分析

事件系統(tǒng)理論指出，事件強(qiáng)度、事件時(shí)間、事件空間等屬性對(duì)人類行為具有重要影響[38]。與其他事件不同，突發(fā)事件下公眾工作生活往往受到較大擾動(dòng)，社會(huì)正常運(yùn)轉(zhuǎn)也受到較大沖擊，因而往往被認(rèn)為是網(wǎng)絡(luò)輿情擴(kuò)散的導(dǎo)火索，因此還需引入事件相關(guān)因素進(jìn)行分析。狄國(guó)強(qiáng)等通過(guò)構(gòu)建系統(tǒng)動(dòng)力學(xué)模型，定量刻畫了事件、網(wǎng)民、媒體、政府四因素對(duì)網(wǎng)絡(luò)輿情傳播演化的影響[39]。鐘慧玲等基于系統(tǒng)動(dòng)力學(xué)構(gòu)建了“鄰避”沖突突發(fā)事件網(wǎng)絡(luò)輿情演化模型，分析了事件易爆度、政府公信力、信息透明度、環(huán)境風(fēng)險(xiǎn)感知對(duì)網(wǎng)絡(luò)輿情熱度和當(dāng)?shù)毓姷挠绊慬40]。李仕爭(zhēng)等運(yùn)用系統(tǒng)動(dòng)力學(xué)方法，分析了網(wǎng)民、事件、移動(dòng)社交網(wǎng)絡(luò)和政府對(duì)輿情熱度的綜合影響[41]。閻海燕等分析了事件、網(wǎng)民、媒體、政府以及企業(yè)5個(gè)方面對(duì)網(wǎng)絡(luò)輿情傳播的影響，構(gòu)建了企業(yè)危機(jī)事件網(wǎng)絡(luò)輿情傳播系統(tǒng)模型[42]。姜景等采用系統(tǒng)動(dòng)力學(xué)方法探討了突發(fā)事件微博演化過(guò)程，并以“7·23”甬溫線特別重大鐵路交通事故為實(shí)例，分析了輿情熱度與其他變量之間的關(guān)系[43]。

4 網(wǎng)絡(luò)輿情生成涌現(xiàn)觀點(diǎn)動(dòng)力學(xué)分析

網(wǎng)絡(luò)輿情生成涌現(xiàn)過(guò)程是異質(zhì)觀點(diǎn)不斷演化并趨于一致的過(guò)程?；谳浾撋鷳B(tài)系統(tǒng)輿情信息因子視角，以觀點(diǎn)演化為切入點(diǎn)，構(gòu)建動(dòng)力學(xué)模型，是研究網(wǎng)絡(luò)輿情生成涌現(xiàn)過(guò)程的重要思路。有關(guān)觀點(diǎn)演化問(wèn)題的研究可以追溯到1956年French提出的簡(jiǎn)單離散數(shù)學(xué)模型，隨后學(xué)者分別從離散觀點(diǎn)、連續(xù)觀點(diǎn)兩大思路入手，基于不同規(guī)則對(duì)此展開深入探索。其中離散觀點(diǎn)典型代表有投票模型、Galam模型、Ising模型、Sznajd模型等；連續(xù)觀點(diǎn)典型代表有Degroot模型、Deffuant-Weisbuch模型、Hegselmann-Krause有界信任模型等。近年來(lái)，學(xué)者又進(jìn)一步從不同維度對(duì)上述模型進(jìn)行改進(jìn)和拓展。

4.1 突發(fā)事件網(wǎng)絡(luò)輿情生成涌現(xiàn)觀點(diǎn)動(dòng)力學(xué)研究圖譜分析

本節(jié)以“SU%(輿情+輿論+謠言+微博+微信+觀點(diǎn)+主題+話題)*(事件+危機(jī))*演化”為檢索式對(duì)CNKI數(shù)據(jù)庫(kù)進(jìn)行檢索，來(lái)源類別設(shè)定為核心期刊、CSSCI、CSCD，截止年份設(shè)定為2021年，剔除期刊索引等與本文內(nèi)容不相關(guān)文獻(xiàn)，共得到543篇中文文獻(xiàn)。同時(shí)，以“TS=((“opinion dynamic*” OR “opinion evolution*”) AND (crisis*OR emergency*OR event*OR epidemic*OR disease*OR disaster*))”為檢索式對(duì)Web of Science核心合集SCIE、SSCI數(shù)據(jù)庫(kù)進(jìn)行檢索，截止年份設(shè)定為2021年，共得到152篇外文文獻(xiàn)。

