基于觀點(diǎn)挖掘的突發(fā)事件微博意見(jiàn)領(lǐng)袖識(shí)別方法

劉高勇，譚依雯，艾丹祥，黃靖釗

（廣東工業(yè)大學(xué) 管理學(xué)院，廣東 廣州 510520）

突發(fā)事件是指突然發(fā)生，造成或可能造成較大社會(huì)影響的公共事件，經(jīng)過(guò)網(wǎng)絡(luò)的發(fā)酵后形成網(wǎng)絡(luò)輿情。在突發(fā)事件網(wǎng)絡(luò)輿情的傳播過(guò)程中存在著一些“意見(jiàn)領(lǐng)袖”，他們通常是各個(gè)領(lǐng)域的媒體、精英、名人或者“網(wǎng)紅”，時(shí)刻關(guān)注著網(wǎng)絡(luò)上的熱點(diǎn)，積極地扮演著“信息引導(dǎo)者”和“信息評(píng)論者”的角色，高頻率地表達(dá)自己對(duì)事件的看法和態(tài)度，有意識(shí)地追蹤和推動(dòng)輿情的發(fā)展。社交媒體平臺(tái)往往是各類(lèi)意見(jiàn)領(lǐng)袖輸出觀點(diǎn)、引導(dǎo)輿論的主要渠道，他們利用社交網(wǎng)絡(luò)響應(yīng)速度快、受眾面廣等特點(diǎn)，獲得更高的輿情影響力。在我國(guó)最大的社交媒體平臺(tái)——新浪微博中，聚集了各個(gè)領(lǐng)域大量的意見(jiàn)領(lǐng)袖。在社會(huì)性突發(fā)事件發(fā)生時(shí)，普通網(wǎng)民往往處于不知情狀態(tài)或持有負(fù)面態(tài)度，而微博意見(jiàn)領(lǐng)袖是他們進(jìn)一步了解事件態(tài)勢(shì)的重要信息來(lái)源，大眾也容易受到其觀點(diǎn)的影響。如果出現(xiàn)少數(shù)意見(jiàn)領(lǐng)袖為獲取網(wǎng)絡(luò)流量而有意散布錯(cuò)誤信息和負(fù)面觀點(diǎn)，則可能引發(fā)社會(huì)矛盾，導(dǎo)致社會(huì)治理危機(jī)。因此準(zhǔn)確地識(shí)別微博意見(jiàn)領(lǐng)袖及其輿論導(dǎo)向，是事件輿情治理的關(guān)鍵。

從前人對(duì)意見(jiàn)領(lǐng)袖概念的定義[1]中可以看出，作為意見(jiàn)領(lǐng)袖需要滿足2個(gè)條件：(1) 能夠傳播信息，并具有一定的影響性；(2) 需要有自己的觀點(diǎn)和態(tài)度，并能夠獲得群體的關(guān)注和支持。然而現(xiàn)有的研究在識(shí)別事件意見(jiàn)領(lǐng)袖時(shí)往往更注重對(duì)前者的評(píng)估，而忽略了第二項(xiàng)本質(zhì)條件。事實(shí)上，某些媒體或“大V”用戶發(fā)布的信息可能因?yàn)槠湓谄渌I(lǐng)域獲得的影響力而得到廣泛傳播，但其信息只是起到陳述事實(shí)的作用，并未輸出觀點(diǎn)并形成意見(jiàn)引導(dǎo)，因此不應(yīng)將其判定為意見(jiàn)領(lǐng)袖。針對(duì)此問(wèn)題，本文將傳統(tǒng)的意見(jiàn)領(lǐng)袖指標(biāo)模型評(píng)價(jià)和基于機(jī)器學(xué)習(xí)的觀點(diǎn)挖掘技術(shù)結(jié)合起來(lái)，綜合考慮“信息影響力、觀點(diǎn)輸出性、觀點(diǎn)支持度”3個(gè)方面的衡量標(biāo)準(zhǔn)，形成一種新的突發(fā)事件微博意見(jiàn)領(lǐng)袖識(shí)別方法。

1 相關(guān)研究

“意見(jiàn)領(lǐng)袖”是傳播學(xué)者拉扎斯菲爾德在20世紀(jì)40年代《人民的選擇》一書(shū)中提出的。在書(shū)中，他提出了“兩級(jí)傳播”理論，認(rèn)為大眾傳播并不是直接“流”向一般大眾，而是通過(guò)意見(jiàn)領(lǐng)袖在兩者之間進(jìn)行信息傳達(dá)，其模式是：大眾傳播—意見(jiàn)領(lǐng)袖—一般受眾[1]，因此意見(jiàn)領(lǐng)袖在信息傳播過(guò)程中扮演了重要角色。此后，意見(jiàn)領(lǐng)袖的概念在多個(gè)不同領(lǐng)域得到了廣泛的研究，國(guó)內(nèi)主要是網(wǎng)絡(luò)輿情、新聞傳播等領(lǐng)域。進(jìn)入21世紀(jì)后，web2.0的發(fā)展促進(jìn)了大量網(wǎng)絡(luò)社區(qū)的產(chǎn)生，而網(wǎng)絡(luò)社區(qū)中同樣存在著意見(jiàn)領(lǐng)袖，這些網(wǎng)絡(luò)空間的意見(jiàn)領(lǐng)袖影響和改變著用戶的思想傾向。

在國(guó)內(nèi)，微博已經(jīng)成為突發(fā)事件網(wǎng)絡(luò)輿情形成的重要平臺(tái)，從2010年開(kāi)始逐漸變成網(wǎng)絡(luò)輿情研究的重點(diǎn)。微博意見(jiàn)領(lǐng)袖識(shí)別主要是采用指標(biāo)分析法和社會(huì)網(wǎng)絡(luò)分析來(lái)識(shí)別意見(jiàn)領(lǐng)袖，王佳敏等[2]從影響力和活躍度兩個(gè)維度出發(fā)，結(jié)合微博的傳播特點(diǎn)，構(gòu)建微博意見(jiàn)領(lǐng)袖指標(biāo)體系，應(yīng)用一種改進(jìn)的層次分析法確定指標(biāo)權(quán)重。彭麗徽等[3]從影響力、活躍度和認(rèn)同度3個(gè)維度出發(fā)，構(gòu)建微博意見(jiàn)領(lǐng)袖指標(biāo)體系，應(yīng)用一種改進(jìn)的模糊—層次分析法確定指標(biāo)要素權(quán)重，構(gòu)建一種意見(jiàn)領(lǐng)袖識(shí)別模型。吳江等[4]融合用戶個(gè)人屬性、網(wǎng)絡(luò)特征、行為特征和文本特征，構(gòu)建意見(jiàn)領(lǐng)袖識(shí)別的綜合指標(biāo)體系。

