沈洪洲 馬巧慧 沈超

摘要：可預(yù)測(cè)性災(zāi)害的網(wǎng)絡(luò)輿情在災(zāi)前即已形成，研究其中網(wǎng)民情感態(tài)度的引導(dǎo)策略具有重要的現(xiàn)實(shí)意義。以“山竹”臺(tái)風(fēng)中普通網(wǎng)民發(fā)布的微博數(shù)據(jù)為具體對(duì)象，按災(zāi)前、災(zāi)中和災(zāi)后三個(gè)階段分析網(wǎng)民情感態(tài)度的演變趨勢(shì)，并利用主題聚類分析探索不同情感態(tài)度背后的主題因素，最后提出可預(yù)測(cè)性災(zāi)害中網(wǎng)民情感態(tài)度引導(dǎo)策略的建議。研究發(fā)現(xiàn)，可預(yù)測(cè)性災(zāi)害中災(zāi)前和災(zāi)后階段網(wǎng)民情感態(tài)度波動(dòng)較大，存在引導(dǎo)空間。建議從災(zāi)前預(yù)警信息發(fā)布和災(zāi)害知識(shí)普及、應(yīng)急物資供給保障、水電網(wǎng)設(shè)施的安全和搶修、社會(huì)化媒體平臺(tái)的運(yùn)用等方面完善網(wǎng)民情感態(tài)度的引導(dǎo)策略。

關(guān)鍵詞：可預(yù)測(cè)性災(zāi)害；網(wǎng)絡(luò)輿情；情感分析；主題聚類

★基金項(xiàng)目：江蘇省研究生科研與實(shí)踐創(chuàng)新計(jì)劃項(xiàng)目“可預(yù)測(cè)性災(zāi)害中網(wǎng)絡(luò)輿情特征及引導(dǎo)策略研究”（項(xiàng)目編號(hào)：KYCX19_0996）；江蘇現(xiàn)代信息服務(wù)業(yè)決策咨詢研究基地資助項(xiàng)目“基于移動(dòng)社交媒體的應(yīng)急信息管理眾包參與模式研究”（項(xiàng)目編號(hào)：NYJD217003）。

引言

在諸如臺(tái)風(fēng)、冰雹、暴雨、暴風(fēng)雪等可預(yù)測(cè)性災(zāi)害的情境下，網(wǎng)絡(luò)輿情在災(zāi)前預(yù)警階段就已經(jīng)開(kāi)始形成，并貫穿于災(zāi)中處置階段和災(zāi)后恢復(fù)階段。與突發(fā)災(zāi)害相比，災(zāi)前預(yù)警階段是可預(yù)測(cè)性災(zāi)害特有的階段，其網(wǎng)絡(luò)輿情中蘊(yùn)含的網(wǎng)民情感態(tài)度將會(huì)直接影響社會(huì)民眾應(yīng)對(duì)災(zāi)害的情緒和心態(tài)，更會(huì)影響到政府應(yīng)急管理部門(mén)在災(zāi)害各階段的應(yīng)急決策。因此，在可預(yù)測(cè)性災(zāi)害中及時(shí)正確地引導(dǎo)網(wǎng)民的情感態(tài)度，有利于提升社會(huì)民眾應(yīng)對(duì)災(zāi)害的整體士氣，對(duì)政府應(yīng)急管理部門(mén)的應(yīng)急管理工作具有十分重要的現(xiàn)實(shí)意義。

