摘要：[目的/意義]旨在通過對熱點(diǎn)網(wǎng)民微博詞匯頻率進(jìn)行量化處理，總結(jié)其在突發(fā)性公共事件中的關(guān)注點(diǎn)，以實(shí)現(xiàn)在輿情防控與治理方面找到新的突破口。[方法/過程]通過爬取微博熱點(diǎn)網(wǎng)民的微博數(shù)據(jù)，利用Word2vec向量模型和TF-IDF權(quán)值算法得到熱點(diǎn)網(wǎng)民微博詞云圖中的詞類、詞性占比和詞匯相似比等指標(biāo)，最后對自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會(huì)安全事件的指標(biāo)進(jìn)行匯總分析。[結(jié)果/結(jié)論]在突發(fā)事件輿情中，熱點(diǎn)網(wǎng)民對包括事件人物、事件名稱和事件過程在內(nèi)的事件基本組成部分較為關(guān)注，且4類突發(fā)性事件輿情中熱點(diǎn)網(wǎng)民的關(guān)注指向性均表現(xiàn)出差異且較為分散，但仍存在共性。同時(shí)，通過分析熱點(diǎn)網(wǎng)民詞云圖發(fā)現(xiàn)了明星超話、傳播能量層級(jí)化以及相似度極端化等傳播現(xiàn)象。

關(guān)鍵詞：突發(fā)性公共事件? 微博輿情? 熱點(diǎn)網(wǎng)民? 關(guān)注偏好

分類號(hào)：G210.7

DOI：10.13266/j.issn.2095-5472.2020.026

引用格式：王琳煒. 突發(fā)性公共事件微博輿情中熱點(diǎn)網(wǎng)民關(guān)注偏好研究[J/OL]. 知識(shí)管理論壇， 2020， 5（5）： 271-282[引用日期]. http：//www.kmf.ac.cn/p/222/.

1? 引言

根據(jù)2007年11月1日起施行的《中華人民共和國突發(fā)事件應(yīng)對法》規(guī)定，突發(fā)事件是指突然發(fā)生、造成或可能造成嚴(yán)重社會(huì)危害，需要采取應(yīng)急處置措施予以應(yīng)對的自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會(huì)安全事件[1]。美國危機(jī)管理機(jī)構(gòu)ICM則將危機(jī)分為突發(fā)危機(jī)（sudden crises）與積發(fā)危機(jī)（smoldering crises）[2]。

突發(fā)性公共事件因其具有事態(tài)多變的特征與后果無法預(yù)估的特性，政府與各應(yīng)急部門對其關(guān)注度日益提高。政府部門對公共政策的發(fā)布，需要基于突發(fā)性公共事件的防控與應(yīng)急角度，對應(yīng)急措施作出相應(yīng)調(diào)整，其體現(xiàn)了國家機(jī)構(gòu)及社會(huì)公共團(tuán)體的一致目的。在政府部門對社會(huì)輿情掌握與公共政策發(fā)布執(zhí)行、調(diào)整修訂等過程進(jìn)行渠道選擇時(shí)，新浪微博以其獨(dú)特的開放平臺(tái)與公共資源成為政府選擇的必然渠道。我國目前也形成了以新浪微博、微信朋友圈、知乎等為代表的網(wǎng)絡(luò)互動(dòng)平臺(tái)，其中新浪微博用戶已有3.5億，在網(wǎng)民中使用率達(dá)到42.3%[3]。在突發(fā)性公共事件微博輿情中，熱點(diǎn)網(wǎng)民的關(guān)注偏好成為網(wǎng)絡(luò)輿情的隱形推動(dòng)力，其傳播效力可以幫助政府部門不斷根據(jù)實(shí)際情況出臺(tái)相應(yīng)措施以及修訂完善相關(guān)政策。

2? 研究綜述

2.1? 現(xiàn)狀調(diào)研

突發(fā)性公共事件因其自身具有的獨(dú)特性質(zhì)和對社會(huì)造成的嚴(yán)重危害成為學(xué)界的研究熱點(diǎn)。國內(nèi)微博研究涉及的突發(fā)事件共有70余件，2017年至2019年國內(nèi)微博研究主要關(guān)鍵詞排行中，用戶、詞頻、網(wǎng)民的排位分別為：4、13、48，相對應(yīng)的詞頻分別為：573、230、88[4]。圖情領(lǐng)域?qū)ξ⒉┩话l(fā)事件的研究，在2010和2011年集中在危機(jī)公關(guān)事件及應(yīng)對上，隨著突發(fā)事件的頻發(fā)和類型的擴(kuò)展，研究熱點(diǎn)轉(zhuǎn)移到突發(fā)事件微博輿情傳播和擴(kuò)散規(guī)律上。在2007年至2017年網(wǎng)絡(luò)輿情關(guān)聯(lián)研究主題排名中，突發(fā)事件排名第一，最熱年份為2014年。在2016年后，圖情領(lǐng)域逐漸將微博輿情的傳播作為重點(diǎn)研究方向，通過傳播學(xué)基礎(chǔ)規(guī)律與數(shù)學(xué)學(xué)科、統(tǒng)計(jì)學(xué)科、計(jì)算機(jī)學(xué)科等模型算法的有機(jī)結(jié)合，得到了眾多具有創(chuàng)新性的研究成果。對該類話題的研究，眾多學(xué)科通過不同的研究方法參與其中：圖情和計(jì)算機(jī)學(xué)科對于突發(fā)事件的研究傾向于通過技術(shù)、建模和挖掘來解決問題，新聞學(xué)科則傾向于討論和提出問題。通過對相關(guān)文獻(xiàn)的研究，眾多學(xué)者針對民眾和網(wǎng)民的觀點(diǎn)、立場進(jìn)行研究，國內(nèi)學(xué)者普遍認(rèn)為網(wǎng)民對于事件主角的社會(huì)身份極為敏感，輿情審判先于司法審判，民眾意見甚至?xí)绊懰痉í?dú)立[4]。

2.2? 輿情傳播研究

在以微博網(wǎng)民為主題的研究中，首先根據(jù)網(wǎng)民在網(wǎng)絡(luò)輿情傳播中的作用對網(wǎng)民做身份認(rèn)定與劃分，其次在輿情傳播機(jī)制中對各類網(wǎng)民的傳播價(jià)值做分析研究。熱點(diǎn)網(wǎng)民作為身份劃分中重要的一類，其傳播價(jià)值受到國內(nèi)學(xué)者越來越多的關(guān)注，并且隨著許多在微博上發(fā)酵的公共事件在熱點(diǎn)網(wǎng)民的推動(dòng)下得以解決，其研究價(jià)值越來越被認(rèn)可[5]。

