重大輿情與突發(fā)事件輿論演變與引導(dǎo)機(jī)制研究述評(píng)

摘 要： 全媒體環(huán)境下，重大輿情與突發(fā)事件輿論引導(dǎo)及相應(yīng)的科學(xué)研究問(wèn)題日益凸顯出行為的復(fù)雜性、結(jié)構(gòu)的復(fù)雜性、要素間關(guān)聯(lián)的復(fù)雜性和環(huán)境的復(fù)雜性，向目前的引導(dǎo)研究方法論提出新的挑戰(zhàn)。以Web of Science和中國(guó)知網(wǎng)（China national knowledge infrastructure， CNKI）數(shù)據(jù)庫(kù)為數(shù)據(jù)來(lái)源，圍繞重大輿情與突發(fā)事件本身的分析挖掘、指標(biāo)體系、傳播和演化，以及輿論引導(dǎo)策略的宏觀(guān)政策、態(tài)勢(shì)研判、演化仿真預(yù)測(cè)和應(yīng)急響應(yīng)研究展開(kāi)述評(píng)梳理，最后總結(jié)了重大輿情和突發(fā)事件輿論引導(dǎo)理論方法、研判分析和預(yù)警研究面臨的挑戰(zhàn)和發(fā)展趨勢(shì)，有助于幫助數(shù)智驅(qū)動(dòng)應(yīng)急管理體系和能力建設(shè)發(fā)展中新機(jī)遇和新挑戰(zhàn)方面的落實(shí)。

關(guān)鍵詞： 重大輿情與突發(fā)事件; 輿論演變; 輿論引導(dǎo)機(jī)制; 輿論態(tài)勢(shì)研判

中圖分類(lèi)號(hào)： G 206

文獻(xiàn)標(biāo)志碼： A

DOI：10.12305/j.issn.1001-506X.2024.08.18

Evolution and guidance mechanism of public opinion and

emergencies： a review

GUAN Shuang¹， WANG Changfeng^1，*， YANG Longfei²

（1. School of Economics and Management， Beijing University of Posts and Telecommunications， Beijing 100876， China;

2. School of Intelligent Manufacturing，Nanjing University of Science amp;Technology， Nanjing 210094， China）

Abstract： In the all-media environment， the guidance of public opinion on major public opinions and emergencies and the corresponding scientific research issues increasingly highlights the complexity of behavior， complexity of structure， complexity of relationships between elements， and complexity of the environment. Public opinion guidance research methodologies for incident events pose new challenges. By using the Web of Science and China national knowledge infrastructure （CNKI） databases， this review focuses on the analysis and mining， indicator system， dissemination and evolution of major public opinions and emergencies themselves， as well as the macro-policy， situation analysis， evolution simulation prediction and emergency response research of public opinion guidance strategies. Finally， the challenges and development trends faced by theoretical methods， judgment analysis， and early warning research on major public opinion and emergency public opinion guidance are summarized， which can help promote the implementation of new opportunities and challenges in the development of digital intelligence-driven emergency management systems and capacity building.

Keywords： major public opinion and emergencies; opinion evolution; guidance mechanism; judgment of public opinion situation

0 引 言

在大數(shù)據(jù)時(shí)代浪潮中，媒體技術(shù)飛速發(fā)展并深刻變革，催生出一個(gè)全新的輿論生態(tài)。這一生態(tài)中，全媒體持續(xù)演進(jìn)，呈現(xiàn)出全程、全息、全員、全效的嶄新面貌，信息以前所未有的速度和廣度滲透到社會(huì)每個(gè)角落，幾乎無(wú)處不在、無(wú)所不及、無(wú)人不用^［1］。這種變化催生了輿論和媒體傳播模式的重大改變。特別地，全媒體的發(fā)展以媒介融合為顯著特征，信息傳播不再受限于傳統(tǒng)的時(shí)間和空間框架^［2］，得以更加自由、靈活地流動(dòng)，國(guó)際與國(guó)內(nèi)、線(xiàn)上與線(xiàn)下、現(xiàn)實(shí)與虛擬的邊界逐漸變得模糊，共同構(gòu)建了一個(gè)日益復(fù)雜且多元化的輿論場(chǎng)。然而，這種變革也帶來(lái)了新的挑戰(zhàn)。由于網(wǎng)絡(luò)空間的開(kāi)放自由性，極易導(dǎo)致一些負(fù)面觀(guān)點(diǎn)和理論的產(chǎn)生和蔓延，有效輿情導(dǎo)控成為新的課題^［3］。我國(guó)地域廣闊，經(jīng)濟(jì)發(fā)展快速，矛盾和沖突發(fā)生頻次不斷升高，顯著放大了突發(fā)事件重大輿情的社會(huì)影響^［4］。在這種情況下，政府急需一種更高效的網(wǎng)絡(luò)輿情回應(yīng)與導(dǎo)引的方式方法。

以專(zhuān)家經(jīng)驗(yàn)為決策的單一應(yīng)急管理決策模式已經(jīng)不能適應(yīng)數(shù)據(jù)時(shí)代變化的需求，以情景到應(yīng)對(duì)的管理應(yīng)急模式逐漸占據(jù)主導(dǎo)地位，即通過(guò)大數(shù)據(jù)獲得有價(jià)值的信息數(shù)據(jù)，從而挖掘突發(fā)事件的時(shí)空特征、演化規(guī)律及內(nèi)部機(jī)理，基于此能從整體視角預(yù)測(cè)和研判突發(fā)事件發(fā)展的態(tài)勢(shì)變化。利用大數(shù)據(jù)及人工智能技術(shù)，剖析網(wǎng)絡(luò)輿情演化規(guī)律，構(gòu)建輿情監(jiān)測(cè)體系，營(yíng)造健康發(fā)展的網(wǎng)絡(luò)生態(tài)空間，是國(guó)家現(xiàn)代化治理能力的重要發(fā)展方向^［5］。因此，研究完善重大輿情和突發(fā)事件的輿論引導(dǎo)機(jī)制具有現(xiàn)實(shí)需要和理論研究的緊迫性。近年來(lái)，重點(diǎn)輿情和突發(fā)輿情引導(dǎo)機(jī)制的相關(guān)研究與實(shí)際應(yīng)用逐漸發(fā)展成為新時(shí)代管理領(lǐng)域的研究熱點(diǎn)。

本文采用文獻(xiàn)綜述方法通過(guò)系統(tǒng)性的梳理發(fā)現(xiàn)，當(dāng)前國(guó)內(nèi)外，在關(guān)于重大輿情與突發(fā)事件的理論體系與應(yīng)用方面已經(jīng)積累了大量的研究成果。對(duì)重大輿情與突發(fā)事件本身的分析挖掘、指標(biāo)體系、傳播和演化，以及輿論引導(dǎo)策略的宏觀(guān)政策、態(tài)勢(shì)研判、演化仿真預(yù)測(cè)和應(yīng)急響應(yīng)研究等進(jìn)行歸納與分析，指出現(xiàn)有研究急需應(yīng)對(duì)的挑戰(zhàn)以及需要彌補(bǔ)的缺點(diǎn)，為進(jìn)一步研究突發(fā)事件應(yīng)急管理體系和能力建設(shè)提出可能的改進(jìn)方向。

1 重大輿情和突發(fā)事件演變及輿論引導(dǎo)機(jī)制研究文獻(xiàn)定量分析

本文選擇以Web of Science和中國(guó)知網(wǎng)（China national knowledge infrastructure， CNKI）收錄的期刊論文和會(huì)議論文為文獻(xiàn)來(lái)源，通過(guò)基于標(biāo)題的檢索，獲取了國(guó)內(nèi)外涉及重大輿情和突發(fā)事件演變及輿論引導(dǎo)機(jī)制研究的文獻(xiàn)，研究分析了針對(duì)重大輿情和突發(fā)事件的演變及引導(dǎo)機(jī)制。

1.1 重大輿情和突發(fā)事件研究

目前，國(guó)內(nèi)外學(xué)術(shù)界對(duì)于術(shù)語(yǔ)“突發(fā)事件”概念的定義并未達(dá)成完全一致。國(guó)外學(xué)者通常使用“Emergencies event”“unexpected event”等術(shù)語(yǔ)進(jìn)行描述，但是國(guó)內(nèi)學(xué)者認(rèn)為“emergencies event”多用于描述規(guī)模較小的事件，而“unexpected event”則多用于描述事情發(fā)生的不可預(yù)測(cè)性，這些術(shù)語(yǔ)都不能完全貼合中文語(yǔ)義下“突發(fā)事件”的定義。在國(guó)內(nèi)學(xué)術(shù)領(lǐng)域，突發(fā)事件被定義為突然發(fā)生的，對(duì)公眾的生命健康、財(cái)產(chǎn)安全、社會(huì)穩(wěn)定和公共安全構(gòu)成威脅，甚至可能影響到國(guó)家利益以及全球穩(wěn)態(tài)的公共事件，這些事件要求政府迅速響應(yīng)并采取相應(yīng)的應(yīng)對(duì)策略^［6］。而2007年公布的突發(fā)事件應(yīng)急法相關(guān)文件對(duì)突發(fā)事件的定義進(jìn)行了闡述，認(rèn)為突發(fā)事件是指突然發(fā)生的、可能或已經(jīng)造成嚴(yán)重社會(huì)危害、需要政府及相關(guān)管理部門(mén)采取應(yīng)急處置措施的自然災(zāi)害事件、事故災(zāi)難事件、公共衛(wèi)生事件及社會(huì)安全事件^［7］。盡管?chē)?guó)內(nèi)外學(xué)者對(duì)于突發(fā)事件的理解存在差異，但在內(nèi)涵和性質(zhì)上有相通之處。本文以《中華人民共和國(guó)突發(fā)事件應(yīng)對(duì)法》中對(duì)突發(fā)事件的界定依據(jù)作為參考。

為了全面、系統(tǒng)地了解重大輿情和突發(fā)事件領(lǐng)域的總體發(fā)展與研究現(xiàn)狀，本文首先從定量的角度出發(fā)，通過(guò)對(duì)國(guó)內(nèi)外文獻(xiàn)數(shù)據(jù)庫(kù)進(jìn)行檢索，在對(duì)檢索數(shù)據(jù)進(jìn)行處理的基礎(chǔ)上，從發(fā)文數(shù)量的時(shí)間趨勢(shì)、研究方向的變化和關(guān)鍵詞分布的計(jì)量分析3個(gè)角度出發(fā)，并結(jié)合基于Citespace的關(guān)鍵詞主題的演化，對(duì)本領(lǐng)域進(jìn)行詳細(xì)探究，以揭示其特征和規(guī)律。

1.1.1 相關(guān)文章發(fā)表的時(shí)間分布趨勢(shì)

為了評(píng)估國(guó)內(nèi)外對(duì)重大輿情和突發(fā)事件的研究文獻(xiàn)發(fā)表數(shù)量的時(shí)間分布趨勢(shì)，首先對(duì)經(jīng)過(guò)處理的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)。然后，通過(guò)繪制時(shí)序分析對(duì)比圖，對(duì)國(guó)內(nèi)外文獻(xiàn)的發(fā)文量進(jìn)行比較。國(guó)內(nèi)外文獻(xiàn)的具體對(duì)比情況如圖1和圖2所示。

在所統(tǒng)計(jì)的數(shù)據(jù)庫(kù)中，將“online public opinion”或者“emergency”術(shù)語(yǔ)作為文獻(xiàn)主題的文章共計(jì)4 146篇，最早出現(xiàn)在2001年。CNKI中檢索出的主題包含重大網(wǎng)絡(luò)輿情的文章共計(jì)2 679篇，最早出現(xiàn)在2005年。從圖1和圖2數(shù)據(jù)可以看出，以2012年為拐點(diǎn)，國(guó)內(nèi)外重大輿情和突發(fā)事件文獻(xiàn)進(jìn)入快速增長(zhǎng)期，這主要是由于互聯(lián)網(wǎng)的興起為輿情的擴(kuò)散和爆發(fā)提供了有利的媒介。這激起了廣大研究人員的研究興趣。

