突發(fā)公共事件網(wǎng)絡輿情時空演化分析模型及算法研究

賈若男 王晰巍 于 雪 羅 然

(1.吉林大學商學與管理學院，吉林 長春 130022；2.湘潭大學公共管理學院，湖南 湘潭 411105；3.吉林大學大數(shù)據(jù)管理研究中心，吉林 長春 130022；4.吉林大學國家發(fā)展與安全研究院網(wǎng)絡空間治理研究中心，吉林 長春 130022；5.吉林省圖書館，吉林 長春 130028)

《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》指出，截至2021年6月，我國網(wǎng)民規(guī)模達10.11億[1]。龐大的網(wǎng)民數(shù)量為輿情研判提供了豐富的和可供挖掘的多重尺度時空大數(shù)據(jù)，也為動態(tài)性、全局性、精準化的輿情治理提供決策依據(jù)。智能媒體與社會數(shù)據(jù)的結合，為突發(fā)公共事件中政府在社交網(wǎng)絡上的調(diào)控決策提出新思路和新方案[2]。突發(fā)公共事件網(wǎng)絡輿情的時空數(shù)據(jù)挖掘和分析，為突發(fā)公共事件網(wǎng)絡輿情的引導和決策提供了新依據(jù)，是網(wǎng)絡輿情研判與監(jiān)管部門關注的重要問題。

近年來，國內(nèi)外相關學者圍繞社會網(wǎng)絡媒體輿情中的時間與空間特性進行了相關研究。國外研究主要通過不同的模型或者算法[3]，挖掘時空數(shù)據(jù)背后的群體行為特征[4]。通過量化用戶的動態(tài)空間交互行為[5]監(jiān)控緊急事件或社會問題的信息傳播狀況，并跟蹤事件發(fā)展態(tài)勢[6]，提出相應的社會治理舉措，提升預警與響應能力[7]。國內(nèi)學者主要將時空維度作為輿情演化分析與治理研究的重要維度[8]。通過可視化工具呈現(xiàn)網(wǎng)友關注度與話題主題的動態(tài)演化情況[9]，形成輿情事件討論熱度圖譜[10]，分析網(wǎng)絡群體集聚的跨時空演化機理[11]。通過對國內(nèi)外現(xiàn)有研究成果的梳理，發(fā)現(xiàn)目前針對網(wǎng)絡輿情事件時空數(shù)據(jù)進行挖掘和分析的研究成果正逐漸受到國內(nèi)外相關學者的關注，但分析突發(fā)公共事件中輿情時空分布特征與時空演化規(guī)律的研究成果相對較少。

本文在研究中主要解決以下3個方面的研究問題：①突發(fā)公共事件網(wǎng)絡輿情的時空總體分布及類型如何分析？②事件時空演化網(wǎng)絡的結構和關鍵城市是如何分布的？③針對事件的時空演化特征與規(guī)律能夠采取哪些治理措施？本文結合“日本核廢水排?！笔录M行時空分析并構建時空演化圖譜，明確輿情事件的時空分布特征。探索和總結輿情事件演化的時空規(guī)律，為網(wǎng)絡輿情事件的管控和治理提供決策支持。

1 文獻綜述

1.1 突發(fā)公共事件網(wǎng)絡輿情

突發(fā)公共事件網(wǎng)絡輿情是指在互聯(lián)網(wǎng)中傳播的有關突發(fā)公共事件的評論、觀點、情感以及態(tài)度等的集合，具有“線下發(fā)生，線上傳遞”的特點[12]。學者們以多類型突發(fā)事件為研究對象，主要聚焦于輿情事件演化態(tài)勢和輿情干預治理等方面[13]。構建三維動態(tài)主題演化模型分析輿情事件中不同利益相關者的主題觀點識別與演化[14]，從時間序列視角探究輿情發(fā)展過程中網(wǎng)民情感極性的變化及其影響因素[15]。在網(wǎng)絡輿情干預治理方面，利用模糊集定性比較分析、仿真實驗和案例分析等方法，提出預測方法與治理策略[16]。國內(nèi)外研究利用社交媒體中海量的用戶時空數(shù)據(jù)建模，有利于輿情的動態(tài)研判、重點階段和重點地點的防控策略制定，從而實現(xiàn)網(wǎng)絡輿情線上和線下共同管理[12]。

