基于引爆点理论的人工智能生成内容微博网络舆情传播与演化分析

吴江　黄茜　贺超城等

关键词：AIGC；人工智能；生成内容；微博；网络舆情；引爆点理论；情感演化

DOI：10.3969/j.issn.1008-0821.2023.07.014

[中图分类号]G206 [文献标识码]A [文章编号]1008-0821（2023）07-0145-17

随着技术的不断迭代，人工智能正在经历从人类创造性活动的辅助性工具向一个独立的创造性实体的角色转变。人工智能自主生成内容（Artificial Intelligence Generated Content，简称AIGC），是指继专业生成内容PGC和用户生成内容UGC之后，利用人工智能技术自主生成数字内容的新型内容生产方式。随着元宇宙和Web3.0的走热，下一代网络空间的繁荣也对数字内容生产的规模、形式和交互性提出了更高的要求。AIGC正是依托人工智能技术的自生性和涌现性特征，突破人脑在内容产能上的束缚，实现以1/10的成本和百倍千倍的生产速度，创造出具有独创性和价值性的内容，有效填补数字世界内容供给缺口。尤其自2022年以来，AIGC入选《Science》十大重大科学突破事件，在实现全球科技创新转变和产业创新发展上取得了不斐成绩。人工智能内容生产的重心已然从文本转向图像，乃至多模态的复杂场景创作，更在世界范围内悄然引导着一场深刻的变革，以新技术、新理念全面融入文化、娱乐、销售等各个产业，使得这一概念再次进入大众视野。

当前，国内外有关AIGC的研究大多围绕著作版权、人机关系、技术方案等领域，以社交平台、广告营销、艺术创作等具体场景为研究背景，定性探讨人工智能生成内容的应用现状及可行性问题，缺乏从宏观层面对于AIGC所引发广泛社会讨论的把控。与此同时，互联网的高速发展进一步提升了舆情传播对经济社会发展的影响能力，舆情如何导致一定的经济、社会或政治后果已经成为交叉学科领域的重要研究问题。微博等新网络媒体平台实际上已经成为观察社会微观层次的个人决策如何发展成为宏观层次的社会现象的重要途径。尤其微博作为国内社会注意力的焦点平台，汇聚了政府、企业、机构、媒体和个体各类用户，更具开放性和实时性，影响面更广，使用者异质性更强，能够在一定程度上反映社会心态。目前，已有学者验证了微博舆情和社会投资、股市行情等的关联性。AIGC微博网络舆情传播特征很大程度上反映了各领域用户对这一新理念的社会认同度，更透露出其产业现状与发展潜力，故能够从定量视角利用大规模网络舆情数据，解读AIGC社会关注度特征来把握这一社会流行潮的发展脉络，为AIGC未来产业发展提供建议。

引爆点理论则常被用于探究社会上各种潮流的出现，认为人们的思想、行为、观点以及产品的流行具有与传染病暴发相同的特点，能够在短期内迅速传播蔓延，受到大众追捧。同时，该理论指出，一切社会流行潮的引爆均遵循三大黄金法则，即附着力因素法则、个别人物法则和环境威力法则，分别关注流行事物本身的特性、信息传播活动中的关键人物以及流行事物所处社会环境，从而能够对应传播内容、传播者和传播环境三大要素对各类社会风潮引爆的内在机制和传播现状进行探析。

因此，面对AIGC浪潮的势不可挡，本研究将围绕如何揭示AIGC所引起的网络舆情态势及其变迁，探讨AIGC现象级走红背后的导火索，合理引导该流行潮健康理性发展这一问题，融合引爆点理论，基于附着力因素、个别人物、环境威力三大法则，构建AIGC网络舆情传播分析模型，通过分析舆情传播的内容主题演进、多角色用户传播网络特征及情感环境变化，定量刻画AIGC引爆的内容特性、关键人物以及社会环境，从而在理论层面为流行事物的舆情传播研究拓宽了新的理论视角，扩展了引爆点理论的使用场景，并使AIGC相关学术研究不仅限于当前定性讨论，更能在实践层面上为政府、产业界和学术界合理看待AIGC产业现状与发展潜力、合理制定相关发展决策，以及引导大众理性讨论相关话题、创建人机和谐未来提供建议。

1相关研究

1.1 AIGC浪潮

早在20世纪60年代，已经有学者尝试利用人工智能完成编曲、写作等内容创作，但受限于当时科技水平，AIGC仅限于小范围实验，其创作成果在完整性、可读性方面也不尽如人意。但人工智能始终是全球竞相争夺的科技制高点，大数据时代更好的模型、更多的数据和更高的算力为AIGC技术能力的迭代升級和实际场景的扩展应用提供了强力的支撑和全新的可能性。在科技创新上，一系列扩散模型（Diffusion Model） ，包括GLIDE、DALLE2、Imagen等的发布带来了人工智能场景感知能力的显著提升，使得人工智能内容步入“Text-to-Image”（文字生成图像）的新阶段，乃至多模态的复杂场景创作。而在产业应用上，AI绘图工具Midjourney创作的艺术作品《太空歌剧院》获得美国科罗拉多州博览会艺术创作比赛一等奖，拉开了AIGC全球热潮的序幕。与此同时，AI数字虚拟人也逐渐拓展到虚拟主播、虚拟歌手、虚拟偶像、虚拟员工等诸多领域，“数字小编”更成为全国两会、冬奥会、冬残奥会等重大活动的创新表达，为其报道传播深度赋能。人工智能内容生成正在世界范围内悄然引导着一场深刻的变革，以新技术、新理念全面融入文化、娱乐、销售等各个产业，为数字内容的生产方式和消费模式带来创新与颠覆。

