第五章 结论与展望
5.1 结论
通过对以系列疫苗事件为代表的人为过失型突发公共卫生事件和以传染病为代表的非人为过失型突发公共卫生事件进行演进方式、热点讨论话题和话题情感倾向性三个方面进行分析,得出以下结论:
(1)非人为过失型事件的演进方式以“单峰”型为主,人为过失型事件的演进方式以“多峰”型为主。
(2)相较于非人为过失型事件,人为过失型突发公共卫生事件的舆情持续时间更长同时舆情的增长速度也更快。
(3)对于突发公共卫生事件网民的热点讨论话题的一般规律为:事件发生,引起关注——查询源头,消除影响——事后反思,总结经验三个主要方面。
(4)人为过失型事件的话题数量明显多于非人为过失型事件这一现象可能与两类事件的矛盾冲突机制和政府应对行为不同有关。
(5)对于人为过失型事件网民的主要情感以恶为主,对于非人为过失型事件网民的主要情感以恐为主。
(6)对两类事件进行纵向对比分析可以发现,对于人为过失型事件网民存在一定的情感累积现象,即同类事件发生的越多公众恶的情绪占比越高;而对于非人为过失型事件,事件发生的越多公众恐的情绪占比越低。
5.2 创新与局限性
本研究依据不同的责任归属类型对突发公共卫生事件进行了分类,并选取了近年来的代表性事件对人为过失型与非人为过失型突发公共卫生事件网络舆情的演进方式、热点讨论话题以及话题对应的情感分布特征进行比较分析。
本研究的主要创新点如下:①从事件责任归属的角度,对突发公共卫生事件网络舆情进行了分类与对比分析,有助于更好地了解舆情发展与扩散的深层次原因,并进行针对性地管理与引导,同时丰富了网络舆情研究中事件分类与分析的维度。②在前人研究基础上,面向微博语料,扩充了网络用语和表情符号词典,丰富了情感分析中的情绪源,提高了情感分析的准确性并为后续的研究提供了一定的基础词表资源。
同时研究仍存在着一定不足,如:对于舆情热度、话题和网民情感相互作用的分析,主要通过对分析结果进行归纳概括的方式完成,存在一定的主观性和人为认知影响。
5.3 展望
针对目前研究中存在的不足,在未来的研究中本人拟将定性比较分析(Qualitative Comparative Analysis ,QCA)的技术与方法引入网络舆情演化研究中,对不同的讨论话题、情感类型进行编码,探究网络舆情发展过程中的多重影响关系,减少人工归纳概括,进一步提高对比分析的客观性与准确性。
参考文献
[1] 崔彦琛,张鹏,兰月新,等.面向时间序列的微博突发事件衍生舆情情感分析研究——以“6.22”杭州保姆纵火案衍生舆情事件为例[J]. 情报科学,2019,37(3):119-126.
[2] 曹毅梅,李真奇.微博舆论对热点事件发展的影响[J]. 新闻爱好者,2020(1):47-49.
[3] 安璐,易兴悦,余传明,等.突发公共卫生事件微博影响力的预测研究[J]. 情报理论与实践,2017,40(8):46,80-85.
[4] 崔亚飞.突发公共卫生事件网络舆情演化的计算机仿真研究[D]. 北京:首都经济贸易大学,2018.
[5] Chen X, Duan S, Wang L, et al. Research on clustering analysis of Internet publicopinion[J]. Cluster Computing, 2019, 22(3):5997-6007.
[6] Maisto A, Pelosi S, Guarasci R, et al. Text Analysis on User Generated Content: The RapLyrics Challenge[C]. advanced information networking and applications, 2018:657-662.
[7] 陈思菁,李纲,毛进,巴志超.突发事件信息传播网络中的关键节点动态识别研究[J]. 情报学报,2019,38(2):178-190.
[8] 高俊峰,王毅军,黄微,等.网络舆情场的内涵、结构特征与功能属性分析[J]. 图书情报工作, 2017,61(4):14-22.
[9] 薛可,许桂苹,赵袁军.热点事件中的网络舆论:缘起、产生、内涵与层次研究[J]. 情报杂志,2018,37(8):78-83,55.
