基于扎根理論的微博用戶情感傾向性分析及應對策略

鄧春林 賈懿 隆征帆 姜柳

摘 要：[研究目的]通過運用扎根理論研究微博用戶情感傾向性，既可以使該方法在微博輿情研究中能夠更好地被應用，又能通過對信息輿論監督，市場營銷策略的提出達到有效監管的目的。[研究方法]以微博用戶群體作為研究對象，以新浪微博“張扣扣事件”為研究話題，以扎根理論為研究工具，通過對采集的有效數據分析，研究微博輿情傳播特征、過程、規律，并以研究結論為依據提出具體監管策略。[研究結果]本文的研究方法具有開放性和嚴謹性，驗證了扎根理論在微博輿情傳播研究中的有效性和實用性，拓展了微博輿情研究的新視角，針對于用戶情感傾向性提出了網絡輿情傳播監管策略。

關鍵詞：扎根理論;網絡輿情;微博輿情;微博用戶;情感傾向性;情感分析;監管策略;張扣扣事件

DOI：10.3969/j.issn.1008-0821.2020.09.008

〔中圖分類號〕G206.2 〔文獻標識碼〕A 〔文章編號〕1008-0821（2020）09-0071-08

Weibo Users Emotional Tendency Analysis and

Coping Strategies Based on Grounded Theory

Deng Chunlin1 Jia Yi1* Long Zhengfan2 Jiang Liu1

（1.Public Management College，Xiangtan University，Xiangtan 411105，China;

2.Mathematics and Computational Science，Xiangtan University，Xiangtan 411105，China）

Abstract：[Objective]By using grounded theory to study weibo users emotional tendency，this method can be better applied in weibo public opinion research，and can achieve the purpose of effective supervision through supervision of information public opinion and the proposal of marketing strategies.[Research Methods]Taking weibo user groups as the research objects，sina weibo“Zhang Koukou event”as the research topic，grounded theory as the research tool，through the analysis of collected effective data，the characteristics，process and rules of weibo public opinion communication were studied，and specific supervision strategies were proposed based on the research conclusions.[Research Results]The research method of this paper was open and rigorous，which verified the effectiveness and practicability of grounded theory in the research on weibo public opinion communication，expanded the new perspective of weibo public opinion research，and proposed the supervision strategy of online public opinion communication aiming at users emotional tendency.

Key words：grounded theory;network public opinion;weibo users;emotional affective tendency;emotional analysis;regulatory policy;the case of Zhang Koukou

根據CNNIC在2018年第四季度發布的官方數據顯示：截至2018年12月，我國微博用戶規模達8.29億，普及率達59.6%，較2017年底提升3.8個百分點，全年新增微博用戶5 653萬，我國手機微博用戶規模達8.17億，微博用戶通過手機接入互聯網的比例高達98.6%[1]。在眾多網絡客戶端之中，微博的使用最為廣泛，在2019年5月23日，微博正式發布2019年第一季財報，財報顯示微博月活躍用戶為4.65億，并呈現逐年增長趨勢，微博自出現以來，就不斷地為網民獲取信息開疆辟土。微博雖然方便了群眾在網絡上釋放自己的聲音和情感，但有時也變成了謠言、負面情感、輿論走向控制的幫兇，微博輿論隨時都有可能呈現井噴之勢。特別是十八大以來，習近平總書記曾多次強調輿論導向的重要性，2019年4月19日，習近平總書記在網絡安全與信息工作座談會上的講話，確立了新網絡輿論觀，這是當下認識、做好網絡輿論工作最重要的價值指向和方法論依托，更是社會的敏感點，所以具有持久指導意義。在近些年的微博熱點事件上可以看出，許多自我判斷力較差的微博用戶，面對有組織和陰謀的網絡輿論，常常出現“跟風”現象，比如“空姐乘滴滴遇害案”“陰陽合同”“奔馳女車主”等事件通過微博的傳播，在微博平臺上產生了鋪天蓋地的質疑聲。因此，微博上的突發事件在演化過程的監控、預警和應急處理等問題，對于政府部門保證社會穩定、控制輿論氛圍變得越來越重要[2]。