近年來(lái)，網(wǎng)絡(luò)輿情中的情感分析和主題挖掘研究獲得了許多學(xué)者的關(guān)注[1]。有專注于具體分析技術(shù)的實(shí)現(xiàn)和改進(jìn)的，例如Manek等人構(gòu)造了一個(gè)特殊的吉尼系數(shù)來(lái)計(jì)算情感詞權(quán)重、劃分情感詞等級(jí)，并通過(guò)支持向量機(jī)對(duì)情感詞進(jìn)行分類以提高情感分析的準(zhǔn)確性[2]。錢進(jìn)寶提出了一種融合情感向量模型的演化K-medoids情感動(dòng)態(tài)分析方法，這種分析方法可以有效分析網(wǎng)民對(duì)熱點(diǎn)事件的情感動(dòng)態(tài)，克服了傳統(tǒng)算法只能分析靜態(tài)數(shù)據(jù)的缺陷[3]。王靜茹和陳震提出了一種基于LDA模型的不同類型文本數(shù)據(jù)主題提取效果對(duì)比的評(píng)價(jià)方法，通過(guò)定量的主題提取效果進(jìn)行對(duì)比研究，發(fā)現(xiàn)LDA模型在處理語(yǔ)義信息明確、邏輯關(guān)系合理的長(zhǎng)文本數(shù)據(jù)時(shí)效果較好[4]。有偏重于在實(shí)際場(chǎng)景中對(duì)分析技術(shù)加以研究和應(yīng)用的，例如Bai和Yu提出了一個(gè)包含三個(gè)階段的結(jié)構(gòu)化框架，用于檢測(cè)災(zāi)后情境中受害者的負(fù)面情緒，包括識(shí)別與災(zāi)害相關(guān)的微博信息、提取負(fù)面情緒信息、引入機(jī)器學(xué)習(xí)方法跟蹤預(yù)測(cè)災(zāi)民的負(fù)面情緒變化趨勢(shì)，然后通過(guò)對(duì)雅安地震的實(shí)例分析，證明該框架對(duì)災(zāi)后救災(zāi)和應(yīng)急管理具有一定的指導(dǎo)意義[5]。情感分析和主題挖掘往往會(huì)在研究中被結(jié)合起來(lái)用于更全面的輿情分析。例如Huang等人提出了一種弱監(jiān)督情感分析的主題模型，這種模型能同時(shí)分析消息中的情感和隱藏在消息中的主題[6]。王燦偉提出一種基于主題聚類的海量微博情感分析方法，結(jié)合情感詞典和表情符號(hào)計(jì)算微博情感值[7]。譚旭等人通過(guò)構(gòu)造中文文本詞向量解析模型和RAE深度學(xué)習(xí)模型來(lái)實(shí)現(xiàn)文本信息的高層特征提取和情感分類[8]。王秀芳等人則提出一種基于話題聚類及情感強(qiáng)度的微博輿情分析模型，實(shí)現(xiàn)微博話題快速聚類及情感強(qiáng)度量化計(jì)算，通過(guò)時(shí)序回歸分析追蹤預(yù)測(cè)熱點(diǎn)話題的情感變化[9]。

不難發(fā)現(xiàn)，目前對(duì)于網(wǎng)絡(luò)輿情中情感和主題的分析方法較為豐富，各類分析技術(shù)的研究也日趨成熟。但當(dāng)前與災(zāi)害相關(guān)的網(wǎng)絡(luò)輿情研究較少依據(jù)災(zāi)害事件的發(fā)生特點(diǎn)按階段進(jìn)行分析，更缺乏特別針對(duì)臺(tái)風(fēng)、暴雨這類具有明確災(zāi)前預(yù)警階段的可預(yù)測(cè)性災(zāi)害的分析，尚未充分探討此類災(zāi)害中網(wǎng)民情感態(tài)度的內(nèi)在特征及其引導(dǎo)策略。本文研究即以2018年“山竹”臺(tái)風(fēng)為具體情景，基于其網(wǎng)絡(luò)輿情中網(wǎng)民情感的演化趨勢(shì)及背后的主題聚類分析，從時(shí)間和主題兩個(gè)維度總結(jié)網(wǎng)民情感態(tài)度的關(guān)鍵影響點(diǎn)，進(jìn)而探討可預(yù)測(cè)性災(zāi)害中網(wǎng)民情感態(tài)度的引導(dǎo)策略。

1、研究設(shè)計(jì)

本研究從新浪微博上抓取與“山竹”臺(tái)風(fēng)相關(guān)的微博文本數(shù)據(jù)，通過(guò)情感正面概率值的計(jì)算統(tǒng)計(jì)和主題聚類等方法，對(duì)災(zāi)害中網(wǎng)民情感態(tài)度的演變趨勢(shì)和情感態(tài)度背后的主題因素進(jìn)行系統(tǒng)分析，然后基于分析結(jié)果對(duì)可預(yù)測(cè)性災(zāi)害中的網(wǎng)民情感態(tài)度的特征進(jìn)行討論，并針對(duì)性地提出具體的引導(dǎo)策略建議。