2022年已经成为AIGC元年。百度将跨模态通用可控AICC纳入2022十大科技前沿发明，预测AIGC将在未来十年颠覆现有内容生产模式；Gart-ner同样将AIGC列为2022年五大影响力技术之一，预测到2025年，生成式AI所创造的数据可占到所有已生产数据的10%，当下该比例不足1%。AIGC俨然已经成为人工智能领域的新兴技术趋势，受到了全社会各界的持续高度关注，并逐渐渗透到社会生活的方方面面，为经济产业带来了新的增长曲线和发展空间，然而，目前对于AIGC的研究主要关注人工智能技术模型的演进，以及从概念内涵、应用场景、政策治理、人机关系等定性视角展开讨论，缺乏从定量视角利用大规模网络舆情数据解读AIGC社会关注度特征及演化规律，探讨AIGC浪潮背后的促进因素。故有必要构建AIGC网络舆情传播分析模型，通过观察AIGC所引起的网络舆情态势及其变迁，更加精确地揭示AIGC走红背后的内容、用户、情感特征，从而引导AIGC理性讨论与健康发展。

1.2引爆点理论

引爆点理论由美国心理学家马尔科姆·格拉德威尔在其畅销书《The Tipping Points》中提出，认为人们的思想、行为、观点以及产品有时会像传染病一样迅速传播蔓延，即形成所谓的社会流行潮，而流行潮爆发的那一刻即被称为引爆点。在引爆点理论视域下，社会上各种潮流的出现都遵循着3个黄金法则，分别为附着力因素法则、个别人物法则和环境威力法则，分别对应传播内容、传播者和传播环境3个要素。其中，附着力因素法则强调流行事物本身的特性，认为传播信息的附着力在于话题本身具有争议性与吸引力，更能通过简单的信息组织与包装而有所提升，从而使信息变得令人难以抗拒。个别人物法则关注的是信息传播活动中的关键人物，认为传播网络中的意见领袖是扩大信息传播范围、引发流行潮的关键，并指出弱关系比强关系更能促进信息的传播。而环境威力法则认为，人对周围环境的敏感程度比他们表现得更为强烈，某种流行事物的产生并不是某类人行为的单独作用，而与该事物产生的大环境有关。

目前，引爆点理论已被广泛运用于解释经济和社会领域中各类社会流行潮的导火索，分析流行事物或现象引爆的内在机制，从而为更好地塑造该流行潮走向以及扩大相关领域信息传播的影响力提供参考。基于引爆点理论的三大法则，博文内容的多样性和话题性体现了信息本身的附着力；而各类微博用户在传播网络中所处的中心性地位将决定其影响范围的广度和深度；同时蕴含在博文中的用户个人情感将随着信息传播在微博扩散，从而感染其他用户。

因此，为探究AIGC这一社会热潮背后的内在动力机制，引爆点理论被选择作为本研究的理论框架，用于构建AIGC网络舆情传播分析模型，对应附着力因素法则、个别人物法则和环境威力法则，分别从内容、用户、情感3个维度进行基于内容维度的主题演化分析、基于用户维度的舆情传播网络和基于情感维度的情感演化分析，从而更加精确、客观地刻画AIGC走红下的舆情传播特征。

1.3网络舆情传播

作为“第四媒体”，互联网的高速发展为社会事件的传播提供了空间，而网络舆情可以认为是公众对互联网上传播的“热点”和“焦点”所表达的具有一定影响力和倾向性的言论和观点，其如何导致一定的经济、社会或政治后果也已经成为交叉学科领域的重要研究问题。微博等新网络媒体平台汇聚了政府、企业、机构、媒体和个体各类用户，影响面广且使用者异质性强，其中所发布的相对真实、隐含市场信号的博文在分级传播过程中，甚至能够对真实的产业走势产生影响，并在舆情传播的渗透和渲染效应下，产生连锁反应，成为观察社会微观层次的个人决策如何发展为宏观层次的社会现象的重要途径。当前，已有研究证明了微博舆情变化和社会投资、股市行情等的关联性，指出微博作为当下具有广泛社会影响力的自媒体平台，能够在一定程度上反映社会心态和市场趋势。