1 相關研究的理論述評

1.1 微博用戶的情感產生

應對微博輿情就需要設法降低微博用戶的負面情感，這就需要了解微博用戶情感產生變化的根本原因。個體的情感情緒變化常常是醫學、心理學、社會學的研究主題，醫學的研究主要集中在焦慮情緒的生理學癥狀、發病機理、疾病診斷等方面[3-4]，心理學聚焦于焦慮情緒發生的內在動因[5-6]，社會學主要探討焦慮情緒的社會影響、成因及后果等[7]。從情緒的產生來看，認知情緒理論（Cognitive Theory of Emotion）認為，情緒伴隨對外部事物的認知過程而產生，是個體需求與客觀事物之間關系的一種心理反應活動[8]，即情緒產生過程是通過外部刺激情景→評價→情緒反應。基于該理論，網絡輿情中網民的負向情緒傳播是受輿情事件的刺激而生，是網民對事件的認知評價結果。通過情感，人們可以傳遞出對事件的看法與評價，如贊同或否定[9]。而微博用戶對某一話題事件的評價往往具有情感傾向性，即主體對某一客體客觀存在的內心喜惡，主觀評價的一種傾向[10]。

1.2 微博輿情的傳播特點與研究方法

目前，微博中的事件種類繁多，對社會影響比較大，主要集中于3個方面：商業行為、政治事件、自然災害[11]。所以，掌控新型網絡輿情傳播方式與特點，了解該傳播方式下的網絡信息產生的特點，對于社會穩定發展具有極其重要的作用[12]。近年來，國內外學者展開了微博輿情的相關研究工作。目前常用的研究方法主要有兩種：一是基于情感詞典的分析[13-14];二是基于機器學習的情感分類方法[15-16]，這些方法提供了諸多理論和實踐指南，一定程度上保證了互聯網空間的安全穩定。然而在移動互聯網時代，微博呈現出傳播信息多樣化、語義網絡復雜化、關系連接社交化等特征，有的情感詞典存在情感種類不全面，定義模糊的問題，機器學習的方法又無法密切的聯系上下文的關系，掌握段落的主體情感。而扎根理論要求建構實質理論，強調從經驗資料的反復比較中抽象出新的概念觀點[17]。輿論的熱度除了事件本身的敏感性，還有另一個主要原因在于各類媒體主題的不斷變化，媒體為了文章擁有更大的爭議性和關注度，迎合微博用戶們的喜好。強烈的情感則會促使主題內容傾向于微博用戶的關注點，主題誘發輿情情感，輿情情感引導微博輿情演化進而催生主題，主題和情感的相互作用推動了微博輿情各個階段的演化[18]。

總而言之，現有研究認識到微博輿情發展中微博用戶的情感是促使輿論爆發的主要原因，微博用戶情感的變化能刺激微博用戶對輿論的轉發評論，并延伸到更為敏感的方向，目前針對于情感是如何發生變化的研究已有一些成果。但現有研究還有一些不足：一是現有的研究不能很好找出用戶情感發生變化的關鍵因素，理論與實際聯結有限，不利于決策者根據微博輿情制定科學的策略。二是對于微博用戶的情感與行為之間的關系沒有進行深入研究，對于文本的深入挖掘不夠。因此，基于文本分析的扎根理論研究方法，不但能確定網絡輿情治理政策的影響因素，而且有助于解析各影響因素之間的關系。本研究將以“張扣扣事件”為例，從微博用戶的評論中進行集群分類，以期能對不同時期微博用戶的情感行為進行引導，逆序尋找情感產生各種變化的根本原因，對網絡輿情進行分析并制定策略，這也是近年來我國在輿情監督、信息管理等領域所關注的熱點課題。

2 基于扎根理論的案例分析

2.1 扎根理論的性質及研究方法

本研究運用扎根理論研究方法，在微博平臺對微博用戶發表的文章及評論進行深入分析和挖掘，尋找影響微博網名情感變化的心里原因，社會背景以及互聯網環境等，從中提煉出具有價值的研究，針對這個案例，本文采取扎根理論具有以下優勢。扎根理論已經在輿情領域中得到了初步的應用，在情感分析中，將提取到的主題信息進行核心范疇的歸納，進而選取適合輿情應對的策略及措施[19]。

