基于高傳播影響力用戶的輿情引導策略研究

王沁，張揚，夏玲玲，袁明，陳俊安，范巖

（江蘇警官學院計算機信息與網絡安全系，南京 210031）

0 引言

自媒體時代，隨著網民數量的不斷擴大以及網絡等新興媒體的蓬勃發展，越來越多的人習慣借助互聯網通過微博、微信等社交媒體平臺來關注熱點事件、發表評論、進行價值評判。隨之而來的由重大事件或突發事件引起的網絡輿情也呈現出前所未有的復雜狀況，例如2018 年“范冰冰偷逃稅事件”、“高鐵霸座”、“滴滴乘客遇害系列事件”，2019 年“重慶保時捷女車主李某怒扇男司機耳光”等事件都在網絡上引起言論熱潮，并隨著事件不斷發酵，各種無據言論鋪天蓋地，對社會秩序及網絡環境產生極大影響。因此，及時掌握社會輿情動態，探索輿情產生特點和變化規律，識別出社交網絡中具有高傳播影響力的用戶借以有效引導，針對性地提出相應導控策略，對于營造風清氣正的網絡空間，維護社會治安穩定，推動文明發展具有重要的理論意義和應用價值。

近幾年，國內外學者在網絡輿情方向展開了大量研究，劉建輝[1]分析了大數據時代網絡輿情評估模型，提倡借鑒國外的模式，通過大量的案情、災情將我國現階段犯罪情況、自然災害發生情況的“地圖”描繪出來，提升日常輿情的治理水平，實現科學合理的預測犯罪、自然災害高發地區。趙凱[2]構造了兩類媒體作用下輿情傳播的傳染病模型，進而利用微分方程的穩定性理論對模型進行了動力學分析。隨著網絡輿情研究的逐漸深入，熊茵和趙振宇等人[3]根據網絡輿情的傳播特征揭示了“圈子”格局下的微信圈內輿情的“自組織調和”及圈群之間輿情壓力逐級減少的傳播規律，為研究自媒體環境下輿情傳播特點提供新思路。突發事件網絡輿情傳播過程中，關鍵用戶（影響力用戶、意見領袖（Key Opinion Leader，KOL）或網絡“大 V”等往往扮演著重要的角色，影響著事件的發展和輿論的走向，挖掘網絡中影響力節點具有重要的現實意義。呂琳媛和任曉龍等人[4-5]對這方面工作做了較為詳盡的綜述，介紹了復雜網絡領域具有代表性的多種重要節點挖掘方法，詳細比較了各種方法的計算思路、應用場景和優缺點。這些算法中有幾類比較主流，具有一定的代表性，包括基于結構中心性[6-8]、基于迭代優化中心性[9]等。其中基于結構中心性的方法具體又可以細分為兩類：一是基于節點鄰居的排序方法，如度中心性算法（社會網絡分析中，“中心性”主要是指節點的重要性），Chen 等人[6]提出的基于半局部信息的節點重要性排序算法，Kitsak 等人[7]提出的 k-殼分解法（k-shell decomposition），Hirsch 提出的 H-指數算法[8]；二是基于路徑的排序算法，如接近中心性、Katz 中心性、介數中心性等。在突發事件輿情應對方面，曾潤喜[10]著重探索了網絡輿情對群體性突發事件的影響與作用，謝耘耕等人[11]結合微博輿論的傳播特點，探索出微博輿論的生成演變總體過程，并針對影響輿論演變的五大要素，提出了政府輿論引導的四點建議和對策。陳夢析[12]以天津港“8.12”瑞海公司危險品倉庫特別重大火災爆炸事故為例，研究了突發事件的網絡輿情分析及應對。

當前諸多研究，大多聚焦對網絡輿情傳播的特點歸納、模型構建以及影響力用戶的識別，對于網絡輿情中權威部門及當事人這兩大主體在輿情應對過程中的作用鮮少涉及。一方面因為輿情事件具有時效性，一旦消息源或原微博及其相應的用戶評論被刪除，就會導致輿情事件的真實數據難以被實時捕捉；另一方面網絡輿情研究作為社會科學與自然科學交叉的新興領域，涵蓋了新聞學、傳播學、社會學、管理學、系統科學、數學、計算機科學等多個學科，對科學工作者的跨學科研究能力提出了更高要求。事實上在網絡輿情事件中，權威部門以及事件當事人吸引了大量粉絲和關注度，他們在社交媒體平臺所隱藏的巨大影響力，在識別、處置網絡輿情態勢，引導輿論風潮等方面具有極大影響力。

