情感與主題協(xié)同分析的突發(fā)事件輿情圖譜構(gòu)建

代婧琦,趙 曄,李宗敏

(1.中國(guó)民用航空飛行學(xué)院 經(jīng)濟(jì)與管理學(xué)院,四川 廣漢 618300;2.四川大學(xué) 商學(xué)院,四川 成都 610065)

當(dāng)前,世界百年未有之大變局加速演變,重大突發(fā)事件頻發(fā),國(guó)際國(guó)內(nèi)形勢(shì)嚴(yán)峻復(fù)雜,嚴(yán)重威脅著我國(guó)公共安全。新型社交網(wǎng)絡(luò)平臺(tái)的出現(xiàn),顛覆了傳統(tǒng)的輿情傳播模式,突顯出極強(qiáng)的互動(dòng)性和即時(shí)性,成為當(dāng)前受眾最廣、用戶量最大的信息發(fā)布平臺(tái)和獲取渠道。其中,新浪微博是目前影響力最為廣泛的網(wǎng)絡(luò)社交媒體之一。2019年10月,黨的十九屆四中全會(huì)把輿論引導(dǎo)納入國(guó)家治理體系和治理能力建設(shè)總體格局。如何科學(xué)應(yīng)對(duì)和處理重大突發(fā)事件網(wǎng)絡(luò)輿情,已成為總體國(guó)家安全觀下亟待研究的關(guān)鍵問題。

近年來,重大突發(fā)事件輿情研究受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。關(guān)于用戶情感分類的研究,主要集中于基于情感詞典的無監(jiān)督方法和采用機(jī)器學(xué)習(xí)及深度學(xué)習(xí)的有監(jiān)督方法兩大類。在情感詞典方面,國(guó)外較為成熟的情感詞典主要有General Inquirer[1]和SentiWordNet[2]兩種。國(guó)內(nèi)常用的則有知網(wǎng)HowNet情感詞典[3]、大連理工大學(xué)情感詞典[4]和臺(tái)灣大學(xué)NTUSD簡(jiǎn)體中文情感詞典[5]等。對(duì)文本內(nèi)容情感進(jìn)行分析常采用的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法,主要有長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)模型(LSTM)[6]、雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)模型(Bi-LSTM)[7]、樸素貝葉斯分類器[8]、支持向量機(jī)(SVM)[9]等。

此外,學(xué)者還主要關(guān)注了重大突發(fā)事件網(wǎng)絡(luò)輿情的生命周期劃分。目前學(xué)界對(duì)突發(fā)事件網(wǎng)絡(luò)輿情的階段劃分沒有統(tǒng)一定論,但較為常見的是輿情傳播三階段[10]、四階段[11]、五階段[12]和六階段模型[13]。輿情傳播階段的劃分對(duì)于深入挖掘輿情傳播中的有效信息有積極作用,大多學(xué)者對(duì)于輿情傳播周期的劃分都是基于生命周期理論展開的,而針對(duì)空難事件的輿情周期劃分研究較少,一般以三階段法進(jìn)行劃分[14]。

隨著信息技術(shù)的不斷發(fā)展,數(shù)據(jù)可視化逐漸引起學(xué)者的關(guān)注,而輿情圖譜構(gòu)建在重大突發(fā)事件網(wǎng)絡(luò)輿情研究中也得到了一定的關(guān)注。其中,將特定領(lǐng)域的知識(shí)圖譜用于復(fù)雜問題分析與決策場(chǎng)景,在自然語言處理、預(yù)測(cè)分析、問題識(shí)別等領(lǐng)域取得了一定的效果。而情感演化圖譜是在社會(huì)網(wǎng)絡(luò)分析的基礎(chǔ)上加入情感計(jì)算得到情感動(dòng)態(tài)變化的分布圖,可以用于分析輿情事件群體情感分布和傳播演化規(guī)律。國(guó)外學(xué)者利用情感演化圖譜進(jìn)行情緒預(yù)測(cè)[15]、情感時(shí)序演變規(guī)律探究[16]、社會(huì)網(wǎng)絡(luò)特征分析[17]等。國(guó)內(nèi)學(xué)者主要集中于對(duì)傳播主體[18]和傳播路徑的時(shí)空演化規(guī)律研究[19]等方面。總之,通過輿情圖譜構(gòu)建,可以描述重大突發(fā)事件輿情發(fā)展的當(dāng)前狀態(tài),探究輿情傳播與演變的內(nèi)在動(dòng)因,為預(yù)測(cè)其輿情的未來發(fā)展趨勢(shì)提供參考。

