大數據分析下的中國社會輿情：總體態勢與結構性特征：基于百度熱搜詞 （2009—2012）的輿情模型構建

喻國明

百度 （www.baidu.com）作為中文互聯網第一搜索入口，在中國覆蓋超過95%的網民，日均有超過40億次的搜索請求。百度搜索詞的海量數據代表了中國網民最真實、最客觀的精神需求和信息尋求的行為特征，勾勒了一幅描繪中國社會生活諸領域的真實畫卷。在某種意義上可以說，百度搜索詞已然成為反映中國社會變遷的重要風向標和社會輿情參照系。

但是，一個個搜索詞最多只是對中國社會整體發展面的碎片式的反映，并沒有給社會公眾提供一個關于社會整體狀況的坐標系，使得人們對社會整體的現實走勢和未來發展很難把握。基于此，百度公司委托中國人民大學輿論研究所進行百度搜索詞數據的深度價值挖掘。我們利用數據挖掘方法，在國內首次提出了中國社會暖度指數、中國社會輿情運行壓力指數、中國經濟關注指數、中國民生關注指數、中國社會責任關注指數、中國創新力關注指數、中國社會期待關注指數、中國環境生態安全關注指數、中國金融安全關注指數、中國信息安全關注指數、中國人口安全關注指數、中國資源安全關注指數、中國衛生安全關注指數、中國公共安全關注指數等一系列反映中國社會基本面狀況的社會評價性指標，并對不同網民的需求特點進行了較為精確的描述和分析。

本文根據2009—2012年百度每年搜索量最高和關注熱度上升最快的前1 000個搜索熱詞總搜索量的相關數據，進行分析統計并得出結論。

一、大數據分析方法：透過巨量搜索數據見微知著，形成社會輿情的整體判斷

世界已經進入了大數據時代。所謂 “大數據”，直觀理解就是信息和數據量的規模十分巨大，無法用常規的信息技術手段和軟硬件工具進行感知、獲取、管理和處理的數據集合。大數據時代的生成背景是：數據獲取技術的革命性進步、傳感器等自動采集的數據、Web2.0等用戶生成數據 （UGC）以及移動設備生成的數據（位置、移動和行為信息等）。大數據具有規模性、多樣性、高速性和有價值等特點。大數據分析就是以諸種創新的方式對海量數據進行分析、梳理和加工，獲得具有巨大價值的產品和服務或深刻洞見的數據及處理方法。

大數據分析的主要技術手段是采用數據挖掘（Data mining）。數據挖掘又稱數據庫中的知識發現，即指從數據庫的大量數據中揭示出隱含的、前所未有的并具有潛在價值的信息的價值聚合、提煉的過程。我們對于百度搜索詞數據所進行的、反映社會基本面狀況的輿情指數的計算，正是基于百度作為搜索引擎的技術特性設計和數據價值挖掘的方法而構建起來的。

（一）TOP1 000：為海量搜索數據截取最具輿情代表性的有限數據集

搜索量的高低反映了民眾對該關鍵詞所代表的事件的關注程度。百度作為國內第一大搜索引擎運營商，從后臺數據庫中可以提取出每一個搜索詞的對應搜索量。但每天高達40億次的搜索數據不但數量極為巨大，而且所指對象也極為繁雜。大數據處理的一個重要邏輯就是將價值含量較低的海量數據進行價值凝煉和萃取，在不失代表性的前提下進行數據簡化處理。這對于輿情分析而言不僅是必要的，而且是可行的。

社會輿情分析所關注的是社會基本面的描述和分析，對于不涉及基本面的非權重的分散數據的處理不但極大地增加了數據處理的成本和難度，還會在相當程度上使數據處理受到非相關信息的擾動而使結果變得不甚清晰。按照統計學的原理，就社會基本面的輿情呈現而言，TOP1 000熱搜詞和上升最快的TOP1 000熱搜詞足以代表民意的集合性關注及變化消長，其中TOP1 000熱搜詞反映社會關注的基本面，而上升最快的TOP1 000熱搜詞則反映了新出現的新聞事件的社會關注度。這兩類1 000個搜索熱詞可以較為粗略地 “刻畫”出中國社會 “輿情地圖”。因此，選取TOP1 000熱搜詞和上升最快的TOP1 000熱搜詞作為輿情分析的數據處理對象，不但數據量得到極大精簡，而且也使 “民意圖像”更加凝煉和清晰。

（二）社會語義分析：為輿情指數與相關搜索數據建立彼此關聯的轉化 “通道”

