基于輿情大數據的突發事件負面情感引導“時度效”研究*

夏一雪 王 娟 何 巍 張立紅 蘭月新

（1.中國人民警察大學 河北廊坊 065000）

突發事件引發的情感反應和變化， 作為一種特殊的社會心理現象，近年來逐漸引起學術界關注。已有研究主要圍繞兩方面主題展開， 一是突發事件情感識別與分析，并提出引導策略或風險預警機制，如通過OCC 情感規則、長短時記憶神經網絡等方法研究突發事件情感識別問題， 通過情感詞典、 情感圖譜、 系統動力學等方法進行突發事件情感演化態勢分析、情感傾向性分析，通過傳染病模型、社會網絡分析、Multi-agent System 等方法研究突發事件情感的感染機制、傳播機制、影響機制等；二是情感與突發事件應急管理的相互作用， 如研究突發事件傳播過程中的情感動員機制特別是社交媒體的作用、情緒對突發事件應急決策的影響； 情緒與突發事件的共振及對突發事件演化的影響等。 通過分析相關研究可以發現，負面情感成為新的研究關注點，體現出學術界對突發事件情感的研究， 由一般性的情感識別與分析， 轉向更緊密結合突發事件情感的負面特征，并進行專門深入的研究。已取得的研究成果如通過“信念-愿望-意圖”模型、理性思維自適應控制系統理論模型等研究網民負面情感的影響因素和演變規律，服務于政府調節網民負面情感。 綜合已有研究，由于突發事件情感具有突出的負面特征，因此負面情感研究將是這一領域深入研究的方向。同時，由于突發事件應急管理的時效性強、關注度高，因此面向突發事件進行的情感研究需要重點關注情感引導的及時性、針對性，探索提升負面情感引導“時度效”的理論路徑。

1 基于輿情大數據的突發事件負面情感引導問題

在輿情大數據環境下， 突發事件負面情感信息的產生速度、傳播速度、影響范圍、極化程度、線上線下關聯程度都顯著增加，這為情感引導帶來了挑戰，但另一方面， 基于輿情大數據的情感態勢分析和預測，又為突發事件負面情感引導提供了數據支持。

1.1 突發事件負面情感引導模式

當前，網絡輿情作為應急管理的“第二現場”，線上輿情引導與線下應急救援正成為突發事件應急管理中一體兩面、相互影響的兩個方面。由于突發事件通常對民眾造成強烈的情感沖擊乃至心理創傷，而且負面情感的輿情信息產生快速、 蔓延迅速并容易極化而引發線下群體事件， 因此突發事件的輿情引導，以情感疏導為核心，而突發事件情感具有突出的負面特征， 如何疏導負面情感便成為突發事件輿情引導的關鍵。

突發事件輿情引導可以分為兩種模式（見圖1）：第一種是以政府需求為導向的引導模式， 突發事件發生后，政府對輿情引導的時間、內容、范圍、途徑等實行統一標準管理，強調程序化、規范化、制度化，這類引導模式稱為統一引導模式； 第二種是以網民需求為導向的引導模式，突發事件發生后，政府根據輿情大數據開展綜合研判，全方位挖掘網民需求，并面向不同網民群體制定有針對性的引導策略， 實現引導強度、深度、廣度等與網民需求的高度契合，這類引導模式稱為精準引導模式。

圖1 兩種引導模式示意圖

然而，一方面是網民需求具有差異性、多樣性，并且我國網民群體具有明顯的“三低”特征，根據中國互聯網信息中心第43 次《中國互聯網絡發展狀況統計報告》， 我國網民中高中及以下學歷所占比例為77.5%（低學歷），29 歲以下網民所占比例為58.2%（低年齡），無業、下崗、失業、自由職業者、學生所占比例為54.8%（低收入）， 這些客觀因素使得網民情感的易變性、不穩定性增強，以政府需求為導向的統一引導模式，較難達到良好的引導效果，容易引發驚慌、憤怒、悲傷等負面情感甚至導致情感的群體極化；另一方面由于突發事件及其負面情感影響的緊急性、危害性、嚴重性、不確定性，要求負面情感引導必須重視“時度效”，滿足需求差異性，具有動態調整性。 由此，突發事件負面情感引導應實現由被動引導向主動引導、 單次引導向持續引導、統一引導向分類精準引導、 傳統媒體引導向全媒體引導的轉變，利用輿情大數據解決負面情感引導的“時度效”問題。

1.2 突發事件負面情感引導的“時度效”

