突發公共衛生事件中中國網民關注度分析

陳璟浩 陳美合 曾楨

摘? 要：[目的/意義]利用新冠疫情網絡輿情數據來研究突發公共衛生事件中中國網民關注度，有助于提升疫情期間政府信息供給效率、滿足公眾需求和提供社會支持等。[研究設計/方法]通過新浪輿情大數據平臺獲取研究數據，包括：疫情流行高峰期間全網輿情數據、每日轉發排名前100名熱門微博、每日新增病例數據等。采用描述性統計、列聯表分析、回歸分析等方法，研究突發公共衛生事件中網民關注度變化趨勢及影響因素。[結論/發現]疫情爆發初期，媒體大規模報道造成大量網民對事件關注;隨著疫情嚴重，新增病例與網民關注出現同頻共振;媒體報道初期，網民關注度集中趨勢高;防疫舉措、鼓勵加油、捐獻贈送、倡議建議、贊譽肯定5大關注主題，貫穿疫情流行高峰;主流媒體發布微博受關注最多，不同賬戶類型情感傾向有顯著差異;網民總體關注度受新增病例和變異系數影響;每日熱門輿情關注度，受新增病例、變異系數、輿情總量和戲劇性分值影響;單條微博受關注程度與當日相關話題總量和微博粉絲數有一定關系。[創新/價值]本文系統分析了突發公共衛生事件中網民關注度變化趨勢和影響因素，為政府決策提供支持。

關鍵詞：新冠疫情;突發公共衛生事件;網絡輿情;網民關注度;影響因素

DOI：10.3969/j.issn.1008-0821.2020.10.002

〔中圖分類號〕G203? 〔文獻標識碼〕A? 〔文章編號〕1008-0821（2020）10-0011-11

Analysis on the Attention of Chinese Netizens in Public Health Emergencies

——Based on COVID-19 Network Public Opinion Data

Chen Jinghao1，2? Chen Meihe1? Zeng Zhen2，3

（1.School of Public Policy and Management，Guangxi University，Nanning 530004，China;

2.Big Data Institute，Wuhan University，Wuhan 430072，China;

3.School of Information Management，Guizhou University of Finance and Economics，Guiyang 550000，China）

Abstract：[Purpose/Significance]Using the network public opinion data of COVID-19，this study aimed to access the attention of Chinese netizens in public health emergencies.Research results can help improve the efficiency of government information supply during the epidemic，meet public needs，and provide social support.[Design/Methodology]From Sina big data platform，obtained Research data including public opinion data，top 100 popular Weibo，new case data etc.Using descriptive statistics，crosstabs analysis，regression analysis and other methods to study the changing trends and influencing factors of netizens attention in public health emergencies.[Findings/Conclusion]In the early stage of the outbreak，large-scale media reports caused a large number of netizens to pay attention to the incident;as the epidemic was serious，new cases and the netizens? concerns appeared at the same frequency resonance;in the early days of media reports，the concentration of netizens attention was high;The five major themes of epidemic prevention measures，encouragement，donation，initiative，and praise throughout the epidemic;Netizens most concerned about the mainstream medias weibo，and there were significant differences in the emotional tendencies of different weibo account types;The overall attention of netizens was affected by new cases and coefficients of variation;The daily popularity of public opinion was affected by new cases，coefficient of variation，total public opinion and dramatic scores;The degree of attention of a single Weibo had a certain relationship with the total number of related topics on that day and the number of account fans.[Originality/Value]This article systematically analyzed the changing trends and influencing factors of netizens attention during public health emergencies.