1.1 研究過(guò)程

本文研究具體的研究步驟以及用到的研究方法和工具闡述如下：

① 研究數(shù)據(jù)的獲取和預(yù)處理：本研究通過(guò)專門(mén)的輿情大數(shù)據(jù)管理軟件從微博平臺(tái)上抓取與“山竹”臺(tái)風(fēng)相關(guān)的微博文本原始數(shù)據(jù)。自行編寫(xiě)Python程序去掉重復(fù)、無(wú)效的內(nèi)容，并對(duì)剩余的文本數(shù)據(jù)進(jìn)行編分詞、去停用詞等預(yù)處理。

② 網(wǎng)民情感演變趨勢(shì)分析：通過(guò)Python程序調(diào)用適合中文文本分析的SnowNLP包，計(jì)算出每條微博文本的情感正面概率值。該值介于0到1之間，代表文本擁有正面（積極）情感態(tài)度的概率；然后按照災(zāi)前、災(zāi)中和災(zāi)后的階段劃分對(duì)情感數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，繪制圖表來(lái)探討網(wǎng)民情感態(tài)度演變的趨勢(shì)。

③ 網(wǎng)民情感主題聚類分析：分別對(duì)消極情感和積極情感的文本數(shù)據(jù)進(jìn)行主題聚類分析，即通過(guò)Python程序調(diào)用LDA（Latent Dirichlet Allocation，隱含狄利克雷分布）包對(duì)文本進(jìn)行特征詞抽取，歸納出主題，然后根據(jù)災(zāi)害發(fā)生階段和不同情感態(tài)度，分別探討主題演化的特征。

④ 討論與建議：基于上述對(duì)“山竹”臺(tái)風(fēng)微博數(shù)據(jù)的情感和主題分析，進(jìn)一步探討網(wǎng)民情感態(tài)度演變的深層原因，并提出可預(yù)測(cè)性災(zāi)害中網(wǎng)民情感態(tài)度引導(dǎo)的策略建議。

1.2 研究數(shù)據(jù)

從微博搜索“山竹”臺(tái)風(fēng)的結(jié)果來(lái)看，最早的災(zāi)害信息在2018年9月7日出現(xiàn)，網(wǎng)民對(duì)“山竹”臺(tái)風(fēng)的關(guān)注一直持續(xù)到十月初。因此，本文研究數(shù)據(jù)獲取的范圍是微博上2018月9月7日至30日與“山竹”臺(tái)風(fēng)相關(guān)的微博文本數(shù)據(jù)，總計(jì)38272條。經(jīng)過(guò)對(duì)原始數(shù)據(jù)中無(wú)效、重復(fù)的數(shù)據(jù)進(jìn)行剔除，包括非普通網(wǎng)民發(fā)布、純轉(zhuǎn)發(fā)等對(duì)本研究沒(méi)有價(jià)值的博文，最終篩選出9634條有效數(shù)據(jù)作為最終研究數(shù)據(jù)集。根據(jù)可預(yù)測(cè)性災(zāi)害的特征，我們將研究數(shù)據(jù)集分為三個(gè)部分：災(zāi)前階段（9月7日至15日）、災(zāi)中階段（9月16日）和災(zāi)后階段（9月17日至30日），三個(gè)階段的數(shù)據(jù)量分別為：災(zāi)前階段3583條，災(zāi)中階段4140條，災(zāi)后階段1911條。

2、網(wǎng)民情感演變趨勢(shì)分析

本文研究的最終目標(biāo)是探討網(wǎng)民情感態(tài)度的引導(dǎo)策略，因此以情感分析為主線。為了得到合理的積極、中立、消極對(duì)應(yīng)的情感正面概率區(qū)間，隨機(jī)抽取了1000條數(shù)據(jù)，通過(guò)人工方式對(duì)它們進(jìn)行極性標(biāo)注，然后與程序計(jì)算所得的情感正面概率值進(jìn)行比對(duì)分析，最終確定情感正面概率值在（0，0.4）區(qū)間內(nèi)的文本信息為消極情感，在（0.4，0.6）區(qū)間內(nèi)的為中立情感，在（0.6，1）區(qū)間內(nèi)的為積極情感。

2.1 網(wǎng)民情感態(tài)度極性占比分析

為了準(zhǔn)確掌握網(wǎng)民在“山竹”臺(tái)風(fēng)的各個(gè)階段中情感態(tài)度的變化規(guī)律，本研究首先分階段統(tǒng)計(jì)含有消極、中立和積極情感的數(shù)據(jù)占比，結(jié)果如圖1所示。

