突發醫暴事件輿論情感能量域空間模型構建

洪小娟　張聰　黃衛東　魏靜

〔摘 要〕[目的/意義]醫暴輿論空間積聚的情感能量推動觀點衍化并深刻影響事件發展趨勢，識別不同維度的情感認知且關注能量特征可有效循跡醫患沖突的情感焦點。[方法/過程]以情感維度為能量源、情感能量特征為能量波構建醫暴輿論情感能量域空間模型，能量源基于關鍵詞云劃分為自我認知、民生民意、社會發展三大維度，能量波以各認知維度的情感傾向、情感強度與擴散速度綜合刻畫能量趨勢，最終依據能量域模型立體剖析突發醫暴事件輿論空間。[結果/結論]結果顯示，能量域空間模型能夠真實反映醫暴輿論情感演化趨勢；各能量源均持續積聚負向情感能量；民生民意為醫暴輿論的情感焦點。

〔關鍵詞〕能量域；情感空間；醫暴輿論；醫患關系

DOI：10.3969/j.issn.1008-0821.2018.08.004

〔中圖分類號〕C912.6；G203 〔文獻標識碼〕A 〔文章編號〕1008-0821（2018）08-0027-08

〔Abstract〕[Purpose/Significance]Emotional energy of medical violence public opinion space pushes point forward and deeply impacts development trend of events.It is identifying different emotional cognition dimensions and focusing on energy characteristics that can be effective to track emotional focus of doctor-patient conflict.[Methods/Process]Using emotional dimension as energy source and using emotional energy characteristics as energy wave to build emotional energy domain spatial model of medical violence public opinion.Power source was divided into the three dimensions of self-awareness，public opinion of the peoples livelihood and social development on basis of keywords cloud.Energy wave based on emotional tendency，emotional intensity and diffusion velocity of their respective cognitive dimensions to synthetically reflected energy trend.Eventually，analysis of emotional space of sudden medical violence events based on energy domain model.[Result/Conclusion]The results showed that emotional energy domain space model could reflect the trend of emotional evolution of medical violence public opinion.Each energy source accumulated negative emotional energy continuously.Public opinion of peoples livelihood was the emotional focus of medical violence events.

〔Key words〕energy domain；emotional space；medical violence public opinion；doctor-patient relationship

隨著醫療行業籌資模式及其遞迭模式的變遷，民眾對于醫療衛生行業的不滿和批評日益增多，醫患關系有顯著惡化傾向[1]。據相關專業調查顯示，每所醫院平均每年發生的暴力傷醫事件高達27件[2]。頻發的醫暴行為嚴重威脅醫護群體的生命安全，更由此在網絡平臺上引發大規模的群體性情感訴求，使醫患沖突以更加復雜的輿論形式呈現。隨著時間的推移，醫暴輿論空間不斷積聚情感能量，潛在地推動著輿論觀點的衍化。如果經久累積的情感被持續的暴露于極端的立場之中，這種負向能量得不到及時的引導與釋放，很容易衍生出更加極端的非理性情感與行為。長遠來看，不僅會加劇醫患沖突的升級，更會阻礙醫療行業的健康發展，甚至會影響社會的和諧穩定。

愈演愈烈的暴力傷醫事件已引起學界廣泛關注，主要聚焦醫院、患者、政府等牽涉主體視角探討醫患關系緊張的原因及影響因素[2-4]，這種聚焦單一層面、碎片化的定性分析使已有研究缺乏系統性，結論也僅表象聚集于政策與制度層面[5]。我國正處于社會轉型期，醫暴事件誘因復雜，絕非僅通過剛性政策與法律治理就可以徹底解決。事實上，醫療機構的非理性發展和制度層面的乏善可陳只是事件的表面癥候[6]，輿論背后的情感表達往往是醫患關系的癥結所在，由此，從情感訴求[2]角度追溯輿論焦點或可提供緩解醫患沖突治理的新思路。

值得注意的是，微博等新媒體平臺為輿論提供自由表達陣地的同時，更為輿論情感積聚提供了能量存儲空間，情感認知與情感能量在該空間共振而推動輿論衍化。有研究開始關注情感能量并對不同事件能量演化規律做出了對比[7]，但僅限于表象的能量特征層面，不足以立體地反映輿論空間。追根溯源，情感認知才是情感能量的來源，在多維情感認知的引領下，輿論層級由單能量平面維度向空間延伸，呈現多個相互平行的、具有不同特征的能量層次。為此，本文提出“能量域”概念，力圖全方位探求輿論情感演變及非理性醫患沖突背后的邏輯問題。以微博平臺中的突發醫暴事件為例，基于情感視角闡釋空間能量規律，通過構建情感能量域模型，循跡我國醫患沖突暴力化傾向的情感焦點，以此形成系統性認知。這對醫療機構、政府和媒體及時應對突發情況、制定科學的應對策略具有積極意義。

1 理論基礎

信息學科中信號空間是最基本的研究對象之一，信號的時域與頻域特征是對信號不同角度的描述[8]，得以從空間形式清楚解析信號波。情感能量空間與信號空間極具相似性，情感維度與情感能量同樣是對輿論空間不同角度的刻畫。借鑒信號空間域相關基礎，構建情感能量域概念模型如圖1所示。