1.2 網(wǎng)絡輿情中的時空數(shù)據(jù)

網(wǎng)絡輿情中的數(shù)據(jù)具有明顯的時間和空間特征，時空數(shù)據(jù)是輿情用戶行為與關系在現(xiàn)實情境中的具象化呈現(xiàn)[17]。在時空數(shù)據(jù)研究主題上，國內(nèi)外學者利用時空數(shù)據(jù)研究輿情事件的傳播特征與影響[18]，發(fā)現(xiàn)社交網(wǎng)絡輿情事件在傳播態(tài)勢時間上呈階段周期性演化，空間上呈金字塔等級的擴散演化[12]。在時空大數(shù)據(jù)挖掘方法上，基于事件的時空數(shù)據(jù)模型和生成式對抗網(wǎng)絡模型等是輿情研判的常用模型[19]，Moran’s I指數(shù)[20]、Morisita分布指數(shù)[21]是社交網(wǎng)絡輿情事件空間分布探索的重要統(tǒng)計量。GIS和知識圖譜是輿情事件時空規(guī)律可視化的常見技術[22]。把握輿情事件的時空交互規(guī)律，有助于提前感知并研判網(wǎng)絡輿情演化趨勢，為提出全局性、動態(tài)化和分級化的輿情治理策略提供決策支持[23]。

1.3 突發(fā)公共事件網(wǎng)絡輿情時空演化分析問題的提出

突發(fā)公共事件網(wǎng)絡輿情信息具有空間、時間和內(nèi)容等多個相關的維度，在輿情中，時間與地理標記記錄可以用來研究用戶的活動模式，如流動性、聚集性或隨機性等[24]。突發(fā)公共事件網(wǎng)絡輿情時空演化分析，主要是將輿情事件映射到現(xiàn)實的時間和地理空間中，將輿情的時空數(shù)據(jù)與社交關系數(shù)據(jù)相結合，挖掘輿情在地理空間中的總體分布、輿情空間分布隨時間的演化特征與規(guī)律等。從而實現(xiàn)對突發(fā)公共事件網(wǎng)絡輿情發(fā)展的全面、動態(tài)分析和呈現(xiàn)，能夠幫助相關部門更好地了解輿情事件的關鍵地域、熱點區(qū)域以及潛在橋梁城市，并制定準確的輿情管控與治理策略。

2 突發(fā)公共事件網(wǎng)絡輿情時空演化分析模型及算法

2.1 突發(fā)公共事件網(wǎng)絡輿情時空演化分析模型

本文構建了突發(fā)公共事件網(wǎng)絡輿情時空演化分析模型，如圖1所示。通過網(wǎng)絡爬蟲進行網(wǎng)絡輿情事件話題下時空數(shù)據(jù)的采集，并進行數(shù)據(jù)清洗與預處理。在事件時間和空間尺度劃分的基礎上進行時空演化分析。一方面，采用空間自相關，通過全局自相關分析確定時空總體分布；通過局部自相關分析確定時空聚集類型；另一方面，采用時空網(wǎng)絡圖算法，通過平均聚類系數(shù)分析輿情時空網(wǎng)絡結構；通過局部聚類系數(shù)確定網(wǎng)絡中的關鍵城市。最后，對突發(fā)公共事件網(wǎng)絡輿情時空演化特征與規(guī)律進行分析。