本文通過分析“翟天臨學術門事件”中微博輿論傳播的基本模式、特征以及對比權威媒體與輿情當事人回應后的公眾情緒傾向，探討網絡輿情導控的潛在規律以及該如何借助具有高傳播影響力的社交用戶對其進行更優化的管控與引導，改變以往輿情危機處置過程中采用的拒訪、封堵、刪除等“粗暴壓制”方法，使輿情導控工作更加科學化和人性化，從而化解輿論危機，提高用戶媒介素養，推進社會穩定和諧發展，更好地規范網絡自媒體的運行[13]。

1 網絡輿論危機事件多發的原因

1.1 客觀方面

（1）責任部門工作職責不明確

相關責任部門在輿情導控層級工作體制上存在不足，在處置某突發輿情時，往往因危機定性困難而存在各部門相互推諉的現象。部分領導對網絡輿情危機思想上不重視，對可能出現的危機后果估計不足，工作缺乏長遠性，往往處于被動地位。

（2）執行部門工作方式不科學

執行部門缺乏正確處置危機的基本技巧以及應對媒體的基本常識和經驗，面對危機總是采取“一捂、二堵、三拖、四拒絕、五控制”[14]的方式回避媒體，剛性堵截言論，試圖壟斷新聞源和話語權，但往往適得其反?，F今自媒體時代，沉默等于默認，如對“打人保時捷女司機李某丈夫為某派出所所長”一言出現后遲遲得不到回應，后經調查證實，女司機李某的丈夫是渝北分局石船派出所所長。突發事件演變成輿論危機后，絕對的禁令性刪帖行為會被網民視同心虛默認，只會引發更大的危機和群體性事件。

（3）工作人員處置經驗不足

在輿情事件應對過程中，有些部門工作人員在尚未完全掌握輿情事件的“來龍去脈”的情況下，就急于發布消息、澄清事實，雖出發點正確，但措辭不當反而易導致事件惡化。此外，某些單位網絡評論員素質不高，處置輿情危機的經驗不足，不能直擊重點，使得輿情引導效果不佳。

1.2 主觀方面

（1）不良媒體不實報道

在當前媒體數量激增，行業競爭愈演愈烈的情況下，網絡媒體往往以迅速報道社會突發事件和搶發爆炸性新聞來獲取關注度作為競爭的第一標準。為追求自身經濟利益的最大化，一些缺乏社會責任感的不良媒體和相關業務人員，會帶著明顯具有個人傾向色彩的態度進行報道，造成輿論的夸大與不實，導致輿論危機事件[15]頻發。

（2）部分網民心態失衡

目前社會矛盾激劇，貧富差距極端化，現代競爭火熱化，部分群眾在面臨生活和事業的挫折和壓力之下，心態失衡，網絡成為其發泄憤懣的主要場所。例如，2019 年3 月10 號的埃航客機墜毀事件中一名浙江女大學生不幸遇難，在媒體曝光后，一些“鍵盤俠”為了博取眼球，編撰出大量惡意的評論“攻擊”女大學生，更有部分網友惡意評論臆想其系“炫耀”、“整容”，微博評論充斥著大量攻擊謾罵言語，引發眾怒。

同樣，當名利雙收的公眾人物被爆料學術造假等社會不公現象時，極易引發網民的嫉妒不平心理，促使其肆意發表惡性言論，致使公眾情緒負面化發展，輿論事件影響力迅速“放大”。2019 年2 月8 日翟天臨在與粉絲的直播視頻中回答網友：“知網是什么”，暴露其學歷造假的可能性，一經傳出即引發軒然大波。心存疑慮的網友開始對他的學術論文，個人履歷進行細扒，事實證明造假屬實。一時間，成千上萬的網民發表了各種各樣的看法，既有對他學霸人設的嘲諷，更有對北電院長導師潛規則的質疑，一時間引起軒然大波，影響十分惡劣。

