网络舆情治理研究综述

网络舆情治理研究综述*谭雪晗**　涂艳　马哲坤中央财经大学　北京　100081摘　要:关键词：DOI ：10.16582/ki.dzzw.2016.08.006通过分析网络舆情传播的广泛性、非理性、偏差性，以及意见表达的趋于集体、高突发性与低记忆性等特点，论述了合理控制舆情扩散动因与公众情绪、筛选正确的意见领袖，有助于提高网络舆情治理的效率，实现公众、政府、网络媒体的三方共同参与，达到网络舆情治理的目的。

并结合既有研究的不足，对网络舆情治理相关研究的未来发展趋势进行了展望。

网络舆情；意见表达；网络治理；网络民主一、引言当前，中国互联网发展迅猛，个性化、交互式的网络媒体使网络舆情的在线参与人数不断增长，微博、推特以及其他在线网络媒体平台逐渐成为公众主要的交流平台，网络应用重心、应用范围、应用主体随之发生转变[1]，网络已成为反映民情、表达民意、公众参与社会生活的重要渠道，成为影响社会热点问题的主要因素，网络民主化将成为必然趋势[2]。

例如，用户通过博客分享信息、参与讨论[3]；通过BBS平台就某一话题发表意见；通过播客上传个人视频，实现多媒体信息的共享传播；通过“零编辑”的微博形成对突发事件的“现场直播”[4]，提高了信息更新频率与用户互动程度[1]。

因此，越来越多的研究开始关注网络舆情这一领域。

本文将通过以下4个部分论述网络舆情治理措施及研究方向：第一部分，分析了网络舆情的特点、分类及双面性，认为网络舆情具有广泛性、非理性与偏差性，并从进程、经验与内容三个维度对网络舆情进行分类，从正反两方面阐述了网络舆情的多样化，强调了网络舆*基金项目：国家社科基金重点项目“面向公共安全事件的网络社会治理机制”（14AZD045）；北京市社科联青年社科人才资助项目“电子商务促进首都产业结构优化调整对策研究“（2015SKL009）。

**通讯作者 收稿日期：2016-01-29互联网治理专栏情治理的必要性。

第二部分，分析了意见表达的特点，对用户进行了分类，阐述情绪作为引发用户意见表达的主要驱动力与群体性事件的主要诱发因素，强调控制公众情绪有助于提高网络舆情治理的效率，突出意见领袖在舆情走向引导中的重要作用；分析了舆情扩散的影响因素，强调信息传播的质量。

第三部分，论述了网络舆情治理的方法，提出以用户、网络媒体与政府为对象的治理措施；第四部分，论述了网络舆情治理研究现状的不足与未来的研究方向（分析框架路线如图1所示）。

二、网络舆情网络舆情是指在某些网络空间内网民的观点、建议及对各种社会现象与问题的感受构成的集合。

整体网络形式的多元化，促使了公共舆情的呈现方式多元化，包括论坛发帖、微博、电子邮件等[5]，其实质是网民注意力资源的分配、民众之间以及不同利益诉求者之间的非合作博弈行为[6]。

网络舆情主要包括三个特点：①丰富的信息、快速连续发布由于危机的严重性，其曲线缺乏缓慢的提高阶段；脉冲发布的曲线为多条S形曲线的结合。

[9]②以经验为主导。

将网络媒体看作一个社会球体，用四种度量方法评估网络舆情，即平等性、多样性、互惠性、个性化。

[2]③以内容为主导。

将网络舆情分为常规网络舆情与突发事件网络舆情[4]。

网络舆情多变、反控制的特点决定了网络舆情的双面性。

在积极方面，第一，网络舆情能够客观地反映现实社会的主要问题[1]，将公众由被动的信息接受者转化为主动的议题制造者，作为公众意见的主要表达渠道，承担了危机输入功能，促使价值判断的提升、议程范围的扩大；[4]第二，网络舆情鼓励政府改善工作作风、提供支持党和政府的科学决策，有利于政府了解群众需求，提高监督力度，促进社会事件的解决、政治与经济的进步。