2022年3月21日,中國(guó)東方航空集團(tuán)有限公司一架航班代號(hào)為MU5735的客機(jī)在執(zhí)行“昆明-廣州”航班任務(wù)時(shí),于梧州上空失聯(lián)。隨后中國(guó)民用航空局發(fā)出公告,確認(rèn)該飛機(jī)墜毀。隨后一周內(nèi),關(guān)于MU5735的熱搜話題引發(fā)公眾激烈討論,導(dǎo)致相關(guān)輿情快速傳播。新浪微博龐大的用戶數(shù)量、開放的討論空間使得空難事件輿論演化更加錯(cuò)綜復(fù)雜,網(wǎng)民情緒也隨著熱搜話題和時(shí)間推進(jìn)而波動(dòng)變化,為重大突發(fā)事件輿情管理增加了難度。因此,以“東航MU5735墜機(jī)事件”為例,探究重大突發(fā)事件輿情演化規(guī)律和網(wǎng)民情感變化情況,分析基于情感與主題的時(shí)空動(dòng)態(tài)演化差異,構(gòu)建重大突發(fā)事件輿情圖譜,進(jìn)而全面還原事件發(fā)展態(tài)勢(shì)和公眾情感認(rèn)知變化,以期為政府相關(guān)部門制定輿情引導(dǎo)措施提供理論依據(jù)和實(shí)踐參考。

1 情感與主題動(dòng)態(tài)協(xié)同分析方法

1.1 重大突發(fā)事件情感詞典構(gòu)建

為了對(duì)重大突發(fā)事件輿情情感與主題進(jìn)行動(dòng)態(tài)協(xié)同分析,首先需要構(gòu)建其情感詞典。自然語言處理是計(jì)算機(jī)科學(xué)、信息工程和人工智能的一個(gè)子領(lǐng)域,通過計(jì)算機(jī)進(jìn)行編程以處理和分析大量人類(自然)語言數(shù)據(jù)。SnowNLP是基于Python的情感分析技術(shù),可用于量化評(píng)論的情感積極性,通常將情感傾向量化為0～1 之間的值,也可以視為概率。該值越高,說明微博情緒為正或熱門評(píng)論為積極的可能性越高。調(diào)用Python中的SnowNLP對(duì)案例數(shù)據(jù)進(jìn)行情感積極性分析,分析結(jié)果示例如表1所示。SnowNLP的情感分析結(jié)果為后續(xù)情感類型的細(xì)致劃分和情感詞典的構(gòu)建提供了分類基礎(chǔ)。

表1 情感分析結(jié)果示例

根據(jù)情感分析結(jié)果,通過基準(zhǔn)情感詞典、災(zāi)難事件詞典和特征領(lǐng)域詞典3種詞典的挖掘與融合,形成針對(duì)“東航MU5735墜機(jī)事件”的重大突發(fā)事件情感詞典。

1.1.1 基準(zhǔn)情感詞典

通過對(duì)比分析知網(wǎng)HowNet情感詞典、大連理工大學(xué)情感詞典和臺(tái)灣大學(xué)NTUSD簡(jiǎn)體中文情感詞典3種目前較常見的中文情感詞典,發(fā)現(xiàn)大連理工大學(xué)的情感詞匯本體庫分類較為細(xì)致,詞匯量豐富,故選擇其作為探究重大突發(fā)事件情感詞典的基準(zhǔn)情感詞典。該詞典對(duì)詞匯的情感類型進(jìn)行了細(xì)致劃分,共分為7大類、21小類。7個(gè)情感大類包括樂、好、怒、哀、懼、惡、驚,而21個(gè)情感小類分類比較細(xì)致,可在大連理工大學(xué)情感詞匯本體庫中直接查詢。

1.1.2 災(zāi)難事件詞典

“東航MU5735墜機(jī)事件”作為災(zāi)難事件的一種,具備災(zāi)難事件的諸多共性。因此,在基準(zhǔn)情感詞典的基礎(chǔ)上,通過分析案例數(shù)據(jù)中提取的災(zāi)難事件相關(guān)情感詞匯并參考基準(zhǔn)詞典的分類方法,對(duì)情感詞典進(jìn)行擴(kuò)充,示例如表2所示。其中,按照《情感詞匯本體的構(gòu)造》所述,情感強(qiáng)度按由小到大分為1、3、5、7、9這5檔。同時(shí),每個(gè)詞對(duì)應(yīng)一個(gè)極性,0代表中性,1代表褒義,2代表貶義,3代表兼有褒貶兩性。

