暴力傷醫(yī)事件網(wǎng)絡(luò)輿情情感分析及輿情引導(dǎo)策略—以某事件為例摘要互聯(lián)網(wǎng)作為人們交流彼此的想法和觀念的重要場(chǎng)所，不斷影響著人類傳播信息的方法，早已不是單單作為傳播工具，互聯(lián)網(wǎng)已經(jīng)成為人類交流觀點(diǎn)、碰撞思想、融匯文化的大平臺(tái)。當(dāng)突發(fā)事件在互聯(lián)網(wǎng)平臺(tái)發(fā)酵之后，在不同觀點(diǎn)的沖突碰撞和觀念的表達(dá)下，網(wǎng)民很容易在輿論漩渦中產(chǎn)生極端化想法，一旦這種討論狀態(tài)持續(xù)發(fā)酵沒(méi)有正確的引導(dǎo)，會(huì)釀成十分嚴(yán)重的后果。本文選取了“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件進(jìn)行分析，以網(wǎng)友的微博內(nèi)容作為采集樣本，用八爪魚采集器收集數(shù)據(jù)并進(jìn)行清洗，利用最終數(shù)據(jù)進(jìn)行研究分析。同時(shí)，構(gòu)建情感詞典，標(biāo)記情感分?jǐn)?shù)值，本文還運(yùn)用了關(guān)鍵詞分析、情感分析、微博用戶的地域、性別對(duì)比分析等手段對(duì)暴力傷醫(yī)事件代表事件分析輿情演化的特征規(guī)律，并且在此基礎(chǔ)上劃分了該事件的輿情情感演變階段。最后根據(jù)分析結(jié)果對(duì)相關(guān)部門提出了對(duì)突發(fā)暴力傷醫(yī)事件的輿情處理建議。關(guān)鍵詞:暴力傷醫(yī)事件；輿情分析；情感特征目錄1. 序言 31.1研究背景與研究意義 31.1.1研究背景 31.1.2研究意義 31.2國(guó)內(nèi)外研究現(xiàn)狀 41.2.1國(guó)外研究現(xiàn)狀 41.2.2國(guó)內(nèi)研究現(xiàn)狀 52. 概念界定和理論基礎(chǔ) 62.1突發(fā)事件網(wǎng)絡(luò)輿情的相關(guān)理論 62.1.1突發(fā)事件 62.1.2網(wǎng)絡(luò)輿情 62.1.3突發(fā)事件網(wǎng)絡(luò)輿情 62.2情感分析理論 72.2.1情感定義 72.2.2情感分析定義 72.3信息處理相關(guān)理論與技術(shù) 82.3.1文本挖掘與處理技術(shù) 82.3.2生命周期理論 83暴力傷醫(yī)事件網(wǎng)絡(luò)輿情情感分析 93.1構(gòu)建情感詞典 93.2情感強(qiáng)度計(jì)算 93.3數(shù)據(jù)獲取方法和工具 103.3.1案例選取 103.3.2網(wǎng)絡(luò)爬蟲 113.4數(shù)據(jù)處理 123.4.1數(shù)據(jù)清洗 123.4.2中文分詞 123.4.3去除停用詞 123.4.4基于TF-IDF算法的關(guān)鍵詞分析 133.5暴力傷醫(yī)事件情感傾向 133.6情感分析 154.“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件傳播過(guò)程及演化階段分析 164.1“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件傳播過(guò)程分析 164.2“暴力傷醫(yī)——陶勇醫(yī)生被砍”用戶情緒特征分析 184.2.1基于性別的用戶情感特征分析 195醫(yī)暴事件網(wǎng)絡(luò)輿情引導(dǎo)策略 205.1相關(guān)部門處理過(guò)程中存在的問(wèn)題 205.2基于情緒演化階段特征的微博用戶情緒引導(dǎo)對(duì)策 216.總結(jié)與展望 216.1研究結(jié)論 216.2研究局限與展望 22序言1.1研究背景與研究意義1.1.1研究背景近年來(lái)的網(wǎng)絡(luò)和信息技術(shù)正在高速發(fā)展中，“兩微終端”(新浪微博、騰訊微信、手機(jī)移動(dòng)客戶端)已成為千千萬(wàn)萬(wàn)戶的熱門。據(jù)《中國(guó)互聯(lián)網(wǎng)發(fā)展統(tǒng)計(jì)報(bào)告》發(fā)布的《第47次中國(guó)互聯(lián)網(wǎng)發(fā)展統(tǒng)計(jì)報(bào)告》顯示，截至2020年12月，中國(guó)網(wǎng)民人數(shù)已達(dá)9.89億，互聯(lián)網(wǎng)普及率70.4%，同比增長(zhǎng)5.9%。其中，中國(guó)移動(dòng)互聯(lián)網(wǎng)用戶已達(dá)9.86億。與2020年3月相比，網(wǎng)民使用手機(jī)的人數(shù)達(dá)到99.7%，比2020年3月的增長(zhǎng)了0.4個(gè)百分點(diǎn)[1]?；ヂ?lián)網(wǎng)是高度自由和包容的。網(wǎng)民可以通過(guò)文字、視頻、音頻等方式在社交媒體平臺(tái)上自由表達(dá)自己的主觀觀點(diǎn)和情感。面對(duì)暴力傷醫(yī)，由于涉及到人們的生命安全，一旦通過(guò)網(wǎng)絡(luò)發(fā)布并被大量網(wǎng)民轉(zhuǎn)發(fā)，就很容易成為網(wǎng)絡(luò)熱點(diǎn)事件。2020年1月20日下午1時(shí)55分左右，北京朝陽(yáng)醫(yī)院發(fā)生暴力傷醫(yī)事件，共有三名醫(yī)護(hù)人員被砍傷，另有一位患者受傷，受害者陶勇傷情最重，是一名眼科醫(yī)生。事發(fā)當(dāng)天，還有1532名已經(jīng)預(yù)約的病人等待他的診治。施暴者是他的一位病人，輾轉(zhuǎn)多方求醫(yī)無(wú)果后最終被陶勇救治，陶勇被傷至左手骨折、神經(jīng)肌肉血管斷裂、顱腦外傷、枕骨骨折，兩周后才得以脫離生命危險(xiǎn)。該事件一經(jīng)在新浪微博平臺(tái)上曝光，立即引起了公眾的廣泛關(guān)注和討論，并被大量轉(zhuǎn)發(fā)和評(píng)論。網(wǎng)民們情緒激烈，嚴(yán)厲譴責(zé)那些暴力傷害醫(yī)生的人,這些評(píng)論充滿了負(fù)面能量,該事件在互聯(lián)網(wǎng)上引發(fā)了一場(chǎng)輿論海嘯，負(fù)面情緒高漲，一致譴責(zé)行兇者的暴力行徑，甚至對(duì)于醫(yī)生安全、醫(yī)患關(guān)系等話題也引起了社會(huì)各界的廣泛關(guān)注。比如，“疫情揭發(fā)者李文亮醫(yī)生死于新冠肺炎”該消息在微博上曝光后，短時(shí)間內(nèi)就被大量評(píng)論轉(zhuǎn)發(fā)，引起全國(guó)關(guān)注，成為熱門話題。“樂(lè)清女孩被滴滴順風(fēng)車撞死”事件引發(fā)了網(wǎng)友們對(duì)女性外出時(shí)的人身安全的討論。長(zhǎng)春長(zhǎng)生生物科技有限公司“疫苗造假”事件，不僅引發(fā)了公眾的恐慌，也引起了民眾的恐慌對(duì)醫(yī)療保健領(lǐng)域的懷疑和不滿。近年來(lái)，像豆瓣、微博等社交平臺(tái)慢慢成為主要輿論場(chǎng)。在這樣的輿論情況下，網(wǎng)友的情緒表達(dá)時(shí)刻影響著輿論動(dòng)向，輿論動(dòng)向又指向了民意。此外，網(wǎng)絡(luò)公民在輿情的每個(gè)發(fā)展階段的感受都有不同的層面，輿論主體呈現(xiàn)了理性和感性同時(shí)存在的特點(diǎn)，這讓政府和相關(guān)部門在監(jiān)測(cè)和引導(dǎo)輿情時(shí)變得困難。尤其是網(wǎng)民極易在突發(fā)事件輿論的刺激下，產(chǎn)生焦慮，恐慌，恐懼和失落感，繼而導(dǎo)致人們對(duì)突發(fā)事件的看法和判斷發(fā)生變化，最終形成不同的輿論趨勢(shì)。例如焦慮和氣憤等負(fù)面情緒不但會(huì)在網(wǎng)絡(luò)上帶動(dòng)更多的網(wǎng)民產(chǎn)生消極態(tài)度，還會(huì)使公眾輿論通過(guò)情緒感染的機(jī)制在網(wǎng)上傳播，最終導(dǎo)致社會(huì)動(dòng)蕩不安。例如，在微博上有“疫情揭發(fā)者李文亮醫(yī)生死于新冠肺炎”的消息曝光后，在短時(shí)間內(nèi)被大量評(píng)論轉(zhuǎn)發(fā)，聚集了全國(guó)人們的關(guān)注，立刻成為了熱門話題?！皹?lè)清女孩被滴滴順風(fēng)車撞死”引發(fā)了網(wǎng)民關(guān)于婦女外出時(shí)人身安全的討論。長(zhǎng)春長(zhǎng)生生物技術(shù)有限公司的“疫苗造假”事件不僅引起了公眾恐慌，更是引發(fā)了群眾對(duì)醫(yī)療保健領(lǐng)域的恐慌，猜疑和不滿。因此，通過(guò)分析網(wǎng)絡(luò)緊急輿情中網(wǎng)民的情感傾向，找到輿論的演變規(guī)律，并向政府機(jī)構(gòu)和有關(guān)部門提供科學(xué)合理的建議，以指導(dǎo)輿論，是十分重要的。本文以“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件為例，收集與事件相關(guān)的新浪微博數(shù)據(jù)，分析收集到的文本材料。為了提高輿論監(jiān)督效果和給維護(hù)社會(huì)輿論平穩(wěn)狀態(tài)在又?jǐn)?shù)據(jù)支持的基礎(chǔ)上提供有效建議，深入研究微博用戶特征，判斷情緒趨勢(shì)，找到輿論發(fā)展的規(guī)律、并在第一時(shí)間對(duì)輿論進(jìn)行監(jiān)測(cè)和引導(dǎo)。1.1.2研究意義暴力傷醫(yī)具有破壞性大，影響廣泛，難以預(yù)估的特點(diǎn)，由于它與人們的生活息息相關(guān)，所以只要在網(wǎng)絡(luò)上曝光傳播開(kāi)，將在短時(shí)間內(nèi)產(chǎn)生很大的影響，形成巨大的輿論漩渦，并迅速發(fā)展不斷擴(kuò)大成為互聯(lián)網(wǎng)熱點(diǎn)事件。公眾在面對(duì)此類事件時(shí)，也會(huì)在一定程度產(chǎn)生慌張不安等情緒，甚至這種情緒會(huì)被不懷好意的人加以利用，繼而成為影響社會(huì)安定的因素之一。因此，分析網(wǎng)民對(duì)于暴力傷醫(yī)的情感特征，并針對(duì)這些特征制定輿情引導(dǎo)措施是十分有實(shí)際意義的。（1）理論意義:當(dāng)前，關(guān)于社會(huì)安全事件的學(xué)術(shù)研究大多集中在輿論的管理和演化機(jī)制上，從網(wǎng)絡(luò)輿情的情感特征角度分析暴力傷醫(yī)的研究卻很少。本文從微博輿情的特征出發(fā)，對(duì)“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件進(jìn)行了情感特征分析和可視化分析，在此基礎(chǔ)上對(duì)突發(fā)暴力傷醫(yī)事件進(jìn)行了探討、分析。在分析過(guò)程中，從微博輿情的情感演變特征，用戶數(shù)據(jù)，微博輿情傳播過(guò)程三個(gè)不同角度對(duì)暴力傷醫(yī)事件進(jìn)行展開(kāi)分析。最后，利用網(wǎng)絡(luò)爬蟲技術(shù)，文本挖掘技術(shù)和數(shù)據(jù)分析技術(shù)在一定程度上完善了情感分析技術(shù)，對(duì)結(jié)果進(jìn)行可視化分析，這具有重要的理論意義。（2）實(shí)際意義:暴力傷醫(yī)事件是相對(duì)隨機(jī)且不可預(yù)測(cè)的，具有廣泛的傳播力和影響力，如果不認(rèn)真對(duì)待，會(huì)造成更大的社會(huì)傷害。