張柳 王晰巍 王鐸

摘 要：[目的/意義]掌握和了解微博環(huán)境下高校輿情情感的演化規(guī)律，對(duì)相關(guān)部門加強(qiáng)高校輿情監(jiān)測(cè)監(jiān)管，使高校適時(shí)采取措施應(yīng)對(duì)負(fù)面輿情事件的惡性傳播具有十分重要的意義。[方法/過(guò)程]本文通過(guò)文本挖掘并利用詞云可視化展示對(duì)文本特征進(jìn)行分析;基于樸素貝葉斯分類器將網(wǎng)絡(luò)用戶評(píng)論文本進(jìn)行情感分類;結(jié)合用戶情感演化與輿情事件發(fā)展周期的分析動(dòng)態(tài)展示高校輿情情感演化圖譜。[結(jié)果/結(jié)論]網(wǎng)民負(fù)向情感的占比在輿情蔓延期達(dá)到頂峰，中性情感的占比在輿情蔓延期最低，正向情感的占比在輿情周期中幾乎沒(méi)有變化。通過(guò)對(duì)微博環(huán)境下高校輿情情感演化圖譜進(jìn)行研究，為微博環(huán)境下高校輿情的研究提供新的理論支撐，在實(shí)踐層面為輿情監(jiān)管部門及時(shí)監(jiān)測(cè)和有效引導(dǎo)高校輿情走向起到針對(duì)性的作用。

關(guān)鍵詞：高校輿情;情感演化;情感圖譜;微博;社交網(wǎng)絡(luò)

Abstract：[Purpose/Significance]Mastering and understanding the evolution law of emotions in university under the microblog environment.It is great significance for relevant departments to strengthen the monitoring and supervision of university，so that universities can take measures to deal with the vicious transmission of negative public opinion events.[Method/Process]This paper analyzed text features through text mining and using word cloud visualization.This paper classified the online user comment texts based on the naive Bayes classifier.This paper combined the evolution of user emotions and the development cycle of public opinion events to dynamically display the emotional evolution map of university.[Result/Conclusion]The proportion of negative emotions of netizens reached its peak during the spread of lyrics.The proportion of neutral emotions was the lowest in the period of lyric spread，and the proportion of positive emotions barely changed during the lyric cycle.Through the research on the emotional evolution map of university in microblog environment，it provided new theoretical support for the research of university public opinion in microblog environment.At the practical level，it played a targeted role for the public opinion supervision department to timely monitor and effectively guide the public opinion of university.

Key words：university public opinion;emotional evolution;emotional map;Weibo;social network

依據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的第43次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，截至2018年底，我國(guó)網(wǎng)民規(guī)模達(dá)8.29億，全年新增網(wǎng)民5653萬(wàn)，互聯(lián)網(wǎng)普及率為59.6%，較2017年底提升3.8個(gè)百分點(diǎn)[1]。隨著互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)民可通過(guò)互聯(lián)網(wǎng)隨時(shí)隨地獲取信息、發(fā)表言論，其中也包括信息的傳播與情感的交流。其中，越來(lái)越多的高校輿情事件被曝光，網(wǎng)民對(duì)高校輿情的關(guān)注度與參與度也進(jìn)一步提升。由于高校輿情的特殊性，有關(guān)輿情監(jiān)管部門及相關(guān)學(xué)者愈發(fā)重視對(duì)高校輿情的管控與研究。