同时，网络舆情传播研究方法主要围绕主题演化、情感演化、意见领袖、传播模型4类展开，抽取舆情事件的内容属性、人群属性、情绪属性作为其内部属性，并与事件主题、意见领袖、情感演化相对应作为其外化表现。考虑到舆情传播呈现出“传播速度快、参与者众多、社会发酵能力明显、内容多元与分散”等特征，想实现从多属性、多维度综合解读舆情的社会影响力，既要借助社会网络分析方法，精准定位舆情传播过程中的意见领袖并量化其影响力大小，也要从内容主题和内容演进相结合的视角，把握不同时期舆情主题的分布情况；同時，情绪作为当代舆情演化的关键性动力，挖掘并复现舆情热点事件的情感演化趋势具有重要意义。基于此，AIGC作为颇受热议的新兴产业，可以通过分析微博网络舆情传播特征，从内容、用户、情感3个维度间接测度各领域用户对这一新理念的社会认同度，全面地刻画出AICC的产业现状与发展潜力，以期从整体和长期的视角，为AIGC持续保持高关注度和参与度提供建议。

2基于引爆点理论的AIGC网络舆情传播分析模型构建

本文围绕AIGC舆情展开研究，利用新浪微博上的热点事件数据，采用定性和定量相结合的方式构建基于引爆点理论的AIGC网络舆情传播分析模型，其具体框架如图1所示。在引爆点理论视域下，把握附着力因素法则的核心在于对传播内容的把控和包装，具有前瞻性、多样性和争议性的博文主题内容体现了信息本身的附着力，更能吸引大众参与其中、各抒己见，保证了其自身的传播效果。而个别人物法则强调信息传播过程中不可或缺的传播主体，认为具有被社会广泛认同地位的个体所发表的言论更容易被公众所接受，并引起更多群体的自发推广和营销，提高传播的效果，即可以认为各类微博用户在传播网络中所处的中心性地位将决定其影响范围的广度和深度。此外，对应环境威力法则，任何一个潮流的兴起都离不开其所处环境的影响，人们对于所处环境的敏感程度比想象中更强烈，而蕴含在博文中情感的扩散将营造出独有情感传播环境，引起更多用户共鸣并参与其中。故可以从内容、用户、情感3个维度对AIGC流行潮的传播特征进行全面刻画，进行基于内容维度的主题演化分析、基于用户维度的舆情传播网络分析和基于情感维度的情感演化分析，从而揭示AIGC网络舆情热潮的传播规律与演化趋势。这一方面为流行事物舆情研究拓宽了新的理论视角，扩展了引爆点理论的使用场景；另一方面也综合考虑了舆情的内容、用户、情感属性，相互融合，交叉印证，为全面刻画微博舆情事件提供了新的研究思路。

2.1基于内容维度的主题演化分析

BERT模型是2018年谷歌公司提出的一种基于深度学习的语言表示模型，该模型凭借Trans-former优越的特征提取能力和Fine-tunning强大的迁移学习能力来获取更为丰富的语义特征，在众多NLP任务包括主题抽取、文本分类、语义研究等中表现出色。当前，已有很多学者将BERT模型与LDA模型相结合来提高文本主题聚类效果，以解决特征词抽取过程中的语义模糊问题。然而，LDA模型忽略了文档时间戳的依赖关系，无法捕捉文档主题内容和时间的相互映射。但对于微博文本这类具有明显时序性特征的数据集，其时序信息蕴含了舆情事件演化的发展脉络，融合时序特征的微博主题演化方法将更有利于探究其中社会关注点转变的关键线索。DTM模型（Dynamic TopicModel，动态主题模型）作为LDA模型的继承与发展，能够将主题的演变建模为离散的马尔可夫过程，进一步结合时序特征，在一个按时间顺序组织的文档语料库中捕获主题的演变，适用于处理具有时间戳的文档集，捕捉主题和主题词在时序上的动态特征和协同演变网络，在更好地考虑博文动态性、理解博文内容方面具E 独特优势。

因此，如图2所示，本文利用DTM-BERT模型实现对AIGC相关原创微博文本的动态主题建模，对预处理后的微博文本数据集按月进行时序切片处理，利用Python程序读取全部微博文本分词构建所需要的语料库并构造词典，进而根据最优主题数构造K维DTM动态主题特征向量和768维BERT语义特征向量，并将其进行加权拼接得到既包含时序词义特征又包含整体语义特征的新向量；其次，采用自编码器将拼接向量映射到低维潜在空间，获得与每个微博文本所对应的32维向量表示，从而进一步利用K-means进行主题聚类，获取AIGC原创博文的主题一主题词分布，并基于主题模型生成不同时期的AIGC主题词共现图谱，进行可视化展现和分析，揭示在不同阶段AIGC相关主题的演进过程及公众关注焦点的变化过程，总结AIGC舆情发展变化规律。

2.2基于用户维度的舆情传播网络分析

社会网络分析（Social Network Analysis，SNA）方法通过网络结构来表示社会行动者及其互动关系，被广泛应用于各行各业事物及人物间的复杂关系研究之中。而对于舆情事件发展过程的刻画，SNA的研究范式同样被用于通过用户间转发关系等构建舆情传播网络，并进一步探究其整体网络结构特征、网络关键节点识别、网络舆情动态演变，从而为网络舆情的监控与引导提出相关建议。