1）扎根理論由社會學家Glaser B G等于1967年提出[20]，是在經驗資料的基礎上自下而上建構實質理論的一種實證研究方法，是對以往自上而下實證研究方法的一個很好的補充。本文通過采集微博案例的評論，通過評論不斷對其聚類，可以更好地深入挖掘集群行為的種類。

2）扎根理論是從結果找原因，運用扎根理論在情感研究上，會更加真實地了解微博用戶的情感變化，研究者通過微博熱點的評論，提取有用合理的信息來增加實驗結果的可信度。

扎根理論在開放式編碼過程中，需要研究人員打破固定思維，保持客觀、公正、合理的心態，將收集到的評論數據按其本義進行歸納總結并編碼，每組概念集合都要經過多人的商議決定，合理正確地進行概念集合，在抽象理論的初始概念中，只有基于此，扎根理論對于影響因素的分析才可做到客觀、全面、準確[21]，研究人員需要注意：1）仔細認真地閱讀原始評論，從中抽離出高頻詞匯或者進行精簡概括，以此為概念化;2）對概念化詞匯進行分類，找出各個詞匯之間的關聯性;3）對概念化的詞匯進行貼標簽，標簽要求符合具有多個概念化詞匯的共同特征，得到了范疇集合;4）在得到范疇集合之后，研究成員要對此進行反復確認，保證所得到的詞匯的嚴謹性。

2.2 事件描述與數據采集

2019年1月8日，漢中市中級人民法院以故意殺人罪、故意毀壞財物罪對張扣扣判處死刑。2019年4月11日，陜西省高級微博用戶法院裁定駁回張扣扣的上訴，維持一審死刑判決，并依法報請最高微博用戶法院核準。2019年7月17日，張扣扣被執行死刑。對于“張扣扣事件”，法院的裁定是公平公正公開的，但是隨著更多案件細節的曝光，張扣扣的殺人動機被曝光，是由于張扣扣的母親被王家人打死，而王家人被判刑時間很短，張扣扣因此積怨已久，走上犯罪道路。媒體對這些信息推波助瀾的報道，致使微博用戶對于法律和人性的方面提出了巨大質疑，輿論導向一時使法律的公信力處于風口浪尖。在微博、頭條等主流軟件里，張扣扣案件的瀏覽量達到475億次閱讀量，292余萬條評論。

鑒于扎根理論對于原始數據的選擇標準為數量充足，質量較優。因此，本文以相應熱點話題關鍵字進行搜索，使用Python中模擬瀏覽器運行的庫Selenium驅動瀏覽器執行特定的動作，包括打開網頁、登錄賬號、點擊鏈接等，從而實現微博數據的爬取（如圖1）。使用selenium模擬人工瀏覽網頁的過程對評論文本進行初步抓取，Selenium是一個用于Web應用程序測試的工具，Selenium在測試直接運行在瀏覽器中，就像真正的用戶在操作一樣，將采集的文本轉化成Excel文件保存。

圖1 數據采集過程

通過抓取，剔除干擾的文本，在2018年11月1日至2019年10月31日時間段內，收集“張扣扣”話題的原創微博502條，通過瀏覽其內容，判斷其與本文主題具有密切相關度并具有廣泛的代表性，在502條原創微博地址基礎上，進一步采集點贊數量超過500的具有意見領袖的評論，共計883條文本信息，符合扎根理論對原始資料的要求。

2.3 事件分析

2.3.1 進行開放式編碼

在選取了具有影響力的評論后，本文對其進行了歸類編碼，編碼示例如表1所示。本次通過上述扎根理論嚴格的要求進行了編碼，對于每一條信息認真進行了總結概括，每一條評論都由多人共同商議確定下來貼上標簽，最后得到了正確合理的編碼，形成了對于張扣扣微博事件評價的初步概念集合，如表1。

之后對于概念集合進行歸類，本著放棄個人思維定式，使用開放活躍的思維對其范疇化進行了概括，最后一共總結為15個范疇，分別為工作失職、案件對比、法律普及、結局悲劇、情緒情感、過激行為、保障機制、司法機制、陰謀假說、法律權威、吸取經驗、客觀評價、深入探討、結果質疑、殺人犯罪，各個范疇的含義如表2。