圖11為突發(fā)事件網(wǎng)絡(luò)輿情生成涌現(xiàn)觀點(diǎn)動(dòng)力學(xué)研究趨勢(shì)圖。從圖中可以發(fā)現(xiàn)，2005—2009年為研究前期階段，國(guó)內(nèi)外期刊發(fā)文量普遍較少，相關(guān)研究處于初步探索階段，進(jìn)展比較緩慢。2009—2015年隨著國(guó)內(nèi)社會(huì)網(wǎng)絡(luò)用戶逐漸增多，突發(fā)事件下公眾通常借助網(wǎng)絡(luò)平臺(tái)發(fā)聲并產(chǎn)生觀點(diǎn)碰撞，使得網(wǎng)絡(luò)輿情生成涌現(xiàn)觀點(diǎn)演化問(wèn)題逐漸成為國(guó)內(nèi)學(xué)術(shù)界關(guān)注熱點(diǎn)，發(fā)文量逐年增多，國(guó)內(nèi)文獻(xiàn)研究進(jìn)入快速增長(zhǎng)階段，并于2015—2019年進(jìn)入總體平穩(wěn)發(fā)展階段，幾乎每年保持50～60篇的發(fā)文量水平。2009—2019年國(guó)外文獻(xiàn)雖較前期階段有所增加，但發(fā)文量相較于國(guó)內(nèi)仍然較少。2019年以來(lái)，受新冠肺炎疫情嚴(yán)重性、不確定性等驅(qū)動(dòng)影響，國(guó)內(nèi)外公眾聚焦網(wǎng)絡(luò)平臺(tái)發(fā)表觀點(diǎn)并展開討論，國(guó)內(nèi)外文獻(xiàn)有關(guān)觀點(diǎn)動(dòng)力學(xué)的研究再次呈現(xiàn)上升發(fā)展趨勢(shì)。

圖11 突發(fā)事件網(wǎng)絡(luò)輿情生成涌現(xiàn)觀點(diǎn)動(dòng)力學(xué)研究趨勢(shì)

為更清晰體現(xiàn)學(xué)者對(duì)突發(fā)事件網(wǎng)絡(luò)輿情觀點(diǎn)演化模型的改進(jìn)和拓展研究態(tài)勢(shì)，如圖12、圖13所示，運(yùn)用Cite Space軟件分別繪制關(guān)鍵詞共現(xiàn)圖譜與關(guān)鍵詞時(shí)區(qū)圖譜，進(jìn)行可視化分析。從圖中可以看出，近年來(lái)國(guó)內(nèi)外學(xué)者通過(guò)構(gòu)建觀點(diǎn)動(dòng)力學(xué)模型圍繞網(wǎng)絡(luò)輿情主題演化、話題演化、演化機(jī)理、演化規(guī)律等進(jìn)行了深入研究。例如，一些學(xué)者從復(fù)雜社會(huì)網(wǎng)絡(luò)關(guān)系結(jié)構(gòu)入手，分析交互結(jié)構(gòu)對(duì)網(wǎng)絡(luò)輿情觀點(diǎn)演化的影響。此外，還有一些學(xué)者基于用戶情感傾向、個(gè)體認(rèn)知、主體博弈等視角對(duì)傳統(tǒng)觀點(diǎn)演化模型進(jìn)行改進(jìn)和拓展。

4.2 基于復(fù)雜社會(huì)網(wǎng)絡(luò)的觀點(diǎn)動(dòng)力學(xué)分析

隨著社交媒體飛速發(fā)展，公眾社會(huì)關(guān)系網(wǎng)絡(luò)日益復(fù)雜，從圖12、圖13可以看出，一些學(xué)者結(jié)合現(xiàn)實(shí)場(chǎng)景考慮社會(huì)交互關(guān)系復(fù)雜性對(duì)輿情觀點(diǎn)演化模型進(jìn)行改進(jìn)。Shang L等基于Sznajd模型研究了耦合效應(yīng)對(duì)相互依賴鏈系統(tǒng)觀點(diǎn)演化的影響[44]。Li L等基于Ising模型對(duì)符號(hào)網(wǎng)絡(luò)中二元觀點(diǎn)演化問(wèn)題進(jìn)行分析[45]。遲鈺雪等結(jié)合改進(jìn)的有界信任機(jī)制構(gòu)建超網(wǎng)絡(luò)線上線下輿情演化模型，提出了包括模型初始化模塊、信息傳播與交互影響模塊、雙空間同步模塊的仿真系統(tǒng)框架[46]。Zhou Q等對(duì)DeGroot模型進(jìn)行改進(jìn)，研究了個(gè)體與朋友的朋友二步交流互動(dòng)下的觀點(diǎn)演化問(wèn)題[47]。Wang C Q圍繞兩個(gè)對(duì)立社團(tuán)的政治宣傳問(wèn)題，在Deffuant-Weisbuch模型基礎(chǔ)上提出了一個(gè)具有雙邊宣傳和單邊信息封鎖的對(duì)立群體輿情觀點(diǎn)演化動(dòng)力學(xué)模型[48]。Li H J等分析多層網(wǎng)絡(luò)觀點(diǎn)信念演化過(guò)程，考慮觀點(diǎn)信念在各層傳播速度的差異提出了多尺度建?？蚣埽M(jìn)而研究層間度關(guān)聯(lián)性對(duì)觀點(diǎn)信念演化的影響[49]。馬寧等分析了超網(wǎng)絡(luò)中各子網(wǎng)間異質(zhì)Agent交互規(guī)則，建立了基于超網(wǎng)絡(luò)的多主體觀點(diǎn)演化模型[50]。

