生態環境領域網絡負面輿情監測分析

摘 要：互聯網和新媒體的迅猛發展，使得生態環境保護領域網絡負面輿情的社會敏感度持續提升，成為政府和生態環境部門面臨的課題和難題。文章借助“鷹眼”速讀網等大數據輿情監測技術，對涉及生態環境領域的網絡信息進行科學監測、預警、預判。通過信息關注度、媒體活躍度、信息來源占比、情感分布4個指標分析，以簡報、報告、圖表等方式呈現特定網絡信息監測結果，以此化解危機、指導決策、優化管理、提升效能。在技術層面，應充分運用Python等爬蟲技術，破解網絡信息抓取“孤島”難題，探索建立情感屬性判定智能模式，拓展高輿情價值信息收集渠道，提升輿情信息分析報告能力。

關鍵詞：生態環境；網絡負面輿情；鷹眼技術；監測

中圖分類號：X84 文獻標志碼：A

作者簡介：宿瑛（1971-），女，工程師，主要研究方向：環境應急管理、環境信息化管理及突發環境事件防范應對處置。

0 引言

在信息時代背景下，如何在海量數據中提升大數據治理能力和網絡輿情治理能力的相關研究已層出不窮，極為寬泛。中國工程院院士楊善林等[1]在宏觀層面，從管理學、社會學、計算機科學與信息技術等視角，闡述了國內外網絡輿情監測、分析與管理的研究現狀，以及國內的主要行業應用情況，并在此基礎上討論當前網絡輿情監測、分析與管理面臨的挑戰，以及大數據分析、智能計算等帶來的新機遇等；郭春俠等[2]從輿情治理思維、輿情處理技術、人才培養體系及輿情應急管理體系4個方面入手，對大數據能力建設做了初步探討，以期為相關研究提供借鑒，希冀助力網絡輿情治理實踐；楊紅[3]在新形勢下應急管理網絡輿情應對和妥善化解輿論危機方面，從思維理念、制度基礎、規律方法、干部素養角度，提出了推進輿情應對工作實踐提升的方法；莫家樂等[4]通過場景模擬，對突發環境事件應急響應中輿情應對處置環節存在的弊端進行了分析；王一帆[5]129-134從增強網絡輿情危機意識、成立網絡輿情處置部門和建立網絡輿情快速反應體系3個重要環節入手，探索網絡輿情有效監測和預警的途徑，嘗試構建集數據收集、分析研判、分級報警及控制為一體的網絡輿情監測預警機制。上述研究的側重點在網絡輿情治理的時代背景、能力建設、情景模擬、機制構建等方面，但在具體技術層面，如何有效提升行業負面輿情監測預警的時效性、全面性，尤其是準確性的相關分析研究，尚有空間。文章基于鷹眼輿情監測技術，列舉實際案例，在技術和實操方面，就如何有效提升生態環境領域網絡輿情監測預警的時效性、全面性、準確性進行探索，為行業網絡輿情監測預警提供有益的實踐經驗和可行性建議。

1 生態環境領域網絡負面輿情監測綜述

1.1 概念及其特征

王一帆[5]129認為網絡輿情信息是一種態度、觀點、理念等表現的綜合體。在此基礎上參考相關理論，網絡負面輿情信息具體是指在一定的社會空間內，公眾圍繞中介性社會事件的發生、發展和變化，在互聯網上對作為客體的社會管理者、企業、個人及其他各類組織，以及政治、社會、道德等方面的取向，產生和持有的對經濟社會方面造成不利影響的態度、觀點、理念等的總和。生態環境領域網絡負面輿情信息即指公眾在互聯網上，對涉及化工、醫藥、石油、采礦、交通運輸等行業，造成大氣、水體、土壤、聲環境等污染的各種環境污染事件，波及公眾健康和切實利益的，可能對經濟社會發展和生態環境保護方面造成不利影響的觀點、看法、意見等，突出特征表現在以下3個方面：

