吳克昌 葉陽澍

摘要：信息時代，網(wǎng)絡(luò)空間是公共事件社會輿情發(fā)酵、發(fā)展的重要場所。一個無法回避的現(xiàn)實是，當前并未形成成熟有效的網(wǎng)絡(luò)輿情干預(yù)策略，政府應(yīng)對仍以“維穩(wěn)”“管控”為主，疏導(dǎo)成效堪憂，往往導(dǎo)致輿情結(jié)果消極化。通過基于計算機自然語言處理的文本分析法，以新浪微博作為數(shù)據(jù)源，深入挖掘輿情文本內(nèi)涵，把握網(wǎng)絡(luò)議題、網(wǎng)民情感的分布及變遷，在探析網(wǎng)民言論所反映的期望、訴求基礎(chǔ)上，構(gòu)建了公共事件網(wǎng)絡(luò)輿情干預(yù)可能性策略——“順勢而為”。

關(guān)鍵詞：公共事件;網(wǎng)絡(luò)輿情;干預(yù)策略;文本分析;自然語言處理

中圖分類號： D63，G206.3 文獻標志碼：A 文章編號：1009-055X（2019）02-0033-13

doi：10.19366/j.cnki.1009-055X.2019.02.004

一、引言

隨著信息技術(shù)的發(fā)展，網(wǎng)絡(luò)越來越成為公眾參與公共事件的重要場域，也日益成為社會治理的關(guān)鍵陣地?；ヂ?lián)網(wǎng)破除了時空局限，實現(xiàn)了人人皆可“上網(wǎng)沖浪”，大幅降低了公民參與的門檻與成本，擴充了公民參與的規(guī)模。數(shù)據(jù)顯示，截至2018年6月30日，我國網(wǎng)民規(guī)模達8.02億人，其中58.6%的網(wǎng)民，約4.7億人曾通過網(wǎng)絡(luò)接受政務(wù)服務(wù)①。

網(wǎng)絡(luò)公共事件中，公民參與主要表現(xiàn)為網(wǎng)民在網(wǎng)絡(luò)空間內(nèi)的發(fā)帖及評論，通過圖文、音視頻等媒體形式為載體表達觀點。這些內(nèi)容借助網(wǎng)站，尤其是新浪微博等網(wǎng)絡(luò)社交平臺實現(xiàn)廣泛傳播，將輿論大量聚集從而形成輿情。區(qū)別于傳統(tǒng)媒介，網(wǎng)絡(luò)社交平臺整合了網(wǎng)民的社會關(guān)系網(wǎng)絡(luò)，因此在傳播功能上具有傳播成本低、輻射范圍廣、擴散能力強的特點。信息傳播的鏈路及速度在每一個節(jié)點發(fā)生裂變，因而公共事件網(wǎng)絡(luò)輿情的規(guī)模能夠在短時間內(nèi)迅速擴張，甚至演變?yōu)槿W(wǎng)熱議的社會性話題。倘若輿情衍生出消極、負面內(nèi)涵，亦將隨網(wǎng)絡(luò)的爆發(fā)式增長發(fā)展為輿情危機，從而催生網(wǎng)絡(luò)社會風險。因此，需要對網(wǎng)絡(luò)輿情進行必要的干預(yù)及疏導(dǎo)，化危機為契機，維護網(wǎng)絡(luò)空間秩序。

然而，眾多實踐表明，政府常常面臨網(wǎng)絡(luò)輿情干預(yù)低效甚至失效的困境，導(dǎo)致公眾滿意度低下以及網(wǎng)絡(luò)情緒的消極化。一旦干預(yù)困境無法破局，意味著負面網(wǎng)絡(luò)情緒將隨事件輿情的結(jié)束無法舒緩，以一種懸而未決的姿態(tài)影響公眾信任，損傷政府公信力，導(dǎo)致更深層次的社會后果。

近年來，國內(nèi)外學(xué)者對網(wǎng)絡(luò)輿情及其干預(yù)方面的研究不斷升溫。有學(xué)者從宏觀理論視角切入，歸納輿情治理工作中的缺陷，總結(jié)政府治理困境并提出消解辦法[1]。部分學(xué)者聚焦于具體案例，剖析輿情要素，進而提出輿情治理策略[2]。如王旭、孫瑞英通過輿情傳播結(jié)構(gòu)分析，認為識別并控制傳播關(guān)鍵節(jié)點有助于提升政府對網(wǎng)絡(luò)輿情的干預(yù)效果[3];劉怡君、陳思佳等運用仿真工具分析了重大突發(fā)事件的輿情形成及演化規(guī)律，并以此提出輿情處置策略[4];王英、龔花萍關(guān)注具體輿情的情感維度，通過統(tǒng)計情感值變化趨勢，建構(gòu)輿情預(yù)警研判機制[5]。