社會暖度、社會壓力以及幸福感等都是內涵極為豐富的抽象概念，但又是反映社會基本面的重要指標。對于這類輿情指標的數據提取，傳統的方法是從這些概念的定義出發，進行概念操作化的指標確定。但從反映實態民意的角度看，人們對于 “溫暖”、“壓力”、“幸福”的實際理解和感受或許要比基于理論定義的概念操作化更能反映輿情的實態。換句話說，人們正是在這樣的意義框架里感受社會冷暖、社會壓力和社會幸福的。而對于網絡上的海量文本的核心詞語 （如 “溫暖”、“壓力”、“幸福”等）進行社會語義分析，可以幫助我們準確定義當下中國人頭腦中關于這些核心詞語的心理感受域 （語義范圍及權重大小）。

在本項研究中，我們采用了社會語義分析的方法，通過 “人大—方正輿情監測分析系統”采集對應于某核心詞的海量網絡相關文本，再依據社會語義分析軟件去分析當下中國人心目中實際理解和感受下的相關概念的核心內涵究竟是什么，并根據社會語義分析的結果（根據分解出來的各個語義詞與核心概念之間相伴出現的頻次概率、與核心詞的字符間隔數以及正負情感評價等）將TOP1 000熱搜詞中的所有相關詞進行加權處理，計算出每一核心概念所負載的輿情指數。圖1是我們對于構造輿情指數的指標中的核心詞 （如社會暖度、社會幸福、社會期待和社會責任）按照現階段民眾的實際社會表達所分解出的該概念的社會語義分析圖。

（三）數據的標準化轉換：使輿情指數具有橫向序列和縱向序列上的可比性

在前述數據處理的基礎上，我們對相關熱搜詞數據進行了標準值轉換，以便于在統一的尺度上進行比較分析。同時，由于國內近三年網絡的普及率的變化，我們在計算2009年、2010年、2011年、2012年熱搜詞的搜索量時進行了適當校正，校正系數是根據2009年、2010年、2011年和2012年的中國互聯網普及率的差值計算而來的，這使輿情指數具有橫向序列和縱向序列上的可比性。

為了使得各類系數與民眾主觀常識相對應，將所有指數在同一個構面上通過標準值轉化，均換算為0～100分之間。相關技術路線如圖2所示。

圖2 將所有指數在同一個構面上通過標準值轉化換算

二、中國社會輿情鳥瞰圖：中國社會輿情指數

（一）社會暖度指數：因中共十八大和奧運會等事件有所回暖

中國社會暖度指數集中體現了一個個社會事件在人們心目中所引起的關于社會環境的主觀感受及情感體驗：是 “有溫度的”，還是 “冷冰冰的”。這一指數的高低是社會公眾感知整個社會環境友善及親和程度的 “溫度計”。見圖3。

圖3 中國社會暖度指數

從圖3可以看出，2012年中國社會暖度有所回升。由于中共十八大以后一些新的政治舉措使得整體社會感知暖度有所上升，但上升幅度不大，僅為51.7分。另外，2012年像2011年發生的 “小悅悅事件”等涉及全國范圍的社會寒心事件數量有所下降，在一定程度上造成了社會總體暖度有所上升的感受。

（二）社會幸福感：相較于2011年有所提振

“幸福”是2012年的年度熱詞，但幸福是一個相對來說比較難以界定的情感詞。本研究將網民搜索的熱詞與社會語義分析的相關詞進行對位和賦值 （見圖4），集中顯示包含著幸福評價意義的相關搜索熱詞給人們帶來的幸福期盼和美好體驗。

圖4 中國社會幸福指數

從圖4整體來看，2012年社會幸福感扭轉了往年不斷下降的趨勢，和社會暖度一樣有所上升，但上升幅度不大，僅為1.6分。中央電視臺記者采訪 “你幸福嗎？”雖然看似 “魯莽”的簡單發問，但在一定程度上引起了國人對幸福的重新定義和解讀，民眾開始反思社會快節奏帶來的壓力和緊張以及對幸福的感受，于是 “幸福”成為2012年的一大熱詞。整體來看，整個社會幸福感依然在一個較低位運行，甚至低于社會暖度指數，僅為48.4分。這表明，中國民眾的普遍社會感受尚處于 “低幸福”的水平上。

（三）社會整體運行壓力有所增加，近四年社會運行壓力呈持續上升趨勢

圖5 中國社會運行壓力指數

社會運行壓力指數是由民眾相關搜索中涉及的信息對社會正常運行表現為負面或不利的搜索請求的數據整合構成，其整合后的指數指標所呈現的是社會緊張度，也代表著社會管理的壓力指數。見圖5。從圖5可以看出，較之前幾年，2012年社會輿情的整體壓力指數持續上升，全年的社會輿情壓力指數處于一個相對很高的位置，由2009年的46.1分快速上升為2010年的80.9分、2011年的83.9分，再升至2012年的85.7分。這種社會壓力居高不下的現實態勢亟待社會管理機制的有力變革，才有可能從根本上解決近幾年高企的社會壓力指數。不然的話，社會危機隨時可能發生。