2.3.2 進行主軸性編碼

在進行完開放式編碼之后，對各個范疇化的詞進一步總結，尋找各個概念的潛在聯系，這些關聯通常為時間、因果、對等、情景對等關系。本文采用了時間序列關系，對其進行了排序，如圖2所示的張扣扣案件編碼流程圖的發生順序：

1）誘因事件：工作失職、保障機制、殺人犯罪共同導致了誘因事件，王家3人與張扣扣母親產生鄰里糾紛，致使其母親不幸死亡，法院判決王家老三服有期徒刑7年，賠償金額為9 639.3元，張扣扣的父親表示并未全額收到賠償金額。

2）案件發生：過激行為、案件對比是案件發生的重要標志，蓄謀已久的張扣扣對張家進行了殺害，然而本次案件判決和張的母親被殺案判決結果出現了分歧，成為微博用戶最為不理解的關鍵點，引起了微博用戶的質疑。

3）連鎖反應：司法機制、法律普及、陰謀假說、法律權威一起產生了連鎖反應，由于微博用戶的質疑，并未在第一時間得到解決，各大媒體的主題為博人眼球，以偏概全，導致輿論呈現“井噴”之勢，使得事件變得多元化，微博用戶對于司法、政府、法院的公信力提出疑問。

4）群體認知：在經過悲劇結局、客觀評價、結果質疑、情緒情感之后，群體思維進行了持續碰撞，加速了群體之間的情感感染，使得事件的爭議達到頂峰。

5）處理結果：深入探討、吸取經驗為處理結果，張扣扣被執行死刑，整個事件進入尾聲，微博用戶在思索本次案件經過的同時，又對本次案件進行了總結，避免此類事件再次發生。

2.3.3 選擇性編碼

根據主軸性編碼以及統計出現頻率最高的范疇詞匯，總結出了更為核心的范疇為以下3點：保障機制、案件對比、情感情緒。首先張母案件既然已經發生，法院的裁決一定有其合理的法律依據，更為重要的是保障機制，張母被殺之后，并沒有得到應有的法律賠償，政府應對其家庭進行有效的保障和定期觀察，保證其家庭的正常積極合理的發展路線。其次，兩次案件的裁決進行對比后，具有較大差距，以暴制暴一定是不可以的行為，所以最為主要的不是隱瞞，反而是公開裁決的法律依據。最后，微博用戶的情感產生了錯綜復雜的交互影響，也使得整個案件的輿論上升到了階級矛盾、貧富差距、法律制度的范疇。

2.4 實證分析

2.4.1 演化分析

Coombs將突發危機分為4個階段：潛在期、突發期、蔓延期、解決期[22]。基于主軸性編碼，將基于扎根理論對其進行階段劃分。微博輿情作為當前微博的重要組成部分之一，話題發生迅速，產生影響范圍大，因此要及時對此進行干預。

將采集到的評論依據時間序列進行排序，張扣扣案件有其特殊性，從統計的折線圖中可以看出，該突發事件出現了2次突發期，分別為判刑和行刑，2次都符合Coombs提出的突發危機的4個階段。由圖表5可以看出，2018年12月為潛在期，2019年1月為爆發期，2019年1～3月為蔓延期，2019年4～6月為第一次突發事件的解決期，也是第二輪突發事件的潛在期，2019年7月為爆發期，2019年8月為蔓延期，2019年9～10月為解決期。大多數話題在開始后4小時的時候會有第一次情感爆發，出現情感的峰值。微博用戶理性觀念形成的關鍵時期為事件發生的3～10個小時內，該時間段內微博用戶的情感出現較大波動，之后情感趨于一致[23]。

2.4.2 情感傾向性分析

情感分析的概念最早在2002年由Pang B等[24]提出，之后文本情感分析吸引了越來越多學者的注意。通常中心活躍用戶發文的情感會影響到評論用戶的情感，從而影響整體用戶的情感，其作用機制類似于微博中的意見領袖[25]。因此，對于本次實驗所采集到的具有意見領袖的文本，采用手工分類

的方法，通過對原始資料的認真閱讀，保持著客觀公正的態度，進行逐一的分類。文本情感極性強度分析主要是判斷主觀文本情感極性強度，一般分為5大類：強烈貶義、一般貶義、客觀對待、一般褒揚、強烈褒揚[26]。

