基于社交网络的校园暴力舆情分析——以微博为例

付 叶 蒋春芳 徐海峡 陈 然 孙金菊

(长春理工大学，吉林 长春 130022)

一、前言

校园暴力是一种复杂的校园现象，受多因素影响。从教育角度看，与教育观念、教育实施和教育方法有关；从法律角度看，与法律体系、法律惩戒和管教制度有关；从社会角度看，与社会环境、舆论导向和文化导向有关；从心理角度看，与心理发育时期、心理引导和心理健康教育有关。

目前校园暴力的研究，大多数只是从理论出发，简单地分析校园暴力相关事件发生的原因，探讨可行的解决方法，未能有效地结合实际，且对学生个体因素关注较少。因此，本文从社交网络出发，利用数据挖掘、敏感词分析等技术专注于一个学生个体，通过其社交圈分析出校园暴力相关角色及角色间可能的关系，重点关注于舆情传播过程的特点和找出有暴力倾向的人群。将学科理论与技术实践相结合，获取真实可靠的数据后，共同防治校园暴力，发挥校园暴力预警的作用。

二、研究内容

基于微博社交平台，通过使用数据挖掘及敏感词分析等技术，整理出人物关系网络及校园暴力中的各类角色，从而得出舆情传播的特点，最终以可视化方式展现研究结果。

(一)事件舆情分析提取过程

目前，微博数据挖掘技术主要有基于网络解析技术的网络爬虫和基于开放API的数据获取。此案例主要采用基于网络解析技术的网络爬虫，以@小李(化名)为案例中心，挖掘出所有转发者、评论者、粉丝及关注者的主页、粉丝、关注者等数据，从而获得大量原始人物数据。

(二)数据可视化处理

以@小李(化名)为案例中心，对数据进行处理，最终以可视化方式展现分析结果。

1.文本预处理

首先，对微博文本数据进行筛选及预处理；剔除无关数据后，在R环境中添加词库(如敏感词库，停用词词库等)，选择Rwordseg分词包中segmentCN()函数对整理后的数据进行分词；其次，将分词后的数据按频数存储，并统计词频，根据词频按降序排列，构建最终的语料库后可以进行文本聚类、分类、关联分析等挖掘工作。通过分词后的结果，我们可以将词频高的热点词作为关键词，进行抽取。

2.情感分析

情感分析方法主要有两类，一类是基于情感词典的情感分析，另一类是基于机器学习的情感分析。案例中选择基于情感词典的情感分析，对获取的数据进行分析。微博属于短文本，首先拆分微博为若干分句，针对句子中的词语进行情感打分，进而来计算整个句子的情感倾向，整合该条微博的所有分句的分值进行累加，就可以获得该条微博的最终得分，分析出可能有暴力倾向的人群，并对与案例相关的微博人物进行分析。

3.可视化方式

微博数据的可视化方式多种多样，目的是直观地把有价值的信息展现出来。

标签云：根据标签或者关键词的出现频率来确定其字体大小，用来展示@小李(化名)的微博关键词。

图1

社交图谱：以@小李(化名)为图谱中心，将与案例相关联的人物关系以可视化的方式展现出来。

(三)分析结果

@小李(化名)在微博发布了一个施暴视频，引起大量关注、评论和转发。从其主页出发，通过以上对人物事件分析，发现微博舆情数量呈指数型增长，该事件一经微博发布并传播，即使视频已被删除，其突发性和扩散性也很强，体现了校园暴力舆情在社交网络“移动化”传播明显和“负面情绪”传播热度高的特征。

在筛选出的人物数据中，包含发表过激言论和暴力敏感词汇的可能施暴者、关注大量校园暴力事件的旁观者、校园暴力可能受害者、校园暴力舆情传播者等人物角色，从而形成了@小李(化名)的人物关系网络。因此，在移动互联网和新的数字传播技术的作用下，可以用文本情感分析的方式找出可能有暴力倾向的人物及其社交关系网络，从而达到社交网络校园暴力预警的作用。

三、总结和展望

校园暴力已然成为一个普遍存在的社会问题，不断冲击社会的道德底线与法律底线，轻则影响学生的学业教育，重则给学生造成严重的心理问题与身体伤害，更有甚者可能会付出生命代价，引起了社会公众的重视。网络社交媒体的迅猛发展使得校园暴力事件有了一个新的曝光和预警的途径。但目前我们能做到的只是判别和推测有暴力倾向的人群，起到预警的作用。

要想从根本上解决校园暴力问题需要从源头出发，综合各方教育和法律惩戒等手段，完善校园暴力犯罪的相关法律体系，加强对家长、教师的培训，及时进行介入和干预，提高他们的道德素养和思想素质，密切关注学生的心理健康，营造和谐的校园文化氛围，净化学校的学习教育环境从根本上减少各种引起校园暴力事件的因素。相关部门在关注教育和法制建设的同时，也要重视网络技术层面的预警作用，大力发展社交网络敏感词分析和情感分析的技术，更精准地分析人物性格和情感特点，使校园暴力预警技术更加成熟并得到更为广泛的运用，从而降低校园暴力事件出现的可能性。