1.1.2 相關(guān)文章所涉及的關(guān)鍵詞及研究熱點(diǎn)

為了探究國(guó)內(nèi)外關(guān)于重大輿情和突發(fā)事件相關(guān)文獻(xiàn)的關(guān)鍵詞及研究熱點(diǎn)，本文對(duì)所整理的文獻(xiàn)進(jìn)行了關(guān)鍵詞數(shù)量統(tǒng)計(jì)，并制作了國(guó)內(nèi)外高頻關(guān)鍵詞頻次對(duì)比表，如表1所示。利用Citespace軟件對(duì)所整理的關(guān)鍵詞進(jìn)行了共現(xiàn)分析，得到關(guān)于重大輿情和突發(fā)事件相關(guān)文獻(xiàn)的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖，如圖3和圖4所示。圖3中主要的關(guān)鍵詞有：輿情（public opinion）、社交媒體（social media）、態(tài)度（attitude）、信息（information）、媒體（media）、意見(jiàn)（perception）、交互（communication）、推特（twitter）、 網(wǎng)絡(luò)（internet）、觀(guān)點(diǎn)（opinion）、行為對(duì)策（behavior）、影響（impact）、態(tài)度（attitude）、情感分析（sentiment analysis）。從國(guó)內(nèi)外關(guān)鍵詞對(duì)比表可以發(fā)現(xiàn)，國(guó)外高頻關(guān)鍵詞有輿情、社交媒體、態(tài)度、情感分析、推特等；國(guó)內(nèi)高頻關(guān)鍵詞有網(wǎng)絡(luò)輿情、突發(fā)事件、高校、地方政府、新媒體、應(yīng)對(duì)策略等。由圖3可知，國(guó)外與重大輿情和突發(fā)事件聯(lián)系比較緊密的關(guān)鍵詞有輿情、社交媒體、態(tài)度、情感分析、推特等；由圖4可知，國(guó)內(nèi)的關(guān)鍵詞有網(wǎng)絡(luò)輿情、突發(fā)事件、突發(fā)公共事件、輿論引導(dǎo)、新媒體、應(yīng)對(duì)策略、指標(biāo)體系等。通過(guò)對(duì)比國(guó)內(nèi)外關(guān)鍵詞的頻次和共現(xiàn)圖可以發(fā)現(xiàn)，這些高頻詞和共現(xiàn)詞不僅揭示了在重大輿情和突發(fā)事件研究中所關(guān)注的熱點(diǎn)，其中包括了研究對(duì)象、研究方法和面臨的問(wèn)題，而且展示了其應(yīng)用的主要領(lǐng)域。同時(shí)，這些關(guān)鍵詞所形成的共現(xiàn)網(wǎng)絡(luò)之間的關(guān)聯(lián)性也比較顯著。此外，根據(jù)以上分析，國(guó)內(nèi)外與突發(fā)事件相關(guān)的主要輿情和研究熱點(diǎn)也存在差異。國(guó)外研究主要關(guān)注公眾在輿論影響下的態(tài)度和情緒，而國(guó)內(nèi)研究則側(cè)重于對(duì)輿情的分析和引導(dǎo)等。

1.2 重大輿情和突發(fā)事件輿論引導(dǎo)研究定量分析

國(guó)外選取Web of Science核心庫(kù)，檢索式為T(mén)S=（“CRISIS RESPONSE” OR “CRISES RESPONSE” OR “NETWORK EMERGENCY” OR “CRISIS COMMUNICATION” OR “CRISES COMMUNICATION” OR “PUBLIC OPINION” “PUBLIC SENTIMENT” OR “SENTIMENT ANALYSIS”） AND TS=（“MEDIA” OR “GUI-DANCE” OR “GOVERNANCE” OR” REGULATION” OR “GUIDE”），以此作為國(guó)外輿情引導(dǎo)策略研究的計(jì)量數(shù)據(jù)集。國(guó)內(nèi)選取CNKI庫(kù)，檢索式為（SU=‘輿情’ OR SU=‘突發(fā)事件’ OR SU=‘危機(jī)管理’ OR SU=‘危機(jī)公關(guān)’） AND（SU=‘引導(dǎo)’ OR SU=‘應(yīng)急響應(yīng)’ OR SU=‘導(dǎo)控’ OR SU=‘引導(dǎo)’ OR SU=‘管控’ OR SU=‘監(jiān)控’），檢索時(shí)間是2023年10月8日，文獻(xiàn)共計(jì)7 079篇。

1.2.1 發(fā)文數(shù)量的時(shí)間分布

圖5展示了國(guó)內(nèi)外輿情引導(dǎo)相關(guān)研究的歷時(shí)分布，由圖5可清晰地看到國(guó)內(nèi)外研究的起始時(shí)間和文獻(xiàn)量隨時(shí)間演變的差異。

如圖5所示，國(guó)外從2000年至2023年，共發(fā)表了7 928篇論文，并且研究文獻(xiàn)的數(shù)量呈逐年增長(zhǎng)趨勢(shì)。2000年，Anderson等^［8］將引導(dǎo)公眾輿情納入減少吸煙傷害的五大策略之一。2010年，Bifet等^［9］率先提出采用數(shù)據(jù)流的學(xué)習(xí)算法針對(duì)推特?cái)?shù)據(jù)進(jìn)行知識(shí)發(fā)現(xiàn)。基于大規(guī)模數(shù)據(jù)的輿論主題挖掘逐漸盛行，2011年以后研究文獻(xiàn)持續(xù)增長(zhǎng)。

1.2.2 發(fā)文所涉及的關(guān)鍵詞和研究熱點(diǎn)分布

利用Citespace作國(guó)內(nèi)外輿情引導(dǎo)策略研究熱點(diǎn)分布圖，結(jié)果如圖6和圖7所示。圖6中主要的研究熱點(diǎn)包括：情感分析（sentiment analysis）、社交媒體（social media）、推特（Twitter）、機(jī)器學(xué)習(xí)（machine learning）、自然語(yǔ)言處理（natural language processing）、分類(lèi)（classification）、深度學(xué)習(xí)（deep learning）、意見(jiàn)挖掘（opinion mining）、文本挖掘（text mining）、大數(shù)據(jù)（big data）、信息（information）、數(shù)據(jù)挖掘（data mining）、社交網(wǎng)絡(luò)（social network）、輿情（public opinion）、情感分類(lèi)（sentiment classification）。根據(jù)關(guān)鍵詞頻次進(jìn)行統(tǒng)計(jì)，得到如表2所示的排名前14的列表，據(jù)此可以大致歸納出國(guó)內(nèi)外有關(guān)輿情引導(dǎo)研究的熱點(diǎn)。

在國(guó)外研究中，除了關(guān)鍵詞情感分析、社交媒體外，出現(xiàn)頻次較多的是意見(jiàn)挖掘、機(jī)器學(xué)習(xí)、文本挖掘和大數(shù)據(jù)等。與這些關(guān)鍵詞關(guān)聯(lián)形成的研究主要集中在兩大方面：一是以政府為服務(wù)對(duì)象，有關(guān)民意、管理、復(fù)雜網(wǎng)絡(luò)、社區(qū)和分類(lèi)等的研究，即圍繞民意監(jiān)測(cè)、建模、意見(jiàn)領(lǐng)袖與選舉支持之間的關(guān)聯(lián)、危機(jī)管理和應(yīng)急響應(yīng)決策等的研究;二是以社會(huì)現(xiàn)象為研究對(duì)象，有關(guān)動(dòng)態(tài)、交流、行為、系統(tǒng)等的研究，也就是圍繞網(wǎng)絡(luò)輿情民意的特點(diǎn)、輿情所涉及主體的行為與解釋社會(huì)事件現(xiàn)象的因素的研究。

在國(guó)內(nèi)研究中，除了關(guān)鍵詞網(wǎng)絡(luò)輿情外，輿情引導(dǎo)、自媒體、突發(fā)事件等不僅位居熱門(mén)關(guān)鍵詞前列，而且與其關(guān)聯(lián)的詞匯形成的詞簇都比較明顯，各個(gè)詞簇之間的密切程度都比較高。與研究方向分布中新聞傳播研究排首位相一致，從關(guān)鍵詞熱點(diǎn)上看，研究側(cè)重于自媒體、網(wǎng)絡(luò)、群體性事件的網(wǎng)絡(luò)輿情，重點(diǎn)關(guān)注輿情監(jiān)控、應(yīng)急響應(yīng)、突發(fā)事件。

總體上看，無(wú)論是國(guó)外還是國(guó)內(nèi)，有關(guān)輿情引導(dǎo)的研究都已經(jīng)從總結(jié)策略式的研究邁向基于數(shù)據(jù)實(shí)證、建模仿真和規(guī)?；到y(tǒng)構(gòu)建的研究，但是研究側(cè)重點(diǎn)又有較大不同。

2 重大輿情和突發(fā)事件演變及輿論引導(dǎo)機(jī)制研究學(xué)術(shù)梳理

2.1 重大輿情和突發(fā)事件演變研究學(xué)術(shù)梳理

網(wǎng)絡(luò)媒體已成為公眾對(duì)社會(huì)和公共問(wèn)題發(fā)表意見(jiàn)的常用渠道，并形成了井噴式增長(zhǎng)的網(wǎng)絡(luò)輿情信息，產(chǎn)生具有大數(shù)據(jù)特征行為的數(shù)據(jù)。同時(shí)，全媒體環(huán)境和輿情數(shù)據(jù)的快速增長(zhǎng)增加了管理和控制的難度，加之當(dāng)前復(fù)雜的國(guó)內(nèi)外社會(huì)環(huán)境，重大輿情和突發(fā)事件持續(xù)呈現(xiàn)高發(fā)態(tài)勢(shì)，給網(wǎng)絡(luò)輿情管理帶來(lái)全新的挑戰(zhàn)。本文第2.1節(jié)從網(wǎng)絡(luò)輿情、重大輿情與突發(fā)事件傳播及演變3方面進(jìn)行細(xì)致的學(xué)術(shù)梳理。

2.1.1 網(wǎng)絡(luò)輿情相關(guān)研究

網(wǎng)絡(luò)輿情具有大數(shù)據(jù)特征，尤其是在重大輿情和突發(fā)事件輿論中，公眾在網(wǎng)絡(luò)空間產(chǎn)生大量不同類(lèi)型的數(shù)據(jù)，包含文本、圖片和視頻等。傳統(tǒng)的人工數(shù)據(jù)處理、專(zhuān)家分析方法難以滿(mǎn)足大數(shù)據(jù)處理需求，而自然語(yǔ)言處理以及網(wǎng)絡(luò)信息挖掘等已成為網(wǎng)絡(luò)輿情信息挖掘的常用方法。戴媛等^［10］基于我國(guó)網(wǎng)絡(luò)發(fā)展的現(xiàn)實(shí)特征，分析網(wǎng)絡(luò)輿情信息挖掘的步驟和渠道，并以此為基礎(chǔ)提出了包括熱點(diǎn)、重點(diǎn)、起始點(diǎn)、中心點(diǎn)、波動(dòng)點(diǎn)以及興奮點(diǎn)在內(nèi)的我國(guó)網(wǎng)絡(luò)輿情信息挖掘“六個(gè)點(diǎn)”內(nèi)容，并依據(jù)我國(guó)網(wǎng)絡(luò)輿情形成、傳播與轉(zhuǎn)載等階段提出基于不同時(shí)期的信息挖掘方法。夏一雪等^［11］基于大數(shù)據(jù)視角定性分析了網(wǎng)絡(luò)輿情反轉(zhuǎn)機(jī)理，利用微分方程建立了機(jī)理模型，并通過(guò)數(shù)值仿真對(duì)反轉(zhuǎn)效應(yīng)進(jìn)行量化分析，進(jìn)一步探討了輿情反轉(zhuǎn)的預(yù)測(cè)機(jī)制，并提出了輿情反轉(zhuǎn)動(dòng)態(tài)評(píng)估方法，為輿情反轉(zhuǎn)評(píng)估提供了新視角。