2 互聯網絡輿情傳播的基本特征

2.1 發展爆發性

社交媒體平臺如微信、微博等在信息傳播上提供了比報紙、廣播、電視等傳統大眾傳媒更為迅速、開放的信息發布渠道和意見表達機制[16]。當一條突發事件在微博上發布時，微博用戶通過直接或間接的關注、評論、轉發，使突發事件的相關信息迅速地在龐大的網絡社交平臺中以幾何增長的速度傳播，范圍呈“水波紋”狀層層往外擴散。

2.2 情緒感染性

微博輿論參與主體的情緒化和盲目性，往往帶來較大的負面影響。當出現誘發事件時，網民的第一言論大多是出于感性的言論，即不理性思考事件的產生原因，只從自己的情感傾向出發表達的個人觀點和意見。此外，“朋友圈”、動態空間、論壇貼吧等虛擬社交圈應用廣泛，網絡輿論傳播迅猛，這也使得某種觀點傾向在網絡上快速傳染。人們根據自己的興趣、想法、價值觀、社會關系、興趣、經驗等在社交媒體平臺形成所謂的“關注”和“粉絲”，這實際上是在建立一個無形的“人際交往圈”[17]。網民通過建立這樣的“圈子”，結識志同道合的好友，與他們在一起評論時事、分享觀點、交流信息、互通有無，但這在一定程度上容易引起從眾心理，造成“三人成虎”的效應，阻礙了許多網民獨立思考時的理性判斷。

2.3 內容復雜性[1188]

社交媒體平臺內容多樣、爭議激烈，社會各界角色參與豐富，用戶可以用匿名的方式自由發表言論觀點。其中涉及的話題多元化，包括境內外政治局勢、經濟、社會、文化、娛樂等各方面，有些更是上述方面的綜合反映。自媒體時代，普通民眾由過去的信息被動接受者轉變為互聯網信息的創建者與傳播者。社交媒體平臺上的信息量激增，輿情事件一經傳播之后，由于各方的見解、參與度不同，最直接的后果就是使輿情事件變得更加復雜，帶來更多的爭議，繼而引發更大的危機事件。

3 輿情事件中權威媒體與涉事主體言論對比分析

近期網絡輿情事件頻頻發生，本文以影響力較大的“翟天臨學術門”事件為例，基于微博社交平臺，使用爬蟲技術對“翟天臨致歉信”微博以及“人民日報轉發教育部官方回應翟天臨事件”的微博進行數據獲取和對比統計分析，進而研究網絡輿情事件的處置及應對方法。

3.1 數據獲取和清洗

鑒于微博中的用戶評論數據真實的反映了網民的觀點和情緒傾向，本文利用網絡爬蟲技術手動獲取“翟天臨致歉信”微博相關數據。

（1）編寫 URL 生成程序

第一步先分析“翟天臨致歉信”微博存儲數據的位置，即微博每個頁面的網址，然后才能借此獲取每頁所存儲的內容。以移動版微博為例，首先需要查看評論頁的URL，但下滑刷新內容時發現URL 并無變化，這時考慮頁面使用了AJAX 技術。通過Chrome 網絡抓包可以過濾出xhr 包，逐包查看header 的URL 即可發現其中規律，將前幾個包的URL 復制下來對比可以看出每頁URL 基本格式：'https://m.weibo.cn/comments/hotflow?id=4339918362859308&mid=4339918362859308&max_id（）& max_id_ type=（）'。通過觀察一個 URL 的括號處數值難以發現每個URL 之間的規律，這時可以使用Chrome 瀏覽器的工程模式分析header，在最下方的參數列表可以發現：每頁URL 提供的max_id 與max_id_type 參數恰是下一頁 URL 內 max_id 與max_id_type 的數值。這樣可以編寫循環函數生成每頁的URL，并將其保存在數據庫中便于調用。

（2）反爬機制[19]

