大數(shù)據(jù)環(huán)境下面向突發(fā)公共事件的微博用戶情緒分析

魯艷霞　吳迪　黃川林

摘 要：近年來突發(fā)公共事件頻出，隨著互聯(lián)網(wǎng)的普及和大數(shù)據(jù)等信息技術(shù)的迅猛發(fā)展，Twitter、博客、微博等使得公眾在突發(fā)公共事件發(fā)生后表達(dá)個體情緒更加便捷。本文以“天津港爆炸事件”為研究對象，首先利用爬蟲工具收集微博內(nèi)容，然后通過ROST CM內(nèi)容挖掘軟件進(jìn)行中文詞頻分析，最后通過SPSS對微博情感進(jìn)行分析統(tǒng)計。研究發(fā)現(xiàn)，公眾情緒容易受到集群效應(yīng)的影響，網(wǎng)民群體情緒的不穩(wěn)定性會導(dǎo)致其行動的不確定性，政府或意見領(lǐng)袖的積極引導(dǎo)將會促進(jìn)突發(fā)事件的良性發(fā)展。

關(guān)鍵詞：大數(shù)據(jù)；突發(fā)公共事件；情緒；輿情引導(dǎo)

中圖分類號：TP312.63 文獻(xiàn)標(biāo)識碼：A

1 引言（Introduction）

隨著移動互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展與成熟，再加上無線網(wǎng)絡(luò)的覆蓋明顯提升，給人們生活帶來了便捷。與此同時，我國網(wǎng)絡(luò)新聞用戶規(guī)模為5.64億，較去年增長8.8%，表明越來越多的公眾對各類新聞事件給予更多的關(guān)注。據(jù)互聯(lián)網(wǎng)發(fā)展?fàn)顩r統(tǒng)計報告顯示，社交領(lǐng)域的微博使用率達(dá)到33.5%，越來越多的網(wǎng)民喜歡通過微博刷“存在感”。網(wǎng)絡(luò)的普及性、移動性、草根性與匿名性等使得越來越多的民眾喜歡通過網(wǎng)絡(luò)表達(dá)對突發(fā)公共事件的觀點(diǎn)和看法。微博用戶對突發(fā)公共事件的關(guān)注相應(yīng)會產(chǎn)生大量的、非結(jié)構(gòu)化的微博內(nèi)容，微博內(nèi)容中涵蓋了民眾的情緒與情感，及時挖掘這些特征將有利于政府相關(guān)部門對輿情的監(jiān)控以及謠言的控制，從而有效提高政府的公信力和應(yīng)急管理能力。本文以“天津港爆炸事件”為研究對象，進(jìn)行大數(shù)據(jù)環(huán)境下突發(fā)公共事件的微博用戶情緒研究，以期使政府相關(guān)部門了解公眾在事件發(fā)生過程中的情感傳播狀況，為避免公眾情感的集聚和極化，提供有針對性的信息，從而為政府引導(dǎo)策略的制定提供一定的理論和實(shí)踐指引。

2 理論基礎(chǔ)與研究現(xiàn)狀（Theoretical basis and research review）

大數(shù)據(jù)環(huán)境下的微博用戶之間存在著大量的信息交互，往往在對突發(fā)公共事件的反應(yīng)中，自覺不自覺地就反映出群際情緒。群際情緒理論[1]由美國心理學(xué)家Mackie提出，認(rèn)為群際情緒是個體認(rèn)同某一社會群體時的情緒體驗(yàn)，當(dāng)個人認(rèn)同某一群體時，對相關(guān)事物的評價將會帶有情緒色彩。

同時，突發(fā)公共事件具有突發(fā)性、持續(xù)性、不確定性等特征，由于事件相關(guān)信息在短時間內(nèi)并不一定能夠清晰顯現(xiàn)，因此部分微博內(nèi)容存在著一定的片面性，不明真相或認(rèn)知能力較差的網(wǎng)民極易受到情緒感染以至于產(chǎn)生不良的負(fù)面影響。情緒感染理論由McDougall提出，Hatfield[2]給出了較為全面的定義，認(rèn)為個人情緒感染到其他個體時，情緒會反過來影響他人，從而強(qiáng)化個人原本的情緒狀態(tài)，最終導(dǎo)致某種情緒在群體間同質(zhì)化。

因此，及時、有效地對微博用戶產(chǎn)生的微博內(nèi)容進(jìn)行分析，將會有效提升政府對突發(fā)公共事件的輿情監(jiān)控。基于此，越來越多的學(xué)者近年來對突發(fā)公共事件的情緒與情感傳播進(jìn)行了相關(guān)研究。