因此，本文运用社会网络分析方法构建AIGC微博舆情传播网络，将其抽象为以用户为节点、以用户间的转发关系为边、以用户间转发微博的数量作为边权重的有向加权网络，并根据微博用户认证类型和粉丝数提取8类用户角色（普通用户、知名博主、企业公司、电视媒体、内容机构、政府单位、明星艺人、校园组织），通过节点颜色加以区分，进而从整体网络结构测量和个体角色位置识别两个角度分析AIGC微博舆情传播网络特征，识别AIGC舆论风潮传播中的关键意见领袖及其用户角色，量化其传播影响力。

2.3基于情感维度的情感演化分析

LIWC文本分析工具依靠一组内置的心理学词典和文本处理模块，能够对输入文本的情感、认知和结构成分进行自动评估，被应用于文本情感分析之中。当前，LIWC在情感分析中的有效性和稳健性已经得到验证，在对政治话语、口译文本、推特评论等的情感水平测量中均表现出良好效果。

因此，本文将引进LIWC文本分析工具对AIGC微博文本特征进行提取，以积极情感词频和消极情感词频分别作为该句的积极和消极情感得分，若其积极情感得分高于消极情感得分，则该句判定为积极情感倾向，反之则为消极情感倾向，若相等，则表现出中性情感。同时，以某段时期内所有博文的积极和消极情感得分均值作为该段时期下AIGC微博舆情的积极和消极情感得分，进而寻求公众情感随时序变化的演变特征和原因，同时关注舆情主题与情感演变之间的联系，为预测和引领AIGC舆情演化中公众情感趋势提供针对性策略，进而引导用户理性看待AIGC热潮，促进AIGC积极情感扩散。

3实证分析

基于前述的引爆点理论“三黄金法则”构建AIGC网络舆情传播分析模型，从而对此人工智能新风潮背后的促进因素进行探析。从附着力因素法则出发，基于内容特征分析AIGC微博舆情主题演化，结合主题词共现图谱揭示AIGC舆情发展变化规律；从个别人物法则出发，基于用户特征分析AIGC舆情传播网络的结构特征和节点属性，识别该舆论风潮传播中关键用户的角色位置，量化其传播影响力；从环境威力法则出发，基于情感特征分析AIGC网络舆情信息环境，通过LIWC对微博文本情感倾向与得分进行计算，并结合时序和主题探究其情感演化特征。

3.1数据获取

本研究首先通过国内外前沿报告和文献检索，获取了描述AIGC概念内涵和主要应用领域的相关词汇，并通过德尔菲法专家咨询，最终归纳选取了8个检索关键词，即“AIGC、AI生成、人工智能生成、AI创作、人工智能创作、AI虚拟人、AI绘画、AI写作”，据此从新浪微博抓取了2021年11月1日-2022年11月20日的微博数据，并对获取到的博文进行去重、清洗，最终得到有效微博文本数据共61446条，其中原创微博共38069条。

如图3所示，微博平台上有关AICC相关话题的讨论在2021年11月—2022年5月都处于稳定居低状态，大多为元宇宙相关话题的带动，缺乏领域内热点话题，用户转发扩散不足。直至2022年下半年，随着Stable Diffusion的开源应用，文本生成图像的AIGC应用逐渐为大众所熟知，AIGC相关原创微博数和转发微博数都开始出现成倍增长。尤其在2022年8月，AIGC绘画作品《太空歌剧院》获得美国艺术创作比赛一等奖，掀起了全网对AI绘画的讨论热潮：此后，AIGC的“含科量”和“含资量”得到认可，国内外相继发布AICC研究报告，百度、Coogle等科技巨头加速布局，AIGC独角兽企业受到资本青睐，使得2022年10月AIGC达到了前所未有的公众关注度，而在2022年11月虽然转发微博数有所回落，但原创微博数同样处于较高地位，社会大众仍然对这一新赛道抱有极大热情。

3.2内容维度分析：基于BERT-DTM的AIGC微博主题演化分析

3.2.1關键词提取及主题识别

为了确定聚类时的主题数量，本研究首先采用主题一致性（Coherence Value，CV）指标来衡量同一主题内的特征词语义是否连贯，从而确定最优的AIGC微博主题数量。因此，设置k值等于2～20，计算不同主题数下的CV值。结果证明，当主题数为6时，BERT-DTM模型的困惑度值最高，大于6时则波动下降。因此，设定主题数为6，得到BERT-DTM模型的聚类结果在UMAP算法后的二维投影，如图4所示，同一主题内的凝聚性和一致性较好，6个不同主题块之间边界清晰，间距适当，验证了BERT-DTM模型在AIGC微博文本主题聚类中具有优良性能。

因此，在利用BERT-DTM模型进行AIGC原创微博主题聚类识别的基础上，通过计算各时期内每个主题下微博文本中各个主题词的词频并进行降序排列，得到top15的高频主题词分布如表1所示，并总结得到6个主题（topicl：技术进展，top-ic2：活动营销，topic3：数字艺术，topic4：市场投资，topic5：虚拟主播，topic6：前景展望）。