圖1 突發(fā)公共事件網(wǎng)絡輿情時空演化分析模型

2.2 空間自相關算法

空間自相關是一種根據(jù)特征位置和特征值來衡量空間事物分布的相互關聯(lián)程度及其空間分布的統(tǒng)計方法，可以分為全局空間自相關和局部空間自相關[25]。全局空間自相關主要檢驗整個研究區(qū)域內(nèi)相鄰或相似區(qū)域單元特征值空間相關性的總體趨勢，通常使用全局Moran’s I來評估，如式(1)所示；全局空間自相關僅能判斷研究對象是否存在聚集分布，無法確定某一研究對象與其鄰近區(qū)域?qū)ο蟮南嚓P程度。局部自相關分析能夠反映局部單元屬性與相鄰單元相同屬性之間的相關程度，通常使用局部Moran’s I進行衡量，如式(2)所示[26]。

(1)

(2)

式(2)中，Ii為局部Moran’s I，其余參數(shù)含義與式(1)相同。若局部空間自相關顯著，則存在4種空間聚集類型[26]，分別為：高—高聚集(H-H)，代表熱點區(qū)域；低—低聚集(L-L)，代表冷點區(qū)域；高—低聚集(H-L)，代表高值異常區(qū)；低—高聚集(L-H)，代表低值異常區(qū)。

2.3 時空網(wǎng)絡圖算法

圖算法能夠幫助理解圖數(shù)據(jù)網(wǎng)絡，可以幫助利用節(jié)點間的關系來發(fā)現(xiàn)知識和信息[27]。在圖算法中，聚類系數(shù)表示網(wǎng)絡圖中節(jié)點間相互聯(lián)系的緊密程度，分為平均和局部聚類系數(shù)，計算如式(3)和(4)所示[28]。平均聚類系數(shù)可以幫助分析網(wǎng)絡結構，局部聚類系數(shù)可以幫助分析網(wǎng)絡中的關鍵城市。

(3)

(4)

3 實證分析

3.1 數(shù)據(jù)來源與收集

新浪微博是國內(nèi)最受歡迎的社交網(wǎng)絡平臺之一[29]，提供了帶有時間戳和基于位置的社交網(wǎng)絡服務，能夠采集到用戶相關的時間和空間數(shù)據(jù)信息，有利于本文針對突發(fā)公共事件網(wǎng)絡輿情時空演化的分析[30]。因此，本文將其作為數(shù)據(jù)采集的來源平臺。在突發(fā)公共事件熱點輿情的選擇上，本文選取“日本核廢水排?！笔录M行數(shù)據(jù)采集，日本核廢水排海決定自初步?jīng)Q議起便在國內(nèi)外各大社交網(wǎng)絡平臺引起了廣泛而熱烈的討論[31]。爬取的字段包括用戶昵稱、ID、評論或轉發(fā)時間、用戶地理標簽等；數(shù)據(jù)清洗過程主要通過Access和Excel等軟件實現(xiàn)，共收集到原始數(shù)據(jù)80 660條，清洗后剩余數(shù)據(jù)53 504條。

3.2 數(shù)據(jù)處理

按照“日本核廢水排海”事件發(fā)展順序以及事件發(fā)展期間的輿情態(tài)勢曲線，如圖2所示，事件發(fā)展具有一定的周期性特點，即當某個子話題突發(fā)時，輿情進入爆發(fā)期；隨后公眾情緒、意見達到一定閾值后，輿情態(tài)勢進入平緩回落期；隨著事件再次發(fā)展，輿情態(tài)勢波動走高；最后隨著事件接近尾聲，輿情態(tài)勢趨于平息。因此，本文將時間尺度劃分為5個階段。事件空間尺度的劃分上，將國內(nèi)用戶按照地理分區(qū)及省級行政區(qū)進行劃分，包括華北、東北、華東、華中、華南、西南、西北和港澳臺8個地理分區(qū)，以及34個省級行政區(qū)；國外地區(qū)則統(tǒng)一劃分為其他。在后續(xù)的時空分析中，以省級行政區(qū)省會的經(jīng)緯度指標作為地理位置代表和分析依據(jù)。

圖2 時間尺度劃分結果[32]

