摘要：社會感知技術(shù)是研究重特大地震事件中災(zāi)區(qū)民眾行為反應(yīng)時空特征的一種有效手段。采用情感詞典和規(guī)則相結(jié)合的方法，以2013年四川蘆山7.0級和2017年九寨溝7.0級地震為例，用震后24 h微博數(shù)據(jù)分析了地震災(zāi)區(qū)民眾微博數(shù)量特征、情感極性特征、情緒時間序列特征、情緒反應(yīng)空間分布特征。研究結(jié)果表明：蘆山地震災(zāi)區(qū)民眾負面情緒大于正面情緒，而九寨溝地震后民眾正面情緒大于負面情緒，微博活躍數(shù)量程度與人口密度、生命線破壞程度、震中距離和烈度密切相關(guān)，微博活躍數(shù)量呈現(xiàn)空間分布不均衡特征。分析認為，2次地震后，災(zāi)區(qū)民眾情感行為反應(yīng)差異主要與災(zāi)區(qū)人口密度、房屋抗震性能、當(dāng)?shù)孛癖姺勒饻p災(zāi)意識、地震知識了解程度等密切相關(guān)。

關(guān)鍵詞：社交媒體;蘆山地震;九寨溝地震;情緒分析

中圖分類號：P315.941 ??文獻標(biāo)識碼：A ??文章編號：1000-0666（2019）02-0245-11

0 引言

21世紀初以來，我國西南地區(qū)相繼發(fā)生了四川汶川8.0級、四川蘆山7.0級、云南魯?shù)?.5級、四川九寨溝7.0級等多次重特大地震災(zāi)害事件，大地震發(fā)生后，政府部門迫切需要了解地震破壞、人員傷亡等情況。通過對帶有地理位置標(biāo)記的社交媒體大數(shù)據(jù)進行充分挖掘和分析，可以快速獲取整個地震災(zāi)害事件及災(zāi)害鏈中民眾的情緒反應(yīng)，幫助政府部門有效開展輿情疏導(dǎo)、科學(xué)施救和民眾情緒的安撫工作，提高救災(zāi)效率。

在地震災(zāi)區(qū)民眾行為認知社會調(diào)查研究方面，傳統(tǒng)的調(diào)查方式主要是在震后通過訪談或問卷調(diào)查來分析人對災(zāi)害事件的反應(yīng)和行為，獲取的數(shù)據(jù)往往是總體樣本的一個子集，存在著樣本代表性、典型性、時效性和空間范圍等方面問題（吳志峰等，2015）。隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，特別是帶有定位功能的移動設(shè)備、智能手機等的廣泛使用，由社交媒體簽到數(shù)據(jù)、帶位置的照片、微視頻、移動軌跡數(shù)據(jù)等構(gòu)成的位置大數(shù)據(jù)已經(jīng)成為當(dāng)前用來感知人類社群活動規(guī)律最有效的手段之一（劉經(jīng)南等，2014;李德仁，2016）。社會感知可以提取人的時空行為特征，還可以從帶有時空標(biāo)記的社交媒體數(shù)據(jù)獲取個體認知的情緒反應(yīng)（Liu et al，2015;劉瑜，2016）。特別是在重大地震事件發(fā)生后，災(zāi)區(qū)大量民眾在微博、微信、QQ空間等社交媒體平臺上發(fā)布對本次地震的情感、心情、觀點、評論等，這些數(shù)據(jù)成為反映社會行為活動和災(zāi)害特征的一種重要的數(shù)據(jù)源（王艷東等，2016）。因此，對這些帶有地理位置標(biāo)記的社交媒體大數(shù)據(jù)進行充分挖掘和分析，能夠在一定程度上克服傳統(tǒng)社會調(diào)查數(shù)據(jù)獲取不足的問題。尤其是在大地震發(fā)生后，災(zāi)情的時空變化是“黑箱-灰箱-白箱”的一個演變過程，通過社會感知方式獲取災(zāi)情，對于政府震后初期進行輿情引導(dǎo)、災(zāi)民救助等有重要的意義。