通過(guò)圖1可以看出，在此次臺(tái)風(fēng)的各個(gè)階段中帶有積極情感的數(shù)據(jù)量占比均超過(guò)了50%，說(shuō)明網(wǎng)民在此次災(zāi)害中的情感態(tài)度總體上是積極樂(lè)觀的。但是，三種情感極性占比在災(zāi)害發(fā)展的不同階段也有較為明顯的變化，含消極情感極性的數(shù)據(jù)占比先增后減，災(zāi)前階段是26.43%，災(zāi)中階段時(shí)增加到29.8%，而到災(zāi)后階段則降至20.46%。相比之下，含積極情感極性的數(shù)據(jù)占比是先減后增，災(zāi)前階段是60.23%，災(zāi)中階段降低為55%，到災(zāi)后階段又大幅增加至69.81%。且災(zāi)前各情感占比值均位于災(zāi)中和災(zāi)后之間，災(zāi)前情感較不穩(wěn)定，存在較大的引導(dǎo)空間。

2.2 網(wǎng)民整體情感態(tài)度演變趨勢(shì)

在可預(yù)測(cè)性災(zāi)害中，網(wǎng)民的情感態(tài)度在災(zāi)前階段已形成，且網(wǎng)民情感態(tài)度的變化會(huì)通過(guò)影響網(wǎng)絡(luò)輿情的情感態(tài)勢(shì)而影響其他網(wǎng)民的言論和行動(dòng)。為了分析“山竹”臺(tái)風(fēng)中網(wǎng)民整體情感態(tài)度的演變趨勢(shì)，本研究根據(jù)先前得到的每條數(shù)據(jù)的情感正面概率值，按照日期計(jì)算出每日的情感正面概率均值，并繪出其演變趨勢(shì)圖，如圖2所示。

從圖2可以看出，在“山竹”臺(tái)風(fēng)的整個(gè)網(wǎng)絡(luò)輿情環(huán)境中，網(wǎng)民的情感正面概率均值都高于0.6，網(wǎng)民整體的情感態(tài)度偏向樂(lè)觀。但網(wǎng)民情感正面概率均值在9月8日、9月16日達(dá)到了低谷，其中9月8日是災(zāi)害信息剛發(fā)布的時(shí)間，網(wǎng)民突然得到災(zāi)害預(yù)警，盲目恐慌導(dǎo)致情感正面概率均值迅速下降；9月16日是“山竹”臺(tái)風(fēng)正式登陸的時(shí)間，屬于災(zāi)中階段，受災(zāi)群眾切身感受到了臺(tái)風(fēng)災(zāi)害的威力，導(dǎo)致網(wǎng)民情感正面概率均值大幅下跌。

2.3 網(wǎng)民消極和積極情感態(tài)度演變趨勢(shì)

在“山竹”臺(tái)風(fēng)發(fā)生的整個(gè)過(guò)程中，網(wǎng)民整體的情感態(tài)度偏向樂(lè)觀，積極情感成為整個(gè)階段的主導(dǎo)情感極性，對(duì)網(wǎng)絡(luò)輿情的走向具有重要影響。但也不能忽略網(wǎng)民的消極情感態(tài)度，因?yàn)檫@些消極的情感態(tài)度如果不能及時(shí)被引導(dǎo)和消解，很可能發(fā)酵形成不良的輿論導(dǎo)向，對(duì)災(zāi)害中的社會(huì)穩(wěn)定形成沖擊。因此，本研究專門(mén)針對(duì)網(wǎng)民情感正面概率值處于消極范圍（0，0.4）的數(shù)據(jù)和處于積極范圍（0.6，1）的數(shù)據(jù)進(jìn)行分析，分別計(jì)算出它們的日均情感正面概率值，并繪制出消極和積極情感態(tài)度演變趨勢(shì)圖，如圖3所示。