近年來(lái)，隨著大數(shù)據(jù)和人工智能技術(shù)的發(fā)展，自然語(yǔ)言處理技術(shù)也被越來(lái)越多地運(yùn)用于網(wǎng)絡(luò)文本信息的分析與挖掘中。其中觀點(diǎn)挖掘和情感分析技術(shù)受到研究者的廣泛關(guān)注，該技術(shù)能分析文本中隱含的情緒狀態(tài)，進(jìn)而對(duì)文本發(fā)表者的態(tài)度、意圖、評(píng)價(jià)等進(jìn)行推測(cè)?；镜挠^點(diǎn)挖掘技術(shù)包括文本主客觀分析、情感分類(lèi)等。其中主客觀分析用于判斷文本是否表達(dá)了情感或含有觀點(diǎn)。情感分類(lèi)則是用于判斷主觀性文本中情感的類(lèi)型。簡(jiǎn)單的情感分類(lèi)將文本中情感分為正向和負(fù)向，也稱為情感極性分析或情感傾向性分析，通常正向代表褒義的情感，負(fù)向代表貶義的情感。而更復(fù)雜的情感分類(lèi)技術(shù)則是將文本中蘊(yùn)含的情感進(jìn)一步劃分為“喜”“怒”“哀”“懼”等多種類(lèi)型。一些研究者已將這些技術(shù)應(yīng)用于網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖的識(shí)別，并提出了一些新的思路與方法。如陳芬等[5]采用多級(jí)文本傾向性分析識(shí)別網(wǎng)民評(píng)論的5種情感傾向，表征網(wǎng)民對(duì)博主的支持度，并將其融合進(jìn)識(shí)別網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖的指標(biāo)體系。安璐等[6]采用主題分析和情感分析方法，基于主題一致性和情感支持識(shí)別評(píng)論區(qū)的意見(jiàn)領(lǐng)袖。他們的研究表明，觀點(diǎn)挖掘技術(shù)有助于深入判斷意見(jiàn)領(lǐng)袖的輿論影響力和引導(dǎo)力，能識(shí)別出更為有效的結(jié)果。

盡管目前識(shí)別網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖的方法眾多，但判定意見(jiàn)領(lǐng)袖的標(biāo)準(zhǔn)仍然缺乏統(tǒng)一性，尤其是缺乏對(duì)意見(jiàn)領(lǐng)袖“觀點(diǎn)引導(dǎo)性”這一本質(zhì)特征的考量和評(píng)判。而文本則針對(duì)這一問(wèn)題，在現(xiàn)有研究成果的基礎(chǔ)上，進(jìn)一步將觀點(diǎn)挖掘和情感分析技術(shù)應(yīng)用于對(duì)突發(fā)事件中微博意見(jiàn)領(lǐng)袖本質(zhì)特征的識(shí)別與量化評(píng)價(jià)，從而構(gòu)建一套新的識(shí)別方法。

2 突發(fā)事件微博意見(jiàn)領(lǐng)袖識(shí)別方法

2.1 方法框架

本文提出的方法框架如圖1所示。該方法的初始數(shù)據(jù)集合為B0，包含與突發(fā)事件相關(guān)的全部微博博文及其博主，然后分3個(gè)步驟從博主中篩選出事件的微博意見(jiàn)領(lǐng)袖。

第1步：基于指標(biāo)模型的博主信息影響力計(jì)算。

信息影響力大小決定了博主的事件相關(guān)表述能否被足夠多的人看到，也是博主成為事件意見(jiàn)領(lǐng)袖的首要條件。因此本方法首先根據(jù)博主的用戶屬性及其在社交網(wǎng)絡(luò)中的重要性構(gòu)建其信息影響力指標(biāo)模型，通過(guò)模型計(jì)算，從B0中找出高影響力博主及其博文，形成集合B1。由于指標(biāo)模型的計(jì)算相對(duì)簡(jiǎn)單，因此將其作為本方法框架中的第1步，可以快速篩選掉大批不具意見(jiàn)領(lǐng)袖潛質(zhì)的普通博主，提高方法的整體計(jì)算效率。

第2步：基于博文主客觀分類(lèi)的博主觀點(diǎn)輸出性計(jì)算。

本步驟判斷B1中的博主是否在其事件相關(guān)表述中形成了觀點(diǎn)輸出。如果博主要表達(dá)自己的觀點(diǎn)，則往往會(huì)在博文中對(duì)事件的某些方面進(jìn)行具有主觀色彩的加工，而不是單純的客觀報(bào)道，因此本步驟首先提取B1中所有的博文，然后基于觀點(diǎn)挖掘技術(shù)中的文本主客觀分類(lèi)，計(jì)算每篇博文表述的觀點(diǎn)輸出性，判斷其是否為觀點(diǎn)博文，并將B1中的所有觀點(diǎn)博文及其博主選出，形成集合B2。

第3步：基于評(píng)論情感極性分類(lèi)的博主觀點(diǎn)支持率計(jì)算。

本步驟判斷B2中的博主觀點(diǎn)是否獲得了大眾支持。博文所獲得的評(píng)論能直接反映出大眾對(duì)博文內(nèi)容的看法和態(tài)度，如果評(píng)論者認(rèn)同博文中的觀點(diǎn)，則其評(píng)價(jià)往往是正面和積極的，反之則是負(fù)面和消極的。因此本步驟首先獲得B2中所有博文的評(píng)論，然后基于觀點(diǎn)挖掘技術(shù)中的文本情感極性分類(lèi)，計(jì)算每篇博文獲得的觀點(diǎn)支持度，判斷其是否獲得較多支持，并將B2中的博文劃分為獲支持的博文和未獲支持的博文，最終計(jì)算B2中所有博主獲支持觀點(diǎn)的比例，將大部分觀點(diǎn)均獲得支持的博主認(rèn)定為意見(jiàn)領(lǐng)袖。