本研究選擇了近期發(fā)生的有影響力的典型案例進(jìn)行分析，并從多個(gè)維度對(duì)事件進(jìn)行了綜合分析，以探索暴力傷醫(yī)類事件的情感特征，進(jìn)一步幫助相關(guān)政府部門提高其領(lǐng)導(dǎo)輿論的能力，加強(qiáng)行業(yè)監(jiān)管并完善相關(guān)條例來(lái)保護(hù)醫(yī)生和患者雙方權(quán)益。1.2國(guó)內(nèi)外研究現(xiàn)狀1.2.1國(guó)外研究現(xiàn)狀（一）網(wǎng)絡(luò)輿情研究現(xiàn)狀由于政治背景和西方存在根本性的差異，“輿情”其實(shí)是一種中國(guó)化的概念[2]，西方國(guó)家相對(duì)應(yīng)領(lǐng)域應(yīng)用的是比如“公共輿論”、“民意”等概念。與同一領(lǐng)域的我國(guó)研究相對(duì)比，西方發(fā)達(dá)國(guó)家以前的輿論研究活動(dòng)和成果很多，主要集中在網(wǎng)絡(luò)上輿論的演變規(guī)律，影響輿論的因素和輿論形態(tài)交流上。最早是盧梭在1762年撰寫的《社會(huì)契約論》中提出“公共輿論”(PublicOpinion)概念。ElisabethNoelleNeumann(1993)[3]提出“沉默螺旋定理”認(rèn)為在網(wǎng)絡(luò)輿情的演化過(guò)程中，公共輿論最終會(huì)將形成基于一方的沉默因此以對(duì)立的另一方所持的觀點(diǎn)為主的輿論趨勢(shì)。BrauchlerBirgit(2004)[4]首次將對(duì)立理論引入輿情中，提出網(wǎng)絡(luò)中產(chǎn)生沖突的對(duì)立雙方容易產(chǎn)生網(wǎng)絡(luò)輿情。Chong·D（2005）[5]提出突發(fā)事件網(wǎng)絡(luò)輿情的演化過(guò)程是動(dòng)態(tài)的，輿情發(fā)展到達(dá)頂點(diǎn)后會(huì)逐漸消退。SudhaVerma（2011）[6]等提出基于機(jī)器學(xué)習(xí)方法，想了解網(wǎng)民對(duì)網(wǎng)絡(luò)熱點(diǎn)事件的態(tài)度，可以根據(jù)出現(xiàn)在網(wǎng)絡(luò)用戶發(fā)言的關(guān)鍵字中的高權(quán)重詞來(lái)判斷。（二）網(wǎng)絡(luò)輿情演化研究現(xiàn)狀國(guó)內(nèi)外對(duì)網(wǎng)絡(luò)輿論演變的研究有不同的側(cè)重點(diǎn)：西方國(guó)家重視分析輿論演變的實(shí)用技術(shù)，而國(guó)內(nèi)偏見(jiàn)則主要基于研究理論。美國(guó)危機(jī)專家StevenFink[7]早在十九世紀(jì)八十年代提出危機(jī)消散期、擴(kuò)散器期、爆發(fā)期和潛伏期四階段分析理論，BurkholdeBT[8]提出以人口死亡率為指標(biāo)構(gòu)建的緊急階段（Acuteemergencyphase）、晚期緊急階段（Lateemergencyphase）、事發(fā)后緊急階段（Post-emergencyphase）三階段經(jīng)典傳播模型；RobertH[9]等人在此基礎(chǔ)上提出的四階段傳播模型以及FinkS[10]等人提出的生命周期模型。（三）情感分析研究現(xiàn)狀情感分析是指人們通過(guò)客觀存在的事物、產(chǎn)品，已經(jīng)發(fā)生的事件等表達(dá)自己的觀點(diǎn)和態(tài)度的過(guò)程。情感分析作為國(guó)外重要的研究領(lǐng)域引起了西方學(xué)者的廣泛關(guān)注，主要利用與情感傾向相關(guān)的關(guān)鍵詞進(jìn)行情感判斷。該研究的主要成果是情感極性的分析，情感的識(shí)別等。最早的情感分析研究工作就是2002年P(guān)ang[11]首次提出利用樸素貝葉斯等三種機(jī)器學(xué)習(xí)方法針對(duì)電影評(píng)論樣本進(jìn)行的情感分類，判斷電影評(píng)論文本的正負(fù)情感。DavidB.Bracewell[12]等以WordNet為基礎(chǔ)通過(guò)半自動(dòng)算法以種子詞創(chuàng)建情感詞典進(jìn)行情感分析。Go[13]等人為了得到較高的準(zhǔn)確率，使用機(jī)器學(xué)習(xí)方法對(duì)添加到集合中的表情的文字本數(shù)據(jù)先進(jìn)行了預(yù)處理。HassanA[14]等人提出將卷積神經(jīng)網(wǎng)絡(luò)(CNN)應(yīng)用到文本數(shù)據(jù)中，獲取句子序列中的依賴關(guān)系。Boiy和Moens[15]采用最大熵馬爾科夫模型、支持向量機(jī)（SVM）、樸素貝葉斯三種機(jī)器學(xué)習(xí)方法對(duì)文本數(shù)據(jù)進(jìn)行人工情感標(biāo)注，最后得出結(jié)論支持向量機(jī)的準(zhǔn)確率最高。Dey[16]等基于K-NN算法對(duì)社交媒體上用戶的評(píng)價(jià)進(jìn)行情感分析，LiY[17]構(gòu)建一個(gè)以知網(wǎng)情感詞表、大連理工情感詞表和文本相結(jié)合的多類別情感詞典，通過(guò)KNN算法將中文文本分類5類情感。1.2.2國(guó)內(nèi)研究現(xiàn)狀（一）網(wǎng)絡(luò)輿情研究現(xiàn)狀國(guó)內(nèi)的網(wǎng)絡(luò)輿情研究比國(guó)外開(kāi)始的要慢一些，劉毅[18]在其著作《網(wǎng)絡(luò)輿情研究概論》中提出網(wǎng)絡(luò)輿論的涵義是指隨著社會(huì)的進(jìn)步和互聯(lián)網(wǎng)的發(fā)展，個(gè)人和群體使用聲音，圖像，文本，視頻和其他表達(dá)形式作為載體來(lái)表達(dá)自己的情感，態(tài)度或觀念意見(jiàn)等。針對(duì)某個(gè)事件，某種觀點(diǎn)的觀點(diǎn)等，各種觀點(diǎn)、情感和意見(jiàn)的匯聚形成的總和，構(gòu)成了網(wǎng)絡(luò)的輿論體系，這個(gè)體系具有六個(gè)特點(diǎn)。在國(guó)內(nèi)研究中，一些學(xué)者還從不同角度進(jìn)行了各種關(guān)于網(wǎng)絡(luò)輿情定義的討論和研究。陶建杰[19]從趨勢(shì)的角度出發(fā)，他認(rèn)為互聯(lián)網(wǎng)輿論是緊急事件中公眾的一種傾向性表達(dá)。蔣樂(lè)進(jìn)[20]提出公眾通過(guò)網(wǎng)絡(luò)在公共社交平臺(tái)發(fā)布的帖子、在網(wǎng)站對(duì)新聞的點(diǎn)評(píng)、對(duì)其他網(wǎng)民的回復(fù)等在互相交流過(guò)程中逐步形成輿論，以沉默螺旋定理為基礎(chǔ)指出此時(shí)公眾發(fā)聲的觀點(diǎn)具有相似性。周如俊[21]提出互聯(lián)網(wǎng)輿論本質(zhì)上是指輿論領(lǐng)袖和對(duì)互聯(lián)網(wǎng)有一定影響力的KOL主動(dòng)表達(dá)對(duì)事件的看法。陳波[22]在泛在媒體的背景下，以外部輿論場(chǎng)影響率為指標(biāo)，改進(jìn)傳統(tǒng)的傳染病模型構(gòu)建SEIR傳播控制模型，提出網(wǎng)絡(luò)輿論在不斷發(fā)展發(fā)酵時(shí)有自我凈化的能力。伍盈[23]等人提出在網(wǎng)絡(luò)輿論傳播過(guò)程中，輿論具有互動(dòng)性，合理性和感知性共存的特點(diǎn)，對(duì)輿情的實(shí)時(shí)監(jiān)控和提前預(yù)警有了更高標(biāo)準(zhǔn)的要求。李弼程[24]等人建立了一個(gè)網(wǎng)絡(luò)輿情監(jiān)測(cè)模型，以實(shí)施網(wǎng)絡(luò)輿情監(jiān)測(cè)，包括數(shù)據(jù)收集，輿情預(yù)警，風(fēng)險(xiǎn)評(píng)估等。（二）網(wǎng)絡(luò)輿情演化研究現(xiàn)狀目前，關(guān)于國(guó)內(nèi)網(wǎng)絡(luò)輿情演化的研究主要是通過(guò)網(wǎng)絡(luò)輿情的演化過(guò)程和規(guī)律來(lái)進(jìn)行的。由于不同學(xué)者的研究視角不同，劃分突發(fā)事件生命周期階段的方法并不具有確定性，并且存在多種劃分模式，例如四階段，六階段和八階段等。Fink[25]提出了經(jīng)典的四階段生命周期模式：潛伏期、爆發(fā)期、蔓延期和恢復(fù)期來(lái)劃分突發(fā)事件的傳播；賈亞敏等[26]構(gòu)建了城市突發(fā)事件網(wǎng)絡(luò)輿情傳播的生命周期模型，并將其劃分為起始階段、爆發(fā)階段、衰退階段及平息階段，其研究反應(yīng)了各個(gè)階段的量化特征；廖海涵等[27]將微博輿情傳播周期劃分為萌芽期、成長(zhǎng)期、衰退期以及平穩(wěn)期；李綱等[28]將網(wǎng)絡(luò)輿情的發(fā)展演化過(guò)程分為潛伏、成長(zhǎng)、蔓延、爆發(fā)、衰退和死亡六個(gè)階段；吳曉娟[29]依據(jù)目標(biāo)話題傳播趨勢(shì)的多峰特征，將輿情演化周期劃分成八個(gè)階段。網(wǎng)絡(luò)輿論在不同時(shí)間，空間和背景下的演變有不同的規(guī)律和特征，張玉亮[30]提出緊急情況下輿論的演變本質(zhì)上是輿論主體的博弈，建議通過(guò)分析政府，涉事相關(guān)方，媒體和第三方網(wǎng)民的利益牽扯來(lái)引導(dǎo)輿論；強(qiáng)韶華[31]以人群仿真理論為基礎(chǔ)，針對(duì)網(wǎng)民、輿情信息、政府之間的關(guān)系構(gòu)建Agent仿真模型，深入挖掘輿情演化規(guī)律探討意見(jiàn)領(lǐng)袖和政府對(duì)輿情發(fā)展的作用。柳軍[32]提出從輿情微內(nèi)容的角度，分析輿情演化具有“馬太效應(yīng)”和“群體極化”的特點(diǎn)。錢穎[33]基于SIR模型建立了輿情傳播模型，認(rèn)為輿情演化與時(shí)間成正相關(guān)關(guān)系。情感分析（sentimentanalysis），又稱傾向性分析，是指對(duì)于用戶意見(jiàn)、情緒以及情感的計(jì)算研究。目前，中國(guó)的文本情感分析主要有兩種類型：一種是無(wú)監(jiān)督的文本情感分析，主要利用情感詞的相關(guān)內(nèi)容來(lái)判斷文本的情感趨勢(shì)；另一類是有監(jiān)督的文本情感分析，使用監(jiān)督學(xué)習(xí)算法（例如樸素貝葉斯和支持向量機(jī)等）進(jìn)行情感分類。劉勇華[34]將中文文本情感利用樸素貝葉斯分類器極性分為正面、負(fù)面和中性三個(gè)方面。目前最常用的是最大熵分類、樸素貝葉斯分類器以及支持向量機(jī)三種方法進(jìn)行情感分析的研究，但是研究發(fā)現(xiàn)三種模式都存在一定的缺陷。因此劉春雨等人[35]將支持向量機(jī)NPSVM和TWSVM進(jìn)行融合研究，研究結(jié)果表明他的運(yùn)行精確度比SVM高1%~4%，且運(yùn)行速度和范圍也得到了進(jìn)一步的提升。對(duì)于情感分析技術(shù)，我國(guó)相較于其他國(guó)家的研究來(lái)說(shuō)起步晚一些，但是也產(chǎn)生了很多杰出的研究成果。