輿情評論與新聞報道的話題識別及其主題關聯分析

王曰芬 許杜娟 楊振怡 羅浩

〔摘 要〕[目的/意義]針對同一事件新聞報道與輿情評論既相互依存又偏離的現象，通過話題識別與主題關聯分析，探索新聞報道引發的輿情評論在主題內容與時間階段上的異同，擬為研究以輿情評論表達的輿情事件和以新聞報道表達的社會現實之間的共振與偏離，進而為探究社會輿情傳播規律提供參考，為服務政府科學決策提供依據。[方法/過程]以拉斯韋爾（5W）模型、LDA主題模型和Python工具為基礎，設計研究思路和流程，從騰訊新聞和知乎平臺上抓取新聞報道和評論的數據，經過處理加工過后加以分析挖掘。[結果/結論]研究發現：輿情事件主題會一定程度偏離社會現實主題，衍生出更多隱性主題；輿情事件與社會現實的發展走向較一致；此外，社交媒體相較于新聞媒體所衍生的輿情事件主題更多，而兩者反映的社會現實主題類似。

〔關鍵詞〕輿情評論；新聞報道；主題發現；輿情事件；社會現實；關聯分析

DOI：10.3969/j.issn.1008-0821.2018.06.001

〔中圖分類號〕G203 〔文獻標識碼〕A 〔文章編號〕1008-0821（2018）06-0003-08

〔Abstract〕[Purpose/Significance]Regarding to the phenomenon that news reports and public opinions of the same event were interdependent and also deviated from each other，the paperexplore the differences and similarities of public opinions triggered by news reports in subject content and time phasing by topic detection and subject association analysis.This research planed to study the resonance and deviation between public events reflected in public opinions and social reality reflected in news reports，which would provide a reference for exploring the communication rule of social public opinions and offer a basis for government to make scientific decisions.[Process/Method]Based on Lasswells 5W communication model，LDA model and Python，the paper designed research ideas and process，crawled the corpus of news reports and their corresponding comments from Tencent News and Quaro and deeply analyzed the processed corpus.[Results/Conclusion]The research results indicated that more derivative latent subjects would be found in public opinions events which partly diverged from the subjects of social reality；the developing trends of public opinions events conformed with that of social reality；in addition，subjects of public opinions events reflected in social media were more than news media，while the subject content of social reality seemed similar on these two platforms.

〔Key words〕public opinions；news reports；topic discovery；public opinions events；social reality；association analysis

輿情被認為是公眾對于現實社會及社會中各種現象、問題所表達的信念、態度、意見和情緒表現的總和，是實現社會調控必不可少的制約力量[1]。而輿情事件是指在一定時期、一定的社會空間內，被公眾廣泛關注的事件，通常通過某種中介（一般是媒體）擴散，促使公眾產生某種具有廣泛影響力的傾向性，并非所有的事件都必然成為輿情事件[2]。同時，新聞是對現實社會的建構[3]，是對社會現實事件的表達與反映。新聞報道經過傳播后，引發社會公眾反響，當反響的社會影響力較大時會產生輿情事件。伴隨著網絡傳播即時性、擴散性和社交媒體交互性、多元性的發展，通過網絡平臺傳播的突發或者重大新聞報道通常會迅速引發社會公眾輿情評論的噴涌。同時，社會現實與公眾認知的斷裂、輿情反響與政府應對的沖突等，加大了政府決策與管理的難度[4]。輿情評論與新聞報道導致的輿情事件與社會現實關聯，作為一種現象或問題，影響網民對社會事件的認知和媒體的報道策略，并影響著政府或者涉事主體的行為選擇。因此，在單一熱點社會現實事件演化過程中，新聞報道引發的網民評論會牽扯出更多相關主題，這些衍生主題又會成為社會關注的新熱點。那么，一旦新聞報道之后，在主題內容和時間上會激起哪些輿情評論以及如何發展，輿情評論主題的偏離現象與共振衍生狀態怎樣，是深化社會輿情傳播研究中值得探索的。