為分析該輿情的時空分布和聚集類型，按照時間尺度劃分，以熱門微博下各省級行政區(qū)中所包含的轉發(fā)和評論總量作為討論熱度[33]。采用Log函數(shù)標準化[34]對原始數(shù)據(jù)進行處理以消除數(shù)量級差異。關于空間權重矩陣的構建，由于距離是體現(xiàn)空間分布的重要指標，因而選取基于距離的空間權重矩陣[35]。在此基礎上進行空間自相關分析。為明確各個空間熱點、冷點以及不顯著聚集區(qū)域之間的關系，在空間自相關分析結果基礎上，進行時空網(wǎng)絡圖算法分析。以地區(qū)所包含的用戶之間的社交關系作為地區(qū)節(jié)點間的邊，將地區(qū)的討論熱度作為節(jié)點間邊的權重，空間聚集類型作為節(jié)點的屬性標簽，得到節(jié)點、關系和屬性表并導入Neo4j圖形數(shù)據(jù)庫中，以進行圖算法分析確定網(wǎng)絡結構和關鍵城市。

3.3 數(shù)據(jù)結果

3.3.1 全局空間自相關結果

全局空間自相關分析結果如表1所示。全局Moran’s I均大于0，表明該輿情呈現(xiàn)空間聚集分布。其次，全局Moran’s I統(tǒng)計值大于0，但也比較接近0，說明這種聚集程度較弱。各個事件的P-value統(tǒng)計值均小于0.05，Z-score統(tǒng)計值均大于1.65，表明其置信度均在90%以上[36]。同時，聚集趨勢呈現(xiàn)3個階段，其中，第一階段(T1～T2)和第三階段(T3～T5)均呈現(xiàn)上升趨勢，第二階段(T2～T3)呈現(xiàn)下降趨勢，但第三階段均高于第一和第二階段。這意味著時空分布特征整體上以聚集為主，且聚集程度不斷加強。

表1 全局Moran’I及檢驗值

3.3.2 局部空間自相關結果

局部空間自相關分析結果如表2所示。數(shù)據(jù)結果表明，事件各個時間段內(nèi)的聚集區(qū)域類型分布與事件整個時間周期呈現(xiàn)一致。事件時空分布中，高—高(H-H)聚集區(qū)域數(shù)量較多，表明事件存在討論熱度集中區(qū)域，即存在空間熱點；低—高(L-H)聚集區(qū)域伴隨著高—高(H-H)聚集區(qū)域存在，低—低(L-L)聚集區(qū)域出現(xiàn)頻次較低，說明事件討論熱度的空間冷點不明顯。同時，顯著聚集區(qū)總數(shù)明顯多于非顯著聚集區(qū)，說明在各個時間段中事件討論重點分布于部分地區(qū)，并不是普遍存在于全國各地。

表2 局部聚集類型統(tǒng)計

為了明確每個聚集類型的空間位置特征，以省會坐標為基準和代表，繪制局部聚集類型分布圖，如圖3所示。圖中僅使用文字標注了顯著聚集的省級行政區(qū)。在事件的發(fā)展過程中，高值聚集區(qū)常出現(xiàn)在以北京、天津為代表的華北地區(qū)，以河南、陜西為代表的華中和西北部分地區(qū)，以及以江蘇、浙江、上海、福建為代表的華東地區(qū)，并且這類空間熱點區(qū)域具有明顯的連續(xù)分布趨勢；低—高聚集類則伴隨著高值聚集區(qū)存在，如東北地區(qū)的吉林、華北地區(qū)的山西、內(nèi)蒙古中部，以及港澳臺地區(qū)的中國臺灣地區(qū)等；西北地區(qū)的內(nèi)陸城市新疆作為唯一顯著的低值聚集區(qū)存在，是事件的空間冷點區(qū)域。