圖12 突發(fā)事件網(wǎng)絡(luò)輿情生成涌現(xiàn)觀點(diǎn)動(dòng)力學(xué)國(guó)內(nèi)外文獻(xiàn)關(guān)鍵詞共現(xiàn)圖譜

圖13 突發(fā)事件網(wǎng)絡(luò)輿情生成涌現(xiàn)觀點(diǎn)動(dòng)力學(xué)國(guó)內(nèi)外文獻(xiàn)關(guān)鍵詞時(shí)區(qū)圖譜

4.3 基于社會(huì)行為認(rèn)知的觀點(diǎn)動(dòng)力學(xué)分析

由于公眾成長(zhǎng)閱歷、所處情境等不同，個(gè)性化時(shí)代公眾認(rèn)知行為差異性等日益凸顯，從圖12、圖13可以發(fā)現(xiàn)，一些學(xué)者考慮個(gè)體異質(zhì)性對(duì)傳統(tǒng)模型進(jìn)行了拓展。Si X M等提出一個(gè)基于貝葉斯更新規(guī)則的CODA觀點(diǎn)演化動(dòng)力學(xué)模型，分析情感態(tài)度對(duì)公眾觀點(diǎn)演變的影響[51]。黃傳超等基于Deffuant模型與CODA行為選擇機(jī)制，分析認(rèn)知偏差與無(wú)界信任對(duì)個(gè)體觀點(diǎn)決策的影響，構(gòu)建輿情反轉(zhuǎn)模型，并基于Agent方法模擬分析了不同情境下個(gè)體認(rèn)知與態(tài)度的特征以及應(yīng)對(duì)措施[52]。Wei J等考慮超級(jí)影響者及爭(zhēng)議信息對(duì)在線社會(huì)網(wǎng)絡(luò)輿情觀點(diǎn)演變的影響，對(duì)Deffuant-Weisbuch模型進(jìn)行改進(jìn)[53]。Lu A等對(duì)H-K有界信任模型進(jìn)行改進(jìn)，分析了個(gè)體異質(zhì)性對(duì)群體意見演化過(guò)程的影響[54]。Jiao Y等針對(duì)有目的的交互行動(dòng)，指出公眾觀點(diǎn)交互不以位置或社會(huì)關(guān)系為基礎(chǔ)被動(dòng)地交流，而是受到自身內(nèi)在動(dòng)機(jī)的驅(qū)動(dòng)影響，進(jìn)而在CODA模型基礎(chǔ)上構(gòu)建了主動(dòng)觀點(diǎn)動(dòng)力學(xué)模型[55]。Chen X等考慮網(wǎng)絡(luò)輿情觀點(diǎn)演化過(guò)程中場(chǎng)獨(dú)立與場(chǎng)依賴兩種認(rèn)知風(fēng)格組合作用影響，對(duì)H-K模型改進(jìn)，分別用鄰居觀點(diǎn)和個(gè)體經(jīng)驗(yàn)代表場(chǎng)依賴認(rèn)知和場(chǎng)獨(dú)立認(rèn)知，提出了基于認(rèn)知風(fēng)格的網(wǎng)絡(luò)輿情演化模型[56]。Li K等建立了基于認(rèn)知失調(diào)的觀點(diǎn)動(dòng)力學(xué)模型，研究觀點(diǎn)認(rèn)知失調(diào)影響下觀點(diǎn)更新與關(guān)系網(wǎng)絡(luò)更新機(jī)制[57]。朱侯等提出基于QSIM-ABS的觀點(diǎn)演化模型，剖析了信息和民眾情緒對(duì)觀點(diǎn)演化的作用機(jī)理[58]。劉泉等結(jié)合網(wǎng)絡(luò)節(jié)點(diǎn)多層影響力與節(jié)點(diǎn)自信程度構(gòu)建觀點(diǎn)演化模型[59]。曹麗娜等從話題熱度和內(nèi)容變化兩方面提出觀點(diǎn)演化模型，通過(guò)挖掘動(dòng)態(tài)話題鏈分析了觀點(diǎn)演化下網(wǎng)絡(luò)群體集聚過(guò)程[60]。

5 突發(fā)事件網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)建模

基于輿論生態(tài)系統(tǒng)信息流動(dòng)因子視角，構(gòu)建傳播動(dòng)力學(xué)模型是當(dāng)前剖析突發(fā)事件網(wǎng)絡(luò)輿情傳播內(nèi)在機(jī)制的主要研究方法。國(guó)內(nèi)外學(xué)者嘗試從多個(gè)視角進(jìn)行建模，以期揭示網(wǎng)絡(luò)輿情傳播過(guò)程的內(nèi)在機(jī)理。