從圖3可以看出，無(wú)論是消極情感還是積極情感，在災(zāi)前階段和災(zāi)后階段變化波動(dòng)都比較大，原因在于災(zāi)前階段和災(zāi)后階段時(shí)間跨度較長(zhǎng)，網(wǎng)民的情感態(tài)度受主觀因素、外部輿論環(huán)境和周邊社會(huì)環(huán)境的影響。因此，災(zāi)前階段和災(zāi)后階段的網(wǎng)民情感態(tài)度都存在較大的引導(dǎo)空間，政府應(yīng)急管理部門(mén)應(yīng)充分重視這兩個(gè)時(shí)間段，積極開(kāi)展相應(yīng)的輿情引導(dǎo)工作，以及時(shí)消解網(wǎng)民的消極情感態(tài)度，形成更加積極的輿情環(huán)境。

3、網(wǎng)民情感主題聚類分析

上述研究理清了“山竹”臺(tái)風(fēng)中網(wǎng)民情感態(tài)度的演變趨勢(shì)，給網(wǎng)民情感態(tài)度的引導(dǎo)提供了時(shí)間依據(jù)。為了更加有效地引導(dǎo)網(wǎng)民的情感態(tài)度，還需要進(jìn)一步探究網(wǎng)民不同情感態(tài)度背后的真實(shí)原因，找出網(wǎng)民情感態(tài)度引導(dǎo)的主題依據(jù)。為此，本研究基于“山竹”臺(tái)風(fēng)的三個(gè)發(fā)展階段，分別對(duì)消極情感態(tài)度和積極情感態(tài)度的微博數(shù)據(jù)進(jìn)行主題聚類分析，探究與網(wǎng)民不同情感態(tài)度相關(guān)聯(lián)的主題。

3.1 消極情感態(tài)度下的主題聚類分析

表1按照災(zāi)前、災(zāi)中和災(zāi)后三個(gè)階段展示了網(wǎng)民消極情感態(tài)度下的主題聚類結(jié)果，可以看出，與網(wǎng)民消極情感態(tài)度相關(guān)的主題較為集中。在災(zāi)前階段，引起網(wǎng)民消極情感態(tài)度的微博主題主要集中于災(zāi)前預(yù)警信息的發(fā)布、災(zāi)前物資供應(yīng)短缺和停電停水等問(wèn)題；在災(zāi)中階段，網(wǎng)民對(duì)臺(tái)風(fēng)的正式登陸、航班停運(yùn)、停電停水?dāng)嗑W(wǎng)和建筑物不安全等問(wèn)題表現(xiàn)出了消極情感態(tài)度；在災(zāi)后階段，讓網(wǎng)民產(chǎn)生消極情感態(tài)度的主題依然包括停電停水。

3.2 積極情感態(tài)度下的主題聚類分析

表2按照災(zāi)前、災(zāi)中和災(zāi)后三個(gè)階段展示了網(wǎng)民積極情感態(tài)度下的微博主題聚類結(jié)果，與消極情感態(tài)度的主題聚類結(jié)果相比較，網(wǎng)民積極情感態(tài)度涉及的主題相對(duì)較為分散，涉及建筑、人文關(guān)懷、政府效率和社會(huì)集體榮譽(yù)感等方面。在災(zāi)前階段，政府教育相關(guān)部門(mén)發(fā)布的停課停工通知、人們?yōu)闉?zāi)區(qū)群眾祈福大大緩解了臺(tái)風(fēng)給網(wǎng)民帶來(lái)的恐懼，與去年的“天鴿”臺(tái)風(fēng)對(duì)比也給網(wǎng)民帶來(lái)一定的心理緩沖，這些主題都催生了人們積極應(yīng)對(duì)臺(tái)風(fēng)的心態(tài)；在災(zāi)中階段，除了停課、為災(zāi)區(qū)群眾祈福之外，學(xué)校的人文關(guān)懷、社會(huì)工作人員熱衷奉獻(xiàn)的精神等成為積極情感主題的主導(dǎo)，例如為災(zāi)中堅(jiān)持工作的人點(diǎn)贊、高校送餐到宿舍、港珠澳大橋成功抵抗臺(tái)風(fēng)等；在災(zāi)后階段，積極情感相關(guān)的主題包括穿越叢林上班、災(zāi)后恢復(fù)速度迅速、自愿綠色出行、教育孩子敬畏自然、臨時(shí)避災(zāi)人員留感謝信等。