劉志明等[3，4]提出突發(fā)事件引發(fā)的群體情緒會引起次生群體事件的發(fā)生，研究了突發(fā)事件發(fā)生、發(fā)展過程中群體情緒尤其是負(fù)面情緒的演化規(guī)律并建立了相應(yīng)的模型，對次生突發(fā)事件起到了較好的預(yù)警效果，但是文章并未針對大數(shù)據(jù)環(huán)境對微博情緒進(jìn)行分析；李從東等[5]從系統(tǒng)學(xué)和耗散結(jié)構(gòu)理論角度對社會情緒進(jìn)行了分析，結(jié)合系統(tǒng)動力學(xué)和元胞自動機(jī)模型模擬社會情緒，并且對社會情緒的穩(wěn)定性進(jìn)行了建模，從而對社會情緒的評估與預(yù)測提供了一定的理論和模型基礎(chǔ)；趙衛(wèi)東等[6]從信息傳播與群體行為角度研究了網(wǎng)民的情緒傳播機(jī)制并構(gòu)建了情緒傳播模型，對于網(wǎng)民群體情緒演化規(guī)律進(jìn)行了仿真分析，但是文獻(xiàn)[5]和[6]并未從實(shí)際應(yīng)用角度分析政府對微博情緒尤其是負(fù)面情緒的引導(dǎo)作用。

3 基于ROST CM的微博用戶內(nèi)容情緒分析（An analysis of micro-blog users' emotions based on ROST CM）

微博用戶群體涵蓋不同年齡、性別、教育背景等基本特征，具有一定的廣泛性，因此微博用戶內(nèi)容也反應(yīng)了對同一突發(fā)公共事件卻可能會有不同的情緒與情感。羊群效應(yīng)[7]在網(wǎng)絡(luò)輿情傳播過程中是一個普遍存在的現(xiàn)象，使得個人觀念或行為在特定的群體影響下與多數(shù)人相一致，如果不對網(wǎng)民群體內(nèi)部的羊群效應(yīng)加以引導(dǎo)，不僅會影響網(wǎng)絡(luò)輿情的傳播過程，還會影響輿情的最終演化方向，甚至可能對社會穩(wěn)定造成威脅。

為了更好的分析突發(fā)公共事件發(fā)生后的微博用戶情緒變化規(guī)律，本研究選取發(fā)生于新浪微博的“天津港爆炸事件”，分析單位是事件發(fā)生期間微博內(nèi)容。該事件經(jīng)國務(wù)院調(diào)查組認(rèn)定是一起特別重大生產(chǎn)安全責(zé)任事故，屬突發(fā)公共事件中的社會安全事件。該事件背景如下：

2015年8月12日23：30左右，位于天津?yàn)I海新區(qū)塘沽開發(fā)區(qū)的天津東疆保稅港區(qū)瑞海國際物流有限公司危險品倉庫發(fā)生爆炸。截至2015年9月11日，共發(fā)現(xiàn)遇難者總?cè)藬?shù)165人，8人失聯(lián)，其中公安消防人員24人、民警11人、天津港消防人員75人、其他人員55人。鷹眼與情網(wǎng)顯示該事件最先由微博曝光，8月12日晚微博用戶陸續(xù)發(fā)布爆炸相關(guān)信息或圖片引發(fā)網(wǎng)民關(guān)注，此后經(jīng)由微博中明星媒體發(fā)表評論或者轉(zhuǎn)發(fā)相關(guān)微博，隨后相關(guān)事件的信息量呈爆炸式增長。

本文使用武漢大學(xué)沈陽教授研發(fā)編碼的ROST CM文本挖掘軟件對微博數(shù)據(jù)進(jìn)行預(yù)處理以及后續(xù)分析，該軟件可以實(shí)現(xiàn)對收集到的微博內(nèi)容進(jìn)行分詞、詞頻統(tǒng)計、情感分析等操作。論文首先收集研究所需要的微博大數(shù)據(jù)，在對微博用戶內(nèi)容大數(shù)據(jù)進(jìn)行預(yù)處理的基礎(chǔ)上，將其導(dǎo)入ROST情感分析工具，從而對微博內(nèi)容情感傾向性進(jìn)行判斷。該軟件將微博內(nèi)容的情感分為三類：積極、中立和消極，其中積極情緒和消極情緒還可以進(jìn)一步的細(xì)分，其定義的情感值區(qū)間分別為一般積極（0，10]、中度積極（10，20]、高度積極（20，+∞），一般消極[-10，0）、中度消極[-20，-10）和高度消極（-∞，-20）。在情感傾向性判斷的基礎(chǔ)上，可以對不同類別的情感走勢進(jìn)行模擬和預(yù)測。