5.1 突發(fā)事件網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)研究圖譜分析

本節(jié)以“SU%(輿情+輿論+謠言+微博+微信+信息)*(事件+危機(jī))*(傳播模型+傳播機(jī)理+傳播機(jī)制+擴(kuò)散模型+擴(kuò)散機(jī)制+擴(kuò)散機(jī)理+轉(zhuǎn)發(fā)模型+轉(zhuǎn)發(fā)機(jī)制+轉(zhuǎn)發(fā)機(jī)理)”為檢索式對(duì)CNKI數(shù)據(jù)庫(kù)進(jìn)行檢索，來(lái)源類別設(shè)定為中文核心期刊要目總覽、CSSCI、CSCD，截止年份設(shè)定為2021年，剔除期刊索引等與本文內(nèi)容不相關(guān)文獻(xiàn)，共得到383篇中文文獻(xiàn)，以“TS=((rumor OR information OR opinion OR weibo OR wechat OR twitter) AND (“spreading model” OR “diffusion model” OR “transmission model” OR “propagation model” OR “dissemination model”) AND (crisis*OR emergency*OR event*OR epidemic*OR disease*OR disaster*))”為檢索式對(duì)Web of Science核心合集SCIE、SSCI數(shù)據(jù)庫(kù)進(jìn)行檢索，截止年份設(shè)定為2021年，共得到583篇外文文獻(xiàn)。

通過(guò)歸納整理所檢索的文獻(xiàn)，繪制突發(fā)事件網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)國(guó)內(nèi)外總體研究趨勢(shì)圖，如圖14所示。從圖中可以發(fā)現(xiàn)，2004—2008年為國(guó)內(nèi)外學(xué)者前期探索階段，發(fā)文量普遍偏少。2008—2017年國(guó)內(nèi)外文獻(xiàn)研究均進(jìn)入增長(zhǎng)階段，發(fā)文量呈現(xiàn)上升趨勢(shì)。值得注意的是，以2017年為界限，國(guó)內(nèi)外文獻(xiàn)相關(guān)研究成果發(fā)文量差距逐漸增大，其中，國(guó)內(nèi)文獻(xiàn)研究進(jìn)入穩(wěn)定發(fā)展階段，而國(guó)外文獻(xiàn)研究仍然呈現(xiàn)逐年上升趨勢(shì)。

圖14 突發(fā)事件網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)國(guó)內(nèi)外總體研究趨勢(shì)

進(jìn)一步地，為具體分析國(guó)內(nèi)外學(xué)者在突發(fā)事件網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)建模方面取得的研究進(jìn)展，運(yùn)用Cite Space繪制國(guó)內(nèi)外檢索文獻(xiàn)關(guān)鍵詞共現(xiàn)圖譜與關(guān)鍵詞時(shí)區(qū)圖譜，進(jìn)行可視化分析。如圖15、圖16所示。研究前期階段，國(guó)內(nèi)外學(xué)者旨在厘清輿情信息一般傳播規(guī)則與擴(kuò)散過(guò)程，這一階段考慮到疾病傳播與信息傳播相似性，傳染病動(dòng)力學(xué)模型成為網(wǎng)絡(luò)輿情傳播研究理論基礎(chǔ)。隨后，伴隨復(fù)雜網(wǎng)絡(luò)理論發(fā)展以及社交網(wǎng)絡(luò)平臺(tái)日益興起，考慮復(fù)雜網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)以及社交網(wǎng)絡(luò)用戶興趣愛好、情感傾向等社會(huì)屬性特征的突發(fā)事件網(wǎng)絡(luò)輿情傳播研究逐漸引起國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。

圖15 突發(fā)事件網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)國(guó)內(nèi)外文獻(xiàn)關(guān)鍵詞共現(xiàn)圖譜

圖16 突發(fā)事件網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)國(guó)內(nèi)外文獻(xiàn)關(guān)鍵詞時(shí)區(qū)圖譜

5.2 基于傳染病動(dòng)力學(xué)的輿情傳播模型

突發(fā)事件網(wǎng)絡(luò)輿情傳播與傳染病感染具有一定相似性[61]，通過(guò)改進(jìn)傳染病動(dòng)力學(xué)模型來(lái)進(jìn)行研究，成為探索突發(fā)事件網(wǎng)絡(luò)輿情傳播規(guī)律的重要途徑。Daley D J等于20世紀(jì)60年代提出了經(jīng)典的D-K模型，對(duì)謠言等輿情傳播與流行病傳播的相似性進(jìn)行了全面比較，將均勻混合的人群分為易感者、感染者、免疫者3類，進(jìn)而運(yùn)用隨機(jī)過(guò)程的方法進(jìn)行求解。這里，易感者表示沒有聽過(guò)謠言等網(wǎng)絡(luò)輿情的人，感染者表示積極傳播謠言等網(wǎng)絡(luò)輿情的人，免疫者表示知道但不再傳播謠言等網(wǎng)絡(luò)輿情的人[62]。Maki D P等在此基礎(chǔ)上結(jié)合現(xiàn)實(shí)場(chǎng)景對(duì)傳播規(guī)則進(jìn)行完善，指出當(dāng)傳播者相遇后，前一個(gè)傳播者會(huì)變?yōu)槊庖哒?，進(jìn)而建立了M-T模型[63]。這兩個(gè)模型為學(xué)者后續(xù)研究網(wǎng)絡(luò)輿情傳播規(guī)律提供了理論指導(dǎo)。Sudbury A還進(jìn)一步驗(yàn)證了輿情傳播動(dòng)力學(xué)模型與SIR傳染病動(dòng)力學(xué)模型的相似性[64]。

