近年来随着移动互联网的不断普及，网络社交平台逐渐成为青少年获取信息、发表观点以及沟通交流的主要渠道，用户经常在各种社交平台上通过文本、图片或者短视频等多种形式来表达自己的观点和情感。尤其是头条和抖音等移动端APP的迅速崛起，使得信息的传播越来越方便和快速，每当突发重大舆情事件时，很快就会在各个社交平台上酝酿和发酵，进而成为全网热议的话题。然而对于一些虚假新闻或者负面舆情事件，如果不及时进行引导和控制，极易被一些不法分子加以装饰用来吸引眼球和博取流量，从而误导青少年的价值取向，甚至引发群体性或暴力性事件进而危害人民群众的生命财产安全以及社会的和谐稳定。因此，在大数据背景下如何针对网络社交平台上的舆情事件进行情感分析和价值引导成为社会科学和信息科学等交叉学科重要研究方向。当前针对网络舆情的情感分析主要有基于词典[1-2]、机器学习[3-4]以及将机器学习和词典相结合[5-7]等三种研究方法，另外还有将表情符号作为重要影响因素的多特征融合方法[8-9]也日渐成为主流。本文将综合比较上述各种方法的优缺点，探索在大数据背景下如何有效借助于人工智能的技术手段来对网络舆情进行情感分析，为校园网络舆情事件的预防、监控以及引导和决策提供辅助和参考。

1、网络舆情事件的演化过程和传播特点

在互联网时代，一般舆情事件如果触及到社会道德底线或者公众利益，人们会经常在社交平台上发布一些带有个人情感色彩的观点和言论，一些偏激的网络行为很有可能会导致大量网络谣言不断滋生。如果演变成负面舆论危机，涉事的人或者企业单位可能面临潜在的不可预估的舆情危机。因此，要做好舆情分析，首先要了解网络负面舆情的演变过程和传播路径，通过了解后才能对潜在的舆情风险制定相应的计划。

1.1网络舆情事件的演化过程

通常网络舆情事件发生后其发展过程也类似于生命周期的演化过程，遵循一定的周期性和规律性。研究人员一般将舆情事件的生命周期划分为舆情发展的潜伏期、形成期、高峰期以及消退期。

(1）潜伏期：舆情事件刚开始出现或者已经发生了一段时间但还没在网络上发酵，此时信息零星分布在一些城市的本地社交平台或论坛上，并没有广泛引起公众的关注。

(2）形成期：如果事件没有及时得到官方处理或当事者的有效回应，同时又引起了公众的共鸣，激发了群众的情感和道德等问题。人们就会在社交平台上通过点赞、评论或者转发等一系列的网络行为发表自己的观点和态度。

(3）高峰期：随着事件讨论的不断深入，越来越多的公众号或新媒体参与其中，各种观点和看法层出不穷，甚至有不法分子推波助澜滋生大量网络谣言，煽动民众情绪。此时公众的参与程度开始呈指数级增长，线上和线下都在讨论和关注舆情事件的发展动态。舆论达到顶峰，借助于网络呈现爆发式的扩散。

(4）消退期：如果事件得到妥善处理或者官方已经公布真相，没有新的舆情激发公众的共鸣，公众对该事件的关注度会逐渐消退。但如果当事人弄巧成拙或官方处理不当亦有可能使得舆情事件的关注度持续不断。

1.2网络舆情事件的传播路径

图1 网络舆情事件传播方式

网络舆情事件在发展过程中有着随机性、即时性和不易找到根源等特点。其传播路径一般可分为以下几种模式：

(1）形态突变模式：形态突变模式将舆情事件的传播类似于信息流的传播，其基本逻辑为：舆情事件尤其是负面新闻发生后，各种不同的观点和见解会通过多模态方式传播，从而突破以往的舆论平衡形态，导致大量群众传统的情感和道德认知发生改变，并通过累积演化逐渐引起质变，当达到突变点后会打破公众的理性认知，如轰动全国的南京彭宇案。

(2）叠加聚焦模式：该模式将分散的能量聚焦集中为统一的能量，也就是将一个普通的偶发事件通过无限放大使之成为全社会普遍关注的焦点问题，又被称为涟漪效应。一些局部的偶发事件会因为涟漪效应而迅速被原本对该事件并不关心的社会公众关注，主要原因一是社会深层矛盾的情绪积累和聚焦，二是一些社会自媒体的刻意渲染在客观上加剧了事态的复杂性和多变性，但并未形成统一的意见合流，如邵阳学院的菲律宾博士事件。