近年來(lái)，國(guó)內(nèi)外學(xué)者相繼展開(kāi)了關(guān)于高校輿情的相關(guān)研究工作。國(guó)外學(xué)者Jamelske E等[2]通過(guò)調(diào)查中美大學(xué)生對(duì)待氣候變化問(wèn)題的態(tài)度差異，發(fā)現(xiàn)美國(guó)學(xué)生認(rèn)為氣候變化對(duì)人類有危害所占的比例較低，而對(duì)氣候變化漠不關(guān)心所占的比例較高;Mancini C等[3]基于2015年對(duì)弗吉尼亞州居民的調(diào)查，評(píng)估了人們對(duì)制定懲治校園性侵罪犯的看法;Antonova N A等[4]通過(guò)對(duì)圣彼得堡州立大學(xué)的542名學(xué)生在線調(diào)查，發(fā)現(xiàn)74%的學(xué)生愿意成為生物銀行的捐獻(xiàn)者。早期國(guó)內(nèi)學(xué)者鄧尚民等[5]基于AHP構(gòu)建高校網(wǎng)絡(luò)輿情安全評(píng)估指標(biāo)體系，并提出警源和警兆指標(biāo);徐萍[6]通過(guò)動(dòng)態(tài)監(jiān)測(cè)多平臺(tái)網(wǎng)絡(luò)輿情數(shù)據(jù)，建立高校輿情預(yù)警與應(yīng)急處置機(jī)制;Li H等[7]針對(duì)網(wǎng)絡(luò)環(huán)境下高校輿情管理的特點(diǎn)和高校輿情管理的現(xiàn)狀進(jìn)行研究，為高校管理學(xué)生輿情提供可靠的方法;陳福集等[8]通過(guò)對(duì)移動(dòng)環(huán)境下高校網(wǎng)絡(luò)輿情相關(guān)主體進(jìn)行分析，建立移動(dòng)環(huán)境下高校網(wǎng)絡(luò)輿情演化的動(dòng)力學(xué)模型。從國(guó)內(nèi)外現(xiàn)有學(xué)者的研究現(xiàn)狀來(lái)看，現(xiàn)有研究主要集中在高校學(xué)生對(duì)某些事件的看法，或是高校輿情的管理工作，然而，針對(duì)微博環(huán)境下高校輿情進(jìn)行情感演化分析的研究成果相對(duì)較少。

本文在研究中試圖解決以下3個(gè)方面的問(wèn)題：1）微博環(huán)境下高校輿情情感文本特征是怎樣的？2）如何對(duì)微博環(huán)境下高校輿情用戶文本進(jìn)行情感分類？3）如何構(gòu)建微博環(huán)境下高校輿情情感演化圖譜？通過(guò)對(duì)微博環(huán)境下高校輿情情感演化圖譜進(jìn)行研究，可為微博環(huán)境下高校輿情的研究提供新的理論支撐，在實(shí)踐層面為輿情監(jiān)管部門及時(shí)監(jiān)測(cè)和有效引導(dǎo)高校輿情走向起到針對(duì)性的作用。

1 相關(guān)理論

1.1 網(wǎng)絡(luò)輿情

輿情是指民眾對(duì)于社會(huì)中出現(xiàn)的各種現(xiàn)象、事件所表達(dá)的態(tài)度、意見(jiàn)、觀點(diǎn)和情感等的總和[9]。民眾借助互聯(lián)網(wǎng)平臺(tái)表達(dá)出來(lái)的態(tài)度、意見(jiàn)、情緒與要求的集合形成網(wǎng)絡(luò)輿情，可顯著體現(xiàn)出社會(huì)民意[10]。

網(wǎng)絡(luò)輿情具有互動(dòng)性、即時(shí)性、自主性等傳播特點(diǎn)。網(wǎng)絡(luò)熱點(diǎn)話題一旦觸發(fā)，網(wǎng)絡(luò)輿情就會(huì)以多渠道、“病毒式”的方式進(jìn)行傳播和擴(kuò)散[11]。并且，網(wǎng)民作為網(wǎng)絡(luò)輿情傳播的重要參與者和推動(dòng)者，由于其發(fā)布信息成本較低，較易產(chǎn)生線上線下相互聯(lián)動(dòng)的態(tài)勢(shì)。目前，網(wǎng)絡(luò)輿情的來(lái)源主要集中在微博，其次是微信、QQ和論壇等其他社交網(wǎng)絡(luò)平臺(tái)。微博因其高傳播率的特點(diǎn)，已經(jīng)成為網(wǎng)絡(luò)輿情曝光和發(fā)酵的主要平臺(tái)[12]。