3.2.2 AIGC微博舆情主题演化

根据文档一主题映射得到每条博文所属主题，各主题下AIGC原创微博文本数量，如图5所示，以及2021年11月—2022年11月各主题下微博数量演化趋势，如图6所示，其中主题宽度和上下位置分别代表了该主题下AIGC原创微博数的绝对量和相对排名，反映了其在不同时期的热度变化。此外，利用Cephi绘制不同阶段的微博主题词共现网络，如图7所示，其中，共现频次越大，则边权重越大，连边的颜色越深且边越粗；节点中介中心度越大则节点本身及其标签越大。

整体而言，如图5所示，AIGC的现象级走红得益于大数据时代更好的模型、更多的数据和更高的算力，带来了以AI绘画、AI虚拟人为代表的更加丰富多元、动态且可交互的数字内容，也使得各行业对于AIGC的应用场景扩展产生了多样憧憬。其中topicl（技术进展）、topic3（数字艺术）和topic6（前景展望）总体热度明显高于其他主题，而topic4（市场投资）和topic5（虚拟主播）热度一般，topic2（活动营销）则明显热度较低。近年来，深度学习算法在大模型和多模态两个方向上不断突破，尤其CPT-3、ChatGPT等開创性技术模型的出现和开源极大提升了行业整体人工智能算法的学习能力，成为AIGC发展的“加速度”。在强大技术支撑下.AIGC也发展出以AI绘画、AI虚拟人为代表的AI多模态生成内容和AI多模态智能交互两大知识创造新模式，并已率先在多个行业领域取得重大创新发展，应用场景广阔。当然，目前AIGC仍处于初级阶段，在版权认定、信息安全、用户信任等方面存在诸多风险，而这也是市场投资话题关注度相对较低，仍处于观望状态的原因之一。

具体而言，进一步分析6个主题随着时间（月份）变化的演化情况，如图6，图7所示。2021年11月-2022年3月，各话题热度均稳定居低，top-ic4（市场投资）更出现下降趋势，topic6（前景展望）在此期间处于主导地位。2021年以来，元宇宙热潮下各行业领域积极探索Web3.0时代的全新生产力工具，带动了以AI技术为依托的虚拟内容生成陆续涌现，但由于缺乏突破式创新，AIGC相关话题热度并不高，市场投资热情也有所下降。如图7（a）所示，2021年12月，“元宇宙”“应用”“发展”“未来”等前景展望相关主题词依旧高频存在，同时存在由“虚拟人”“新华社”“主播”“视频”等组成的关于AI虚拟主播的小集群，此时，央视新闻的首个“AI手语主播”在冬奥会公开亮相，成为大众认识并了解AIGC价值的契机。而如图7（b）所示，2022年2月，随着AI图像生成技术模型Disco Diffusion面世，“平台”“技术”“关键词”“艺术”“创作”等技术模型和数字艺术相关主题词热度开始攀升，初步预告了2022年下半年AIGC热潮的全面引爆。

2022年4月—11月，AIGC相关主题热度的走势可以分为攀升型、回落型和稳定型。对于攀升型，topicl（技术进展）和topic3（数字艺术）热度增长明显。2022年4月以来，接续Disco Diffusion热度的是AI绘画工具DALL-E2的开放测试、Mid-journey的上线使用，以及Imagen、Parti、StableDiffusion、NoveIAI等的陆续出现，各类AIGC技术模型和应用工具正式迎来爆发期。尤其2022年8月，Midjourney创作作品《太空歌剧院》的获奖再度彰显了AIGC强大的场景感知力和丰富的创作可能性，使得相关话题不断发酵，公众参与内容创作的热情也持续高涨。如图7（c）～（d）所示，“Disco Diffusion”“Midjourney”“绘画”“作品”“艺术”等AIGC技术模型和数字艺术相关主题词在此期间被频频提及。而对于回落型，topic5（虚拟主播）在2022年7月迎来高峰，但很快重回低迷状态。这可能与虚拟偶像“顶流”洛天依十周年纪念日有关，使得“虚拟人”形象再次受到大众关注，但随着热点事件的结束，其热度也逐渐消退。此外，topic2（活动营销）、topic4（市场投资）和top-ic6（前景展望）均属于稳定型。国泰君安调研结果显示，当前60%的用户从未在AI绘画相关方面付费，AI设计的商业化潜力尚待发掘。目前AI数字商业的产业链规模仍处于扩张期，各类不确定性的要素使得有关AIGC的商业化讨论处于保守期，但2022年11月，topic4（市场投资）的讨论热度已经有所回升，AIGC产业发展和消费潜力释放未来可期。如图7（e）～（f）所示，已经出现以“Simon龚俊”“赵丽颖”“VOGUEFLIM”“代言人”等活动营销主题词所聚集而成的子群，以及“市场”“公司”“板块”“股份”等市场投资下高频主题词。而对于AIGC的前景展望，虽然波动较小，但相对热度一直处于较高水平，2022年8月，世界人工智能大会的召开以及9月百度“十大科技前沿发明”的发布使得大众愈发关注AIGC领域，更产生多样憧憬。如图7（f）所示，“AIGC”这一专有词汇已经被大众所接受和广泛应用，“WEB3”也再次受到关注，而未来如何将诸多遐想变为现实，推动AIGC健康发展还有待专业人士的引导。