（1）信息來源的寬泛性。生態環境領域涉及公眾生活的各個方面，評論對象涉及的范圍更加廣泛，它可以是生態環境社會問題、政府政策、熱點事件或個人意見等。空氣質量、水污染、固體廢物污染等，均可通過全局對象或局部對象反映。全局對象是指某個公共事務，即網絡輿情話題，如水污染防治；局部對象是指用戶評論的與公共事務相關的關鍵性人物、機構、話題等，如水污染防治監管部門、企業或某個特定的時段。對局部評論對象的識別有助于管理者掌握網民評論的具體指向，快速抓住問題的焦點。

（2）信息載體的多樣性。網絡負面信息通常以網頁、論壇、博客等眾多形式呈現。在網絡媒體中，網頁形式用于報道現實社會出現的熱點、敏感或者突發事件等，如涉及生態環境領域的信息標題、出處、發布時間、正文、相關新聞鏈接等，輿情數據均包含在內；專題性論壇 BBS（Bulletin Board System）能夠吸引真正志同道合的人一起來交流探討，具有足夠的棚燃指人氣和凝聚力及強大的后盾支持。專題性論壇主要服務于學術科研教學，例如生態環境類論壇，評論人、評論內容、評論數量、評論人相關信息和評論人計算機網絡地址等信息均包含在內；博客中包含網絡類型多樣，輿情數據包括帖子標題、發帖人、發布時間、內容、發帖人相關信息、發帖人計算機網絡地址，以及網友跟帖內容、網友信息等，具有論壇網頁和新聞網頁的共同特點。

（3）評論對象的復雜性。作為評論者的網民來自社會各個階層，人物對象是網民跟帖評論對象中非常重要的一類，網民對人物對象稱呼的聯想范圍廣泛，大量不同表達形式的稱呼模糊了輿情的情感識別和判定。針對人物評論對象表達形式多樣的問題，目前普遍使用的技術方法是從輿論對象的情感變化和關系變化判斷輿情走向，通過識別和抽取評論對象的情感詞進行情感分析，同時抽取評論對象的關系網絡進行研究，直觀展現出網民對輿論對象的情感認知和關系變化，從而得出輿情監測需要的情感分布圖。

1.2 監測預警及其要素

在信息時代面對突發環境事件時，政府部門對政務輿情應對不當而產生的輿情危機應進行及時預警，若稍有不慎，政務部門將面臨更大負面輿情或者次生輿情的風險。借助大數據輿情監測工具，如蟻坊軟件鷹眼速讀網、鷹領輿情態勢等專業性輿情監測技術，進行科學監測預警是收集負面輿情的主要途徑。互聯網輿情監測預警是指整合互聯網搜索技術、信息智能處理技術和知識管理方法，通過對互聯網海量信息自動抓取、分類聚類、主題監測、專題聚焦，實現用戶的網絡輿情信息監測和新聞專題追蹤等信息需求，形成簡報、報告、圖表等分析結果，讓客戶全面掌握公眾動態，做出正確輿論引導，提供分析依據。在輿情應對不當而不自知的情況下，借助全網監測，分析應對后的輿情反應、輿論態度、輿論聚焦點等，以便根據預警內容，真正了解民生訴求，清楚輿情應對不當的原因，進而重新調整應對策略，以此將政務輿情監測預警貫穿于輿情應對的始終。時效性、全面性、準確性是網絡輿情監測預警的關鍵要素。

首先，要準確識別用戶關注的區域、領域、話題、事件、目標等，為用戶關心的重點網站及板塊設置相應的關鍵詞及其權重評分，對重點網站數據進行實時采集、抽取和過濾，進而采用大規模分布式采集技術，快速發現敏感信息，追蹤和監測重點話題、事件、目標等，確保輿情監測的時效性。

其次，專業輿情監測技術的運用和谷歌、百度、搜狗等大型商業搜索引擎的補充，將為全網搜索引擎形成定點監測的補充。各個商業搜索引擎將用戶設置的需求（關鍵詞等）作為檢索查詢需求，依次提交給所有檢索結果進行整合，去除大量的重復內容，并將去重結果發送給數據抽取模塊，確保監測信息的全面性。