4 實(shí)證研究（Empirical research）

4.1 數(shù)據(jù)獲取

本文選取新浪微博發(fā)表的博文為數(shù)據(jù)資源，以“天津爆炸”和“天津塘沽大爆炸”為關(guān)鍵詞，利用GooSeeker數(shù)據(jù)采集工具抓取了2015年8月12日至2015年12月25日共135天的微博內(nèi)容。GooSeeker是一款專業(yè)的網(wǎng)絡(luò)爬蟲軟件，有垂直搜索、信息匯聚、個人信息檢索等主要功能。根據(jù)研究需要，本文主要抓取了“用戶名”“微博內(nèi)容”“發(fā)布時間”“發(fā)布設(shè)備”“轉(zhuǎn)發(fā)數(shù)”“評論數(shù)”“贊數(shù)”相關(guān)數(shù)據(jù)，部分?jǐn)?shù)據(jù)如表1所示。

4.2 數(shù)據(jù)預(yù)處理

由于同一個人發(fā)表的相同的博文信息屬于重復(fù)數(shù)據(jù)，會對情感分析結(jié)果的有效性產(chǎn)生影響，所以本文利用Excel工具，對微博內(nèi)容進(jìn)行去重處理，從而得到本實(shí)驗(yàn)的研究數(shù)據(jù)，涵蓋微博內(nèi)容共計38934條。

利用ROST CM挖掘軟件對微博采集信息進(jìn)行中文分詞，接著利用ROST WordParser軟件對分詞后的數(shù)據(jù)進(jìn)行中文詞頻分析，統(tǒng)計得出了網(wǎng)民反復(fù)討論出現(xiàn)的熱詞，結(jié)果如表2所示。

由表2可看出，在這種網(wǎng)民大規(guī)模參與的集群行為中，熱詞被多次反復(fù)提及和討論。網(wǎng)民大多表達(dá)了對天津爆炸事件的震驚、對救災(zāi)人員的尊敬與祝福以及對相關(guān)單位的譴責(zé)。不同的時間階段有不同的網(wǎng)民參與某類話題，從而形成從不同側(cè)面刻畫該事件的集群行為，討論的過程中容易形成多個熱點(diǎn)話題，而參與討論某個話題的人越多，說明該話題的熱度越大，微博輿論也就此形成。

4.3 數(shù)據(jù)分析

將38934條微博內(nèi)容作為樣本，可將“天津爆炸”事件粗略劃分為“爆發(fā)期”“衰退期”“消亡期”三個階段，如圖1所示。

圖1可看出，天津爆炸事件在8月12日發(fā)生后，微博相關(guān)評論迅速升溫，在8月13日達(dá)到極值，之后關(guān)注量持續(xù)減少，最后形成長尾效應(yīng)。

進(jìn)一步統(tǒng)計可得到網(wǎng)民情感的整體分析結(jié)果，如表3所示。

由表3可知，在抓取到的博文數(shù)據(jù)中，消極情緒占了最大比例（57.56%），說明對于天津爆炸事件網(wǎng)民的整體情緒趨向于消極。

為了能更好地看出人們的情感走勢，本文對每天的情感值求平均值，得到了從2015年8月12日至2015年12月26日的每天不同類別情感值以及整體情感值的平均值，利用SPSS軟件得出所有博文內(nèi)容的情感值、積極與消極情緒情感值隨時間序列走勢如圖2—圖4所示。

為了進(jìn)一步驗(yàn)證該組數(shù)據(jù)的可靠性，導(dǎo)入SPSS 22.0中進(jìn)行分析，結(jié)果表明：數(shù)據(jù)分布范圍為[-127，124]，在理論值范圍之內(nèi)；均值為-3.58，中位數(shù)為-2.00，方差為317.286，說明數(shù)據(jù)的離散程度較高；偏斜度<0，峰度>0，根據(jù)統(tǒng)計學(xué)中的判斷標(biāo)準(zhǔn)，偏斜度=0，峰度=0時，分布呈正態(tài)，偏斜度>

0時，分布呈正偏態(tài)，偏斜度<0時，分布呈負(fù)偏態(tài)，峰度>0時，曲線比較陡峭，峰度<0時，曲線比較平坦，說明本數(shù)據(jù)分布為負(fù)偏態(tài)（朝右偏），較陡峭。而當(dāng)偏態(tài)在樣本例數(shù)夠大時可看作近似正態(tài)分布，因此本數(shù)據(jù)也可看作近似正態(tài)分布，符合自然界中正常的數(shù)據(jù)分布形態(tài)，表明本數(shù)據(jù)具有較高的可靠性。