Key words：COVID-19;public health emergencies;public opinion;attention of chinese netizens;influence factors

公眾關注度是一種稀缺資源，其反應了在一定時間、一定資源范圍內公眾的信息偏好和注意力分配[1]。突發公共衛生事件網民關注度是指在突發公共衛生事件期間網民對互聯網信息的偏好和注意力，其在一定程度上反應了網民對突發公共衛生事件議題的關注程度、信息需求和特定意見。對其進行分析，有助于提升疫情期間政府信息供給效率、滿足公眾需求和提供社會支持等[2]。傳統對公眾關注度的研究主要采用抽樣問卷調查，這種方式成本高、耗時長、效率低[3]，難以滿足突發公共衛生事件中數據增長迅猛、議題變化快、持續時間短的現實要求。隨著互聯網的發展和普及，利用大數據監測平臺采集和分析網民數字足跡成為可能，這也為短時間內有效測量網民關注度提供了可行路徑。

2020年1月下旬以來，新冠肺炎疫情在武漢大規模爆發，并很快蔓延至全國。為了有效控制疫情，切斷病毒傳播途徑，2020年1月23日武漢政府關閉了離漢通道，并對武漢及其周邊城市采取隔離措施。25日，除西藏外，我國31個省、自治區、直轄市啟動了突發公共衛生事件1級響應，北京時間31日，世界衛生組織將新冠疫情認定為國際公共衛生緊急事件（PHEIC）。2月6日，中國境內確診新冠病例超過3萬人，我國抗疫工作進入攻堅期，3月4日全國21省市下調應急響應級別，10日習近平主席抵達武漢考查防疫工作，12日國家衛健委表示我國疫情流行高峰已過。在此期間，我國網民在新浪微博平臺上發布和轉發了超過2億條與疫情相關的博文，這為探索突發公共衛生事件中中國網民關注度提供了很好的機會和資料。

鑒于此，本文利用新浪大數據輿情監測平臺對突發公共衛生事件中網民關注度進行測量，試圖考查突發公共衛生事件情境下，網民關注度變化趨勢、特點及影響因素等內容。為掌握突發公共衛生事件中網民信息需求和關注焦點提供理論支撐，為提升政府輿論引導能力、公眾溝通水平和公共服務效果提供決策支持。

1? 相關研究

當前，對公眾關注度的分析主要分為基于供給（Supply-based）和基于需求（Demand-based）兩類，基于供給主要是指網民主動發布在微博、Facebook、博客等社交媒體上的數據，基于需求則是人們在網絡中的搜索行為數據[4]。

基于供給的公眾關注度分析主要研究的內容有：①公眾關注度與公眾在社交媒體上發布的信息數量之間的關系，如：Neuman W R等就利用大數據技術分析了2012年29個政治議題的公眾關注度，發現傳統媒體對議題的報道會增加社交媒體對議題的討論[5];Househ M分析了埃博拉疫情期間Twitter數量與Google新聞數量之間的關系，發現兩者高度相關[6];②不同類型機構發布信息對公眾關注度的影響，如：Fung I C等就研究了中國政府和世衛組織在微博上發布的H7N9和MERS-CoV信息，發現公眾對中國政府發布的信息關注度更高，而世衛組織關注度相對較低[7];③公眾關注度與病例數量之間的關系，如：Signorini A等就研究了H1N1流行期間Twitter數與病例數之間的關系，發現兩者之間正相關[8];Mollema L等研究了社交媒體、在線新聞與麻疹病例數的關系，發現在線新聞數與社交媒體數的相關性比與麻疹病例數的相關性更強[9];④公眾關注主題與疫情發展的變化特征研究，如：An L等就研究了公眾在埃博拉、塞卡、中東呼吸綜合征流行期間，關注議題的變化趨勢和特征[10];⑤不同媒體平臺與公眾關注度之間的關系，如：Yla Tausczika等研究了H1N1流感爆發期間公眾對報紙、博客、維基百科關注度之間的關系，發現公眾對疫情的關注首先表現在維基百科的搜索行為，然后是博客，最后才是報紙文章[11]。