本文對于情感極性強度擴充為7個種類，對于不同的情感極性進行1～3的情感強度賦值，其中正向情感的微博數量為251條，負向情感的微博數量為452條，中性情感為180條，如表4。

通過此研究發現，在微博輿情不同的發展階段，微博用戶的情感極性是不同的，基于扎根理論的主軸性編碼，各個階段變化的主要因素和情感傾向性都有所不同，在第一次爆發期的時候，微博用戶的正向情感的極性更高，在蔓延期和第二次爆發期時，微博用戶的負向情感的極性更高，而且正向情感和負向情感的傾向程度基本保持一致，因此根據情感傾向性變化的總體趨勢，對于各個發展階段進行了歸類，如表5。

潛在期，一般潛在期和誘因事件是相互關聯的，輿論還未產生，主題的報道通常和事件的本身相關，輿論尚未處于傳播階段，微博用戶對此的情感態度通常為中性的，隨著此案件的誘因事件被挖掘，微博用戶對于這個案件產生了積極和消極的情感，微博用戶對此產生了討論和質疑，媒體為了迎合微博用戶的喜好，從案件本身衍生出來許多不實的報道，不斷給本次案件的熱度“增磚添瓦”，給輿情的爆發埋下了不安定的種子。

突發期，微博上大規模的媒體發布消息由事件本身延伸到案件的處理，媒體用導向性的主題，在微博用戶之間拉起了對立面。當微博用戶發現自己的意志被否決后，通常會產生逆反情感，微博用戶的負面情感正在逐漸增多，由圍觀者變成了爭論者，對此案件的評價褒貶不一，微博用戶急切地想要一個公平公正的處理結果，有法可依的具體標準，而此時微博上的媒體沒有及時公布案件評判的細節、法律依據。因此，在主題導向不合理和微博用戶高漲的情感下，此案的熱度突然出現了井噴式增長。

蔓延期，當案件熱度飛速增長過后，出現了蔓延期，此時微博的主題內容為了解決微博用戶的疑惑，圍繞著對此案的評判結果進行展開。隨著更多案件的細節被披露出來，非常容易因為一篇文章的報道，改變自己的觀點并在微博上進行評價。針對于判決結果，微博用戶的情感逐步兩級分化，一部分微博用戶認為這是一場情與法的斗爭，判決缺少人性的考慮，法律存在著不足和漏洞;而另一部分支持法律的評判結果，認為法律知識需要普及，不支持以暴制暴的行為。因此，微博用戶的評論更加客觀理智，情感以正向情感居多。

解決期，隨著案件最后的結果宣布，張扣扣被執行死刑，微博用戶在總結經驗，表達情感為中性居多，評論更加客觀公正。爭論的熱度不斷下降，微博用戶的注意力被同時期的其他事件所吸引，微博上的媒體所展示的主題很少涉及案件本身，更偏向于對本事件的反思和未來的展望，微博用戶對此突發事件的熱度隨著注意力的轉移逐步減弱。

2.4.3 理論飽和度檢驗

當新收集的數據不能對理論建構做出新的貢獻時即理論飽和，作為決定停止采樣的鑒定依據。本研究對事先預留的100份隨機抽取的評論進行了重新編碼歸類，經過三級編碼，與之前的編碼結果相比，沒有產生新的概念集合，因此，可以確定本研究所構建的微博情感傾向性因素理論模型在理論上達到飽和。

3 基于扎根理論的微博輿情應對策略

本文在使用扎根理論過程中，遵循了真實客觀的原則，對于原始數據進行了認真仔細地閱讀，進行了編碼，其實驗結果可對于輿論的控制提出積極意見。

3.1 關注輿情產生的根本原因

通過時間序列排序的主軸性編碼，任何一個網絡突發事件看似是偶然發生，然而其發生都具有一定的必然性，針對微博輿情潛在期的誘因事件，本次張扣扣案件在發生前具有3個誘因條件，分別為殺人犯罪、工作失職、保障機制。鄰里糾紛引起的殺人犯罪為此事件的根源，在發生命案之后，工作失職和保障機制方面確實出現了問題，對于被害的家庭沒有有效的保障，張母的去世相當于張家失去了一份經濟來源，張扣扣失去了良好的成長環境，這樣家庭很有可能會對張扣扣的成長產生不良影響。當命案發生后，應對張家采取定期的觀察和幫助。在判決后，張家為全額收到賠償，執法部門只進行了判定，卻沒有監督執行，賠償的過程是需要監督的，微博用戶更多的爭論焦點在于此，是整個突發事件核心的爭論點。因此，找到突發危機的關鍵點，是解決危機的重要前提條件。