[10] 刘晶,吴国毅,黄艳兰.高职院校网络舆情治理的内涵、问题与策略[J]. 教育与职业,2020(4):73-79.
[11] 陶建杰.完善网络舆情联动应急机制[J]. 党政论坛, 2007(9):28-30.
[12] 纪红,马小洁.论网络舆情的搜集、分析和引导[J]. 华中科技大学学报(社会科学版),2007,21(6):104-107
[13] 李钧,宋伟.自媒体时代网络舆情影响下的高校思想政治教育研究[J]. 新校园旬刊,2016(9):9-10.
[14] Herbert Blumer. Public Opinion and Public Opinion Polling[J]. American SociologicalReview, 1947, 13(5):542-549.
[15] Noelle-Neumann E.The Spiral of Silence: Public Opinion-Our Social[M].Chicago:University Chicago Press, second edition, 1993:50-56.
[16] 唐涛.网络舆情治理研究[M]. 上海:上海社会科学院出版社,2014,12-30.
[17] Senghore F, Camposnanez E, Fomin P, et al. Using Social Network Analysis to Investigatethe Potential of Innovation Networks: Lessons Learned from NASA's International SpaceApps Challenge[J]. Procedia Computer Science, 2014,28:380-388.
[18] Liu M H. Collection Mechanisms and Elements of Public Opinion Since the Founding ofNew China[J]. Jianghan Academic, 2014,33(4):11-20.
[19] 李明,曹海军.中国网络舆情研究 13 年(2005-2017):理论、方法与实践[J]. 情报杂志,2019,38(5):116-122.
[20] Burkholder B T, Toole M J. Evolution of complex disasters.[J]. Lancet, 1995, 346(8981):1012-1015.
[21] 潘崇霞.网络舆情演化的阶段分析[J]. 计算机与现代化,2011,11(10):203-206.
[22] 马建华,陈安.突发事件的演化模式分析[J]. 安全,2009,30(12):1-4.
[23] 易承志.群体性突发事件网络舆情的演变机制分析[J]. 情报杂志,2011,30(12):6-12.
[24] 贾亚敏,安璐,李纲.城市突发事件网络信息传播时序变化规律研究[J]. 情报杂志,2015,34(4):90-96.
[25] 方付建.网络舆论中网民反向认知现象研究[J]. 情报杂志,2015,34(6):100-103.
[26] 佘廉,张明红,黄超.公共突发事件案例表达结构化模式探讨[J]. 华南理工大学学报(社会科学版),2015,17(6):69-75.
[27] 燕道成.群体性事件中的网络舆情研究[M]. 北京:新华出版社,2013:65-69.
[28] 蒋静.公共卫生安全类事件的网络舆情研究[D]. 长沙:湖南大学,2014.
[29] 安璐,杜廷尧,余传明,等.突发公共卫生事件的微博主题演化模式和时序趋势——以Twitter 和 Weibo 的埃博拉微博为例[J]. 情报资料工作,2016(5):44-52.
[30] Zhao L , Wang J , Huang R , et al. Sentiment contagion in complex networks[J]. PhysicaA Statistical Mechanics & Its Applications, 2014, 394(2):17-23.
[31] 蒋知义,马王荣,邹凯,等.基于情感倾向性分析的网络舆情情感演化特征研究[J]. 现代情报,2018,38(4):50-57.
[32] 陈福集,马梅兰.网络舆情事件的话题演化分析——以成都女司机为例[J]. 情报杂志,2016,35(5):58-64.
[33] 杨谨铖,张秋波,夏一雪,兰月新.面向涉恐舆情的网民心理演化系统动力学模型研究[J]. 情报杂志,2019,38(3):141-147,154.
[34] 王晰巍,邢云菲,王楠阿雪,等.新媒体环境下突发事件网络舆情信息传播及实证研究——以新浪微博“南海仲裁案”话题为例[J]. 情报理论与实践,2017(9):5-11.
[35] Zhang C , Wang H , Cao L , et al. A hybrid term-term relations analysis approach for topicdetection[J]. Knowledge-Based Systems, 2016, 93(Feb.1):109-120.