基于需求的公眾關注度分析主要是運用網絡搜索、瀏覽記錄等數據來對公眾關注度予以測度，如：Hou Z等就收集了新冠肺炎爆發期間新浪微博熱搜、百度指數、阿里電商指數，并對其進行分析，發現在中央媒體報道前公眾對疫情的關注很低，當政府正式對外宣布疫情后，公眾反應迅速，并出現恐慌性購買、謠言泛濫等現象[12];Ishii A等分析了用戶搜索行為的季節性偏差，發現用戶搜索主題詞隨著季節變化而變化[13];鄭路等利用大數據挖掘方法，分析了用戶新聞關注主題與影響因素，發現不同地區、不同階層用戶的新聞關注主題有顯著差異[14];孟天廣等采集了2011-2017年26個政策議題的百度搜索數據，探索公眾搜索行為與政策關注度，發現社會議題存在地區差異性，與各地區人口、消費、經濟等因素有關[15]。

綜上，利用大數據監測系統來分析研究公眾關注度已成為當前國內外研究趨勢。同時，為了應對突發公共衛生事件情境下，短時間內大量議題涌現，頻繁更替的情況，本文擬采用基于供給的方式對網民關注度進行研究。這主要出于兩方面考慮：一方面，在突發事件中，每天議題迅速變化，衍生輿情此起彼伏，靠單一關鍵詞追蹤百度指數變化極易出現漏檢，而人工構建關鍵詞集工作量巨大，效果也難以保證;另一方面，在保證數據覆蓋全面、準確的情況下，采用基于供給的方式來研究網民關注度，可探索維度更多，且對關注趨勢變化感知更敏感。基于此，本文將從網民關注度總體趨勢、指標變化趨勢、主題變化趨勢等方面來探索突發公共衛生事件中中國網民的關注度規律。

2? 數據與方法

21? 數據來源

本文使用新浪輿情大數據平臺的微博數據作為測量網民關注度的主要數據來源，該平臺擁有新浪微博全量數據庫，每天存儲新浪微博數據超過6 000萬條，可獲得用戶賬號類型、微博轉發量、微博發文時間、博主所在區域等信息。本研究在該系統中輸入：肺炎、疫情、病毒等關鍵詞，檢索時間范圍在2020年1月20日至2020年3月12日共53天所有有關新冠疫情微博，數據達230 139 482條，在此基礎上對每天微博發文量進行記錄，并將轉載量最多的前100條熱門微博數據進行下載，共計5 300條。對下載的熱門微博數據進行清洗，去除機器自動轉載博文、廣告博文，最終建立了一個時間跨度53天，包含4 968條新冠疫情熱門微博數據集，該數據集包含熱門微博內容、博主信息、博文轉載量、博主賬號類型、微博情感傾向等屬性，同時，為后續考察關注度影響因素，課題組還向數據集中添加了博主粉絲數、微博內容特征等屬性數據。此外，為考察網民關注度的宏觀影響因素，本文還收集了2020年1月20日至2020年3月12日期間國家衛健委發布的病例數據，包括：新增確診、新增疑似、新增治愈和新增死亡數據，共53條。

33? 熱門輿情關注主題變化趨勢分析

前述基本面分析有助于把握我國網民關注度總體變化趨勢，但微觀探索不足，難以指導具體實踐。為此，本文進一步探索熱門輿情關注主題變化趨勢，幫助管理部門掌握疫情期間網民對各類信息的關注程度，具體需求，了解不同階段話題分布特點。

依據22節劃分的39個熱門微博話題，做疫情流行高峰期間熱門微博主題分布圖，如圖4。可見，在疫情發展的不同階段，網民對熱門主題的關注也呈現出不同特點。

在疫情爆發前期（2020年1月20至2020年2月5日），由于信息不對稱，網民更關注疫情動態、病毒來源、防疫舉措、科普答疑及類似案例（參考借鑒），同時由于疫情給公眾的工作、生活帶來諸多不便，網民開始關注政府失職、網絡問政、醫護請求支援及抗疫科研攻關成果等話題。另外，在強大的媒體宣傳攻勢下，網民轉發了許多有關防疫的倡議建議以及對醫護的鼓勵支持，1月24日后，捐獻贈送轉發在網絡中大量涌現。