在情感詞典的構(gòu)建方面，大連理工大學(xué)的徐琳宏等人[36]采取了自動(dòng)獲取和人工分類的方式構(gòu)建了情感詞典。王勇等[37]對(duì)微博文本進(jìn)行搜集分類，構(gòu)建了中文微博極性情感詞典。在情感分析的技術(shù)方面，F(xiàn)eiWang等[38]基于最大熵分類方法已解決情感詞典中詞語(yǔ)無(wú)法在不同語(yǔ)句中表達(dá)不同的情感強(qiáng)度和傾向的問(wèn)題。Yang等[39]建立了最大熵模型的情緒分析系統(tǒng)。概念界定和理論基礎(chǔ)2.1突發(fā)事件網(wǎng)絡(luò)輿情的相關(guān)理論2.1.1突發(fā)事件突發(fā)事件是突然發(fā)生的，需要立即采取應(yīng)急措施的事件，例如自然災(zāi)害、社會(huì)保障、公共衛(wèi)生以及事故災(zāi)害等可能對(duì)社會(huì)造成或造成嚴(yán)重危害的事。根據(jù)事故可能造成的損害程度深淺、影響的范圍、傳播速度、生命財(cái)產(chǎn)等損失情況，緊急事件可分為從低到高四個(gè)等級(jí)：一般、較大、重大和特別重大，級(jí)別記作Ⅳ級(jí)、Ⅲ級(jí)、Ⅱ級(jí)和Ⅰ級(jí)，顏色標(biāo)注分別為藍(lán)、黃、橙和紅色。突發(fā)事件具有目的性強(qiáng)、突發(fā)性強(qiáng)、聚集性強(qiáng)、破壞性強(qiáng)、狀態(tài)不平衡性強(qiáng)的特點(diǎn)。2.1.2網(wǎng)絡(luò)輿情網(wǎng)絡(luò)輿情是指在給定的社交空間中，以互聯(lián)網(wǎng)為載體的，圍繞社交事件，在事件演變過(guò)程中情感演變，網(wǎng)絡(luò)輿情是指公眾的情感和態(tài)度、見(jiàn)解和表達(dá)方式、交流與互動(dòng)及其影響力的集合。表達(dá)形式主要基于微博，新聞，博客，論壇等上與事件相關(guān)的公眾轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊和新聞發(fā)布。表現(xiàn)的特點(diǎn)主要體現(xiàn)在公開(kāi)表達(dá)的直接性、多樣性、隱秘性和隨意性上。在這個(gè)階段，網(wǎng)絡(luò)輿論對(duì)社會(huì)穩(wěn)定和生活秩序的影響越來(lái)越大，對(duì)社會(huì)的監(jiān)督作用也越來(lái)越大。如何正確地引導(dǎo)和解決網(wǎng)絡(luò)輿論的發(fā)展是非常重要的，解決不當(dāng)就將導(dǎo)致公眾的不滿和過(guò)激行為，這很容易構(gòu)成社會(huì)威脅并影響范圍廣泛。與網(wǎng)絡(luò)輿論相比，傳統(tǒng)輿論主要存在于民間，在人與人之間的日常街頭討論中，很難獲得記錄，可獲得的輿論樣本量小，效率低，誤差大，成本高。隨著互聯(lián)網(wǎng)的發(fā)展，公眾更傾向于通過(guò)網(wǎng)絡(luò)表達(dá)對(duì)事物的想法，觀點(diǎn)和見(jiàn)解，網(wǎng)絡(luò)輿情的捕捉方法和各種抓取方式都有了的創(chuàng)新和發(fā)展，在此基礎(chǔ)上，網(wǎng)絡(luò)輿情捕獲技術(shù)攻克了傳統(tǒng)輿論管理的缺點(diǎn)，實(shí)現(xiàn)了捕捉高效、信息保真度高、覆蓋面廣的特點(diǎn)，在很大程度上有助于有關(guān)部門實(shí)施對(duì)輿論方便快捷的追蹤和管理。2.1.3突發(fā)事件網(wǎng)絡(luò)輿情突發(fā)事件網(wǎng)絡(luò)輿情是一種網(wǎng)絡(luò)輿論管理，特指在緊急情況發(fā)生后，公眾可以使用微博，微信，門戶網(wǎng)站和新聞平臺(tái)等各種自媒體平臺(tái)進(jìn)行信息公開(kāi)發(fā)表和表達(dá)想法和意見(jiàn)，他的主要內(nèi)容通常涉及到了緊急情況的背后真相、事件原因、事件發(fā)展過(guò)程，相關(guān)部門的解決方式、方法和結(jié)果，以及由此產(chǎn)生的相關(guān)制度和道德問(wèn)題。結(jié)合突發(fā)事件與網(wǎng)絡(luò)輿情的概念及特點(diǎn)分析，總結(jié)出突發(fā)事件網(wǎng)絡(luò)輿情的特征[40]主要包含以下幾點(diǎn)：（1）事件引發(fā)的偶然性與隱蔽性。突發(fā)事件通常是由社會(huì)發(fā)展長(zhǎng)期形成中的特定誘因引起的，事件的偶發(fā)性和隱秘性讓突發(fā)事件的發(fā)生形式，演變趨勢(shì)和演變情況以及將造成的影響的范圍大小和程度都是無(wú)法預(yù)測(cè)。（2）事件傳播的目的性與聚眾性。輿情，是由人的舉動(dòng)、思想和觀點(diǎn)形成，因此人類的行為目的就影響著輿論的演變過(guò)程，例如個(gè)人的、社會(huì)的、公眾的，尤其是事件的直接關(guān)系人的渴望和需要等都能成為突發(fā)事件的傳播目的，這些目的也帶有不同的方向，有正面、負(fù)面的，積極、消極的。受到事件影響自身相關(guān)利益的會(huì)對(duì)其保持持續(xù)的關(guān)注和傳播范圍，這就擴(kuò)大了事件的影響范圍。（3）參與主體的隨意性與多元性。突發(fā)事件引發(fā)的行為、觀點(diǎn)和看法會(huì)受到參與討論的主體不同教育背景、社會(huì)地位、成長(zhǎng)環(huán)境等因素影響，且這些言論的表達(dá)由于網(wǎng)絡(luò)的虛擬性，會(huì)體現(xiàn)出更大的隨意性，言論的約束力較小，人們可以暢所欲言，體現(xiàn)了參與主體的多元與隨意性。2.2情感分析理論2.2.1情感定義情感，屬于心理學(xué)范疇用詞，是態(tài)度表達(dá)的組成部分，主要包括道德情感和價(jià)值情感兩部分，表達(dá)的對(duì)象分為對(duì)事物、他人、自我和特殊事物四個(gè)方面的情感，層次需求表現(xiàn)在溫飽需求、社會(huì)需求、自我實(shí)現(xiàn)三個(gè)階段?！缎睦韺W(xué)大辭典》[41]中認(rèn)為“情感是人對(duì)客觀事物是否滿足自己的需要而產(chǎn)生的態(tài)度體驗(yàn)”，而實(shí)際上，情感表達(dá)不僅是人的喜、怒、哀、樂(lè)等情緒的表達(dá)，而是人的感官上、機(jī)體中、心理和精神上的一種感受。輿情是公眾情感表達(dá)的集合，它是公眾由于特定事物產(chǎn)生的心理及行為上的影響，所產(chǎn)生的諸如行為、言語(yǔ)、文字及表情類的表達(dá)，客觀上，它是公眾對(duì)于特定事物的生理反應(yīng)，主觀上，它也是一種個(gè)體的體驗(yàn)與感受，總的說(shuō)來(lái)，是一種社會(huì)性的表達(dá)2.2.2情感分析定義情感分析，又名意見(jiàn)挖掘或傾向性分析，指對(duì)公眾在互聯(lián)網(wǎng)上發(fā)表的帶有感情色彩的主觀性評(píng)論進(jìn)行文本挖掘、數(shù)據(jù)處理、演化分析的過(guò)程，此類主觀性評(píng)論信息是公眾對(duì)突發(fā)事件的觀點(diǎn)和看法，其中蘊(yùn)含了公眾的情感色彩及傾向性，主要包含積極（正面）情感詞、中性情感詞和消極（負(fù)面）情感詞三類，諸如“出眾”、“幽默”、“稱贊”、“高尚”、“欣喜”等為表達(dá)積極情感的文本，“指引”、“結(jié)果”、“只字不提”、“稍安毋躁”等為表達(dá)中性立場(chǎng)的文本，“厭惡”、“鄙視”、“狡猾”、“奸商”、“潛逃”等為表達(dá)消極情感的文本。通常來(lái)講，我們做情感分析是為了找出公眾針對(duì)某類話題的觀點(diǎn)態(tài)度，以便相關(guān)部門較好的引導(dǎo)和管理網(wǎng)絡(luò)輿情，維護(hù)網(wǎng)絡(luò)秩序及社會(huì)安定。根據(jù)文本處理的粒度差異，可將情感分析分為三個(gè)層級(jí)：詞匯、句子和文章。詞匯層級(jí)的情感分析是句子和文章層級(jí)分析的基礎(chǔ)，其研究常用的分析方法主要分為基于詞典、網(wǎng)絡(luò)、語(yǔ)料庫(kù)三類，本文主要運(yùn)用的是第一種，基于情感詞典的傾向性分析。句子層級(jí)的情感分析與詞語(yǔ)密不可分，要通過(guò)對(duì)詞語(yǔ)所表達(dá)的情感分析構(gòu)成的句子，主要采用基于知識(shí)庫(kù)、語(yǔ)料庫(kù)兩種分析方法。文章層級(jí)的情感分析主要是分析把控、確定文章整體的情感方向（正向、中立或負(fù)向）和極性（積極、中性、消極），通過(guò)構(gòu)建的情感詞典，分析整體的情感傾向性、類別和強(qiáng)度進(jìn)行情感表達(dá)判斷。情感分析主要分為以下幾個(gè)步驟：第一，構(gòu)建情感詞典語(yǔ)料數(shù)據(jù)庫(kù)或語(yǔ)料庫(kù)；第二，進(jìn)行文本挖掘、對(duì)比分析，判斷情感屬性；第三，借助特定的算法進(jìn)行關(guān)鍵詞分析；第四，進(jìn)行情感強(qiáng)度分析，判斷情感傾向性。2.3信息處理相關(guān)理論與技術(shù)2.3.1文本挖掘與處理技術(shù)文本挖掘?qū)儆跀?shù)據(jù)挖掘中的一類，是對(duì)文本數(shù)據(jù)進(jìn)行的挖掘分析，以便從中獲取有價(jià)值的知識(shí)或者信息。進(jìn)行文本挖掘，最重要的是對(duì)文本進(jìn)行分類、聚類分析。文本分類，針對(duì)大批量的數(shù)據(jù)文本，依據(jù)一定的規(guī)則及訓(xùn)練方法進(jìn)行分類，主要用于新聞、區(qū)域、文檔等類型的文本分類。文本聚類，可實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)的自動(dòng)分析，提取熱點(diǎn)事件，實(shí)現(xiàn)對(duì)事件主體特征的關(guān)鍵性描述。文本挖掘處理的技術(shù)包含多種，諸如文本語(yǔ)義分析、機(jī)器學(xué)習(xí)、樸素貝葉斯分類、數(shù)據(jù)挖掘技術(shù)、關(guān)鍵詞分析、信息檢索和抽取、數(shù)據(jù)可視化、模式識(shí)別分析等等都是常用的文本挖掘技術(shù)。文本挖掘主要通過(guò)以下幾個(gè)步驟實(shí)現(xiàn)文本的分析：①獲取文本，通過(guò)爬蟲等技術(shù)獲取Html形式的網(wǎng)絡(luò)文本數(shù)據(jù)，抓取關(guān)鍵信息；②文本預(yù)處理，篩選處理獲取的文本數(shù)據(jù)，剔除不相關(guān)、冗余的數(shù)據(jù)條，或者當(dāng)數(shù)據(jù)量過(guò)大時(shí)也可直接選取一部分?jǐn)?shù)據(jù)進(jìn)行分析；③文本處理，對(duì)文本數(shù)據(jù)進(jìn)行語(yǔ)言分析，依次進(jìn)行分詞、詞性標(biāo)注、去除停用詞；④特征提取，通過(guò)分析獲取文本的相對(duì)重要性，主要采用映射、原始特征分析、專家分析、數(shù)學(xué)提取等方法實(shí)現(xiàn)文本的特征提??；⑤文本的分類聚類，實(shí)現(xiàn)文本數(shù)據(jù)集到矩陣的轉(zhuǎn)化；⑥數(shù)據(jù)可視化，通過(guò)詞云等可視化方法將數(shù)據(jù)結(jié)構(gòu)進(jìn)行展示，幫助進(jìn)行更好的圖11體制、道德等等方面的問(wèn)題。結(jié)合突發(fā)事件與網(wǎng)絡(luò)輿情的概念及特點(diǎn)分析，總結(jié)出突發(fā)事件網(wǎng)絡(luò)輿情的特征主要包含以下幾點(diǎn)：（1）事件引發(fā)的偶然性與隱蔽性。