突發(fā)事件動態(tài)網(wǎng)絡(luò)輿情挖掘與應(yīng)對研究.pdf

1、我國正處于機制轉(zhuǎn)軌、社會轉(zhuǎn)型的重要發(fā)展階段，該階段既是經(jīng)濟發(fā)展關(guān)鍵期，又是社會矛盾凸顯期，各類突發(fā)事件不斷發(fā)生，因此，科學(xué)有效的應(yīng)急管理成為保證我國社會健康發(fā)展的重要保障。
　　21世紀是信息技術(shù)和信息資源飛速發(fā)展的網(wǎng)絡(luò)時代，突發(fā)事件的發(fā)生必然伴隨網(wǎng)絡(luò)輿情的大量涌現(xiàn)。在這樣的網(wǎng)絡(luò)環(huán)境下，突發(fā)事件網(wǎng)絡(luò)輿情載體類型多樣，來源渠道廣泛，呈現(xiàn)出動態(tài)性和結(jié)構(gòu)復(fù)雜性等特征。網(wǎng)絡(luò)輿情使突發(fā)事件的演化機理更加復(fù)雜、聚焦或擴大，形成次生、衍生事件，

2、成為應(yīng)急管理的重點和難點。根據(jù)網(wǎng)絡(luò)輿情的特征和演化規(guī)律，本文主要從突發(fā)事件網(wǎng)絡(luò)輿情的內(nèi)容和結(jié)構(gòu)兩個方面進行挖掘和分析，聚焦在以下幾個研究問題：首先，突發(fā)事件網(wǎng)絡(luò)輿情熱度的構(gòu)成因子有哪些？針對不同的突發(fā)事件，網(wǎng)絡(luò)輿情的關(guān)注熱度有什么異同？第二，網(wǎng)絡(luò)輿情節(jié)點的網(wǎng)絡(luò)結(jié)構(gòu)性有什么特征，怎樣科學(xué)的識別關(guān)鍵節(jié)點？關(guān)鍵節(jié)點是怎么分類和演化的？最后，通過對以上問題的數(shù)據(jù)挖掘和案例演化分析，對于網(wǎng)絡(luò)輿情，應(yīng)急管理部門的具體應(yīng)對策略是什么？
　　網(wǎng)絡(luò)

3、輿情的研究是當(dāng)今應(yīng)急管理研究領(lǐng)域的熱點，網(wǎng)絡(luò)環(huán)境的復(fù)雜性和快速發(fā)展使網(wǎng)絡(luò)輿情的研究必須采用科學(xué)的研究方法來進行?；诖耍疚慕Y(jié)合信息傳播學(xué)、管理學(xué)、計算機科學(xué)、行為心理科學(xué)等來進行以上問題的研究，以期獲得突發(fā)事件網(wǎng)絡(luò)輿情的發(fā)生發(fā)展規(guī)律和科學(xué)的應(yīng)對理論。主要研究內(nèi)容如下：
　　第一，在全媒體網(wǎng)絡(luò)環(huán)境下，網(wǎng)絡(luò)輿情具有動態(tài)性和復(fù)雜性等特征，其輿情發(fā)生、發(fā)展和消亡呈現(xiàn)出一定的演化規(guī)律。因此，要對網(wǎng)絡(luò)輿情進行應(yīng)對，必須從網(wǎng)絡(luò)輿情的原始數(shù)據(jù)-

4、-信息源開始，構(gòu)建網(wǎng)絡(luò)輿情應(yīng)對理論模型，包括信源層、挖掘?qū)雍蛻?yīng)對層，這三個層次逐層遞進，使整個理論模型具有科學(xué)性和可行性。
　　第二，構(gòu)建含有突發(fā)事件應(yīng)對等級的網(wǎng)絡(luò)輿情熱度體系，從多個因子（突發(fā)事件輿情因子，網(wǎng)絡(luò)媒體因子，網(wǎng)民因子，政府引導(dǎo)因子）出發(fā)，針對不同類型和不同應(yīng)對等級的8個突發(fā)事件案例進行分析，利用 GooSeeker、DataScraper和MetaStudio等方法進行數(shù)據(jù)采集。研究表明：針對不同的突發(fā)事件，各主體對

5、網(wǎng)絡(luò)輿情熱度的貢獻度不均勻；不同案例的輿情時間序列分布和函數(shù)表征不同，在函數(shù)公式中引入影響因子和關(guān)注因子，將事件函數(shù)類型概括為衰減型、連續(xù)型和復(fù)合型三種；通過突發(fā)事件應(yīng)對等級和網(wǎng)絡(luò)輿情熱度的關(guān)聯(lián)性，揭示出突發(fā)事件應(yīng)對等級和網(wǎng)絡(luò)輿情熱度之間存在著一致性和不一致的現(xiàn)象，并對其原因進行分析。
　　第三，提出一種整合原始數(shù)據(jù)挖掘模塊、數(shù)據(jù)結(jié)構(gòu)化模塊、節(jié)點影響力測算與識別模塊、關(guān)鍵節(jié)點論壇影響力計算模塊、關(guān)鍵節(jié)點分類模塊等的技術(shù)思路，以此進

6、行網(wǎng)絡(luò)輿情的網(wǎng)絡(luò)結(jié)構(gòu)化分析、關(guān)鍵節(jié)點識別和分類，涉及 GooSeeker、Gephi、Leader Rank、Notepad++等算法和軟件。以“7·23動車事故”為例進行具體分析，揭示了網(wǎng)絡(luò)輿情的結(jié)構(gòu)復(fù)雜、無標(biāo)度、社區(qū)結(jié)構(gòu)等特征。結(jié)合關(guān)鍵節(jié)點論壇影響力，對頂端關(guān)鍵節(jié)點進行分類，得到“網(wǎng)絡(luò)名人型”和“事件關(guān)注型”兩類關(guān)鍵節(jié)點的演化規(guī)律。
　　第四，結(jié)合已有分析，提出了網(wǎng)絡(luò)輿情應(yīng)對流的概念、內(nèi)容和應(yīng)對特點；提出結(jié)合網(wǎng)絡(luò)輿情熱度的動態(tài)