近年來，在全球范圍內(nèi)重大地震事件發(fā)生后，國內(nèi)外學(xué)者紛紛利用災(zāi)害前后發(fā)布的社交媒體數(shù)據(jù)，圍繞地震輿情信息分析監(jiān)控（趙金樓，成俊會，2015;曹彥波，2018;Li et al，2018），地震災(zāi)害監(jiān)測預(yù)警（Sakaki et al，2013;Crooks et al，2013;蘇曉慧等，2013），地震災(zāi)情挖掘分析（徐敬海等，2015;褚俊秀，徐敬海，2016;Comunello et al，2016;Thapa，2016;曹彥波等，2017a，b）等方面做了大量的研究工作。在地震輿情信息分析方面，不同學(xué)者利用社交媒體數(shù)據(jù)分析地震公眾行為模式、通行行為、情感反應(yīng)等，如Onook等（2010）利用twitter數(shù)據(jù)分析了在海地地震后謠言對人們情緒的影響，焦慮的人對負面消息更敏感，很容易受到謠言影響;Qu等（2011）利用新浪微博分析了2011年玉樹7.1級地震后，人們利用社會平臺傳播震情災(zāi)情、救災(zāi)物資需求、救援處置等信息，以及公眾對地震事件的抑郁、憤怒、悲傷等情緒表達;Bengtsson等（2011）使用海地最大手機公司的用戶身份模塊 （SIM） 卡的位置數(shù)據(jù)估計2010年1月12日海地7.3級地震后及隨后的霍亂暴發(fā)后人口流動的規(guī)模和趨勢;Lu等（2012）在海地地震后也使用同樣的數(shù)據(jù)確定由于避難行為和人口移動，導(dǎo)致首都太子港的人口大量減少，災(zāi)害期間的人口流動顯著;王昊等（2012）利用基于情感的HITS算法分析了2011年日本9.0級地震發(fā)生后一周內(nèi)，人們在社交媒體上對地震的評論和情緒反應(yīng)特征;Yusuke（2015）通過Twitter數(shù)據(jù)，分析了2011年日本東部9.0級大地震發(fā)生后東京地區(qū)由于地震導(dǎo)致新干線停運，人們無法回家的原因及通勤行為的時空特征;Cheng等（2016）以2011年日本大地震為例，調(diào)查了社會媒體如何影響人們對災(zāi)難的看法及其在災(zāi)后恢復(fù)活動方面的行為意圖，分析人們對災(zāi)難感知產(chǎn)生的不同影響;Li等（2017）通過分析在線設(shè)計媒體（Twitter）研究了海地地震和日本地震震后公眾在不同階段的情緒反應(yīng)模式。上述研究成果為基于社交媒體的地震災(zāi)區(qū)民眾情感分析提供了重要的參考和理論基礎(chǔ)。

2013年四川蘆山7.0級地震和2017年九寨溝7.0級地震是近年來川滇地區(qū)發(fā)生的2次大地震，對災(zāi)區(qū)民眾影響廣泛而深遠，目前利用新媒體手段對2次地震事件進行社會影響數(shù)據(jù)源獲取、情感反應(yīng)分析等方面的研究存在一定不足。本文基于新浪微博數(shù)據(jù)，這2次地震為例，獲取震后24 h微博數(shù)據(jù)，探索在地震災(zāi)害事件初期災(zāi)區(qū)民眾情感行為和反應(yīng)的時空模式。

1 研究方法

1.1 技術(shù)路線

本文采用基于情感詞典和規(guī)則相結(jié)合的方法，首先獲取用于震例研究的微博樣本數(shù)據(jù)集，對數(shù)據(jù)集進行清洗、去重、去噪、分詞等預(yù)處理，根據(jù)地震關(guān)鍵詞規(guī)則庫提取與地震主題相關(guān)的微博語料;然后基于情感詞典對微博語料逐一進行分類標(biāo)記和對比，若該句子無情感詞，則確定該條微博無情感傾向，為中性情緒反應(yīng);若有情感詞，根據(jù)情感詞的分類和強度判定該條微博情感極性屬于正面或負面，對震例樣本集所有微博語句進行判定，最終確定此次地震事件民眾情感傾向性（圖1）。