突發(fā)事件一般是由于社會(huì)發(fā)展長(zhǎng)期形成過(guò)程中，由特定的誘因引發(fā)發(fā)酵而來(lái)，其發(fā)生的偶然、隱蔽使得突發(fā)事件的具體發(fā)生形式，發(fā)展演變的態(tài)勢(shì)、即將造成影響的范圍及程度都是無(wú)法預(yù)料的。（2）事件傳播的目的性與聚眾性。輿情顧名思義，由人的行為、想法和觀點(diǎn)形成，那么其演變的過(guò)程中就存在著人的間接或直接的行為目的，如個(gè)人的、社會(huì)的、公眾的，尤其是事件的直接關(guān)系人，其欲望和需求等都能成為突發(fā)事件的傳播目的，這些目的有正面、負(fù)面的，積極、消極的。因事件的發(fā)生而受到相關(guān)利益影響的會(huì)對(duì)其保持不同程度的關(guān)注和傳播行為，這就擴(kuò)大了事件的影響范圍。（3）參與主體的隨意性與多元性。突發(fā)事件引發(fā)的行為、觀點(diǎn)和看法會(huì)受到參與討論的主體不同教育背景、社會(huì)地位、成長(zhǎng)環(huán)境等因素影響，且這些言論的表達(dá)由于網(wǎng)絡(luò)的虛擬性，會(huì)體現(xiàn)出更大的隨意性，言論的約束力較小，人們可以暢所欲言，體現(xiàn)了參與主體的多元與隨意性。2.3.2生命周期理論生命周期指的是事物經(jīng)歷的從產(chǎn)生，到成長(zhǎng)，直至最后消亡的整個(gè)過(guò)程，輿情的演化符合生命周期理論，因而現(xiàn)階段出現(xiàn)了很多學(xué)者的相關(guān)研究結(jié)果，并且對(duì)于輿情的階段劃分沒(méi)有定論，不同的研究存在著一定的差異。任凱、吳冬芹[42]等人基于公共危機(jī)事件的研究，將輿情演變劃分為5個(gè)階段（圖2.1），依次為潛伏期、擴(kuò)散期、爆發(fā)期、波動(dòng)消退期和衰退期；聶峰英、張旸[43]基于移動(dòng)社交網(wǎng)絡(luò)，將輿情演變劃分為5個(gè)階段，依次為萌芽期、發(fā)展期、爆發(fā)期、消退期、消失期；晏敬東、楊彩霞等[44]人基于微博客戶端，將輿情演變劃分為4個(gè)階段，分別為潛伏期、預(yù)熱期、熱議期和衰退期；趙巖、王利明[45]等基于公共危機(jī)事件研究，將網(wǎng)絡(luò)輿情劃分為4個(gè)階段，依次為醞釀期、發(fā)生期、持續(xù)期和消退期；劉國(guó)威、成全[46]將重點(diǎn)研究網(wǎng)絡(luò)輿情事件，并將其演變分為3個(gè)階段，依次為醞釀期、爆發(fā)期和衰退期。本研究借鑒現(xiàn)有的研究結(jié)論，結(jié)合研究案例的自身特點(diǎn)，將將突發(fā)事件網(wǎng)絡(luò)輿情生命周期劃分為爆發(fā)期、高潮期和消退期期3個(gè)階段。3暴力傷醫(yī)事件網(wǎng)絡(luò)輿情情感分析3.1構(gòu)建情感詞典網(wǎng)民發(fā)布的內(nèi)容和評(píng)論通常代表了其對(duì)某個(gè)事情的觀點(diǎn)態(tài)度和情感，通過(guò)內(nèi)容和評(píng)論以情感詞進(jìn)行分類，對(duì)用戶進(jìn)行情感傾向分析。情感傾向分析以構(gòu)建一個(gè)全面的情感詞表為基礎(chǔ)，通過(guò)情感詞表，可以將樣本內(nèi)容與情感詞表中出現(xiàn)的情感詞進(jìn)行匹配，通過(guò)計(jì)算整個(gè)句子的情感值來(lái)計(jì)算樣本內(nèi)容的情感傾向?，F(xiàn)有的開(kāi)源情感字典里，比較權(quán)威和常用的有HowNet（知網(wǎng)）、清華大學(xué)、臺(tái)灣大學(xué)、大連理工大學(xué)的字典。其中，知網(wǎng)的詞典是在2007年發(fā)布的，主要包含正面、負(fù)面情感詞以及程度級(jí)別詞語(yǔ)。比較發(fā)現(xiàn)知網(wǎng)詞典由于發(fā)布時(shí)間久遠(yuǎn)，隨著時(shí)代的發(fā)展部分詞極性劃分不準(zhǔn)，而且詞典數(shù)量較少。清華大學(xué)、臺(tái)灣大學(xué)、大連理工大學(xué)的字典，比較符合現(xiàn)在的網(wǎng)絡(luò)環(huán)境。其中大連理工大學(xué)字典，包含詞語(yǔ)、詞語(yǔ)極性、詞性種類、情感分類、詞語(yǔ)情感強(qiáng)度等方面，詞語(yǔ)總數(shù)達(dá)27466個(gè)，可以較好的適用于常見(jiàn)的評(píng)論分析語(yǔ)境。因此本文選取將大連理工大學(xué)、清華大學(xué)、臺(tái)灣大學(xué)的情感詞典合并使用，構(gòu)建一個(gè)基礎(chǔ)字典。然后，對(duì)爬取到的文本數(shù)據(jù)進(jìn)行詞頻分析，根據(jù)詞頻排序，人工篩選出重要情感詞，與基礎(chǔ)詞典合并去重，得到最終的適合于本次研究的情感字典。3.2情感強(qiáng)度計(jì)算對(duì)于微博文本情感的計(jì)算方式，首先將微博內(nèi)容劃分成單個(gè)句子，在句中查找是否含有情感詞。當(dāng)找到情感詞后，查看情感詞前后是否含有程度副詞、否定詞，同時(shí)要考慮程度副詞的程度等級(jí)，否定詞的個(gè)數(shù)，通過(guò)單個(gè)句子的情感極性計(jì)算最終得到微博文本的情感極性值。以句子在微博文本中的綜合極性權(quán)重為指標(biāo)判斷單個(gè)句子在文本中的作用。使用python語(yǔ)言，先對(duì)某個(gè)劃分為單個(gè)的句子用jieba分詞工具進(jìn)行分詞，定義微博文本T，有若干個(gè)句子Y組成，其中微博文本T={Y1,Y2,Y3,……,Yn}，計(jì)算單個(gè)句子YiP(YiP(Y)=P(Yi)其中，Ywi為句子中情感詞Wi的情感值。如果P(Y)分值大于0,表示微博文本為積極情感；如果P(Y)分值小于0表示微博文本為消極情感；如果P(Y)分值等于0,表示微博文本為中性情感。查看句中是否有積極詞(或消極詞)進(jìn)行計(jì)算后，再判斷積極詞(或消極詞)前是否有程度副詞，比如"太精彩"，"精彩"是積極詞，"太"是副詞，如果有程度副詞，乘以程度副詞的分值。然后考慮句子前面是否含有否定詞，比如"不精彩"，"不"是否定詞，如果有否定詞，乘以-1例如：“今天我不健康，很糟糕?！逼渲小敖】怠笔欠e極詞(value=1)，“不”是否定詞(value=-1)，“糟糕”是消極詞(value=-1)，"很"是程度副詞(2.5)。最終這句話的情感值是：-1*1+2.5*(-1)=-3.5組成微博文本的若干個(gè)句子可大致通過(guò)陳述句、反問(wèn)句、疑問(wèn)句、感嘆句和假設(shè)句五種句型表示，句型也對(duì)單個(gè)句子的情感值造成影響，比如同樣的一句話用陳述句和疑問(wèn)句表達(dá)出的情感態(tài)度就大相徑庭。定義P1(Y感嘆句：P1(Yi假設(shè)句：P1(Yi)=P疑問(wèn)句：P1(Yi反問(wèn)句：P1(Yi通過(guò)P1(YiP1(Y)=P如果P1(Y)分值大于0,表示微博文本為積極情感；如果P1(Y)分值小于0表示微博文本為消極情感；如果P3.3數(shù)據(jù)獲取方法和工具3.3.1案例選取互聯(lián)網(wǎng)具有高度自由和包容性，網(wǎng)民自主地在社交媒體平臺(tái)上通過(guò)文字、視頻、音頻等多種方式針對(duì)事件發(fā)表主觀言論和情感。在面對(duì)暴力傷醫(yī)時(shí)，由于其關(guān)乎群眾的生命安全，此類事件一旦通過(guò)網(wǎng)絡(luò)發(fā)布，經(jīng)過(guò)網(wǎng)民的大量跟帖、轉(zhuǎn)發(fā)，極易成為網(wǎng)絡(luò)熱點(diǎn)事件。為了研究公眾對(duì)于暴力傷醫(yī)網(wǎng)絡(luò)輿情的情感特點(diǎn)以及情感演化特征，并提出具有針對(duì)性的引導(dǎo)策略，本文選取了引起公眾廣泛討論的、具有代表意義的典型暴力傷醫(yī)進(jìn)行數(shù)據(jù)采集。由于新浪微博作為當(dāng)下發(fā)展最快的社交網(wǎng)絡(luò)平臺(tái)之一，大量的用戶每天在平臺(tái)上針對(duì)某個(gè)事件通過(guò)文字、圖片以及視頻等方式發(fā)表自己的看法，同時(shí)微博的轉(zhuǎn)發(fā)功能使得用戶情感可以在極短的時(shí)間內(nèi)得到跨群體、病毒式的傳播，并形成深刻而廣泛的影響力，因此，本文選擇新浪微博作為信源平臺(tái)，對(duì)“暴力傷醫(yī)——陶勇醫(yī)生被砍”這一暴力傷醫(yī)進(jìn)行研究。（1）案例選擇:2020年1月20日下午1時(shí)55分左右，朝陽(yáng)醫(yī)院眼科發(fā)生暴力傷醫(yī)事件，共有三名醫(yī)護(hù)人員被砍傷，另有一位患者受傷，其中一名陶勇醫(yī)生受傷最為嚴(yán)重，其左手骨折、神經(jīng)肌肉血管斷裂、顱腦外傷、枕骨骨折，失血1500ml，兩周后才得以脫離生命危險(xiǎn)。事發(fā)現(xiàn)場(chǎng)視頻可以看到，在朝陽(yáng)醫(yī)院內(nèi)門診樓內(nèi)，地上滿是血跡。多名保安和民警在現(xiàn)場(chǎng)維持秩序。據(jù)現(xiàn)場(chǎng)一名目擊者稱，當(dāng)時(shí)，在門診樓7層的眼科診室內(nèi)，眼科主任陶勇醫(yī)生正在接診，一名患者家屬持刀將工作中的陶勇醫(yī)生砍傷。陶勇醫(yī)生身中數(shù)刀，從診室跑出，該傷人者從7層追砍陶醫(yī)生到6層，后被保安制服。同時(shí)，眼科還有兩名醫(yī)護(hù)人員在拉架過(guò)程中被砍傷?，F(xiàn)場(chǎng)還有一名母親帶孩子看病被誤傷。事發(fā)后，醫(yī)院保安和民警陸續(xù)趕到，將傷人者當(dāng)場(chǎng)控制，并將其送至派出所。據(jù)北京朝陽(yáng)醫(yī)院的公開(kāi)資料顯示，陶勇是眼科學(xué)博士，曾留學(xué)德國(guó)，畢業(yè)于北京大學(xué)醫(yī)學(xué)部，是朝陽(yáng)醫(yī)院主任醫(yī)師、教授、博士生導(dǎo)師，現(xiàn)任北京朝陽(yáng)醫(yī)院眼科副主任。他擅長(zhǎng)：葡萄膜炎、老視（老花眼）、白內(nèi)障、高度近視及各類眼底病的診治，發(fā)表90多篇SCI，不到四十歲已經(jīng)是博導(dǎo)，治療葡萄膜炎很厲害。該事件發(fā)生后立刻引起網(wǎng)友大量討論。截至2021年4月14日為止，相關(guān)熱門話題#陶勇#有14.5億閱讀量，73.8萬(wàn)討論量；話題#陶勇醫(yī)生蘇醒#有2.2億閱讀量，4.5萬(wàn)討論量；話題#陶勇醫(yī)生受傷后首次發(fā)聲#有2.4億閱讀量，10萬(wàn)討論量；話題#同事接替陶勇醫(yī)生看病#有8.1億閱讀量，6.1萬(wàn)討論量。相關(guān)話題閱讀量超百億，社會(huì)影響大，在暴力傷醫(yī)事件中同時(shí)具有代表性和時(shí)效性，因此選擇“陶勇醫(yī)生被砍事件”作為案例。近年來(lái)，醫(yī)患關(guān)系越來(lái)越緊張，醫(yī)患糾紛問(wèn)題越來(lái)越受到社會(huì)各界的廣泛關(guān)注。暴力傷醫(yī)事件具有突發(fā)性和效仿性，因此頻發(fā)的小到醫(yī)鬧、大到暴力傷醫(yī)事件隨處可見(jiàn)，比如“2019年12月24日北京民航總醫(yī)院孫文斌傷醫(yī)致死”、“2020年1月20日朝陽(yáng)醫(yī)院眼科暴力傷醫(yī)致重傷”等事件。