3.2 控制微博主題使用的導向性

在微博輿情發展到突發期階段時，不同群體對于不同主題有著不一樣的反應，主題的選取對于微博用戶的情感具有導向性作用，每個群體關注的主題不一樣，部分微博用戶由于自己生活的壓力或者不滿，在微博上的評論是具有隱形危害的，例如張扣扣案件涉及到了政府、貧富、官員、金錢等不實評論，此類評論更容易引起微博用戶的關注，一時間會使微博用戶的負面情感蔓延開來。因此，在微博數據庫中植入相應的監管軟件或輿情敏感詞庫，將有效規范微博用戶的網絡空間的用語。對于微博博主發文的科學性、及時性要加以規范，當出現消息閉塞和極端情感時，媒體發的消息應該更加及時透明。應該積極的從微觀層面進行對輿論的管控，在充分了解不同群體的閱讀偏好后，需要對知名的媒體或者博主所發送的網絡推文的主題進行過濾和篩選，何種類型的消息更能引起群體的情感變化，要進行合理的預防。

3.3 加強關鍵時期的輿情監管

通過突發危機的4個時期，可以看出網絡輿論在潛在期時，往往很難發現，當其處在蔓延期時，再進行控制就顯得十分困難。因此，控制輿論的最佳時間應在突發期的末期和蔓延期前期，在出現陰謀假說、質疑法律權威之時，微博上更多出現的是判決結果，案件對比等博人眼球消息，學法知法的人畢竟在少數，微博用戶更多地用自己的情感在進行感性分析，出現了大量的質疑聲。在這兩個階段，微博上的媒體注意發布的主題要表達判決公平公正、有法可依;同時微博平臺要合理地進行輿情監督，如果出現了情感向消極轉變，大規模的負面信息，要及時進行控制，避免輿論向更差的方向發展。此時應對微博用戶及時進行“案件對比，司法機制，法律普及”等方面的全面詳細講解，徹底解決微博用戶的猜忌、停止謠言的傳播、對法律知識進行普及。因此，有效識別網絡輿情傳播過程中的傳播的最佳時機，并對該時間點實現有效的引導或控制，即可以實現對網絡輿情傳播整體的有效控制。

3.4 轉移微博用戶的負面情感

在整個事件的解決期，主要圍繞著深入探討和吸取經驗這兩方面，微博用戶負面情感極性是大于正向情感極性的，微博用戶的負面評論數量整體大于正面評論數量，說明在處理結果上未能實現微博用戶負面情感的轉移，深入探討和吸取經驗上處理的不夠得當。為防止突發事件在解決期的時間內再次爆發輿論危機，政府應當充分利用自媒體，及時發布積極正面的信息，正確引導微博用戶的情感，積極正向的情感短文可以帶動微博用戶的情感，把不對或者不理性的輿論指引到對的方向。

4 結 語

本文在對研究微博輿情進行理論定義后，對扎根理論方法的操作過程進行了初步介紹，用Selenium工具在微博上獲取關于“張扣扣”話題的基礎數據，結合微博和微博用戶的特點，進行數據清洗及繪圖統計和主軸性編碼，并劃分了4個周期進行了情感傾向性分析。研究在理論層面上分析了微博輿情傳播特征、演進過程和傳播規律，一定程度上拓寬了扎根理論在微博輿情研究中的應用;在實踐層面，針對網絡用戶群體，采取有針對性的輿情管理策略，對相應話題所持有的意識、態度進行正確引導，使微博用戶可以自由發表觀點并合理地進行輿情信息的傳播，提高微博用戶的滿意度和管理控制工作的輿情預警;在指導應用監管方面，提出了針對微博輿情信息控制的建議，以促進良好信息交互環境的構建。本研究從微博輿情監測到預警控制，對微博輿情的傳播具有一定的實踐指導意義。

參考文獻

[1]中國互聯網絡信息中心（CNNIC）.第43次中國互聯網絡發展狀況統計報告[R].2019-02.