疫情爆發中期（2020年2月6日至2020年2月23日），我國開始進入抗疫攻堅階段，防疫次生問題開始涌現，如：少數病人得不到救治開始在線上求助、一些企業出現經營困境、知名人士因病去世、醫護警察因公殉職等。為滿足公民訴求，一些組織和機構的支持援助舉措，如：開通線上救助通道、線上義診平臺等獲得大量關注點贊。與此同時，防疫舉措、鼓勵加油、捐獻贈送、倡議建議及政府失職問題也持續受到關注。此外，2月15日后，隨著疫情的全球蔓延，國外疫情開始受到大量關注。

疫情爆發后期（2020年2月24日至2020年3月12日），疫情得到基本控制，我國網民注意力開始分散，其他話題比例明顯增多，贊譽肯定成為主流，感恩道謝逐漸增多，國外疫情關注程度持續上升，網民開始期待疫情結束后的生活。

總的來看，在整個疫情流行高峰期間，網民始終關注防疫舉措、鼓勵加油、捐獻贈送、倡議建議、贊譽肯定這5大主題。這一方面是由于媒體宣傳范圍廣、力度大造成的;另一方面，也反映了我國網民在特殊時期的團結精神。

具體各類話題分布比例如表4。

疫情期間，網民最關注哪些媒體發布的信息？這些賬戶有何特點？他們發布的熱門信息占所有熱門信息比例的多少？為了回答此問題，本文對采集的熱門輿情微博賬戶數據進行統計分析，如圖5所示。疫情期間，網民關注的熱點微博信息更多來自國家主流媒體，在發布熱門微博最多的前10名賬號中，國家主流媒體賬號占到了8個，分別為：人民日報、央視新聞、中國新聞網、環球網、人民網、新華視點、環球時報和新京報，其發布的熱門信息占到所有熱門信息的1677%。可見，在突發公共衛生事件期間，權威媒體具有很強的輿論引導作用，他們發布的內容獲得網民關注度最高。

2）熱門輿情賬戶情感分布

疫情期間，不同類型的微博賬戶發布的熱門微博情感傾向如何？是否有顯著差異？為考察此問題，本文將熱門微博賬戶分為媒體、大V、個人、政府、企業和機構組織6種類型，分別統計不同類型賬戶發布的熱門微博情感傾向，如圖6。采用SPSS23對數據進行雙向無序列列聯表分析，比較不同賬戶發布的熱門微博情感是否有差異，如表5、表6。從列聯表檢驗結果來看，顯著性水平P<0001，即：不同類型微博賬戶發布的熱門微博情感傾向是有差異的。為了比較各賬戶類型情感傾向的差異，進一步做卡方分割，兩兩比較，發現：媒體和政府、大V和政府、企業和組織機構發布的熱門微博內容情感傾向無顯著差異;媒體、大V、個人和企業、組織機構發布的熱門微博內容情感傾向有顯著差異，企業和組織機構發布的非敏感熱門微博更多;媒體和大V、媒體和個人、大V和個人發布的熱門微博內容情感傾向有明顯差異，大V、個人發布的敏感熱門微博比媒體要多，個人發布的敏感熱門微博比大V多。出現上述情況，本文推斷是由于在疫情期間權威媒體報道方式、手段、視角單一、同質性過高，造成網民信息疲勞，而大V、個人賬號的一些負面爆料、情緒宣泄在一定程度上填補了權威媒體空白，引發網民共鳴，而獲得較多關注。

4? 影響因素分析

為進一步探索突發公共衛生事件中影響中國網民關注度的因素，本節將從宏觀、中觀、微觀3個層面展開分析。具體包括：網民總體關注度影響因素分析、每日熱門輿情關注度影響因素分析和單條熱門微博關注度影響因素分析。