鑒于網(wǎng)絡(luò)信息的浩瀚無邊，網(wǎng)絡(luò)輿情事件首先被關(guān)注的就是支撐技術(shù)問題。網(wǎng)絡(luò)輿情研究技術(shù)包括各種信息采集、特征抽取、數(shù)據(jù)挖掘、文本分析、自動(dòng)分類、自動(dòng)聚類、自動(dòng)摘要、智能檢索等。其中，聚類分析方法又有概念語義空間與相似性度、基于支持向量機(jī)與無監(jiān)督聚類相結(jié)合的網(wǎng)頁分類等[6]。

通過分析有關(guān)網(wǎng)絡(luò)輿情的研究成果，部分學(xué)者對網(wǎng)絡(luò)輿情基礎(chǔ)理論進(jìn)行了集中研究，具體包括網(wǎng)絡(luò)輿情的概念、構(gòu)成要素、演化機(jī)制等。從宏觀角度看，網(wǎng)絡(luò)輿情的影響作用研究是比較有實(shí)際使用價(jià)值的，對網(wǎng)絡(luò)突發(fā)事件輿情的治理與管控、各類事件輿情的預(yù)警都提供了有價(jià)值的方向。但目前該領(lǐng)域的研究仍存在很多不足，具體如下：①研究技術(shù)稍顯單一，總體水平略顯滯后。由于網(wǎng)絡(luò)的更新速度快，網(wǎng)絡(luò)輿情也在不斷地發(fā)展與變異，國內(nèi)高水平高質(zhì)量的研究成果大多基于現(xiàn)階段對網(wǎng)絡(luò)輿情的認(rèn)知與探索，對未來網(wǎng)絡(luò)輿情發(fā)展的預(yù)見性較為欠缺。②研究結(jié)果與現(xiàn)實(shí)應(yīng)用之間存在銜接斷裂問題。此類研究是致力于為政府和相關(guān)部門解決輿情治理難題與輿情防控預(yù)警處理，研究結(jié)果不僅要體現(xiàn)學(xué)術(shù)價(jià)值更要體現(xiàn)實(shí)際應(yīng)用價(jià)值。就目前的研究成果來看，學(xué)術(shù)價(jià)值與實(shí)際應(yīng)用價(jià)值之間存在銜接斷裂。換言之，研究成果并不能很好地在現(xiàn)實(shí)生活中應(yīng)用，實(shí)際應(yīng)用價(jià)值遠(yuǎn)遠(yuǎn)小于學(xué)術(shù)價(jià)值，背離了研究初衷。

筆者以對實(shí)際輿情治理較有價(jià)值的網(wǎng)民關(guān)注作為切入口，盡可能提升實(shí)際應(yīng)用價(jià)值，為不同類型事件的網(wǎng)絡(luò)輿情治理提供更為新穎、有效的途徑。

2.3? 網(wǎng)民關(guān)注點(diǎn)與關(guān)注度研究

網(wǎng)民關(guān)注點(diǎn)具有廣泛多樣的特點(diǎn)，在新聞傳播領(lǐng)域起到非常重要的作用。目前國內(nèi)學(xué)者以網(wǎng)民關(guān)注點(diǎn)、關(guān)注度為對象所進(jìn)行的研究尚少，通過整理分析現(xiàn)有的研究，主要包括以下3個(gè)方面：①以網(wǎng)民關(guān)注度作為輿情傳播過程中的量化值，通過相關(guān)計(jì)算得到各參與因素對輿情關(guān)注度的影響。以分析突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情網(wǎng)民關(guān)注度的區(qū)域分布為目的，利用回歸方程、聚類分析等方法，最終得到網(wǎng)民數(shù)量、城市經(jīng)濟(jì)發(fā)展水平與輿情發(fā)展水平之間的關(guān)系。②以網(wǎng)民關(guān)注點(diǎn)作為出發(fā)點(diǎn)分析網(wǎng)絡(luò)建設(shè)組成和網(wǎng)民內(nèi)在需要。通過分析網(wǎng)絡(luò)發(fā)展報(bào)告和近幾年網(wǎng)民關(guān)注的熱點(diǎn)問題，深刻分析網(wǎng)民的關(guān)注點(diǎn)及其內(nèi)在需要。③將網(wǎng)民關(guān)注點(diǎn)作為網(wǎng)絡(luò)傳播中的一個(gè)節(jié)點(diǎn)，民眾關(guān)注點(diǎn)轉(zhuǎn)移現(xiàn)象屬于網(wǎng)絡(luò)輿論的一部分，分析其在不同類型事件中轉(zhuǎn)移和變化的規(guī)律。

通過總結(jié)目前的研究，眾多學(xué)者均認(rèn)為網(wǎng)民的關(guān)注點(diǎn)與關(guān)注度已經(jīng)成為網(wǎng)絡(luò)輿情傳播中非常重要的影響因素。網(wǎng)民的關(guān)注點(diǎn)不僅可以反映網(wǎng)民對網(wǎng)絡(luò)生活真實(shí)的內(nèi)在需求，還反映了網(wǎng)絡(luò)結(jié)構(gòu)的組成和網(wǎng)絡(luò)輿情的變化規(guī)律。該領(lǐng)域的研究包含量化分析和質(zhì)化分析，研究網(wǎng)民關(guān)注點(diǎn)在各類事件中的變化規(guī)律，有利于政府正確管理和引導(dǎo)網(wǎng)絡(luò)輿情，打造健康和牢固的網(wǎng)絡(luò)環(huán)境。

3? 實(shí)證研究設(shè)計(jì)

3.1? 研究素材

研究素材的選取原則主要包括：①在事件性質(zhì)方面應(yīng)滿足事件發(fā)展過程曲折起伏，社會(huì)反響較大，對網(wǎng)民的情緒與觀點(diǎn)激發(fā)產(chǎn)生較大影響;②在傳播效果方面應(yīng)該滿足輿情發(fā)酵程度高且能激發(fā)產(chǎn)生參與行為的受眾范圍廣;? ? ③在傳播范圍方面應(yīng)該滿足以微博為主要傳播平臺(tái)，傳播覆蓋面廣。④在輿情傳播方面應(yīng)該滿足發(fā)展周期長，包含輿情階段性起伏變化。同時(shí)按照突發(fā)性公共事件分類，均勻覆蓋自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會(huì)安全事件。依據(jù)上述選取素材原則，可全面地分析熱點(diǎn)網(wǎng)民在突發(fā)事件輿情中的傳播與關(guān)注偏好。

案例數(shù)據(jù)源的獲取使用新浪微博輿情通系統(tǒng)，以“事件名稱+地點(diǎn)+人物”為關(guān)鍵詞創(chuàng)建事件方案，該方案包含20起案例事件，在事件從發(fā)生到結(jié)束的時(shí)間窗內(nèi)，爬取事件相關(guān)熱點(diǎn)網(wǎng)民名稱、熱點(diǎn)網(wǎng)民發(fā)博數(shù)量、熱點(diǎn)網(wǎng)民發(fā)博數(shù)量排名、各網(wǎng)民微博詞云圖和詞匯詞頻數(shù)量等數(shù)據(jù)。