圖3 空間局部聚集類型分布圖

3.3.3 時空網(wǎng)絡平均聚類系數(shù)結果

該話題下運用時空網(wǎng)絡平均聚類系數(shù)呈現(xiàn)的時空網(wǎng)絡如圖4所示。分析結果表明，該話題下輿情事件時空網(wǎng)絡均呈現(xiàn)以個別區(qū)域(或城市)為核心的發(fā)散結構，核心區(qū)域(或城市)周圍的關系線條較為密集，整個空間網(wǎng)絡中的信息流圍繞其展開。同時，這些區(qū)域(或城市)節(jié)點起到連接其他區(qū)域(或城市)節(jié)點的“信息橋梁”作用。通過這些區(qū)域(或城市)節(jié)點的屬性標簽，可以發(fā)現(xiàn)不顯著聚集的城市同樣能夠在時空網(wǎng)絡中扮演重要角色，如T1中的香港、T2中的四川等。與此同時，在這些區(qū)域(或城市)聚集類型，低—高(L-H)以及低—低(L-L)聚集區(qū)在網(wǎng)絡中通常處于邊緣位置，并且與其他區(qū)域(或城市)節(jié)點聯(lián)系稀疏。

圖4 輿情時空網(wǎng)絡

時空網(wǎng)絡平均聚類系數(shù)分析結果如表3所示。在平均聚類系數(shù)得分中，除T5的平均聚類系數(shù)為0.001外，其他事件的平均聚類系數(shù)均呈現(xiàn)高值。結合圖4，T5的空間網(wǎng)絡呈現(xiàn)以北京為核心的星型結構。除與北京之間存在直接的聯(lián)系外，各個城市節(jié)點間的聯(lián)系稀疏，網(wǎng)絡中信息的交流效率較低；其他事件的平均聚類系數(shù)較高，輿情時空網(wǎng)絡呈現(xiàn)網(wǎng)狀結構特征，網(wǎng)絡中節(jié)點間的聯(lián)系緊密，網(wǎng)絡的凝聚力也較強。

表3 時空網(wǎng)絡平均聚類系數(shù)結果

3.3.4 時空網(wǎng)絡局部聚類系數(shù)結果

時空網(wǎng)絡局部聚類系數(shù)分析結果如表4所示。在結果顯示中，重點關注局部聚類系數(shù)得分較低的節(jié)點，因為得分較低表明該城市在網(wǎng)絡中是一個結構孔[28]，該城市節(jié)點可能是一個與其他網(wǎng)絡城市社區(qū)中的城市節(jié)點連接良好的節(jié)點，是網(wǎng)絡結構中潛在的“信息橋梁”。如，T1中的香港和北京，T2中的四川等。但是，當局部聚類系數(shù)為0時，表示該城市節(jié)點的相鄰節(jié)點都只與這一節(jié)點相連，彼此之間互不相連，此類節(jié)點周圍的網(wǎng)絡結構較為簡單，如T1中的青海、臺灣和澳門等。

表4 時空網(wǎng)絡局部聚類系數(shù)結果

4 討論分析

4.1 時空總體分布分析

從該突發(fā)公共事件輿情演化的時空總體分布來看，輿情演化呈現(xiàn)空間聚集分布，且聚集程度呈現(xiàn)隨輿情事件發(fā)展不斷加強的趨勢。這可能與隨著輿情的不斷發(fā)展，政府、媒體和意見領袖等關鍵用戶的介入、對輿情事件信息發(fā)布的加強，以及公眾對輿情信息的接受與關注程度的提升等有關[37]。在輿情發(fā)生的不同階段，參與輿情的用戶會有不同的信息需求和行為，并對輿情事件的熱度和傳播范圍產(chǎn)生影響。

因此，根據(jù)輿情時空總體分布的聚集特征和趨勢，輿情監(jiān)管部門可以根據(jù)區(qū)域的聚集形勢進行有針對性的輿情引導和監(jiān)管，將輿情事件的分析與對比分解和聚焦到聚集區(qū)域上，并借助政府和官方媒體的參與不斷對輿情事件波及的區(qū)域進行干預和引導，降低負面輿情在空間維度上傳播擴散的可能性。同時，利用區(qū)域中高影響力用戶及群體，對鄰近空間內(nèi)其他用戶產(chǎn)生直接或間接的影響，提高輿情的空間聚集程度，將負面輿情帶來的影響盡量控制在最小范圍內(nèi)。