曾潤(rùn)喜等^［12］從網(wǎng)絡(luò)輿情演變模型和技術(shù)模型兩個(gè)角度對(duì)網(wǎng)絡(luò)輿情傳播不同階段的模型進(jìn)行深入分析，比較研究了各模型的優(yōu)劣。連芷萱等^［13］基于案例分析，構(gòu)建了一套多維度網(wǎng)絡(luò)輿情指標(biāo)體系，用于輿情事件分類(lèi)因素的觀(guān)測(cè)識(shí)別，體系基于文本泛化聚類(lèi)方法區(qū)分不同輿情事件類(lèi)型，采用多項(xiàng)式邏輯回歸分析方法，對(duì)網(wǎng)絡(luò)輿情事件類(lèi)型與輿情特征類(lèi)型間的關(guān)聯(lián)關(guān)系進(jìn)行了分析評(píng)論。

在重大輿情和突發(fā)事件分析挖掘的建模和指標(biāo)體系構(gòu)建方面，張瑜等^［14］在網(wǎng)絡(luò)輿情信息挖掘過(guò)程中，將主題分類(lèi)模型應(yīng)用于構(gòu)建輿情監(jiān)控預(yù)警模型，并基于時(shí)間視角研究了面向主題的網(wǎng)絡(luò)輿情情感信息挖掘分析，為網(wǎng)絡(luò)輿情信息的挖掘與監(jiān)控預(yù)警提供了參考意見(jiàn)。黃遠(yuǎn)等^［15］聚焦微博輿論場(chǎng)，基于超網(wǎng)絡(luò)建模相關(guān)理論，構(gòu)建了涵蓋社交、信息、心理和觀(guān)點(diǎn)4個(gè)維度的微博輿論場(chǎng)模型，對(duì)其“場(chǎng)強(qiáng)”進(jìn)行了定量分析研究，并使用社會(huì)計(jì)算和數(shù)據(jù)挖掘算法，針對(duì)微博輿論場(chǎng)對(duì)新的無(wú)知者和感染者的作用過(guò)程，進(jìn)行了量化研究與分析，實(shí)現(xiàn)對(duì)突發(fā)事件輿情態(tài)勢(shì)的預(yù)測(cè)和預(yù)警。李磊等^［16］提出一種對(duì)主題詞頻數(shù)加權(quán)的改進(jìn)共現(xiàn)分析方法，此方法主要利用社會(huì)網(wǎng)絡(luò)分析法分析突發(fā)事件關(guān)鍵主題詞網(wǎng)絡(luò)共現(xiàn)問(wèn)題，從而挖掘突發(fā)事件網(wǎng)絡(luò)輿情主題內(nèi)容的演化特點(diǎn)及進(jìn)行趨勢(shì)分析。聶峰英等^［17］針對(duì)現(xiàn)有網(wǎng)絡(luò)輿情指標(biāo)，結(jié)合輿情特性，設(shè)計(jì)了3層級(jí)網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系，包括與之對(duì)應(yīng)的7個(gè)二級(jí)指標(biāo)及13個(gè)三級(jí)指標(biāo)，并以典型案例進(jìn)行實(shí)證分析，驗(yàn)證了該指標(biāo)體系的科學(xué)性及合理性。

2.1.2 重大輿情與突發(fā)事件傳播的相關(guān)研究

無(wú)論是平緩或是突發(fā)性質(zhì)的輿情，都具有“產(chǎn)生-發(fā)酵-高峰-消解”的過(guò)程，受多方輿情傳播影響因素的限制，輿情傳播既有輿情事件自身發(fā)展演變的規(guī)律，同時(shí)又受作用于時(shí)空環(huán)境及人的因素的調(diào)控。林敏^［18］對(duì)網(wǎng)絡(luò)環(huán)境、社會(huì)架構(gòu)、網(wǎng)民行為及心理等要素展開(kāi)深入探析，挖掘出突發(fā)事件網(wǎng)絡(luò)輿情演化過(guò)程中的多維度因素之間的關(guān)系及事件發(fā)展規(guī)律。張玥等^［19］針對(duì)微博輿情傳播影響因素展開(kāi)了分析研究，通過(guò)分析相關(guān)影響因子得出如下結(jié)論：信源特征對(duì)微博輿情傳播有明顯影響，其中粉絲數(shù)在信源特征對(duì)傳播效果的影響中有中介作用;信息形式相關(guān)因素對(duì)微博輿情傳播無(wú)顯著影響，但短鏈功能與微博的評(píng)論數(shù)呈現(xiàn)出顯著的負(fù)向相關(guān)關(guān)系。周昕等^［20］從多媒體技術(shù)對(duì)網(wǎng)絡(luò)輿情影響視角出發(fā)，基于輿情分析及信息傳播理論，系統(tǒng)解析了傳統(tǒng)網(wǎng)絡(luò)輿情信息傳遞模式。齊佳音等^［21］利用復(fù)雜系統(tǒng)理論，從內(nèi)外源動(dòng)力耦合的測(cè)量角度出發(fā)，構(gòu)建了突發(fā)公共危機(jī)事件評(píng)估指標(biāo)體系，并且通過(guò)實(shí)例驗(yàn)證了耦合協(xié)調(diào)度與突發(fā)公共危機(jī)事件輿情社會(huì)影響力二者的相互關(guān)系。

不同的主體在重大輿情與突發(fā)事件信息傳播中會(huì)起到不同的作用。Moreno等^［22］認(rèn)為，從信息傳播角色分析，政府擔(dān)任了公共危機(jī)信息傳播整個(gè)流程的掌控人，具備控制信息流通的權(quán)力。然而，Mehrotra等^［23］對(duì)此卻有不同觀(guān)點(diǎn)，他們認(rèn)為隨著信息流通，政府影響力逐步減弱，而其他媒介主體（包括媒體或手機(jī)用戶(hù)）也影響傳播格局變化，即政府、媒體與網(wǎng)民在信息傳播中的主體地位不是一成不變的，而是相互流通、相互影響的。吳曉林等^［24］基于問(wèn)卷調(diào)查和深度訪(fǎng)談等研究方法，分析沖突議題架構(gòu)本身對(duì)于輿情議題傳播過(guò)程與效果的影響，并從傳播時(shí)間、傳播內(nèi)容、傳播效果、傳播影響等方面對(duì)比分析新媒體與官方媒體在網(wǎng)絡(luò)輿情信息傳播過(guò)程中的差異性。

重大輿情與突發(fā)事件在信息傳播過(guò)程中，具有突發(fā)性、難以及時(shí)捕捉等特點(diǎn)。而知識(shí)圖譜技術(shù)能夠?qū)崿F(xiàn)全方位、高精度的輿情事件監(jiān)測(cè)，對(duì)重大輿情和突發(fā)事件發(fā)現(xiàn)和監(jiān)測(cè)有著重要影響。蘇楠等^［25］基于知識(shí)圖譜理論，通過(guò)構(gòu)建特定時(shí)間區(qū)間內(nèi)網(wǎng)絡(luò)輿情突發(fā)事件的知識(shí)圖譜傳播監(jiān)測(cè)模型，對(duì)輿情內(nèi)容和突發(fā)話(huà)題傳播路徑進(jìn)行準(zhǔn)確監(jiān)測(cè)。婁國(guó)哲等^［26］提出基于知識(shí)圖譜的網(wǎng)絡(luò)輿情知識(shí)組織架構(gòu)，通過(guò)本體構(gòu)建方法實(shí)現(xiàn)網(wǎng)絡(luò)輿情知識(shí)圖譜構(gòu)建，并結(jié)合網(wǎng)絡(luò)輿情管理實(shí)踐和軍事領(lǐng)域?qū)＜医?jīng)驗(yàn)研究輿情傳播問(wèn)題。劉雅姝等^［27］基于知識(shí)圖譜方法，以突發(fā)事件下的網(wǎng)絡(luò)輿情評(píng)論數(shù)據(jù)為基礎(chǔ)構(gòu)建話(huà)題圖譜，并利用主題模型對(duì)圖譜中輿情內(nèi)容屬性進(jìn)行劃分，探究突發(fā)事件網(wǎng)絡(luò)輿情傳播模式。

重大輿情和突發(fā)事件在當(dāng)下的全媒體環(huán)境下，傳播方式日趨多元化，傳播路徑日趨復(fù)雜化。同時(shí)，承載輿情的語(yǔ)義媒介也日趨多維化，從傳統(tǒng)的文字載體，變?yōu)樾问礁佣嘣亩嗝襟w。上述變化對(duì)已有網(wǎng)絡(luò)輿情傳播體系構(gòu)成新的挑戰(zhàn)。因此，需要構(gòu)建適應(yīng)當(dāng)下環(huán)境的全新的網(wǎng)絡(luò)輿情信息傳播體系，以有利于更為科學(xué)、準(zhǔn)確地研究網(wǎng)絡(luò)輿情信息傳播問(wèn)題。知識(shí)圖譜技術(shù)能夠在多維度上優(yōu)化網(wǎng)絡(luò)輿情傳播研究，提高重大輿情和突發(fā)事件的監(jiān)測(cè)效率，對(duì)政府等公共管理者及時(shí)掌握突發(fā)事件動(dòng)態(tài)、豐富網(wǎng)絡(luò)民意渠道、維護(hù)社會(huì)穩(wěn)定具有重要意義。

2.1.3 重大輿情與突發(fā)事件演變相關(guān)研究

網(wǎng)絡(luò)輿情內(nèi)容分析是把握重大輿情與突發(fā)事件演變的核心。目前，關(guān)于重大輿情和突發(fā)事件內(nèi)容的研究主要有輿情挖掘、輿情分析、情感分析、主題分布、熱點(diǎn)話(huà)題挖掘等。劉國(guó)威等^［28］利用生命周期理論對(duì)網(wǎng)絡(luò)輿情事件按階段進(jìn)行劃分，并對(duì)各階段主題事件進(jìn)行提取，以生成基于微博熱點(diǎn)事件的主題特征網(wǎng)絡(luò)。劉勘等^［29］建立了微博內(nèi)容檢索爬蟲(chóng)工具，以及用于情感內(nèi)容區(qū)分的文本分類(lèi)器，用“積極”“消極”“客觀(guān)”3種情感類(lèi)別，分析識(shí)別公眾對(duì)某些話(huà)題的傾向性意見(jiàn)。張海濤等^［30］基于本體及元事件構(gòu)建等方法構(gòu)建了重大突發(fā)事件事理圖譜，分析了事件演變邏輯與規(guī)律，掌握了事件發(fā)展整體脈絡(luò)，為應(yīng)對(duì)和治理重大突發(fā)事件提供了科學(xué)參考依據(jù)。總體而言，當(dāng)前輿情內(nèi)容分析以文本為載體，而網(wǎng)民發(fā)表意見(jiàn)和看法的常用表達(dá)媒介發(fā)生了變化。