2.2 博主信息影響力計(jì)算

對(duì)于網(wǎng)絡(luò)用戶信息影響力的計(jì)算，不同的研究者從各個(gè)維度提出了評(píng)價(jià)指標(biāo)，但大部分可以分為2類(lèi)，一類(lèi)考慮用戶自身的屬性，如用戶的活躍度、擁有的粉絲數(shù)、是否認(rèn)證等；一類(lèi)考慮用戶在網(wǎng)絡(luò)傳播中的重要性，如被轉(zhuǎn)發(fā)數(shù)、被評(píng)論數(shù)、被點(diǎn)贊數(shù)、被@數(shù)等。為了構(gòu)建一個(gè)精簡(jiǎn)的指標(biāo)模型計(jì)算博主的信息影響力，作為篩選意見(jiàn)領(lǐng)袖的粗略標(biāo)準(zhǔn)，選取7篇不同時(shí)期識(shí)別意見(jiàn)領(lǐng)袖的代表性文獻(xiàn)成果。論文1：孫乃利等[7]發(fā)表于2012年；論文2：魏志惠等[8]發(fā)表于2014年；論文3：王佳敏等[2]發(fā)表于2016年；論文4：彭麗徽等[3]發(fā)表于2017年；論文5：陳芬等[5]發(fā)表于2018年；論文6：胡若涵等[9]發(fā)表于2018年；論文7：陳芬等[10]發(fā)表于2019年，并對(duì)比總結(jié)了其中使用的影響力評(píng)價(jià)指標(biāo)，提取了4個(gè)被所有文獻(xiàn)共同使用的核心指標(biāo)：粉絲數(shù)w1、 原創(chuàng)微博數(shù)w2、被評(píng)論數(shù)w3和被轉(zhuǎn)發(fā)數(shù)w4。其中w1和w2作為博主用戶屬性上的代表性指標(biāo)，而w3和w4作為突發(fā)事件中博主網(wǎng)絡(luò)傳播重要性上的代表性指標(biāo)，僅限為與當(dāng)前事件相關(guān)的博文的被評(píng)論和被轉(zhuǎn)發(fā)數(shù)量。

表1顯示了從7篇文獻(xiàn)成果中提取出的4個(gè)核心指標(biāo)的原始權(quán)重，由于各篇論文中評(píng)價(jià)指標(biāo)權(quán)重的范圍不統(tǒng)一，為了便于各指標(biāo)的計(jì)算，使用式(1)對(duì)每篇論文中4個(gè)指標(biāo)的權(quán)重進(jìn)行歸一化處理。

表1 7篇文獻(xiàn)的指標(biāo)權(quán)重Table 1 Index weight table of 7 articles

指標(biāo) 論文1 論文2 論文3 論文4 論文5 論文6 論文7 w*1 0.43 0.32 0.17 0.28 0.16 0.01 0.19 w*2 0.13 0.08 0.07 0.09 0.21 0.29 0.11 w*3 0.22 0.31 0.38 0.31 0.38 0.35 0.31 w*4 0.22 0.29 0.38 0.32 0.25 0.35 0.39

表2顯示了歸一化處理后新的權(quán)重值。然后取各指標(biāo)的7篇論文權(quán)重均值，形成如表3所示的指標(biāo)模型。

表3 博主信息影響力計(jì)算指標(biāo)模型Table 3 Blogger information influence calculation index model

運(yùn)用上述指標(biāo)模型，可對(duì)初始數(shù)據(jù)集合B0中的每位博主進(jìn)行信息影響力的評(píng)價(jià)計(jì)算，并將影響力大于一定閾值的博主選出，作為高影響力博主。

2.3 博主觀點(diǎn)輸出性計(jì)算

對(duì)于B1中的每位高影響力博主，如果是真正的意見(jiàn)領(lǐng)袖，則其發(fā)表事件相關(guān)博文時(shí)，不僅會(huì)陳述事件情況，還會(huì)表達(dá)個(gè)人的感受、意見(jiàn)或觀點(diǎn)，直觀體現(xiàn)在其博文文本含有較強(qiáng)烈的主觀色彩。因此，為了計(jì)算和識(shí)別這些博主的觀點(diǎn)輸出性，可以對(duì)其博文進(jìn)行主客觀分類(lèi)分析，認(rèn)為主觀性概率高的文本觀點(diǎn)輸出性高，而客觀性概率高的文本觀點(diǎn)輸出性低。

多項(xiàng)前人研究結(jié)果表明，在判斷文本的主觀性問(wèn)題上，樸素貝葉斯分類(lèi)器表現(xiàn)效果較好[11-13]，因此本方法采用基于主客觀特征的樸素貝葉斯分類(lèi)模型對(duì)博文的主客觀概率進(jìn)行計(jì)算，具體過(guò)程如下。

第1步：對(duì)于B1中的每一篇博文，提取其中的主客觀特征。在區(qū)分主客觀的特征選擇問(wèn)題上，前人研究成果已提供了較多的經(jīng)驗(yàn)：楊武[12]通過(guò)分析主客觀句的差異，認(rèn)為可以選取語(yǔ)義層面和語(yǔ)法層面兩方面的特征。在語(yǔ)義層面，選取情感詞、指示性動(dòng)詞、指示性副詞、語(yǔ)氣詞、標(biāo)點(diǎn)符號(hào)作為主觀線索特征，選取時(shí)間、地點(diǎn)、描述性無(wú)感情色彩名詞、冒號(hào)等作為客觀線索特征；在語(yǔ)法層面，選擇2-POS模型作為類(lèi)別特征。丁晟春[13]則使用句內(nèi)特征、句式特征和隱性特征對(duì)微博博文進(jìn)行主客觀分析，句內(nèi)特征包括詞性、程度副詞、主觀指示詞、客觀詞等；句式特征包括是否為否定句、疑問(wèn)句、感嘆句等；而隱性特征則同樣使用N-POS模型來(lái)表征。劉培玉[14]提取了6類(lèi)主觀性特征：指示性動(dòng)詞、指示性副詞、形容詞、情感詞、人稱代詞和指示性標(biāo)點(diǎn)符號(hào)，以及少量的客觀詞作為客觀性特征。綜合上述研究成果，本文選取了5類(lèi)最具代表性的主客觀特征。