5.3 基于復(fù)雜網(wǎng)絡(luò)的輿情傳播動(dòng)力學(xué)模型

伴隨著互聯(lián)網(wǎng)技術(shù)和網(wǎng)絡(luò)平臺(tái)的飛速發(fā)展與更新迭代，傳統(tǒng)傳染病模型很難精準(zhǔn)刻畫突發(fā)事件網(wǎng)絡(luò)輿情的傳播過(guò)程，部分學(xué)者將經(jīng)典傳播模型和近年來(lái)興起的復(fù)雜網(wǎng)絡(luò)模型相結(jié)合，引入網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)來(lái)改進(jìn)傳播動(dòng)力學(xué)模型。

5.3.1 小世界網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型

統(tǒng)計(jì)分析表明，在線社會(huì)網(wǎng)絡(luò)具有高聚類、小世界等特性，為此可基于小世界網(wǎng)絡(luò)對(duì)傳播動(dòng)力學(xué)模型進(jìn)行改進(jìn)。Zanette D H率先基于小世界網(wǎng)絡(luò)構(gòu)建了傳播動(dòng)力學(xué)模型，并求解出傳播閾值，揭示了謠言等網(wǎng)絡(luò)輿情在小世界網(wǎng)絡(luò)中的傳播規(guī)律[27]。Santos F C等引入同構(gòu)小世界網(wǎng)絡(luò)，探討了兩種機(jī)制對(duì)傳播爆發(fā)閾值的依賴關(guān)系，以及在自然選擇條件下合作者和叛變者的共同演化機(jī)制[65]。孫慶川等對(duì)小世界網(wǎng)絡(luò)中的傳播規(guī)律進(jìn)行研究，發(fā)現(xiàn)當(dāng)輿情吸引力接近閾值時(shí)，添加隨機(jī)邊將增大傳播范圍，傳播耗時(shí)對(duì)網(wǎng)絡(luò)規(guī)模大小敏感，而當(dāng)輿情吸引力足夠大時(shí)，網(wǎng)絡(luò)結(jié)構(gòu)變動(dòng)對(duì)輿情傳播范圍影響不大，耗時(shí)也趨于穩(wěn)定[66]。

5.3.2 無(wú)標(biāo)度網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型

由于在線社會(huì)網(wǎng)絡(luò)用戶節(jié)點(diǎn)度數(shù)一般服從冪律分布，基于無(wú)標(biāo)度網(wǎng)絡(luò)構(gòu)建輿情傳播動(dòng)力學(xué)模型是另一個(gè)改進(jìn)思路。Moreno Y等對(duì)謠言等網(wǎng)絡(luò)輿情在復(fù)雜異質(zhì)網(wǎng)絡(luò)中的傳播規(guī)律進(jìn)行研究，建立了動(dòng)力學(xué)平均場(chǎng)方程[67]。Nekovee M等建立了在線社會(huì)網(wǎng)絡(luò)謠言等輿情傳播的動(dòng)態(tài)平均場(chǎng)方程，研究結(jié)果表明，無(wú)標(biāo)度網(wǎng)絡(luò)更容易傳播謠言等網(wǎng)絡(luò)輿情[68]。任立肖等分析了無(wú)標(biāo)度網(wǎng)絡(luò)機(jī)制下網(wǎng)絡(luò)輿情的傳播演化規(guī)律[69]。劉亞州等考慮到社會(huì)網(wǎng)絡(luò)平臺(tái)不同鄰居節(jié)點(diǎn)影響力的差異，構(gòu)建了聚類系數(shù)可變的無(wú)標(biāo)度網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型[70]。Zhang M等基于BA無(wú)標(biāo)度網(wǎng)絡(luò)對(duì)SEIR模型進(jìn)行改進(jìn)，并以新冠肺炎疫情網(wǎng)絡(luò)輿情為例進(jìn)行驗(yàn)證，表明網(wǎng)絡(luò)結(jié)構(gòu)對(duì)輿情傳播具有重要影響[71]。

5.3.3 加權(quán)網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型

值得注意的是，上述小世界網(wǎng)絡(luò)與無(wú)標(biāo)度網(wǎng)絡(luò)均假設(shè)網(wǎng)絡(luò)為無(wú)權(quán)網(wǎng)絡(luò)，但在現(xiàn)實(shí)生活中有些網(wǎng)絡(luò)中的用戶關(guān)系強(qiáng)度具有差異，為此一些學(xué)者還進(jìn)一步研究了加權(quán)網(wǎng)絡(luò)上的輿情傳播問(wèn)題。Rattana P等研究了無(wú)向加權(quán)網(wǎng)絡(luò)上的SIS和SIR模型，分析了權(quán)值分布對(duì)流閾值的影響[72]。闞佳倩等考慮加權(quán)網(wǎng)絡(luò)中網(wǎng)絡(luò)結(jié)構(gòu)非局域性效應(yīng)、連邊權(quán)重、社會(huì)增強(qiáng)效應(yīng)對(duì)輿情傳播的影響，研究發(fā)現(xiàn)，個(gè)體越傾向接受親密朋友的信息，輿情越不容易大范圍傳播，相反，個(gè)體越傾向接受非親密朋友的信息，則輿情越容易大范圍傳播[73]。王金龍等構(gòu)建了基于用戶相對(duì)權(quán)重的在線社會(huì)網(wǎng)絡(luò)輿情傳播模型，仿真結(jié)果表明，在非均勻網(wǎng)絡(luò)中，該模型更能體現(xiàn)真實(shí)網(wǎng)絡(luò)特點(diǎn)，同時(shí)驗(yàn)證了節(jié)點(diǎn)地位對(duì)輿情傳播的影響[74]。