4、網(wǎng)民情感態(tài)度引導(dǎo)策略建議

上文“山竹”臺(tái)風(fēng)具體情境下網(wǎng)民情感演變趨勢(shì)和主題聚類分析結(jié)果再次突顯了政府應(yīng)急管理部門(mén)對(duì)網(wǎng)民情感態(tài)度引導(dǎo)的重要性，特別是在具有災(zāi)前預(yù)警階段的可預(yù)測(cè)性災(zāi)害中。網(wǎng)民情感演變趨勢(shì)的分析結(jié)果顯示，可預(yù)測(cè)性災(zāi)害中災(zāi)前預(yù)警階段持續(xù)時(shí)間較長(zhǎng)，網(wǎng)民的情感態(tài)度很容易受到外部輿論環(huán)境的影響，存在較大的引導(dǎo)空間。因此，在可預(yù)測(cè)性災(zāi)害的災(zāi)前預(yù)警階段進(jìn)行及時(shí)有效的網(wǎng)民情感態(tài)度引導(dǎo)，將會(huì)對(duì)災(zāi)前群眾恐慌情緒的控制、預(yù)防工作的有序布置、災(zāi)中及時(shí)有效的救援、災(zāi)后的快速恢復(fù)產(chǎn)生重要的影響。進(jìn)一步結(jié)合主題聚類分析挖掘出的網(wǎng)民不同情感背后的各類主題因素，本研究針對(duì)可預(yù)測(cè)性災(zāi)害中網(wǎng)民情感態(tài)度的引導(dǎo)策略提出以下四點(diǎn)建議：

第一、權(quán)威的災(zāi)前預(yù)警與災(zāi)害知識(shí)普及相結(jié)合

從災(zāi)前消極情感態(tài)度下的主題聚類分析結(jié)果可以看出，災(zāi)前預(yù)警信息可能會(huì)引起網(wǎng)民的盲目恐慌。當(dāng)官方的災(zāi)前預(yù)警信息發(fā)布后，網(wǎng)民或自媒體會(huì)進(jìn)行大規(guī)模轉(zhuǎn)發(fā)，在此過(guò)程中，有些新聞媒體或網(wǎng)絡(luò)自媒體會(huì)大肆夸大甚至編造臺(tái)風(fēng)災(zāi)害帶來(lái)的危害。同時(shí)，絕大部分普通網(wǎng)民對(duì)臺(tái)風(fēng)災(zāi)害的相關(guān)知識(shí)了解甚少，缺乏理性的認(rèn)知，容易受到不實(shí)信息的誤導(dǎo)，結(jié)果導(dǎo)致大量無(wú)用、不必要的消極言論肆意蔓延，造成災(zāi)前社會(huì)環(huán)境的混亂。因此，在可預(yù)測(cè)性災(zāi)害的災(zāi)前階段，政府應(yīng)急管理部門(mén)應(yīng)當(dāng)首先加強(qiáng)官方信息的權(quán)威性，通過(guò)權(quán)威的官方媒體渠道及時(shí)發(fā)布和更新災(zāi)害預(yù)警信息。其次，政府應(yīng)急管理部門(mén)也應(yīng)加強(qiáng)相關(guān)災(zāi)害知識(shí)的普及工作，通過(guò)多種渠道發(fā)布與災(zāi)害相關(guān)的基礎(chǔ)科學(xué)常識(shí)、防范知識(shí)和應(yīng)急救援知識(shí)，從而引導(dǎo)普通網(wǎng)民理性看待災(zāi)害和從容應(yīng)對(duì)災(zāi)害。總之，將權(quán)威的災(zāi)前預(yù)警與災(zāi)害知識(shí)普及相結(jié)合可以安撫網(wǎng)民對(duì)于災(zāi)害的恐慌心理，有助于消解網(wǎng)民的消極情緒，也有利于更好地開(kāi)展防災(zāi)工作。