3.2? 操作化定義

基于研究素材內(nèi)容，對熱點(diǎn)網(wǎng)民、詞匯密度、熱點(diǎn)網(wǎng)民微博相似度進(jìn)行具體定義：①熱點(diǎn)網(wǎng)民。基于新浪輿情通系統(tǒng)，在事件發(fā)展全程中，發(fā)布有關(guān)輿情事件微博數(shù)量排名前10的微博用戶。②詞匯密度。詞云圖中某一詞匯（目標(biāo)詞匯）所涉及的所有字號(hào)權(quán)值與對應(yīng)字號(hào)出現(xiàn)次數(shù)的乘積的加和，加和結(jié)果代表目標(biāo)詞匯在所處輿情事件熱點(diǎn)網(wǎng)民微博中的提及程度，也能夠反應(yīng)熱點(diǎn)網(wǎng)民的關(guān)注焦點(diǎn)。③熱點(diǎn)網(wǎng)民微博相似度。熱點(diǎn)網(wǎng)民發(fā)布相關(guān)微博詞云圖中出現(xiàn)相同詞匯數(shù)量與出現(xiàn)次數(shù)的加權(quán)值。

3.3? 研究變量及其操作化

熱點(diǎn)網(wǎng)民關(guān)注偏好實(shí)證研究中，有詞云詞類、詞云圖相似度、詞匯密度和微博用戶類型4個(gè)關(guān)鍵變量，本節(jié)將對關(guān)鍵變量的計(jì)算展開分析。

3.3.1? 熱點(diǎn)網(wǎng)民微博詞云詞類劃分

LDA模型（Latent Dirichlet Allocation，文檔主題生成模型，也稱為三層貝葉斯概率模型）是自然語言處理領(lǐng)域的常用模型，它能夠提取文本主題，以概率分布的形式給出，主題與描述詞展示清晰。但在實(shí)際應(yīng)用中，LDA模型無法準(zhǔn)確計(jì)算詞匯之間位置關(guān)系變化這一常見場景，方法存在缺陷，并且模型限制了文本長度、內(nèi)容和格式，使用便捷性降低。而Word2vec模型將詞語轉(zhuǎn)化為詞向量，實(shí)現(xiàn)以詞向量來表示文本相似度的功能，不限文本長度和格式，計(jì)算準(zhǔn)確性高。

筆者在構(gòu)造向量空間過程中使用了Word2vec模型，將熱點(diǎn)網(wǎng)民微博的詞云圖詞匯轉(zhuǎn)化成詞向量，在向量空間計(jì)算結(jié)果的基礎(chǔ)上，對詞匯語義的相似度進(jìn)行表示。多目標(biāo)事件的場景下，會(huì)出現(xiàn)大量干擾信息，影響聚類效果。因此，在構(gòu)造了向量空間后采取TF-IDF算法，將詞云圖詞匯的重要程度進(jìn)行量化，根據(jù)量化結(jié)果得出詞匯與輿情事件的關(guān)聯(lián)度。在得到聚類結(jié)果后將詞云詞類通過詞性進(jìn)行區(qū)分，例如單位名稱、地點(diǎn)、時(shí)間等，再結(jié)合輿情事件的傳播要素：輿情主體、輿情客體、輿情本體、輿情媒體、輿情空間，經(jīng)過人為細(xì)粒度劃分，得出突發(fā)公共事件輿情微博詞云圖的11類詞云詞類。例如，山東平度退役老兵聚集事件中熱點(diǎn)網(wǎng)民微博詞云圖中的“犯罪分子”“退役軍人”屬于輿情主體部分，因此這兩個(gè)詞匯就被劃分到“事件人物/企業(yè)/單位”這一類別當(dāng)中。

詞云詞類的劃分方法首先基于Word2vec模型對詞云圖進(jìn)行詞向量轉(zhuǎn)化處理，生成熱點(diǎn)網(wǎng)民微博詞云語料庫后，再使用特征詞權(quán)重計(jì)算方法TF-IDF對初始數(shù)據(jù)的詞向量進(jìn)行提取，最后利用Word2vec將提取出來的詞向量組成最終的目標(biāo)向量集，將該向量集導(dǎo)入SPSS 26.0進(jìn)行聚類處理，從而得到每起事件中熱點(diǎn)網(wǎng)民微博詞云詞匯分布及頻次量化值。

3.3.2? 詞云圖相似度

首先對每起輿情事件熱點(diǎn)微博詞料庫進(jìn)行分析，統(tǒng)計(jì)出語料中的所有詞匯，然后對每個(gè)詞匯進(jìn)行編號(hào)，統(tǒng)計(jì)編號(hào)詞匯的出現(xiàn)頻率;其次，由于熱點(diǎn)網(wǎng)民詞云圖中的詞匯均為漢字詞語，極少數(shù)字字符，沒有出現(xiàn)英文字符、標(biāo)點(diǎn)符號(hào)等停用詞且字節(jié)數(shù)均大于等于2，因此過濾操作需要重復(fù)進(jìn)行兩次。第一次對應(yīng)中文停用詞表過濾停用詞，第二次過濾出出現(xiàn)次數(shù)大于等于2的詞匯，并對這些詞匯頻率進(jìn)行處理。最后，匯總得出每起輿情事件熱點(diǎn)網(wǎng)民微博相似度。其中對出現(xiàn)次數(shù)大于等于2的詞匯標(biāo)記為重復(fù)詞匯，出現(xiàn)次數(shù)區(qū)間為[2，10]。針對出現(xiàn)不同次數(shù)的詞匯，對其進(jìn)行統(tǒng)一量化處理，得出熱點(diǎn)網(wǎng)民微博詞云圖中詞匯相似度公式，如公式（1）所示：

其中，U代表詞云圖中單個(gè)詞匯重復(fù)率，n表示詞云圖中詞匯數(shù)量。W代表單個(gè)詞匯重復(fù)出現(xiàn)的次數(shù);T=10，代表單個(gè)詞匯在每起事件熱點(diǎn)網(wǎng)民微博詞云圖中能夠出現(xiàn)的次數(shù)最大值為10。對單個(gè)詞匯重復(fù)率進(jìn)行統(tǒng)計(jì)后，通過將所有重復(fù)詞匯的重復(fù)率進(jìn)行相加運(yùn)算，可以得到10位熱點(diǎn)網(wǎng)民微博詞云圖的相似度，如公式（2）所示：

根據(jù)所獲得的微博詞云圖，并根據(jù)不同詞頻水平將圖中詞匯通過5個(gè)層次字號(hào)呈現(xiàn)。綜合20起事件案例熱點(diǎn)網(wǎng)民微博詞云圖詞頻水平，筆者將5個(gè)不同的字號(hào)所代表的詞頻計(jì)算權(quán)重，如公式（3）所示：