圖1左側為輿論情感能量波截面，它是對輿論信息中情感能量的有效度量。語料信息中的情感主要通過情感傾向與情感強度指標衡量[9]，而復雜的情感交互又會引發輿論加速傳播，表現為評論中的回復激增，短時間內匯聚高強度情感能量。這種自發的擴散行為反過來又助推情緒交叉傳染，在突發事件的整個生命周期，情感傾向、情感強度與擴散速度實現的持續累積的波形能量，即為情感能量波。該截面以時間、幅度為坐標軸動態地表示情感能量波動總趨勢，是空間中延伸的多條相對獨立、不同頻率特征的分量波的集成形式，對輿論情感能量進行直觀表示。而能量波的形式刻畫則主要依賴情感分析，情感分析是建立在自然語言處理技術與機器學習技術日益成熟的基礎之上，使得判別網絡平臺中用戶言論中傳達的情感極性、情感傾向與情感表達強度成為可能。其中基于語義詞典的情感計算方法能夠結合自定義語義規則靈活地進行情感判別，得到廣泛應用。該方法的核心任務是構建情感詞典，現階段豐富的情感詞典資源提高了文本情感分析效率[10-11]，為情感量化工作奠定基礎。

圖1右側為情感能量源截面，它是與每條能量波分量具有明確對應關系的情感維度，對輿論認知歸類。輿論信息表現為縱橫交錯的空間網狀結構，情感認知寓于這種復雜的結構中，呈現出更加多變的特征。社會學領域的情感維度理論，將情感空間劃分為不同的情感級別、情感焦點、情感反應、情感指向等多層維度[12]，使其中雜亂的情感信息按層級歸類。這種情感認知更是描述情感能量特征的能量來源，彌補了能量波在識別輿論觀點層面的局限。它以空間視角，更加立體地支撐模型分析醫暴事件的情感焦點，因而將情感維度作為模型空間中的能量源。最終輿論信息在構建的情感維度中得以有效的歸類，實現輿論觀點的挖掘。

能量域空間通過能量源與能量波兩大截面直觀地展現要素關聯。能量波與能量源相互交織過程中激發能量強大的情感空間，“能量域”概念的提出正是對該情感能量空間的定義。一方面由該空間劃分的能量源對輿論觀點進行最終的情感指向歸類；另一方面由能量波刻畫各情感能量源的能量趨勢特征。

基于上述理論，本文依據情感維度理論刻畫能量域中的能量源，基于語義情感詞典法進行算法設計，利用Python工具量化能量值來刻畫能量波。最終基于能量波與能量源構建情感能量域空間模型，以突發醫暴事件為例，在能量域中分析醫暴事件情感能量趨勢特征與醫患沖突的情感焦點。

2 情感能量域模型構建及算法設計

2.1 情感能量源劃分及算法實現

在能量域概念模型中，情感能量源指的是與能量波對應的情感認知維度。它基于離散情感模型與基本情緒論[13]，表示多維度要素構成的具有邏輯性的情感空間，在情感空間中能夠有效地刻畫多維情緒的差異性，逐層分類情感并發現演變規律。情感維度主要功能之一是識別指向社會層面、情緒發展波動、易形成具有代表性觀點的情感類型，這也是極易產生意見領袖的情感類型，不僅影響醫暴事件演變趨勢的發展，更會帶來負面社會影響。依據輿論能量環境刺激的強度與范圍，能夠發現輿論空間中各情感能量源的分布、轉換、擴散情況，從而把握醫暴事件情感焦點，對危機轉化級別較高的情感進行及時的網絡輿情預警與監測。

此外，情感能量源的劃分可依靠關鍵詞云得到，依據語義展現的高頻詞與高頻詞之間的關系將語料分層，對語料中出現頻率較高的關鍵詞予以視覺上的突出，最終通過關鍵詞抽取實現對輿論認知維度的合理劃分。而關鍵詞抽取基于圖模型的TextRank算法[14]，其核心是衡量圖中每一個點的全局權重。設G（V，E）是點集為V，邊集為E，且E是子集V*V的有向圖，如果對于某個確定的點Vi，指向其的所有點的集合為In（Vi），而有其指向的所有點的集合為Out（Vi），d為調節系數，取值范圍為[0，1]，那么點的權值可以通過下式計算：

最終，根據權值對關鍵詞進行降序，從而生成關鍵詞云圖，并依據詞云特征劃分輿論空間情感能量源。

2.2 情感能量波計算方法

情感能量耦合了情感傾向、情感強度與傳播擴散速度，這種具有方向、大小及速度并以趨勢線刻畫輿論能量演變趨勢的形式，即為模型中的情感能量波。其分量取決于反映不同情感維度能量特征的能量源，并以各時間區間內的能量值為序表示能量波。其中，能量值計算涉及以情感傾向、情感強度表示的情感值以及以轉發數、評論數、點贊數等指標為核心反映的擴散值。具體計算流程如下：

2.2.1 情感值計算

首先將所有相關評論語料進行文本處理，使每條評論按行存儲。基于結巴分詞庫完成分詞，并在此過程中采用停用詞典篩除無關詞以提高情感詞識別的準確率。分詞結束后，利用構建好的情感詞典進行情感詞識別，逐行讀取評論文本且依次記錄情感詞、否定詞、程度副詞位置，并作相應分值計算。結果以積極分值、消極分值、積極均值、消極均值的順序依次評價每條文本。并且以積極與消極均值作為每條文本的最終衡量標準，即AvgPos與AvgNeg值，以累積的雙向均值作為相應時間段內的最終情感值。每小時內情感值如公式（2）、（3）：

其中，SentiScore（pos）與SentiScore（neg）分別表示每小時時間間隔內的總積極情感值與總消極情感值。

2.2.2 擴散值計算

微博話題的擴散度常用給定事件內的轉發數、評論數和點贊數等指標綜合表示。轉發行為表現了用戶強烈關注并愿意在自己的微博空間擴散[1]，評論行為表現的是用戶對事件有強烈的表達欲望，是傳達立場與情緒的直接載體，而點贊行為則展現了用戶對觀點立場的贊同，加速情緒的擴散與代表觀點的傳播。定義傳播值為λ，t表示轉發數，p表示評論數，z表示點贊數，λ的計算公式為：