大數(shù)據(jù)情景下新冠疫情新聞?shì)浨榉治?/h1>
2020-11-19 12:24:16胡樂(lè)煒
新聞前哨 2020年10期
◎胡樂(lè)煒
新冠肺炎疫情爆發(fā)以來(lái)，疫情的動(dòng)向牽動(dòng)著全國(guó)人民的心。社交媒體平臺(tái)成為廣大群眾了解疫情的重要渠道。大到權(quán)威的新聞媒體， 小至零散的個(gè)人自媒體都紛紛在社交平臺(tái)上發(fā)聲，從不同角度傳遞著疫情的進(jìn)展。 可見，社交媒體平臺(tái)作為新聞媒體的載體對(duì)于明確疫情新聞?wù)鎸?shí)性、消除民眾恐慌情緒、 傳遞社會(huì)正能量等方面發(fā)揮著不可替代的作用。更進(jìn)一步地，習(xí)近平總書記在2 月3 日召開的政治局常務(wù)委員會(huì)議上強(qiáng)調(diào)加強(qiáng)疫情防控的輿論引導(dǎo)工作，為堅(jiān)決打贏疫情防控阻擊戰(zhàn)提供強(qiáng)大的輿論支持。基于此，本研究以新浪微博的媒體新聞為實(shí)驗(yàn)場(chǎng)地， 分析新冠疫情新聞?shì)浨閭鞑ヌ卣骱蛢?nèi)容屬性，為科學(xué)引導(dǎo)輿論提出思路。
一、對(duì)于新浪微博疫情新聞的文本挖掘
1.設(shè)計(jì)思路
新浪微博是中國(guó)最大的社交媒體平臺(tái)之一， 既有蘊(yùn)含國(guó)家政策導(dǎo)向的主流新聞媒體聲音， 也呈現(xiàn)了民間自媒體的影像，非常適合本研究探索新聞?shì)浨樘卣鳌?因此，本文擬首先從新浪微博上采集某一特定地區(qū)特定時(shí)間段的新冠疫情新聞內(nèi)容，然后利用Python 程序完成對(duì)于新冠疫情新聞內(nèi)容的文本挖掘，分析得出文本特征，最后，結(jié)合我國(guó)新聞行業(yè)實(shí)踐，總結(jié)和歸納科學(xué)引導(dǎo)輿論思路。
2.數(shù)據(jù)集選擇
由于新冠疫情始于湖北，因此本研究首先將新聞采集的范圍控制在湖北地區(qū)媒體發(fā)布，而后，本研究將新聞采集的時(shí)段選定為新冠肺炎疫情蔓延最為嚴(yán)峻的時(shí)期：1 月27日（李克強(qiáng)總理來(lái)到武漢考察指導(dǎo)）至2 月8 日（雷神山醫(yī)院交付使用）期間。
圖1：新浪微博疫情新聞數(shù)量折線圖
通過(guò)利用基于scrapy 架構(gòu)的Python 程序爬蟲采集以新冠肺炎為檢索關(guān)鍵字的新聞，本研究得到了來(lái)自湖北地區(qū)各種媒體（包括武漢晚報(bào)、健康武漢、新浪湖北等經(jīng)過(guò)認(rèn)證的權(quán)威媒體，也包括未經(jīng)認(rèn)證的自媒體用戶）發(fā)布的相關(guān)新聞，清洗和去重，最終得到8772 條數(shù)據(jù)，數(shù)量特征如圖1 所示。
可以看出，隨著疫情不斷加劇，新浪微博上的湖北媒體發(fā)文數(shù)量呈現(xiàn)總體上升趨勢(shì)， 從一個(gè)方面反映了社會(huì)對(duì)于疫情關(guān)注度不斷提升的事實(shí)。
3.實(shí)驗(yàn)處理過(guò)程
經(jīng)過(guò)新聞的數(shù)量分析后，本研究將采集到的新聞全部整合到一起，利用Python 的jieba 第三方庫(kù)進(jìn)行分詞，并結(jié)合哈工大版的停用詞表對(duì)新聞內(nèi)容進(jìn)行進(jìn)一步清洗， 在此基礎(chǔ)上， 完成了全部?jī)?nèi)容的詞頻分析， 圖2 是利用Python的WordCloud 庫(kù)和matplotlib 庫(kù)繪制的詞云圖。
圖2：基于Python 程序的詞云圖