每年傷醫(yī)事件層出不窮，人民群眾對(duì)暴力傷醫(yī)類型的事件的關(guān)注度也越來(lái)越高。“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件作為2020年全網(wǎng)關(guān)注度較高的網(wǎng)絡(luò)熱點(diǎn)事件，其具有暴力傷醫(yī)輿情演化的普遍特征，同時(shí)也具有其獨(dú)特性，為本文的微博輿情特征分析提供了極高的研究?jī)r(jià)值?！氨┝t(yī)——陶勇醫(yī)生被砍”事件回顧如下：①1月20日，北京朝陽(yáng)醫(yī)院發(fā)生一起醫(yī)生被襲擊事件，多名醫(yī)生被砍傷，其中姓陶醫(yī)生受傷最為嚴(yán)重，后腦勺胳膊多處被砍傷。據(jù)目擊證稱陶醫(yī)生當(dāng)場(chǎng)倒地，已被送搶救，一名母親帶孩子看病被誤傷受傷醫(yī)生姓陶，還在搶救，行兇者被當(dāng)場(chǎng)控制。②1月21日，三名受傷醫(yī)護(hù)人員及一名受傷群眾正在醫(yī)院接受治療，暫無(wú)生命危險(xiǎn)。犯罪嫌疑人已被朝陽(yáng)公安分局依法刑事拘留。在醫(yī)生受傷后，他的同事接替來(lái)醫(yī)治剩下的患者。????③1月25日，陶勇醫(yī)生蘇醒，口述一首詩(shī)，《心中的夢(mèng)》。（2）信源選擇:隨著信息時(shí)代的急速發(fā)展，微博成為當(dāng)下發(fā)展最快的社交平臺(tái)之一，其不僅能夠滿足用戶對(duì)于信息獲取的需求，更能滿足人們隨時(shí)隨地通過(guò)微博發(fā)布自己內(nèi)心的情緒和觀點(diǎn)的需要，因此廣受大眾的喜愛(ài)。根據(jù)新浪發(fā)布的《2020微博用戶發(fā)展報(bào)告》報(bào)告中顯示，截止到2020年9月，微博達(dá)到月活用戶5.11億,日活用戶2.24億，成為全球最具影響力的社交媒體之一。本文選取的“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件最先也是在新浪微博上曝光，隨后在各大媒體網(wǎng)站以及微信朋友圈中被廣泛傳播最終引起全國(guó)范圍內(nèi)的熱議。各大官方媒體及政務(wù)微博對(duì)于事件發(fā)展的跟進(jìn)報(bào)道也都主要集中在新浪微博平臺(tái)之上，公眾對(duì)于事件所發(fā)表的觀點(diǎn)和情感態(tài)度大部分也是基于微博平臺(tái)之上，因此本文選取新浪微博平臺(tái)作為數(shù)據(jù)樣本獲取的來(lái)源。3.3.2網(wǎng)絡(luò)爬蟲隨著互聯(lián)網(wǎng)的飛速發(fā)展，海量信息的爆發(fā)式增長(zhǎng)以及網(wǎng)絡(luò)數(shù)據(jù)形式的復(fù)雜性與多樣性，都對(duì)數(shù)據(jù)獲取提出了巨大的挑戰(zhàn)，促使傳統(tǒng)的信息獲取方法急需轉(zhuǎn)型升級(jí)，以求能夠?qū)Ａ繑?shù)據(jù)進(jìn)行更加精確快速的獲取。由此，網(wǎng)絡(luò)爬蟲技術(shù)便在這一背景之下誕生。網(wǎng)絡(luò)爬蟲(WebCrawler)，又稱為網(wǎng)絡(luò)蜘蛛(WebSpider)或Web信息采集器，其作為現(xiàn)代搜索引擎的關(guān)鍵組成部分，集自動(dòng)化腳本與多網(wǎng)頁(yè)計(jì)算機(jī)程序于一體對(duì)URL進(jìn)行抓取任務(wù)。網(wǎng)絡(luò)爬蟲的數(shù)據(jù)獲取步驟大致是先將單一的或多個(gè)URL作為目標(biāo)種子集放入待抓取任務(wù)隊(duì)列之中，然后再?gòu)姆N子URL中開(kāi)始進(jìn)行采集網(wǎng)頁(yè)信息的任務(wù)，在抓取過(guò)程中同時(shí)更新待抓取隊(duì)列，直到待抓取隊(duì)列為空或滿足初始設(shè)定條件時(shí)，網(wǎng)絡(luò)爬蟲任務(wù)停止[47]。普通的網(wǎng)絡(luò)爬蟲通常由頁(yè)面研究板塊、數(shù)據(jù)庫(kù)、采集模塊、研究板塊、URL隊(duì)列以及抓取任務(wù)六個(gè)部分所組成[48]。由于網(wǎng)絡(luò)信息的復(fù)雜性，對(duì)于爬蟲軟件的要求也在逐日提高，根據(jù)系統(tǒng)框架與相關(guān)技術(shù)，基本包括以下幾類：深層網(wǎng)絡(luò)爬蟲、聚焦網(wǎng)絡(luò)爬蟲、通用網(wǎng)絡(luò)爬蟲以及增量式網(wǎng)絡(luò)爬蟲。由于每個(gè)爬蟲系統(tǒng)都存在著一定的缺陷，因此網(wǎng)絡(luò)爬蟲系統(tǒng)一般都是由多個(gè)爬蟲技術(shù)融合而成[49]。目前由于大數(shù)據(jù)技術(shù)的飛躍發(fā)展，網(wǎng)絡(luò)爬蟲技術(shù)得到了極大的提升，在原有的基礎(chǔ)之上又開(kāi)發(fā)了各種網(wǎng)絡(luò)爬蟲軟件，如八爪魚采集器、GooSeeker采集器等。本研究使用的爬蟲軟件是八爪魚采集器，其核心技術(shù)是分布式計(jì)算平臺(tái)，能夠更加快速、規(guī)范地對(duì)所需網(wǎng)頁(yè)數(shù)據(jù)進(jìn)行自動(dòng)采集，并且可以對(duì)數(shù)據(jù)格式進(jìn)行自定義，生成規(guī)范的數(shù)據(jù)。在對(duì)數(shù)據(jù)樣本獲取來(lái)源確定好后，對(duì)數(shù)據(jù)采集的時(shí)間區(qū)間鎖定，然后開(kāi)始對(duì)案例數(shù)據(jù)進(jìn)行采集工作，在新浪微博高級(jí)搜索界面設(shè)定2020年1月20日-2020年1月22日為時(shí)間區(qū)間，搜索關(guān)鍵詞為“朝陽(yáng)醫(yī)院+(眼科|被砍|醫(yī)生|傷醫(yī)|暴力|被襲)”，對(duì)其進(jìn)行檢索。采集字段包括：用戶名、用戶鏈接、發(fā)布時(shí)間、發(fā)布方式、轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)以及點(diǎn)贊數(shù)，并將采集到的數(shù)據(jù)保存至excel文檔中備用。3.4數(shù)據(jù)處理3.4.1數(shù)據(jù)清洗通過(guò)八爪魚爬蟲軟件在新浪微博平臺(tái)上采集到的數(shù)據(jù)量非常龐大，且具有高度的信息不規(guī)范性，許多與事件不相關(guān)的信息被摻雜了進(jìn)來(lái)，包括一些廣告數(shù)據(jù)、空白數(shù)據(jù)、重復(fù)數(shù)據(jù)等，這也增加了對(duì)數(shù)據(jù)的處理難度。因此，還需要人工的對(duì)部分信息進(jìn)行數(shù)據(jù)清洗工作，主要包括以下步驟：（1）人工的對(duì)空白、無(wú)效數(shù)據(jù)進(jìn)行刪除工作；（2）人工的對(duì)廣告數(shù)據(jù)、垃圾信息以及各種營(yíng)銷信息進(jìn)行刪除；（3）用Excel自帶的“數(shù)據(jù)去重”功能對(duì)重復(fù)數(shù)據(jù)進(jìn)行刪除（4）對(duì)部分殘缺數(shù)據(jù)進(jìn)行補(bǔ)充對(duì)樣本數(shù)據(jù)進(jìn)行清洗整理后最終得到84604條有效數(shù)據(jù)，并將其作為本文后續(xù)研究樣本。3.4.2中文分詞機(jī)器學(xué)習(xí)算法分詞工具包括jieba中文、NLPIR等，針對(duì)文本大小的差異性和不同的使用環(huán)境這些中文分詞的計(jì)算結(jié)果都不相同。本文對(duì)比后采用python里的jieba分詞工具包。基于Python的jieba分詞技術(shù)[50]是針對(duì)中文的概率語(yǔ)言模型分詞,其本身具有一個(gè)名為“dict.txt”的詞典,該詞典由人民日?qǐng)?bào)等語(yǔ)料數(shù)據(jù)訓(xùn)練,jieba分詞技術(shù)涉及前綴樹、有向無(wú)環(huán)圖、動(dòng)態(tài)規(guī)劃、隱馬爾可夫以及維特比等[51]多種算法。jieba可以滿足我們?nèi)粘Ｊ褂?，具有許多的優(yōu)點(diǎn)，第一，它包括三種分詞模式：盡力將句子精確分開(kāi)的精確模式；速度快、掃描句子所有詞的全模式；基于精確模式，對(duì)句子更細(xì)切分的搜索引擎模式。第二，可以對(duì)繁體句進(jìn)行分詞。第三，可以導(dǎo)入用戶自定義的詞典。第四，支持TFIDF、TextRank關(guān)鍵詞提取算法。第五，可以對(duì)詞進(jìn)行詞性標(biāo)注。第六，可以進(jìn)行并行分詞。3.4.3去除停用詞在進(jìn)行了分詞工作以后，要對(duì)文本中經(jīng)常使用到的，但是卻沒(méi)有實(shí)際意義的詞，也就是所謂的停用詞，進(jìn)行去除處理，在實(shí)際操作中，選用了哈工大的停用詞表，由于文本都來(lái)自于微博，所以在哈工大的開(kāi)源詞表中加入了一些例如“收起文本”、“閱讀全文”、“轉(zhuǎn)發(fā)微博”、“哈哈哈哈哈哈”、“原博”等無(wú)意義詞語(yǔ)。對(duì)分詞完畢并已經(jīng)去除了停用詞的詞頻進(jìn)行詞條排序，如圖所示：3.4.4基于TF-IDF算法的關(guān)鍵詞分析詞頻-逆文件頻率（TF-IDF）是一種統(tǒng)計(jì)方法[52]，用來(lái)評(píng)估一個(gè)詞對(duì)一個(gè)文件集或一個(gè)語(yǔ)料庫(kù)中的其中一份文件的重要程度。在微博內(nèi)容文本中如果某個(gè)詞語(yǔ)出現(xiàn)次數(shù)越多，但同時(shí)在整個(gè)微博內(nèi)容文本中出現(xiàn)的次數(shù)越少，就越能代表該文本的特性。詞頻（TF）指一個(gè)給定的詞語(yǔ)在微博內(nèi)容文本中出現(xiàn)的次數(shù)。定義D為微博內(nèi)容文本合集，其中一條微博文本W(wǎng)i表示為Wi={w1，w2,……，wj},wi,j為微博內(nèi)容文本中的一個(gè)詞條，則該詞條的詞頻（TF）為公式（8）：TFij=ni,j∑kni,j表示微博內(nèi)容文本中的一個(gè)詞條wi,j在微博內(nèi)容文本中出現(xiàn)的次數(shù)，∑knk,j表示微博內(nèi)容文本W(wǎng)i中所有詞條總數(shù)。定義D包含微博內(nèi)容文本W(wǎng)i，則Wi,j,作為微博內(nèi)容文本W(wǎng)i中一個(gè)詞條，逆文檔頻率（IDF）可表示為公式（IDFi,j=logM其中，|M|表示微博內(nèi)容文本D中的文本總數(shù)，d表示包含詞Wi的文檔數(shù),之所以加1是為了避免分母為0。某個(gè)特定文檔內(nèi)的高詞頻率，乘以該詞在整個(gè)文檔中的低詞頻率，最終得到的就是TF-IDF的值。定義微博內(nèi)容文本中特征值ti,j表示特征詞語(yǔ)在微博中的重要性，ti,j計(jì)算如下：ti,j=TF?IDF當(dāng)某條微博被多次轉(zhuǎn)發(fā)和評(píng)論時(shí)該微博中的關(guān)鍵詞詞頻也越高，通過(guò)計(jì)算微博內(nèi)容文本中關(guān)鍵詞權(quán)重，利用可視化工具對(duì)計(jì)算結(jié)果進(jìn)行呈現(xiàn)，得到的關(guān)鍵詞可視化分析。