1.2 高校輿情

高校網(wǎng)絡(luò)輿情的主要受眾是高校學(xué)生，其知識(shí)層次高、參與意識(shí)強(qiáng)，并伴隨有好奇心理重、獨(dú)立性強(qiáng)等特點(diǎn)[13]。與社會(huì)其他網(wǎng)絡(luò)輿情相比，具有較強(qiáng)的特殊性。高校學(xué)生在關(guān)注一般社會(huì)網(wǎng)民所關(guān)注的熱點(diǎn)、焦點(diǎn)問(wèn)題時(shí)，往往具備比較強(qiáng)烈的主觀意識(shí)。由于高校學(xué)生所處的特殊年齡階段以及特定知識(shí)層次，其關(guān)注的網(wǎng)絡(luò)輿情也具有一定的特殊性。與普通網(wǎng)民相比，高校學(xué)生往往更為關(guān)注社會(huì)敏感問(wèn)題。相較于普通網(wǎng)民，高校學(xué)生擴(kuò)散輿情的方式更為直接，傳播輿情的渠道也更為廣泛。

根據(jù)《2018年十大高校輿情負(fù)面案例匯總解析》，網(wǎng)民對(duì)涉及教育公平、校園安全、學(xué)術(shù)誠(chéng)信、師德師風(fēng)等熱點(diǎn)事件分外關(guān)注，許多熱點(diǎn)事件傳播以“十萬(wàn)+”、甚至“千萬(wàn)+”為單位的相關(guān)討論通過(guò)社交媒體進(jìn)行擴(kuò)散[14]。但社交媒體的輿情信息存在傳播內(nèi)容碎片化、情緒多而事實(shí)少、觀點(diǎn)片面絕對(duì)化等問(wèn)題，為相關(guān)輿情部門與高校如何監(jiān)測(cè)、把控、引導(dǎo)、應(yīng)對(duì)高校輿情事件發(fā)酵提出了新的難題與挑戰(zhàn)。

1.3 情感演化圖譜

情感是態(tài)度其中的一部分，是人們對(duì)某個(gè)事件的內(nèi)在感受、意向的外在體現(xiàn)的生理評(píng)價(jià)。通過(guò)情感，人們可以傳遞出對(duì)事件的看法與評(píng)價(jià)，如贊同或否定[15]。而微博用戶對(duì)某一話題事件的評(píng)價(jià)往往具有情感傾向性，即主體對(duì)某一客體客觀存在的內(nèi)心喜惡，主觀評(píng)價(jià)的一種傾向[16]。

通常，隨著網(wǎng)絡(luò)輿情事件的發(fā)展，網(wǎng)絡(luò)用戶的情感在不同時(shí)期會(huì)發(fā)生顯著的變化，即情感演化。將網(wǎng)絡(luò)用戶在話題事件下的評(píng)論信息進(jìn)行情感分類，并嵌入微博網(wǎng)絡(luò)中繪制動(dòng)態(tài)變化的情感演化圖譜，可直觀展示網(wǎng)絡(luò)用戶對(duì)某一話題事件的情感的動(dòng)態(tài)變化。

1.4 微博環(huán)境下高校輿情情感演化圖譜問(wèn)題的提出

由于網(wǎng)絡(luò)輿情傳播環(huán)境的復(fù)雜性，網(wǎng)民對(duì)于高校輿情負(fù)面事件具有較高的關(guān)注度與較低的包容度。而微博、微信等社交媒體平臺(tái)相對(duì)于現(xiàn)實(shí)環(huán)境具有更強(qiáng)的開(kāi)放性、時(shí)效性。高校輿情事件容易引發(fā)網(wǎng)民的集中討論，形成強(qiáng)大的輿論壓力。網(wǎng)民在開(kāi)放性傳播平臺(tái)發(fā)布與之本身興趣、情感和利益趨同的信息，其中難免包括缺乏理性思考的情感表達(dá)，從而影響其他網(wǎng)絡(luò)用戶。因此，掌握和了解微博環(huán)境下高校輿情情感的演化規(guī)律，對(duì)相關(guān)部門加強(qiáng)高校輿情監(jiān)測(cè)監(jiān)管，使高校適時(shí)采取措施應(yīng)對(duì)負(fù)面輿情事件的惡性傳播具有十分重要的意義。

通過(guò)文本挖掘并利用詞云可視化展示，可初步界定輿情事件中出現(xiàn)頻率較高的關(guān)鍵詞，進(jìn)而對(duì)文本特征進(jìn)行分析;本文基于樸素貝葉斯分類器將網(wǎng)絡(luò)用戶評(píng)論文本進(jìn)行情感分類，可進(jìn)一步挖掘出網(wǎng)絡(luò)用戶情感演化對(duì)高校輿情傳播的影響;結(jié)合用戶情感演化與輿情事件發(fā)展周期的分析，可動(dòng)態(tài)展示高校輿情情感演化圖譜，從而全面了解高校輿情的發(fā)展與用戶的情感變化規(guī)律。