其中，TF（ti， d）表示特征ti在文本d中的詞頻，即表示文本集合中含有ti的文本的個(gè)數(shù);a表示一個(gè)常數(shù)，通常取值為0.01;式中的分母為歸一化因子。目標(biāo)詞匯在熱點(diǎn)網(wǎng)民微博中出現(xiàn)的次數(shù)區(qū)間為[0，10]。詞匯密度計(jì)算如公式（4）所示：

其中，w（0.1，0.2，0.3，0.4，0.5），代表詞云圖中5種詞匯字號(hào)所代表的詞頻權(quán)重， k[0，10]，代表目標(biāo)詞匯在每起輿情事件熱點(diǎn)網(wǎng)民微博詞云圖中出現(xiàn)的次數(shù)。

在計(jì)算詞匯密度時(shí)，首先要做的是對詞云圖詞匯進(jìn)行統(tǒng)計(jì)并編號(hào)，利用Word2vec建立每個(gè)詞匯對應(yīng)的空間向量，并創(chuàng)建每起輿情事件的詞料庫向量集。其次，將詞料庫向量集導(dǎo)入SPSS對同一緯度與相同長度的詞向量在單位詞云圖中的詞頻權(quán)重與出現(xiàn)次數(shù)進(jìn)行乘積計(jì)算，也就是詞匯密度。在此步驟操作中，因考慮到并非詞云圖中所有詞匯都涉及事件輿情，無關(guān)詞匯在某種程度上也代表了網(wǎng)民參與輿情傳播的一種模式，因此研究并沒有將無關(guān)詞匯進(jìn)行過濾，而是將其作為一個(gè)詞性分類作為對詞匯數(shù)據(jù)的分類加工步驟。

3.3.4? 熱點(diǎn)網(wǎng)民類型

突發(fā)性公共事件中輿情具有不定性、移動(dòng)化、碎片化等特點(diǎn)，再加之微博平臺(tái)的開放性、多元性、互動(dòng)化特點(diǎn)，使得參與輿情傳播的微博用戶始終保持自由發(fā)言的權(quán)利。網(wǎng)民作為參與輿情演化重要環(huán)節(jié)的主體，不同類型和身份的微博用戶對輿情演化所起到的作用并不相同，因此筆者對參與自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會(huì)安全事件的微博用戶進(jìn)行分類統(tǒng)計(jì)，并總結(jié)不同類型微博用戶參與輿情的演化機(jī)制特征，以此作為突發(fā)性事件應(yīng)急與管理的重要突破口。

首先，將突發(fā)事件相關(guān)的微博博文涉及的用戶根據(jù)其在輿情事件環(huán)節(jié)中所處位置的不同歸納為包含名人、媒體、當(dāng)事企業(yè)、政府部門、當(dāng)事人、普通網(wǎng)民在內(nèi)的6種微博用戶類型;其次對微博熱點(diǎn)網(wǎng)民6種用戶類型進(jìn)行統(tǒng)計(jì)，再匯總四大類事件微博用戶類別數(shù)據(jù);最后，進(jìn)行類別對比分析。

4? 實(shí)證研究分析

4.1? 案例來源

筆者根據(jù)突發(fā)性公共事件四大分類選取2018年所發(fā)生的20起社會(huì)事件作為研究案例。該20起事件案例在微博平臺(tái)傳播速度快、傳播范圍廣，是符合研究素材選取原則的輿情事件。本著所涉及對象多、輿論密集、事件發(fā)展周期長的原則選取，選取這20起事件作為研究案例能夠產(chǎn)生更有價(jià)值和說服力的研究結(jié)果，具體案例名稱如表1所示：

4.2? 詞云詞類劃分

11個(gè)詞云詞類分別為：①事件類型;②事件人物/企業(yè)/單位;③事件過程;④事件結(jié)果;⑤事件地點(diǎn);⑥事件相關(guān)數(shù)據(jù);⑦事件相關(guān)名詞;⑧事件涉及政府單位/部門/領(lǐng)導(dǎo);⑨網(wǎng)民觀點(diǎn);⑩明星超話;無關(guān)詞類。

20起案例事件熱點(diǎn)網(wǎng)民微博詞云詞性量化見表2。

將20起事件按照事件類型進(jìn)行匯總處理，可以得到4類突發(fā)性事件熱點(diǎn)網(wǎng)民微博的詞云詞性特征分布情況，結(jié)果見表3。

在不同類型的突發(fā)性公共事件中，微博用戶通過其微博傳達(dá)出的關(guān)注點(diǎn)也不盡相同。根據(jù)對熱點(diǎn)網(wǎng)民微博詞云圖的詞匯進(jìn)行詞性分類并計(jì)算其詞向量，將每類事件中詞性排名前3名的詞類進(jìn)行統(tǒng)計(jì)得到圖1。4類事件中，排名前3的詞類（事件人物/企業(yè)/單位、事件過程、網(wǎng)民觀點(diǎn)）較為集中，且4類事件的前3詞類均能夠產(chǎn)生交集。

整體來說，4類突發(fā)性事件微博輿情中，網(wǎng)民對輿情事件的基本組成部分（事件人物/企業(yè)/單位+事件名稱+事件過程）較為關(guān)注，同時(shí)通過網(wǎng)民的詞云圖也能夠反映出網(wǎng)民在參與輿情傳播的過程中擔(dān)任的角色和目前已經(jīng)形成的一種統(tǒng)一化操作模式。由表3可得，在公共衛(wèi)生和社會(huì)安全兩類事件輿情中，“網(wǎng)民觀點(diǎn)”均位列第3位，而事故災(zāi)難和自然災(zāi)害微博輿情中排名前3均未出現(xiàn)“網(wǎng)民觀點(diǎn)”這一詞類，4類事件兩兩組合形成鮮明的對比。

從橫向角度對比分析，發(fā)現(xiàn)社會(huì)安全類、公共衛(wèi)生類和事故災(zāi)難類事件微博輿情中，網(wǎng)民的關(guān)注點(diǎn)都包含了事件涉及的人物/企業(yè)/單位、事件過程和事件中相關(guān)名詞細(xì)節(jié)。3類事件都是以人為主體源進(jìn)行發(fā)散，人物、過程和事物成為組成事件的重要成分，也是事件輿情的重要元素。自然災(zāi)害類事件的突發(fā)性來源于自然力量，通過網(wǎng)民的關(guān)注點(diǎn)也可以明顯地看到其更加關(guān)注事件地點(diǎn)與事件類型。網(wǎng)民在該類事件與其他3類事件中關(guān)注點(diǎn)的不同，反映的是事件性質(zhì)的區(qū)分，同時(shí)也是事件突發(fā)性來源的區(qū)別。針對此特點(diǎn)，可以為政府部門提供治理輿情的應(yīng)急出口，利用該類事件中與其他類型事件相區(qū)別的網(wǎng)民關(guān)注點(diǎn)作為切入口，統(tǒng)籌掌握網(wǎng)民關(guān)注的心理與情緒，根據(jù)網(wǎng)民關(guān)注的熱點(diǎn)、焦點(diǎn)、頭條事件置頂報(bào)道，同時(shí)針對該事件相關(guān)報(bào)道的頻率、次數(shù)、報(bào)道版面來進(jìn)行議程設(shè)置，從而扭轉(zhuǎn)輿情態(tài)勢，削弱負(fù)面輿情的擴(kuò)散力度。