在全媒體環(huán)境下，重大輿情和突發(fā)事件輿情內(nèi)容充斥著文本、語(yǔ)音、圖片、短視頻等多模態(tài)內(nèi)容，僅依靠文本單一模態(tài)內(nèi)容，不足以探索、分析和解決網(wǎng)絡(luò)輿情演變問(wèn)題。多模態(tài)機(jī)器學(xué)習(xí)是分析全媒體環(huán)境下重大輿情和突發(fā)事件演變的關(guān)鍵性技術(shù)。多模態(tài)機(jī)器學(xué)習(xí)技術(shù)最早可以追溯至1989年，Yuhas等^［31］利用神經(jīng)網(wǎng)絡(luò)，結(jié)合聲學(xué)特征和視覺(jué)特征識(shí)別語(yǔ)音。實(shí)驗(yàn)結(jié)果表明，融合的多模態(tài)特征提取技術(shù)能夠更好地識(shí)別語(yǔ)音信息。之后，有學(xué)者將多模態(tài)機(jī)器學(xué)習(xí)技術(shù)應(yīng)用至社交媒體環(huán)境中，探究模態(tài)融合對(duì)情感分析、主題識(shí)別等任務(wù)的影響。Poria等^［32］提出通過(guò)多模態(tài)卷積多核學(xué)習(xí)模型分析、識(shí)別視頻流數(shù)據(jù)試圖傳達(dá)的情感類(lèi)信息，同時(shí)借助深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)來(lái)提取文本特征信息。實(shí)驗(yàn)結(jié)果表明，融合了不同模態(tài)特征的信息數(shù)據(jù)能夠切實(shí)增強(qiáng)情感識(shí)別的整體性能?；诖?，Xu等^［33］提出MultiSentiNet深度語(yǔ)義網(wǎng)絡(luò)，通過(guò)基于遷移學(xué)習(xí)的、經(jīng)過(guò)預(yù)訓(xùn)練的長(zhǎng)短期記憶網(wǎng)絡(luò)和卷積神經(jīng)對(duì)圖片中物體和場(chǎng)景特征以及文本特征等信息進(jìn)行提取，將其融合并進(jìn)行情感分類(lèi)。實(shí)驗(yàn)結(jié)果表明，多模態(tài)融合的效果顯著優(yōu)于單模態(tài)。何巍^［34］基于采用多模態(tài)數(shù)據(jù)的語(yǔ)義互補(bǔ)方法提出了在線(xiàn)網(wǎng)絡(luò)輿情多模態(tài)知識(shí)圖譜的技術(shù)框架，并論述了多源異構(gòu)數(shù)據(jù)融合方法。吳鵬等^［35-36］在機(jī)器學(xué)習(xí)模型中融入認(rèn)知心理學(xué)規(guī)則，以此對(duì)網(wǎng)絡(luò)輿情情感分類(lèi)進(jìn)行了深入的研究，例如基于BiLSTM-VGG16的多模態(tài)信息特征分類(lèi)研究，基于深度學(xué)習(xí)的多模態(tài)新聞數(shù)據(jù)主題發(fā)現(xiàn)研究。

在新媒體時(shí)代，文本已不再是公眾表達(dá)其觀(guān)點(diǎn)和意見(jiàn)的唯一媒介。利用文本、圖片或短視頻來(lái)實(shí)時(shí)發(fā)布信息和參與輿情討論，已逐漸成為公眾表達(dá)的主流方式，并產(chǎn)生大量多模態(tài)網(wǎng)絡(luò)輿情內(nèi)容。對(duì)產(chǎn)生的多模態(tài)網(wǎng)絡(luò)輿情內(nèi)容進(jìn)行多維度分析，能夠從不同角度挖掘重大輿情與突發(fā)事件演變趨勢(shì)，為輿情的消解提供決策支持。

2.2 重大輿情與突發(fā)事件輿論引導(dǎo)機(jī)制學(xué)術(shù)梳理

在現(xiàn)有研究成果涉及到的內(nèi)容基礎(chǔ)上，本文將從重大輿情與突發(fā)事件輿論引導(dǎo)策略的宏觀(guān)研究、態(tài)勢(shì)研判、仿真預(yù)測(cè)及輿論應(yīng)急響應(yīng)這4個(gè)角度，對(duì)國(guó)內(nèi)外輿論引導(dǎo)的主要觀(guān)點(diǎn)加以歸納和分析。

2.2.1 重大輿情與突發(fā)事件輿論引導(dǎo)策略宏觀(guān)性研究

公共管理領(lǐng)域相關(guān)學(xué)科在研究輿情引導(dǎo)時(shí)，不僅關(guān)注具體事件本身，更關(guān)注事件背后的結(jié)構(gòu)性問(wèn)題和長(zhǎng)遠(yuǎn)影響。宏觀(guān)性的整體研究，能夠?yàn)橹卮筝浨榕c突發(fā)事件提供更全面、更系統(tǒng)的引導(dǎo)策略。宏觀(guān)性的整體研究主要包含重大輿情與突發(fā)事件輿論引導(dǎo)策略的4個(gè)關(guān)鍵組成部分，其中包括引導(dǎo)策略標(biāo)準(zhǔn)指標(biāo)界定、完善健全相關(guān)法律法規(guī)、相關(guān)責(zé)任確定以及應(yīng)急管理領(lǐng)域后備人才培養(yǎng)。在標(biāo)準(zhǔn)研究層面上，隨著社會(huì)信息化和數(shù)字化的不斷發(fā)展，輿情引導(dǎo)標(biāo)準(zhǔn)不斷演變和完善。全媒體環(huán)境下的輿情引導(dǎo)標(biāo)準(zhǔn)明顯優(yōu)于傳統(tǒng)媒體環(huán)境。何潤(rùn)霖^［37］提出了“全面”、“及時(shí)”、“準(zhǔn)確”等引導(dǎo)策略標(biāo)準(zhǔn)。政府部門(mén)在突發(fā)事件和重大輿情發(fā)生時(shí)，應(yīng)占據(jù)信息發(fā)布的先機(jī)，確保第一時(shí)間傳達(dá)準(zhǔn)確信息，有效引導(dǎo)輿論，增強(qiáng)公眾對(duì)信息的信任感。李菁等^［38］指出應(yīng)構(gòu)建基于網(wǎng)民心理分析的輿情預(yù)警機(jī)制，形成嚴(yán)寬并濟(jì)的輿情規(guī)范處置辦法，堅(jiān)持官方媒體協(xié)同、疏-導(dǎo)并舉的總體輿情引導(dǎo)策略。從法律角度考量，國(guó)家頒布的法律法規(guī)是制定輿論引導(dǎo)策略的根本依據(jù)。因此，有必要對(duì)網(wǎng)絡(luò)立法進(jìn)行深入研究。通過(guò)研究網(wǎng)絡(luò)立法，可以確保輿論引導(dǎo)策略在法律框架下的合法性和有效性。在政府相關(guān)管理部門(mén)的引領(lǐng)下，推進(jìn)輿情立法體系快速發(fā)展，要實(shí)現(xiàn)法制的全面覆蓋，要切合基層需求，要生成“橫到邊、縱到底”的模式^［39］。一方面，通過(guò)法制建設(shè)構(gòu)建網(wǎng)絡(luò)輿情預(yù)警防范體系;另一方面，激發(fā)網(wǎng)民正面情感，使網(wǎng)絡(luò)環(huán)境持續(xù)向好^［40］。在人才培養(yǎng)方面，繆金祥^［41］指出應(yīng)建設(shè)職業(yè)化網(wǎng)評(píng)力量，組建一支政治-裝備-技術(shù)優(yōu)良過(guò)硬的隊(duì)伍，在網(wǎng)絡(luò)輿論的廣闊天地中，主動(dòng)出擊，積極參與討論，確保主流觀(guān)點(diǎn)和聲音能夠脫穎而出，占據(jù)主導(dǎo)地位。這樣的策略將極大地增強(qiáng)網(wǎng)絡(luò)環(huán)境中的正面能量和影響力。此外，對(duì)于網(wǎng)絡(luò)輿情處置的專(zhuān)責(zé)部門(mén)而言，與那些在網(wǎng)絡(luò)中具有廣泛影響力和號(hào)召力的“意見(jiàn)領(lǐng)袖”建立緊密的合作關(guān)系至關(guān)重要。這種合作不應(yīng)僅僅停留在表面，而應(yīng)通過(guò)深入交流、建立信任與理解，以及尋找共同目標(biāo)來(lái)加強(qiáng)。在輿情發(fā)展的關(guān)鍵時(shí)刻，與這些“意見(jiàn)領(lǐng)袖”進(jìn)行高效協(xié)同，能夠迅速而有效地引導(dǎo)輿論走向，確保網(wǎng)絡(luò)空間的和諧穩(wěn)定^［42］。在責(zé)任認(rèn)定方面，依法問(wèn)責(zé)在處理輿情事件時(shí)極為重要。雖然法律問(wèn)責(zé)的手段看起來(lái)較為嚴(yán)厲，但其效果卻往往非常明顯。面臨法律問(wèn)責(zé)的主要對(duì)象分為兩類(lèi)：一是黨政機(jī)關(guān)的工作人員。黨政機(jī)關(guān)工作人員作為社會(huì)權(quán)力的代表，他們的言行會(huì)對(duì)公眾產(chǎn)生重要的示范和引導(dǎo)效應(yīng);二是普通網(wǎng)民，他們作為輿論的傳播者和參與者，對(duì)輿情的發(fā)酵和引導(dǎo)起著重要作用。陶琳等^［43］針對(duì)大學(xué)生群體特點(diǎn)，分析大學(xué)生群體網(wǎng)絡(luò)輿情治理的法律、法規(guī)存在的問(wèn)題，提出了應(yīng)對(duì)建議。趙曉璐^［44］針對(duì)輿情熱點(diǎn)問(wèn)題，從橫向、縱向兩個(gè)維度提出網(wǎng)絡(luò)輿情的引導(dǎo)策略。李偉群等^［45］通過(guò)對(duì)恐懼情緒、利益關(guān)系、群體極化3個(gè)維度的分析，探析了公共衛(wèi)生領(lǐng)域的突發(fā)事件輿情圈層傳播的生成邏輯，提出了媒體引導(dǎo)、情感引導(dǎo)、自組織引導(dǎo)3個(gè)層面相互作用、內(nèi)外部力量動(dòng)態(tài)平衡的輿論引導(dǎo)體系。

2.2.2 重大輿情與突發(fā)事件輿論態(tài)勢(shì)研判研究

合理處置輿情的基礎(chǔ)是實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)輿情價(jià)值和走向的研判^［46］。在處理關(guān)鍵輿情和緊急事件方面，預(yù)先對(duì)輿論進(jìn)行準(zhǔn)確分析是至關(guān)重要的。創(chuàng)建一個(gè)全面的管理平臺(tái)，制定預(yù)警機(jī)制和應(yīng)急計(jì)劃，是成功應(yīng)對(duì)這些挑戰(zhàn)的核心步驟。此外，還需建立官方綜合管控平臺(tái)，完善應(yīng)急響應(yīng)機(jī)制，多級(jí)相關(guān)職能部門(mén)協(xié)同參與、統(tǒng)一調(diào)度。何潤(rùn)霖^［37］認(rèn)為，可根據(jù)行政地域特征，通過(guò)實(shí)物平臺(tái)筑底、虛擬平臺(tái)擴(kuò)充的方式，構(gòu)建官方社交平臺(tái)。在輿情預(yù)警研究方面，王娟^［47］提出了輿情分級(jí)預(yù)警機(jī)制。李磊等^［48］對(duì)熱點(diǎn)事件輿情演化過(guò)程進(jìn)行分析，構(gòu)建態(tài)勢(shì)演化模型，并借助智能理論，建立輿情自動(dòng)預(yù)警系統(tǒng)。李鑫^［49］根據(jù)事件演化規(guī)律，從事件發(fā)展各階段出發(fā)，提出相應(yīng)的管理對(duì)策，并指出政府管理部門(mén)在整個(gè)輿情演變過(guò)程中的關(guān)鍵作用。在設(shè)計(jì)應(yīng)急響應(yīng)體系方面，唐明偉等^［50］通過(guò)大數(shù)據(jù)處理、文本挖掘等方法，構(gòu)建了面向公共安全突發(fā)事件的快速響應(yīng)系統(tǒng)，具有事前預(yù)警、輔助生成應(yīng)急方案等功能，并給出了系統(tǒng)部署應(yīng)用建議。張雙獅等^［51］通過(guò)決策要素分析，構(gòu)建了基于大數(shù)據(jù)分析的突發(fā)事件網(wǎng)絡(luò)輿情智能決策支持系統(tǒng)，可輔助政府相關(guān)職能部門(mén)開(kāi)展風(fēng)險(xiǎn)預(yù)警、事件處置、輿情引導(dǎo)等方面工作。周歡等^［52］構(gòu)建了基于態(tài)勢(shì)感知理論和用戶(hù)畫(huà)像的網(wǎng)絡(luò)輿情態(tài)勢(shì)感知模型，綜合分析了輿情事件的時(shí)間、空間和強(qiáng)度等要素，較為全面地闡述了網(wǎng)絡(luò)輿情演化態(tài)勢(shì)。