2 微博環(huán)境下高校輿情情感演化圖譜構(gòu)建

情感演化圖譜旨在動(dòng)態(tài)直觀地展示網(wǎng)絡(luò)用戶在高校輿情事件中的情感變化態(tài)勢(shì)。掌握微博環(huán)境下高校輿情的情感演化規(guī)律，對(duì)相關(guān)部門進(jìn)行高校輿情管控具有一定的借鑒意義。本文構(gòu)建微博環(huán)境下高校輿情情感演化圖譜模型，如圖1所示。

該模型中，首先需要數(shù)據(jù)采集及處理，通過(guò)爬蟲(chóng)獲取微博轉(zhuǎn)發(fā)評(píng)論數(shù)據(jù)，并進(jìn)行過(guò)濾文本處理;隨后進(jìn)行分詞、去除停用詞處理，在進(jìn)行詞頻統(tǒng)計(jì)后，演染高頻詞以獲取詞云可視化圖，并進(jìn)行內(nèi)容特征分析;然后進(jìn)行人工標(biāo)記文本、構(gòu)建詞向量矩陣訓(xùn)練樸素貝葉斯分類器對(duì)文本進(jìn)行情感分類;最后確定高校輿情事件發(fā)展周期，構(gòu)建情感演化圖譜。

3 數(shù)據(jù)采集與處理

3.1 數(shù)據(jù)來(lái)源

微博作為一種新型的網(wǎng)絡(luò)媒介形態(tài)，具有獨(dú)特鮮明的傳播模式，并逐漸成為各類新聞、熱門話題事件的第一發(fā)布平臺(tái)[17]。在社交網(wǎng)絡(luò)綜合評(píng)價(jià)網(wǎng)站Alexa中，新浪微博是眾多平臺(tái)中在線人數(shù)及影響力最為廣泛的網(wǎng)絡(luò)新媒體[18]。在信息源的選擇上，本文選擇高校輿情熱點(diǎn)話題“湖南大學(xué)劉夢(mèng)潔抄襲事件”作為信息源，采集轉(zhuǎn)發(fā)評(píng)論數(shù)據(jù)，建立話題空間。同時(shí)，本文從“劉夢(mèng)潔”微指數(shù)（見(jiàn)圖2）可以看出，“劉夢(mèng)潔”高校輿情爆發(fā)迅速，在較短的時(shí)間內(nèi)即達(dá)到了傳播峰值。

3.2 數(shù)據(jù)采集

本文以新浪微博“湖南大學(xué)劉夢(mèng)潔抄襲”話題為例，采用網(wǎng)絡(luò)爬蟲(chóng)火車頭采集器獲取用戶數(shù)據(jù)。獲取數(shù)據(jù)字段包括ID、用戶昵稱、用戶資料、微博內(nèi)容、轉(zhuǎn)發(fā)評(píng)論及點(diǎn)贊數(shù)量、轉(zhuǎn)發(fā)時(shí)間等。根據(jù)百度指數(shù)的統(tǒng)計(jì)數(shù)據(jù)，關(guān)鍵詞“劉夢(mèng)潔”高校輿情的生命周期為2019年3月27日至2019年4月13日，數(shù)據(jù)量在3月28日達(dá)到頂峰。因此，選擇被抄襲者微博“科研狗的基金夢(mèng)”作為原始信息源采集全部數(shù)據(jù)，共獲取微博數(shù)據(jù)共計(jì)18 492條。在此高校輿情周期中，3月28日凌晨，劉夢(mèng)潔的碩士畢業(yè)論文被湖南大學(xué)從知網(wǎng)撤下;4月3日，湖南大學(xué)微博發(fā)布撤銷劉夢(mèng)潔碩士學(xué)位的決定。因此，本文研究的輿情周期將分為3個(gè)階段：3月27日的爆發(fā)期;3月28日～4月3日的蔓延期;以及4月4日～4月13日的衰退期。