在突發(fā)性輿情事件中，明確突發(fā)性來源是判斷輿情發(fā)展和采取治理措施的首要工作。所謂突發(fā)性來源，是指在突發(fā)性事件中促使事件誘發(fā)的某種人為因素或自然因素。突發(fā)公共事件網(wǎng)絡(luò)輿情的內(nèi)部因素包括有意圖的傳播者、網(wǎng)絡(luò)媒體和受眾。首先要明確的是，確定突發(fā)性來源，并非所有的突發(fā)事件的突發(fā)性來源均為非人為因素。其次，要評(píng)估突發(fā)性來源的推動(dòng)因素。

（1）社會(huì)安全類事件微博輿情。一般是群體性事件，涉及的人數(shù)較多，具有人為性、預(yù)謀性、暴力性和政治敏感性。相較于其他類型突發(fā)事件來說，網(wǎng)民對該類事件的發(fā)展過程表現(xiàn)出較高的關(guān)注度，這與此類事件性質(zhì)普遍惡劣存在密切關(guān)系。此類事件的突發(fā)性存在兩面性：一方面，事件的組織者或主要參與人物在事件發(fā)生之前對事件的發(fā)起過程和社會(huì)影響進(jìn)行了規(guī)劃，事件為達(dá)到預(yù)設(shè)目而發(fā)生。另一方面，該類事件所產(chǎn)生的的社會(huì)影響惡劣，事件的組織者或參與者往往會(huì)得到法律制裁，對公眾產(chǎn)生消極影響。事件組織者的動(dòng)機(jī)可分為兩類：①試圖通過事件的爆發(fā)產(chǎn)生一定社會(huì)影響，擴(kuò)大其目的的宣傳范圍，再通過群體動(dòng)員的方式帶動(dòng)更多的社會(huì)公眾投入情感達(dá)成共識(shí)，最終實(shí)現(xiàn)其目的。②基于對事件預(yù)設(shè)的基礎(chǔ)上，并不期望事情公之于眾而產(chǎn)生社會(huì)效應(yīng)，但對社會(huì)造成的危害存在隱匿性與潛伏性。一旦事件爆發(fā)，其突發(fā)性危害極大;若事件就此進(jìn)入潛伏期直至平穩(wěn)期，其隱匿的社會(huì)安全危害會(huì)更為嚴(yán)重，增加了演化為該類事件爆發(fā)的隱形動(dòng)機(jī)的幾率。

網(wǎng)民對事件人物和事件名詞的關(guān)注度較高，可以認(rèn)為是網(wǎng)民對輿情事件事態(tài)發(fā)展水平的一種判斷。若事件中涉及的事件人物、企業(yè)、單位在橫向同類事物中處于較高地位或者影響力較大，或者事件中涉及的相關(guān)名詞數(shù)據(jù)水平較高，例如傷亡人數(shù)、救援車輛數(shù)量、醫(yī)藥費(fèi)用等，則代表事件的輿情發(fā)展已經(jīng)到了需要人為干預(yù)控制的局面。一般來說，事件輿情發(fā)展迅速、影響力大且社會(huì)效應(yīng)不能隨時(shí)間淡化的事件更能夠引起網(wǎng)民的關(guān)注，并能夠通過輿情的傳播使網(wǎng)民的情感爆發(fā)值降低，從而通過微博參與輿情討論。

（2）公共衛(wèi)生事件微博輿情中。通常會(huì)涉及到衛(wèi)生部門、相關(guān)企業(yè)及醫(yī)護(hù)類工作人員。事件的性質(zhì)多種且靈活多變。此類事件中，網(wǎng)民對“事件人物/單位/部門”的關(guān)注度與網(wǎng)民觀點(diǎn)、事件過程形成了明顯的差異。由此，可以推斷出在公共衛(wèi)生類突發(fā)事件中，事件的利益相關(guān)者在各類輿情要素中的牽制性最強(qiáng)。同時(shí)，輿情的發(fā)展也是圍繞事件的利益相關(guān)者而展開。所謂“利益相關(guān)者”，是在斯坦福研究院首次的學(xué)術(shù)研究法中引入的概念，此后學(xué)界逐漸出現(xiàn)了對該概念的幾十種定義。這些定義都從不同的角度認(rèn)識(shí)到以企業(yè)為中心進(jìn)行擴(kuò)散而產(chǎn)生利害關(guān)系的個(gè)人和群體。從輿情事件的本質(zhì)來說，事件產(chǎn)生的結(jié)果涉及到多個(gè)行為主體的利益，這些行為主體將通過自己的行為來影響這種結(jié)果的發(fā)生，從而可能由于各行為主體的不同行為及其組合，而產(chǎn)生不同的結(jié)果，這些行為主體就稱之為利益相關(guān)者[7]。

“網(wǎng)民觀點(diǎn)”這一詞類在4類事件微博輿情熱點(diǎn)網(wǎng)民的詞云圖詞匯排名中表現(xiàn)出明顯的差異性。在公共衛(wèi)生和社會(huì)安全兩類事件中詞類排名中均處于第3位，但在自然災(zāi)害和事故災(zāi)難事件中均未出現(xiàn)于前3位中。就此現(xiàn)象分析，4類事件兩兩成組存在共性，現(xiàn)將公共衛(wèi)生事件和社會(huì)安全事件歸為A組，自然災(zāi)害事件和事故災(zāi)難事件歸為B組。A組事件輿情具有典型的傳播特性，因事件主體在事件的首次爆發(fā)后會(huì)伴隨出現(xiàn)衍生話題從而形成衍生輿情，例如傳染病防治、醫(yī)療救治、暴動(dòng)、吸毒、失業(yè)、疫苗和傷亡等話題。隨著衍生話題對爆發(fā)事件議題熱度的沖擊，媒體也開始加入對新興話題的報(bào)道，因此網(wǎng)民的觀點(diǎn)輸出場域從一個(gè)話題變?yōu)槎鄠€(gè)話題，網(wǎng)絡(luò)媒體對事件的報(bào)道呈現(xiàn)出接連不斷的趨勢，因此A組事件在網(wǎng)絡(luò)媒體中的生存時(shí)間最長，網(wǎng)民觀點(diǎn)的積累量自然就最多。B組事件中，災(zāi)難和事故均非建立在人為意愿之上，突發(fā)性來源基本屬于自然不可控力量，通常從事件爆發(fā)到處理結(jié)果公布期間是媒體的沉寂期。