[2]王晰巍，趙丹，魏駿巍，等.移動環境下微博輿情傳播模式及實證研究——以埃博拉話題為例[J].情報學報，2015，34（7）：683-692.

[3]劉媛媛，張曉燕，張瀾.認知行為集體心理咨詢對老年高血壓患者焦慮情緒的干預效果[J].中國心理衛生雜志，2017，19（1）：13-18.

[4]鄒曉影.探究惡性腫瘤住院化療患者應用心理護理干預對其焦慮與抑郁情緒的影響[J].中國醫院藥學雜志，2017，（9）：676-679.

[5]古若雷，施媛媛，楊璟，等.焦慮對社會決策行為的影響[J].心理科學進展，2015，23（4）：547-553.

[6]馬月，劉莉，王欣欣，等.焦慮的代際傳遞：父母拒絕的中介作用[J].中國臨床心理學雜志，2016，21（1）：23-27.

[7] 陳寒.當代大學生社會焦慮及其影響因素研究——以廈門大學為例[J].西南交通大學學報：社會科學版，2014，15（5）：73-83.

[8]徐光國，張慶林.伊扎德情緒激活四系統理論[J].心理科學，1994，（5）：316-319.

[9]周瑛，劉越，蔡俊.基于注意力機制的微博情感分析[J].情報理論與實踐，2018，41（3）：89-94.

[10]陳芬，陳佩帆，吳鵬，等.融合用戶特征與多級文本傾向性分析的網絡意見領袖識別[J].情報理論與實踐，2018，41（7）：143-148.

[11]崔安欣.微博熱點事件的微博用戶情感研究[D].2013.6.

[12]王晰巍，邢云菲，趙丹，等.基于社會網絡分析的移動環境下網絡輿情信息傳播研究——以新浪微博“霧霾”話題為例[J].圖書情報工作，2015，59（7）：14-22.

[13]張成功，劉培玉，朱振方，等.一種基于極性詞典的情感分析方法[J].山東大學學報：理學版，2012，47（3）：47-50.

[14]Shen Y，Li S C，Zheng L，et al.Emotion Mining Research on Micro-blog[C]//2009 1st IEEE Symposium on Web Society，2009：71-75.

[15]Bakliwala，Fosterj，Vanderpuilj，et al.Sentiment Analysis of Political Tweets：Towards an Accurate Classifier[C]//Proceedingsof NAACL Workshop on Language Analysis in Social Media.Atlanta，GA，2013：49-58.

[16]王洪偉，劉勰，尹裴，等.Web文本情感分類研究綜述[J].情報學報，2010，29（5）：931-938.

[17]何躍，朱燦，朱婷婷，等.微博熱點話題情感趨勢研究[J].信息系統，2018，（7）：27.

[18]賈哲敏.扎根理論在公共管理研究中的應用：方法與實踐[J].中國行政管理，2015，27（3）：90-95.

[19]韓正彪，周鵬.扎根理論質性研究方法在情報學研究中的應用[J].情報理論與實踐，2011，（5）：19-23.

[20]Glaser B G，Strauss A L.The Discovery of Grounded Theory-Strategies for Qualitative Research[M].New York：Aldine，1967：10-60.

[21]張鵬，崔彥琛，蘭月新，等.基于扎根理論與詞典構建的微博突發事件情感分析與輿情引導策略[J].現代情報，2019，39（3）.

[22]Communication-planning，Managing and Responding[M].London：SAGE Publication.INC，1999.

[23]姜金貴，閆思琦.基于主題和情感相互作用的微博輿情演化研究———以“紅黃藍虐童事件”為例[J].情報雜志，2018，（12）：37.

[24]Pang B，Lee L，Vaithyanathan S.Thumbs Up：Sentimentclassification Using Machine Learning Techniques[C]//Proceedings of the ACL-02 Conference on Empirical Methods in Natural LanguageProcessing，2002：79-86.

[25]劉志明，劉魯.微博網絡輿情中的意見領袖識別及分析[J].系統工程，2011，29（6）：8-16.

[26]謝法舉，劉臣，唐莉.在線評論情感分析研究綜述[J].軟件導刊，2018，17（2）：19-23.

（責任編輯：陳 媛）