近年來，“時度效” 成為輿情引導的著力點和衡量標準。 在“時度效”標準中，時間往往最受關注，如對于政務輿情回應的時間要求不斷細化和前置，由48 小時、24 小時到5 小時，理論界更是 提出了黃金4 小時、2 小時、1 小時， 在第一時間進行輿情回應，逐漸成為輿情引導的共識。 但是，輿情引導是一項系統工程，時間、程度、效果等“時度效”三者之間需統籌考慮、一體規劃，特別是突發事件情景下的負面情感引導，存在敏感性強、突變性強、疏導難度大、關注度高等特征，尤其需要把握正確的時機，選擇合適的力度，進而產生最佳的效果。

“時度效”三者是一個整體，相互之間協同配合才能實現預期目的。 一方面，為達到最快的“時”，往往導致信息的準確性、全面性、針對性降低，情感疏導的強度、深度、廣度等“度”的指標降低，出現欲速則不達的效果；另一方面，為了實現科學的“度”，則需要大量時間分析研判， 容易導致錯過最佳引導時間進而喪失先動優勢，也會影響引導效果。特別是輿情大數據環境增加了負面情感極化和線上線下關聯的風險，但同時，通過輿情大數據又能科學預測、精準確定引導的時間節點、作用程度和預期效果，并根據實時反饋和評估， 動態調整負面情感引導的具體措施，從而實現分類精準引導。

由此，為爭取最佳的引導效果，首先需要構建理論模型，將“時度效”作為一個整體進行研究。其次基于輿情大數據解決負面情感引導的幾個關鍵問題，一是“時”的問題，如何選擇引導的起點，即首次引導的時間問題，以及持續引導的關鍵時間節點問題；二是“度”的問題，引導強度、深度、廣度的度量和評估問題；三是“效”的問題，“時”和“度”是如何影響引導效果的，即基于“時”和“度”的引導效果預測，以及保障引導效果的“時”和“度”的選擇策略問題。基于此，本文基于輿情大數據構建突發事件負面情感引導模型，并通過模型分析和數值仿真，系統研究負面情感引導“時度效”之間的關系，為政府科學有效引導突發事件負面情感提供理論參考。

2 基于輿情大數據的突發事件負面情感引導模型

2.1 負面情感演化常態模型

根據信息生命周期理論， 網絡輿情傳播經歷潛伏期、擴散期、消退期等階段，網絡輿情信息量呈現“S 型”曲線特征，生態科學中的Logistic 模型、Gompertz 模型、Smith 模型等均可以描述這類曲線的演化趨勢。 基于此，在政府未采取措施引導負面情感時，本文選取Logistic 模型作為常態模型，來描述突發事件負面情感演化規律。 假設某個突發事件發生后， t時間內負面情感信息量為X（t），則其對應的Logistic方程為

2.2 負面情感引導模型

其中α 為引導系數。 政府引導措施只能對引導后的負面情感產生影響（未來數據），而不能對引導前的負面情感產生影響（歷史數據），則政府采取引導措施后，負面情感信息量增長空間由

變為

則政府基于輿情大數據開展精準引導時突發事件負面情感演化模型為

其中初值x（0）=X（t），t為政府引導負面情感的時間節點（突發事件負面情感常態模型與引導模型關系見圖3）。

圖3 常態模型與引導模型關系圖

2.3 模型關鍵參數

2.3.1 時間節點t

突發事件發生后， 負面情感按照常態模型進行演化， 如何在其演化過程中選擇引導時間節點t是負面情感引導的關鍵，所以，時間節點t的選擇問題也就是最佳引導時間節點選擇問題。基于此，需要研究負面情感常態演化的關鍵時間節點， 為確定t提供參考依據。 令

X'''（t）=0

得

僅僅與信息增長率有關，而與其他參數無關。進一步計算兩個時間節點對應的函數增量

通過上述計算，負面情感自X開始，處于潛伏期，在經歷t后，進入爆發期，直到t后趨于穩定。為進一步確定負面情感最佳引導時間節點， 假設兩類場景開展數值仿真研究關鍵時間節點和信息增量之間的關系：第一類為一般突發事件場景，初值小（1%K），信息增長率小（r=0.1，0.2，…，0.9）；第二類為重特大突發事件場景，初值大（10%K），信息增長率大（r=1，1.5，2，2.5，3），兩種場景分別計算第一時間節點t，爆發時長t-t， 負面情感演化至信息量上限的95%所需時長以及估計[t，t+1] 區間上信息增量等數據（見表1）。 數值仿真顯示，隨著增長率的增大，負面情感醞釀時長t越來越短（重特大突發事件場景不到1 天），負面情感爆發時長越來越短，負面情感延遲引導會導致信息量迅速增長。