41? 網民總體關注度影響因素分析

1）模型與變量

依據31節分析結論，全網網民對疫情的關注度與新增確診、新增疑似、新增治愈病例數有關。同時，32節結論顯示變異系數大的天數，往往伴隨著引人注目的焦點事件發生，這在某種程度上也會提升當天網民的總體關注度。因此，根據上述推斷，建立相應影響因素模型（3）如下：

Ai=β0+β1Di+β2Si+β3Ci+β4Vi+ε（3）

式中Ai為i天網民對疫情關注度，β0代表常數項，Di代表i天新增確診，Si代表i天新增疑似，Ci代表i天新增治愈，Vi代表i天變異系數，ε代表隨機擾動項。為避免極值對模型結果造成影響，對關注度Ai、新增確診Di、新增疑似Si、新增治愈Ci和變異系數Vi取對數，模型轉化為：

lnAi=β0+β1lnDi+β2lnSi+β3lnCi+β4lnVi+ε（4）

2）結果分析

將式（4）帶入SPSS23進行基本多元線性回歸，共線性診斷發現新增確診和新增疑似兩變量存在嚴重的共線性，為解決此問題，采用嶺回歸分析將式（4）重新帶入，當回歸系數K=023時，得到如下結果，如表7。模型（4）中新增治愈未通過顯著性檢驗，其他解釋變量均通過顯著性檢驗;模型的F統計量為2636，通過顯著性檢驗;R2=0687及調整后的R2=0661，說明模型擬合度較好。

模型結果顯示，新增確診、新增疑似和當天變異系數是影響網民對疫情關注的主要因素，且這3個解釋變量與總體關注度正相關。

42? 每日熱門輿情關注度影響因素分析

1）模型與變量

通過觀察發現，每日轉發量前100的熱門微博其轉載總量與當日全網疫情輿情總量相關，即：當日全網輿情總量多，則排名前100的熱門微博轉載總量也多;而且，隨著微博內容戲劇性元素增多，即：1條微博描述的內容包括名人、政府部門、偶發事件等敏感因素，則其戲劇性成分增加關注人數也會相應增加，如：李文亮醫生過世事件。為此，本文為模型設置了戲劇性解釋變量。該變量的計算方法為：依據戲劇元素在熱門微博中出現的頻次，人工篩選出10個戲劇性特征，包括名人、政府、醫生、病人、學生、寵物、公益組織、慈善組織、國際組織、偶發事件，對熱門微博內容進行遍歷，若內容包含其中1個特征，則戲劇性分值為1，兩個特征分值為2等。最終每日熱門輿情關注度影響因素模型（5）如下：

Hi=β0+β1Di+β2Si+β3Ci+β4Vi+β5Ai+β6Fi+ε（5）

式中β0、Di、Si、Ci、Vi、Ai、ε意義與式（3）相同，Hi為第i天排名前100的熱門微博關注度，Fi為第i天所有排名前100的熱門微博戲劇性分值總和。為避免極值對模型結果造成影響，對所有解釋變量取對數，轉化為：

lnHi=β0+β1lnDi+β2lnSi+β3lnCi+β4lnVi+β5lnAi+β6lnFi+ε（6）

2）結果分析

將式（6）帶入SPSS23進行基本多元線性回歸，共線性診斷發現新增確診和新增疑似兩變量存在嚴重的共線性，為解決此問題，采用嶺回歸分析將式（6）重新帶入，當回歸系數K=028時，得到如下結果，如表8。模型（6）中新增確診未通過顯著性檢驗，其他解釋變量均通過顯著性檢驗;模型的F統計量為7513，通過顯著性檢驗;R2=0907及調整后的R2=0895，說明模型擬合度較好。

模型結果顯示，新增疑似、新增治愈、變異系數、輿情總量和戲劇性分值是影響網民對當天熱門疫情微博關注的主要因素。其中，輿情總量、變異系數、戲劇性分值和新增疑似與熱門輿情關注度正相關，新增治愈則為負相關。