通過前期的調研，發現相關研究主要集中在輿情關聯、輿情信息擴散及其研究方法兩個方面。在輿情關聯及其研究方法方面，王國華等[5]認為輿情關聯是指網絡熱點事件輿情通過主體、主題、情緒等要素發生聯系生成輿情簇或者輿情集，從而影響輿情演化的現象。王國華等[6]發現網絡熱點事件輿情關聯是由信息的眼球經濟效應媒體的協同過濾和議程設置以及網民的群體記憶等多種因素而促成。馬曉姝[7]提出一種基于LDA模型的聚類算法來發現新聞話題，以此來達到將相同新聞聚類并將聚類結果表示出來的目的。陳京民等[8]針對網絡輿情關聯規則挖掘的特點，設計了一種快速有效的基于XQuery的網絡輿情關聯規則挖掘系統。林萍等[9]根據網絡輿情事件時間性強、話題與時間關聯度單一的特征，提出了基于LDA模型抽取話題，分別使用后離散時間型話題模型與先離散時間型話題模型來研究話題熱度變化和話題內容遷移，以此來體現話題演化路徑。唐曉波等[10]根據微博的數據特點和信息論中信息量的觀點，提出了微博熱度的概念并將其引入到LDA模型的熱點挖掘研究中，構建了基于微博熱度的LDA模型；在輿情信息擴散及其研究方法方面，Yu等[11]基于輿情信息擴散過程中的用戶交互過程，考慮到用戶的交互歷史與相互作用的類型和頻率，提出了一種有向樹模型，該模型可以描述信息的擴散，更精確地表達輿情傳播的影響，在數據集中識別垃圾郵件更有效。石晶等[12]證實了LDA模型能夠進行準確有效的文本分割來提取關鍵詞。而將新聞主題按照時間順序提取出來，會發現一個事件可能演化發展成幾個相關但獨立的主題。普林斯頓大學Blei[13]等提出的語料庫生成概率模型廣泛應用于新聞主題識別和追蹤，以此來發現主題擴散與演化的規律。

綜上所述，輿情關聯與輿情信息擴散已經得到學者的關注，在模型構建與方法上產生了不少很有價值的研究成果。為了深化與擴展相關研究，針對社會發展需求和所提出的問題，本文擬以新聞媒體報道來表達社會現實事件、以公眾評論來表達輿情事件為研究的前提，以騰訊新聞平臺為主、知乎平臺為輔，以“山東辱母殺人事件”這一事件為研究案例，采集該事件數據，利用LDA模型對新聞內容和評論內容的主題進行提取，進而從評論數量、發展階段與不同媒體3個角度對主題建立關聯并加以分析。

1 研究設計與數據處理

1.1 研究的理論基礎與方法

1.1.1 拉斯韋爾（5W）模型

在傳播學的諸多模式中，拉斯韋爾的5W模型是最基本和最為人們所熟知的模型。它主要通過5個要素，即：“誰（who）”、“說了什么（say what）”、“通過什么渠道（in which channel）”、“對誰說的（to whom）”、“產生了什么效果（with what effect）”，用以描述一個傳播行為，具體如圖1所示。

1.1.2 LDA模型

LDA（Latent Dirichlet Allocation）是一種文檔主題生成模型，也稱為一個三層貝葉斯概率模型，包含詞、主題和文檔三層結構。

LDA模型認為每篇文章是由多個主題組合而成的，而每個主題又是由多個詞語概率所表示的。它可以將文檔集中每篇文檔的主題以概率分布的形式給出，從而通過分析一些文檔并抽取出它們的主題出來后，便可以根據主題進行主題聚類或文本分類。同時，它是一種典型的詞袋模型，即一篇文檔是由一組詞構成，詞與詞之間沒有先后順序的關系。LDA能夠根據給定的一篇文檔，推測其主題分布。因此在LDA模型中，要生成一篇文檔，該文檔中每個詞語出現的概率為：

用在本研究中，其主要思想是將每條評論看作所有主題的一個混合概率分布，而將其中的每個主題看作在單詞上的一個概率分布。

根據所提出的研究問題，借鑒已有的研究成果，本文將拉斯韋爾模式和LDA模型結合，針對傳播要素及其之間關聯關系進行分析與深度挖掘，突出不同輿論會話在要素層面上的語義關聯和深度聚合研究，以揭示社會輿情信息的主題、傳播特點和演變規律，為輿情信息分析和決策支持提供重要支撐。