4.2 時空聚集類型分析

該突發(fā)公共事件的網(wǎng)絡輿情空間熱點區(qū)域，主要分布在部分地區(qū)并非全國，網(wǎng)絡輿情時空演化分布具有一定的地域差異性和規(guī)模性，在重點城市群區(qū)域表現(xiàn)出明顯的聚集性特征。一方面，空間熱點區(qū)域的分布情況顯示出重點經(jīng)濟發(fā)達地區(qū)在該輿情事件中的高價值屬性；另一方面，低—高(L-H)和低—低(L-L)聚集區(qū)的時空分布與該地區(qū)的人口聚集程度和地理位置有關，未受到該網(wǎng)絡輿情直接影響的區(qū)域和靠近空間熱點的區(qū)域則呈現(xiàn)出不同的聚集類型。

因此，根據(jù)突發(fā)公共事件的網(wǎng)絡輿情時空聚集類型以及其分布特征，一方面，應該加強對網(wǎng)絡輿情聚集效應顯著的空間熱點區(qū)域進行有針對性的分析與監(jiān)測，突出空間熱點區(qū)域的靶向定位作用。通過該區(qū)域內(nèi)網(wǎng)絡輿情的疏導與管控，實現(xiàn)社交網(wǎng)絡輿情的精準治理和全區(qū)域網(wǎng)絡輿情的整體控制；另一方面，對于低—高(L-H)和低—低(L-L)這類非熱點聚集區(qū)，除發(fā)揮鄰近熱點區(qū)域的領導和影響作用外，還應結合該區(qū)域自身的發(fā)展情況和地理特征，對該區(qū)域的熱點網(wǎng)絡輿情事件的關注和輿情用戶的情感、網(wǎng)絡輿情關注行為等進行分析，明確不同區(qū)域時空特征與規(guī)律差異性的原因所在，進而制定和實施更為精準的社交網(wǎng)絡輿情區(qū)域治理策略。

4.3 時空網(wǎng)絡結構分析

從該突發(fā)公共事件網(wǎng)絡輿情的時空網(wǎng)絡可視化分析結果和平均聚類系數(shù)結果來看，時空網(wǎng)絡呈現(xiàn)以個別節(jié)點為核心的網(wǎng)絡結構特征，體現(xiàn)了網(wǎng)絡輿情傳播和擴散的時空收縮效應。其中，平均聚類系數(shù)較低的時空網(wǎng)絡結構較為稀疏，除核心城市外，其他區(qū)域(或城市)節(jié)點間幾乎不存在關聯(lián)關系，網(wǎng)絡凝聚力較弱。平均聚類系數(shù)較高的時空網(wǎng)絡呈現(xiàn)網(wǎng)狀結構，除核心區(qū)域(或城市)外，各個區(qū)域(或城市)間存在交叉縱橫鏈接，信息流通速度相對較快，流通效率相對較高。

因此，對于上述兩種網(wǎng)絡結構來說，核心區(qū)域(或城市)都具有較大的信息控制權，是在緊急情況下進行的社交網(wǎng)絡輿情管控的重要節(jié)點。應該最大限度地發(fā)揮其在輿情中的風向標作用，通過對核心區(qū)域(或城市)的干預和引導，把握網(wǎng)絡輿情引導主動權和話語權，并及時、主動地占領網(wǎng)絡輿論的主陣地和優(yōu)勢高地，進而實現(xiàn)對全區(qū)域范圍內(nèi)其他區(qū)域(或城市)的網(wǎng)絡引導，消解其他區(qū)域(或城市)在輿情發(fā)展中存在的噪音和雜音，及時排解輿情風險隱患。此外，當網(wǎng)絡結構相對較為復雜時，還應當注重不同核心區(qū)域(或城市)之間的合作與協(xié)同，從以點帶面到整體推進，進而全面提升突發(fā)公共事件的網(wǎng)絡輿情治理能力與水平。