最后，通過網絡輿情信息的采集，第一時間掌握與本部門相關的事件或問題，追蹤傳播源頭，捕捉輿論拐點，分析輿情變化趨勢，做到對輿情事件“先知先覺”。政府或者企業還可以通過微博、博客、論壇或者官網收集網友留言跟帖，并及時與網友互動，掌握第一手輿情資料，以搜集更準確的輿情信息，保證輿情信息采集的準確性。

2 生態環境領域網絡負面輿情監測案例分析

以C市為例。C市所面臨的生態環境領域網絡負面輿情風險呈現點多、面廣、社會敏感度強等特征，網民關注的焦點主要在生活污水排放造成黃河水質污染、村民隨意傾倒垃圾造成農村環境污染、污水處理廠和垃圾焚燒發電廠對周邊居民區造成異味污染、工地施工造成揚塵污染和機器噪聲污染、餐飲業油煙和污水排放造成大氣和水體污染等 5 個方面。上述負面影響波及社會公眾生活方方面面，若回應不及時、處置不得當、效果不理想，勢必會造成不穩定因素，影響經濟社會發展和公眾健康生活秩序。

2.1 網絡輿情監測閉環體系

借助鷹眼輿情監測技術，C市開展24 h全網無縫隙輿情監測預警，迅速發現相關網絡輿情，對涉及輿情進行重點跟蹤，做好監測、收集和整理；對政策發布及突發環境事件進行輿情預判，制定預判應對方案；對日常負面輿情進行整理匯編，對周、月、半年、年總量和動態進行總結，對重點敏感事件制作輿情專報，并提供輿情業界動態；重大敏感負面輿情內容實行內部保密制度，如圖1所示。

2.2 輿情監測分析

以C市生態環境局2022年1—12月份輿情監測結果為分析依據，以信息關注度、媒體活躍度、信息來源占比、情感分布為分析指標，其中信息關注度截取和其他月份具有顯著和共性特征的 6 月和 12月的數據進行分析，其他3個指標分析數據為年度平均值。

2.2.1 輿情信息總覽

鷹眼系統監測數據呈現2022年1—12月涉及C市生態環境領域的輿情信息61 073條（由于系統判定有一定誤差，數據僅作為趨勢變化參考）。信息以新聞 APP 為主。其中，新聞 APP39 916 條、微信11 732條、微博6 302條、論壇2 177條、其他946條；正面和中性輿情信息 60 914 條，負面輿情信息 159條；正面信息以生態環境方面相關宣傳為主，負面輿情信息主要在公眾反映的涉及生活污水排放造成黃河水質污染、村民隨意傾倒垃圾等造成的農村環境污染、居民區造成的異味污染污水處理廠和垃圾焚燒發電廠等對周邊、工地施工造成揚塵污染和機器噪聲污染、餐飲業油煙和污水排放造成大氣水體污染方面，均為一般性負面輿情。

2.2.2 信息關注度

網民的關注行為會受到網絡輿情關注度的影響，關注度越高，網民的關注行為越明顯；越是被高頻率瀏覽的網絡輿情越是受到更多人關注[6]。文章截取 C 市 2022 年度和其他月份具有顯著和共性特征的 6 月和 12 月數據進行分析，根據監測數據，各月的月初、月中、月末和節假日期間，網民對涉及C市生態環境領域的信息關注度相對較高（圖2）；重要節會如黨代會、地方兩會期間，信息關注度居高（圖3）。網民對C市相關網絡信息的關注存在時間區間的原因在于地方政府和各級部門一般在月初進行工作謀劃、發布政令，月中進行工作督辦，月末或年末進行工作考核、總結、通報等，作為政令信息發布的密集時間點，自然成為網民關注的密集時間點；節假日公眾出游會更多關注生態環境治理狀況、空氣質量等，因此成為網民關注的焦點；在重要節會期間，中央或地方黨政部門可能發布重大決定、發展規劃、大政方針等；涉及國家、行業、部門未來發展和走向，網民會高度關注。