5.4 考慮人類行為社會(huì)屬性的網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型

網(wǎng)絡(luò)輿情傳播是一種典型的社會(huì)傳播，與疾病的無(wú)意識(shí)傳播不同，網(wǎng)絡(luò)輿情傳播還受到記憶、興趣、情感等因素影響[75]，因此還需要進(jìn)一步將人類行為社會(huì)屬性引入到模型中，對(duì)突發(fā)事件網(wǎng)絡(luò)輿情傳播過(guò)程進(jìn)行深入探索。

5.4.1 記憶驅(qū)動(dòng)的網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型

考慮到人類對(duì)事物的遺忘性特征，一些學(xué)者從遺忘記憶視角展開研究。Gu J等研究發(fā)現(xiàn)，遺忘記憶復(fù)合機(jī)制對(duì)網(wǎng)絡(luò)輿情傳播具有顯著影響[76]。Zhao L等構(gòu)建了考慮遺忘率的網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型，發(fā)現(xiàn)遺忘記憶機(jī)制將延遲謠言等網(wǎng)絡(luò)輿情結(jié)束時(shí)間，降低謠言等網(wǎng)絡(luò)輿情最大影響[77]，初始遺忘率越大或遺忘速度越快，最終范圍越小，且時(shí)變遺忘率比常數(shù)遺忘率更易擴(kuò)大網(wǎng)絡(luò)輿情傳播范圍[78]。Wang J等構(gòu)建了SIRaRu謠言等網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型，數(shù)值模擬也表明遺忘率對(duì)謠言等網(wǎng)絡(luò)輿情傳播具有較大影響[79]。

進(jìn)一步地，學(xué)者還將遺忘記憶機(jī)制與其他因素相融合，分析對(duì)網(wǎng)絡(luò)輿情傳播過(guò)程產(chǎn)生的組合影響。Afassinou K提出，考慮遺忘機(jī)制和人口受教育程度的SEIR謠言傳播模型，發(fā)現(xiàn)群體中受過(guò)教育的個(gè)體越多，謠言影響范圍越小[80]。Lv L等提出了綜合考慮記憶效應(yīng)、社會(huì)強(qiáng)化效應(yīng)和非冗余接觸的傳播動(dòng)力學(xué)模型[81]。王超等引入遺忘機(jī)制和遏制機(jī)制，構(gòu)建了在線社會(huì)網(wǎng)絡(luò)輿情傳播模型，分析了兩種機(jī)制對(duì)輿情傳播的組合影響[82]。Huo L等引入智者新用戶狀態(tài)，建立了考慮遺忘因素和社會(huì)強(qiáng)化效用的網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型[83]。

5.4.2 興趣驅(qū)動(dòng)的網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型

美國(guó)學(xué)者Lippmann在《Public Opinion》一書中指出，輿情是由公眾興趣發(fā)展而來(lái)的，輿情內(nèi)容能否引起用戶興趣是影響其傳播行為的重要因素。劉詠梅等引入興趣衰減系數(shù)，發(fā)現(xiàn)首次轉(zhuǎn)發(fā)概率、興趣衰減系數(shù)以及小世界網(wǎng)絡(luò)等因素較大影響了網(wǎng)絡(luò)輿情傳播過(guò)程[84]。王瑞等引入用戶興趣空間和用戶影響空間，根據(jù)用戶對(duì)傳播內(nèi)容的喜愛程度和其他用戶的影響程度預(yù)測(cè)用戶接受傳播內(nèi)容的概率[85]。夏志杰等提出了一種改進(jìn)的SEIR模型，分析了內(nèi)容吸引力對(duì)謠言等網(wǎng)絡(luò)輿情傳播的影響[86]。王長(zhǎng)春等引入謠言等網(wǎng)絡(luò)輿情屬性變量，探討了內(nèi)容屬性、網(wǎng)絡(luò)結(jié)構(gòu)特征、敵我雙方干預(yù)強(qiáng)度對(duì)謠言等網(wǎng)絡(luò)輿情傳播效果的影響[87]。