3.3 數(shù)據(jù)處理

在數(shù)據(jù)的處理上，本文首先通過(guò)火車頭腳本編輯器爬蟲(chóng)軟件實(shí)現(xiàn)情感文本數(shù)據(jù)的爬取;其次過(guò)濾空白文本、網(wǎng)址鏈接等無(wú)關(guān)信息;最后根據(jù)微博話題內(nèi)容進(jìn)行人工判斷，去除與“湖南大學(xué)劉夢(mèng)潔抄襲事件”無(wú)關(guān)的微博數(shù)據(jù)，例如“?。。。?！”等表達(dá)符號(hào)，還有一些廣告內(nèi)容，如“#改開(kāi)40年成就展#”。最終獲取有效數(shù)據(jù)18 104條。

4 討論分析

4.1 基于詞云統(tǒng)計(jì)的內(nèi)容特征分析

首先將處理過(guò)的微博數(shù)據(jù)通過(guò)Jieba分詞腳本對(duì)提取的文本進(jìn)行分詞、去除停用詞，然后將統(tǒng)計(jì)出的高頻詞根據(jù)劃分的不同時(shí)期進(jìn)行演染，獲得詞云可視化圖，如圖3～5所示。

在輿情的爆發(fā)期，出現(xiàn)詞頻最高的詞匯是“希望”，頻次與之相似的詞匯有“申請(qǐng)書(shū)”、“教育部”、“學(xué)術(shù)界”等。可見(jiàn)，“湖南大學(xué)劉夢(mèng)潔抄襲”事件被曝光后引起了網(wǎng)民的高度關(guān)注，網(wǎng)民急切希望有關(guān)部門可以徹查此事件，告知大眾真相;而且，由于學(xué)術(shù)界屢次出現(xiàn)學(xué)術(shù)不端事件，引發(fā)了網(wǎng)民對(duì)學(xué)術(shù)界、教育部、抄襲等的廣泛討論。

在輿情的蔓延期，出現(xiàn)詞頻較高的詞匯是“轉(zhuǎn)發(fā)”、“翟天臨”、“剽竊”、“嚴(yán)厲打擊”等。從3月28日知網(wǎng)撤下劉夢(mèng)潔的論文，到4月3日湖南大學(xué)發(fā)出聲明取消劉夢(mèng)潔的碩士學(xué)位，都證實(shí)了劉夢(mèng)潔抄襲事件的真實(shí)性，使得廣大網(wǎng)民積極轉(zhuǎn)發(fā)，支持維權(quán)，并且將此事與“翟天臨”事件聯(lián)系在一起，充分展示了廣大網(wǎng)民對(duì)待剽竊論文的“零容忍”態(tài)度，并責(zé)令有關(guān)部門嚴(yán)厲打擊。

在輿情的衰退期，除了在蔓延期中出現(xiàn)頻率較高的“轉(zhuǎn)發(fā)”、“剽竊”以外，出現(xiàn)詞頻較高的詞匯有“湖南大學(xué)”、“博士論文”、“查重”、“學(xué)術(shù)”等。網(wǎng)民在積極轉(zhuǎn)發(fā)傳播事件的同時(shí)，也發(fā)表了對(duì)于湖南大學(xué)處理剽竊事件的看法，以及對(duì)存在于學(xué)術(shù)界的抄襲剽竊現(xiàn)象的批判態(tài)度，并希望學(xué)術(shù)界能夠整改不良風(fēng)氣。

總體來(lái)看，在輿情初期，雖然網(wǎng)民對(duì)待“湖南大學(xué)劉夢(mèng)潔抄襲”事件呈現(xiàn)幾乎“一邊倒”的消極態(tài)度，甚至有一部分極端的網(wǎng)民懷疑高校學(xué)術(shù)論文整體的真實(shí)性。但隨著輿情進(jìn)入蔓延期，湖南大學(xué)針對(duì)此事件及時(shí)采取了積極的處理辦法，從而使多數(shù)網(wǎng)民在輿情衰退期表達(dá)了對(duì)高校整治學(xué)術(shù)不端的希望，并通過(guò)自身力量積極轉(zhuǎn)發(fā)，支持被抄襲者維權(quán)。下面將通過(guò)情感分類做進(jìn)一步分析。