1.2 研究框架

在研究設計中，根據前述的研究前提，在新聞媒體的選擇上，以騰訊新聞為主要研究平臺，并輔以社交媒體知乎平臺為輔助；在案例事件的選擇上，以“山東辱母殺人事件”新聞報道與輿情評論為實證對象。并擬定輿情事件指的是由新聞報道（或知乎提問）中有關社會現實所產生的評論（或知乎回答），而社會現實指的是新聞媒體所報道（知乎提問）的基于事件本身的描述。所設計的分析流程如下：首先，分別從騰訊新聞與知乎上獲取新聞、評論和提問的數據，進行話題識別；然后，對這些話題進行LDA建模和主題抽取，以此來確定顯性主題；最后，從評論數量、發展階段與不同媒體不同角度，對這些顯性主題進行輿情評論與新聞報道之間的關聯，輔以社交媒體與新聞媒體的對比，以分析輿情事件與社會現實之間的差異，并發現得到某一輿情事件的隱性主題。具體研究框架如圖2所示：

1.3 數據采集與處理

2017年3月的“山東辱母殺人事件”引發了網民的熱烈討論，關心的面較寬、關聯的話題較多。因此，本文在騰訊新聞與知乎的搜索欄輸入“辱母殺人”檢索相關新聞（提問）與評論（回答），根據事件的進展，首先，利用Python爬蟲爬取2017年3月24日至2017年3月30日的騰訊新聞與知乎平臺上有關此事件的數據，數據包括：騰訊新聞內容和評論以及知乎上有關此話題的提問和回答，得到24篇新聞報道和93 190條相應評論以及知乎平臺上51條提問和相應的回答。然后，將所爬取的這7天相關新聞與評論數據進行分詞和去停用詞處理，最后，將處理結果保存到TXT文檔中并分別存放在以相應日期命名的文件夾中。

2 基于LDA建模的話題識別

在對所采集數據進行處理之后，為發現以輿情評論（知乎回答）所代表的輿情事件與以新聞報道（知乎提問）所代表的社會現實之間關聯的隱性主題，首先采用Python中的WordCloud包制作關鍵詞云圖來初步識別話題并對其分階段處理與表示，而后基于LDA建模，從整體或分段兩個層面對輿情評論（知乎回答）和新聞報道（知乎提問）進行主題提取。本課題的研究對象是新聞媒體所報道的新聞與它所對應的評論信息、知乎提問和它所對應的回答信息，在對兩者數據進行數據預處理后，分別進行主題識別和基于LDA建模進行主題聚類，提取最能體現兩者內容的主題，以探究輿情事件與社會現實之間主題的共振和偏離。本文設定顯示詞的最大個數為100。

2.1 輿情評論的話題識別

在對數據進行采集與處理后，對體現輿情的評論數據進行詞頻統計并制作云圖，結果如圖3所示（其中，由于2017年3月29日的暫無評論數據，因此未將該天評論數據爬取下來）。由圖3可以看出，在前3天，評論的熱點話題重點在于警察、法官。2017年3月27日至28日評論熱點話題與“高利貸”、“銀行”有關。2017年3月30日評論話題圍繞侮辱行為、法律、是否應判無罪釋放而展開。

2.2 新聞報道的話題識別

在數據采集與處理后，對體現社會現實的新聞報道數據進行詞頻統計并制作云圖，結果如圖4所示。由圖4可以看出，前3天的熱點關鍵詞涉及涉案人員、案件性質與類型以及對于警察與法律的探討。2017年3月27日至28日2天的新聞關鍵詞體現了案件背景，對此案件背后所暗含的企業銀行貸款以及高利貸進行了討論。2017年3月29日新聞關鍵詞為“檢查、介入、案件”，報道最高檢察院表示已介入此案件。2017年3月30日，新聞關鍵詞為“于歡、于秀榮”，主要由于山東通知案件雙方家人閱卷，又一次回顧案件。