從縱向角度對比分析，事故災(zāi)難與自然災(zāi)害類突發(fā)事件在突發(fā)程度上居首位。通過對比分析案例事件中的自然災(zāi)害事件，可以發(fā)現(xiàn)事件的類型和地點(diǎn)是自然災(zāi)害類突發(fā)事件具有代表性的屬性標(biāo)簽，所以網(wǎng)民對自然災(zāi)害類事件輿情的關(guān)注點(diǎn)集中在事件地點(diǎn)和事件類型兩個(gè)方面。網(wǎng)民對這兩方面的關(guān)注凸顯了對事件詳盡情況進(jìn)行了解的需求。他們對于事件輿情的關(guān)注有兩個(gè)出發(fā)點(diǎn)：①關(guān)注災(zāi)害的最新發(fā)展情況。②關(guān)注政府及相關(guān)部門對災(zāi)情的控制和治理情況。

4.3? 詞云圖相似度分析

詞云圖由眾多詞匯組成，計(jì)算詞云圖相似度的第一步是計(jì)算詞云圖中重復(fù)出現(xiàn)的所有詞匯的單個(gè)重復(fù)率，其次再對每個(gè)熱點(diǎn)網(wǎng)民微博詞云圖的相似度進(jìn)行加權(quán)操作，最后得到詞云圖相似度。根據(jù)4類事件中5個(gè)相似度數(shù)值計(jì)算出最終4大類型事件的相似度均值，如表4所示：

熱點(diǎn)網(wǎng)民詞云相似度在一定程度上能夠反映出網(wǎng)民在關(guān)注輿情的發(fā)展動(dòng)態(tài)中是否能夠產(chǎn)生自己獨(dú)特的見解。若相似度高，說明詞云圖中相同詞匯多，微博內(nèi)容相似，基本可以認(rèn)為這些網(wǎng)民是站在相同立場與角度發(fā)布微博，個(gè)人獨(dú)特見解近似為零。在對輿情關(guān)注的范疇之內(nèi)，也能表現(xiàn)出網(wǎng)民對事件輿情的關(guān)注力度有所不同。通過研究發(fā)現(xiàn)，熱點(diǎn)網(wǎng)民的詞云圖相似度呈現(xiàn)一定的規(guī)律性特點(diǎn)，其具體表現(xiàn)有以下兩點(diǎn)：①在出現(xiàn)詞云相似現(xiàn)象的輿情事件中，10位熱點(diǎn)網(wǎng)民的詞云相似度呈現(xiàn)極端化特點(diǎn)。所謂極端化，是針對熱點(diǎn)網(wǎng)民詞云圖而言，詞云圖中詞匯呈現(xiàn)出相似度極低或相似度極高現(xiàn)象。換言之，熱點(diǎn)網(wǎng)民對目標(biāo)事件輿情的關(guān)注力度也呈現(xiàn)單向極端化現(xiàn)象。②通過對4類事件相似度均值計(jì)算之后，可以發(fā)現(xiàn)事件的突發(fā)性來源會(huì)直接影響熱點(diǎn)網(wǎng)民的詞云相似度。

筆者通過統(tǒng)計(jì)詞云中詞匯相似個(gè)數(shù)，發(fā)現(xiàn)出現(xiàn)相似詞匯的詞云圖中相似詞匯數(shù)基本都超過總數(shù)的一半，因此以單個(gè)熱點(diǎn)網(wǎng)民詞云圖中完全相同的詞匯數(shù)與總詞匯數(shù)比值為0.5設(shè)定為判定臨界值。在目標(biāo)事件輿情中，熱點(diǎn)網(wǎng)民的詞云詞匯相似比值基本分布在[0.5，+∞）區(qū)間。也就是說，熱點(diǎn)網(wǎng)民詞云圖中一旦出現(xiàn)相似現(xiàn)象，相似比都會(huì)超過0.5，整個(gè)詞云圖中接近70%-80%的詞匯都呈現(xiàn)完全相同狀態(tài)的頻率極高。同時(shí)，在出現(xiàn)相似現(xiàn)象的輿情事件中，10位熱點(diǎn)網(wǎng)民中持有相似詞云圖的網(wǎng)民有5位以上，在某些事件中還出現(xiàn)了近九成熱點(diǎn)網(wǎng)民詞云圖完全相似的現(xiàn)象。通過分析，可以判斷詞云圖詞匯相似比在0.5以上的熱點(diǎn)網(wǎng)民微博是對該事件輿情中轉(zhuǎn)發(fā)率較高的微博進(jìn)行轉(zhuǎn)發(fā)或復(fù)制，在此基礎(chǔ)上沒有任何個(gè)人觀點(diǎn)產(chǎn)出。

根據(jù)表4，將微博詞云詞匯相似比按照事件類型進(jìn)行匯總得出：自然災(zāi)害與事故災(zāi)難兩類突發(fā)性事件微博輿情中熱點(diǎn)網(wǎng)民詞云相似度均值低于1，公共衛(wèi)生與社會(huì)安全兩類突發(fā)性事件微博輿情中熱點(diǎn)網(wǎng)民詞云相似度均值高于1。前兩類突發(fā)性事件的突發(fā)性來源屬于非人為因素，人們對于事件的發(fā)生完全沒有預(yù)料與準(zhǔn)備。在這種未知的情況下，網(wǎng)民潛意識(shí)中會(huì)根據(jù)事件的不確定性進(jìn)行發(fā)散思維聯(lián)想，能夠從事件涉及的各類因素出發(fā)而產(chǎn)生不同的觀點(diǎn)。同時(shí)，這兩類事件在空間地理位置與涉及的利益人群兩個(gè)方面相較于其他兩類事件有更強(qiáng)的影響力，能夠在交錯(cuò)的影響關(guān)系下拉長輿情發(fā)展的時(shí)間戰(zhàn)線。較長的時(shí)間戰(zhàn)線為網(wǎng)友提供了充足的客觀條件，促使事件在潛伏期、萌動(dòng)期、加速期、成熟期、衰退期5個(gè)階段保持較高的輿論生產(chǎn)率。即使是在完全不確定因素面前，也不可避免部分網(wǎng)友站在“從眾”角度來表現(xiàn)其對事件輿情的關(guān)注，即對高熱度微博的轉(zhuǎn)發(fā)和復(fù)制行為。