4.2 基于樸素貝葉斯分類器的情感分類

微博評(píng)論為短文本數(shù)據(jù)，其主要的情感傾向集中在少數(shù)高頻的情感詞中，除情感詞外的低頻詞匯很難在較短的文本信息中改變高頻情感詞所蘊(yùn)含的情感傾向。因此，本文從輿情監(jiān)管實(shí)時(shí)性的角度出發(fā)，通過(guò)詞頻統(tǒng)計(jì)，在微博文本信息中篩選出高、低頻詞，并去除評(píng)論語(yǔ)句中的低頻詞，只保留高頻詞，達(dá)到降維的作用，為后續(xù)訓(xùn)練樸素貝葉斯分類器提升效率。

樸素貝葉斯分類器需要預(yù)先在訓(xùn)練樣本基礎(chǔ)上進(jìn)行訓(xùn)練，以建立分類模型，為此本文選擇獲得到的四分之一文本信息進(jìn)行人工標(biāo)記，用作訓(xùn)練樣本[19]。若文本樣本傳達(dá)正向情感，如“希望得到一個(gè)公平的處理結(jié)果”、“翟天臨事件剛過(guò)不久，學(xué)術(shù)抄襲屢禁不止，希望看到的朋友幫忙轉(zhuǎn)發(fā)，維護(hù)學(xué)術(shù)正義。@人民網(wǎng) @教育部”等，標(biāo)記為“+1”;若文本樣本傳達(dá)負(fù)向情感，如“#論文抄襲# 國(guó)家自然科學(xué)基金項(xiàng)目申請(qǐng)書(shū)遭泄密，湖南大學(xué)再爆學(xué)術(shù)不端”、“每次看到學(xué)術(shù)不端都極其氣憤！@湖南大學(xué)”等，標(biāo)記為“-1”;若文本樣本傳達(dá)中性情感，如“轉(zhuǎn)發(fā)微博”、“吃瓜”等，標(biāo)記為“0”，人工標(biāo)記樣本總共為4 526個(gè)（總樣本的1/4）;人工標(biāo)注正向情感、負(fù)向情感、中性情感計(jì)數(shù)如圖6所示。

4.3 基于輿情周期構(gòu)建情感演化圖譜

為直觀展示微博環(huán)境下高校輿情情感演化規(guī)律，本文通過(guò)Gephi可視化軟件，以微博用戶為節(jié)點(diǎn)，以用戶間的轉(zhuǎn)發(fā)評(píng)論關(guān)系為邊，以節(jié)點(diǎn)顏色表示該微博用戶的情感類別[20]，綠色代表正向情感、紅色代表負(fù)向情感、黃色代表中性情感，基于輿情周期構(gòu)建微博環(huán)境下高校輿情情感演化圖譜。

3月27日輿情爆發(fā)期情感圖譜如圖7所示，共有99個(gè)節(jié)點(diǎn)、96條邊。在“湖南大學(xué)劉夢(mèng)潔抄襲”話題爆發(fā)初期，由于原微博博主并未獲得微博認(rèn)證，且微博昵稱并無(wú)辨識(shí)度，導(dǎo)致微博發(fā)布初期所受關(guān)注度不高。網(wǎng)民對(duì)此事件的真相持懷疑態(tài)度，因此，中性情感的占比較多，為57%，多數(shù)網(wǎng)民的做法表現(xiàn)為單純地轉(zhuǎn)發(fā)微博，評(píng)論信息無(wú)明顯的情感傾向性。負(fù)向情感占比為33%，略低于中性情感，網(wǎng)民爆發(fā)出負(fù)向情感是由于部分網(wǎng)民也有過(guò)類似被抄襲的經(jīng)歷，博主發(fā)出的微博引發(fā)了共鳴。況且前有翟天臨事件，后又曝出湖南大學(xué)學(xué)術(shù)不端事件，更激發(fā)了網(wǎng)民的負(fù)面情緒。輿情爆發(fā)期的中性情感占比為10%，部分網(wǎng)民并沒(méi)有發(fā)表過(guò)多的個(gè)人觀點(diǎn)，僅希望此事件盡快得到公平的處理結(jié)果。