2.2.3 媒體活躍度

C市在鷹眼系統設定的涉及生態環境領域輿情監測范圍包括但不限于新浪微博、騰訊微博、網易微博、搜狐微博；新浪、網易、騰訊、新華、鳳凰、人民等重點網站；天涯社區、百度貼吧、復興論壇、凱迪社區、發展論壇、本地論壇等重點論壇。鷹眼監測系統根據“C市生態環境局”“C市環境保護”“C市生態環境”“C市污染”“C市水污染”“C市大氣污染”“C市土壤污染”“C市固體廢物污染”等涉及C市生態環境領域的關鍵詞進行搜索，監測數據顯示，微信、今日頭條、新浪微博、騰訊新聞媒體活躍度居高，是輿情監測預警重點對象（圖4）。

2.2.4 信息來源占比

信息來源可視為是信息活躍度的相對指標。網絡信息來源的權威性、信譽度等能夠為信息源自身的可信程度判斷提供基本的依據[7]。根據監測數據，C市涉及生態環境領域的輿情信息來源主要來自公眾熟知、權威性和信譽度高的如微信、新浪微博、騰訊新聞等網絡大V（見圖5），其中微信信息來源占比30.64%，新浪微博信息來源占比29.89%，騰訊新聞企鵝號來源占比10.32%。

2.2.5 情感分布圖

情感分布圖是負面輿情監測預警的關鍵性指標。在網絡輿情監控系統中，通過主題監測與模式識別分析，可以得到需要關注的話題，如高敏感主題、熱點話題等。網絡輿情分析系統不但要分析有哪些話題要關注預警，還要分析網民對這些話題的態度，進而分析這些話題的走勢，以及話題的情感屬性，以此了解當前廣大網民對該事件持有的態度，從而為系統用戶的決策提供有力的協助，引導人們正確的輿論[8]。鷹眼輿情監測系統分別從網民對信息的敏感度和話題的情感屬性（正、負或中性）2 個方面，呈現 C 市涉及生態環境領域網絡輿情的情感分布（圖6）。其中敏感信息（負面或中性信息）占比12%，非敏感信息（正面信息）占比88%。

2.2.6 小結

基于“鷹眼”網絡輿情監測技術，從信息關注度、媒體活躍度、信息來源占比、情感分布4個維度呈現C市涉及生態環境領域的網絡輿情，發現網民對C市相關網絡信息的關注具有一定的時間區間；網民關注對象、關注的信息來源集中在微信、微博、騰訊等網絡大V；系統通過設定C市與“生態環境”相關的關鍵詞，對輿情的情感屬性判斷基本符合網民的真實表達意愿；涉及C市生態環境領域的網絡負面輿情監測預警能夠達到既定的效果，為C市洞察公眾對生態環境發展的關注度、生態環境建設宣傳效果評估、行業分析、輿情危機管理等提供了有力的信息支撐。

3 提升網絡負面輿情監測能力的相關建議

移動互聯網、智能手機、自媒體的迅猛發展，使得人們碎片化的時間得到了最大程度的利用，即時媒介交互也變得越來越發達，互聯網上留下的海量留言數據對政府、企業、社會機構等眾多主體而言，時刻面臨輿情風險，從而對網絡輿情感知與應對能力提出了更高要求。政府和行業為保障健康發展，高效推進網絡輿情監測工作，對互聯網海量信息的全網監測、自動抓取、智能化識別、情感屬性準確判斷、負面輿情預警、熱點輿情推送、分類聚類、主題建設、專題聚焦、熱點跟蹤等環節，在技術層面仍需不斷完善、改進和提升。