2.2.3 重大輿情與突發(fā)事件輿論演變仿真預(yù)測(cè)研究

在網(wǎng)絡(luò)輿情演變規(guī)律及仿真模擬研究方面，學(xué)者們已經(jīng)融入了其他多個(gè)學(xué)科領(lǐng)域的知識(shí)，比如智能體、神經(jīng)網(wǎng)絡(luò)等前沿理論，同時(shí)也融合了物理及醫(yī)學(xué)領(lǐng)域的一些經(jīng)典理論^［53］。在網(wǎng)絡(luò)空間和社會(huì)群體行為研究方面，無(wú)論是單獨(dú)個(gè)體在群體環(huán)境影響下表現(xiàn)出的行為特征，或是群體及個(gè)體功能及行為的仿真模擬，都廣泛應(yīng)用了多智能體理論。通過(guò)智能體相關(guān)理論，研究了虛擬空間中群體運(yùn)動(dòng)軌跡的仿真模擬^［54］，根據(jù)群體在特定情境下的行為模型分析，揭示群體行為內(nèi)在規(guī)律，刻畫(huà)在揭示情境約束下的人群行為規(guī)律和行為與運(yùn)動(dòng)相互影響的智能體決策機(jī)制^［55］。當(dāng)前主流仿真模型主要根據(jù)現(xiàn)有的相關(guān)理論進(jìn)行構(gòu)建^［56］。周鑫^［57］基于多智能體系統(tǒng)理論提出網(wǎng)民情緒到網(wǎng)民行為變化的輿情演化仿真模型。高慶寧^［58］從微博用戶(hù)出發(fā)，針對(duì)政府管理部門(mén)對(duì)群體行為規(guī)則演化過(guò)程的影響進(jìn)行了模擬仿真。哈達(dá)等^［59］基于個(gè)體行為與群體行為演化規(guī)律構(gòu)建輿情演變模型。金華等^［60］提出了針對(duì)媒體網(wǎng)民非善意言論進(jìn)行正向反饋的傳播演化模型，并模擬仿真不同場(chǎng)景下的管控效果，探究其有效性及普適性。

2.2.4 重大輿情與突發(fā)事件輿論應(yīng)急響應(yīng)研究

突發(fā)事件及其輿論輿情一般具有動(dòng)態(tài)性、復(fù)雜性和快速傳播性，需要快速高效地應(yīng)對(duì)。在處理輿情熱點(diǎn)事件時(shí)，應(yīng)急決策模式尤為關(guān)鍵，其中“情景-應(yīng)對(duì)”的應(yīng)急決策模式被廣泛采用。在突發(fā)事件演化規(guī)律的研究領(lǐng)域，該模式更是有著廣泛的應(yīng)用。張明紅等^［61］分析了突發(fā)事件本質(zhì)、事件現(xiàn)實(shí)情景及管理策略3方面，基于此構(gòu)建情景視角下突發(fā)事件演化模型，而楊志等^［62］在此基礎(chǔ)上，做了進(jìn)一步深入，選取典型案例進(jìn)行分析，以情景加應(yīng)對(duì)模式，就網(wǎng)絡(luò)輿情傳播和引導(dǎo)者兩個(gè)視角，對(duì)輿情演化過(guò)程中的決策應(yīng)對(duì)進(jìn)行研究。在應(yīng)對(duì)突發(fā)事件決策響應(yīng)時(shí)，采用情景分析法“設(shè)身處地”地把握事態(tài)變化趨勢(shì)，進(jìn)而有效采取實(shí)施決策^［63］。

目前，國(guó)外學(xué)者開(kāi)展了從情景到應(yīng)對(duì)的網(wǎng)絡(luò)輿情應(yīng)急響應(yīng)體系研究，這些研究重點(diǎn)關(guān)注緊急情況下的響應(yīng)策略，并已發(fā)展出一整套理論模型體系。這些工作大多聚焦在公共管理領(lǐng)域，深入剖析了在網(wǎng)絡(luò)輿情發(fā)生過(guò)程中的應(yīng)急響應(yīng)策略，以維護(hù)政府或組織的名譽(yù)和公信力。此外，提出了多種應(yīng)急響應(yīng)理論和模型，為應(yīng)對(duì)突發(fā)事件帶來(lái)的挑戰(zhàn)提供了寶貴的參考和指導(dǎo)。在危機(jī)溝通領(lǐng)域，Benoit^［64］和Hearit^［65］的形象修復(fù)理論（image restoration strategies， IRS）一直備受關(guān)注。然而，這些研究也依靠危機(jī)應(yīng)對(duì)策略列表或歷史經(jīng)驗(yàn)總結(jié)提出建議。相比之下，Coombs^［66］在1998年提出的危機(jī)情景傳播理論（situational crisis communication theory， SCCT）為危機(jī)管理提供了更為全面和靈活的框架，從危機(jī)情境、響應(yīng)策略及適應(yīng)不同情景的危機(jī)策略響應(yīng)系統(tǒng)3方面入手，提出保護(hù)組織聲譽(yù)的方法^［67］。在此基礎(chǔ)上，Coombs通過(guò)實(shí)驗(yàn)分析總結(jié)，提出否認(rèn)型、弱化型和重建型3大危機(jī)響應(yīng)策略類(lèi)型，并提出10個(gè)具體的危機(jī)應(yīng)對(duì)措施。新媒體已經(jīng)成為信息傳播的重要渠道，包括微博、博客和各種網(wǎng)絡(luò)社交平臺(tái)。在面對(duì)突發(fā)事件和重大輿情時(shí)，這些新媒體平臺(tái)具有廣泛的傳播力和影響力。Yan等^［68］將突發(fā)事件博客謠言劃分為謠言產(chǎn)生、信任、轉(zhuǎn)變及危機(jī)修復(fù)4階段，并基于此構(gòu)建了“微博中介危機(jī)調(diào)節(jié)”模型。同時(shí)，Yan等^［68］還提出了6類(lèi)應(yīng)急響應(yīng)策略，包括基礎(chǔ)、拒絕、減小、重建、加強(qiáng)和懲罰，強(qiáng)調(diào)應(yīng)急管理者應(yīng)根據(jù)實(shí)際情況采取相應(yīng)的應(yīng)對(duì)策略。胡峰等^［69］針對(duì)疫情防控應(yīng)急情報(bào)體系，借助自由基聚合理論，提出相應(yīng)的優(yōu)化策略，制定全流程無(wú)縫銜接的應(yīng)急情報(bào)戰(zhàn)略目標(biāo)。張寶生等 ^［70］將動(dòng)態(tài)預(yù)測(cè)的理念引入了新陳代謝灰色馬爾可夫動(dòng)態(tài)預(yù)測(cè)模型，并建立了自然災(zāi)害事件輿情預(yù)警與應(yīng)急響應(yīng)聯(lián)動(dòng)機(jī)制。

2.3 小結(jié)

從近年的研究熱點(diǎn)來(lái)看，以突發(fā)輿情、公共危機(jī)輿情引導(dǎo)為對(duì)象的研究最多，這些研究或是通過(guò)模型識(shí)別了引導(dǎo)策略的影響因素，或是基于“情景-應(yīng)對(duì)”模式總結(jié)了具體的引導(dǎo)措施，或是面向系統(tǒng)決策設(shè)計(jì)了輿情導(dǎo)控流程，但是尚未能構(gòu)建一套完整且普適的重大輿情和突發(fā)事件輿論引導(dǎo)機(jī)制，主要表現(xiàn)在：① 鮮有引導(dǎo)策略能夠?qū)⒅卮笸话l(fā)網(wǎng)絡(luò)輿情爆發(fā)前的演化階段納入考慮范圍，引導(dǎo)的前提應(yīng)當(dāng)是了解輿情爆發(fā)起因、理解網(wǎng)民心理;② 設(shè)計(jì)建模仿真的技術(shù)方法十分豐富，但還缺少一種方法論去貫穿整個(gè)輿論引導(dǎo)過(guò)程;③ 目前的引導(dǎo)策略研究還未能完全適應(yīng)大數(shù)據(jù)時(shí)代的輿情特征，鮮有從全媒體角度進(jìn)行切入，仍停留在傳統(tǒng)環(huán)境下的引導(dǎo)模式;④ 就研究范式來(lái)看，宏觀(guān)的定性引導(dǎo)策略研究和微觀(guān)的定量引導(dǎo)策略研究還需更加全面深化的整合。知識(shí)圖譜作為一種具體的技術(shù)方法的同時(shí)，也是一種宏觀(guān)的知識(shí)體系，因此，其有望從數(shù)據(jù)層到應(yīng)用層與引導(dǎo)策略研究實(shí)現(xiàn)全方位對(duì)接。

3 相關(guān)研究發(fā)展趨勢(shì)

關(guān)于重大輿情和突發(fā)事件輿論引導(dǎo)的理論體系及其應(yīng)用研究雖然已經(jīng)有了一定基礎(chǔ)，但伴隨全媒體環(huán)境的迅速變遷和網(wǎng)絡(luò)輿情的日趨多樣與復(fù)雜，正面臨著前所未有的挑戰(zhàn)與機(jī)遇。

3.1 重大輿情和突發(fā)事件輿論引導(dǎo)理論方法的核心變化與未來(lái)方向

隨著社交媒體和即時(shí)通訊工具的普及，信息以前所未有的速度傳播，這種快速傳播導(dǎo)致輿論引導(dǎo)在時(shí)效性、準(zhǔn)確性、主題多樣性以及復(fù)雜性等方面發(fā)生了核心的變化。

輿論引導(dǎo)對(duì)時(shí)效性和精準(zhǔn)性的要求提高，信息傳播迅速，對(duì)輿論引導(dǎo)的時(shí)效性要求更高。輿論引導(dǎo)不僅需要快速響應(yīng)，還要確保信息的精確度和針對(duì)性，以便有效地影響和引導(dǎo)公眾意見(jiàn)。

面對(duì)不同群體的挑戰(zhàn)，不同的社會(huì)群體在信息的接收和處理上有著顯著的差異。這些差異可能源于文化、教育背景、年齡等因素。因此，識(shí)別并理解這些差異，然后根據(jù)不同群體定制輿論引導(dǎo)策略，是實(shí)現(xiàn)有效輿論引導(dǎo)的關(guān)鍵。

隨著輿論引導(dǎo)復(fù)雜性的增加，在多元化的信息源和多樣化的受眾中，有效地進(jìn)行輿論引導(dǎo)變得更加復(fù)雜。這不僅涉及到信息的內(nèi)容和傳播渠道的選擇，還包括如何在不斷變化的輿論環(huán)境中保持信息的一致性和適應(yīng)性。