表2 災(zāi)難事件詞典示例

1.1.3 特征領(lǐng)域詞典

為更加全面地反映“東航MU5735墜機(jī)事件”網(wǎng)絡(luò)輿情的網(wǎng)民情感特征,還需進(jìn)行特征領(lǐng)域詞典挖掘。具體操作步驟為:①對(duì)該事件待分析的微博文本進(jìn)行分詞、篩選、統(tǒng)計(jì);②提取基準(zhǔn)情感詞典和災(zāi)難詞典中缺少的詞匯,并補(bǔ)充到其中;③對(duì)最新收錄的詞匯進(jìn)行情感的人工標(biāo)注,完善特征領(lǐng)域情感詞典。

通過“東航MU5735墜機(jī)事件”不同輿情階段微博熱搜話題及評(píng)論的分詞與詞頻統(tǒng)計(jì),共得到482個(gè)高頻詞匯。篩選出高頻詞匯中的情感詞,再將這些高頻詞匯與前兩個(gè)詞典進(jìn)行對(duì)比,篩選出未被收錄的特征領(lǐng)域情感詞匯,最終共提取出231個(gè)擴(kuò)展情感詞匯。特征領(lǐng)域詞典示例如表3所示。

表3 “東航MU5735墜機(jī)事件”特征領(lǐng)域詞典示例

綜上,在大連理工大學(xué)基準(zhǔn)情感詞典的基礎(chǔ)上,針對(duì)災(zāi)難事件進(jìn)行情感詞典擴(kuò)充,并結(jié)合特征領(lǐng)域詞典,進(jìn)而形成基于特定領(lǐng)域的災(zāi)難事件情感詞典。

1.2 主題文本挖掘方法

最常見的主題文本挖掘方法是LDA(latent dirichlet allocation)主題模型[20]。LDA是機(jī)器學(xué)習(xí)中的生成模型,主要用于研究文檔主題的產(chǎn)生過程,包含文檔、主題和詞匯3層結(jié)構(gòu),被稱為3層貝葉斯概率模型。采用基于Relevance公式的LDA主題模型對(duì)主題文本進(jìn)行分類,主要操作步驟為:①在Dirichlet(α)的分布中生成針對(duì)某一文檔m的主題分布θm,然后生成文檔m中的每個(gè)文字,根據(jù)θm對(duì)第n個(gè)字分配其所在詞的一個(gè)主題Z(m,n);②在Dirichlet(β)的分布中生成K個(gè)主題-文字分布φk,選擇編號(hào)為Z(m,n)的主題-文字分布φZ(m,n),并根據(jù)這個(gè)分布生成文字W(m,n)。Relevance公式為:

(1)

在LDA主題數(shù)量的選擇中,文獻(xiàn)[20]根據(jù)困惑度(Perplexity)確定主題數(shù)量。困惑度是指在文本分析中訓(xùn)練出的模型識(shí)別某些文檔所屬主題的不確定性,其計(jì)算方法如式(2)所示。因此,困惑度數(shù)值越低,不確定性越小,則聚類結(jié)果越好。一致性(Coherence)則是衡量的是每個(gè)主題下出現(xiàn)的高頻詞在語義上是否保持一致,其計(jì)算方法如式(3)所示[21]。因此,一致性數(shù)值越大,主題分類效果越好。

(2)

(3)

1.3 輿情圖譜構(gòu)建方法

知識(shí)圖譜是一種描述現(xiàn)實(shí)世界中各種概念及其相互關(guān)系的結(jié)構(gòu)化語義知識(shí)庫,其本質(zhì)上是一種關(guān)系網(wǎng)絡(luò),可以將“實(shí)體-關(guān)系-實(shí)體”和“實(shí)體-屬性-屬性值”這兩種基本組成單元的知識(shí)轉(zhuǎn)化為圖結(jié)構(gòu),并通過將不同種類信息集結(jié)在一起形成的關(guān)系網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)現(xiàn)實(shí)世界結(jié)構(gòu)化語義的描述。而情景圖譜主要用數(shù)據(jù)描述事件和事件對(duì)象的狀態(tài)與特征,用事件之間的關(guān)系描述事件潛在的演變路徑,用事件對(duì)象的特征和事件本身所處的環(huán)境特征來展示演變路徑。參考張海濤等[22]對(duì)重大突發(fā)事件情景圖譜構(gòu)建的方法,構(gòu)建“東航MU5735墜機(jī)事件”的輿情圖譜,構(gòu)建流程如圖1所示。

圖1 重大突發(fā)事件輿情圖譜構(gòu)建流程

2 數(shù)據(jù)采集及處理

2.1 數(shù)據(jù)采集及預(yù)處理

“東航MU5735墜機(jī)事件”百度指數(shù)熱度走勢(shì)及輿情生命周期劃分如圖2所示,可以看出2022年3月21日至3月31日事件熱度波動(dòng)最明顯,因此選取該時(shí)間段作為研究時(shí)段。