[36] 阮光册,夏磊.基于主题模型的检索结果聚类应用研究[J]. 情报杂志,2017,36(3):179-184.
[37] 曾子明,万品玉.融合演化特征的公共安全事件微博情感分析[J]. 情报科学,2018,36(12):3-8,51.
[38] Ren H, Li C, Wang H, et al. An Improved DLDA Based Method- Nonparametric DLDA[C].computational intelligence and security, 2010:270-274.
[39] 唐晓波,顾娜,谭明亮.基于句子主题发现的中文多文档自动摘要研究 [J]. 情报科学,2020,38(3):11-16,28.
[40] 杨磊,王子润,侯贵生.基于 Q-LDA 主题模型的网络健康社区主题挖掘研究[J]. 数据分析与知识发现,2019,3(11):52-59.
[41] Celikyilmaz A, Hakkanitur D. A Hybrid Hierarchical Model for Multi-DocumentSummarization[C]. meeting of the association for computational linguistics, 2010:815-824.
[42] Bing L. Opinion Mining and Sentiment Analysis[J]. Synthesis Lectures on HumanLanguage Technologies, 2011, 2(2):459-526.
[43] Denecke K. Using SentiWordNet for multilingual sentiment analysis[C]. internationalconference on data engineering, 2008:507-512.
[44] Stone P J, Hunt E. A computer approach to content analysis: studies using the GeneralInquirer system[C]. national computer conference, 1963:241-256.
[45] 贾东立,崔新宇,申飞.基于高频情感词扩充情感词典的商品评价系统[J]. 电脑知识与技术,2019,15(16):242-244.
[46] 张志刚.网络新闻评论情感分析系统的研究与实现[D]. 沈阳:辽宁大学,2018.
[47] 徐琳宏,林鸿飞,潘宇,等.情感词汇本体的构造[J]. 情报学报,2008,27(2):180-185.
[48] Ragini J R , Anand P M R , Bhaskar V . Big data analytics for disaster response andrecovery through sentiment analysis[J]. International Journal of Information Management,2018, 42:13-24.
[49] 陈福集,陈婷.舆情突发事件演化探析——基于意见领袖引导作用视角[J]. 情报资料工作,2015,36(2):23-28.
[50] 崔安颀.微博热点事件的公众情感分析研究[D]. 北京:清华大学, 2013.
[51] 安璐,欧孟花.突发公共卫生事件利益相关者的社会网络情感图谱研究[J]. 图书情报工作,2017,61(20):130.
[52] 陈平平,耿笑冉,邹敏,等.基于机器学习的文本情感倾向性分析[J]. 计算机与现代化,2020(3):77-81,92.
[53] Smith K S , Mccreadie R , Macdonald C , et al. Regional Sentiment Bias in Social MediaReporting During Crises[J]. Information Systems Frontiers, 2018,20(5):1013-1025.
[54] Neppalli V K , Caragea C , Squicciarini A , et al. Sentiment analysis during HurricaneSandy in emergency response[J]. International Journal of Disaster Risk Reduction, 2017,21:213-222.
[55] Chiu J P C , Nichols E . Named Entity Recognition with Bidirectional LSTM-CNNs[J].transactions of the Association for Computational Linguistics, 2016,4(1):357-370.
[56] 程艳,叶子铭,王明文,等.融合卷积神经网络与层次化注意力网络的中文文本情感倾向性分析[J]. 中文信息学报,2019,33(1):133-142.
[57] 李慧,柴亚青.基于卷积神经网络的细粒度情感分析方法[J]. 数据分析与知识发现,2019,3(1):95-103.
[58] 孙松涛,何炎祥.基于 CNN 特征空间的微博多标签情感分类[J]. 四川大学学报(工程科学版),2017,49(3):162-169.
[59] Abdi A , Shamsuddin S M , Hasan S , et al. Deep learning-based sentiment classificationof evaluative text based on Multi-feature fusion[J]. Information Processing & Management,2019, 55(4):1245-1259.
[60] 张鹏,崔彦琛,兰月新,等.基于扎根理论与词典构建的微博突发事件情感分析与舆情引导策略[J]. 现代情报,2019,39(3):122-131,143.