43? 單條熱門微博關注度影響因素分析

1）模型與變量

最后需要考察的是單條熱門微博所獲關注度的影響因素，根據觀察發現單條熱門微博所獲關注度即受當天全網相關輿情總量的影響，也受發帖人粉絲數和內容戲劇性的影響。為此，建立單條熱門微博關注度影響因素模型（7）如下：

W=β0+β1Ai+β2F+β3FS+ε（7）

式中β0、Ai、ε意義與式（3）相同，W代表單條熱門微博關注度，F代表熱門微博戲劇性分值，FS代表熱門微博博主粉絲數。為避免極值對模型結果造成影響，對所有解釋變量取對數，轉化為：

lnW=β0+β1lnAi+β2lnF+β3lnFS+ε（8）

2）結果分析

將式（8）帶入SPSS23進行基本多元線性回歸，得到如下結果，如表9。模型（8）中戲劇性分值未通過顯著性檢驗，其他解釋變量均通過顯著性檢驗;模型的F統計量為49419，通過顯著性檢驗;R2=0230及調整后的R2=0230，說明模型擬合度較弱，存在其他因素對單條微博關注度的影響。

模型結果顯示，輿情總量和微博賬號粉絲數是影響網民對單條微博關注的主要因素，這兩個變量

與單條微博關注度正相關。戲劇性因素未能通過顯著性檢驗，一種可能的解釋是即便內容再好，若沒有合適的傳播節點，不順應大環境也很難獲得關注。

5? 結論與建議

本文詳盡分析了2020年1月20日至2020年3月13日新冠肺炎疫情在中國流行高峰期間，網民關注變化趨勢及相關影響因素。得出以下結論：①在疫情爆發初期，網民關注度并非完全由確診病例、疑似病例數上升決定，更多是由媒體大規模報道造成的;②隨著疫情變得嚴重，新增確診、新增疑似病例與網民關注度出現同頻共振，新增死亡與網民關注度不顯著;③每日網民關注度呈現出一定的集中趨勢，聚焦于少數事件，特別在媒體大規模報道初期，集中度最高;④防疫舉措、鼓勵加油、捐獻贈送、倡議建議、贊譽肯定5大主題始終貫穿于疫情流行高峰，疫情發展不同階段，網民關注主題與實際抗疫情況疊加變化;⑤疫情期間，主流媒體發布的微博受關注最多，不同賬戶類型發布內容情感傾向有顯著差異;⑥網民對疫情的總體關注度，主要受新增確診、新增疑似和變異系數影響;⑦每日熱門輿情關注度，主要受新增疑似、新增治愈、變異系數、輿情總量和戲劇性分值影響;⑧單條微博獲得關注與當日相關話題輿情總量和微博賬號粉絲數有一定關系。

依據上述分析結果，對于疫情期間政府信息供給、引導輿情、提升公共服務水平給出如下建議：

1）確保疫情期間相關信息公開透明，對重大防疫舉措必須做好相應宣傳解釋

信息公開透明是減少信息不對稱和緩解公眾恐慌的重要舉措。在疫情爆發初期，應積極向公眾進行科普答疑、宣傳解釋，讓公眾對疫情具備基本認知、對政府舉措產生認同理解。這樣有助于減少突發事件中由于信息不對稱造成的恐慌情緒，緩解因疫情防控需要造成公民慣性生活節奏被打亂產生的心理和身體不適。

2）積極利用主流媒體對防疫工作進行播報宣傳，同時注重報道內容的多樣化

在防疫工作的宣傳和報道過程中，主流媒體發布內容具有權威性和專業性特征，其發布內容獲網民關注程度也較高。但在宣傳部門統一管控下，主流媒體易出現報道視角、方式、手段單一，內容缺乏新意，機械式口號宣傳等問題。為此，應鼓勵主流媒體在不違反宣傳管控要求的前提下，提升報道內容的多樣性、豐富性和思辨性。