圖2 “東航MU5735墜機(jī)事件”百度指數(shù)熱度走勢(shì)及輿情生命周期劃分圖

采用Python軟件網(wǎng)絡(luò)爬蟲技術(shù)對(duì)新浪微博中的海量情感文本進(jìn)行爬取,主要包括話題內(nèi)容、發(fā)布時(shí)間、閱讀次數(shù)、討論次數(shù)、主持人用戶昵稱、微博原文、評(píng)論內(nèi)容等。通過數(shù)據(jù)檢索,共獲取335條熱搜話題,剔除重復(fù)與不實(shí)熱搜,剩余210條,涉及數(shù)據(jù)共計(jì)103 192條。將微博原文、發(fā)表時(shí)間、用戶評(píng)論等以結(jié)構(gòu)化形式保存在電子表格中,對(duì)缺失數(shù)據(jù)、無關(guān)數(shù)據(jù)和異常數(shù)據(jù)進(jìn)行刪除處理,再將清洗后的數(shù)據(jù)以CSV格式儲(chǔ)存。

2.2 輿情周期劃分

結(jié)合百度指數(shù)熱度趨勢(shì)和現(xiàn)有對(duì)空難事件周期劃分的研究,將“東航MU5735墜機(jī)事件”輿情生命周期主要?jiǎng)澐譃?個(gè)階段:①2022年3月21日,央視新聞官方微博發(fā)布消息,東方航空公司MU5735航班執(zhí)行昆明-廣州任務(wù)時(shí),在廣西梧州市上空失聯(lián)并墜毀,機(jī)上共有123名乘客和9名機(jī)組人員。該消息發(fā)出后,立刻在微博平臺(tái)引起了廣泛的關(guān)注,使得該事件熱度迅速達(dá)到頂峰,標(biāo)志著輿情進(jìn)入了爆發(fā)期。②3月23日,第一部黑匣子被找到,為駕駛艙語音記錄器,事件熱度呈逐漸下降趨勢(shì),但保持了較高討論度,標(biāo)志著輿情進(jìn)入蔓延期。③3月27日,第二部黑匣子被找到,話題討論轉(zhuǎn)移到飛機(jī)失事原因調(diào)查及東航集團(tuán)的賠付工作等內(nèi)容,事件熱度趨勢(shì)進(jìn)一步下降并趨于平穩(wěn),也標(biāo)志著輿情進(jìn)入衰退期。

2.3 輿情主題分類

困惑度和一致性與主題數(shù)的關(guān)系曲線如圖3所示,可知困惑度在主題數(shù)為4時(shí)數(shù)值最低,一致性在主題數(shù)為4時(shí)數(shù)值最大,因此取主題數(shù)K=4。借鑒QU等[23]的方法,將“東航MU5735墜機(jī)事件”輿情周期內(nèi)相關(guān)熱搜話題劃分為信息類、行動(dòng)類、意見類和情感類4類主題。信息類主要是關(guān)于事件進(jìn)展的情況通報(bào),如MU5735墜機(jī)詳細(xì)過程;行動(dòng)類主要是關(guān)于發(fā)布救援行動(dòng)相關(guān)的內(nèi)容、公布行動(dòng)開展情況,如民航局應(yīng)急機(jī)制啟動(dòng);意見類是針對(duì)事件相關(guān)內(nèi)容表達(dá)主體意見和進(jìn)行知識(shí)普及,如飛機(jī)黑匣子能記錄哪些信息;情感類則是涉及主流媒體引導(dǎo)公眾進(jìn)行情感表達(dá)的相關(guān)話題,如為MU5735遇難者默哀。通過熱搜話題主題分類,得到信息類主題97條、行動(dòng)類主題47條、情感類出題35條和意見類主題31條。

圖3 困惑度和一致性與主題數(shù)關(guān)系曲線

對(duì)輿情周期內(nèi)各類話題在不同時(shí)間出現(xiàn)的頻次和累計(jì)頻次進(jìn)行統(tǒng)計(jì),具體結(jié)果如圖4所示,可以看出“東航MU5735墜機(jī)事件”相關(guān)討論話題的主題類型在輿情周期的不同階段具有不同的傾向性,并且不同類型話題數(shù)總量也存在差異。

圖4 輿情主題在輿情周期內(nèi)的分布情況

3 數(shù)據(jù)結(jié)果分析

3.1 輿情周期內(nèi)情感分布

根據(jù)“東航MU5735墜機(jī)事件”輿情發(fā)展特征對(duì)輿情周期進(jìn)行劃分,發(fā)現(xiàn)該輿情事件由爆發(fā)期、蔓延期和衰退期3個(gè)階段組成。將清洗后的文本和評(píng)論數(shù)據(jù)放入構(gòu)建的特定突發(fā)事件情感詞典中進(jìn)行情感識(shí)別,得到輿情周期內(nèi)各階段情感分布情況,如圖5所示。