此外，在輿情爆發(fā)期情感圖譜中，權(quán)重高的邊顏色較深，從圖7中可以看出，“科研狗的基金夢(mèng)”為信息源節(jié)點(diǎn)，“Stata_Tips”節(jié)點(diǎn)的轉(zhuǎn)發(fā)權(quán)重較高。此外，雖然“科研狗的基金夢(mèng)”節(jié)點(diǎn)本身帶有負(fù)向情感，但部分節(jié)點(diǎn)轉(zhuǎn)發(fā)此節(jié)點(diǎn)信息后，其情感傾向逐步轉(zhuǎn)為中性情感（如“Stacybear”節(jié)點(diǎn)）;甚至部分節(jié)點(diǎn)的情感傾向出現(xiàn)了反轉(zhuǎn)，變?yōu)榉e極的正向情感（如“LMQ相信勇敢”節(jié)點(diǎn)）;同時(shí)觀察到，“Stata_Tips”節(jié)點(diǎn)轉(zhuǎn)發(fā)“Stacybear”節(jié)點(diǎn)、“LMQ相信勇敢”節(jié)點(diǎn)后，其情感傾向仍為負(fù)向，可見(jiàn)情感傾向在節(jié)點(diǎn)間有一定的獨(dú)立性，受其他中繼節(jié)點(diǎn)情感傾向的影響不大，主要受源節(jié)點(diǎn)情感傾向的影響較大。因此，在高校輿情事件中，應(yīng)該重點(diǎn)把控和引導(dǎo)信息源節(jié)點(diǎn)的情感傾向。

3月28日至4月3日的輿情蔓延期情感圖譜如圖8所示，共有11 887個(gè)節(jié)點(diǎn)、12 537條邊。從圖8中可以看出，紅色節(jié)點(diǎn)（負(fù)向情感）和黃色節(jié)點(diǎn)（中性情感）遠(yuǎn)遠(yuǎn)多于綠色節(jié)點(diǎn)（正向情感），且紅色節(jié)點(diǎn)居多。在3月28日凌晨，知網(wǎng)撤下劉夢(mèng)潔碩士畢業(yè)論文后，網(wǎng)民對(duì)劉夢(mèng)潔抄襲事件的負(fù)向情感持續(xù)增加，超過(guò)了正向情感和中性情感，并在4月3日湖南大學(xué)發(fā)布取消劉夢(mèng)潔碩士學(xué)位的決定后達(dá)到頂峰。網(wǎng)民的中性情感，由爆發(fā)期的57%遞減為蔓延期的38%。網(wǎng)民在轉(zhuǎn)發(fā)原微博的同時(shí)也在表達(dá)對(duì)抄襲事件的憤慨，并建議原微博博主更改昵稱以提高關(guān)注度。而負(fù)向情感由爆發(fā)期的33%上升到蔓延期的52%，多數(shù)網(wǎng)民認(rèn)為應(yīng)該對(duì)學(xué)術(shù)不端實(shí)行“零容忍”，并對(duì)湖南大學(xué)、劉夢(mèng)潔發(fā)表了負(fù)面的言論。部分網(wǎng)民將此事件與翟天臨事件聯(lián)系在一起，這更激化了網(wǎng)民對(duì)高校學(xué)術(shù)不端行為的負(fù)面情緒;正向情感由爆發(fā)期的10%到蔓延期的11%，基本上無(wú)變化，還是有少部分網(wǎng)民站在理智的角度上，支持博主維權(quán)，并希望該事件盡快嚴(yán)肅、公平地處理。

因此，在高校輿情蔓延期，有關(guān)部門需重點(diǎn)管控情感走向，特別是出現(xiàn)“知網(wǎng)撤下論文”、“湖南大學(xué)發(fā)布通告”等處理措施后，網(wǎng)民情感的變化尤為明顯，需要及時(shí)把控。