從圖3和圖4的熱點話題可以看出，“辱母殺人事件”的話題可被劃分為3個階段，第一階段為2017年3月24日至26日，第二階段為2017年3月27日至28日，第三階段為2017年3月29日至30日。從評論與新聞關鍵詞云圖所反映的話題中，可以看出，輿情評論所反映的話題更加針對事件背后的問題和原因，而新聞報道所反映的話題主要針對事件本身，描述社會現實。

3 輿情評論與新聞報道之間的主題關聯分析

新聞傳播與輿情發展的時間敏感性很強，為了在后續主題研究中能夠深入進行分析，首先考察新聞報道與評論數量隨著時間的分布及其變化趨勢。

3.1 評論與報道數量隨著時間的變化趨勢

3.1.1 騰訊新聞的相關評論數量分布與變化趨勢

通過Python爬取騰訊新聞相關評論數據，統計并繪制騰訊新聞的評論數隨時間的變化，如圖5所示。由此可知，在2017年3月24日，在騰訊新聞上該事件已得到2萬多人的關注與評論，可以看出人們對于該事件爆發初期的反應還是很大的，而民眾的關注度在2017年3月26日達到頂峰，而后開始減弱，2017年3月30日由于山東省高級法院做出回應而評論量有些許回升。由圖5趨勢線可知，評論數量總體在前3天逐漸增長，在2017年3月26日之后下降。

3.1.2 騰訊新聞所報道的新聞數量分布與變化趨勢

統計所爬取的2017年3月24日到30日期間每日所發新聞的數量，繪制新聞報道數隨時間的變化，如圖6所示。可以看到，新聞報道數量從2017年3月24日逐漸攀升，到26日報道數量達到頂峰，后面幾天的報道數量逐漸減少，30日時新聞數量有小的增長。由圖6趨勢線可知，新聞數量先增后降，2017年于3月26日左右達到頂峰。

從圖5、圖6的趨勢線可以看出，評論與新聞報道數量隨時間變化的趨勢大體吻合，新聞媒體與公眾的關注基本是從2017年3月24日開始，關注度漸漸提升，至2017年3月26日達到頂峰后逐漸減緩。需要注意的是2017年3月24日雖然只是轉載南方周末的一篇文章，但引起了大量的討論。從此可看出輿情事件可能先由一篇報道發起，引發輿論關注后，關注度逐漸上升，直到達到一個頂峰，最后衰退。

3.2 新聞媒體的評語與報道的主題關聯分析

本文采用LDA主題模型抽取主題詞。在抽取主題前需進行主題數的確定，由于目前對于主題數的確定一直沒有一個有效的方法。研究中主要采取反復實驗的方法，觀察實驗效果以確定一個合適的LDA模型主題數閾值。首先設定主題數為5進行實驗，之后主題數以5為單位疊加并進行實驗，在經過4次實驗后，發現當主題數設置為5時，不能完全展示主題，而當主題數設置為10以上時，提取出的某些主題缺少意義。因此，選擇將抽取的主題數設置為10，并根據研究設計進行后續的研究。