(3）群体极化模式：舆情群体极化是近年来新出现的一种极端表现模式。其形成原因是公众一开始就存在某种极端情绪倾向，在经过网络社交平台的发酵后朝着偏离事件原委的方向发展，最后形成极端的负面观点。如“货拉拉女孩跳车”、“复旦黄山门”等事件。

一般校园在发生网络舆情事件后，其传播方式会如图1所示。舆情事件经过初始节点V爆料后，会根据该初始节点的自身影响力带动其好友或粉丝进行一级转发传播。然后再通过二级节点触发后续节点的多级传播，后续节点有时候甚至会有比原创节点具备更大的影响力，最终导致舆情事件短时间内在网络社交平台上爆发式扩散。

2、网络情感表达的主要载体和维度取向

2.1 网络情感表达的主要载体

网络日常的情绪表达属于微观人际互动层面，与个体每时每刻的情绪变化息息相关。当前大学生们主要通过QQ、微信、微博、贴吧等网络社交平台在网上自由公开表达自己的思想、情感或者与他人交流观点。根据测评机构CN10/CNPP最新的大数据分析报告显示当前国内最活跃的十大社交软件排名如下：

图2 国内社交软件品牌影响力排名

这些大型社交平台通常影响力较广，一旦形成热点事件将很快成为全网关注的热点。而一些城市本地影响力较大的自媒体公众号也是重要的舆情数据分析对象，他们往往是网络舆情事件的发源地。以江苏省盐城市为例，在2019年市网信办联合盐城众智舆情研究院发布一项的本地新媒体某季度的数据如下：

表1 盐城市微信自媒体影响力排行榜

2.2 网络情感分析的维度取向

研究者经过面部表情以及语言表达等情感分析研究后，通常认为情绪存在两个稳定且独立的维度，即积极-消极情绪模型，其中积极情绪指人们感觉兴奋、活跃和开心的程度，而消极情绪是一种悲伤忧虑、消极投入的状态，包括愤怒、恐惧、紧张、耻辱等，两者是相互独立的。然而情绪维度取向认为情绪是高度相关的连续体，是一种较为模糊的状态，而中文文本中的情感词汇很丰富，其中包含了大量的否定词和修饰词等，具有一定的模糊性和不确定性，因此需要结合模糊理论的处理方法才能计算出整段文本的情感值。另外通常网民在社交平台上发表一些表达自己观点或情绪的评论时，除了通过文本的形式还有各种各样的表情或图片。因此构建情感词典并将文本中的情感词以及表情符号等进行量化处理，从而计算出整段文本的情感值是网络情感分析的关键。

3、网络舆情情感分析的主要技术手段

通过网络行为来进行舆情分析的最终目标是借助于技术手段来挖掘并分析社交平台上的文本信息，因此自然会涉及到很多人工智能和大数据分析的相关技术。当前大数据背景下将人工智能技术应用于网络舆情情感分析的主流方法有基于模式匹配的方法、基于机器学习的方法以及基于深度学习的方法等三种。

3.1 基于模式匹配的方法

基于模式匹配的方法首先需要构建模式库，然后获取相应舆情事件的文本，通过匹配算法将获取的文本语句与模式库中的模式样本进行比对，分析并判断出文本的情感倾向。这种方法在某些特殊的场景下应用效果很好，但缺点是需要依据特殊应用场景的需求设置相应的规则和模式库，不具备普适性。

3.2 基于机器学习的方法

机器学习的方法一般是先使用一定的编码方式将文本中的情感词进行量化，然后利用多元分类器对情感词进行分类，最终得到文本所属的情感倾向和事件类别。主要有支持向量机算法（SVM）、K临近算法（KNN）、决策树算法（DT）、朴素贝叶斯法（NB）等。其中SVM算法一般来说可用于线性分类与非线性分类，其最重要的任务是选择最优的决策边界，能够实现得到的两类数据点之间距离最大化分割的直线。SVM最大的优势是能够在计算机性能欠缺、样本数不高的情况下取得不错的结果。

3.3 基于深度学习的方法

深度学习算法是近年来人工智能领域研究最热门的方向，已经广泛应用于图像识别和自然语言处理等方面。尤其是在进行大数据分析任务时，人工神经网络能够在大规模语料库中更好的挖掘出潜在的文本语义和情感特征。其中的卷积神经网络（CNN）由于具备较高的准确率和可移植性应用最广，另外在某些特殊应用场景中还有一种结合注意力机制的胶囊神经网络模型也能取得比传统方法更好的识别效果。