(1) 指示動(dòng)詞。博主在輸出觀點(diǎn)時(shí)，常常使用“認(rèn)為”“覺(jué)得”等主觀動(dòng)詞來(lái)表明觀點(diǎn)的所屬，通常與第一人稱代詞連用。本方法采用《知網(wǎng)》情感分析用詞語(yǔ)集中的中文主張?jiān)~語(yǔ)作為指示動(dòng)詞特征詞表。

(2) 程度副詞。博主如果對(duì)事件有著強(qiáng)烈情感，則往往會(huì)采用“很”“非?！钡瘸潭雀痹~來(lái)加強(qiáng)情感表達(dá)。本方法采用《知網(wǎng)》情感分析用詞語(yǔ)集中的中文程度級(jí)別詞語(yǔ)作為程度副詞特征詞表。

(3) 情感詞。博主的博文中如果含有較多的含有情感傾向的詞語(yǔ)，則其輸出主觀性觀點(diǎn)的可能性較大，本方法采用BosonNLP情感詞典作為特征詞表，主要因?yàn)锽osonNLP情感詞典的構(gòu)建來(lái)源中包含了較多微博博文數(shù)據(jù)，因此詞典囊括了很多網(wǎng)絡(luò)用語(yǔ)和非規(guī)范文本，比較適合進(jìn)行微博的情感分析和觀點(diǎn)挖掘。

(4) 語(yǔ)氣助詞。語(yǔ)氣助詞常在句尾或句中停頓處出現(xiàn)。微博文本的口語(yǔ)化決定了人們會(huì)將口語(yǔ)習(xí)慣帶入文本中，常用“喲”“啊”“呵”等語(yǔ)氣助詞表明個(gè)人的某種態(tài)度。本方法根據(jù)百度百科對(duì)現(xiàn)代漢語(yǔ)語(yǔ)氣助詞的解釋，手工列舉構(gòu)建特征詞表。

(5) 標(biāo)點(diǎn)符號(hào)。選取問(wèn)號(hào)和感嘆號(hào)作為特征。其中，問(wèn)號(hào)表示對(duì)事件的疑問(wèn)，具有不確定性；而感嘆號(hào)表明對(duì)事件的驚訝。兩者皆在一定程度上傳達(dá)了博主的態(tài)度傾向。

第3步：構(gòu)建樸素貝葉斯分類(lèi)模型。首先，從現(xiàn)有的博文向量中選擇一部分樣本，人工標(biāo)注其主客觀性，構(gòu)建樸素貝葉斯分類(lèi)模型訓(xùn)練數(shù)據(jù)集TBayes={(d1,s1),(d2,s2),···,(dk,sk),···,(dN,sN)}， 其中dk和sk(k=1,2,···,N)分別代表第k個(gè)博文樣本及其主客觀類(lèi)別；sk∈{0,1} ， “1” 代表主觀類(lèi)，“0”代表客觀類(lèi)?；赥Bayes采用極大似然法估計(jì)博文主客觀類(lèi)別的先驗(yàn)概率P(sk=1)，計(jì)算方法為將屬于主觀類(lèi)的博文數(shù)除以博文樣本總數(shù)。

其次，基于TBayes采用極大似然法估計(jì)條件概率P(f(l)|sk=1)， 即主客觀特征f(l)(l∈{1,2,···,n})出現(xiàn)在主觀類(lèi)博文中的概率，計(jì)算方法為將特征f(l)在主觀類(lèi)博文中的出現(xiàn)次數(shù)除以主觀類(lèi)博文中所有特征的出現(xiàn)次數(shù)之和。

同理，可以估計(jì)博文屬于客觀類(lèi)的先驗(yàn)概率P(sk=0) 、 主客觀特征f(l)(l∈{1,2,···,n})出現(xiàn)在客觀類(lèi)博文中的條件概率P(f(l)|sk=0)。

最后，對(duì)于給定的待分類(lèi)博文文本向量d，可基于其含有的n個(gè)主客觀特征f(1)(l∈{1,2,···,n})，計(jì)算其屬于主觀類(lèi)的概率P(sk=1|d)和其屬于客觀類(lèi)的概率P(sk=0|d)。

比較P(sk=1|d)和P(sk=0|d)的值，當(dāng)

則博文d為主觀意愿較大的觀點(diǎn)博文，反之則為非觀點(diǎn)博文。

2.4 博主觀點(diǎn)支持率計(jì)算

真正的意見(jiàn)領(lǐng)袖不僅輸出觀點(diǎn)，而且其大部分觀點(diǎn)會(huì)在群體中獲得廣泛的認(rèn)可和支持，從而形成輿論引導(dǎo)力。對(duì)于已經(jīng)篩選出的觀點(diǎn)博文，其觀點(diǎn)是否獲得大眾支持往往體現(xiàn)在博文對(duì)應(yīng)的評(píng)論中，正向評(píng)論表明評(píng)論者持有與博主一致的立場(chǎng)，而負(fù)向評(píng)論和中立評(píng)論表明評(píng)論者持有與博主相反的立場(chǎng)或者無(wú)關(guān)的立場(chǎng)。因此，為了計(jì)算博文的觀點(diǎn)支持度，可以對(duì)其評(píng)論文本的情感極性進(jìn)行分析，當(dāng)正向情感評(píng)論數(shù)大于非正向情感評(píng)論數(shù)時(shí)，可認(rèn)為博文的觀點(diǎn)獲得了較大的支持。

前人研究表明，在針對(duì)微博評(píng)論短文本的機(jī)器學(xué)習(xí)分類(lèi)算法中，支持向量機(jī)(Support Vector Machine，SVM)的情感分類(lèi)效果較好[15]，因此本方法采用基于情感特征的SVM分類(lèi)模型對(duì)觀點(diǎn)博文的用戶評(píng)論情感極性進(jìn)行計(jì)算，具體過(guò)程如下。

第1步：對(duì)于B2中的每一篇觀點(diǎn)博文，獲取其對(duì)應(yīng)的所有評(píng)論，并從評(píng)論文本中提取情感特征。特征詞表同樣采用BosonNLP情感詞典，包含約7萬(wàn)個(gè)含有情感色彩的詞語(yǔ)和網(wǎng)絡(luò)用語(yǔ)。