從詞云圖中，可以看出新聞內(nèi)容中出現(xiàn)頻率比較高的詞語(yǔ)（如：新冠、疫情、肺炎、醫(yī)院、防控等）均是和檢索的新聞內(nèi)容密切關(guān)聯(lián)的。 進(jìn)一步地，本文再利用Python 統(tǒng)計(jì)分析出了新聞中出現(xiàn)頻率最高的十個(gè)詞語(yǔ)和出現(xiàn)次數(shù)， 如下表1 所示。
表1：新聞詞頻分析
從表1 可以看出出現(xiàn)頻率最高的兩個(gè)詞便是本研究在新浪微博檢索的關(guān)鍵詞，隨后的高頻詞語(yǔ)均與新冠肺炎的防控高度相關(guān)。 然而，盡管通過(guò)詞頻分析可以判斷新聞的相關(guān)話題，卻無(wú)法細(xì)致地新聞的文本特征，因此，有必要對(duì)新聞進(jìn)一步采用TF-IDF 算法進(jìn)行關(guān)鍵詞抽取的輿情分析。
表2：新聞關(guān)鍵詞抽取
二、新浪微博疫情新聞的輿情分析
TF-IDF 表示詞頻逆文檔頻率，TF-IDF 是文本挖掘和輿情分析中常用的算法。該算法計(jì)算出一個(gè)權(quán)重，用于評(píng)估一個(gè)詞語(yǔ)對(duì)集合或語(yǔ)料庫(kù)中的文檔的重要性。 重要性隨著詞語(yǔ)在文檔中出現(xiàn)的次數(shù)成比例增加， 但會(huì)被該詞語(yǔ)在語(yǔ)料庫(kù)中的頻率所抵消。 總體上的新聞內(nèi)容中常出現(xiàn)的高頻詞匯不一定等表征每天新聞的內(nèi)容特點(diǎn)，基于此，本研究運(yùn)用TF-IDF 算法，對(duì)樣本新聞庫(kù)中每天的新聞內(nèi)容進(jìn)行關(guān)鍵詞抽取分析，如表2 所示。
從上表可以看出，每日新聞內(nèi)容的關(guān)鍵詞大都含有醫(yī)院、感染等詞匯，但仍存在自身特有的關(guān)鍵詞維度，結(jié)合具體的新聞內(nèi)容進(jìn)行細(xì)致分析， 能發(fā)現(xiàn)關(guān)鍵字和新聞內(nèi)容的對(duì)應(yīng)關(guān)系。 例如1 月31 日出現(xiàn)的紅十字會(huì)關(guān)鍵詞，就涉及到了在當(dāng)天發(fā)生的湖北省紅十字會(huì)對(duì)應(yīng)疫情物資使用情況的澄清說(shuō)明事件，2 月2 日出現(xiàn)的火神關(guān)鍵字則表明了當(dāng)天武漢火神山醫(yī)院正式交付的新聞，2 月4 日出現(xiàn)的方艙關(guān)鍵字則描述了連續(xù)的幾天中武漢市政府連夜開辟方艙醫(yī)院，收治新冠肺炎輕癥患者，2 月7 日出現(xiàn)的李文亮關(guān)鍵字凸顯了當(dāng)天大量的新聞報(bào)道指向李文亮醫(yī)生去世，2 月8日的關(guān)鍵字氣溶膠的呈現(xiàn)則是因?yàn)楫?dāng)天公布的新冠肺炎傳播途徑包括氣溶膠傳播。
三、總結(jié)與思考
社交媒體平臺(tái)的新聞內(nèi)容在一定程度上代表了社會(huì)大眾的心聲。 通過(guò)對(duì)新浪微博這個(gè)主流的中國(guó)社交媒體平臺(tái)中各種媒體用戶發(fā)布的新冠疫情新聞進(jìn)行輿情分析，本文對(duì)于社交媒體平臺(tái)上的新聞?shì)浨檫M(jìn)行總結(jié)。