3.3用户维度分析：融合用户角色的AIGC舆情传播网络分析

3.3.1微博用户角色提取

为了探究AIGC舆情传播网络特征并识别其中更具影响力的用户，明确各类型用户在AIGC舆情传播过程中所扮演的角色及其位置，本文首先依托微博平台规范的用户认证体系（V认证），通过所爬取的用户认证类型、认证原因和描述信息等将微博用户分成8类，如表2所示。同时，计算被转发博文的博主，即转发源博主及转发这些博文的博主中各用户类型的占比，如图8所示。可以发现，被转发AIGC相关博文的博主类型更具多样性，但大多为普通用户和“Simon_阿文”“英国那些事儿”等知名博主，分别占比46.07%和36.34%，而在转发博主中普通用户占比97.35%。在AIGC走红后，各类应用尤其是AI绘画逐渐为大众所熟知，普通用户参与创作的热情高涨，垂直领域内尤其是数字艺术领域知名博主纷纷发表自身意见并促进了AIGC的传播，但各类机构用户参与度较低，官方媒体、政府单位等角色尚未介入并发挥其引导作用。因此，在AIGC舆情信息的扩散过程中，应当警惕因缺乏统一认知和权威认证而导致的AIGC在大众传播过程中的概念扭曲和滥用。

3.3.2 AIGC舆情传播网络构建

本文基于爬取到的AIGC转发微博，删除其中已经注销的用户数据并根据得到的微博转发关系进行整理，用节点表示单个微博用户，用边表示用户之间的转发关系，构建AIGC舆情传播网络，最终共得到20220个用户节点和20010条边，其中，作为转发源的用户节点有2075个，如表3所示，利用Cephi对网络指标进行计算。可以发现，传播网络模块化系数>0.44，验证了该网络在一定程度上达到模块化，而其他各类网络指标的值都相对较低。当前AIGC仍处于探索阶段，传播网络结构较为稀疏，但这也容易导致舆情信息传播不对称，滋生网络谣言，故应鼓励领域内专家及时对AIGC概念进行集中解读，从而消除大众误解，把握AIGC健康发展方向。

同时，为更加细致地探究AIGC舆情传播网络的高影响力节点，识别该热点事件中的意见领袖，计算网络中各个节点的出度、入度及中心性指标，得到AIGC微博舆情传播网络top15关键用户节点如表4所示，其中，中心性为该用户节点的度中心性、接近中心性和中介中心性之和，值越大则该节点在传播网络中位置越核心、影响力越大；其次，由于网络中弱联系较多，为了优化可视化效果和识别更有传播影响力的用户节点，利用Cephi筛选出连出度大于3，即所发布的博文能够触达3个以上用户的博主，得到包含425个节点和105条边的AIGC舆情传播网络，如图9所示。其中，节点颜色代表用户角色类型；边权重为被连接的用户所转发微博的数量；节点标签即为用户昵称，标签越大該节点连出度越大，用户传播影响力越大。

因此，可以发现，当前仍旧是领域内知名博主依托自身专业知识和有别于机构用户的粉丝亲和力，在网络中发挥着重要的意见领袖作用。设计美学领域知名博主“Simon_阿文”的连出度和中心性明显高于其他用户，在AIGC信息传播中占据着重要位置。随着AI绘图工具Disco Diffusion的面世，该博主开始发布相关使用教程和各类风格主题的关键词测试视频，为普通用户无障碍上手AIGC各类最新工具提供了学习资料，其设计师身份更能得到数字艺术领域人士的认同。此外，少数科技型企业如“百度”“讯飞”等在AI多模感知、多维表达、深度理解及技术模型方面实现了关键性突破，在舆情传播过程中也具有较高话语权。而部分明星艺人和电视媒体，如“VogueFilm”“龚俊Si-mon”因进行活动营销而出圈，但实际着重电影宣传，并没有输出AIGC相关知识。各官方媒体以及各政府机构则还未在关键节点排行榜中占据位置，在舆情传播网络中也未彰显。因此，为了进一步引导用户正确认识、理解、使用AIGC这一数字内容生产新工具，一方面，可以继续鼓励专业领域内意见领袖发挥自身影响力，以客观、有趣的方式对AIGC最新消息和应用向大众进行科普宣传，使大众更易于接受和采纳；另一方面，应当促进更多龙头企业、前沿机构、官方媒体和政府单位及时发布并宣传AIGC权威知识和前沿发现，把控公众有关AIGC的话题走势，有效避免舆论场的混乱和失序。