第二、充分重視災(zāi)前應(yīng)急物資供給

從普通民眾的角度來(lái)看，準(zhǔn)備好應(yīng)對(duì)災(zāi)害的各種生活物資是災(zāi)前防范措施中的重要內(nèi)容。絕大多數(shù)人的災(zāi)前物資儲(chǔ)備意識(shí)較強(qiáng)，會(huì)在預(yù)警階段準(zhǔn)備維持日常生活的必需品。所以災(zāi)前應(yīng)急物資供給一旦出現(xiàn)短缺現(xiàn)象，就會(huì)引起廣大民眾的恐慌性搶購(gòu)，這一點(diǎn)在消極情感態(tài)度下的主題聚類分析中有明顯的體現(xiàn)。因此，在可預(yù)測(cè)性災(zāi)害中政府應(yīng)急管理部門(mén)應(yīng)充分重視災(zāi)前的應(yīng)急物資供給，將應(yīng)急物資準(zhǔn)備和調(diào)配作為災(zāi)前階段的一項(xiàng)重要工作。應(yīng)急管理部門(mén)可以與各路商家一起統(tǒng)籌合作，建立災(zāi)前應(yīng)急物資管理系統(tǒng)，根據(jù)各地區(qū)上報(bào)的應(yīng)急物資儲(chǔ)備量，結(jié)合人口密度、區(qū)域面積等進(jìn)行合理的應(yīng)急物資調(diào)配，為群眾積極應(yīng)對(duì)災(zāi)害提供充分的物資保障。

第三、提高水電網(wǎng)設(shè)施安全度及搶修效率

由消極情感態(tài)度下的主題聚類分析結(jié)果還可以看出，停電停水?dāng)嗑W(wǎng)問(wèn)題貫穿于整個(gè)災(zāi)害過(guò)程中，是造成網(wǎng)民消極情感態(tài)度的重要原因之一。在目前生活水平普遍提高的背景下，停電停水?dāng)嗑W(wǎng)將會(huì)嚴(yán)重影響人們的正常生活。災(zāi)害期間停電停水?dāng)嗑W(wǎng)的主要原因可能包括：為了避免人員由于觸電造成傷亡；水電網(wǎng)設(shè)施抵抗自然災(zāi)害的能力的不足；搶修速度及搶修服務(wù)的效率低下。因此，在可預(yù)測(cè)性災(zāi)害中政府應(yīng)急管理部門(mén)應(yīng)提前關(guān)注水電網(wǎng)設(shè)施的安全度，并努力提高它們的搶修效率。例如，在災(zāi)前階段做好水電網(wǎng)設(shè)施的檢修工作，在安全的前提下盡量保證災(zāi)區(qū)群眾日常生活中的用水用電用網(wǎng)；在必須停水停電的情況下，要做好提前通知和民眾情緒安撫等工作，最大程度地爭(zhēng)取群眾的諒解和支持。

第四、利用好社會(huì)化媒體平臺(tái)，積極與廣大網(wǎng)民溝通

從“山竹”臺(tái)風(fēng)中網(wǎng)民積極情感態(tài)度下的主題涵蓋范圍來(lái)看，網(wǎng)民的積極情感大多是由于政府應(yīng)急管理部門(mén)正確的應(yīng)急決策和正面的主題宣傳激發(fā)的，例如“教育局發(fā)布停課通知”、“贊美災(zāi)中工作人員”、“港珠澳大橋成功抵抗臺(tái)風(fēng)”、“自發(fā)綠色出行”等，說(shuō)明應(yīng)急管理部門(mén)的工作受到越來(lái)越多的網(wǎng)民關(guān)注，網(wǎng)民期望及時(shí)得知官方的應(yīng)急決策，也會(huì)自發(fā)地參與、支持政府的應(yīng)急管理工作。因此，政府應(yīng)急管理部門(mén)在著力應(yīng)對(duì)災(zāi)害的同時(shí)，也須利用微博、微信等社會(huì)化媒體平臺(tái)及時(shí)發(fā)布各項(xiàng)重大的應(yīng)急決策和救援進(jìn)展信息，及時(shí)澄清或糾正失實(shí)的言論，宣傳成功的典型應(yīng)急案例，營(yíng)造積極樂(lè)觀的救災(zāi)氛圍。除此之外，政府應(yīng)急管理部門(mén)也可以充分利用社會(huì)化媒體與網(wǎng)民展開(kāi)交流，收集網(wǎng)民的各種反饋和建議，把握住災(zāi)害應(yīng)對(duì)過(guò)程中事關(guān)群眾利益的關(guān)鍵問(wèn)題。這些措施可以鼓勵(lì)廣大網(wǎng)民積極參與到災(zāi)害的應(yīng)急過(guò)程中，有利于提高網(wǎng)民對(duì)政府應(yīng)急管理部門(mén)的信任與支持，同時(shí)也鼓勵(lì)網(wǎng)民更加積極地配合政府的應(yīng)急救災(zāi)工作。