1.2 地震主題微博提取方法

2013年4月20日四川發(fā)生蘆山7.0級地震，時隔4年后的2017年8月8日，又發(fā)生了九寨溝7.0級地震，2次地震共造成202人死亡，11 995人受傷，27人失蹤。2次地震是繼2008年5月12日汶川8.0級地震后川滇地區(qū)發(fā)生的震級最高的地震事件，社會影響廣泛。震后數(shù)天里，大量與地震相關(guān)的信息廣泛傳播，互聯(lián)網(wǎng)社交媒體高度關(guān)注，成為最熱議話題。地震發(fā)生后，災(zāi)區(qū)民眾第一時間在微博、微信、QQ空間等社交媒體平臺上發(fā)布了大量博文、圖片、微視頻等，其中含有大量與本次地震相關(guān)的評論、觀點、感悟、心情、情感等社會感知信息。

本文采用新浪微博開放平臺提供的數(shù)據(jù)接口服務(wù)功能，獲取2次地震發(fā)布的帶有地理位置信息的微博（廉捷等，2011），震例樣本數(shù)據(jù)集獲取內(nèi)容如下：①采集范圍：以蘆山（30.3°N，103°E）7.0級地震、九寨溝（33.2°N，103.82°E）7.0地震震中為圓心，250 km為半徑，采集研究區(qū)約20萬km2范圍內(nèi)民眾發(fā)布的微博數(shù)據(jù);②采集時長：地震發(fā)生后24 h微博用戶發(fā)布的數(shù)據(jù);③采集內(nèi)容：微博創(chuàng)建時間、ID、發(fā)布內(nèi)容、來源、圖片、地理位置。

獲取微博原始震例樣本數(shù)據(jù)集后，如何提取 與地震主題相關(guān)的微博是進行情感分析的關(guān)鍵。筆者采用北京理工大學(xué)張華平研發(fā)的NLPIR漢語分詞系統(tǒng)（又名ICTCLAS 2016）分別對獲取到的2次地震微博原始數(shù)據(jù)進行去重、分詞等預(yù)處理。同時，在前人對景谷6.6級、永善5.0級、九寨溝7.0級、通海5.0級地震微博主題特征詞分類研究基礎(chǔ)上（表1），參考地震行業(yè)相關(guān)標(biāo)準和地震專業(yè)術(shù)語逐條將微博原始信息與地震主題特征詞匯進行關(guān)聯(lián)匹配，結(jié)合人工解譯和判讀，提取與2次地震主題相關(guān)的微博語料數(shù)據(jù)。

1.3 情感分析方法

隨著社交媒體軟件平臺的廣泛應(yīng)用，自然語言處理技術(shù)（NLP）也成為國內(nèi)外學(xué)者和研究機構(gòu)關(guān)注的熱點，情感分析是自然語言分析處理技術(shù)的關(guān)鍵應(yīng)用之一，目前與主題相關(guān)的情感分析技術(shù)有基于詞典的規(guī)則方法、基于表情符號的規(guī)則方法、基于詞典與規(guī)則結(jié)合的公式方法、基于機器學(xué)習(xí)方法和基于語義的分析方法（姚天昉，婁德成，2007;龐磊等，2012;李清敏，張華平，2014;王磊，2018;鈕成明等，2018;王華，2018）。構(gòu)建較為完善的情感詞典是進行情感分析研究的基礎(chǔ)，本文結(jié)合了眾多情感字典和情感詞資源，以大連理工大學(xué)情感詞匯本體為基礎(chǔ)（徐琳宏等，2008），將情感分為7大類、21小類，情感強度分為1，3，5，7，9共5檔，9表示強度最大，1為強度最小（表2）。筆者根據(jù)地震情感分析的需要，加入近年地震事件中出現(xiàn)的一些網(wǎng)絡(luò)新詞、連詞、程度副詞和表情符號等，補充和完善情感詞典，便于下一步對微博樣本數(shù)據(jù)集進行情感分析。