5 結(jié)論（Conclusion）

通過對不同情感的趨勢模擬，可回溯到相應(yīng)的博文內(nèi)容，從而發(fā)現(xiàn)引起情感波動的因素。

8月13日，網(wǎng)友@妖妖小精在13日上午創(chuàng)作了一幅漫畫名為“世界上最帥的逆行”，感動無數(shù)網(wǎng)友；8月16日，李克強(qiáng)代表黨中央與國務(wù)院，趕赴天津“8·12”爆炸事故現(xiàn)場，看望慰問救援官兵、消防隊員和傷員及受災(zāi)群眾，部署下一步救援救治、善后處置和安全生產(chǎn)工作；9月4日，天津港爆炸核心區(qū)積水廢土已被外運(yùn)；10月14日，天津?yàn)I海新區(qū)爆炸最小遇難者海葬；9月16日，檢察機(jī)關(guān)公布了對事故中12名領(lǐng)導(dǎo)干部的刑事拘留措施和有關(guān)部門的責(zé)任認(rèn)定初步結(jié)論，明確了相關(guān)部門的失職瀆職行為。

通過以上過程分析可知，當(dāng)政府出臺新的有利于災(zāi)區(qū)救援工作的政策，媒體報道了關(guān)于網(wǎng)友為消防人員而作的畫，或者政府領(lǐng)導(dǎo)親自到災(zāi)區(qū)探望受災(zāi)群眾時，網(wǎng)民的情感走勢出現(xiàn)波峰，說明政府工作良好有序地開展對輿情有積極的影響。當(dāng)檢察機(jī)關(guān)公布事故的責(zé)任認(rèn)定，其他地區(qū)類似爆炸案的發(fā)生、當(dāng)一些特殊的紀(jì)念日到來或者特殊事件發(fā)生時，網(wǎng)民情感走勢會出現(xiàn)波谷，說明媒體的報道對輿情的影響至關(guān)重要。

同時，我們發(fā)現(xiàn)網(wǎng)民群體由于其情緒的高度不穩(wěn)定性必然導(dǎo)致其行動方向的極度不確定性，獨(dú)立思考能力和意志力薄弱的網(wǎng)民更容易受到集群效應(yīng)的影響。雖然整個微博討論過程中積極和消極情緒交替上漲，但安全事故類突發(fā)事件中消極情緒始終占據(jù)主流。

因此，為了避免集群行為在極端情緒的感染下走向“極化”，政府部門應(yīng)尊重網(wǎng)絡(luò)民意，及時把握網(wǎng)絡(luò)輿論關(guān)注的社會問題；正面處理網(wǎng)絡(luò)輿情事件，把握網(wǎng)絡(luò)集群演變趨勢；同時，應(yīng)該加強(qiáng)對微博網(wǎng)絡(luò)的監(jiān)督，完善對造謠者、滋事者言論的監(jiān)測和清理機(jī)制，充分利用微博平臺建立政務(wù)信息平臺。

參考文獻(xiàn)（References）

[1] 劉峰，佐斌.群際情緒理論及其研究[J].心理科學(xué)進(jìn)展，2010，18（6）：940-947.

[2] Hatfield，Cacioppo，Rapson.Emotional Contagion[J].Current Directions in Psychological Science，1993（2）：96-99.

[3] 劉志明，劉魯.面向突發(fā)事件的群體情緒監(jiān)控預(yù)警[J].系統(tǒng)工程，2010，28（07）：66-73.

[4] 劉志明，劉魯.面向突發(fā)事件的民眾負(fù)面情緒生命周期模型[J].管理工程學(xué)報，2013，27（01）：15-21.

[5] 李從東，洪宇翔.面向突發(fā)事件的社會情緒穩(wěn)定性建模方法研究[J].情報雜志，2014，33（01）：146-151.

[6] 趙衛(wèi)東，趙旭東.突發(fā)事件的網(wǎng)絡(luò)情緒傳播機(jī)制及仿真研究[J].系統(tǒng)工程理論與實(shí)踐，2015，35（10）：2573-2581.

[7] 陳福集，黃江玲.基于演化博弈的網(wǎng)絡(luò)輿情傳播的羊群效應(yīng)研究[J].情報雜志，2013（10）：1-5.

作者簡介：

魯艷霞（1977-），女，碩士，教授.研究領(lǐng)域：信息系統(tǒng).

吳 迪（1975-），男，碩士，副教授.研究領(lǐng)域：ERP，數(shù)據(jù)分析.

黃川林（1979-），女，碩士，副教授.研究領(lǐng)域：SAP開發(fā)技術(shù).