3.4情感维度分析：基于LIWC的AIGC微博情感演化分析

3.4.1不同主题下AIGC微博情感分析

本文利用LIWC文本分析工具提取AIGC微博文本中积极和消极情感词分布，从而判断其情感倾向，进而得到不同主题下AIGC微博情感分布，如图10所示。可以发现，中性情感文本占比最大的为topicl（技术进展）；topic2（活动营销）下积极情感文本占比最大；而topic3（数字艺术）下消极情感倾向博文明显多于其他主题。AIGC的兴起离不开人工智能模型的快速迭代，微博中具备一定专业领域知识的博主往往会紧随热点，发布关于AIGC“技术进展”的科普介绍，故此类博文一般更注重客观性和真实性，情感倾向并不明显。而对于活动营销类博文，往往由明星艺人和品牌方占据主导，发布带有明显积极情感的正向极化观点，且跟发用户主要由其粉丝构成，转发的文本多呈现出惊喜、期待、相信等积极态度，未来或可通过与品牌方的话题合作促进AIGC为大众所接受。此外，虽然正是AI绘画推动了AIGC的火速出圈，但同时也引发了人类画家危机大讨论在国内外社交媒体上演，更引起了一场关于AI时代人机关系的舆论波澜。一方面，数字艺术领域内众多创作者认为AI绘画所依靠的大规模训练数据集涉及众多原创艺术作品，而其相关知识产权法规尚处于真空地带，这直接激发了创作者的不满情绪和抵制行为；另一方面，艺术创作离不开人类独特的思维模式和创造力。在商业上，艺术作品的稀缺性与创新性向来是影响其定价的重要因素，而AIGC无疑对消费市场造成了巨大冲击，甚至依托其能够以低成本在短时间内创作大规模作品的优势，容易造成数字艺术领域“劣币驱逐良币”现象，使得艺术市场原创价值急速下降，人才流失严重。因此，为了消除创作者后顾之忧，使AIGC真正能够普惠大众，还需要在政府引导下联合各企业制定行业内统一规范，明确AIGC的版权归属认定和侵权风险识别，将关于人工智能生成成果的各主体义务和责任的承担纳入法律保障范围之中。

3.4.2不同时期内AIGC微博情感演化

本文进而探讨随时间变化AIGC微博情感演化特征，汇总每个时期内积极、中性和消极情感的博文数量，并计算该月所有博文的积极和消极情感得分均值作为该段时期的情感得分，从而可视化2021年11月—2022年11月AIGC微博情感演化趋势，如图11所示。整体而言，AIGC微博主题情感还是呈现出明显积极情感倾向，大众对于这一新兴技术产业还是抱有极大期待和憧憬的。具体而言，AIGC新技术的突破和新工具的发布是抬高用户期待值的关键，继续在关键技术研发上加大投入势在必行；同时，应当关注到大众对人机关系的思考，始终明确人类是技术的服务主体，AIGC作为创作辅助工具旨在协助提高人类创意效率。随着2022年4月各款大热AI绘画工具的发布，公众积极情绪高涨，在消极情感倾向博文数量未有明显波动的情况下，积极和中性情感倾向博文数量快速增长；随后8月Midjourney创作作品《太空歌剧院》的获奖再度抬升了公众对AIGC的期望，积极情绪曲线在这一重要时期达到高峰。但这也带来了有关AI能否取代人类创意性工作的探讨，在艺术设计领域引起轩然大波，也使得2022年10月期间消极博文数量显著增长，微博消极情感得分达到顶峰。与此同时，AIGC相关技术的迭代未曾停步，CPT3、ChatCPT等接连涌现，也促进一大批科普介绍文章的出现，中性情感微博文本增长明显。

4结果与讨论

AIGC正在成为数字内容创新发展的新引擎，不断推动虚实共生趋势下内容创作的范式转变，实现数字内容生产过程中的降本增效，为各行业领域数字内容的生产方式和消费模式带来创新与颠覆，更有助于下一代网络空间的繁荣与发展。面对AIGC热潮的来临，本文爬取了2021年11月—2022年11月的“AIGC”相关微博文本数据，基于引爆点理论的附着力因素法则、个别人物法则和环境威力法则，构建了AIGC微博網络舆情传播分析模型，利用机器学习、社会网络分析等方法，从内容、用户、情感3个维度刻画了AIGC走红下的舆情演化规律和社会关注度特征。具体而言，本研究发现：

1）在内容维度上，根据附着力因素法则，AIGC话题具有多样性，涵盖技术支撑、应用扩展、商业变现一整个价值实现链条，使得这一新兴产业被“附着”更多的用户信心和多样憧憬，促进了AIGC的现象级走红。当前大众对AIGC的讨论主要集中在“技术进展”“活动营销”“数字艺术”“市场投资”“虚拟主播”和“前景展望”6个方面。其中，“技术进展”和“数字艺术”的热度大幅攀升，“前景展望”的关注度稳定居高，“活动营销”和“市场投资”则稳定处于较低水平，“虚拟主播”相关讨论则在由热点事件引发的短暂拉升后迅速回落。大数据时代更好的模型、更多的数据和更高的算力为AIGC的迭代升级提供了强力的支撑和全新的可能性。与此同时，计算机视觉领域成为继NLP之后AI大模型的重要发展方向，AI绘画在数字艺术领域崭露头角，吸引大众目光。而当前AI数字商业的产业链规模仍处于扩张期，AIGC作品的商业化潜力消费尚待发掘，各类不确定性要素使得有关AIGC的商业化讨论处于保守期，但随着AIGC生态的愈发繁荣和用户参与度的不断提升，AIGC产业发展和消费潜力释放未来可期。