首先， 對(duì)于疫情的報(bào)道應(yīng)該注重嚴(yán)謹(jǐn)性和科學(xué)性，對(duì)于未經(jīng)證實(shí)或虛假的新聞要及時(shí)給予澄清和辟謠。 社交媒體平臺(tái)冗雜了大量的媒體用戶， 在信息缺乏透明度的輿論環(huán)境中，如果用戶隨意發(fā)聲，很可能引起全社會(huì)不必要的恐慌和混亂，例如：有自媒體發(fā)聲形成了紅糖和姜蒜熬水喝可以預(yù)防新冠肺炎、養(yǎng)貓狗易感染新冠肺炎等謠言。這些謠言曾在一時(shí)間給予了人們錯(cuò)誤的引導(dǎo)， 或者造成了不必要的恐慌。 新浪微博平臺(tái)很快就根據(jù)查證權(quán)威機(jī)構(gòu)的說(shuō)明給予辟謠。 未來(lái)，社交媒體平臺(tái)需要更加健全新聞傳播機(jī)制：一方面，對(duì)于這些類似街談巷議的謠言，官方媒體能夠及時(shí)給與辟謠和解釋，另一方面，官方媒體自身發(fā)布的新聞一定要更加嚴(yán)謹(jǐn)和科學(xué)。
其次，社交媒體平臺(tái)上的用戶及時(shí)發(fā)布的疫情醫(yī)療相關(guān)信息，有效促進(jìn)了社會(huì)組織間的配合協(xié)作。本次疫情來(lái)勢(shì)兇猛， 短時(shí)期內(nèi)對(duì)于武漢乃至湖北地區(qū)社會(huì)經(jīng)濟(jì)帶來(lái)了極大的壓力，造成醫(yī)療資源不足的不利情形。社交媒體平臺(tái)在信息傳播方面有著得天獨(dú)厚的速度和廣度優(yōu)勢(shì)， 媒體用戶將疫情即時(shí)信息快速傳播， 有助于政府和民間深入了解疫區(qū)情況，更有效地調(diào)配醫(yī)療資源，提升醫(yī)院救治效率。例如：在本次疫情中， 新浪微博的媒體用戶及時(shí)通報(bào)了疑似新冠肺炎感染患者的具體情況， 為政府收治病人和控制疫情蔓延收到了一定的效果。又如，媒體用戶在新浪微博全平臺(tái)及時(shí)通告某些醫(yī)院防疫物資不足的詳細(xì)情況， 為全國(guó)支援湖北抗疫提供了有力的信息支持。 可以看到，在輿論引導(dǎo)上，社交媒體平臺(tái)需要判別信息的價(jià)值， 對(duì)于用戶傳遞的有價(jià)值信息應(yīng)給予更大力度的推送和傳播。
最后，結(jié)合國(guó)家的政策導(dǎo)向，利用社交媒體平臺(tái)的話題和超話功能，弘揚(yáng)正能量。突發(fā)的疫情幾乎打了所有人的生活節(jié)奏， 大部分人都被迫隔離。 人們無(wú)法正常生活和工作，承受著來(lái)自各方的巨大壓力（例如：無(wú)法回家、房貸、沒(méi)有收入等），急切需要找尋舒緩壓力的出口。 新浪微博開辟了萬(wàn)眾一心抗擊新冠肺炎、抗擊新型肺炎各地公益行動(dòng)等圍繞抗擊新冠疫情的話題和超話，大量的媒體都在這些話題中為湖北加油打氣：有代表政府的媒體不斷發(fā)出幫助疫區(qū)人們的利好政策信息（例如：銀保監(jiān)會(huì)發(fā)布的受疫情影響暫無(wú)收入人群可合理延后還房貸）， 有代表企業(yè)的媒體發(fā)出的援助湖北的新聞，也有大大小小的自媒體用戶發(fā)布的提醒、祝福、鼓勵(lì)的內(nèi)容等等。 這些正向引導(dǎo)的新聞內(nèi)容對(duì)于湖北疫區(qū)的人們來(lái)說(shuō)，無(wú)疑是排解壓力，消除恐慌情緒的良藥。
猜你喜歡
社交之城英語(yǔ)世界(2023年6期)2023-06-30 06:28:28 社交牛人癥該怎么治意林彩版(2022年2期)2022-05-03 10:25:08 猴子雖小讀者(2021年20期)2021-09-25 20:30:35 社交距離第一財(cái)經(jīng)(2020年4期)2020-04-14 04:38:56 你回避社交，真不是因?yàn)閮?nèi)向文苑(2018年17期)2018-11-09 01:29:28 新浪讀書排行榜閱讀時(shí)代(2017年3期)2017-03-11 07:24:51 輿情中國(guó)民政(2016年16期)2016-09-19 02:16:48 輿情中國(guó)民政(2016年10期)2016-06-05 09:04:16 輿情中國(guó)民政(2016年24期)2016-02-11 03:34:38 微博的輿情控制與言論自由傳媒國(guó)際評(píng)論(2014年1期)2014-02-27 07:12:12