以往研究提供了網(wǎng)絡(luò)輿情認知維度，介紹了內(nèi)容分析法、自然語言處理技術(shù)在同類研究中的應(yīng)用場景，對本文具有一定啟發(fā)意義，但同時仍存在一些局限性。第一，偏重于對輿情傳播性的探討，輿情內(nèi)容的挖掘較為不足;其二，文本素材全面性欠缺，較少研究能將博文類型文本、評論類型文本同時納入研究;其三，僅僅梳理淺層現(xiàn)象，缺乏對現(xiàn)象背后實質(zhì)原因的剖析，導(dǎo)致相關(guān)策略浮于表面，實用價值欠佳。

本文認為，個體行動是其意志的表達，行為背后的邏輯由訴求與期望建構(gòu)。因此，解構(gòu)及把握網(wǎng)民參與公共事件網(wǎng)絡(luò)輿情的特定動因，增強政府回應(yīng)與網(wǎng)民訴求及期望的適配度，是破除干預(yù)困境，進而消減公共事件網(wǎng)絡(luò)輿情社會成本，達成網(wǎng)絡(luò)空間善治的關(guān)鍵。

綜上所述，本文將從主題、情感兩個考察要件入手，借助計算機技術(shù)及大數(shù)據(jù)思維，通過自然語言分析矩陣，構(gòu)建對壽光洪水事件網(wǎng)絡(luò)輿情意涵的完整認知。首先，對構(gòu)成事件輿情主要部分的熱門微博進行LDA主題歸類[6]，提煉微博博文的主題，將網(wǎng)絡(luò)輿情基本面梳理清晰;接著，對分布于不同主題的微博，挖掘其引導(dǎo)、動員產(chǎn)生的網(wǎng)民評論，通過TF-IDF關(guān)鍵詞提取法[7]，以及機器學(xué)習(xí)情感分析法[8-9]，掌握網(wǎng)民的關(guān)注點及情緒變遷[10]。

基于上述過程，本文構(gòu)建了網(wǎng)絡(luò)輿情干預(yù)策略轉(zhuǎn)化漏斗模型（如圖1所示），接下來將揭示網(wǎng)絡(luò)輿情內(nèi)涵中蘊含的網(wǎng)民期望以及行為邏輯，并以此為切入點，提出網(wǎng)民期望所指向的政府角色以及任務(wù)，從而論述網(wǎng)絡(luò)輿情善治的達成要件及具體策略。

二、研究方法概述

（一）數(shù)據(jù)采集

本文以“壽光洪水”“壽光水災(zāi)”“壽光洪災(zāi)”“壽光大雨”為關(guān)鍵詞，檢索新浪微博中聚集轉(zhuǎn)發(fā)、點贊、評論數(shù)量最多的熱門微博共548篇，借助Python 3計算機語言自行編寫爬蟲程序，按照特定字段（見表1）進行數(shù)據(jù)抓取、記錄。另外，使用八爪魚采集器對上述微博所聚集的網(wǎng)民評論進行采集和輸出，再通過必要的數(shù)據(jù)清洗及處理，共獲得數(shù)據(jù)30 573條。

（二）數(shù)據(jù)預(yù)處理

數(shù)據(jù)清洗和處理。為保證文本分析的準確性，需要對數(shù)據(jù)進行清洗和處理。首先，對采集工具重復(fù)抓取產(chǎn)生的數(shù)據(jù)，以及@、[] 等無實義的html標簽、字符進行清洗;其次，對“蹭熱點”、打廣告或其他包含檢索關(guān)鍵詞，但實際語意與本文案例不符的內(nèi)容，進行人工識別、剔除;最后，對繁體字進行簡體轉(zhuǎn)化。

中文分詞、去除停用詞。對原始文本進行分詞處理使用jieba分詞工具實現(xiàn)。，以滿足中文自然語言處理所要求的文本特征;此外，進一步對分詞后的文本去除無實際意義的停用詞，如關(guān)聯(lián)詞、語氣詞等，提高關(guān)鍵詞提取、主題凝練的精確性使用《哈爾濱工業(yè)大學(xué)停用詞表》實現(xiàn)。。

（三）數(shù)據(jù)分析

（1）主題挖掘?？紤]到微博博文、微博評論兩類文本在題材、字數(shù)方面的差異，為保證主題挖掘的效率及準確性，對主題明確、字數(shù)較多、段落化特征顯著的微博博文采取基于無監(jiān)督機器學(xué)習(xí)的LDA（Latent Dirichlet Allocation）模型方法進行主題挖掘和提取，最后人工賦予主題具體內(nèi)涵;對表達隨意、字數(shù)較少、口語化傾向明顯的微博評論，LDA模型的準確性將降低，因此采用TF-IDF關(guān)鍵詞提取法，輸出權(quán)重較高的關(guān)鍵詞（如表2所示）作為定位點，返回原始文本并進行人工主題歸納和分類。