圖5 輿情周期內(nèi)各階段情感分布

從圖5可以看出,在“東航MU5735墜機(jī)事件”的輿情發(fā)展周期內(nèi),網(wǎng)民情感分布隨輿情階段演進(jìn)而不斷變化。爆發(fā)期的輿情情感較為復(fù)雜,各類情感分布差異不是特別明顯。排名前三的情感分別為“好(31%)”、“哀(25%)”和“驚(21%)”,三者共占情感分布的77%。進(jìn)一步對(duì)該階段情感進(jìn)行細(xì)化分類,“好”的情感主要包括了贊揚(yáng)、祝福和相信,結(jié)合詞典內(nèi)容分析,展現(xiàn)出網(wǎng)民在該階段對(duì)相關(guān)報(bào)道表現(xiàn)出極大的關(guān)心,以及對(duì)旅客生還的祈禱和祝福?！鞍А睂?duì)應(yīng)的情感包括了悲傷、思和失望,其中悲傷情感占“哀”類情感的80%,說明網(wǎng)民在獲取“東航墜機(jī)”相關(guān)新聞消息后主要表現(xiàn)出對(duì)這一事件的悲傷與惋惜。“驚”的部分全部表現(xiàn)為“驚訝”,是發(fā)生空難事件后輿情爆發(fā)期較為常見的情感傾向,因?yàn)樵撾A段網(wǎng)民對(duì)此類重大突發(fā)事件的發(fā)生會(huì)產(chǎn)生驚訝、不相信等情緒。

蔓延期的輿情情感分布較爆發(fā)期發(fā)生了一定變化,盡管“好”、“哀”和“驚”依舊占據(jù)了前三類情感,但是占比卻不相同?！昂谩钡恼急扔兴仙?變?yōu)?9%;“哀”進(jìn)一步增多到31%;而“哀”的情感在本階段有所下降,變?yōu)?2%。在每種情感傾向的細(xì)分領(lǐng)域,各種情緒的占比也產(chǎn)生了變化。結(jié)合話題類型的分類結(jié)果分析,該階段信息類和行動(dòng)類話題較多,網(wǎng)民情緒表現(xiàn)為對(duì)救援行動(dòng)的贊揚(yáng)與相信。而隨著官方宣布?jí)嫏C(jī)事件無人生還等信息的發(fā)布,網(wǎng)民“哀”類情感主要表現(xiàn)為悲傷情緒和對(duì)逝者的思念。此外,對(duì)于其他類型的情感,如“怒”“懼”“惡”等,在本階段均有體現(xiàn),展示出網(wǎng)民情感分布的多樣化。

衰退期的輿情情感分布則主要以“哀”為主,占所有情感的47%,表明網(wǎng)民已經(jīng)基本接受無人生還的事實(shí),多表達(dá)為對(duì)該事件的悲傷情緒。情感“好”在衰退期依舊保持了較高的占比,多是因?yàn)榫W(wǎng)民對(duì)官方行動(dòng)和發(fā)布信息較為肯定而產(chǎn)生的情緒。而“怒”的情感主要包括了“急切(6%)”、“質(zhì)詢(2%)”和“憤怒(1%)”,在3個(gè)階段中占比最高。結(jié)合文本內(nèi)容分析,主要原因包括了網(wǎng)民對(duì)事件進(jìn)展情況公布的急切期盼,對(duì)墜機(jī)原因的質(zhì)詢和對(duì)相關(guān)負(fù)面輿情的憤怒情感。此外,情感“驚”“懼”“惡”“樂”共占全部情感分布的13%,總體上較少。值得一提的是,“樂”的情感占比由爆發(fā)期和蔓延期的1%上升到該階段的2%,主要表現(xiàn)為“安心”這一情緒,可能是因?yàn)榫W(wǎng)民對(duì)搜救行動(dòng)、信息發(fā)布而感到踏實(shí)、信任的感受。

總結(jié)來說,該事件輿情周期內(nèi)的情感分布在不同階段會(huì)有所不同。情感“好”在輿情周期內(nèi)先升后降,情感“哀”從爆發(fā)期到蔓延期再到衰退期逐漸增加,而“驚”“懼”“惡”的情感分布隨著輿情周期演進(jìn)逐漸降低?？傊?該重大突發(fā)事件在其輿情周期內(nèi)的情感分布較為復(fù)雜,展現(xiàn)出網(wǎng)民對(duì)事件本身和相關(guān)救援行動(dòng)的不同情感表達(dá)。