[61] 蔡筱英,麦慧祯.突发公共卫生事件的分类分级管理探讨[J]. 中国公共卫生,2006,22(7):895-896.
[62] 李世杰,高雅蓉.基于网络爬虫的网络平台用户数据获取与分析[J]. 计算机与网络,2020,46(1):68-71.
[63] Blei DM,Jordan M. Latent Dirichlet Allocation[J].The Journal of Machine LearningResearch,2003(3):993-1022.
[64] Pang B, Lee L. A Sentimental Education: Sentiment Analysis Using SubjectivitySummarization Based on Minimum Cuts[C]. meeting of the association for computationallinguistics, 2004:271-278.
[65] 韩正琪,刘小平,寇晶晶.基于 Rao-Stirling 指数和 LDA 模型的领域学科交叉主题识别——以纳米科技为例[J]. 情报科学,2020,38(2):116-124.
[66] 吴江,周露莎,刘冠君,贺超城.基于 LDA 的可穿戴设备在线评论主题挖掘研究[J]. 信息资源管理学报,2017,7(3):24-33.
[67] 闫晓东,黄涛.基于情感词典的藏语文本句子情感分类[J]. 中文信息学报, 2018,32(2):75-80.
[68] Boot P , Zijlstra H , Geenen R . The Dutch translation of the Linguistic Inquiry and WordCount (LIWC) 2007 dictionary[J]. Dutch Journal of Applied Linguistics, 2017, 6(1):65-76.
[69] F.M. Kundi, S. Ahmad, A. Khan,et al. Detection and scoring of Internet Slangs forsentiment analysis using SentiWordNet[J]. Life Science Journal, 2014, 11(9):66-72.
[70] 刘伟朋,陈雁翔,孙晓.基于表情符号的中文微博多维情感分类的研究[J]. 合肥工业大学学报(自然科学版),2014,37(7):803-807.
[71] 马秉楠,黄永峰,邓北星.基于表情符的社交网络情绪词典构造[J]. 计算机工程与设计,2016,37(5):1129-1133.
[72] 敦欣卉,张云秋,杨铠西.基于微博的细粒度情感分析[J]. 数据分析与知识发现,2017,1(7):61-72.
[73] Alaa Hamouda, Mahmoud Marei, Mohamed Rohaim.Building Machine Learning BasedSenti-word Lexicon for Sentiment Analysis[J]. Journal of Advances in InformationTechnology, 2011,2(4):199-203.
[74] 崔连超.互联网评论文本情感分析研究[D]. 济南:山东大学,2015.
[75] 黄晓斌,余双双.网络用语对信息交流的影响[J]. 情报理论与实践,2008,31(1):23-25.
[76] 施寒潇.细粒度情感分析研究[D]. 苏州:苏州大学,2013.
[77] 陈国兰.基于情感词典与语义规则的微博情感分析[J]. 情报探索,2016(2):1-6.
[78] 李婷婷,姬东鸿.基于 SVM 和 CRF 多特征组合的微博情感分析[J]. 计算机应用研究,2015,32(4):978-981.
[79] 杜洪涛,王君泽,李婕.基于多案例的突发事件网络舆情演化模式研究[J]. 情报学报,2017,36(10):1038-1049.
[80] 晏艳阳,邓嘉宜,文丹艳.同群效应对创业活动影响的模型构建与实证[J]. 中国管理科学,2018,26(5):147-156.
[81] 易玲.新媒体时期网络舆情应对意义和策略[J]. 传播力研究,2019,3(27):270-271.
[82] 陈园园 . 关于 “ 两微一端 ” 在传统媒体发展中的运用分析 [J]. 传播力研究 ,2019,3(22):52.
[83] 谌楠,王恒山.网络舆情政府干预最佳点选择的研究[J]. 现代图书情报技术,2012,28(3):53-58.
[84] 李天龙.突发事件舆情的阶段应对策略[J]. 情报杂志,2018,37(12):106-111.
[85] 周伟.自媒体时代网络舆情政府回应困境与消解路径[J]. 情报杂志,2018,37(4):100-105,99.