（四）社會民生、社會期待、公共安全、社會責任、社會經濟、衛生安全等關注指數居于前六位

從圖6可以看出，2012年，中國老百姓最為關注的三大熱點領域為：社會民生、社會期待和公共安全；其次是社會責任和社會經濟、衛生安全。這是未來若干年整個社會發展和政府治理的基本 “問題單”，社會民生的改善事關整個社會的穩定和可持續發展，而社會期待所反映的更多的是民眾對推進改革、解決社會不公等問題的強烈期盼。因此，發展民生和大力度地推進改革理應成為未來整個社會政治運行的主線和關鍵詞。

圖6 中國社會民生、社會期待、公共安全、社會責任、社會經濟、衛生安全等關注指數

（五）社會民生、公共安全、衛生安全和環境生態安全是四年來中國社會輿論持續關注的基本問題

從圖7可以看出，近四年來，社會民生是公眾高度關注的首要問題，與此相關的公共安全、衛生安全和環境生態安全也是公眾持續關注的基本社會問題。其中，增長最快的是社會民生，由2009年的58.3分上升到2012年的118.5分，強度增長1倍多。此外，社會公共安全話題一直是人們四年來持續以較高的熱情關注的焦點問題。

圖7 各指數四年來的變化趨勢

三、大數據輿情模型構建的有效性檢驗：以“社會壓力”指數為例

基于百度搜索詞的大數據分析方法所構建起來的、反映社會輿情總體特點和態勢的輿情指標模型是否科學及有效？我們不妨通過從2009年開始運行的 “人大—方正輿情監測分析系統”所采集的另外一套社會輿情的分析邏輯體系中的相關指標——社會運行壓力指數來進行有效性檢驗。

在這套輿情監測分析系統中，社會運行的壓力指數被定義為單位時間段內輿情熱點事件的數量以及每一輿情事件的單位烈度。因為從社會管理的角度看，每個輿情熱點事件對于社會而言，相當于是一個需要耗費管理資源的“火藥桶”；而每個事件的輿情烈度指數則代表著每個 “火藥桶”的TNT當量。因此，將得到一定烈度 （“人大—方正”系統的設定值為輿情烈度值60分以上的輿情熱點事件）的輿情事件的數量和質量指標加總合成的指數，是衡量中國社會輿情壓力或社會緊張系數的重要指標之一。

（一）“人大—方正輿情監測分析系統”所顯示的社會運行壓力指數

基于 “人大—方正輿情監測分析系統”對2009—2012年上述兩項輿情指標的測算結果見圖8。

從圖8可以看出，2012年60分以上的網絡熱點事件總計455個，超過2011年 （349個）一百多個，而2011年為274個，2009年為248個。總體來看，2012年相較于2011年出現了顯著增長，事件個體數量增長了106個，年增長率為30.3%，相較于以往三年，中國社會輿情整體壓力呈現出逐年提升的加速度趨勢。這種趨勢的出現，一方面說明微博等社會化新興媒體的崛起改變了傳統的社會話語言說格局和社會話語權分布，草根階層掌握了更多的社會話語權和話語平臺；另一方面也的確說明我們目前所處的社會現實及存在矛盾進一步激化的趨勢，為社會管理者進行相應的社會改革尤其是政治體制改革提供的空間和時間越來越有限。

圖8 2009—2012年輿情烈度超過60分的熱點事件的月度分布數量及四年來的變化趨勢

如果我們將每月的輿情事件所對應的輿情烈度進行加權，可以得到每月的輿情總指數 （見圖9），然后再計算出該月度平均每個事件的輿情烈度指數 （見圖10）。從圖9、圖10可以看出，與月度輿情事件的個數相對應，四年來整體的輿情態勢呈現出逐年上升的趨勢，尤其是2012年的增長趨勢最為明顯，這便在相當程度上證明了中國社會輿情壓力在不斷提升的社會現實。

圖9 2009—2012年以月度為單位的輿情總指數及四年來的變化趨勢

（二）“人大—方正輿情監測分析系統”與百度熱搜詞大數據分析模型下相關指標的比較

如果以 “社會壓力”這一輿情指標為例，將基于百度熱搜詞的大數據分析的相關結果與基于“人大—方正輿情監測分析系統”所獲得的相關結果進行比較分析，我們可以很明確地看到兩套數據。雖然數據來源和處理邏輯各不相同，但在反映社會輿情的漲落變化、總體態勢方面卻驚人的一致。