3.1 建立網絡輿情全網抓取技術平臺

隨著Web3.0時代的發展和自媒體平臺的崛起，輿情信息目標導向式采集方式已無法適應網絡海量信息全網抓取的需要，如采集“生態環境”相關的信息需要以“生態環境”為關鍵詞在百度等搜索引擎搜索并獲取數據，采集過程中并無其他與“生態環境”不相關數據進入系統。自媒體平臺對信息搜索的限制功能，使得系統難以在自媒體平臺獲取到全面、準確的自媒體數據；抖音、快手及視頻號等短視頻平臺的崛起進一步加劇了這種信息“孤島”效應，大量的信息被隔離在一個又一個獨立的超級App內，彼此無法互通，搜索引擎的信息獲取效率大打折扣。通過大規模爬蟲技術（Python）的運用，實現文本、圖像、視頻等多模態數據整合，建立內部搜索引擎，是網絡輿情監測發展的必然趨勢。在人工智能模式下，實時高速采集整個站點全部板塊數據，實時采集整個App內有采集價值的數百萬自媒體訂閱號，采集過程中不對數據進行區分，統一放入內部自建的搜索引擎中，如需獲取“生態環境”相關的數據，則直接向內部搜索引擎請求數據。通過這種信息采集和搜索方式，可以有效解決信息孤島及信息獲取時效性的問題。

3.2 強化輿情監測系統的自動研判

系統的自動研判能力主要指對輿情信息的情感屬性（正負中）的準確度、輿情事件自動分析（關鍵節點、時間軸）等一系列功能的集合。目前主要通過預設大量的警報關鍵詞來判斷信息的情感屬性，通過對關鍵詞進行細致的分類（按行業、按領域等）形成龐大的預警關鍵詞庫，這種做法的優點在于可以在預警的同時對信息進行分類，缺點則較為明顯，由于漢語的復雜性特點，簡單通過預警關鍵詞或關鍵詞組合會造成大量的誤判，同時隨著關鍵詞庫的無限制擴大，詞庫的維護工作將耗費過多人力。參數調優和深度學習技術的應用，能大大提高輿情監測的效率和準確性。參數調優是指將人工智能模型應用于語義分析，即向空白模型中大量輸入準確的正面、負面信息，通過大量的數據注入，不斷完成模型迭代，最終獲得達到商用準確度要求的模型；深度學習是一種基于人工神經網絡的機器學習方法，通過大規模數據訓練，模擬人腦的學習和推理能力，幫助機器更好地理解語義和情感，準確識別信息中的主題、觀點和情感傾向。通過深度學習技術，輿情監測系統可以自動化地進行情感分析、話題分類和觀點提取，大大提高了輿情監測的效率和準確性。利用人工智能模型進行語義分析，技術門檻較高，政府在網絡輿情危機管控方面的成本勢必會增大。

3.3 拓展高輿情價值信息收集渠道

從門戶網站時期、微博時期、以微信和頭條為代表的圖文自媒體時期，到以抖音、快手、視頻號為代表的短視頻自媒體時期，再到中間穿插諸如知乎、小紅書、B站等在各自細分領域擁有巨量信息的站點，互聯網信息的媒介載體在快速壯大，越來越多擁有海量內容和高輿情價值信息的站點快速崛起，給網絡輿情監測帶來諸多挑戰。從對輿情信息反映的敏銳性與時效性角度，需要對互聯網信息源擁有足夠的洞察力，實時發現并評估新興的信息載體，使有輿情價值的載體快速納入技術規劃，快速上線，因此探索提升高輿情價值信息快速納入監測預警范圍的能力，提高對互聯網媒體新興平臺的支持度和反應速度，是政府和行業需重點攻克的監測預警技術缺口。較為快捷的方式是關注提供網絡熱點話題排行榜的社交媒體平臺，如今日頭條、新浪微博等，通過進入該榜單的輿論話題專頁，查看篩選相關熱點輿論信息。同時，運用 Hootsuite、Brandwatch等技術，對社交媒體平臺上的用戶評論、分享、點贊數據等進行實時監測，及時了解公眾對行業所持的態度和觀點等，收集和整理有高輿情價值的數據和信息。