5、結(jié)論

為了探析可預(yù)測(cè)性災(zāi)害中針對(duì)普通網(wǎng)民情感態(tài)度的有效的引導(dǎo)策略，本文研究以“山竹”臺(tái)風(fēng)為具體情境，對(duì)普通網(wǎng)民在微博上發(fā)布的相關(guān)博文進(jìn)行情感態(tài)度演變趨勢(shì)的分析，并在不同情感態(tài)度下深入挖掘態(tài)度背后的主題信息。分析結(jié)果顯示：網(wǎng)民在此次災(zāi)害中的情感態(tài)度總體上是積極樂(lè)觀的，但是在災(zāi)前階段和災(zāi)后階段情感態(tài)度波動(dòng)較大；與網(wǎng)民消極情感態(tài)度相關(guān)的主題較為集中，主要包括災(zāi)前預(yù)警信息、應(yīng)急物資短缺和停水停電等；而網(wǎng)民積極情感態(tài)度涉及的主題則相對(duì)較為分散，涉及停課停工、祈?；顒?dòng)、應(yīng)急工作人員的奉獻(xiàn)精神、災(zāi)后的綠色出行等等?；谏鲜龇治鼋Y(jié)果，本研究最終從災(zāi)前預(yù)警信息發(fā)布和災(zāi)害知識(shí)普及、應(yīng)急物資供給保障、水電網(wǎng)設(shè)施的安全和搶修、社會(huì)化媒體平臺(tái)的運(yùn)用等角度提出了網(wǎng)民情感態(tài)度的引導(dǎo)策略建議。需要指出的是，本文研究的情感分類限于消極、中立和積極，其情感區(qū)分度較為有限，不能深入挖掘網(wǎng)民更為豐富的情感態(tài)度，這是本文研究的不足之處，也是我們研究團(tuán)隊(duì)下一個(gè)努力的方向。

參考文獻(xiàn)：

[1] 孔建華.國(guó)內(nèi)網(wǎng)絡(luò)輿情治理研究綜述[J].電子政務(wù)，2018（12）：67-78.

[2] Manek A S， Shenoy P D， Mohan M C， et al. Aspect term extraction for sentiment analysis in large movie reviews using gini index feature selection method and SVM classifier[J].World Wide Web， 2017， 20（2）： 135-154.

[3] 錢進(jìn)寶.基于演化K-medoids方法的微博情感動(dòng)態(tài)分析——以《穹頂之下》為例[J].情報(bào)雜志，2019，38（03）：155-159+165.

[4] 王靜茹，陳震.基于隱含狄利克雷分布的文本主題提取對(duì)比研究[J].情報(bào)科學(xué)，2018，36（01）：102-107.

[5] Bai H， Yu G. A weibo-based approach to disaster informatics： incidents monitor in post-disaster situation via Weibo text negative sentiment analysis[J].Natural Hazards，2016，83（2）：1177-1196.

[6] Huang F， Zhang S， Zhang J， et al.Mutimodal learning for topic sentiment analysis in microblogging[J].Neurocomp uting，2017，253：144-153.

[7] 王燦偉.基于主題提取的海量微博情感分析[J].南京大學(xué)學(xué)報(bào)（自然科學(xué)），2017，53（03）：549-556.

[8] 譚旭，吳俊江，徐磊，等.面向深度學(xué)習(xí)的多維度中文網(wǎng)絡(luò)輿情分析[J].小型微型計(jì)算機(jī)系統(tǒng)，2018，39（07）：1471-1477.

[9] 王秀芳，盛姝，路燕.一種基于話題聚類及情感強(qiáng)度的微博輿情分析模型[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2018，2（06）：37-47.

作者簡(jiǎn)介：

沈洪洲，管理學(xué)博士，副教授，南京郵電大學(xué)管理學(xué)院，研究方向：社會(huì)化媒體、網(wǎng)絡(luò)輿情；

馬巧慧，南京郵電大學(xué)管理學(xué)院碩士研究生，研究方向：網(wǎng)絡(luò)輿情；

沈超，管理學(xué)博士，副教授，南京郵電大學(xué)管理學(xué)院，研究方向：網(wǎng)絡(luò)輿情。