[5]在消极方面，信息的获取成本逐渐降低，公众对网络媒体的批判也随之产生。

第一，由于用户的在线偏见规模巨大、难以控制，信息内容甄别与传播制约机制匮乏[1]，致使网络的民主性、网民间的理性沟通难以实现，作为底部社会阶层的公众个体互动贫乏、评论质量低下[2]，线上虚拟世界与线下现实世界的一致性难以保证，进而破坏了网络媒体的有效性[10]；第二，网络媒体可能导致选择性曝光，敌对势力或当权者可能通过散播虚假信息误导群众，降低信息的真实性[2,5]；第三，网络舆情可能引发群体性事件，导致在线冲突，影响政府、媒体的正常运行[5]；第四，传统媒介的权威性与公信力受到网络议程的制约，相关社会管理部门难以有效引导公众，从而加大了网络舆情治理的难度。

[4]目前，微博与其他网络媒体已成为用户的综合意见表达平台[11]，用户作为网络舆情的本体，其自我意见表达构成舆情，并导致网络舆情的多样化[1,4,6]。

因此，在各种话题上挖掘公众意见，通过引导公众情绪[10]、筛选意见领袖、控制网络舆情扩散，有助于网络舆情治理水平的提升，推动虚拟社会管理机制的创新[5]。

三、意见表达（一）意见表达的特点用户针对突发网络事件表达意见，使网络舆情成为社会与经济活动波动的重要风向标，因此，用户是网络舆情治理的重要对象之一。

对此，通过用户分类识别有效治理对象，分析用户意见表达的特点，理解用户活动及用户意见表达过程中的交互关系，有利于选择合理的网络舆情治理方向，提升企业、政府、社会的网络舆情治理效率，推进相关部门选择正确的治理措施。

根据用户在互联网上意见表达的特点，能够多角度对用户进行区分。

①以政治的角度，通过观察用户客观行为获取用户的观点图谱，在保证用户立场客观性的前提下，以立场的一致性为基准对用户进行分类；[10]②以舆情传播环境与舆情代表人的角度，将网络舆情分为舆情传播的环境状况、舆情代表人的心理状态、舆情传播的观点状态、舆情传播的社会情境四个子网，并分别对其进行定量描述，模拟传染病模型（SIR），将用户划分为舆情传播者、舆情澄清者、易感染者；[12]③以评论者的角度，根据评论者信誉对其进行分类，通过信任强度、委托人平均信托强度、目标类别的评论等级、目标类别的产品等级等四个变量，区别低声誉评论者与高声誉评论者[13]。

本文中，笔者基于意见表达的倾向性及影响程度，将用户分为普通用户与意见领袖。

⒈宏观特点自网络媒体对社会舆论的影响受到众多学者的高度重视以来，研究工作者提出了一系列模型来解释用户意见表达过程中的宏观特点，并提出以下结论：①衍生话谭雪晗　涂艳　马哲坤·网络舆情治理研究综述题的产生数量与舆情系统达到稳定状态的时间、信息知情者的数量正向相关[1]；②线上舆情讨论活动的线性形状呈无标度分布[14]，其中，浏览量与评论量普遍呈现出幂律分布的特殊形态，且指数分布在1.6-3.5之间，由于文化背景与论坛规则的差异，评论量的幂律分布指数普遍大于浏览量[15]。

⒉微观特点在网络媒体中，用户热衷于通过发帖表达对突发事件的意见，进而影响网络信息世界格局。

用户发帖行为具有以下四个特点：①其他用户的客观行为决定用户地位[10]，用户地位影响用户沟通习惯[2]。

但有学者指出，用户通常无视他们的地位，与持相反意见者进行平等沟通，但底部地位的用户并非其沟通的主要对象，用户倾向于与更高社会层次的政治当局沟通[2]。

②即使用户间出现争论，争论仍以理性沟通为主，侮辱性内容极少存在。

[2]③用户的意见表达趋于集体舆论[10]。

当用户对信息进行真实性判断时，有采用集体真实性判断的强烈倾向[11]，环境的磁化率使用户意见向多数意见持有者靠拢，进而达到网络舆情的统一化[6]，但在政治方面，用户的意见表达具有“逆转”特点，即更多用户倾向于支持少数党的观点[10]。