3.4 提升輿情數據分析報告能力

在輿情呈現環節，報告模塊則更多體現了系統在“非數據功能”層面的功力，即輿情數據分析和報告呈現。在輿情數據分析環節，一旦數據收集完畢，就需要運用合適的數據挖掘技術，以揭示輿情數據背后的洞察力。運用文本挖掘、網絡社交關系分析等技術，可深度了解公眾的情感傾向、關注點和討論熱點，從而揭示事件的本質和輿論動態，發現意見領袖、關鍵節點和信息傳播路徑，幫助決策者更好地把握公眾的態度和趨勢，為輿情處理提供科學的依據。在報告呈現環節，一個好的報告模塊能夠覆蓋周期性報告、事件性報告、輿情屬性對比報告等多應用場景，如C市生態環境領域網絡輿情以輿情周報、月報、半年報、年報、專報、臺賬等模式呈現，其效果好壞主要取決于輿情監測系統在數據研判和分析方面的能力。一個好的報告模塊應同時具備足夠多的個性化選項，如根據C市網民關注度在特定時間、信息活躍度和來源集中于網絡大V等輿情特點，建立與之對應的個性化報告模板，在報告導出及分享時，提供足夠多的導出選項和分享便利性，幫助使用者在節省大量人工前提下，完成一份足夠亮眼的輿情報告。

參考文獻：

[1] 楊善林，周斌，賈焰，等. 網絡輿情監測、分析與管理的現狀與挑戰[J]. 中國工程科學，2016，18（6）：17-22.

[2] 郭春俠，劉惠，儲節旺. 新媒體環境下網絡輿情治理大數據能力建設研究[J]. 情報理論與實踐，2018，41（12）：46-54.

[3] 楊紅. 應急管理視角下做好網絡輿情應對工作的四個抓手：基于北京市應急管理輿情工作實踐的思考[J].科技傳播，2022，14（10）：90-92+102.

[4] 莫家樂，葉脈，解光武，等. 突發環境事件應急演練場景設計探索[J]. 四川環境，2020，39（4）：161-166.

[5] 王一帆. 網絡輿情監測預警機制研究[J]. 情報探索，2016，（3）：129-134.

[6] 劉艷紅. 基于關注度的網絡輿情信息傳播探究[J]. 新聞研究導刊，2017，8（23）：78+81.

[7] 朱紅濤. 網絡信息源可信性判斷探析[J]. 經濟研究導刊，2014（25）：197-198.

[8] 曹樹金，周小又，陳桂鴻. 網絡輿情監控系統中的主題帖自動標引及情感傾向分析研究[J]. 圖書情報知識，2012（1）：66-73.

Monitoring and Analysis of Negative Public Opinion in the Field of Ecological Environment on the Internet：Based on the Application of“Eagle Eye Technology”

SU Ying

（Lanzhou Environmental Emergency and Accident Investigation Center，Lanzhou Gansu 730000，China）

Abstract： With the rapid development of the Internet and new media， the social sensitivity of network negative public opinion in the field of ecological environment protection has been continuously improved， which has become a topic and problem faced by the government and ecological environment departments. The effective solution is to use big data public opinion monitoring technologies such as“Eagle Eye”Speed Reading Network to conduct scien?tific monitoring， early warning and predict network information related to the ecological environment field. By ana?lyzing the four- dimensional indicators of information attention， media activity， proportion of information sources，and emotional distribution， specific network information monitoring results are presented in the form of briefings， re?ports， charts， etc.， so as to resolve crises， guide decision-making， optimize management and improve efficiency. At the technical level， Python and other web crawling technologies should be fully utilized to solve the problem of“is?lands”in network information capture， explore the establishment of intelligent emotional attribute judgment models，expand channels for collecting high-value public opinion information， and enhance the ability to analyze and report public opinion information.

Key words： ecological environment; negative public opinion on the internet; eagle eye technology; Monitoring