5.4.3 情感驅(qū)動(dòng)的網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型

與傳統(tǒng)媒體不同，社會(huì)網(wǎng)絡(luò)平臺(tái)中的輿情傳播還伴隨公眾情感交流，使得網(wǎng)絡(luò)輿情傳播更快更廣。尤其突發(fā)事件發(fā)生后，網(wǎng)民交流討論還極易加劇群體情感極化，甚至引發(fā)線上線下群體性事件。因而，情感分析已成為網(wǎng)絡(luò)輿情傳播研究的重要方面[88]。Anthony S提出一種考慮焦慮因素的網(wǎng)絡(luò)輿情傳播模型，發(fā)現(xiàn)高度焦慮的小組比低度焦慮的小組傳播網(wǎng)絡(luò)輿情的頻率更高[89]。洪巍等分析了食品安全事件中，傳播者情感傾向?qū)W(wǎng)絡(luò)輿情傳播的影響[90]。安璐等以寨卡突發(fā)事件為例，通過(guò)對(duì)輿情情感進(jìn)行細(xì)粒度劃分，計(jì)算情感強(qiáng)度，分析情感類型、情感強(qiáng)度對(duì)突發(fā)事件網(wǎng)絡(luò)輿情傳播演化過(guò)程的影響[91]。王家坤等引入用戶感知價(jià)值、用戶網(wǎng)絡(luò)地位與社會(huì)強(qiáng)化效應(yīng)等影響網(wǎng)絡(luò)輿情傳播的因素，建立了網(wǎng)絡(luò)輿情傳播模型[92]。Fu P等構(gòu)建了考慮個(gè)體情感態(tài)度的網(wǎng)絡(luò)輿情傳播模型，發(fā)現(xiàn)恐慌、悲傷等情感對(duì)網(wǎng)絡(luò)輿情形成及擴(kuò)散速度具有重要影響[93]。

6 總結(jié)與展望

智能化時(shí)代，突發(fā)事件輿情信息借助社會(huì)網(wǎng)絡(luò)平臺(tái)幾何裂變傳播擴(kuò)散，極易給整個(gè)社會(huì)帶來(lái)巨大影響。綜合上述分析，現(xiàn)有研究立足輿論生態(tài)系統(tǒng)理論，圍繞信息主體因子、信息環(huán)境因子、輿情信息因子、信息流動(dòng)因子等方面，基于復(fù)雜網(wǎng)絡(luò)建立了多元網(wǎng)絡(luò)輿情傳播復(fù)雜動(dòng)力學(xué)模型，為研究突發(fā)事件網(wǎng)絡(luò)輿情傳播問(wèn)題奠定了堅(jiān)實(shí)的理論基礎(chǔ)。綜合圖1總體研究趨勢(shì)圖與圖5、圖8、圖11、圖14這4部分研究趨勢(shì)圖可以發(fā)現(xiàn)，突發(fā)事件網(wǎng)絡(luò)輿情傳播問(wèn)題正呈現(xiàn)快速發(fā)展之勢(shì)。此外，從圖3總體關(guān)鍵詞時(shí)區(qū)圖譜與圖7、圖10、圖13、圖16各部分關(guān)鍵詞時(shí)區(qū)圖譜中還可以發(fā)現(xiàn)，近年來(lái)隨著新冠肺炎疫情全球肆虐，學(xué)者對(duì)該突發(fā)事件給予了較多關(guān)注，但仍有如下問(wèn)題亟待進(jìn)一步探索。

1)基于用戶畫像的突發(fā)事件網(wǎng)絡(luò)輿情傳播特征挖掘。如圖3、圖7所示，“大數(shù)據(jù)(Big Data)”“云計(jì)算(Cloud Computing)”等成為當(dāng)前研究熱詞，學(xué)者正嘗試基于網(wǎng)絡(luò)空間海量數(shù)據(jù)挖掘網(wǎng)民傳播行為特征。此外，用戶畫像作為一種標(biāo)簽化的用戶模型，可通過(guò)提取用戶屬性、偏好、行為習(xí)慣等信息高度概括用戶行為特征，為研究提供了新思路。然而，當(dāng)前基于微博、論壇等多種社會(huì)網(wǎng)絡(luò)平臺(tái)探討輿情傳播用戶畫像的研究卻很少，難以體現(xiàn)突發(fā)事件下網(wǎng)絡(luò)空間用戶活動(dòng)的全貌。因此，基于網(wǎng)絡(luò)空間海量輿情數(shù)據(jù)分析用戶傳播行為特征，進(jìn)而繪制較為全面的突發(fā)事件網(wǎng)絡(luò)輿情傳播用戶畫像是亟待解決的重要科學(xué)問(wèn)題。

2)突發(fā)事件網(wǎng)絡(luò)輿情傳播演化多元影響因素組態(tài)構(gòu)型研究。突發(fā)事件網(wǎng)絡(luò)輿情傳播演化過(guò)程受到多元復(fù)雜因素耦合擾動(dòng)作用影響?，F(xiàn)有研究已對(duì)網(wǎng)絡(luò)輿情的內(nèi)部、外部影響因素進(jìn)行了分析，但多聚焦于同一類別，而對(duì)各因素間相互作用及其組態(tài)對(duì)突發(fā)事件網(wǎng)絡(luò)輿情傳播演化過(guò)程的影響研究不足。如圖10所示，近年來(lái)定性比較分析法(QCA)因可有效揭示不同變量因果關(guān)系以及不同組合對(duì)結(jié)果的影響而逐漸引起學(xué)者關(guān)注。因此，基于突發(fā)事件網(wǎng)絡(luò)輿情實(shí)證案例，利用QCA方法對(duì)各影響因素進(jìn)行構(gòu)型分析，研究不同因素組合對(duì)突發(fā)事件網(wǎng)絡(luò)輿情傳播演化過(guò)程的影響是亟待解決的重要科學(xué)問(wèn)題。