由于兩組數據均進行了等間距的標準值處理，我們對兩組數據間的相關度進行了皮爾遜（Pearson）相關分析，數據測定結果表明，這兩組數據間的相關系數r＝0.964，屬于極為強烈的高度相關 （見表1）。

圖10 2009—2012年以月度為單位的每個熱點事件的平均輿情烈度值及四年來的變化趨勢

表1 兩組數據間的皮爾遜相關分析的數據測定

上述關于 “社會壓力”兩組輿情指標的相關分析的數據測定結果在相當程度上表明：本文所構建起來的見微知著、基于百度熱搜詞的大數據分析模型是有效的和科學的。

四、結論：社會輿情緊張度持續攀升，亟待建立社會宣泄的“安全閥”

本項輿情監測系統的數據分析表明，當下中國社會輿情的壓力指數正處于一種持續高位運行的態勢。研究表明，我國已進入社會事件多發性階段，變化和不確定是這一時代人們生活的主題，危機成為個人乃至社會難以按照傳統方式加以控制的難題，即使是統計或精密的數理模型也無法精確預測。危機已經不再是一個個單純的隨機概率事件本身了，而是環境、秩序、規則或者契約的系統性破壞或錯位，是一種社會常態化存在。這種社會緊張度持續高企的現實，要求我們必須從制度上建立更多的社會對話與溝通機制，建立社會的 “安全閥”機制，讓人們的抱怨、不滿有一個寬松合理的制度化的宣泄路徑或平臺。

社會安全閥 （social safety valve）亦稱社會安全閥制度，是社會沖突理論中用以表示社會沖突積極作用的概念，指各個社會都存在著這樣一類制度或習俗，它作為解決社會沖突的手段，能為社會或群體的成員提供某些正當渠道，將平時蓄積的壓抑、不滿情緒及個人間的怨恨予以宣泄和消除，從而在維護社會和群體的生存、維持既定的社會關系中，發揮 “安全閥”一樣的功能。結合當下的中國實際，當社會緊張度高企的時候，我們需要一種對話溝通機制，甚至需要一些娛樂性節目來實現代償性滿足，以及讓人們在網絡上吐槽實現一種低代價的社會宣泄。對于人們在網絡上的發言應該持更加寬松和開明的態度，不能將已經十分有限的社會安全閥 “關閉”。須知，過度抑制輿論的多樣性表達只會讓危機暫時后延，其結果只會使壓力和危機以更加猛烈的方式爆發出來。

從社會管理創新的角度看，應該完善社會安全閥機制和社會代償機制。社會安全閥機制是指對立、緊張情緒可通過向替代性對象發泄而予以消除的機制。應進一步完善這類安全閥機制，通過構建更多的社會安全閥來緩解日趨緊張的社會壓力。

網絡事件的火爆，燃燒的是網民的熱情，但網民的熱情是有限度的，好比一支蠟燭，燃燒一次，就短了一截。同質同類事件的不斷演繹，假如僅僅是現象的羅列，只能讓更多的網民徒增無望和暴戾。如果不能有效地引導民眾的不滿和憤懣并從線上和線下兩個領域來建立長效機制的話，大眾媒體不能對真相顯示之后進行深度思考和旨在改變的縱深開掘，網絡上就會不斷積聚暴戾，一方面轉化為網絡仇恨，并充斥整個網絡；另一方面這種仇恨由線上轉為線下，現實社會壓力不斷增大，造成社會結構的脆弱和不穩定。通過目前的輿情監測數據，可見網絡中隱隱彌漫著一種 “仇富”、 “仇官”、 “仇公檢法”甚至 “仇醫”的社會心態。而這樣一種 “仇心態”背后更廣闊和更深刻的背景是社會階層的 “固化”、社會資本分配 （貧富和權力等）日益兩極化、整個社會分化日益加深。

一個理性的社會，應該允許各種言論存在，否則，任何不據事實的偏袒都會造成階層新的裂痕，使裂口越拉越大，終至斷裂到無法修復。只有少數富人加上大多數窮人所組成的 “倒T型社會”，其階層對立之強和利益沖突之烈，是無法用任何說教和道德約束來統領整合的。

在中國，“社會黏合劑”在整個社會是缺位的，因此，需要在全社會范圍內構建一個公共話語平臺。政府應該成為社會溝通平臺的構建者和秩序的維護者，社會學中的 “自我決策效應”和輿論學中的 “觀點市場”等理論都認為公眾具有自我判斷能力，各種觀點只有在充分的表達和交鋒中才能形成社會共識，而凝聚共識是當下中國社會最為緊要的關鍵之舉。