针对当前网民网络情感分析方法中普遍存在的局限性，本文提出一种将大学生网络行为和社交平台数据相结合的情感分析方法，旨在增强数据来源的真实客观性和全面性，提高系统分析的准确度。系统使用统一建模语言UML来进行功能设计和数据建模，并采用Python语言和MySQL数据库来进行系统开发，利用Requests技术对网页进行爬取和解析，使用支持向量机SVM等若干机器学习分类器模型来进行情感分析，采用Bi-LSTM技术来进行情感倾向性判定，并通过自定义加权平均方法计算价值观评价得分。系统由网络行为感知器、情感分析决策支持技术以及可视化平台等三个部分组成，他们之间互相独立，并通过数据平台进行协同操作，保证整个系统功能高内聚低耦合的特性。最终建立一种能够有效对网络行为分析、监管与危机预警的应用平台和预警机制。系统整体框架如下图：

图3 网络舆情情感分析系统整体框架

4、如何构建校园网络舆情事件预防和监控体系

随着社交网络平台的越来越普及，校园网络舆情的预防和监控显得尤为重要。尤其是在大数据背景下，学校有关部门如果网络舆情处置不当，会严重损害政府或单位的公信力，扰乱校园秩序，甚至会导致网络暴力的形成。当前构建网络舆情事件预防和监控体系的主要任务体现在两个方面：一是避免网络暴力的产生，同时凝聚人文道德和法治社会的正能量，弘扬社会主义核心价值观。二是构建“网络边疆”，严密防控境外敌对势力利用网络舆情破坏和谐社会的稳定。为此需要结合网络社交平台这个舆情主阵地在以下几个方面加强构建网络舆情事件的预防和监控体系：

4.1 完善网络舆情管理法制建设

中国工程院李国杰院士在接受《中国科学报》记者采访时说：“数据背后是网络，网络背后是人，研究网络数据实际是研究人组成的社会网络。”因此在大数据时代，互联网社交平台并非法外之地，网络舆情的治理需要进一步完善相关的法律法规，从制度层面上正确引导舆论。

首先，健全校园网络安全制度，强化师生网络安全意识。认真全面贯彻和落实《中华人民共和国网络安全法》，明确网络安全责任制和问责机制，将网络舆情的治理工作与党风政纪建设充分结合，根据各校实际情况制定网络安全各项管理制度和标准，使舆情治理工作有法可依和有法必依。

其次，加大网络安全的宣传力度，提高学生遵纪守法意识。通过各类媒体宣传网络安全的重要性，培养学生的思想道德和正确的价值观。提升学生对网络谣言的信息识别能力，自觉遵守网络安全法，不信谣不传谣。鼓励学生积极参与打击和举报发布恶意诋毁社会主义的不良信息，共同构筑新时代的“网络边疆”，维护社会和谐。

最后，要突破“信息孤岛”，解决大数据分散、冗余且利用率低的问题，在政府统筹下协调各种社交网络平台与高校学生信息数据资源。应以国务院印发的《全国一体化政务大数据体系建设指南》为契机，尽快建立由网信等部门牵头、多部门联动的大数据网络安全管理机制，负责统筹建设网络舆情大数据管理平台。

4.2 强化网络舆情管理大数据技术支撑

当前互联网大数据背景下，网络舆情管理面临着海量数据规模大、种类多（包含文本、图片、语音、视频等）、传播速度快等传统技术难以解决的问题，因此加强网络舆情监控技术显得尤为重要。

首先管理部门需要统筹规划建设网络舆情大数据管理平台，保障财政支持力度，进行系统整合、避免重复建设；其次要加强与科研院所以及网络社交平台的合作，集中技术攻关。充分利用人工智能的图像识别技术、自然语言处理技术以及语音识别技术等实现网络舆情监控的智能化。同时建设具备海量数据存储能力的云计算平台，提高大数据的挖掘和分析效率；最后要不断加强数据安全技术，包括平台管理人员的身份验证、外部入侵检测等技术以保障数据安全，维护公民的数据隐私和信息安全。