3.5暴力傷醫(yī)事件情感傾向利用TF-IDF算法進(jìn)行關(guān)鍵詞分析得到的關(guān)鍵詞可視化分析如圖所示，高頻詞匯的出現(xiàn)往往能在一定程度上反應(yīng)整個(gè)事件的走向及發(fā)展變化，而這些高頻詞通常來(lái)源于政府官方微博、某些微博認(rèn)證的大V用戶他們對(duì)事件撰寫的描述性文本或單純的新聞文本；低頻詞匯往往來(lái)自于普通民眾對(duì)于事件的態(tài)度和看法。該突發(fā)事件包含較多關(guān)鍵詞，通過(guò)分析觀察選取特征關(guān)鍵詞為代表進(jìn)行分析，發(fā)現(xiàn)該突發(fā)事件的關(guān)鍵詞分析具有以下具體特點(diǎn)：少數(shù)權(quán)重高的關(guān)鍵詞代表了該突發(fā)事件中的輿情焦點(diǎn)，如：“醫(yī)生”、“朝陽(yáng)醫(yī)院”、“陶勇”、“被砍”、“眼科”、“醫(yī)院”等，這些關(guān)鍵詞體現(xiàn)了網(wǎng)民對(duì)整個(gè)傷醫(yī)事件的關(guān)注焦點(diǎn)，對(duì)于陶勇醫(yī)生被砍事件，關(guān)于事故發(fā)生的地點(diǎn)、人物一直是網(wǎng)民的焦點(diǎn)。而數(shù)量上占大多數(shù)，但重要程度較低的關(guān)鍵詞則體現(xiàn)了輿論場(chǎng)中網(wǎng)民觀點(diǎn)主張的多樣性?！皞t(yī)事件”、“衛(wèi)健委”、“警方通報(bào)”、“搶救”、“抓獲”、“菜刀”等詞體現(xiàn)了網(wǎng)民在事件發(fā)生時(shí)負(fù)面情緒很大，除了對(duì)于陶醫(yī)生傷情的關(guān)心，同時(shí)也關(guān)注著傷人者的情況。“生命危險(xiǎn)”、“受傷”、“被砍傷”、“血跡”等詞體現(xiàn)了網(wǎng)民關(guān)心陶勇醫(yī)生傷情祈禱平安的積極情感。在微博社交平臺(tái)中媒體對(duì)突發(fā)事件的客觀報(bào)道和網(wǎng)民發(fā)表的有關(guān)突發(fā)事件的看法構(gòu)成微博內(nèi)容合集，通過(guò)計(jì)算關(guān)鍵詞權(quán)重，分析了解事件發(fā)展動(dòng)態(tài)，網(wǎng)民的高頻關(guān)鍵詞代表突發(fā)事件網(wǎng)絡(luò)輿情的特性。突發(fā)事件網(wǎng)絡(luò)輿情擴(kuò)展了表達(dá)主體和多元化意見(jiàn)，公民意識(shí)不斷覺(jué)醒，每個(gè)人都有發(fā)聲的渠道。由此次事件可以看出，網(wǎng)友不單單關(guān)注北京朝陽(yáng)醫(yī)院陶勇醫(yī)生被砍事件本身，通過(guò)“協(xié)會(huì)”、“衛(wèi)健委”、“安保”等詞也可以看出網(wǎng)友積極關(guān)注著此次事件后續(xù)的一系列措施，是否會(huì)對(duì)醫(yī)生的人身安全有更高的保護(hù)，是否會(huì)維護(hù)醫(yī)生的權(quán)益，醫(yī)患關(guān)系是否更加緊張，如何讓消除醫(yī)患間的信任問(wèn)題都是網(wǎng)友關(guān)心的話題。3.6情感分析在2020.1.20-2020.1.21清洗數(shù)據(jù)之后的相關(guān)微博轉(zhuǎn)發(fā)區(qū)抓取表情，進(jìn)行用戶情緒分析。如圖所示，可以根據(jù)轉(zhuǎn)發(fā)表情看出[淚]、[失望]、[蠟燭]是使用頻率最高的表情，這三個(gè)表情都代表悲傷情緒，由此可以看出在事發(fā)時(shí)，網(wǎng)友的情緒首先是以悲傷、難過(guò)、心痛為主。而中位區(qū)的[微笑]、[怒]表情都代表了憤怒情緒，可以看出網(wǎng)友對(duì)醫(yī)生被傷一事的強(qiáng)烈不滿，此時(shí)也可以看到很多要求嚴(yán)懲兇手的言論，和高位表情一樣，這些都是負(fù)面情緒。在整個(gè)暴力傷醫(yī)——陶勇醫(yī)生被砍事件中，負(fù)面情緒都占據(jù)主導(dǎo)地位，包含了難過(guò)、惋惜和譴責(zé)憤怒。在本次事件中也有部分正面情緒，基本來(lái)自于對(duì)為陶勇醫(yī)生擋刀的患者家屬的正面評(píng)論，對(duì)于她做法的感激和表?yè)P(yáng)。通過(guò)情感詞典計(jì)算“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件相關(guān)的84604條微博文本的情感傾向值，以情感傾向值為基礎(chǔ)判斷情感極性。當(dāng)計(jì)算后的情感傾向值大于0時(shí)認(rèn)為該微博具有正向情感，情感傾向值小于0時(shí)認(rèn)為該微博具有負(fù)向情感，情感傾向值等于0時(shí)認(rèn)為該微博具有中性情感，通過(guò)分析從宏觀上看，發(fā)現(xiàn)在“重慶公交車墜江”事件相關(guān)微博中，負(fù)向情感微博有69736條占主導(dǎo)地位，正向情感微博10285條，中性微博有4583條，其中負(fù)向情感微博占比遠(yuǎn)遠(yuǎn)高于正向情感微博。可見(jiàn)“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件對(duì)社會(huì)造成了較大的負(fù)向影響，網(wǎng)民對(duì)該事件的情感整體為負(fù)向，網(wǎng)民情感處于消極態(tài)度。4.“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件傳播過(guò)程及演化階段分析4.1“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件傳播過(guò)程分析從圖中可以看出，新浪微博用戶對(duì)于“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件的討論是從1月20日瞬間爆發(fā)的，并在1月20日18點(diǎn)左右達(dá)到了整個(gè)事件討論度的峰值，當(dāng)天涉及該事件的微博超過(guò)了30000條。到了1月21日，微博用戶關(guān)于“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件的討論在持續(xù)，并在9點(diǎn)左右迎來(lái)了第二次討論的小高峰，當(dāng)天涉及該事件的微博將近10000條。1月22日開(kāi)始，微博發(fā)布數(shù)量有了下降趨勢(shì)，討論逐漸趨于平緩，與1月21日相比，22日與事件相關(guān)的微博減少很多，數(shù)量不足2000條。隨著事件發(fā)展進(jìn)入了收尾階段以及其他熱點(diǎn)事件（2020年除夕是1月24日）的出現(xiàn)，微博用戶對(duì)于“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件的關(guān)注逐漸下降，最終輿情走入了消亡期。本文通過(guò)對(duì)所收集到的微博數(shù)據(jù)進(jìn)行可視化分析后，挖掘出了在“暴力傷醫(yī)——陶勇醫(yī)生被砍”中起到重要作用的關(guān)鍵用戶。新浪新聞?dòng)?月20日14點(diǎn)在微博上公布了北京朝陽(yáng)醫(yī)院突發(fā)一起醫(yī)生被襲事件之后之后，迅速引起了微博用戶關(guān)于“醫(yī)暴”話題的大范圍熱烈討論。該條微博現(xiàn)已獲得轉(zhuǎn)發(fā)數(shù)45000余次，評(píng)論數(shù)10000多條，點(diǎn)贊數(shù)超81萬(wàn)次。新浪新聞是官方認(rèn)證媒體，本身就擁有著高達(dá)5800多萬(wàn)的微博粉絲基數(shù)，作為藍(lán)V用戶可信度也足夠高，因此原微博一經(jīng)發(fā)出，便獲得了廣泛的評(píng)論數(shù)以及較多的轉(zhuǎn)發(fā)層級(jí)，所覆蓋的微博用戶人數(shù)也較廣。除此之外，一些認(rèn)證媒體以及有影響力的大V用戶（如大V用戶M大王叫我來(lái)巡山、谷大白話、休閑璐、野比大雄等）的加入，也在此次事件的傳播過(guò)程中起到了重要的協(xié)助擴(kuò)散作用。隨著事件被進(jìn)一步報(bào)道，越來(lái)越多的官方媒體、大V和有影響力的自媒體等參與了轉(zhuǎn)發(fā)和評(píng)論，粉絲也對(duì)他們的微博進(jìn)行二次甚至多次轉(zhuǎn)發(fā)，從而使得事件覆蓋的范圍越來(lái)越廣，越來(lái)越多的微博用戶開(kāi)始關(guān)注到該事件并參與討論。新浪微博上48小時(shí)內(nèi)關(guān)于該事件的話題多達(dá)30多個(gè)。其中#陶勇#為最熱門的話題，一共有73.8萬(wàn)討論，閱讀量高達(dá)14.5億。對(duì)“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件的傳播過(guò)程大致可以總結(jié)如下：事件一開(kāi)始是由新浪新聞作為認(rèn)證媒體官方通報(bào)，隨后經(jīng)過(guò)官方媒體、大V、有影響力的自媒體等用戶進(jìn)行了報(bào)道、轉(zhuǎn)發(fā)和評(píng)論，迅速引發(fā)全網(wǎng)的高度關(guān)注以及廣泛討論。隨著相關(guān)部門的介入，公眾繼續(xù)保持對(duì)事件發(fā)展的關(guān)注，相關(guān)認(rèn)證媒體則選擇繼續(xù)對(duì)事件進(jìn)行跟進(jìn)報(bào)道。輿論的熱度促使2020年兩會(huì)全國(guó)人大代表甘華田提交了一份《建議盡快出臺(tái)維護(hù)醫(yī)院安全秩序的管理?xiàng)l例》的代表建議：建議警察承擔(dān)醫(yī)院安保工作。如圖，根據(jù)新浪微熱點(diǎn)提供的數(shù)據(jù)，我們可以大致看出微博用戶對(duì)于此次事件的主要觀點(diǎn)。27.66%的微博用戶觀點(diǎn)集中于1月20日三聯(lián)生活周刊發(fā)布的“成為陶勇有多難”，細(xì)數(shù)了陶勇的學(xué)歷、專長(zhǎng)，說(shuō)明了是我國(guó)眼科領(lǐng)域不可多得的人才。15.87%的微博用戶觀點(diǎn)集中于#警方通報(bào)朝陽(yáng)醫(yī)院傷醫(yī)事件#，在了解事發(fā)情況后微博網(wǎng)友更加關(guān)心將如何處罰兇手。通過(guò)對(duì)“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件傳播過(guò)程進(jìn)行歸納總結(jié)，本文認(rèn)為突發(fā)性醫(yī)暴事件的傳播過(guò)程有以下三個(gè)關(guān)鍵部分：①事件發(fā)布主體。微博平臺(tái)作為一個(gè)公眾平臺(tái)，具有便捷性、傳播性和原創(chuàng)性等特點(diǎn)，對(duì)于事件的發(fā)布來(lái)源則是多渠道的，可以是事件當(dāng)事人、事件目擊者、大眾媒體或官方媒體等，不同的發(fā)布者有著不同的傳播效果。譬如，一開(kāi)始有少數(shù)在現(xiàn)場(chǎng)的微博網(wǎng)友也發(fā)布了消息和現(xiàn)場(chǎng)視頻，但是因?yàn)槲⒉┓劢z數(shù)不夠多、不是認(rèn)證媒體用戶可信度不夠、閱讀量少等原因，并未獲得大量傳播轉(zhuǎn)發(fā)。