◎胡樂(lè)煒
新冠肺炎疫情爆發(fā)以來(lái)，疫情的動(dòng)向牽動(dòng)著全國(guó)人民的心。社交媒體平臺(tái)成為廣大群眾了解疫情的重要渠道。大到權(quán)威的新聞媒體， 小至零散的個(gè)人自媒體都紛紛在社交平臺(tái)上發(fā)聲，從不同角度傳遞著疫情的進(jìn)展。 可見，社交媒體平臺(tái)作為新聞媒體的載體對(duì)于明確疫情新聞?wù)鎸?shí)性、消除民眾恐慌情緒、 傳遞社會(huì)正能量等方面發(fā)揮著不可替代的作用。更進(jìn)一步地，習(xí)近平總書記在2 月3 日召開的政治局常務(wù)委員會(huì)議上強(qiáng)調(diào)加強(qiáng)疫情防控的輿論引導(dǎo)工作，為堅(jiān)決打贏疫情防控阻擊戰(zhàn)提供強(qiáng)大的輿論支持。基于此，本研究以新浪微博的媒體新聞為實(shí)驗(yàn)場(chǎng)地， 分析新冠疫情新聞?shì)浨閭鞑ヌ卣骱蛢?nèi)容屬性，為科學(xué)引導(dǎo)輿論提出思路。
一、對(duì)于新浪微博疫情新聞的文本挖掘
1.設(shè)計(jì)思路
新浪微博是中國(guó)最大的社交媒體平臺(tái)之一， 既有蘊(yùn)含國(guó)家政策導(dǎo)向的主流新聞媒體聲音， 也呈現(xiàn)了民間自媒體的影像，非常適合本研究探索新聞?shì)浨樘卣鳌?因此，本文擬首先從新浪微博上采集某一特定地區(qū)特定時(shí)間段的新冠疫情新聞內(nèi)容，然后利用Python 程序完成對(duì)于新冠疫情新聞內(nèi)容的文本挖掘，分析得出文本特征，最后，結(jié)合我國(guó)新聞行業(yè)實(shí)踐，總結(jié)和歸納科學(xué)引導(dǎo)輿論思路。
2.數(shù)據(jù)集選擇
由于新冠疫情始于湖北，因此本研究首先將新聞采集的范圍控制在湖北地區(qū)媒體發(fā)布，而后，本研究將新聞采集的時(shí)段選定為新冠肺炎疫情蔓延最為嚴(yán)峻的時(shí)期：1 月27日（李克強(qiáng)總理來(lái)到武漢考察指導(dǎo)）至2 月8 日（雷神山醫(yī)院交付使用）期間。
圖1：新浪微博疫情新聞數(shù)量折線圖
通過(guò)利用基于scrapy 架構(gòu)的Python 程序爬蟲采集以新冠肺炎為檢索關(guān)鍵字的新聞，本研究得到了來(lái)自湖北地區(qū)各種媒體（包括武漢晚報(bào)、健康武漢、新浪湖北等經(jīng)過(guò)認(rèn)證的權(quán)威媒體，也包括未經(jīng)認(rèn)證的自媒體用戶）發(fā)布的相關(guān)新聞，清洗和去重，最終得到8772 條數(shù)據(jù)，數(shù)量特征如圖1 所示。
可以看出，隨著疫情不斷加劇，新浪微博上的湖北媒體發(fā)文數(shù)量呈現(xiàn)總體上升趨勢(shì)， 從一個(gè)方面反映了社會(huì)對(duì)于疫情關(guān)注度不斷提升的事實(shí)。
3.實(shí)驗(yàn)處理過(guò)程
經(jīng)過(guò)新聞的數(shù)量分析后，本研究將采集到的新聞全部整合到一起，利用Python 的jieba 第三方庫(kù)進(jìn)行分詞，并結(jié)合哈工大版的停用詞表對(duì)新聞內(nèi)容進(jìn)行進(jìn)一步清洗， 在此基礎(chǔ)上， 完成了全部?jī)?nèi)容的詞頻分析， 圖2 是利用Python的WordCloud 庫(kù)和matplotlib 庫(kù)繪制的詞云圖。
圖2：基于Python 程序的詞云圖