3.2.1 基于整個時間段的主題關聯分析

分別抽取騰訊新聞2017年3月24日至30日期間整體的新聞報道和相應評論的主題，并對兩者進行對比分析。抽取的主題結果如表1所示。

從表1中所列的結果得知：圍繞著高利貸、法律與警察，新聞報道引發了針對不同主題的評論，因而產生了不同的關聯。如主題1關于高利貸，新聞報道所述的社會現實是高利貸引發暴力，而評論所反映的輿情事件是對高利貸是否違法做出的爭論，以及呼吁國家管制懲治高利貸；主題2關于判決和主題5關于定罪，所述的是于歡對于一審無期徒刑判決進行上訴，而網民認為警察和法院不應作為黑色勢力的保護傘，并支持于歡無罪；主題3和主題7關于法律，所述的是司法部門對于歡是否屬于正當防衛進行判決及以故意傷害罪判處無期，而網民關注中國的法律能否保護人民權益以及辯論法律究竟是什么和它的意義何在，希望并相信法律公正；主題4關于借放貸和主題8關于侮辱，新聞報道主題是關于蘇銀霞和吳學占、趙榮榮當事人和催債者“罵人”，公眾評論認為媒體把焦點過多放在借貸上是為轉移民眾對案件中警察瀆職的關注，認為“罵人”甚至性侮辱所激發的于歡殺人行為應屬于正當防衛。主題6關于警察職責，新聞報道的是警察與法院對“辱母殺人案”有責任，而輿情事件中人們更關注在于歡一家被逼債而報警的情況下，警察未采取解決措施從而一定程度上沒有避免殺人案的發生，希望法律追究警察瀆職的責任；主題9和主題10關于行業現狀和借貸，所反映的社會現實是鋼貿行業的借貸融資現狀，蘇銀霞的源大工貿借款總數近千萬，而輿情事件所關注的主題是在該行業發展不佳難以取得銀行貸款的情況下，企業因此轉向借高利貸，當地警察可能涉黑并包庇高利貸勢力。同時，認為借款者兒子因為催債者侮辱母親受到刺激而導致殺人。

通過上述主題關聯分析，可以看出針對新聞報道所反映的社會現實，經過輿情評論后使輿情事件產生出更多探討社會現實背后原因的主題，這些主題就是輿情衍生出的關聯隱性主題，即與社會現實共振又有一定程度偏離，在效果上往往能夠引發共鳴并得到廣泛傳播且影響更多人。

3.2.2 基于不同階段的主題對比分析

由上述對話題的初步識別，將“山東辱母殺人事件”的話題發展按時間劃分為3個階段，第一階段為2017年3月24日至26日，第二階段為2017年3月27日至28日，第三階段為2017年3月29日至30日。下面分別對這3個階段的騰訊新聞報道和評論主題進行對比分析。

1）第一階段

表2為第一階段騰訊新聞的評論和報道的主題抽取情況，從中可以得出，新聞報道所反映的社會現實主題主要是陳述案件的起因經過、涉案人員、案件性質以及法律對于該案件的判決。而評論所反映的輿情事件主題主要是有關法律的公正性、法律對于案件的裁決、國家對于高利貸的管控、在辱母殺人案發生之前警察接到報警而未出警的失職行為、于歡因不堪其母被辱而刺死一人的行為的刑事屬性以及對于所牽涉警方和法官公正執法的質疑。

2）第二階段

表3是第二階段騰訊新聞的評論和新聞的主題抽取情況，從中可以得出，所述的社會現實主要有關蘇銀霞所有公司源大工貿的借貸情況、負債情況、經營業務以及由源大工貿所反射的近幾年鋼貿行業的困境。而針對這些社會現實的主題，評論中輿情事件的主題演變為國家應扶持民營企業、推動經濟發展、媒體記者轉移輿論話題、暴力催債的道德問題、警察的不作為甚至涉黑問題，黑社會高利貸所引發的社會問題。

3）第三階段

表4是第三階段騰訊新聞的評論和新聞的主題抽取情況，從中可以得出，新聞報道所反映的社會現實主題主要圍繞法院對此案件的受理、審查、裁決、回應展開，還涉及被刺死的催債者杜志浩家人的采訪陳述。而評論所反映的輿情事件主題主要關于希望加大法律對高利貸的制約，希望法律公正判決此案件，認為于歡是正當防衛并支持其無罪釋放、警方應為此殺人案承擔責任、對于于歡為保護母親而殺人的理解和對高利貸及死者杜志浩的譴責。

從上述3個階段輿情評論和新聞報道的主題對比中可發現，第一階段的新聞報道主要針對案件本身進行描述，其評論主題主要討論案件中所涉及政府司法部門以及政府對于高利貸的管理，這些主題構成比較簡單，相關主題延伸不夠深入；第二階段，新聞報道主要針對高利貸和案件的債權背景，期間的評論主題延伸到了新聞媒體轉移輿論關注、道德問題、警察涉黑問題、國家經濟發展問題以及黑社會高利貸的不良社會影響；第三階段，新聞報道主要針對法院對于“辱母殺人案”進展的通報。這一階段的輿論主題因此更為關注案件中的法律問題，比如放高利貸的合法性、法律公正性問題，呼吁法院裁決于歡無罪釋放、警察瀆職所需承擔的法律責任。綜上所述，三個階段的輿情事件衍生的主題既有全新的，如媒體轉移輿論話題，也有將前階段主題再次聯系和加深的。但總體來看，輿情事件主題大多是圍繞社會現實進行延伸的，其中核心主題是對高利貸問題、警察執法、法院判決、政府管理以及侮辱行為的深入探討。