直到微博用戶“新浪新聞”作為藍(lán)V用戶發(fā)布了時(shí)間信息，立刻獲得了認(rèn)證博主及粉絲的轉(zhuǎn)發(fā)關(guān)注；隨后經(jīng)過(guò)各官方媒體的報(bào)道和有影響力的大V用戶的轉(zhuǎn)發(fā)擴(kuò)散，“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件開(kāi)始引發(fā)了全網(wǎng)的關(guān)注。②意見(jiàn)領(lǐng)袖。意見(jiàn)領(lǐng)袖在輿情傳播過(guò)程中的影響力不容小覷。根據(jù)情緒感染理論，人們常常會(huì)在生活中通過(guò)模仿他人的表情、語(yǔ)言、動(dòng)作來(lái)實(shí)現(xiàn)和他人情緒的一致性。因此，作為在互聯(lián)網(wǎng)上有較大影響力的意見(jiàn)領(lǐng)袖所表達(dá)出對(duì)事物的觀點(diǎn)和情緒，會(huì)在一定程度上對(duì)他人的觀點(diǎn)和情緒產(chǎn)生影響，并且對(duì)于事件發(fā)展的后續(xù)也會(huì)起到重要的作用。③相關(guān)部門回應(yīng)。輿論是社會(huì)的反應(yīng)，在熱點(diǎn)輿情事件發(fā)生之后，相關(guān)部門的回應(yīng)速度是否及時(shí)積極，在事件處理過(guò)程中是否公開(kāi)透明，在事件后續(xù)發(fā)展中是否跟進(jìn)，都將直接影響輿情是否往積極方向進(jìn)行演化。4.2“暴力傷醫(yī)——陶勇醫(yī)生被砍”用戶情緒特征分析在微博、微信、論壇等社交軟件中，用戶主要是通過(guò)文字來(lái)進(jìn)行相互之間的交流。雖然在聲音、視覺(jué)等方面與面對(duì)面交流相比存在著一定的缺陷，但是經(jīng)研究發(fā)現(xiàn)，這些缺陷不但不會(huì)成為用戶情緒表達(dá)的絆腳石，反而還可以反映出用戶更多的情緒信息[53]。在現(xiàn)實(shí)社會(huì)中，人和人之間的交流多表現(xiàn)為口頭語(yǔ)言交流方式，人們會(huì)受到人際關(guān)系、法律道德等方面的約束。相反，在網(wǎng)絡(luò)交流中，由于網(wǎng)絡(luò)的匿名性，人們?nèi)狈ΜF(xiàn)實(shí)生活中的社會(huì)輿論監(jiān)督，從而使得用戶在進(jìn)行線上的情緒表達(dá)時(shí)，能夠表現(xiàn)出較少的顧慮，做到將自己的真實(shí)情緒進(jìn)行如實(shí)或者更為夸張的表達(dá)。因此，我們有必要對(duì)微博用戶的情緒特征進(jìn)行分析。4.2.1基于性別的用戶情感特征分析針對(duì)不同的網(wǎng)絡(luò)熱點(diǎn)事件，男女受眾對(duì)于事件的關(guān)注程度往往是不相同的。文本對(duì)“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件中男女網(wǎng)民進(jìn)行分類，具體數(shù)據(jù)如圖所示。從圖中我們發(fā)現(xiàn)，對(duì)于“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件女性用戶投入的關(guān)注度遠(yuǎn)遠(yuǎn)大于男性用戶。從事件本身角度解釋女性本身對(duì)暴力事件的敏感度和共情能力就要優(yōu)于男性，在社會(huì)中相較于男性更加容易面對(duì)暴力問(wèn)題，且事件中也有女性受害者，因此在該事件中，女性用戶投入了更多的精力關(guān)注該事件的發(fā)展；從心理學(xué)的角度解釋因?yàn)榕韵啾扔谀行?，更加情緒化，更容易表現(xiàn)出強(qiáng)烈甚至于極端的情感態(tài)度，而男性更加理性，更多情況下對(duì)于事件的態(tài)度是以一個(gè)旁觀者的角度來(lái)表達(dá)自身看法。與此同時(shí)，男女受眾之間看問(wèn)題的角度也會(huì)對(duì)情感的變化產(chǎn)生一定的影響，對(duì)于男性而言，他們往往對(duì)具體的事物感興趣，并站在中立客觀的角度對(duì)事件進(jìn)行評(píng)價(jià)；而對(duì)于女性用戶而言，她們更具有同情心，更多的是關(guān)注事件當(dāng)事人，并比較主觀情緒化的表達(dá)自身的正面或者負(fù)面情感。因此，在面對(duì)不同的熱點(diǎn)事件時(shí)，針對(duì)男女用戶之間的心理差異，相關(guān)部門需要采取不同的措施進(jìn)行引導(dǎo)。4.2.2基于性別的地域情感特征分析對(duì)于不同的網(wǎng)絡(luò)熱點(diǎn)事件不同地域的用戶對(duì)其投入的關(guān)注度以及情感態(tài)度也是完全不同的，文本對(duì)參與“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件的用戶進(jìn)行地域統(tǒng)計(jì)，如圖所示。從圖中我們發(fā)現(xiàn)，對(duì)“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件關(guān)注度最高的是廣東省，其次還有北京、江蘇、浙江和山東省等地。據(jù)新浪微博數(shù)據(jù)中心發(fā)布的2020微博用戶發(fā)展報(bào)告中顯示，廣東省和江蘇省的新浪微博用戶數(shù)量最多。廣東和江蘇省由于本身新浪微博用戶基數(shù)高，對(duì)于事件的關(guān)注度也隨之較高；朝陽(yáng)醫(yī)院坐落于北京，作為事發(fā)地所在城市，又是首都城市發(fā)生這樣的惡性事件，使得北京地區(qū)的用戶對(duì)該事件也保持著相當(dāng)高的關(guān)注度，同時(shí)對(duì)于該微博下內(nèi)容進(jìn)行分析發(fā)現(xiàn)，評(píng)論用戶大都對(duì)事件持有消極的情緒，對(duì)于事件的發(fā)生一致表示憤怒和譴責(zé)在對(duì)待不同網(wǎng)絡(luò)熱點(diǎn)事件發(fā)生時(shí)，我們不難發(fā)現(xiàn)，各地區(qū)對(duì)于事件關(guān)注度以及當(dāng)?shù)毓妼?duì)于事件的情感態(tài)度與事件發(fā)生地、事件涉及人員或組織所在地等因素密切相關(guān)，因此相關(guān)部門在對(duì)處理不同事件是可根據(jù)事件所涉及的地區(qū)進(jìn)行更大程度的公眾情緒與輿情引導(dǎo)效果會(huì)更好。5醫(yī)暴事件網(wǎng)絡(luò)輿情引導(dǎo)策略“暴力傷醫(yī)——陶勇醫(yī)生被砍”作為眾多突發(fā)醫(yī)暴事件一個(gè)縮影，其情感能量域可反映該類醫(yī)暴事件的總體情感認(rèn)知與情感能量特征。該情感空間中的其他認(rèn)知維度表明，醫(yī)暴事件在自我層面上會(huì)引發(fā)民眾對(duì)于醫(yī)護(hù)職業(yè)的選擇憂慮，在社會(huì)層面上引發(fā)對(duì)制度政策的質(zhì)疑，長(zhǎng)此以往，甚至?xí)?dǎo)致政府公信力的缺失這樣一系列社會(huì)發(fā)展問(wèn)題。這些衍生問(wèn)題最終將阻礙社會(huì)的有序發(fā)展，也是醫(yī)暴輿情必須加以監(jiān)控與引導(dǎo)的重要原因。5.1相關(guān)部門處理過(guò)程中存在的問(wèn)題政府和相關(guān)部門是為百姓服務(wù)的機(jī)構(gòu)組織，主要任務(wù)就是為公眾提供更好的服務(wù)，保障社會(huì)的和諧發(fā)展。其中，部門公信力的重要性不言而喻。所謂的公信力指的是部門在開(kāi)展工作中，所產(chǎn)生的讓公眾信任的能力。它體現(xiàn)在公眾是否認(rèn)可相關(guān)部門，是否和公眾之間建立了信賴關(guān)系、相關(guān)部門是否履行了應(yīng)盡的職責(zé)以及是否能夠保證政治和經(jīng)濟(jì)的平穩(wěn)發(fā)展等方面[54]。在“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件剛剛發(fā)生，并且相關(guān)部門還未介入事件調(diào)查的時(shí)候，微博平臺(tái)就已經(jīng)有不少微博用戶發(fā)布了類似“暴力傷醫(yī)事件層出不窮，每次都重重拿起，輕輕放下，打了醫(yī)生不用關(guān)幾天還能得到更好的醫(yī)療資源，以后有事都去打醫(yī)生了?！?、“這都是第幾次了？不出臺(tái)有效措施，光抓人有用嗎？”、“太搞笑了，所以以后去醫(yī)院是不是都要搜身安檢了?。?？”等評(píng)論。從微博用戶的評(píng)論中可以看出，在此次事件的發(fā)展過(guò)程中，大多數(shù)微博用戶對(duì)于相關(guān)部門抱有著不信任的態(tài)度，認(rèn)為法律法規(guī)對(duì)醫(yī)鬧的處罰太過(guò)輕，只會(huì)得到不盡如人意的處理結(jié)果。由此可見(jiàn)，相關(guān)部門存在著公信力較低的問(wèn)題。不難解釋在事件的后續(xù)發(fā)展中，多數(shù)微博用戶對(duì)于相關(guān)部門處理過(guò)程以及處理結(jié)果的評(píng)論情緒普遍偏向負(fù)面的原因。公信力對(duì)于相關(guān)部門開(kāi)展工作的重要性不言而喻，擁有足夠的公信力，才能使得政府部門獲得公眾足夠的信賴和認(rèn)可，從而推動(dòng)落實(shí)各項(xiàng)政策、維持市場(chǎng)的正常運(yùn)轉(zhuǎn)、建設(shè)和諧社會(huì)。一旦公眾對(duì)于政府部門的行為產(chǎn)生了不滿意和不信賴的情緒，積攢到一定程度后，這樣的情緒聚集則極有可能會(huì)造成危害社會(huì)穩(wěn)定的行為發(fā)生。在本次事件中，事件的后續(xù)是傷人兇手被判死緩，網(wǎng)友對(duì)這個(gè)處理后果就表現(xiàn)得十分滿意，情緒大多是積極態(tài)度。不但挽回了相關(guān)部門的公信力，還讓網(wǎng)友對(duì)相關(guān)部門更加信任和滿意。5.2基于情緒演化階段特征的微博用戶情緒引導(dǎo)對(duì)策本文將“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件的網(wǎng)絡(luò)輿情演變過(guò)程按照情緒熱度的不同演化特征，劃分成了四個(gè)階段，分別為：情緒萌芽、爆發(fā)、反復(fù)和消退四個(gè)階段。其中，最容易對(duì)微博用戶進(jìn)行情緒引導(dǎo)的階段是萌芽階段，如果相關(guān)部門能夠在事件處于萌芽階段初始時(shí)期及時(shí)應(yīng)對(duì)，則可以有效地引導(dǎo)微博用戶的情緒往積極的方向發(fā)展。但是由于該階段微博用戶的情緒有一定的隱秘性和潛伏性，因此如何及時(shí)地捕捉和挖掘到微博用戶的情緒并且對(duì)此進(jìn)行引導(dǎo)是這一階段存在的困難。通常來(lái)說(shuō)，爆發(fā)階段中微博用戶的情緒熱度普遍較高、影響的范圍較廣、持續(xù)的時(shí)間較長(zhǎng)、公眾對(duì)于事件的關(guān)注度也普遍較高。因此，在爆發(fā)階段中，相關(guān)部門應(yīng)該及時(shí)了解核實(shí)事件的具體信息，并公開(kāi)透明地向公眾匯報(bào)。除此之外，相關(guān)部門應(yīng)及時(shí)地對(duì)所產(chǎn)生的謠言進(jìn)行核查和澄清，盡量縮短爆發(fā)階段的持續(xù)時(shí)間，減少微博用戶的情緒波動(dòng)幅度和次數(shù)。和其他案例有所不同、也是本文所選取案例的特殊之處是：本文案例中反復(fù)階段的微博用戶情緒熱度是四個(gè)階段中情緒熱度最高的階段。