4.3 建设大数据网络舆情管理专业队伍

拥有一个专业的人才队伍是做好网络舆情管理工作的重要保障，要深入贯彻落实政府出台的各种人才计划吸引人工智能和大数据等方面的专业人才，重点培养具备信息技术、新媒体和新闻传播学等各方面知识的综合型人才。在纵向上要从网络舆情发展的潜伏期、形成期以及高峰期等各个时期成立专门的负责队伍；在横向上发挥技术型人才优势，采用人工智能和大数据技术对网络社交平台进行智能化监控。

4.4 变革网络舆情治理的传统思维观念

习近平总书记在全国网络安全与信息化工作座谈会议上曾经讲过：“知屋漏者在宇下，知政失者在草野”。很多网民称自己是“草根”，那么现在的网络就是“草野”。习近平总书记还讲过：“网民来自老百姓，老百姓上了网，民意也就上了网。群众在哪儿，我们的领导干部就要到哪儿去”。

首先观念的变革是一切行动的先导。在大数据背景下，校园管理部门是网络舆情治理的核心主体，要建设互联网时代的良好网络生态环境，发挥网络引导舆论、反映民意的作用。坚持贯彻平等、开放的网络舆情治理理念，从传统的主体管控思维转向以提升师生公共服务能力为主导的思维；其次，各级管理部门要学会通过网络走群众路线，主动收集学生民意调查数据，了解学生所思所愿，及时掌握舆情动向，通过网络积极主动回应学生关切。最后，要坚决打击和制止利用网络社交平台宣传国家和民族分裂、煽动恐怖暴力活动以及宗教极端主义等各种恶劣行为，决不能因为是在网络空间而大行其道和逍遥法外。要给广大网民尤其是青少年大学生营造一个风清气正的网络生态环境，努力构筑大数据背景下的新时代“网络长城”。

5、总结与展望

大数据背景下，人工智能技术已经广泛应用于社会生产和生活中的各个方面，并且其优势明显，能够大大提高人们的工作效率，尤其是在数据分析、风险防控以及企业生产等诸多领域。例如在网络舆情防控中，还可以利用人脸识别技术来对社交平台的用户进行实名，利用人工智能算法可以极大提高人工核对信息的效率，各级政府和相关部门还可以利用大数据技术准确判断舆情的源头和传播路径。总的来说，在大数据时代人工智能技术的应用范围一定会越来越广泛，并将逐渐渗透到社会经济和生活以及教育等各个方面。未来不管网络社交平台的发展趋势如何，人工智能以及大数据等新一代信息技术都将在社会的发展过程中发挥重要作用，不断推动和促进我们从信息时代走向智能时代。

参考文献:

[1]安璐,吴林.融合主题与情感特征的突发事件微博舆情演化分析[J].图书情报工作,2017,61(15):120-129.

[2]赵晓航.基于情感分析与主题分析的“后微博”时代突发事件政府信息公开研究——以新浪微博“天津爆炸”话题为例[J].图书情报工作,2016,60(20):104-111.

[3]宋午阳,张尼.基于大数据及人工智能技术的网络安全防御系统设计策略[J].网络安全技术与应用,2022(7):56-57.

[4]何跃,朱婷婷.基于微博情感分析和社会网络分析的雾霾舆情研究[J].情报科学,2018,36(07):91-97.

[6]邢云菲,王晰巍,韦雅楠,等.新媒体环境下网络舆情用户情感演化模型研究—基于情感极性及情感强度理论[J].情报科学,2018,36(08):142-148.

[7]何跃,赵书朋,何黎.基于情感知识和机器学习算法的组合微文情感倾向分类研究[J].情报杂志,2018,37(05):189-194.

[8]王菲菲.人工智能技术在网络安全防护中的应用优势及策略探究[J].网络安全技术与应用,2022(12):95-97.

[9]张鹏,崔彦琛,兰月新,等.基于扎根理论与词典构建的微博突发事件情感分析与舆情引导策略[J].现代情报,2019,39(03):122-131+143.

[10]朱世猛.中文分词算法的研究与实现[D].电子科技大学,2011.

基金资助:江苏省高校哲学社会科学研究专题项目“基于大学生网络行为的情感分析及心理危机预警机制研究”(项目编号:2022SJSZ1101); 盐城市社会科学基金项目“大数据背景下基于社交平台的网络舆情情感分析研究”(项目编号:22skB369);

文章来源:仲伟伟,汪方正.基于社交平台的大学生网络行为与舆情监控机制研究[J].网络安全技术与应用,2024,(10):86-89.