公共衛(wèi)生與社會(huì)安全兩類突發(fā)性事件熱點(diǎn)網(wǎng)民詞云相似度均值高于1，是兩類事件輿情中輿論產(chǎn)生率較低與重復(fù)率較高的量化表征。結(jié)合熱點(diǎn)網(wǎng)民詞云圖中詞匯類型進(jìn)行分析，兩類事件中排名前3的詞匯類型完全一致，網(wǎng)民對這兩類事件輿情的關(guān)注點(diǎn)停留在事件具體細(xì)節(jié)信息和社會(huì)輿論。

4.4? 微博熱點(diǎn)網(wǎng)民類型分析

根據(jù)熱點(diǎn)網(wǎng)民在微博輿情事件中的角色對其身份進(jìn)行分析劃分，確定出六大身份類型：名人、媒體、當(dāng)事企業(yè)、政府部門、當(dāng)事人、普通網(wǎng)民，見表5。

4.5? ?熱點(diǎn)網(wǎng)民詞云現(xiàn)象回歸分析

4.5.1? 輿情傳播能量層級(jí)化

由表5可知，參與輿情傳播與帶動(dòng)輿情發(fā)展的微博用戶多數(shù)為普通網(wǎng)民，其次為媒體微博與政務(wù)微博。熱點(diǎn)事件的微博輿情傳播需要各類身份的網(wǎng)民共同參與，其在輿情傳播過程中所起到的作用不盡相同。熱點(diǎn)事件作為微博輿情的傳播客體，會(huì)由多個(gè)傳播主體對其進(jìn)行分散能量傳播，根據(jù)傳播主體的傳播動(dòng)機(jī)可將其分為4類[8]：①自媒體時(shí)代應(yīng)運(yùn)而生的自由主體，與輿情事件不存在某種直接或間接關(guān)聯(lián);②個(gè)人影響力催生的領(lǐng)袖主體，由記者、評(píng)論員、作家、微博大V等組成，既表達(dá)媒體的觀點(diǎn)又反映民眾的意見;③政府法規(guī)的發(fā)聲者——管控主體，對輿論走向起到引導(dǎo)作用;④與輿論事件密切相關(guān)的利益相關(guān)主體，是輿論發(fā)展的關(guān)鍵性因素[9]。

輿情事件是各類社會(huì)事件與矛盾的集體反映，微博用戶通過微博平臺(tái)發(fā)表具體的態(tài)度或情緒，當(dāng)參與的微博用戶達(dá)到一定規(guī)模，該事件在微博中便構(gòu)成熱點(diǎn)話題。當(dāng)熱點(diǎn)事件輿情擴(kuò)散到一定范圍時(shí)，主要引導(dǎo)作用歸功于具有高關(guān)注度、高流量和較大影響力的微博意見領(lǐng)袖，例如微博大V、明星、營銷賬號(hào)等。普通微博用戶由于個(gè)體能量較小，只有當(dāng)一定數(shù)量的用戶聚合傳播時(shí)，其傳播作用才得以顯現(xiàn)。

熱點(diǎn)事件輿情在達(dá)到一定討論熱度與傳播廣度之前，媒體報(bào)道作為輿情演化開端的契機(jī)將事件信息由新聞形式轉(zhuǎn)化為微博形式。事件信息在微博中得以傳播，依靠的主要?jiǎng)恿碜云胀ㄉ矸莸奈⒉┯脩魧κ录年P(guān)注、轉(zhuǎn)發(fā)與評(píng)論，因此產(chǎn)生熱點(diǎn)網(wǎng)民。當(dāng)信息、輿論觀點(diǎn)、意見評(píng)論大量聚集涌入微博平臺(tái)后，事件輿情的發(fā)展會(huì)進(jìn)入白熱化階段，輿情發(fā)展速度與微博用戶關(guān)注度呈正比例線性增長。經(jīng)過這一階段，事件輿情的第一能量級(jí)已達(dá)到飽和狀態(tài)，輿情傳播能量將由普通微博用戶上升至微博達(dá)人，例如公眾人物、著名媒體等。此后，位于不同能量級(jí)的微博用戶迅速聚集共振后，將事件的輿情范圍不斷擴(kuò)大。

因此，根據(jù)研究數(shù)據(jù)可以得出，微博輿情的形成、演化與傳播所遵循的能量由微博用戶影響力從低到高逐漸分層，且微博用戶影響力與能量飽和點(diǎn)呈反比例線性關(guān)系，與能量級(jí)別呈正比例線性關(guān)系，能量級(jí)別越低，對輿情傳播的推動(dòng)作用越弱，所需儲(chǔ)蓄的能量越多。

4.5.2? 明星超話傳播現(xiàn)象

超話，作為網(wǎng)絡(luò)流行詞，是超級(jí)話題的簡稱，是新浪微博推出的一項(xiàng)功能，指擁有共同興趣的人集合在一起形成的圈子，類似于騰訊QQ上的興趣部落，大多以明星偶像為主，只不過在微博的這種環(huán)境下，粉絲可以與明星偶像進(jìn)行溝通，這項(xiàng)功能旨在加強(qiáng)明星與粉絲之間的溝通[10]。通過數(shù)據(jù)統(tǒng)計(jì)，在20起案例事件中詞云詞匯涉及明星超話的案例為4起，其中兩起詞云圖相似度較高。熱點(diǎn)網(wǎng)民詞云圖的明星超話現(xiàn)象表明突發(fā)事件可以為明星跨界形象塑造、粉絲能動(dòng)行為提供充足的空間。因突發(fā)事件能夠在短時(shí)間內(nèi)使網(wǎng)絡(luò)用戶聚焦于此，明星的參與可以保證其曝光量與粉絲流量。明星在事件中可以圍繞捐贈(zèng)物資、參與實(shí)地救險(xiǎn)與慰問等展開公益行動(dòng)，為突發(fā)事件后勤保障貢獻(xiàn)力量，提升公眾好感度，同時(shí)也可以為其粉絲提供尋求快感和貢獻(xiàn)力量的自由場域。在案例事件中，出現(xiàn)明星超話現(xiàn)象代表熱點(diǎn)網(wǎng)民所關(guān)注的重心受明星效應(yīng)影響而產(chǎn)生轉(zhuǎn)移，圍繞所關(guān)注明星發(fā)生的一切相關(guān)活動(dòng)。對于明星的粉絲而言，他們關(guān)注明星的一舉一動(dòng)，比起娛樂消息、工作通告和負(fù)面新聞來說，粉絲們對明星的正面公益行動(dòng)的響應(yīng)力度會(huì)更大。