這些核心變化要求輿論引導(dǎo)者不僅要具備傳統(tǒng)的媒體操作技能，還需掌握新媒體技術(shù)，以及對(duì)不同社會(huì)群體心理和行為模式有深入的理解。同時(shí)，應(yīng)對(duì)輿論引導(dǎo)的核心變化需求，一些高新技術(shù)及多視角分析方法將為輿論引導(dǎo)理論方法提供新的研究方向。

未來(lái)，會(huì)有更多關(guān)注于數(shù)據(jù)驅(qū)動(dòng)的輿情分析方法，如利用大數(shù)據(jù)和人工智能技術(shù)來(lái)預(yù)測(cè)和分析輿情走勢(shì)。同時(shí)，跨學(xué)科的研究方法，如心理學(xué)、社會(huì)學(xué)與數(shù)據(jù)科學(xué)的結(jié)合，將為理解和引導(dǎo)輿情提供更深入的視角。

數(shù)據(jù)驅(qū)動(dòng)的輿情分析是全新的方法，未來(lái)的輿論引導(dǎo)預(yù)計(jì)將更加依賴(lài)于數(shù)據(jù)驅(qū)動(dòng)的分析方法。通過(guò)利用大數(shù)據(jù)技術(shù)，可以對(duì)大量的社交媒體數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控和分析，從而快速理解輿情的發(fā)展趨勢(shì)和關(guān)鍵因素。這種方法可以提供更深入的洞察，幫助決策者做出更精準(zhǔn)的輿論引導(dǎo)策略。

未來(lái)會(huì)將人工智能技術(shù)應(yīng)用于輿情分析中，隨著人工智能技術(shù)的發(fā)展，預(yù)計(jì)會(huì)有更多的人工智能工具被開(kāi)發(fā)出來(lái)，以輔助輿情的分析和預(yù)測(cè)。這些工具可以通過(guò)算法學(xué)習(xí)和模式識(shí)別，提高對(duì)復(fù)雜輿情動(dòng)態(tài)的識(shí)別和處理能力。

跨學(xué)科研究方法的融合是全新的方法，理解和引導(dǎo)輿情需要多學(xué)科的知識(shí)和方法的結(jié)合。未來(lái)的趨勢(shì)可能是將心理學(xué)、社會(huì)學(xué)的理論與數(shù)據(jù)科學(xué)的方法進(jìn)行結(jié)合。這種跨學(xué)科的融合不僅有助于更好地理解輿論的形成和演變機(jī)制，也能提供更有效的輿情引導(dǎo)策略。

未來(lái)會(huì)有更深入的視角研究輿論引導(dǎo)理論，結(jié)合心理學(xué)和社會(huì)學(xué)的理論，可以協(xié)助更好地理解公眾的情緒和行為反應(yīng)，而數(shù)據(jù)科學(xué)的方法則可以量化這些理論，并將其應(yīng)用于實(shí)際的輿情分析中。

3.2 重大輿情與突發(fā)事件輿論研判及預(yù)警研究的態(tài)勢(shì)變化與未來(lái)方向

在當(dāng)今信息爆炸的時(shí)代，信息的海量化和多樣化使得輿論研判及預(yù)警研究面臨著從大量網(wǎng)絡(luò)信息中快速、準(zhǔn)確地識(shí)別出重要輿情及區(qū)分誤導(dǎo)信息和真實(shí)信息兩大核心變化。

信息的海量化不僅增加了分析的復(fù)雜性，還提高了識(shí)別相關(guān)和重要信息的難度。網(wǎng)絡(luò)空間中充斥著各種誤導(dǎo)信息和真實(shí)信息，它們的混雜使得準(zhǔn)確識(shí)別和處理重要輿情信息更加棘手。這要求輿情分析師具備更高的辨別能力和更有效的工具。因此，新興的語(yǔ)言處理技術(shù)及算法的應(yīng)用將為輿論研判及預(yù)警研究提供新的方向。

自然語(yǔ)言處理（natural language processing， NLP）和機(jī)器學(xué)習(xí)技術(shù)的進(jìn)步將為輿情分析提供更強(qiáng)大的工具。此外，預(yù)計(jì)將發(fā)展更為先進(jìn)的算法來(lái)提高預(yù)警系統(tǒng)的準(zhǔn)確性和實(shí)時(shí)性，以及采用模擬技術(shù)來(lái)預(yù)測(cè)輿情發(fā)展趨勢(shì)。

一方面，是NLP技術(shù)的應(yīng)用。隨著NLP技術(shù)的不斷進(jìn)步，它將成為處理大規(guī)模文本數(shù)據(jù)的強(qiáng)大工具。這可以幫助更有效地處理和分析網(wǎng)絡(luò)信息，提高從復(fù)雜文本中提取關(guān)鍵信息的能力。另一方面，是機(jī)器學(xué)習(xí)在輿情分析中的運(yùn)用。機(jī)器學(xué)習(xí)技術(shù)可以訓(xùn)練算法自動(dòng)識(shí)別模式和趨勢(shì)，從而提高對(duì)輿情的識(shí)別和分析能力。這有助于處理大量數(shù)據(jù)，提升信息篩選和分析的效率。此外，先進(jìn)算法的開(kāi)發(fā)也十分重要，開(kāi)發(fā)更先進(jìn)的算法可以提高預(yù)警系統(tǒng)的準(zhǔn)確性和實(shí)時(shí)性，并快速識(shí)別潛在的輿情風(fēng)險(xiǎn)，及時(shí)提供預(yù)警。最后，是模擬技術(shù)的使用。利用模擬技術(shù)預(yù)測(cè)輿情的發(fā)展趨勢(shì)將成為一個(gè)重要的研究方向。通過(guò)模擬不同的輿論場(chǎng)景和干預(yù)策略，可以預(yù)測(cè)其對(duì)輿情走勢(shì)的影響，從而為決策者提供科學(xué)依據(jù)。

3.3 重大輿情和突發(fā)事件輿論調(diào)控策略的態(tài)勢(shì)變化與未來(lái)方向

在全球化和網(wǎng)絡(luò)化的背景下，輿論調(diào)控需要考慮文化差異和不同社交平臺(tái)的特性。同時(shí)，也要保持信息透明和真實(shí)，避免引起公眾不信任。

在全球化和網(wǎng)絡(luò)化的背景下，輿論調(diào)控必須考慮不同文化背景下的差異性。文化差異對(duì)于輿論的影響和接受度具有決定性作用，這要求輿論調(diào)控策略具備更高的靈活性和適應(yīng)性，并適應(yīng)不同社交平臺(tái)的特性。不同社交平臺(tái)有著各自獨(dú)特的用戶(hù)群體和傳播特性，有效的輿論調(diào)控策略需要針對(duì)這些平臺(tái)的特點(diǎn)進(jìn)行定制化設(shè)計(jì)。此外，在輿論調(diào)控中保持信息的透明和真實(shí)至關(guān)重要，以避免引發(fā)公眾的不信任。這要求輿論管理者在信息發(fā)布和處理過(guò)程中保持高度的誠(chéng)信和透明度。

未來(lái)的輿論調(diào)控策略預(yù)計(jì)將更加注重細(xì)節(jié)化和個(gè)性化，以適應(yīng)不同群體的需求和特點(diǎn)。通過(guò)這種方式，能更有效地應(yīng)對(duì)復(fù)雜多樣的輿論環(huán)境。同時(shí)，強(qiáng)調(diào)在輿論引導(dǎo)過(guò)程中注意平衡公眾情緒，以避免極端或負(fù)面情緒的蔓延。此外，新興技術(shù)的應(yīng)用，增強(qiáng)現(xiàn)實(shí)（augmented reality， AR）和虛擬現(xiàn)實(shí)（virtual reality， VR）等新興技術(shù)的應(yīng)用可能為輿論調(diào)控帶來(lái)新的機(jī)遇。這些技術(shù)能夠提供更為直觀(guān)和互動(dòng)的溝通方式，有助于增強(qiáng)信息的吸引力和影響力。

4 結(jié) 論

在全媒體環(huán)境下，網(wǎng)絡(luò)輿情呈現(xiàn)出大數(shù)據(jù)的特征，重大輿情和突發(fā)事件的研究領(lǐng)域機(jī)遇與挑戰(zhàn)并存，重大輿情和突發(fā)事件的管理思想和模式將產(chǎn)生較為徹底的、革命性的改變，這將在重大輿情和突發(fā)事件的研究領(lǐng)域產(chǎn)生顛覆性的影響。重大輿情與突發(fā)事件輿論研判分析、預(yù)警、引導(dǎo)與應(yīng)對(duì)已是當(dāng)前政府與公共管理的一個(gè)關(guān)鍵課題，是國(guó)家治理體系的重要組成部分。

本文通過(guò)回顧全媒體環(huán)境下重大輿情和突發(fā)事件演變及輿論引導(dǎo)機(jī)制研究的相關(guān)文獻(xiàn)，梳理了重大輿情和突發(fā)事件的分析挖掘、指標(biāo)體系、傳播和演變，以及輿論引導(dǎo)策略的宏觀(guān)政策、態(tài)勢(shì)研判、演化仿真預(yù)測(cè)和應(yīng)急響應(yīng)研究。本文可為從大數(shù)據(jù)驅(qū)動(dòng)的社會(huì)計(jì)算視角創(chuàng)新重大輿情與突發(fā)事件研判分析與預(yù)警手段提供有力支撐，推動(dòng)全媒體環(huán)境下應(yīng)急管理體系和能力建設(shè)理論體系與應(yīng)用研究的發(fā)展。

參考文獻(xiàn)

［1］于鵬， 邱燕妮. 全媒體時(shí)代公共危機(jī)輿情傳播路徑與演化機(jī)理研究［J］. 中國(guó)行政管理， 2019， 4（8）： 94-98.

YU P， QIU Y N. Research on the communication path and evolution mechanism of public crisis opinion in the omni-media era［J］. Chinese Public Administration， 2019， 4（8）： 94-98.

［2］彭蘭. 新媒體傳播： 新圖景與新機(jī)理［J］. 新聞與寫(xiě)作， 2018， 5（7）： 5-11.

PENG L. New media communication： new picture and new mecha-nism［J］. News and Writing， 2018， 5（7）： 5-11.

［3］尹玨力， 陳會(huì)英， 王家坤. 在線(xiàn)社交網(wǎng)絡(luò)中的負(fù)面輿情信息傳播機(jī)制及演化博弈分析［J］. 情報(bào)科學(xué)， 2020， 38（4）： 153-162.

YIN J L， CHEN H Y， WANG J K. Negative public opinion propagation mechanism and evolutionary game analysis in online social networks［J］. Information Science， 2020， 38（4）： 153-162.

［4］張發(fā)林. 風(fēng)險(xiǎn)社會(huì)視域下的網(wǎng)絡(luò)輿情治理研究［D］. 武漢： 武漢大學(xué)， 2017.

ZHANG F L. Research on network public opinion governance from the perspective of risk society［D］. Wuhan： Wuhan University， 2017.

［5］李政. 大數(shù)據(jù)視域下我國(guó)網(wǎng)絡(luò)輿情治理的思路與對(duì)策［J］. 新聞傳播， 2019， 8（5）： 18-20.

LI Z. Ideas and countermeasures of online public opinion gover-nance in China from the perspective of big data［J］. Journalism Communication， 2019， 8（5）： 18-20.

［6］薛瀾， 鐘開(kāi)斌. 突發(fā)公共事件分類(lèi)、分級(jí)與分期： 應(yīng)急體制的管理基礎(chǔ)［J］. 中國(guó)行政管理， 2005， 4（2）： 102-107.

XUE L， ZHONG K B. Classification of types， levels and stages for emergencies： managerial foundation of government emergency response system［J］. Chinese Public Administration， 2005， 4（2）： 102-107.

［7］國(guó)務(wù)院法制辦公室. 中華人民共和國(guó)突發(fā)事件應(yīng)對(duì)法［J］. 中華人民共和國(guó)全國(guó)人民代表大會(huì)常務(wù)委員會(huì)公報(bào)， 2007， 6（6）： 535-543.