3.3 新聞媒體與社交媒體的主題關聯分析

為了從不同媒體角度進行分析，本文選擇社交媒體知乎作以輔助。采用上述的數據處理與主題抽取方法，首先分析知乎平臺上輿情事件和社會現實之間的主題關聯，然后，對比分析新聞媒體和社交媒體之間的主題，并比較不同平臺所衍生的主題。通過數據采集處理與LDA主題抽取后，得到如表5所示的知乎提問與回答的10個主題。

從表5中所列的結果得知：主題1反映的社會現實是“山東辱母事件”的起因，蘇銀霞的企業為了企業周轉向吳占學借高利貸，但有群眾舉報吳占學其實是招攬黑社會從事高利貸和收款事物，而回答所反映的輿情事件是高利貸是否與黑社會有關；主題2反映的社會現實是法官對于歡的判決，回答反映的輿情事件是社會民眾對中國法律的不信任和對英美法的比較；主題3的社會現實是濟南公安發布一篇“大巴與驢”嘲諷意味的微博，反映的輿情事件是網民針對梁山革命、南宋王公袞辱母殺人案件等歷史事件的討論；主題4是于歡作為兒子看到母親被侮辱想要為母親復仇這一社會現實，其輿情事件表現在網友聯想到“春秋決獄”，“徐元慶為父報仇”等一系列事件；主題5是從社會道德方面引發于歡的行為是否是正當防衛的思考，這也從側面表達出網民對于法官的判決存在異議，也說明了社會民眾現在并不是盲目的觀看事件報告，而是對事件擁有了參與權并在積極行使這一權利；主題6反映的是新聞報道了一系列法律與倫理的新聞，引發了網民的新一輪的關注熱潮，也讓司法部門全力調查該案件；主題7是由于法官的判決引發了人民對政府的討論，使得民眾以后對該類問題高度敏感，思考政府是否還是官僚主義，造成民眾政治冷漠；主題8是因為該案件引發的社會反應較大，一些網民就在知乎上提問或者回答別人的提問，也有網民想到如何將該案件變成高考素材、司考素材等其他；主題9是法律在該案件中的作用：讓人思考平民遇到黑社會催債法律是否會一直這樣判，中國法律是否能真正做到保護公民的利益；主題10是從法律保護階段讓人不得不思考法律是否會真正保護臨時工、驢民等這些基層人民，這有可能已造成政府公信力下降，使得政府與民眾的互動變得更加困難。

綜上所述，在知乎平臺上，網民在關注社會現實的情況下，也會加入自己的思考，由此衍生出一系列的隱性主題。在獲得“高利貸”、“正當防衛”、“警察”、“法律”等顯性主題后，經過輿情事件與社會現實之間主題關聯分析，還獲得“英美法”、“臨時工”、“高考素材”等輿情事件的隱性主題。然后，通過將這些輿情事件的主題與上述對騰訊新聞媒體分析所得到的結論進行比較，得到表6所示的結果。

通過對比知乎與騰訊這兩個平臺的輿情事件主題，發現不管是知乎還是騰訊，評論者都對新聞報道所反映的社會現實問題關注度較高，尤其是國家法律方面和警察不作為問題等這些和社會民眾現實生活密切相關的主題。同時，評論者也在思考該事件對自己生活的影響程度，是否有借鑒意義。但是，騰訊用戶更多的是關注道德問題、媒體是否故意引導并轉移輿論關注、社會不良風氣和勢力等，其衍生的主題偏離度不高。而知乎上的評論者由該事件法院的判決聯想到國外法律是怎樣保護被害人的權益，由該“辱母殺人案”聯想到“古代辱母（父）殺人案”，小部分網民還聯想到“高考素材”、“司考”等。