表1 數值仿真數據表

通過關鍵時間節點計算和數值仿真得出： 突發事件發生后（t=0），負面情感區間[0，t]上的信息增量相對較少，而經過時間節點t之后，負面情感信息量短時間快速增加，且政府在t+1 時引導負面情感（延遲1 個時間單位），引導效果將大打折扣，所以負面情感最佳引導時間節點t應在區間[0，t]之內。 尤其針對重特大突發事件， 負面情感醞釀時長t非常短（仿真數據中t均小于1 個時間單位）， 導致負面情感引導的響應時間也非常短， 這就要求政府在突發事件發生后，在線下開展突發事件應急救援的同時，基于輿情大數據實時感知負面情感演化態勢，在[0，t]內啟動負面情感引導工作。 根據國務院辦公廳《關于全面推進政務公開工作的意見》實施細則：對涉及特別重大、重大突發事件的政務輿情，要快速反應，最遲要在5 小時內發布權威信息，在24 小時內舉行新聞發布會，并根據工作進展情況，持續發布權威信息， 有關地方和部門主要負責人要帶頭主動發聲。結合數值仿真數據表數據， 本文通過建模確定的最佳引導時間與政府對于重特大突發事件輿情回應的時間要求相一致。

2.3.2 負面情感引導系數α

突發事件負面情感引導模型中系數α 決定著負面情感引導程度，其取值范圍為（-1，+∞）。 當α∈（-1，0）時，負面情感引導為負向，反而導致負面情感信息量繼續增加， 如突發事件中輿情引導的失語、失真、失調、失品現象；當α∈（0，+∞）時， 負面情感引導為正向，且α 越大，引導效果越好。 輿情大數據環境下， 精準開展突發事件負面情感引導是一個持續過程，包括負面情感主題感知、趨勢預測、信息發布及效果反饋等環節，這些環節都會影響引導系數α。由于負面情感最佳引導時間較短， 這就要求政府在有限的時間內， 借助大數據和人工智能等技術實時動態開展主題感知、態勢推演、信息推送和反饋評估等，高效完成負面情感引導工作，保障引導效果。 在此過程中需要估計引導系數α， 為開展引導效果預測和評估提供依據。 首先將常態模型和引導模型變為對應的差分方程， 然后應用回歸分析擬合監測數據，便可以估計引導系數α（具體過程見圖4）。

圖4 估計引導系數α 過程圖

3 突發事件負面情感引導“時度效”一體化研究

本文通過構建突發事件負面情感演化常態模型和引導模型，確定了負面情感最佳引導時間，定義了描述引導程度的引導系數， 本文將在此基礎上開展“時度效” 一體化研究， 為解決負面情感引導的時、度、效問題提供理論參考。

3.1 突發事件負面情感引導“時度效”矩陣模型

首先，在負面情感引導時間上，最佳引導時間節點t應選擇在區間[0，t]之內，但是考慮到重特大突發事件發生后，輿情初值大、信息增長率大的情況，導致t很小， 所以會出現引導時間節點在t右側的情況，基于此，本文將引導時間節點在t左側稱為前置引導，在t右側稱為后置引導。 其次，在負面情感引導程度上，引導系數α 可為正數，也可為負數，分別對應著正向引導和負向引導。基于此，針對“時”和“度”的不同情況，可以構建“時度效”矩陣模型（見圖5），開展“時度效”一體化研究，為深度研究負面情感引導效果提供依據。

圖5 負面情感引導“時度效”矩陣模型

3.2 突發事件負面情感引導“時度效”仿真

為便于觀察不同類別突發事件負面情感引導“時度效”之間的關系，本文通過數值仿真開展研究，設定初試參數（見表2）。

表2 “時度效”仿真參數表

突發事件發生后， 考慮到政府引導負面情感的緊迫性， 前置引導和后置引導的時間點分別選為時間節點t前0.5 個時間單位和后0.5 個時間單位，基于此，通過模型計算得到仿真數據表（見表3）。

（1）類別I：一般突發事件。根據模型仿真參數和仿真數據，得到前置引導時間為6.0563，后置引導時間為7.0563，并令引導系數分別為{正向引導情況：0.5，1，1.5，2} 和{負向引導情況：-0.1，-0.2，-0.3，-0.4}，繪制一般突發事件“時度效”仿真圖（見圖6）。