從詞云圖中，可以看出新聞內(nèi)容中出現(xiàn)頻率比較高的詞語(yǔ)（如：新冠、疫情、肺炎、醫(yī)院、防控等）均是和檢索的新聞內(nèi)容密切關(guān)聯(lián)的。 進(jìn)一步地，本文再利用Python 統(tǒng)計(jì)分析出了新聞中出現(xiàn)頻率最高的十個(gè)詞語(yǔ)和出現(xiàn)次數(shù)， 如下表1 所示。
表1：新聞詞頻分析
從表1 可以看出出現(xiàn)頻率最高的兩個(gè)詞便是本研究在新浪微博檢索的關(guān)鍵詞，隨后的高頻詞語(yǔ)均與新冠肺炎的防控高度相關(guān)。 然而，盡管通過(guò)詞頻分析可以判斷新聞的相關(guān)話題，卻無(wú)法細(xì)致地新聞的文本特征，因此，有必要對(duì)新聞進(jìn)一步采用TF-IDF 算法進(jìn)行關(guān)鍵詞抽取的輿情分析。
表2：新聞關(guān)鍵詞抽取
二、新浪微博疫情新聞的輿情分析
TF-IDF 表示詞頻逆文檔頻率，TF-IDF 是文本挖掘和輿情分析中常用的算法。該算法計(jì)算出一個(gè)權(quán)重，用于評(píng)估一個(gè)詞語(yǔ)對(duì)集合或語(yǔ)料庫(kù)中的文檔的重要性。 重要性隨著詞語(yǔ)在文檔中出現(xiàn)的次數(shù)成比例增加， 但會(huì)被該詞語(yǔ)在語(yǔ)料庫(kù)中的頻率所抵消。 總體上的新聞內(nèi)容中常出現(xiàn)的高頻詞匯不一定等表征每天新聞的內(nèi)容特點(diǎn)，基于此，本研究運(yùn)用TF-IDF 算法，對(duì)樣本新聞庫(kù)中每天的新聞內(nèi)容進(jìn)行關(guān)鍵詞抽取分析，如表2 所示。
從上表可以看出，每日新聞內(nèi)容的關(guān)鍵詞大都含有醫(yī)院、感染等詞匯，但仍存在自身特有的關(guān)鍵詞維度，結(jié)合具體的新聞內(nèi)容進(jìn)行細(xì)致分析， 能發(fā)現(xiàn)關(guān)鍵字和新聞內(nèi)容的對(duì)應(yīng)關(guān)系。 例如1 月31 日出現(xiàn)的紅十字會(huì)關(guān)鍵詞，就涉及到了在當(dāng)天發(fā)生的湖北省紅十字會(huì)對(duì)應(yīng)疫情物資使用情況的澄清說(shuō)明事件，2 月2 日出現(xiàn)的火神關(guān)鍵字則表明了當(dāng)天武漢火神山醫(yī)院正式交付的新聞，2 月4 日出現(xiàn)的方艙關(guān)鍵字則描述了連續(xù)的幾天中武漢市政府連夜開辟方艙醫(yī)院，收治新冠肺炎輕癥患者，2 月7 日出現(xiàn)的李文亮關(guān)鍵字凸顯了當(dāng)天大量的新聞報(bào)道指向李文亮醫(yī)生去世，2 月8日的關(guān)鍵字氣溶膠的呈現(xiàn)則是因?yàn)楫?dāng)天公布的新冠肺炎傳播途徑包括氣溶膠傳播。
三、總結(jié)與思考
社交媒體平臺(tái)的新聞內(nèi)容在一定程度上代表了社會(huì)大眾的心聲。 通過(guò)對(duì)新浪微博這個(gè)主流的中國(guó)社交媒體平臺(tái)中各種媒體用戶發(fā)布的新冠疫情新聞進(jìn)行輿情分析，本文對(duì)于社交媒體平臺(tái)上的新聞?shì)浨檫M(jìn)行總結(jié)。
