大数据环境下面向事故灾难类的突发事件舆情引导事例分析

鲁艳霞 吴迪 高爽

摘要： 大数据环境下，基于突发公共事件产生的社会自媒体数据呈现出数据量大、结构复杂、类型多样等特征，政府的舆情引导对公共事件网民情绪的趋势发展至关重要。本文以事故灾难类微博数据为基础，以“天津港爆炸事件”为研究对象，首先利用爬虫工具收集微博内容，然后通过ROST CM内容挖掘软件进行中文词频分析，最后通过SPSS对微博情感进行分析统计。研究发现，公众情绪容易受到集群效应的影响，网民群体情绪的不稳定性会导致其行动的不确定性，政府或意见领袖的积极引导将会促进突发事件的良性发展。本文的研究将有助于政府有关部门了解突发公共事件的传播状况并做出快速反应，并提升政府对网络舆情的监控能力与监控水平。

Abstract： Under the big data environment， the data of social media caused by emergent public events has large amount of data， complex structure， various types， and so on. The effect of government's public opinion guidance on the development trend of Internet users' mood of public events is very important. Based on the micro-blog data of accident disaster， this paper takes "explosion of Tianjin Port" as the object of study to collect micro-blog content by the crawler tool， then， analyze the Chinese frequency by ROST CM content mining software and finally analyze and count the micro-blog emotion by SPSS. The study found that the public sentiment is easily affected by the cluster effect， the uncertainty of Internet users' mood will lead to the uncertainty of their action， the positive guidance of the government or the opinion leaders will promote the positive development of the emergency. The research helps the government departments to understand the situation of public emergencies and make a quick response， and enhances the ability of the government to monitor the network public opinion and the level of monitoring.

关键词： 大数据；突发公共事件；自媒体；情绪；舆情引导

Key words： big data；emergent public events；we-media；emotion；public opinion guidance

中图分类号：G206 文献标识码：A 文章编号：1006-4311（2017）03-0001-03

0 引言

根据第37次“中国互联网络发展状况统计报告”[1]显示，截至到2015年12月，我国网民规模达6.88亿，手机网民规模达6.20亿，网民WiFi使用率达到91.8%。近年来突发公共事件频发，微博成为用户分享突发事件、新闻热点、舆论导向的重要平台。据新浪微博数据中心发布的“2015年度微博用户发展报告”[2]显示，截至2015年9月微博日活跃用户数达到1亿，较去年同期增长30%。据统计，中国网民每天发布和转发微博信息达2.5亿条[3]。基于以上背景，本文以“天津港爆炸事件”为研究对象，进行大数据环境下突发公共事件的用户情绪研究，以期使政府相关部门了解公众在事件发生过程中的情感传播状况，为后期网民集群行为引导策略的制定提供理论和实践指引。

1 理论基础与研究现状

大数据环境下的微博用户之间存在着大量的信息交互，往往在对突发公共事件的反应中，自觉不自觉地就反映出群际情绪。群际情绪理论[4]由美国心理学家Mackie提出，认为群际情绪是个体认同某一社会群体时的情绪体验，当个人认同某一群体时，对相关事物的评价将会带有情绪色彩。

情绪感染理论由McDougall提出，Hatfield[5]给出了较为全面的定义，认为个人情绪感染到其他个体时，情绪会反过来影响他人，从而强化个人原本的情绪状态，最终导致某种情绪在群体间同质化。

刘志明等[6-7]提出突发事件引发的群体情绪会引起次生群体事件的发生，研究了突发事件发生、发展过程中群体情绪尤其是负面情绪的演化规律并建立了相应的模型，对群体负面情绪的再次爆发起到了较好的预警效果，但是文章并未针对大数据环境对微博情绪进行分析；兰月新[8]等通过构建微分方程模型研究了突发事件网络舆情演进规律，将舆情发展过程分为发生期、扩散前期、扩散后期、平稳期四个阶段。

本文以“天津港爆炸事件”为例，通过获取突发事件用户微博内容数据，进行微博用户内容的情绪分析，探析用户内容中涵盖的用户情感，从而提高政府对突发事件舆情的监控能力和引导能力。

2 基于ROST CM的微博用户内容情绪分析

羊群效应在网络舆情传播过程中是一个普遍存在的现象，使得个人观念或行为在特定的群体影响下与多数人相一致，如果不对网民群体内部的羊群效应加以引导，不仅会影响网络舆情的传播过程，还会影响舆情的最终演化方向，甚至可能对社会稳定造成威胁。

事故灾难类突发事件往往是在人的生产与生活过程中发生的，并且与人们生活密切相关。因此一旦成为话题，将会在短时间内吸引民众围观，通过微博评论、转发等与粉丝分享，产生大量带有情绪的内容信息。本文首先根据突发事件级别选取典型的事故灾难类突发事件，基于突发事件展开话题搜索；然后根据研究需要采用GooSeeker爬虫软件对话题内容进行搜索，可以爬出用户信息、微博评论内容、评论时间、转发与评论等大量数据；通过对数据去重、删除无效数据等进行数据预处理，采用ROST CM对微博内容进行分词，采用ROST WordParser进行词频分析，从而进行突发事件规律的初步分析；最后通过SPSS对网民情感进行时间序列分析。

3 基于微博的事故灾难类突发事件数据获取

本研究选取发生于新浪微博的“天津港爆炸事件”，分析单位是事件发生期间微博内容。该事件经国务院调查组认定是一起特别重大生产安全责任事故，属突发公共事件中的社会安全事件。