3)線上線下交互下情感驅(qū)動(dòng)的突發(fā)事件網(wǎng)絡(luò)輿情生成涌現(xiàn)機(jī)制研究。智能化時(shí)代，線上線下耦合交互改變了輿情傳播結(jié)構(gòu)。尤其突發(fā)事件網(wǎng)絡(luò)輿情傳播極易引發(fā)現(xiàn)實(shí)社會(huì)群體非理性行為并在線上線下相互作用下形成耦合效應(yīng)，且伴隨事態(tài)發(fā)展，網(wǎng)絡(luò)輿情主題與情感態(tài)度也隨之動(dòng)態(tài)演變，共同推動(dòng)突發(fā)事件網(wǎng)絡(luò)輿情涌現(xiàn)擴(kuò)散。目前，該問(wèn)題的研究尚顯不足，且忽略了情感傾向性動(dòng)態(tài)演變特性對(duì)主題演化的影響，因而遠(yuǎn)不能滿足對(duì)突發(fā)事件網(wǎng)絡(luò)輿情生成涌現(xiàn)過(guò)程復(fù)雜性理解的需要，無(wú)法精準(zhǔn)刻畫情感驅(qū)動(dòng)的個(gè)體—群體線上線下動(dòng)態(tài)交互作用下的網(wǎng)絡(luò)輿情生成涌現(xiàn)過(guò)程。因此，探究線上線下交互下情感驅(qū)動(dòng)的突發(fā)事件網(wǎng)絡(luò)輿情生成涌現(xiàn)機(jī)制是亟待解決的重要科學(xué)問(wèn)題。

4)網(wǎng)絡(luò)—信息—行為跨時(shí)空耦合的突發(fā)事件網(wǎng)絡(luò)輿情復(fù)雜傳播機(jī)制研究。與普通輿情不同，突發(fā)事件網(wǎng)絡(luò)輿情傳播過(guò)程呈現(xiàn)群體極化、多主題、跨網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)演變等特征。然而，以往研究主要聚焦分析單一網(wǎng)絡(luò)單輿情獨(dú)立傳播規(guī)律，無(wú)法體現(xiàn)突發(fā)事件網(wǎng)絡(luò)輿情傳播群體集聚、觀點(diǎn)爭(zhēng)議等特點(diǎn)，難以深入刻畫多信息跨網(wǎng)絡(luò)傳播演變的內(nèi)在機(jī)制。如圖16顯示，近年來(lái)有關(guān)輿論生態(tài)系統(tǒng)全景分析的“全景生態(tài)”研究逐漸引起學(xué)者關(guān)注，但尚處于探索階段。因此，如何從網(wǎng)絡(luò)—信息—行為跨時(shí)空耦合視角，對(duì)社會(huì)關(guān)系網(wǎng)絡(luò)、輿情內(nèi)容、交互行為等全景信息有效綜合，分析內(nèi)部動(dòng)力機(jī)制，進(jìn)而構(gòu)建突發(fā)事件網(wǎng)絡(luò)輿情傳播動(dòng)力學(xué)模型是亟待解決的重要科學(xué)問(wèn)題。

5)人機(jī)共生視域下國(guó)際輿論場(chǎng)突發(fā)事件網(wǎng)絡(luò)輿情傳播與應(yīng)對(duì)研究。智能化時(shí)代，以社交機(jī)器人為代表的計(jì)算宣傳日漸成為西方操控國(guó)際輿論、污名化中國(guó)的新手段，中國(guó)面臨更加錯(cuò)綜復(fù)雜的國(guó)際輿論生態(tài)環(huán)境。尤其突發(fā)事件下，社交機(jī)器人已突破傳統(tǒng)媒介工具屬性滲透到各社交平臺(tái)中，成為可通過(guò)算法自動(dòng)發(fā)布大量虛假信息并與人類互動(dòng)的行為主體，致使網(wǎng)絡(luò)輿情傳播結(jié)構(gòu)發(fā)生系統(tǒng)性變化。此外，由圖3可以發(fā)現(xiàn)，“共生模式”正逐漸成為當(dāng)前研究熱點(diǎn)。因此，如何有效識(shí)別網(wǎng)絡(luò)空間社交機(jī)器人虛假賬號(hào)，挖掘社交機(jī)器人計(jì)算宣傳行為模式，進(jìn)而剖析人機(jī)交互的國(guó)際輿論場(chǎng)突發(fā)事件網(wǎng)絡(luò)輿情復(fù)雜傳播機(jī)制，探索人機(jī)共生情境下國(guó)際輿論有效應(yīng)對(duì)路徑是亟待解決的重要科學(xué)問(wèn)題。