自然災(zāi)害類事件屬于4類突發(fā)性事件中危害程度較高的事件類型，明星超話現(xiàn)象也較為集中的出現(xiàn)在自然災(zāi)害類突發(fā)事件輿情當(dāng)中，表明自然災(zāi)害類突發(fā)事件對社會(huì)各階層公眾的影響較大，易產(chǎn)生各類社會(huì)效應(yīng)。這類事件對傳播系統(tǒng)造成的噪聲較少，不會(huì)對社會(huì)的核心制度、價(jià)值觀和結(jié)構(gòu)造成根本性的挑戰(zhàn)與改變。同時(shí)，對于明星這樣的公眾人物來說易于找到傳遞其正能量的突破口。事件輿情的無限次傳播潛能將本身屬于附屬地位的社會(huì)公益能量進(jìn)行了無限放大。網(wǎng)民對事件輿情的關(guān)注將輿情的邊界無限制擴(kuò)大，由明星參與事件本身而引發(fā)的話題將事件輿情的信息量抬高到一個(gè)非正常的水平。自然災(zāi)害類事件成為明星超話關(guān)注的主要事件類型，主要原因有：①該類型事件自身具有不可預(yù)估性和危害性，完全由自然因素所決定的突發(fā)事件往往會(huì)造成嚴(yán)重的人身傷害與財(cái)物損失，從人類情感接近性角度來講，該類事件最能引發(fā)社會(huì)關(guān)注與同情。②該類事件不涉及人性與其他復(fù)雜社會(huì)關(guān)系類問題，事件的輿情雖涉及廣泛但各階段周期能夠在較短時(shí)間內(nèi)進(jìn)行切換并快速消退。該類事件的“單純性”是以明星為代表的公眾人物選擇其進(jìn)行公益活動(dòng)的主要原因，一方面希望為公益事業(yè)貢獻(xiàn)一己之力，另一方面希望通過公益事業(yè)樹立正能量的公眾形象。同時(shí)要盡量避免在一系列的參與活動(dòng)中引發(fā)的不必要的負(fù)面輿論。? ③該類事件造成的社會(huì)危害基本屬于“物理傷害”，基本不存在對人類心理和精神造成傷害，易于產(chǎn)生社會(huì)公益活動(dòng)的切入點(diǎn)，易于明星人設(shè)樹立。

5? 結(jié)語

研究結(jié)果表明，4類突發(fā)性公共事件的微博輿情中，熱點(diǎn)網(wǎng)民的關(guān)注點(diǎn)會(huì)根據(jù)不同類型事件的特點(diǎn)而呈現(xiàn)出分布變化。熱點(diǎn)網(wǎng)民作為微博輿情傳播中的重要輸出和傳播環(huán)節(jié)，其關(guān)注度是能夠反映出輿情發(fā)展態(tài)勢和輿情治理方向的重要指標(biāo)，不同類型的突發(fā)性事件在該環(huán)節(jié)所產(chǎn)生的指向性呈現(xiàn)出互異性，同時(shí)也表現(xiàn)出共性。

4類突發(fā)事件輿情中熱點(diǎn)網(wǎng)民的關(guān)注點(diǎn)和關(guān)注度的不同體現(xiàn)了事件本身在微博網(wǎng)絡(luò)中擴(kuò)散形式和傳播模式的差異。研究結(jié)果顯示，熱點(diǎn)網(wǎng)民對自然災(zāi)害、事故災(zāi)難、公共衛(wèi)生事件和社會(huì)安全事件4類事件的基本信息最為關(guān)注，同時(shí)證明了4類突發(fā)事件易于產(chǎn)生網(wǎng)絡(luò)輿論，對網(wǎng)民的參與帶動(dòng)性強(qiáng)。傳播過程中的各種現(xiàn)象說明熱點(diǎn)網(wǎng)民關(guān)注力為輿情傳播奠定了堅(jiān)固的根基，對事件的不同關(guān)注點(diǎn)是區(qū)分4類事件突發(fā)性質(zhì)的重要依據(jù)。

熱點(diǎn)網(wǎng)民的關(guān)注度指向性說明突發(fā)性公共事件的網(wǎng)絡(luò)輿情呈現(xiàn)出熱點(diǎn)網(wǎng)民內(nèi)部分化、分層的態(tài)勢。隨著互聯(lián)網(wǎng)絡(luò)的發(fā)展，可被看成一個(gè)整體的網(wǎng)民群體逐漸演變?yōu)橛^點(diǎn)各異和傳播路徑分散的多樣化復(fù)合群體。在關(guān)注點(diǎn)聚集處易產(chǎn)生網(wǎng)民情緒，更可能會(huì)激發(fā)網(wǎng)民做出過激行為。因此，可以將網(wǎng)民關(guān)注點(diǎn)作為突發(fā)事件輿情治理的切入點(diǎn)，消解網(wǎng)民在關(guān)注點(diǎn)聚集處產(chǎn)生的負(fù)面情緒是治理輿情的有力方式。

參考文獻(xiàn)：

[1] 中華人民共和國國務(wù)院.中國人民共和國突發(fā)事件應(yīng)對法[Z]. 北京： 國務(wù)院， 2007.

[2] 張一文. 突發(fā)性公共危機(jī)事件與網(wǎng)絡(luò)輿情作用機(jī)制研究[D]. 北京： 北京郵電大學(xué)， 2012.

[3] 中國互聯(lián)網(wǎng)絡(luò)信息中心. 第43次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[EB/OL]. [2019-04-20]. http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201902/t20190228_70645.htm.

[4] 周金元， 張莎莎， 劉桂鋒， 等. 國內(nèi)微博研究綜述[J].情報(bào)雜志， 2013， 32（9）： 46-51.

[5] 王艷. 民意表達(dá)與公共參與： 微博意見領(lǐng)袖研究[D].北京： 中國社會(huì)科學(xué)院， 2014.

[6] 李曉黎. Web信息檢索與分類中的數(shù)據(jù)采掘研究[D].北京： 中國科學(xué)院計(jì)算技術(shù)研究所， 2001.

[7] 方潔. 微博輿情利益相關(guān)者的分類及行為動(dòng)因研究[D].南京： 南京大學(xué)， 2014.

[8] 楊延圣. 微圈與微圈輿情解析[J]. 情報(bào)雜志， 2017（4）： 146-149.

[9] 段峰峰， 朱娟. 微博輿情傳播要素空間重構(gòu)及互動(dòng)關(guān)系[J]. 新聞傳播， 2018（23）： 4-6.

[10] 超話. 秀目網(wǎng)[EB/OL]. [2020-04-20]. http：//www.xiumu.cn/question/6480.html.

[11] 李丹. 公民社會(huì)視角下中國微博輿情的發(fā)展與走向[J].東南傳播， 2011， 81（5）： 6-8.

[12] 饒?jiān)? 輿情計(jì)算方法與技術(shù)[M]. 北京： 電子工信出版集團(tuán)， 2016.

[13] 王國華. 突發(fā)事件網(wǎng)絡(luò)輿情的動(dòng)力要素及其治理[M].武漢： 華中科技大學(xué)出版社， 2017.

[14] 文晴. 微博自然災(zāi)害輿情傳播要素及網(wǎng)絡(luò)結(jié)構(gòu)研究[D].長春： 吉林大學(xué)， 2018.