2）在用户维度上，根据个别人物法则，少数科技型企业如“百度”“讯飞”等扮演着“内行”的角色，依托自身突破性成果提供AIGC相关技术进展的首发信息，在AIGC舆情传播中掌握一定话语权：而领域内知名博主扮演着“联系员”的角色，进行AIGC相关信息和工具的科普及解读，促进了AIGC相关信息的扩散；部分明星艺人和电视媒体则作为“推销员”，虽然仍着重电影宣传，但带动了AI话题的出圈，有助于AIGC为大众所接纳。3种类型的“个别人物”共同发力，使得AIGC舆情传播网络不断扩大，AIGC热潮被引爆，此外，众多前沿机构、官方媒体和政府单位在AIGC舆情传播中的影响力尚未彰显，讨论参与度较低，未来应当积极促进此类机构用户发挥自身在领域内的引导作用，及时研讨、发布并宣传AIGC权威知识和前沿发现，有效把控公众有关AIGC的话题走势，避免AIGC概念在舆情传播中的误解和滥用，从而推动AIGC产业生态健康发展。

3）在情感维度上，根据环境威力法则，大众普遍对这一人工智能新风潮的出现抱有期待与憧憬，所营造的积极情感环境引起了大众的共鸣，使得在从众心理的驱动下，更多人参与到AIGC的体验与建设中，无形中也为AIGC热潮的不断升温助力。同时，AIGC“技术进展”话题下多为科普介绍类文章，更注重信息的客观性和真实性，但新技术的突破和新工具的发布始终是抬高用户期待值的关键，有利于促进用户积极情绪高涨；而“活动营销”话题下多为品牌和艺人主导下粉丝的跟随支持行为，呈现出惊喜、期待等积极态度，未来或可通过话题联动等策略，提高社会大众对AIGC的参与度和认可度。需要关注的是，AIGC在数字艺术上展现的卓越创造力所引发的人机争议仍旧是导致大众不满情绪和抵制行为的关键，从“人机相竞”到“人机协同”，还需要通过政策法律、技术规范等消除大众后顾之忧，并引导用户理性看待AIGC所带来的颠覆性变革。

整体而言，在引爆点理论指导下，本文所构建的流行事物舆情传播分析模型，综合考虑了舆情的内容、用户、情感属性，3个维度相互融合，交叉印证，能够更加全面地解释流行事物或现象引起公众热议的内在机制，为微博文本内容挖掘提供了新的研究思路和理论视角，并为更好地引导流行事物舆情的传播演化以及组织推动舆情相关的特定领域发展提供了参考。

5总结

2022年已经成为AIGC崛起之年，这一人工智能领域新兴技术趋势正全面引爆，受到全社会各界的持续高度关注。对于内容附着力，AIGC全链条价值实现已然成为热点话题，大众信心得到提升，引发全民参与；而对于个别人物，多类型用户参与其中，尤其领域内知名博主的大力宣传使得AIGC话题迅速扩散；同时在积极情感环境的威力下，对于AIGC的憧憬和期待将感染更多的用户，使得AIGC被更多人接纳。

在理论层面，本文从微博舆情角度系统梳理了现阶段我国社会大众对AIGC的态度和认知，有助于从舆情演化视角把握AIGC的产业发展进程，更扩展了当前以定性讨论为主的AIGC相关学术研究；此外，本研究融合引爆点理论三大黄金法则，构建了AIGC微博舆情网络传播分析模型，一方面，为流行事物舆情研究拓宽了新的理论视角，扩展了引爆点理论的使用场景；另一方面，为微博文本内容挖掘提供了新的研究思路，可以综合考虑舆情的内容、用户、情感属性，相互融合，交叉印证，对微博舆情事件进行全面刻画。

而在实践层面，本文基于对AIGC舆情传播和演化过程的解读，为政界、产业界和学术界更好地描述、组织、管理和推动AIGC各项专业工作提供指引。对于政府而言，应当发挥自身引领作用，一方面，需要对发展政策进行细化，鼓励企业在AIGC新技术和新应用上实现突破；另一方面，有必要通过法律对大众所担忧的管理风险进行明确规定和合理管制。对于产业界而言，企业可以继续在关键技术上加大投入，进一步完善AIGC技术体系，同时，推动AIGC应用场景大规模落地，探索AIGC在更多领域的商业化。对于学术界而言，可以通过学术研讨会等具有知识性、前瞻性的会议对AIGC热潮所带来的人机关系变化进行讨论，明确人类始终是技术的服务主体，进一步塑造出人机和谐共生的链接机制。

未来，AIGC还将继续在技术能力和产业应用上进化和深入，使人工智能创作内容向更有创造力、想象力的方向发展，辅助实现智能创意决策与迭代。面对新一轮的人工智能创新大潮，可以继续从舆情角度进行扩展，综合利用专利数据、投研报告、舆情数据等，从技术成熟度、资本投入度、社会关注度多个角度出发刻画AIGC产业发展特征，并与过往典型风口产业演化规律进行对比，从而为理性讨论AIGC发展路径与前景提供参考。