本文选取新浪微博发表的博文为数据资源，以“天津爆炸”和“天津塘沽大爆炸”为关键词，利用GooSeeker数据采集工具抓取了2015年8月12日至2015年12月25日共135天的微博内容。根据研究需要，本文主要抓取了“用户名”、“微博内容”、“发布时间”、“转发数”等相关数据，部分数据样例如下：

用户名：新浪河南。

微博内容：今日凌晨一女孩称自己父亲在爆炸中身亡，骗得3700多名网友现金打赏，天津爆炸事故罹难者家属并收取“捐款”。鉴于其真实性受到其他网友广泛质疑，故已将该账号关闭，并冻结了其收取的款项。

发布时间：2015-8-14 14：46：00。

4 基于ROST WordParser的微博内容的数据预处理

由于同一个人发表的相同的博文信息属于重复数据，会对情感分析结果的有效性产生影响，所以本文利用Excel工具，对微博内容进行去重处理，从而得到本实验的研究数据，涵盖微博内容共计38934条。

利用ROST CM挖掘软件对微博采集信息进行中文分词，接着利用ROST WordParser软件对分词后的数据进行中文词频分析，统计得出了网民反复讨论出现的热词。通过词频统计可以看出，在这种网民大规模参与的集群行为中，热词被多次反复提及和讨论。网民大多表达了对天津爆炸事件的震惊、对救灾人员的尊敬与祝福以及对相关单位的谴责。不同的时间阶段有不同的网民参与某类话题，从而形成从不同侧面刻画该事件的集群行为，讨论的过程中容易形成多个热点话题，而参与讨论某个话题的人越多，说明该话题的热度越大，微博舆论也就此形成。

5 基于SPSS的微博内容数据分析

将38934条微博内容作为样本，可将“天津爆炸”事件粗略划分为“爆发期”“衰退期”、“消亡期”三个阶段。

通过ROST CM软件，对单条微博进行情感分析，系统可自动计算出情感值。天津爆炸事件微博中主要博文及其情感值，如下所示：

博文：#天津塘沽大爆炸#史上最帅的逆行愿你们都能平安。

分析：该博维显示出较强的积极情感。

情感值：14。

通过分析可知，在抓取到的博文数据中，消极情绪占了最大比例（57.56%），说明对于天津爆炸事件网民的整体情绪趋向于消极。

为了能更好地看出人们的情感走势，本文对每天的情感值求平均值，得到了从2015年8月12日至2015年12月26日的每天不同类别情感值以及整体情感值的平均值，利用SPSS软件得出所有博文内容的情感值、积极情绪、消极情绪与中性情绪情感值随时间序列走势。为了更好地分析情绪之间是否会有相互影响，可将积极情绪、消极情绪、中性情绪、总体情绪汇总在一张图中，结果如图1所示。

6 结论与讨论

由于天津爆炸属于事故灾难类突发事件，事件发生后，公众对死者的哀悼、对事故的质疑、对责任人的痛恨等消极情绪占据主流，因此不难理解该事件中网民情感总值的时间序列趋势。

6.1 积极情绪的情感趋势

当政府出台新的有利于灾区救援工作的政策，媒体报道了关于网友对消防人员的敬佩，公众人物积极情感的表达，或者新闻报道政府领导亲自到灾区探望受灾群众时，网民的情感走势出现波峰，说明官微信息的及时、透明发布及政府工作良好有序地开展对网络舆情及网民情绪都有着非常积极的影响。

6.2 消极情绪的情感趋势

对于事故灾难类突发事件本身而言，网民群体情绪具有高度的不稳定性，必然导致其行动方向的极度不确定性，独立思考能力和意志力薄弱的网民更容易受到集群效应的影响。虽然整个微博讨论过程中积极和消极情绪交替上涨，但安全事故类突发事件中消极情绪始终占据主流。

6.3 网民情感的相关性

积极情感和消极情感在1%的水平上显著负相关，即：积极情感的提升将会在一定程度上对消极情感起到一定的抑制作用。因此，事故发生后第一时间的积极引导将会在一定程度上降低网民的消极情绪。

通过天津爆炸事件来看，各级政府部门积极做好工作部署、正确引导网民情绪，传递正能量贯穿整个事件全过程。尽管该事件整体网民情绪处于消极，但消极情绪大多是对死者的哀悼、诈骗者的厌恶以及责任人的痛恨，政府在事故发生后第一时间的应对与处理、及时的公开信息等都在一定程度上控制了消极情绪的蔓延，减少了次生事件的发生。

参考文献：

[1]国家图书馆研究院. CNNIC发布第37次《中国互联网络发展状况统计报告》[J]. 国家图书馆学刊，2016（2）：76.

[2]Useit 知识库.新浪微博数据中心：《2015年度微博用户发展报告》[EB/OL].[2015-12-16].http：//www.useit.com.cn/thread-10921-1-1.html#0-tsina-1-19643-397232819ff9a47a7b7e80a406

13cfe1.

[3]兰月新，董希琳，苏国强，等.大数据背景下微博舆情信息交互模型研究[J].现代图书情报技术，2015（5）：24-33.

[4]刘峰，佐斌.群际情绪理论及其研究[J].心理科学进展，2010，18（6）：940-947.

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

[6]刘志明，刘鲁.面向突发事件的群体情绪监控预警[J].系统工程，2010，28（07）：66-73.

[7]刘志明，刘鲁.面向突发事件的民众负面情绪生命周期模型[J].管理工程学报2013，27（01）：15-21.

[8]兰月新，邓新元.突发事件网络舆情演进规律模型研究[J]. 情报杂志，2011，30（8）：47-50.