4.4 時空關鍵區(qū)域分析

從該突發(fā)公共事件網(wǎng)絡輿情的局部聚類系數(shù)結果來看，在社交網(wǎng)絡輿情的時空網(wǎng)絡結構中存在局部聚類系數(shù)較低的結構孔城市，與其他城市連接相對良好，在時空網(wǎng)絡中充當著“信息橋梁”的角色。此類節(jié)點作為時空網(wǎng)絡中的關鍵城市，能夠促進輿情信息的流動和共享，并且能夠干預和控制其他區(qū)域(或城市)之間的通信和傳播，在輿情事件的時空擴散和演化中具有較強的關系優(yōu)勢。同時，也存在局部聚類系數(shù)為0的城市，這類城市的相鄰節(jié)點都只與這一節(jié)點相連，但彼此之間互不相連，其周圍的網(wǎng)絡結構較為簡單。

因此，針對該類網(wǎng)絡輿情進行管控和治理時，關鍵區(qū)域(或城市)作為重要的監(jiān)管節(jié)點，需要對其輿論導向進行準確識別、定向培育和積極引導，并且完善其社交網(wǎng)絡輿情中的民意觀察和分析機制，才能最大限度地發(fā)揮其在輿論引導中的領導和正面優(yōu)勢，從而快速、及時地調(diào)動關鍵區(qū)域(或城市)中的意見領袖進行正確的輿論疏導，營造正向情感和觀點，實現(xiàn)輿情信息的正向流轉。局部聚類系數(shù)為0的區(qū)域(或城市)由于周圍的網(wǎng)絡結構相對簡單，其管控和治理則相對容易。

5 研究結論

本文提出突發(fā)公共事件網(wǎng)絡輿情時空演化分析模型和算法，將空間自相關、時空網(wǎng)絡圖算法與輿情分析相結合，對突發(fā)公共事件網(wǎng)絡輿情的時空演化特征中的時空總體分布、時空聚集類型進行分析；通過社交網(wǎng)絡輿情中的網(wǎng)絡結構和關鍵城市(或區(qū)域)的平均聚類系數(shù)與局部聚類系數(shù)，呈現(xiàn)網(wǎng)絡輿情時空演化規(guī)律。本文在理論層面，通過空間自相關分析確定了突發(fā)公共事件社交網(wǎng)絡輿情的時空總體分布與聚集類型；利用圖算法中的平均聚類系數(shù)對時空網(wǎng)絡結構進行了分析，局部聚類系數(shù)確定了時空網(wǎng)絡中的關鍵區(qū)域(或城市)，從而進一步豐富了網(wǎng)絡輿情研究的理論和方法體系。實踐層面，結合新浪微博“日本核廢水排海”事件下的時空數(shù)據(jù)進行實證分析，發(fā)現(xiàn)突發(fā)公共事件網(wǎng)絡輿情的時空聚集效應，重點經(jīng)濟發(fā)達地區(qū)作為空間熱點區(qū)域在輿情中的高價值屬性，以及不同的時空網(wǎng)絡結構中，核心和橋梁城市在輿情時空演化中的引導和中介作用。最后，根據(jù)以上輿情時空特征和規(guī)律提出了相應的策略，為突發(fā)公共事件網(wǎng)絡輿情的管控與治理提供了實踐參考。

本文的研究仍存在一定的局限性。本文僅以微博平臺中的單一輿情事件作為數(shù)據(jù)來源，所得出的研究結論具有一定的局限性。在后續(xù)的研究中，將關注多種網(wǎng)絡平臺輿情的對比分析，以期為國家輿情治理體系的豐富和完善提供更多有意義的參考。另外，時空分析僅限于國內(nèi)，未對國外地區(qū)進行探究，在后續(xù)的研究中，將考慮國內(nèi)外輿情時空分布的對比，豐富和深化輿情時空規(guī)律。