第2步：通過(guò)Word2Vec方法對(duì)第1步選取的情感特征進(jìn)行向量化，并將每篇評(píng)論的情感特征詞向量相加，構(gòu)成該評(píng)論的文本向量r=(t(1),t(2),···,t(m))，其中t(1),t(2),···,t(m)為r具備的m個(gè)情感特征。

第3步：構(gòu)建SVM分類(lèi)模型。首先，從現(xiàn)有的評(píng)論向量中選擇一部分樣本，人工標(biāo)注其情感極性，構(gòu)建SVM分類(lèi)模型訓(xùn)練數(shù)據(jù)集TSVM={(r1,c1),(r2,c2),···,(ri,ci),···,(rM,cM)}， 其中ri和ci(i=1,2,···,M)分別代表第i個(gè)評(píng)論樣本及其情感極性；ci∈{-1,1}，“1”代表支持博文的正向評(píng)論，“-1”代表不支持博文的非正向評(píng)論。采用徑向基函數(shù)(Radial Basis Function，RBF)作為SVM的核函數(shù)K，即

其次，對(duì)于給定的評(píng)論r，可采用以下的分類(lèi)決策函數(shù)判斷其情感極性。

當(dāng)f(r)=1時(shí) ，r為正向評(píng)論；反之當(dāng)f(r)=-1時(shí)，r為負(fù)向評(píng)論。

最后，對(duì)于B2中的每一篇觀點(diǎn)博文，計(jì)算其觀點(diǎn)支持度S upport，即該博文的正向評(píng)論數(shù)占總評(píng)論數(shù)的比率。

當(dāng)Support＞0.5時(shí)，認(rèn)為該博文的觀點(diǎn)獲得了大眾的支持，反之則未獲得支持。

第4步：對(duì)于B2中的每一位博主，在其發(fā)表的所有觀點(diǎn)博文中進(jìn)行統(tǒng)計(jì)，如果其獲支持的觀點(diǎn)博文數(shù)未達(dá)到一定比例，即觀點(diǎn)支持率較小，則表明其大部分觀點(diǎn)不被大眾接受和認(rèn)可，思想引導(dǎo)性較小，不具備意見(jiàn)領(lǐng)袖的價(jià)值，因此將其剔除。最終保留的博主即為突發(fā)事件輿情中真正的微博意見(jiàn)領(lǐng)袖。

3 實(shí)驗(yàn)

3.1 實(shí)驗(yàn)數(shù)據(jù)和預(yù)處理

本文選取2020年我國(guó)發(fā)生的重大輿情突發(fā)事件——“杭州女子失蹤案”作為微博意見(jiàn)領(lǐng)袖識(shí)別方法的驗(yàn)證案例。2020年7月5日，在浙江省杭州市江干區(qū)三堡北苑小區(qū)發(fā)生一起女子離奇失蹤案件。同月23日，杭州公安發(fā)布通報(bào)：“杭州女子離奇失蹤案”偵辦取得重大突破，失蹤女子已遇害，嫌疑人是其丈夫許某。該事件被網(wǎng)絡(luò)媒體報(bào)道后，迅速獲得廣泛關(guān)注，并引發(fā)網(wǎng)絡(luò)用戶“全民推理破案”。通過(guò)查詢百度指數(shù)發(fā)現(xiàn)，網(wǎng)民對(duì)事件輿情的搜索和關(guān)注從2020年7月16日起始，7月24日案件真相曝光后達(dá)到最大熱度，7月28日之后逐漸降低。

在該事件輿情的全生命周期中，微博成為傳播最新案情和網(wǎng)民參與討論的主要渠道之一，相關(guān)話題頻繁登上微博熱搜榜，大量“微博大V”進(jìn)行了事件的報(bào)告和評(píng)價(jià)，積極充當(dāng)意見(jiàn)領(lǐng)袖的角色。為了更好地識(shí)別其中真正的意見(jiàn)領(lǐng)袖，本文使用后羿采集器工具，以“杭州失蹤”為關(guān)鍵詞，搜索并抓取2020年7月16日～8月4日間的熱門(mén)微博數(shù)據(jù)，共獲得1 673位博主發(fā)布的3 217條博文，剔除評(píng)論數(shù)和轉(zhuǎn)發(fā)數(shù)都在10次以下的博文及其博主信息，最終保留1 442位博主、2 740條博文作為初始數(shù)據(jù)集合。

3.2 實(shí)驗(yàn)流程

3.2.1 信息影響力計(jì)算

運(yùn)用2.2小節(jié)中表3的指標(biāo)模型計(jì)算博主信息影響力值。由于各評(píng)價(jià)指標(biāo)的具體數(shù)值相差巨大，為了便于指標(biāo)的比較，需要先統(tǒng)一量綱，使用式(11)對(duì)各指標(biāo)值進(jìn)行非線性歸一化。

其中，x*為歸一化后的指標(biāo)值，x為原始指標(biāo)值，xmax為該指標(biāo)中的最大值。

指標(biāo)值進(jìn)行歸一化處理后，按指標(biāo)模型進(jìn)行加權(quán)求和計(jì)算，獲得信息影響力值，并從高到低進(jìn)行排序。

由于模型中的部分指標(biāo)(轉(zhuǎn)發(fā)數(shù)和評(píng)論數(shù))與具體的博文相關(guān)，因此當(dāng)博主針對(duì)事件發(fā)表多篇博文時(shí)，每篇博文反映的博主信息影響力都會(huì)被單獨(dú)計(jì)算。本文設(shè)置影響力閾值為0.6，即信息影響力大于0.6的博文及其博主將被保留參與下一步的篩選，最終共有127位博主的369條微博博文被保留。表4展示了部分被保留的博文、博主及其影響力值。

表4 高信息影響力博文及博主示例Table 4 Examples of high-influence blog posts and bloggers

3.2.2 觀點(diǎn)輸出性計(jì)算

從事件相關(guān)博文中隨機(jī)抽取1 200條，人工標(biāo)注其主客觀性。標(biāo)注時(shí)采用4人策略，即先由A和B各自分開(kāi)對(duì)全部博文進(jìn)行標(biāo)注，然后對(duì)比找出A和B標(biāo)注不一致博文，再由C和D共同討論確定其主客觀性。最終共標(biāo)注主觀類(lèi)博文550條，客觀類(lèi)博文640條，刪除無(wú)法判斷的模糊博文10條。