3）積極把握網民關注度變化規律，提升輿論引導及信息供給效率

突發公共衛生事件要得到快速、妥善處理，離不開廣大公眾的積極配合。但由于部分公眾個人保護意識不強，重視不夠，便成為防疫工作的薄弱環節。因此，應積極把握網民關注規律，邀請知名專家在權威媒體上向公眾宣傳防疫知識，發動廣大明星、知名人士在抗疫攻堅階段不斷給大家加油打氣、倡議建議、捐獻贈送，提升全體民眾的凝聚力。

參考文獻

[1]Ripberger J T.Capturing Curiosity：Using Internet Search Trends to Measure Public Attentiveness[J].Policy Studies Journal，2011，39（2）：239-259.

[2]Tang L，Bie B，Park S E，et al.Social Media and Outbreaks of Emerging Infectious Diseases：A Systematic Review of Literature[J].American Journal of Infection Control，2018.

[3]Henry G T，Gordon C S.Tracking Issue Attention：Specifying the Dynamics of the Public Agenda[J].Public Opinion Quarterly，（2）：2.

[4]Ginsberg J.Detecting Influenza Epidemics Using Search Engine Query Data[J].Nature，2009，457.

[5]Neuman W R，Guggenheim L，Jang S M，et al.The Dynamics of Public Attention：Agenda-Setting Theory Meets Big Data[J].Journal of Communication，2014，64（2）：193-214.

[6]Househ M.Communicating Ebola Through Social Media and Electronic News Media Outlets：A Cross-sectional Study[J].Health Informatics Journal，2015，22（3）.

[7]Fung I C，Fu K，Ying Y，et al.Chinese Social Media Reaction to the MERS-CoV and Avian Influenza A（H7N9）Outbreaks.Infect Dis Poverty 2，31（2013）.https：//doi.org/10.1186/2049-9957-2-31.

[8]Signorini A，Segre A M，Polgreen P M.The Use of Twitter to Track Levels of Disease Activity and Public Concern in the US During the Influenza A H1N1 Pandemic[J].PloS One，2011，6（5）.

[9]Mollema L，Harmsen I A，Broekhuizen E，et al.Disease Detection or Public Opinion Reflection？Content Analysis of Tweets，Other Social Media，and Online Newspapers During the Measles Outbreak in the Netherlands in 2013[J].Journal of Medical Internet Research，2015，17（5）：e128.

[10]An L，Yu C，Lin X，et al.Topical Evolution Patterns and Temporal Trends of Microblogs on Public Health Emergencies：An Exploratory Study of Ebola on Twitter and Weibo[J].Online Information Review，2018，42（6）：821-846.

[11]Yla Tausczika，Kate Faasseb，James W Pennebakera，et al.Public Anxiety and Information Seeking Following the H1N1 Outbreak：Blogs，Newspaper Articles，and Wikipedia Visits[J].Health Communication，2012，27（2）：179-185.

[12]Hou Z，Du F，Jiang H，et al.Assessment of Public Attention，Risk Perception，Emotional and Behavioural Responses to the COVID-19 Outbreak：Social Media Surveillance in China[J].Risk Perception，Emotional and Behavioural Responses to the COVID-19 Outbreak：Social Media Surveillance in China（3/6/2020），2020.

[13]Ishii A，Wakabayashi T，Okano N，et al.Analysis of Social Media Content and Search Behavior Related to Seasonal Topics Using the Sociophysics Approach[J].2018.

[14]鄭路，吳文兵，葛天任，等.社會關注度的新聞大數據分析——社會、時間與空間的維度[J].浙江學刊，2018，（3）：82-90.

[15]孟天廣，趙娟.大數據時代網絡搜索行為與公共關注度：基于2011-2017年百度指數的動態分析[J].學海，2019，（3）：41-48.

[16]張文彤，董偉.SPSS統計分析高級教程[M].北京：高等教育出版社，2004：247-248.

（責任編輯：孫國雷）