表3 “時度效”仿真數據表

觀察發現：①當政府正向引導負面情感時，負面情感數量大幅降低，降低程度為33.33%、50%、60%和66.67%，當政府負向引導負面情感時，負面情感數量大幅提高， 提升程度為11.11%、25%、42.86%和66.67%，但無論正向引導還是負向引導，時間前置和時間后置差距不大， 主要原因是t-t時間較長（5.2678），引導負面情感提前或者延后0.5 個時間單位對負面情感引導影響較小； ②無論政府采用前置引導還是后置引導， 兩種情況負面情感變化量差距不大。 綜合以上兩點，對于一般突發事件而言，初值較小，信息增長率較低，負面情感在單位時間內變化不大，政府在引導此類事件負面情感時，引導反應時間較長， 所以， 在突發事件發生后， 政府應采取先“度”后“時”的策略，即負面情感引導的準確性、全面性、針對性優先于及時性。通過實時獲取網絡輿情大數據，開展情感監測，挖掘情感主題，進行趨勢預測、態勢推演等，為首次回應提供數據支持，保障情感引導信息精準投放，確保首次引導的效果，進而提升網民的認同感和支持度。

（2）類別II：重特大突發事件。 根據模型仿真參數和仿真數據，得到前置引導時間為0.0868，后置引導時間為1.0868，并令引導系數分別為{正向引導情況：0.5，1，1.5，2}和{負向引導情況：-0.1，-0.2，-0.3，-0.4}，繪制重特大突發事件“時度效”仿真圖（見圖7）。

圖6 一般突發事件“時度效”仿真

觀察發現：①當政府正向引導負面情感時，前置引導（最佳引導時間內）負面情感數量大幅降低，降低程度為33.33%、50%、60%和66.67%， 而對于后置引導，負面情感數量出現先增加，突破模型上限后降低的現象，這與模型假設（信息量函數為單調遞增函數）相矛盾，這就意味著負面情感演化出現不確定因素，該因素刺激負面情感信息量短時間激增，改變其原有演化趨勢，進而突破模型上限。這說明同樣是正向引導，時間前置可以有效降低負面情感信息量，時間后置則可能面臨諸多不確定因素， 例如負面情感信息量基數過大，負面情感信息敏感性突出，虛假信息和網絡謠言導致的情感起伏， 以及線上線下復雜關聯導致的衍生輿情或者次生輿情等， 這些情況都可能催發更多負面情感； 并且由于t-t時間短（1.7559），提前或者延后0.5 個時間單位對負面情感引導影響顯著。當政府負向引導負面情感時，前置引導和后置引導差距不大， 負面情感數量均有大幅提高，提升程度為11.11%、25%、42.86%和66.67%。 ②無論政府采用前置引導還是后置引導，負向引導對應的負面情感變化量差距不大，而正向引導情況下，由于后置引導破壞了模型假設， 使得后置引導效果不穩定。綜合以上兩點，對于重特大突發事件而言，初值較大，信息增長率較大，負面情感在單位時間內變化較大，政府在引導此類事件負面情感時，引導反應時間非常短（往往小于一個時間單位），所以，在此類突發事件發生后，政府應采取先“時”后“度”的策略，即負面情感引導的及時性是第一位的。 可以通過歷史輿情大數據分析，確定基本的引導策略，第一時間進行負面情感引導，并隨著實時情感大數據的增多，持續、動態調整引導措施， 在確保占據時間先動優勢的同時，不斷提升負面情感引導的準確性、全面性、針對性。

4 結語

圖7 重特大突發事件“時度效”仿真

通過研究，本文得出以下結論：（1）基于歷史和實時輿情大數據，通過構建負面情感引導模型，可以確定和度量負面情感引導的時間節點、 作用程度和預期效果；（2）通過構建“時度效”矩陣模型，進行“時度效”一體化研究，并針對不同的突發事件場景，提出相應的“時度效”策略，實現分類精準引導；（3）針對輿情引導的“時度效”標準，提出可操作的“時度效”量化思路，為輿情引導工作提供理論參考。 未來在本文研究基礎上，仍需深入開展如下研究，如本文將負面情感作為一個整體， 后續研究需將負面情感精細分類， 并針對不同類型的負面情感研究其引導策略；本文將突發事件分為一般和重特大兩類，后續研究可以按照突發事件發展的不同階段， 針對相應的情感演化態勢進行引導策略研究等。