傳統(tǒng)的情感分析主要是基于情感詞典將文本情感極性劃分為正面、負面、中性3類，本文基于詞典與規(guī)則結(jié)合的公式方法對震例樣本數(shù)據(jù)集進行情感分析，除傳統(tǒng)三分法外，還對民眾發(fā)布的微博短文本進行更細粒度的情感分類，識別出民眾對于地震事件的行為反應(yīng)所表達的情感：“髙興” “喜歡” “生氣” “厭惡” “恐懼” “悲傷”“無情感”等，再根據(jù)每一條博文語料中“正面”和“負面”情感詞匯數(shù)據(jù)最終判定該條微博的情感極性。具體算法如下：

2 結(jié)果分析與討論

2.1 數(shù)量統(tǒng)計分析

蘆山7.0地震、九寨溝7.0地震發(fā)生后的24 h內(nèi)，分別采集到研究區(qū)約20萬km2范圍內(nèi)帶位置信息的原始微博數(shù)據(jù)3 498條、5 906條。對2次地震微博原始數(shù)據(jù)進行去重、分詞等預(yù)處理后，九寨溝地震中2 396條微博與地震事件相關(guān)，占總數(shù)68%，蘆山地震有2 802條，占總數(shù)47%。經(jīng)過分詞解析，統(tǒng)計對比2次地震后微博詞頻和詞云可以看出（表3，圖2），2次地震后排名前10位的名詞中，“地震”高居首位，其余如“雅安” “余震” “九寨溝” “災(zāi)區(qū)”等高頻詞，全部均與地 震相關(guān)。從解析出來的排名前10位的動詞也可以看出，震后頻頻提及“發(fā)生” “救援” “祈福” “祈禱”等詞匯。從2次地震微博中也大量出現(xiàn)針對地震的個人感悟、心情、情感等詞匯，如“平安” “安好” “害怕” “悲傷” “失望”等。

基于擴展后的中文情感詞匯庫，筆者對2次地震事件中與地震相關(guān)的5 198條微博進行了關(guān)聯(lián)和匹配，結(jié)合人工標(biāo)記判定，提取微博樣本數(shù)據(jù)集中反映地震情感的主題特征詞匯，其中博文里還出現(xiàn)了大量表達情緒的表情符號（表4）。

2.2 情感極性分析

2次地震發(fā)生后，震區(qū)民眾反應(yīng)強烈，在社交媒體平臺紛紛發(fā)布和轉(zhuǎn)發(fā)與地震相關(guān)的信息。蘆山7.0級地震發(fā)生在2013年4月20日8時2分，正值周六早晨，災(zāi)區(qū)大部分民眾尚未外出，部分 還在睡覺。震后4 min（2013-04-20 08： 05： 48），震中附近一位微博網(wǎng)友就發(fā)布了一條對地震事件的情緒表達和反應(yīng)：“尼瑪，搖了這么久，瞌睡都嚇來沒有了[抓狂][抓狂][抓狂][抓狂]”。距離震中30 km的網(wǎng)友分享了一張地震災(zāi)情照片，照片反映出該區(qū)域震感強烈，“器物反應(yīng)”明顯，屋內(nèi)花盆、塑料瓶翻到。九寨溝7.0級地震發(fā)生在21時19分，震中九寨溝景區(qū)是全球著名旅游景點，恰逢暑假，大量國內(nèi)外游客聚集，震后3 min（2017-08-08 21：22： 12），距離震中49 km的一位微博網(wǎng)友就發(fā)布了信息：“吃飯的時候桌子在晃，嚇得飯店一條街的人都跑出去了?！睆倪@條信息可以看出該區(qū)域震感強烈，“器物反應(yīng)”明顯。

震后微博網(wǎng)友發(fā)布的內(nèi)容隨意性強，口語化程度高，一條博文中會反應(yīng)多種情緒表現(xiàn)。根據(jù)中文情感詞匯本體庫，對照“樂” “好” “怒” “哀” “懼” “惡” “驚”7類情感詞匯，對2次地震后24 h內(nèi)發(fā)布的5 198條微博進行解析和標(biāo)記。在蘆山地震中，博文中提及“樂好”情感表達詞匯的微博有855條、“生氣”96條、“恐懼”468條、“悲傷”336條、“疑惑”157條;在九寨溝地震中，“樂好”有1 397條、“生氣”6條、“恐懼”283條、“悲傷”246條、“疑惑”77條。