首先， 對(duì)于疫情的報(bào)道應(yīng)該注重嚴(yán)謹(jǐn)性和科學(xué)性，對(duì)于未經(jīng)證實(shí)或虛假的新聞要及時(shí)給予澄清和辟謠。 社交媒體平臺(tái)冗雜了大量的媒體用戶， 在信息缺乏透明度的輿論環(huán)境中，如果用戶隨意發(fā)聲，很可能引起全社會(huì)不必要的恐慌和混亂，例如：有自媒體發(fā)聲形成了紅糖和姜蒜熬水喝可以預(yù)防新冠肺炎、養(yǎng)貓狗易感染新冠肺炎等謠言。這些謠言曾在一時(shí)間給予了人們錯(cuò)誤的引導(dǎo)， 或者造成了不必要的恐慌。 新浪微博平臺(tái)很快就根據(jù)查證權(quán)威機(jī)構(gòu)的說(shuō)明給予辟謠。 未來(lái)，社交媒體平臺(tái)需要更加健全新聞傳播機(jī)制：一方面，對(duì)于這些類似街談巷議的謠言，官方媒體能夠及時(shí)給與辟謠和解釋，另一方面，官方媒體自身發(fā)布的新聞一定要更加嚴(yán)謹(jǐn)和科學(xué)。
其次，社交媒體平臺(tái)上的用戶及時(shí)發(fā)布的疫情醫(yī)療相關(guān)信息，有效促進(jìn)了社會(huì)組織間的配合協(xié)作。本次疫情來(lái)勢(shì)兇猛， 短時(shí)期內(nèi)對(duì)于武漢乃至湖北地區(qū)社會(huì)經(jīng)濟(jì)帶來(lái)了極大的壓力，造成醫(yī)療資源不足的不利情形。社交媒體平臺(tái)在信息傳播方面有著得天獨(dú)厚的速度和廣度優(yōu)勢(shì)， 媒體用戶將疫情即時(shí)信息快速傳播， 有助于政府和民間深入了解疫區(qū)情況，更有效地調(diào)配醫(yī)療資源，提升醫(yī)院救治效率。例如：在本次疫情中， 新浪微博的媒體用戶及時(shí)通報(bào)了疑似新冠肺炎感染患者的具體情況， 為政府收治病人和控制疫情蔓延收到了一定的效果。又如，媒體用戶在新浪微博全平臺(tái)及時(shí)通告某些醫(yī)院防疫物資不足的詳細(xì)情況， 為全國(guó)支援湖北抗疫提供了有力的信息支持。 可以看到，在輿論引導(dǎo)上，社交媒體平臺(tái)需要判別信息的價(jià)值， 對(duì)于用戶傳遞的有價(jià)值信息應(yīng)給予更大力度的推送和傳播。
最后，結(jié)合國(guó)家的政策導(dǎo)向，利用社交媒體平臺(tái)的話題和超話功能，弘揚(yáng)正能量。突發(fā)的疫情幾乎打了所有人的生活節(jié)奏， 大部分人都被迫隔離。 人們無(wú)法正常生活和工作，承受著來(lái)自各方的巨大壓力（例如：無(wú)法回家、房貸、沒(méi)有收入等），急切需要找尋舒緩壓力的出口。 新浪微博開辟了萬(wàn)眾一心抗擊新冠肺炎、抗擊新型肺炎各地公益行動(dòng)等圍繞抗擊新冠疫情的話題和超話，大量的媒體都在這些話題中為湖北加油打氣：有代表政府的媒體不斷發(fā)出幫助疫區(qū)人們的利好政策信息（例如：銀保監(jiān)會(huì)發(fā)布的受疫情影響暫無(wú)收入人群可合理延后還房貸）， 有代表企業(yè)的媒體發(fā)出的援助湖北的新聞，也有大大小小的自媒體用戶發(fā)布的提醒、祝福、鼓勵(lì)的內(nèi)容等等。 這些正向引導(dǎo)的新聞內(nèi)容對(duì)于湖北疫區(qū)的人們來(lái)說(shuō)，無(wú)疑是排解壓力，消除恐慌情緒的良藥。
猜你喜歡
英語(yǔ)世界(2023年6期)2023-06-30 06:28:28
意林彩版(2022年2期)2022-05-03 10:25:08
讀者(2021年20期)2021-09-25 20:30:35
第一財(cái)經(jīng)(2020年4期)2020-04-14 04:38:56
文苑(2018年17期)2018-11-09 01:29:28
閱讀時(shí)代(2017年3期)2017-03-11 07:24:51
中國(guó)民政(2016年16期)2016-09-19 02:16:48
中國(guó)民政(2016年10期)2016-06-05 09:04:16
中國(guó)民政(2016年24期)2016-02-11 03:34:38
傳媒國(guó)際評(píng)論(2014年1期)2014-02-27 07:12:12