3.2 輿情周期內(nèi)主題-情感分布

對(duì)重大突發(fā)事件輿情主題與情感進(jìn)行協(xié)同動(dòng)態(tài)分析,需要進(jìn)一步梳理不同類型話題主題與情感分布情況。將4種類型話題所對(duì)應(yīng)的文本和評(píng)論數(shù)據(jù)輸入構(gòu)建的特定突發(fā)事件情感詞典中進(jìn)行匹配與分析,結(jié)果如圖6所示。

圖6 輿情周期內(nèi)各類主題情感分布

從圖6可以看出,4類主題對(duì)應(yīng)的網(wǎng)民情感表現(xiàn)具有較大差異。①信息類話題主要關(guān)注“東航MU5735墜機(jī)事件”相關(guān)信息發(fā)布,是較為客觀的事件進(jìn)展報(bào)道、實(shí)況轉(zhuǎn)播、內(nèi)容呈現(xiàn)等。該類型話題網(wǎng)民情感主要以“哀”和“怒”為主,分別占47%和34%。這說明針對(duì)信息類話題,網(wǎng)民主要表現(xiàn)出對(duì)發(fā)生該事件的悲傷情緒和對(duì)事件進(jìn)展的急切關(guān)注。由于信息類話題多是事件信息的客觀報(bào)道,其他幾種情緒占比相對(duì)較少。②行動(dòng)類話題主要發(fā)布與該事件救援行動(dòng)相關(guān)的內(nèi)容,向公眾及時(shí)公布行動(dòng)進(jìn)展情況。此類話題情感中,“好”“哀”“驚”分別占43%、33%、11%,三者共占所有情感的87%,是行動(dòng)類話題的主要情感分布。其中,網(wǎng)民在情感“好”中主要表現(xiàn)出“贊揚(yáng)”“祝愿”“相信”等情緒,表達(dá)了社會(huì)公眾對(duì)救援行動(dòng)的正面肯定。③意見類話題則是針對(duì)事件相關(guān)內(nèi)容表達(dá)主體意見和進(jìn)行知識(shí)普及。此類話題具有客觀性和科普性,情感分布也相對(duì)均勻。“哀”“怒”“驚”“好”4種情感占比均在20%左右,整體呈現(xiàn)出多樣性分布。在網(wǎng)民情感的二級(jí)分類中,主要是“驚嚇”和“悲傷”,呈現(xiàn)出網(wǎng)民對(duì)該類話題內(nèi)容的負(fù)面情感。④情感類話題主要涉及對(duì)該事件中遇難者的哀悼、對(duì)遇難者家屬的尊重、對(duì)相關(guān)行為的呼吁等,是主流媒體引導(dǎo)公眾進(jìn)行情感表達(dá)的相關(guān)話題。該類型主題的情感主要為“哀”“好”“怒”,分別占45%、31%、10%。網(wǎng)民情感以悲傷為主,與文本內(nèi)容中“遇難者”“哀悼”等關(guān)鍵詞對(duì)應(yīng)起來。

總體而言,“哀”在各主題類型中的占比均較高,說明網(wǎng)民對(duì)該事件的情感主要是負(fù)面的“哀”。積極高效的救援行動(dòng)得到了網(wǎng)民的肯定,表現(xiàn)為“好”的情感在行動(dòng)類話題中占比最高。而信息類話題中,情感“怒”相對(duì)于其他幾種話題類型占比更高,可能是發(fā)布的信息內(nèi)容更易引起網(wǎng)民急切情緒的表達(dá)?！绑@”“怒”“惡”“樂”總體分布較少,與前述輿情周期內(nèi)情感總體分布情況一致。

3.3 基于情感-主題動(dòng)態(tài)協(xié)同分析的輿情圖譜構(gòu)建

該輿情圖譜展示了“東航MU5735墜機(jī)事件”發(fā)生后,4類輿情話題(事件)、各類話題的情感分布(屬性和屬性值)、各類話題的發(fā)布主體(事件的參與對(duì)象)、各類話題在不同輿情時(shí)期的數(shù)量占比(事件所處的環(huán)境)之間的聯(lián)系。通過輿情圖譜,既可以對(duì)事件的狀態(tài)、事件參與對(duì)象的特征和事件所處環(huán)境特征進(jìn)行清晰描述和可視化表達(dá),又可以依賴于事件對(duì)象特征和事件環(huán)境特征反映該事件輿情的發(fā)展趨勢(shì),進(jìn)而幫助分析重大突發(fā)事件輿情可能的演變路徑?；谇楦?主題動(dòng)態(tài)協(xié)同分析,構(gòu)建“東航MU5735墜機(jī)事件”輿情圖譜,如圖7所示。