實(shí)驗(yàn)采用Pycharm開(kāi)發(fā)環(huán)境，Python3.7編程語(yǔ)言。首先調(diào)用結(jié)巴分詞包對(duì)博文文本進(jìn)行自動(dòng)分詞，按照2.3節(jié)中確定的主客觀特征詞表抽取博文的特征詞，并使用Word2Vec對(duì)其進(jìn)行向量化。然后調(diào)用scikit-learn機(jī)器學(xué)習(xí)工具中的naive_bayes包，輸入標(biāo)注好的博文數(shù)據(jù)，使用高斯樸素貝葉斯算法訓(xùn)練主客觀分類(lèi)模型。采用10折交叉驗(yàn)證的方式測(cè)試模型的準(zhǔn)確性，即輪流按9∶1的比例劃分訓(xùn)練集和測(cè)試集，取10次測(cè)試結(jié)果的準(zhǔn)確率平均值作為該模型的準(zhǔn)確率，最終確定該模型的平均準(zhǔn)確率為84.3%。

模型構(gòu)建完成后，輸入上一步保留的高影響力博文數(shù)據(jù)，以計(jì)算其觀點(diǎn)輸出性，結(jié)果表明其中有69位博主的80篇博文中含有觀點(diǎn)，表5展示了部分博主及其博文的觀點(diǎn)輸出性。

從分類(lèi)結(jié)果可以看出，盡管都具有較高的影響力，但博主發(fā)布博文的目的并不完全相同，主觀性較大的博文用于輸出表達(dá)博主觀點(diǎn)和態(tài)度，而客觀性較大的博文用于陳述和報(bào)道事實(shí)。以表5中序號(hào)1～4的博文為例，分析實(shí)際數(shù)據(jù)中博文觀點(diǎn)輸出性的差異。

表5 博主及其博文的觀點(diǎn)輸出性示例Table 5 Example output of opinions of bloggers and their blog posts

序號(hào)1的博文：博主首先貼出了“化糞池警告的幽默很惡臭” 這個(gè)論點(diǎn)，然后引用魯迅先生以及前輩的話作為論據(jù)，表明對(duì)用他人生命惡意造梗的風(fēng)氣的批評(píng)與反對(duì)。

序號(hào)2的博文：陳述了杭州失蹤女子被殺案疑似6年前蕪湖失蹤女子被殺案這一事實(shí)，沒(méi)有輸出任何觀點(diǎn)。

序號(hào)3的博文：陳述了失蹤遇害女子丈夫經(jīng)過(guò)吸糞車(chē)時(shí)，曾兩次看向化糞池這一事實(shí)，也沒(méi)有輸出任何觀點(diǎn)。

序號(hào)4的博文：博主看似是用數(shù)據(jù)事實(shí)說(shuō)話，但是“竟”字表明了博主對(duì)杭州女子失蹤案真相的震驚，同時(shí)博主分析了過(guò)往的類(lèi)似案件，認(rèn)為過(guò)往對(duì)兇手的處罰偏輕。

從以上分析可以看出，有觀點(diǎn)輸出的博文更能反映出博主引導(dǎo)輿論走向的意圖，也是其成為意見(jiàn)領(lǐng)袖的關(guān)鍵之一。

3.2.3 觀點(diǎn)支持率計(jì)算

對(duì)上一步保留的80篇觀點(diǎn)博文，獲取其評(píng)論文本，清除其中的空數(shù)據(jù)、“@某人”但無(wú)評(píng)論的數(shù)據(jù)、純表情和純符號(hào)以及無(wú)意義的數(shù)字，最終獲得43 368條評(píng)論數(shù)據(jù)。隨機(jī)選取其中的5 000條評(píng)論進(jìn)行人工標(biāo)注：將正向評(píng)論標(biāo)注為1，非正向評(píng)論標(biāo)注為-1。由于數(shù)據(jù)較多，標(biāo)注時(shí)分2組進(jìn)行，每組標(biāo)注2 500條并同樣采用4人策略。最終獲得正向評(píng)論2 148條，非正向評(píng)論2 852條。

采用和上一步相同的Python環(huán)境，首先調(diào)用結(jié)巴分詞包對(duì)評(píng)論文本進(jìn)行分詞，按照2.4節(jié)中確定的情感特征詞表抽取評(píng)論的特征詞，并使用Word2Vec對(duì)其進(jìn)行向量化。然后調(diào)用scikit-learn機(jī)器學(xué)習(xí)工具中的SVM包，采用RBF(Radial Basis Function)核函數(shù)，輸入標(biāo)注好的評(píng)論數(shù)據(jù)訓(xùn)練情感極性分類(lèi)模型。采用10折交叉驗(yàn)證的方式測(cè)試模型的準(zhǔn)確性，最終該模型的平均準(zhǔn)確率為83.7%。

模型構(gòu)建完成后，輸入剩余未標(biāo)注的評(píng)論數(shù)據(jù)，獲得每篇評(píng)論的情感極性，再依據(jù)式(11)計(jì)算每篇博文的觀點(diǎn)支持度，并判斷其是否獲得支持。表6顯示了部分博文及其博主的觀點(diǎn)支持度。

表6 評(píng)論對(duì)博文的支持情況示例Table 6 Support rate of comments for blog posts

從表6可以看出，盡管有些博主發(fā)表了含有相同或相似內(nèi)容的博文，但是獲得的用戶支持率卻不一樣，表明某些博主不被大眾認(rèn)可，并非由于博文輸出的觀點(diǎn)，而是出于自身口碑或者其他原因，這也導(dǎo)致此類(lèi)博主的觀點(diǎn)無(wú)法起到其預(yù)期的傳播或者引導(dǎo)效果，因此不能作為真正的意見(jiàn)領(lǐng)袖。

進(jìn)一步的，根據(jù)博文的觀點(diǎn)支持情況，對(duì)上一步保留的69位博主的觀點(diǎn)支持率進(jìn)行統(tǒng)計(jì)，并將支持率低于0.5的博主剔除。最終共有40位博主被認(rèn)定為此次事件中既有觀點(diǎn)輸出又獲得大眾支持的真正意見(jiàn)領(lǐng)袖。