Legislative affairs office of the state council of the peoples republic of china. Law of the people’s republic of china on emergency responses［J］. Communique of the Standing Committee of the National People’s Congress of the People’s Republic of China， 2007， 6（6）： 535-543.

［8］ANDERSON P， HUGHES J R. Policy interventions to reduce the harm from smoking［J］. Addiction， 2000， 95（1s1）： 9-11.

［9］BIFET E. Sentiment knowledge discovery in twitter streaming data［C］∥Proc.of the Discovery Science， 2010： 1-15.

［10］戴媛， 姚飛. 基于網(wǎng)絡(luò)輿情安全的信息挖掘及評(píng)估指標(biāo)體系研究［J］. 情報(bào)理論與實(shí)踐， 2008， 31（6）： 873-876.

DAI Y， YAO F. Research into information mining and evaluation index system based on the security of public opinion on the internet［J］. Information Studies： Theory amp; Application， 2008， 31（6）： 873-876.

［11］夏一雪， 蘭月新， 劉茉， 等. 大數(shù)據(jù)環(huán)境下網(wǎng)絡(luò)輿情反轉(zhuǎn)機(jī)理與預(yù)測(cè)研究［J］. 情報(bào)雜志， 2018， 37（8）： 92-96.

XIA Y X， LAN Y X， LIU M， et al. Inversion mechanism and prediction of network public opinion in big data environment［J］. Journal of Intelligence， 2018， 37（8）： 92-96.

［12］曾潤(rùn)喜， 王晨曦， 陳強(qiáng). 網(wǎng)絡(luò)輿情傳播階段與模型比較研究［J］. 情報(bào)雜志， 2014， 33（5）： 119-124.

ZENG R X， WANG C X， CHEN Q. Comparative study on transmission phase and model of internet public opinion［J］. Journal of Intelligence， 2014， 33（5）： 119-124.

［13］連芷萱， 蘭月新， 夏一雪， 等. 面向大數(shù)據(jù)的網(wǎng)絡(luò)輿情多維動(dòng)態(tài)分類(lèi)與預(yù)測(cè)模型研究［J］. 情報(bào)雜志， 2018， 37（5）： 123-133.

LIAN Z X， LAN Y X， XIA Y X， et al. Research on multi-dimensional dynamical classification and prediction model of network public opinion with big data［J］. Journal of Intelligence， 2018， 37（5）： 123-133.

［14］張瑜， 菅利榮， 張永升. 基于加權(quán)無(wú)標(biāo)度網(wǎng)絡(luò)的產(chǎn)學(xué)研合作網(wǎng)絡(luò)演化［J］. 系統(tǒng)工程， 2015， 33（1）： 68-73.

ZHANG Y， JIAN L R， ZHANG Y S. University-industry cooperation network evaluation based on weighted scale-free network［J］. Systems Engineering， 2015， 33（1）： 68-73.

［15］黃遠(yuǎn)， 沈乾， 劉怡君. 微博輿論場(chǎng)：突發(fā)事件輿情演化分析的新視角［J］. 系統(tǒng)工程理論與實(shí)踐， 2015， 35（10）： 2564-2572.

HUANG Y， SHEN Q， LIU Y J. Microblog public opinion field： a new perspective for analyzing evolution of the emergency opinion ［J］. Systems Engineering-Theory amp; Practice， 2015， 35（10）： 2564-2572.

［16］李磊， 劉繼， 張竑魁. 基于共現(xiàn)分析的網(wǎng)絡(luò)輿情話(huà)題發(fā)現(xiàn)及態(tài)勢(shì)演化研究［J］. 情報(bào)科學(xué)， 2016， 34（1）： 44-47.

LI L， LIU J， ZHANG H K. Topics identification and evolu-tion trend of network public opinion based on co-occurrence analysis［J］. Information Science， 2016， 34（1）： 44-47.

［17］聶峰英， 張旸. 移動(dòng)社交網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系構(gòu)建［J］. 情報(bào)理論與實(shí)踐， 2015， 38（12）： 64-67.

NIE F Y， ZHANG Y. Construction of index system of public opinion warning in mobile social network［J］. Information Studies： Theory amp; Application， 2015， 38（12）： 64-67.

［18］林敏. 網(wǎng)絡(luò)輿情： 影響因素及其作用機(jī)制研究［D］. 杭州： 浙江大學(xué)， 2013.

LIN M. Internet public opinion： research on affecting factors and their mechanism［D］. Hangzhou： Zhejiang University， 2013.

［19］張玥， 孫霄凌， 朱慶華. 突發(fā)公共事件輿情傳播特征與規(guī)律研究—以新浪微博和新浪新聞平臺(tái)為例［J］. 情報(bào)雜志， 2014， 33（4）： 90-95.

ZHANG Y， SUN X L， ZHU Q H. A study on communication features and rules of public opinions in public emergency： taking sina microblog and sina news platform as example［J］. Journal of Intelligence， 2014， 33（4）： 90-95.

［20］周昕， 黃微， 滕廣青， 等. 網(wǎng)絡(luò)輿情傳播模式解析與重構(gòu)研究［J］. 情報(bào)理論與實(shí)踐， 2016， 39（12）： 25-30.

ZHOU X， HUANG W， TENG G Q， et al. Research on the analysis and reconstruction of the network public opinion pro-pagation mode［J］. Information Studies： Theory amp; Application， 2016， 39（12）： 25-30.

［21］齊佳音， 劉慧麗， 張一文. 突發(fā)性公共危機(jī)事件網(wǎng)絡(luò)輿情耦合機(jī)制研究［J］. 情報(bào)科學(xué)， 2017， 35（9）： 102-108.

QI J Y， LIU H L， ZHANG Y W. Research on coupling mecha-nism for unexpected public crisis and online public opinion based on complex systems theory［J］. Information Science， 2017， 35（9）： 102-108.

［22］MORENO Y， MAZIAR N， AMALIO F. Dynamics of rumor spreading in complex networks［J］. Physical Review E， 2004， 69（6）： 75-89.

［23］MEHROTRA S， ZNATI T. Crisis management［J］. IEEE Internet Computing， 2008， 12（1）： 14-17.

［24］吳曉林， 湯明磊. 新媒體情境下沖突議題傳播的”雙重結(jié)構(gòu)因素”—基于臨武瓜農(nóng)事件的分析［J］. 武漢大學(xué)學(xué)報(bào)（人文科學(xué)版）， 2016， 69（1）： 100-108.

WU X L， TANG M L. The dual-structural-factor of the disseminating of conflict topics in the new media context—a case study on Linwu melon farmer event［J］. Wuhan University Journal（Humanity Sciences）， 2016， 69（1）： 100-108.

［25］蘇楠， 張璇， 楊紅崗， 等. 基于知識(shí)圖譜的國(guó)內(nèi)網(wǎng)絡(luò)輿情研究可視化分析［J］. 情報(bào)雜志， 2012， 31（10）： 42-47.

SU N， ZHANG X， YANG H G， et al. Visualization analysis of online public opinion in China based on knowledge mapping［J］. Journal of Intelligence， 2012， 31（10）： 42-47.

［26］婁國(guó)哲， 王蘭成. 基于知識(shí)圖譜的網(wǎng)絡(luò)輿情知識(shí)組織方法研究［J］. 情報(bào)理論與實(shí)踐， 2019， 42（1）： 58-64.

LOU G Z， WANG L C. Network public opinion knowledge organizing method based on knowledge map［J］. Information Studies： Theory amp; Application， 2019， 42（1）： 58-64.

［27］劉雅姝， 張海濤， 徐海玲， 等. 多維特征融合的網(wǎng)絡(luò)輿情突發(fā)事件演化話(huà)題圖譜研究［J］. 情報(bào)學(xué)報(bào)， 2019， 38（8）： 798-806.

LIU Y S， ZHANG H T， XU H L， et al. Research on evolutionary topic map of Internet public opinion with multi-dimensional feature fusion［J］. Journal of the China Society for Scientific and Technical Information， 2019， 38（8）： 798-806.

［28］劉國(guó)威， 成全. 基于網(wǎng)絡(luò)輿情生命周期的微博熱點(diǎn)事件主題演化研究［J］. 情報(bào)探索， 2018（4）： 11-19.

LIU G W， CHENG Q. Research on topic evolution of micro-blog hot events based on life cycle of network public opinion［J］. Information Research， 2018（4）： 11-19.

［29］劉勘， 袁蘊(yùn)英. 基于詞向量的微博情感傾向分類(lèi)研究［J］. 圖書(shū)情報(bào)工作， 2018， 62（15）： 92-101.

LIU K， YUAN Y Y. Sentiment classification for micro-blogs based on word embedding［J］. Library and Information Service， 2018， 62（15）： 92-101.

［30］張海濤， 李佳瑋， 劉偉利， 等. 重大突發(fā)事件事理圖譜構(gòu)建研究［J］. 圖書(shū)情報(bào)工作， 2021， 65（18）： 133-140.

ZHANG H T， LI J W， LIU W L， et al. Research on the construction of event knowledge graph of major emergencies［J］. Library and Information Service， 2021， 65（18）： 133-140.

［31］YUHAS B P， GOLDSTEIN M H， SEJNOWSKI T J. Integration of acoustic and visual speech signals using neural networks［J］. IEEE Communications Magazine， 1989， 27（11）： 65-71.

［32］PORIA S， ERIK C， ALEXANDER G. Deep convolutional neural network textual features and multiple kernel learning for utterance-level multimodal sentiment analysis［C］∥Proc.of the Conference on Empirical Methods in Natural Language Processing， 2015： 2539-2544.

［33］XU N， MAO W J. Multisentinet： a deep semantic network for multimodal sentiment analysis［C］∥Proc.of the Association for Computing Machinery on Conference on Information and Knowledge Management， 2017： 2399-2402.

［34］何巍. 社交網(wǎng)絡(luò)輿情多模態(tài)知識(shí)圖譜構(gòu)建框架研究［J］. 情報(bào)雜志， 2024， 43（1）： 160-166.

HE W. Research on the construction framework of multi-modal knowledge graph for social network public opinion ［J］. Journal of Intelligence， 2024， 43（1）： 160-166.

［35］蔣雨肖， 丁晟春， 吳鵬. 基于BiLSTM-VGG16的多模態(tài)信息特征分類(lèi)研究［J］. 情報(bào)理論與實(shí)踐， 2021， 44（11）： 180-186.

JIANG Y X， DING S C， WU P. A study on the classification of features of multi-modal information based on BiLSTM-VGG16［J］. Information Studies： Theory amp; Application， 2021， 44（11）： 180-186.

［36］倪亮， 吳鵬， 周雪晴. 基于深度學(xué)習(xí)的多模態(tài)新聞數(shù)據(jù)主題發(fā)現(xiàn)研究［J］. 數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)， 2024， 8（3）： 85-97.

NI L， WU P， ZHOU X Q. Topic detecting on multimodal news data based on deep learning［J］. Data Analysis and Knowledge Discovery， 2024， 8（3）： 85-97.

［37］何潤(rùn)霖. 大數(shù)據(jù)時(shí)代政府微博輿論管控研究［D］. 昆明： 云南大學(xué)， 2016.

HE R L. Big data era government micro-blog public opinion control research［D］. Kunming： Yunnan University， 2016.

［38］李菁， 馬民， 蘭月新. 網(wǎng)民心理視角下的網(wǎng)絡(luò)輿情引導(dǎo)機(jī)制研究［J］. 武警學(xué)院學(xué)報(bào)， 2014， 30（11）： 48-52.

LI Q， MA M， LAN Y X. Research about the guidance of network public opinion based on the netizens’psychology［J］. Journal of Chinese People’s Armed Police Force Academy， 2014， 30（11）： 48-52.