4月4日～4月13日輿情衰退期的情感圖譜如圖9所示，共有94個(gè)節(jié)點(diǎn)，82條邊。負(fù)向情感由蔓延期的52%下降到衰退期的28%，中性情感由蔓延期的38%上升到衰退期的61%，由于涉及抄襲事件的相關(guān)部門知網(wǎng)和湖南大學(xué)及時(shí)做出相關(guān)決定和通知，讓部分網(wǎng)民由負(fù)向情感轉(zhuǎn)向?yàn)橹行郧楦校瑥亩碇堑卦u(píng)價(jià)話題。但由于近期頻頻發(fā)生學(xué)術(shù)不端事件，網(wǎng)民依然存在質(zhì)疑態(tài)度;正向情感占比在衰退期仍為11%，其數(shù)值相較于蔓延期沒(méi)有發(fā)生變化?？v觀輿情的爆發(fā)期、蔓延期、衰退期，正向情感占比幾乎沒(méi)有改變，說(shuō)明一部分網(wǎng)民在輿情周期中可以保持自己的情感傾向。輿情監(jiān)管者要積極引導(dǎo)正向情感的網(wǎng)民來(lái)影響其他網(wǎng)民，使得網(wǎng)民能夠理智地表達(dá)自己的情感傾向。

綜上所述，網(wǎng)民負(fù)向情感的占比由輿情爆發(fā)期的33%上升到輿情蔓延期的52%，之后下降到輿情衰退期的28%，在輿情蔓延期達(dá)到頂峰;中性情感的占比由輿情爆發(fā)期的57%下降到輿情蔓延期的38%，隨后上升到輿情衰退期的61%，在輿情蔓延期占比最低;正向情感的占比在輿情周期中幾乎沒(méi)有變化。

5 結(jié) 論

本文在理論層面，基于詞云統(tǒng)計(jì)進(jìn)行內(nèi)容特征分析，獲取微博用戶評(píng)論高頻詞，利用高頻詞進(jìn)行特征降維，高效訓(xùn)練樸素貝葉斯分類器，完成對(duì)詞頻文本的情感分類。再結(jié)合微博用戶基于輿情周期，構(gòu)建微博環(huán)境下高校輿情情感演化圖譜，為微博環(huán)境下高校輿情情感演化規(guī)律研究提供新的研究理論模型;在實(shí)踐層面，結(jié)合微博熱點(diǎn)高校輿情“湖南大學(xué)劉夢(mèng)潔抄襲”話題進(jìn)行實(shí)證分析，得到完整的輿情爆發(fā)期、蔓延期以及衰退期情感演化圖譜，為輿情監(jiān)管部門實(shí)時(shí)了解高校輿情情感走向，在輿情周期內(nèi)及時(shí)采取管控措施，提供了實(shí)踐參考。

本文在研究方法做了一定的創(chuàng)新，但研究中仍存在一定的局限性：本文只分析了微博數(shù)據(jù)，數(shù)據(jù)來(lái)源較為單一;情感分類效果受人工標(biāo)記影響較大。在未來(lái)的研究中，將選取微信、論壇等多個(gè)平臺(tái)作為信息來(lái)源，多角度分析網(wǎng)民對(duì)高校輿情事件的情感變化，并嘗試更多的情感分類模型，以提高情感分類精度。

參考文獻(xiàn)

[1]中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心.第43次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[EB/OL].http：//www.cnnic.cn/gywm/xwzx/rdxw/2017 2017_7056/201902/t20190228_70651.htm，2019-05-15.

[2]Jamelske E，Boulter J，Jang W，et al.Examining Differences in Public Opinion on Climate Change Between College Students in China and the USA[J].Journal of Environmental Studies and Sciences，2015，5（2）：87-98.

[3]Mancini C，Pickett J T，Call C，et al.Sexual Assault in the Ivory Tower：Public Opinion on University Accountability and Mandatory Reporting[J].Sexual Abuse：A Journal of Research and Treatment，2017，31（3）：344-365.

[4]Antonova N A，Eritsyan K Y，Tsvetkova L A.Attitudes Towards Biobank Donation Among University Community[J].Social Psychology and Society，2019，（10）：169-181.

[5]鄧尚民，董亞倩.基于AHP的高校網(wǎng)絡(luò)輿情安全評(píng)估指標(biāo)體系構(gòu)建研究[J].情報(bào)雜志，2012，31（8）：31-36.

[6]徐萍.大數(shù)據(jù)在高校網(wǎng)絡(luò)輿情應(yīng)急處置中的應(yīng)用探討[J].圖書(shū)館工作與研究，2016，（5）：55-58.

[7]Li H，Yan K.The Research of the University Public Opinion Management on Internet[C]//International Conference on Intelligent Networking & Collaborative Systems.IEEE，2016.