從圖7可以看出,“東航MU5735墜機(jī)事件”輿情包括了信息類、行動(dòng)類、意見類和情感類4種話題。事件的參與對(duì)象主要是人民日?qǐng)?bào)、央視新聞、中國(guó)新聞網(wǎng)、新華社等主流媒體,圖中也展示了各參與對(duì)象在該事件中的參與頻次。事件的屬性和屬性值反映出各類型輿情主題與情感之間的分布關(guān)系及發(fā)展趨勢(shì),借助顏色由深到淺反映此類情感在不同主題中的占比大小,可進(jìn)一步分析不同情感在不同主題的分布情況。而事件所處的環(huán)境也表征了各類話題數(shù)量在輿情所處不同時(shí)期的占比情況及發(fā)展動(dòng)態(tài)。

4 討論與分析

4.1 不同周期-情感分布的輿情引導(dǎo)

前述結(jié)果表明,該事件的輿情發(fā)展過程呈現(xiàn)出典型的三階段分布,即爆發(fā)期、蔓延期和衰退期。網(wǎng)民的情感主要伴隨主流媒體發(fā)布的相關(guān)新聞報(bào)道而產(chǎn)生變化,并在某些關(guān)鍵節(jié)點(diǎn)引發(fā)群眾情感共鳴。

基于特定突發(fā)事件輿情演進(jìn)生命周期的情感挖掘結(jié)果,并結(jié)合輿情傳播特征和主題演化,輿情管理相關(guān)部門及主流媒體可以在不同周期對(duì)網(wǎng)民情緒進(jìn)行合理引導(dǎo)。首先,針對(duì)重大突發(fā)事件輿情特征,相關(guān)部門及媒體應(yīng)及時(shí)確定輿情引導(dǎo)的關(guān)鍵節(jié)點(diǎn),進(jìn)而在關(guān)鍵節(jié)點(diǎn)之前適當(dāng)介入,通過輿情監(jiān)測(cè)、新聞報(bào)道、公開辟謠等手段抑制網(wǎng)民負(fù)面情緒的大規(guī)模蔓延。其次,關(guān)注輿情演化周期內(nèi)引發(fā)公眾情感轉(zhuǎn)變的關(guān)鍵事件,對(duì)其產(chǎn)生原因、事件類型等進(jìn)行分析,及時(shí)予以輿情引導(dǎo)或給出相應(yīng)對(duì)策,防止輿情事件導(dǎo)致的公眾情緒失控。最后,還應(yīng)重視輿情周期內(nèi)情感發(fā)展的關(guān)鍵趨勢(shì),關(guān)注輿情發(fā)展周期的情感演化,針對(duì)輿情發(fā)展過程中可能出現(xiàn)的情感走勢(shì)進(jìn)行預(yù)判并給出解決預(yù)案。

4.2 不同主題-情感分布的輿情疏導(dǎo)

前述結(jié)果表明,在“東航MU5735墜機(jī)事件”的輿情主題-情感分布中,“哀”在各主題類型中的占比都較高;“好”在行動(dòng)類話題中的占比最高;在信息類話題中,“怒” 的占比要比其他幾種話題類型高;而意見類話題情感分布則相對(duì)較為均勻。

輿情監(jiān)管相關(guān)部門和主流媒體應(yīng)根據(jù)不同輿情主題類型做出有針對(duì)性的、及時(shí)的、高效的輿情疏導(dǎo)。針對(duì)信息類主題,應(yīng)按照信息發(fā)布的真實(shí)與公開原則,及時(shí)更新事件進(jìn)展,對(duì)引發(fā)不良輿情的事件做出回應(yīng)與補(bǔ)救措施,對(duì)網(wǎng)民負(fù)面情感進(jìn)行疏導(dǎo)。針對(duì)行動(dòng)類主題,建議相關(guān)部門在重大突發(fā)事件發(fā)生后及時(shí)發(fā)布應(yīng)急舉措與方案,通過高效的應(yīng)急行動(dòng)安撫公眾情緒,同時(shí)對(duì)已發(fā)生的輿情事件進(jìn)行行動(dòng)上的補(bǔ)救,安撫網(wǎng)民情緒。針對(duì)意見類主題,應(yīng)對(duì)相關(guān)輿情做出及時(shí)回應(yīng),通過召開新聞發(fā)布會(huì)等予以意見回復(fù),響應(yīng)公眾訴求。針對(duì)情感類主題,對(duì)引發(fā)網(wǎng)民負(fù)面情感的相關(guān)話題進(jìn)行轉(zhuǎn)化引導(dǎo),實(shí)現(xiàn)情感疏導(dǎo);對(duì)積極情感反饋進(jìn)行推廣,增強(qiáng)網(wǎng)民信心。