綜上所述，即使平臺不同，針對某一類現實事件其社會現實主題大都類似，大都是對該事件的描述。在“山東聊城辱母事件”事件中，評論者普遍關心的還是該案件會如何判決，法律與道德之間到底怎樣才能協調好，但由于平臺類型的區別，騰訊更多的是新聞發布及其評論，知乎更多的是評論者共同討論，所以導致在知乎這一平臺上所衍生的輿情事件的主題更多，這對輿情事件和社會現實主題關聯問題的深入研討，準確把握輿情時間的發展變化規律有著更大地幫助。同時，有助于了解評論者的認知水平和對事物的判斷能力，分析與判斷因評論者影響的輿情事件的走向。

4 結 語

通過研究，本文得到如下的結論與思考：

1）從新聞報道數與輿情評論數隨著時間變化來看，騰訊新聞通過對某一社會現實的報道，引發評論者關注以此形成輿情事件，隨著報道該社會現實事件的關注度逐漸上升，評論數量也在逐漸上升，達到輿情事件的高潮階段后隨著時間的推移逐漸回歸平淡。由此可見，新聞報道數量與輿情評論數量之間存在著一個正向線性關系。

2）從騰訊新聞的新聞報道和評論主題的關聯來看，新聞媒體報道的社會現實經過時間的發酵，輿情事件的主題在一定程度上偏離了社會現實的主題，而衍生出一些隱性主題。

3）通過對比分析騰訊新聞不同階段新聞報道和評論的主題，得出同一事件在不同的時間段內其主題是不斷地變化的，即社會的關注點隨著時間的推移也在不斷地變化。

4）通過對比分析新聞媒體（騰訊新聞）和社交媒體（知乎）所反映的輿情事件與社會現實的主題，發現不同平臺針對某一社會現實其評論者關注點大部分是類似的。但不同于新聞媒體的是，由于社交網站的交互性更強，其衍生的輿情事件主題往往更多。

綜上所述，本文的研究對于深化輿情內容分析、把握輿情事件發展的特點與規律，對于政府決策和管理，將提供一定的理論參考與依據。在后續的研究中，還需要具體研究主題之間的關聯程度并挖掘潛在的語義關聯。

參考文獻

[1]徐曉日.網絡輿情事件的應急處理研究[J].華北電力大學學報，2007，（1）：89-93.

[2]高憲春.新媒體環境下輿情事件互動機制分析[J].當代傳播，2011，（6）：50-53.

[3]蓋伊·塔奇曼.做新聞[M].北京：華夏出版社，2008.

[4]陳必坤，王曰芬，廖海涵.大數據時代社會輿情分析與決策支持研究的現狀及其發展趨勢[J].情報科學，2016，（10）：8-14.

[5]王國華，曾潤喜，方付建.解碼網絡輿情[M].武漢：華中科技大學出版社，2011.

[6]王國華，鄧海峰，王雅蕾，等.網絡熱點事件中的輿情關聯問題研究[J].情報雜志，2012，31（7）：1-5.

[7]馬曉姝.基于LDA 模型的新聞話題發現研究[D].長春：東北師范大學，2014.

[8]陳京民，張振.一種基于XQuery的網絡輿情關聯規則挖掘系統[J].中國制造業信息化，2009，38（9）：68 -70.

[9]林萍，黃衛東.基于 LDA 模型的網絡輿情事件話題演化分析[J].情報雜志，2013，32（12）：26-30.

[10]唐曉波，向坤.基于LDA模型和微博熱度的熱點挖掘[J].圖書情報工作，2014，58（5）：58-63.

[11]Yu M，Yang W，Wang W，et al.Information Diffusion and Influence Measurement Based on Interaction in Microblogging[M]Social Media Processing.Heidelberg，berlin：Springer Berlin Heidelberg，2014：129-140.

[12]石晶，范 猛，李萬龍.基于LDA模型的主題分析[J].自動化報，2009，35（12）：1586-1592.

[13]Blei D M，Ng A Y，Jordan M I.Latent Dirichletal Allocation[J].Journal of Machine Learning Research，2003，（3）：993-1022.

（責任編輯：馬 卓）