④网民行为具有高突发性与低记忆性[8]。

任何事件都有一个发生、发展、结束的过程，基于网络舆情进程，在网络舆情的形成、扩散、爆发、终结四个发展阶段中，用户意见表达的持续长度可表征用户对突发事件的关注程度，利于有效舆情预警机制的建立。

意见表达的持续长度主要由以下五点决定：①用户的地位。

由顶级用户发起的讨论持续时间普遍长于由普通用户发起的讨论持续时间[2]。

②互联网俚语。

用户间包含互联网俚语的争论将恶化用户关系，并鼓励其他用户采取类似的语气，提高用户发表煽动性消息的频率，加大用户间的冲突。

[14]③讨论。

虽然跟帖用户的数量随跟帖长度而衰退，但基于讨论的跟帖的持续长度普遍大于独立的评论[14]。

④意见异同。

当用户认为其自身是少数意见持有者时，更倾向于表达意见[16]，并与持对立观点的用户进行长期争论[14]。

但有学者指出，持相同意见的对话的持续时间大于持相反观点的对话的持续时间，即用户更倾向于与持相同意见的用户对话[2]。

⑤情绪。

跟帖长度与消极情绪正向相关，且有延续趋势。

消极情绪推动用户的意见表达，跟帖活跃的用户通常不仅是跟帖讨论的关键用户，并且会表达更多的消极情绪。

[14]（二）情绪随着以微博为代表的Web2.0时代的到来，情绪逐步成为影响其他用户观点的主要动因，影响用户对评论的处理方式，情绪作为引发用户意见表达的主要驱动力与群体性事件的主要诱发因素，已成为国内外学者研究的热点之一[17]。

作为网络舆情治理过程中的上层建筑，在线情绪的衡量方法为挖掘与分析信息提供了技术支持与保证，通过考察其内在性质以及与用户活动的相关性，有助于从公共管理与社会传播的角度控制在线情绪，调动公众积极健康的网络行为。

因此，迫切需要开发从大规模的社交媒体数据中准确测量情绪的可靠方法，实现从信息内容到情感内容的对应，动态实现文本信息与情绪间的精确匹配，理解用户个人感受的发生过程、时间与原因，准确捕捉、预测公众情绪，了解情绪在网络环境下对用户判断的影响，并对这种影响实施有效控制。

⒈情绪的衡量方法由于网络舆情具有“沉默的螺旋”的性质[16]，易煽动用户情绪，导致群体性事件，因此致力于网络舆情治理的各界学者通过多种方法衡量情绪。

①利用AFINN（Finn Arup Nielsen）得分榜构建情绪矩阵，对谭雪晗　涂艳　马哲坤·网络舆情治理研究综述网络媒体在不同情感矩阵中分组，达到情绪衡量的目的[18]。

②通过PANAS-t（Positive And Negative Affect Schedule-t，正负性情绪量表）衡量网络媒体上的情绪，PANAS-t包含一套平衡的积极与消极情绪数据集，通过参照数据集中存在的整体情绪，计算各种情绪的标准化分数，能够判断情绪升降，针对特定事件，分析用户反应，测定用户情绪。

[19]③基于多策略融合进行细粒度情绪分析，发现“NB+SVM”（“朴素贝叶斯算法+支持向量机算法”）方法能够更好地测量用户情绪[17]。

④基于词典的规则方法识别情绪，主要包括表情符词典、情绪因子词典，其中表情符词典根据情绪表达的重要线索表情符，与传统情绪词典相结合，建立人工标注微博数据集，提高微博情绪分析的精度与覆盖率；[20]情绪因子词典以情绪因子中的常用情绪词与情绪短语为基础建立情绪规则库，衡量用户情绪。