4.3 不同情感-主題演化圖譜的輿情監(jiān)管

從“東航MU5735墜機(jī)事件”的輿情圖譜可以看到,事件的參與對(duì)象,即主流媒體,在每類主題中的參與程度都不相同,主題本身所關(guān)聯(lián)的情感分布也并不相同。而事件所處環(huán)境(即輿情周期)中各類話題的數(shù)量分布也呈現(xiàn)出不同特征。

在厘清輿情事件、事件參與對(duì)象、事件的屬性及屬性值、事件所處環(huán)境四者之間關(guān)系的基礎(chǔ)上,可以分析不同主題、不同輿情階段和不同網(wǎng)民情感之間的聯(lián)系與發(fā)展趨勢(shì),進(jìn)而從主題與情感兩方面對(duì)重大突發(fā)事件網(wǎng)絡(luò)輿情進(jìn)行監(jiān)管。首先,相關(guān)部門和主流媒體可以借助事件本身豐富重大突發(fā)事件情感詞典,形成相關(guān)輿情危機(jī)處理預(yù)案,謹(jǐn)防此類輿情再次發(fā)生。其次,從輿情圖譜中分析輿情傳播的關(guān)鍵節(jié)點(diǎn)和關(guān)鍵事件,做好網(wǎng)民情感疏導(dǎo)與輿情引導(dǎo)。對(duì)于可能發(fā)生的衍生事件,及時(shí)進(jìn)行干預(yù),避免產(chǎn)生不良輿情和負(fù)面網(wǎng)民情緒。最后,針對(duì)輿情圖譜中負(fù)面情感分布較多的主題類型進(jìn)行重點(diǎn)監(jiān)督與管理,防止因?yàn)橹髁髅襟w的不當(dāng)言論或不實(shí)新聞造成公眾負(fù)面情感的聚集或二次爆發(fā),并對(duì)情感-主題演化實(shí)行動(dòng)態(tài)持續(xù)監(jiān)測(cè),防止輿情二次發(fā)酵。

5 結(jié)論

(1)在理論層面,在大連理工大學(xué)基準(zhǔn)情感詞典的基礎(chǔ)上,創(chuàng)新性地對(duì)災(zāi)難事件特征領(lǐng)域詞典和情感進(jìn)行了擴(kuò)充,形成了特定領(lǐng)域的災(zāi)難事件情感詞典,并借助基于Relevance公式的LDA主題模型對(duì)主題文本進(jìn)行分類,以不同類型話題為事件,用數(shù)據(jù)描述事件對(duì)象的狀態(tài)與特征,用屬性及屬性值描述事件的情感分布狀況,用事件對(duì)象的特征和事件本身所處的環(huán)境特征來展示演變路徑,構(gòu)建了可視化的主題-情感動(dòng)態(tài)協(xié)同分析輿情圖譜。

(2)在實(shí)踐層面,選擇“東航MU5735墜機(jī)事件”進(jìn)行案例分析,發(fā)現(xiàn)該事件輿情情感在不同輿情周期和主題下呈現(xiàn)出復(fù)雜多元化的分布,網(wǎng)民情感在不同輿情周期內(nèi)主要伴隨主流媒體發(fā)布的相關(guān)新聞報(bào)道產(chǎn)生變化,并在某些關(guān)鍵節(jié)點(diǎn)引發(fā)群眾情感共鳴。針對(duì)該事件的不同主題內(nèi)容,網(wǎng)民會(huì)產(chǎn)生正面或負(fù)面兩種截然不同的情緒,但主要集中于“哀”“好”“怒”3種。此外,所構(gòu)建的可視化輿情圖譜可以為輿情監(jiān)管部門和主流媒體對(duì)相關(guān)事件的輿情引導(dǎo)與監(jiān)管提供借鑒。

(3)研究也存在一定的局限性,僅選取“東航MU5735墜機(jī)事件”作為單一案例進(jìn)行分析,缺乏對(duì)類似重大突發(fā)事件的多案例對(duì)比研究;主要選取主流媒體的熱搜話題進(jìn)行數(shù)據(jù)挖掘與分析,未考慮自媒體發(fā)布的相關(guān)話題。在未來的研究中,將結(jié)合多個(gè)話題對(duì)該類型輿情事件進(jìn)行深入挖掘,并考慮采用更加優(yōu)化的情感詞典構(gòu)建方法和主題分類方法,進(jìn)一步驗(yàn)證基于情感與主題動(dòng)態(tài)協(xié)同分析的重大突發(fā)事件輿情圖譜構(gòu)建方法和圖譜結(jié)果。