3.3 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證本方法識(shí)別的微博輿情博主具有意見(jiàn)領(lǐng)袖的本質(zhì)特征，文本按照“杭州失蹤女子案”事件發(fā)展的時(shí)間線，對(duì)識(shí)別出的40位微博意見(jiàn)領(lǐng)袖的屬性和輿情參與行為進(jìn)行了觀察和分析。

首先，根據(jù)意見(jiàn)領(lǐng)袖的微博認(rèn)證進(jìn)行其類(lèi)型的劃分和統(tǒng)計(jì)，如圖2所示。結(jié)果表明，40位微博意見(jiàn)領(lǐng)袖中共有11位為官方微博，大部分為從事社會(huì)新聞報(bào)道評(píng)述的官方媒體號(hào)，占意見(jiàn)領(lǐng)袖總?cè)藬?shù)的27.5%，其余29位為個(gè)人自媒體號(hào)，其認(rèn)證的類(lèi)型包括娛樂(lè)、新聞、法律、科技、情感、美食、搞笑幽默、作者、演員和音樂(lè)人等。

圖2 “杭州女子失蹤案”微博意見(jiàn)領(lǐng)袖類(lèi)型占比分布Fig.2 "A Hangzhou Woman Missing Case" microblog opinion leader type distribution

其次，對(duì)官方微博和各類(lèi)自媒體意見(jiàn)領(lǐng)袖在此次突發(fā)事件中發(fā)表微博的時(shí)間和表述的觀點(diǎn)進(jìn)行分析。

圖3展示了各類(lèi)意見(jiàn)領(lǐng)袖發(fā)表觀點(diǎn)微博的時(shí)間點(diǎn)。圖中其他類(lèi)包含：情感、軍事、美食、演員、作家、音樂(lè)人和無(wú)微博認(rèn)證的自媒體博主。從發(fā)博時(shí)間上可以看出，7月23日～7月28日期間是意見(jiàn)領(lǐng)袖較為集中的發(fā)表觀點(diǎn)的時(shí)間，與百度指數(shù)的高熱度期吻合。依據(jù)杜洪濤等對(duì)突發(fā)事件網(wǎng)絡(luò)輿情演化模式的研究[16]，結(jié)合意見(jiàn)領(lǐng)袖的輿情參與時(shí)間和人次，可將此次事件的微博平臺(tái)輿情更為精確地分為3個(gè)階段：7月18日～7月22日為輿情的形成(擴(kuò)散)階段，7月23日～7月28日為輿情的高潮階段，7月29日之后為輿情的消散階段。

圖3 意見(jiàn)領(lǐng)袖發(fā)表觀點(diǎn)微博的時(shí)間序列Fig.3 Time series of opinions expressed by opinion leaders on microblog

表7則進(jìn)一步總結(jié)了各微博意見(jiàn)領(lǐng)袖在事件輿情發(fā)展中的參與階段和發(fā)表的觀點(diǎn)?？梢钥闯鍪录浨樵诟叱彪A段出現(xiàn)過(guò)2個(gè)討論熱點(diǎn)，(1) 7月24日某演員在其微博號(hào)“鄭爽SZ”中發(fā)表對(duì)事件的評(píng)論后，“圈內(nèi)領(lǐng)袖”“朕碩”“星聞揭秘”“娛樂(lè)圈扒姑”“新浪娛樂(lè)”“娛舔舔”“八爺圈”“芒果劇集”“天生八卦”“娛樂(lè)圈探班”等娛樂(lè)類(lèi)自媒體號(hào)紛紛跟進(jìn)，支持其在熱點(diǎn)事件中發(fā)聲，引發(fā)一波輿情熱度。(2) 在7月25日，杭州市公安局召開(kāi)記者會(huì)，確認(rèn)許某因家庭生活矛盾于7月5日凌晨殺害來(lái)某，并分尸拋棄。之后幾日內(nèi)社交平臺(tái)悄悄涌現(xiàn)出“XXX警告”等所謂“網(wǎng)絡(luò)新梗”，惡意渲染、調(diào)侃案件細(xì)節(jié)，消遣慘劇。這些言語(yǔ)和行為不僅挑戰(zhàn)公序良俗的底線，更對(duì)社會(huì)輿情場(chǎng)造成了極為嚴(yán)重的誤導(dǎo)效應(yīng)。針對(duì)這一“惡意玩梗”現(xiàn)象，一些官方微博和自媒體微博大號(hào)，如“新周刊”“共青團(tuán)中央”“頭條新聞”“新華網(wǎng)”“中國(guó)長(zhǎng)安網(wǎng)”“半月談”“中國(guó)新聞網(wǎng)”“中國(guó)婦女報(bào)”等及時(shí)進(jìn)行了譴責(zé)，安撫群眾情緒，引導(dǎo)輿情正?；?/p>

表7 “杭州女子失蹤案”微博意見(jiàn)領(lǐng)袖參與階段及觀點(diǎn)Table 7 "A Hangzhou Woman Missing Case" microblog opinion leaders' participation stage and views