這也說(shuō)明在爆發(fā)階段結(jié)束之后，對(duì)于事件的輿情監(jiān)督工作仍然不能掉以輕心，相關(guān)部門應(yīng)該繼續(xù)保持對(duì)事件發(fā)展進(jìn)程的跟進(jìn)，隨時(shí)警惕在事件發(fā)展過(guò)程中出現(xiàn)突發(fā)情況而引發(fā)的衍生輿情。從本文選選取的案例可以看出，衍生輿情所導(dǎo)致的負(fù)面情緒聚集的影響不容小覷，因此反復(fù)階段最重要的任務(wù)是關(guān)注衍生輿情，防止微博用戶情緒的再次大幅度波動(dòng)。當(dāng)事件發(fā)展至最后的消退階段，此時(shí)微博用戶的情緒已經(jīng)基本得到了有效控制，隨著事件的發(fā)展以及新的互聯(lián)網(wǎng)熱點(diǎn)事件的出現(xiàn)，微博用戶的注意力得到了轉(zhuǎn)移，與此次事件有關(guān)的情緒熱度波動(dòng)次數(shù)減少，波動(dòng)幅度趨于平緩，此時(shí)的輿情漸漸走向消逝。本階段相關(guān)部門應(yīng)該對(duì)此次事件的處理過(guò)程進(jìn)行及時(shí)的反思，同時(shí)及時(shí)地總結(jié)經(jīng)驗(yàn)汲取教訓(xùn)，深挖事件背后隱藏的社會(huì)矛盾，盡量避免下一次出現(xiàn)類似情況?；诖?，本文將以互聯(lián)網(wǎng)熱點(diǎn)事件輿情發(fā)展的四個(gè)不同階段作為主線，結(jié)合四個(gè)階段中微博用戶的情緒特征，對(duì)相關(guān)部門今后在面對(duì)類似的互聯(lián)網(wǎng)熱點(diǎn)事件所應(yīng)采取的引導(dǎo)措施提出建議。6.總結(jié)與展望6.1研究結(jié)論本文對(duì)暴力傷醫(yī)網(wǎng)絡(luò)輿情的情感特征進(jìn)行研究，并結(jié)合焦點(diǎn)事件作為案例進(jìn)行深入分析，從網(wǎng)絡(luò)輿情的傳播過(guò)程、情感演化特征以及用戶特征多維度的分析，最終得到暴力傷醫(yī)安全事件網(wǎng)絡(luò)輿情的情感特征，研究?jī)?nèi)容主要包括下列三個(gè)方面：（1）將網(wǎng)絡(luò)輿情、情感分析和情感傳播的國(guó)內(nèi)外研究成果進(jìn)行梳理，并將三者特點(diǎn)結(jié)合分析。（2）選取合適的焦點(diǎn)事件，且該事件具有足夠的典型性。醫(yī)生作為救死扶傷的代表卻頻發(fā)被傷事件，尤其是“陶勇醫(yī)生被砍”事件的發(fā)生，再一次讓公眾開(kāi)始重新審視醫(yī)患關(guān)系的問(wèn)題以及醫(yī)生權(quán)益保障的問(wèn)題，醫(yī)生作為社會(huì)服務(wù)群體，公眾更是對(duì)其賦予了極高的關(guān)注度。因此選擇“陶勇醫(yī)生被砍”事件具有充分說(shuō)服力用于研究暴力傷醫(yī)的情感特征。（3）對(duì)選取案例所采集到的數(shù)據(jù)進(jìn)行深入分析處理，并輔以情感演化階段分析、高頻詞匯分析、網(wǎng)絡(luò)輿情傳播過(guò)程分析、用戶性別及地域分析等方法對(duì)網(wǎng)絡(luò)輿情的情感演化特征、用戶特征以及網(wǎng)絡(luò)輿情的傳播過(guò)程進(jìn)行多維度的綜合分析，最終得到暴力傷醫(yī)網(wǎng)絡(luò)輿情的情感特征。經(jīng)過(guò)上述分析過(guò)程后，得到以下結(jié)論：（1）暴力傷醫(yī)發(fā)布平臺(tái)和主體、意見(jiàn)領(lǐng)袖以及官方和涉事組織回應(yīng)速度是網(wǎng)絡(luò)輿情傳播過(guò)程中起關(guān)鍵作用的3個(gè)重要因素，因此對(duì)于網(wǎng)絡(luò)輿情的引導(dǎo)需要從這三個(gè)方面重點(diǎn)進(jìn)行。（2）暴力傷醫(yī)網(wǎng)絡(luò)輿情的情感演化可以分為四個(gè)階段，分別是：萌芽期、爆發(fā)期、消退期和反思期，因此對(duì)于事件的引導(dǎo)工作也需要基于上述四個(gè)階段進(jìn)行，不同階段所采取的措施各不相同。（3）針對(duì)網(wǎng)民性別、地域的不同，引導(dǎo)過(guò)程要因地制宜，根據(jù)具體事件類型以及具體情況采取多種引導(dǎo)方式多管齊下，不能千篇一律。據(jù)上述結(jié)論，提出以下相應(yīng)引導(dǎo)對(duì)策：第一，針對(duì)曝光主體及平臺(tái)方面，政府部門需要通過(guò)大數(shù)據(jù)技術(shù)手段對(duì)互聯(lián)網(wǎng)等事件曝光平臺(tái)進(jìn)行實(shí)時(shí)監(jiān)控，以便能夠及時(shí)有效的掌握暴力傷醫(yī)網(wǎng)絡(luò)輿情的最新情況并對(duì)公眾的情感進(jìn)行時(shí)刻關(guān)注，避免極端情緒占據(jù)主導(dǎo)地位。同時(shí)對(duì)于意見(jiàn)領(lǐng)袖，政府部門需要更加重視互聯(lián)網(wǎng)意見(jiàn)領(lǐng)袖的作用，加強(qiáng)對(duì)這部門人員的管理，在事件發(fā)生后需要意見(jiàn)領(lǐng)袖配合政務(wù)微博合力將事件的真相在第一時(shí)間告知網(wǎng)民，穩(wěn)定住網(wǎng)民的情緒，鼓勵(lì)意見(jiàn)領(lǐng)袖多傳播正能量，共同引領(lǐng)事件朝著積極正面的方向發(fā)展。而對(duì)于涉事組織，需要加強(qiáng)行業(yè)監(jiān)管，提高行業(yè)準(zhǔn)入門檻，盡早完全互聯(lián)網(wǎng)行業(yè)法律法規(guī)，明確涉事組織責(zé)任。第二，深入了解暴力傷醫(yī)網(wǎng)絡(luò)輿情的情感演化各階段特征，根據(jù)不同階段采取相對(duì)應(yīng)的措施，比如在情感演化萌芽期，政府部門及涉事組織需要時(shí)刻保持高度警惕狀態(tài)，及早對(duì)事件的發(fā)生有所警覺(jué)；而對(duì)于情感演化的爆發(fā)期，涉事組織需要在第一時(shí)間站出來(lái)主動(dòng)承認(rèn)錯(cuò)誤，并配合政府相關(guān)部門調(diào)查事件，安撫受害者家屬，穩(wěn)定公眾情緒；在情感演化的消退期，涉事組織必須給公眾一個(gè)滿意的答復(fù)，絲毫不能有所懈怠；對(duì)于情感演化的反思期，涉事組織和政府部門需要從事件中汲取經(jīng)驗(yàn)，防止相同事件的再次發(fā)生。第三，針對(duì)不同的網(wǎng)民，需要采取的引導(dǎo)措施要因人而異，根據(jù)具體事件類型以及具體情況采取多種引導(dǎo)方式多管齊下，不能千篇一律。比如在面對(duì)女性網(wǎng)民時(shí)，需要更加耐心且客觀的進(jìn)行引導(dǎo)，而對(duì)于男性網(wǎng)民，則需要引導(dǎo)他們站在中立的角度看待問(wèn)題。同時(shí)面對(duì)不同地域的網(wǎng)民，所采取的引導(dǎo)力度也大有不同，對(duì)于案發(fā)地或者涉事組織所在地以及受害者所在地的網(wǎng)民，需要加大力度對(duì)其進(jìn)行引導(dǎo)工作，而對(duì)于偏遠(yuǎn)地區(qū)的網(wǎng)民，則可以稍微放緩引導(dǎo)力度。6.2研究局限與展望由于作者水平有限，研究在一定程度上存在一些不足之處。首先是對(duì)于案例只選擇了一個(gè)作為研究對(duì)象，雖然該案例具有焦點(diǎn)事件的一切典型特征，但是仍然無(wú)法以偏概全。其次，研究雖然從網(wǎng)絡(luò)輿情的傳播過(guò)程、網(wǎng)絡(luò)輿情的情感演化特征、用戶特征三個(gè)維度對(duì)暴力傷醫(yī)的情感特征進(jìn)行分析，但是仍然存在沒(méi)有研究的部分，且對(duì)于數(shù)據(jù)的分析還不夠深入，只是看到了事件的表層，還需對(duì)深度進(jìn)行擴(kuò)展。未來(lái)的研究方向?qū)囊韵聨讉€(gè)方面進(jìn)行展開(kāi)：（1）選取多個(gè)事件進(jìn)行橫向綜合對(duì)比分析，從而得出事件相互之間的異同以及規(guī)律性。（2）嘗試在技術(shù)和使用工具上進(jìn)行創(chuàng)新和加強(qiáng)，以求能夠挖掘到數(shù)據(jù)更深層次的意義。參考文獻(xiàn)[1]中國(guó)互聯(lián)網(wǎng)研究中心.[EB/OL].[2]王來(lái)華.論輿情研究的兩個(gè)需要[J].天津社會(huì)科學(xué),2010(04):70-74.[3]ElisabethNoelle-NeumannE.TheSpiralofSilence:PublicOpinion-OurSocial[M].Chicago:UniversityChicagoPress,secondedition,1993:50-56.[4]BrauchlerB.PublicSphereandIdentity[M],Chicago:University,2004(1):23-26.[5]Chong·D.ClementeM,RouletTJ.PublicOpinionAsaSourceofDeinstitutionalization:A“SpiralofSilence”Approach[J].SocialScienceElectronicPublishing,2005,40(1):96-114.[6]SudhaVerma，.NaturalLanguageProcessingtoTheRescueExtracting“SituationAwareness”TweetsDuringMassEmergency[A].In：ProceedingsofTheFifthInternationalAAAIConferenceonWeblogandSocialMedia[C].ICWSM-11，2011，California，Press，2011：297-304.[7]StevenFink.CrisisManagement：PlanningfortheInevitable[M].NewYork：AmericanManagementAssociation,1986：15-85.[8]BurkholderBT,TooleMJ.Evolutionofcomplexdisasters.[J].Lancet(London,England),1995,346(8981).[9]RobertH.Emergencymanagement[M].Beijing;ChinaCitricpress.2004:22.[10]FinkS.Crisismanagement.planningfortheinevitable[M].NewYork:AmericanManagementAssociation.1986.[11]BoP,LeeL,VaithyanathanS.Thumbsup:sentimentclassificationusingmachinelearningtechniques[C]//Acl-02ConferenceonEmpiricalMethodsinNaturalLanguageProcessing.AssociationforComputationalLinguistics,2002:79-86.[12]BracewellDB.Semi-automaticcreationofanemotiondictionaryusingwordnetanditsevaluation[C].2008IEEEConferenceonCyberneticsandIntelligentSystems,2008:1385-1389.[