［39］鄭珊. 昆明“3·01”暴恐事件中網(wǎng)絡(luò)輿情應(yīng)急處置案例研究［D］. 成都： 電子科技大學(xué)， 2017.

ZHENG S. Case study on network public opinion dispatch in the “3·01” Kunming terrorist attack［D］. Chengdu： University of Electronic Science and Technology of China， 2017.

［40］陳明. 多元輿論場(chǎng)共存背景下湖北省輿論引導(dǎo)體系構(gòu)建研究［J］. 中南民族大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版）， 2019， 39（1）： 170-174.

CHEN M. On construction of public opinion guidance system in Hubei in context of coexistence of multiple public opinion fields［J］. Journal of South-Central University for Nationalities（Humanities and Social Science）， 2019， 39（1）： 170-174.

［41］繆金祥. 大數(shù)據(jù)背景下網(wǎng)絡(luò)輿情發(fā)展態(tài)勢(shì)與管控研究［J］. 中國(guó)刑警學(xué)院學(xué)報(bào)， 2016， 2（2）： 28-33.

MIAO J X. Research on the development trend and control of online public opinion under the background of big data［J］. Journal of Criminal Investigation Police University of China， 2016， 2（2）： 28-33.

［42］郭靖進(jìn). 政府網(wǎng)絡(luò)輿情引導(dǎo)問(wèn)題研究［D］. 寧波： 寧波大學(xué)， 2014.

GUO J J. The government network public opinion guide problem research ［D］. Ningbo： Ningbo University， 2014.

［43］陶琳， 余奕樺. 大學(xué)生網(wǎng)絡(luò)輿情治理的困境與法律對(duì)策［J］. 北京政法職業(yè)學(xué)院學(xué)報(bào)， 2023（2）： 100-105.

TAO L， YU Y H. The dilemma and legal countermeasures of internet public opinion governance for college students［J］. Journal of Beijing Vocational College of Political Science and Law， 2023（2）： 100-105.

［44］趙曉璐. 突發(fā)性網(wǎng)絡(luò)輿情的政府治理對(duì)策研究［D］. 遼寧： 沈陽(yáng)工業(yè)大學(xué)， 2018.

ZHAO X L. Research on data-driven crowd behaviors modeling and simulation［D］. Liaoning： Shenyang University of Technology， 2018.

［45］李偉群， 朱白薇. 突發(fā)公共衛(wèi)生事件輿情圈層傳播的生成邏輯與引導(dǎo)策略［J］. 醫(yī)學(xué)與社會(huì)， 2023， 36（4）： 85-89.

LI W Q， ZHU B W. Generating logic and duiding strategy of circle communication concerning public opinion in public health emergencies［J］. Medicine and Society， 2023， 36（4）： 85-89.

［46］樓藝嬋. 網(wǎng)絡(luò)公共輿情研判預(yù)警系統(tǒng)研究［J］. 中國(guó)管理信息化， 2014， 17（2）： 132-133.

LOU Y C. Research on online public opinion research and judgment early warning system［J］. China Management Informationization， 2014， 17（2）： 132-133.

［47］王娟. 網(wǎng)絡(luò)輿情的分級(jí)響應(yīng)與處置［J］. 人民論壇， 2012， 35（29）： 151-153.

WANG J. Hierarchical response and disposal of network public opinion［J］. People’s Tribune， 2012， 35（29）： 151-153.

［48］李磊， 劉繼. 大數(shù)據(jù)背景下網(wǎng)絡(luò)輿情智能預(yù)警機(jī)制分析［J］. 情報(bào)雜志， 2019， 38（12）： 92-97.

LI L， LIU J. Analysis of intelligent early warning mechanism of network public opinion in the background of big data ［J］. Journal of Intelligence， 2019， 38（12）： 92-97.

［49］李鑫. 社會(huì)網(wǎng)絡(luò)視角下群體性突發(fā)事件演化機(jī)理與控制研究［D］. 秦皇島： 燕山大學(xué)， 2016.

LI X. Research on the evolution mechanism and control strategies of mass incident under social network perspective［D］. Qinhuangdao： Yanshan University， 2016.

［50］唐明偉， 蘇新寧， 姚興山. 本體驅(qū)動(dòng)的突發(fā)事件案例知識(shí)庫(kù)［J］. 情報(bào)理論與實(shí)踐， 2016， 39（9）： 123-127.

TANG M W， SU X N， YANG X S. The emergency case knowledge base of ontology-driven［J］. Information Studies： Theory amp; Application， 2016， 39（9）： 123-127.

［51］張雙獅， 楊謹(jǐn)鋮， 張鵬， 等. 大數(shù)據(jù)背景下突發(fā)事件網(wǎng)絡(luò)輿情智能決策支持研究［J］. 中國(guó)公共安全：學(xué)術(shù)版， 2019， 4（3）： 93-100.

ZHANG S S， YANG J C， ZHANG P， et al. Intelligent decision support method for emergency network public opinion under the background of big data［J］. China Public Security（Academy Edition）， 2019， 4（3）： 93-100.

［52］周歡， 張培穎， 黃曉怡， 等. 事件系統(tǒng)視角下網(wǎng)絡(luò)輿情態(tài)勢(shì)感知研究［J］. 情報(bào)雜志， 2024， 43（2）： 135-142.

ZHOU H， ZHANG P Y， HUANG Y Y， et al. Research on the perception of online public opinion situation from the pers-pective of event system［J］. Journal of Intelligence， 2024， 43（2）： 135-142.

［53］張明新. 國(guó)內(nèi)網(wǎng)絡(luò)輿情建模與仿真研究綜述［J］. 系統(tǒng)仿真學(xué)報(bào)， 2019， 31（10）： 1983-1994.

ZHANG M X. Survey on modeling and simulation of internet public opinion in China［J］. Journal of System Simulation， 2019， 31（10）： 1983-1994.

［54］強(qiáng)韶華， 吳鵬. 謠言信息傳播過(guò)程中網(wǎng)民個(gè)體行為仿真研究［J］. 情報(bào)科學(xué)， 2015， 33（11）： 124-130.

QIANG S H， WU P. Research on netizen individual behavior simulation in the process of rumor spreading［J］. Information Science， 2015， 33（11）： 124-130.

［55］趙世博. 數(shù)據(jù)驅(qū)動(dòng)的人群行為仿真建模研究［D］. 北京： 北京交通大學(xué)， 2017.

ZHAO S B. Research on data-driven crowd behaviors modeling and simulation［D］. Beijing： Beijing Jiaotong University， 2017.

［56］何凌南， 賴(lài)凱聲， 林仲軒， 等. 跨學(xué)科視角下的網(wǎng)絡(luò)輿情仿真研究［J］. 系統(tǒng)仿真學(xué)報(bào)， 2018， 30（10）： 3616-3623.

HE L N， LAI K S， LIN Z X， et al. Research on network public opinion simulation from interdisciplinary perspective［J］. Journal of System Simulation， 2018， 30（10）： 3616-3623.

［57］周鑫. 基于MAS的突發(fā)事件網(wǎng)絡(luò)輿情傳播建模與仿真研究［D］. 長(zhǎng)沙： 國(guó)防科技大學(xué) 2015.

ZHOU X. Research on modeling and simulation of emergency network public opinion propagation based on MAS ［D］. Changsha： National University of Defense Technology， 2015.

［58］高慶寧. 基于SOAR模型的網(wǎng)絡(luò)輿情演變過(guò)程中群體行為分析與仿真［D］. 南京： 南京理工大學(xué)， 2016.

GAO Q N. Analysis and simulation on group behavior in the process of network public opinion evolution based on SOAR model ［D］. Nanjing： Nanjing University of Science and Technology， 2016.

［59］哈達(dá)， 譚志國(guó)， 王浩. 復(fù)雜網(wǎng)絡(luò)下基于Agent的輿情演化研究［J］. 火力與指揮控制， 2017， 42（8）： 92-96.

HA D， TAN Z G， WANG H. Research on agent-based public opinion evolution in complex network［J］. Fire Control amp; Command Control， 2017， 42（8）： 92-96.

［60］金華， 李奕賢. 基于改進(jìn)SEIQR模型的突發(fā)網(wǎng)絡(luò)輿情傳播與控制研究［J］. 情報(bào)理論與實(shí)踐， 2024， 47（3）： 149-157.

JIN H， LI Y X. Research on propagation and control of sudden online public opinion based on improved SEIQR model［J］. Information Studies： Theory amp; Application， 2024， 47（3）： 149-157.

［61］張明紅， 佘廉. 基于情景的突發(fā)事件演化模型研究—以青島“11. 22”事故為例［J］. 情報(bào)雜志， 2016， 35（5）： 65-71.

ZHANG M H， SHE L. A case study on the evolutionary model of emergency events based on scenario： the Qingdao “11. 22” accident［J］. Journal of Intelligence， 2016， 35（5）： 65-71.

［62］楊志， 祁凱. 基于“情景—應(yīng)對(duì)”的突發(fā)網(wǎng)絡(luò)輿論事件演化博弈分析［J］. 情報(bào)科學(xué)， 2018， 36（2）： 30-36.

YANG Z， QI K. Evolutionary game analysis of the emergency network public opinion incidents based on “scenario—coping”［J］. Information Science， 2018， 36（2）： 30-36.

［63］鞏前勝. “情景—應(yīng)對(duì)”型應(yīng)急決策中情景識(shí)別關(guān)鍵技術(shù)研究［D］. 西安： 西安科技大學(xué)， 2018.

GONG Q S. Research on the key techniques of scenario recognition in “scenario-response” emergency decision-making ［D］. Xi’an： Xi’an University of Science and Technology， 2018.

［64］BENOIT W L. Image repair discourse and crisis communication［J］. Public Relations Review， 1997， 23（2）： 177-186.

［65］HEARIT K M. The use of counter-attack in apologetic public relations crises： the case of general motors vs. dateline NBC［J］. Public Relations Review， 1996， 22（3）： 233-248.

［66］COOMBS W T. An analytic framework for crisis situations： better responses from a better understanding of the situation［J］. Journal of public relations research， 1998， 10（3）： 177-191.

［67］COOMBS W T. The protective powers of crisis response strategies： managing reputational assets during a crisis［J］. Journal of Promotion Management， 2006， 12（3）： 241-260.

［68］YAN J， LIU F B. The blog-mediated crisis communication model： recommendations for responding to influential external blogs［J］. Journal of Public Relations Research， 2010， 22（4）： 429-455.

［69］胡峰， 左茜. 自由基聚合理論視閾下重大疫情防控應(yīng)急情報(bào)體系優(yōu)化策略［J］. 情報(bào)科學(xué)， 2020， 38（11）： 10-15.

HU F， ZUO X. Optimization strategy of emergency intelligence system for prevention and control of major epidemic from the perspective of free radical polymerization theory［J］. Information Science， 2020， 38（11）： 10-15.

［70］張寶生， 楊曉婷， 王曉紅. 面向突發(fā)自然災(zāi)害事件的政務(wù)微博輿情動(dòng)態(tài)預(yù)警機(jī)制研究［J］. 情報(bào)科學(xué)， 2024， 42（2）： 43-55.

ZHANG B S， YANG X T， WANG X H. Public opinion dynamic early warning mechanism of government microblog for sudden natural disaster relief event［J］. Information Science， 2024， 42（2）： 43-55.

作者簡(jiǎn)介

關(guān) 爽（1985—），女，博士研究生，主要研究方向?yàn)轫?xiàng)目管理、智慧應(yīng)急管理。

王長(zhǎng)峰（1965—），男，教授，博士，主要研究方向?yàn)轫?xiàng)目管理、智慧應(yīng)急管理。

楊龍飛（1989—），男，講師，博士，主要研究方向?yàn)轫?xiàng)目管理、傳播動(dòng)力學(xué)建模。