從輿情治理的角度上看，識(shí)別網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖的目的在于2個(gè)方面：(1) 可以通過(guò)分析意見(jiàn)領(lǐng)袖的行為判斷事件輿情的熱點(diǎn)和走向；(2) 可以通過(guò)意見(jiàn)領(lǐng)袖對(duì)事件輿情做正面的引導(dǎo)。從上述針對(duì)真實(shí)突發(fā)事件的實(shí)驗(yàn)結(jié)果上看，本方法識(shí)別出的微博意見(jiàn)領(lǐng)袖無(wú)論屬于官方微博還是自媒體，都明顯注重追蹤事件的發(fā)展，善于捕捉事件中的新情況和敏感點(diǎn)，并在事件進(jìn)程的關(guān)鍵節(jié)點(diǎn)處發(fā)聲。加之其博文具有較強(qiáng)的觀點(diǎn)導(dǎo)向性，借助其在龐大粉絲群的影響力和話語(yǔ)權(quán)，往往能有效地推動(dòng)輿情熱點(diǎn)的形成和發(fā)展。其中，一些官方微博之所以能成為事件中的意見(jiàn)領(lǐng)袖，除了其自身粉絲體量大以外，更多的是由于其輸出了強(qiáng)烈而鮮明的是非觀點(diǎn)，而其輿論引導(dǎo)作用也非常明顯，特別在一些社會(huì)道德問(wèn)題上，其觀點(diǎn)和態(tài)度能有效地幫助民眾明辨是非，形成對(duì)社會(huì)丑惡現(xiàn)象的輿論批判，消除其不良影響。此次典型事件中，在惡意造?，F(xiàn)象出現(xiàn)后，大批官微在7月28日集中發(fā)聲批評(píng)，促成了網(wǎng)民對(duì)此類(lèi)“網(wǎng)絡(luò)新梗”的反感和抵制，很快相關(guān)話題的熱度便降低至消散。此外，自媒體意見(jiàn)領(lǐng)袖在事件中的輿情影響作用也不容小覷，一方面不同類(lèi)型自媒體博主的參與，擴(kuò)大了事件輿情的受眾面和受關(guān)注度，特別是一些娛樂(lè)明星的發(fā)聲，可能會(huì)引發(fā)大批娛樂(lè)營(yíng)銷(xiāo)號(hào)的聯(lián)動(dòng)，迅速推高輿情熱度。另一方面自媒體意見(jiàn)領(lǐng)袖輸出的觀點(diǎn)自由度較高，增加了事件輿情走向的不確定性，某些觀點(diǎn)雖然獲得了網(wǎng)民的支持，但客觀上也加劇了民眾對(duì)事件的負(fù)面情緒，因此需要輿情治理者密切關(guān)注并及時(shí)疏導(dǎo)?？傊痉椒ㄍㄟ^(guò)運(yùn)用觀點(diǎn)挖掘技術(shù)，能夠較為有效地過(guò)濾掉“陳述報(bào)道事件事實(shí)”和“觀點(diǎn)不具備影響力”的偽微博意見(jiàn)領(lǐng)袖，挖掘出更具備治理價(jià)值的核心意見(jiàn)領(lǐng)袖集合。

3.4 實(shí)驗(yàn)結(jié)果的驗(yàn)證

為了進(jìn)一步驗(yàn)證實(shí)驗(yàn)結(jié)果的科學(xué)性，將本文通過(guò)觀點(diǎn)挖掘法識(shí)別的“杭州女子失蹤案”事件的微博意見(jiàn)領(lǐng)袖與通過(guò)社會(huì)網(wǎng)絡(luò)分析法、專家人工分析法識(shí)別的微博意見(jiàn)領(lǐng)袖進(jìn)行了對(duì)比，對(duì)比結(jié)果見(jiàn)表8。

社會(huì)網(wǎng)絡(luò)分析法是經(jīng)典的意見(jiàn)領(lǐng)袖識(shí)別方法，考慮微博的轉(zhuǎn)發(fā)和評(píng)論，通過(guò)比較微博節(jié)點(diǎn)入度、出度以及各類(lèi)型中心度代表節(jié)點(diǎn)的重要性；專家人工分析法是通過(guò)專家對(duì)事件各維度影響因素進(jìn)行綜合考慮排序，人工確定意見(jiàn)領(lǐng)袖。邀請(qǐng)了20位專家進(jìn)行綜合評(píng)分，其中包括3名新聞傳播領(lǐng)域?qū)＜遥?名網(wǎng)絡(luò)輿情領(lǐng)域的研究學(xué)者，以及10位高校研究網(wǎng)絡(luò)輿情分析的博士研究生。因觀點(diǎn)挖掘法共識(shí)別出39位意見(jiàn)領(lǐng)袖，所以選擇社會(huì)網(wǎng)絡(luò)分析法、專家人工分析法識(shí)別前39位意見(jiàn)領(lǐng)袖，按同樣的規(guī)則降序排列。通過(guò)表8可以發(fā)現(xiàn)觀點(diǎn)挖掘分析法識(shí)別的意見(jiàn)領(lǐng)袖與專家人工分析的結(jié)果更為相似；社會(huì)網(wǎng)絡(luò)分析法則更關(guān)注信息的傳播力，體現(xiàn)在識(shí)別的意見(jiàn)領(lǐng)袖均為具有高轉(zhuǎn)發(fā)量的博主，而本文方法識(shí)別的意見(jiàn)領(lǐng)袖則更具有實(shí)際輿情影響力，與在事件輿情進(jìn)程關(guān)鍵點(diǎn)發(fā)揮作用的重點(diǎn)用戶高度吻合，真實(shí)引導(dǎo)著輿論的發(fā)展趨勢(shì)，是真正意義上的意見(jiàn)領(lǐng)袖。對(duì)比發(fā)現(xiàn)，本文提出的突發(fā)事件微博意見(jiàn)領(lǐng)袖識(shí)別方法更具有科學(xué)性與實(shí)用性。

表8 各意見(jiàn)領(lǐng)袖識(shí)別方法識(shí)別結(jié)果比較Table 8 Comparison of the identification results of various opinion leaders

4 結(jié)論

本文在對(duì)網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖的定義進(jìn)行解析后，依據(jù)其本質(zhì)提出了一個(gè)新的針對(duì)突發(fā)事件的微博意見(jiàn)領(lǐng)袖識(shí)別方法，通過(guò)綜合運(yùn)用指標(biāo)模型方法和觀點(diǎn)挖掘技術(shù)，對(duì)高信息影響力、輸出觀點(diǎn)、觀點(diǎn)獲支持等意見(jiàn)領(lǐng)袖的本質(zhì)特征進(jìn)行量化評(píng)價(jià)，形成了一套更完整的評(píng)價(jià)標(biāo)準(zhǔn)及模式。以“杭州女子失蹤案”事件為例對(duì)本文提出的方法進(jìn)行實(shí)驗(yàn)驗(yàn)證，結(jié)果表明，本方法發(fā)現(xiàn)的意見(jiàn)領(lǐng)袖更符合意見(jiàn)領(lǐng)袖的定義，是用戶真實(shí)支持的有輿論引導(dǎo)力的意見(jiàn)領(lǐng)袖。

本研究的局限性在于：大數(shù)據(jù)環(huán)境下，網(wǎng)絡(luò)輿情的傳播方式和傳播途徑多元化，而本文未考慮到多平臺(tái)多渠道的信息流動(dòng)。同時(shí)，由于微博上部分博主存在篩選評(píng)論和事后刪除微博的行為，可能導(dǎo)致采集到的數(shù)據(jù)出現(xiàn)偏差，對(duì)最終結(jié)果的準(zhǔn)確性有一定的影響。