爬蟲程序雖然能夠便捷地獲取網頁數據，但微博平臺內存儲有大量個人隱私數據，因而集成了強大的反爬機制，下面列出幾種針對反爬機制的解決方案：

①登錄驗證碼。驗證碼向來是網頁防范風險的第一道關卡，微博網頁版使用了隨機數字字母驗證，移動版微博曾經使用九宮格驗證法，但最近微博將移動版驗證碼與網頁版統一為最新的“極驗”驗證碼，繞過該驗證碼有兩種方法：模擬登錄與Cookie 登錄。使用模擬登錄首先需要獲取滑動驗證碼原圖，這一步需要修改網頁的CSS 代碼，然后將原圖與缺口圖對比計算出缺口位置，接著模擬拖拽動作完成登錄驗證，此過程需要注意模擬拖拽必須加入變速算法，否則會被檢測出機器登錄導致登錄失敗。整個過程依賴于selenium，而該工具會降低程序運行效率，并且不便于與后續代碼銜接。如果使用Cookie 登錄微博，首先需要獲取微博賬號登錄后網頁的Cookie 值，然后將Cookie 值作為參數傳遞給爬蟲程序內的request 函數，就可以跳過驗證碼驗證步驟。

②網頁繁忙。微博能夠檢測出在一個時間段內大量訪問網頁的用戶，如果被認為是異常用戶，網頁將無法打開并提示網頁繁忙，此時該用戶的ID 或該主機的IP 就可能被封禁。為防止該事件的發生一種方法是降低爬取速率，但勢必影響效率，另外可以使用IP 代理，通常IP 代理由專門的服務商提供，通過服務商提供的API 接口即可使用。Python 中提供的Proxy 包也可以用來實現代理IP 的更換。

（3）數據爬取[20]

解決反爬問題后便可以進行數據爬取，數據爬取主要由三部分構成：定位、獲取、保存。定位即確定所需數據在網頁中的位置，常用工具有beautifulsoup、正則表達式、xpath。獲取過程即將定位到的數據提取到內存，這一過程主要涉及到編碼解碼的問題。保存可以使用多種方法，如Redis 數據庫、csv 文件等。

（4）效率提升

由于需要獲取的數據少則千條，多則上萬條，提高爬蟲效率至關重要，在爬取過程中，可以使用多線程的編寫方式爬取，或者使用分布式爬蟲同時爬取。但由于Python 內部機制問題，Python 的多線程并非真正意義上的多線程，僅僅是在CPU 空閑時再調用，因此效果不明顯，應盡量使用多ID 多進程同時爬取。

3.2 評論數據統計分析

獲取到翟天臨致歉信微博相關數據后，以同樣的方法獲取人民日報轉發教育部官方回應該事件的微博數據，進行對比統計分析。

圖1“翟天臨致歉信”微博用戶評論數隨時間的演化曲線

圖1 為“翟天臨致歉信”微博用戶評論數隨時間的演化曲線。從圖1 的時間演化曲線可以看出，評論數最高峰產生于原微博發表后1 至2 小時內，隨后持續下降，直至8 小時后趨于平緩。

圖2“人民日報轉發教育部官方回應翟天臨事件”微博用戶評論數隨時間演化曲線

圖2 為人民日報發布的教育部官方回應該事件微博相應的用戶評論數隨時間的演化曲線。圖2 曲線表明人民日報轉發教育部回應官方微博一經發表評論數迅速達到最高點，3 小時后趨于平緩，并在9 小時后再次到達小高峰。

圖1 和圖2 對比觀察可以發現，“翟天臨致歉信”和“人民日報轉發教育部官方回應翟天臨事件”微博用戶評論數都呈現先增長后下降然后趨于平穩，繼而又再次小幅增長，然后再下降趨于平穩的趨勢。在“翟天臨學術門”事件成為熱點后，其相關微博的評論數隨時間的推移最終都會趨于平穩，可能有兩種原因：一種是對于不同主題的輿情事件，當對此類主題事件關心的網民數量達到飽和后，不關心此類主題輿情事件的網民不會因為該事件成為熱點而選擇關注；另一種是平時習慣對熱點輿情事件進行轉發和評論的網民數量達到飽和，無論事件如何發酵、影響力如何放大，沒有轉發、評論習慣的網民大部分仍不會選擇公開發表言論。

通過對兩圖的比對分析，一個差異在于翟天臨個人致歉信發表后，從輿論的產生、高潮、平息共經歷近10 小時，而當人民日報轉發教育部回應的官方言論發出后，僅3 小時民眾的言論熱潮就平息下來，鮮明的對比證明了此次事件中權威部門與官方媒體的影響力和說服力。

根據獲取到的微博評論數據，通過jieba 對其進行分詞，并統計每個詞語的出現次數。

圖3“翟天臨致歉信”微博用戶評論詞頻統計結果

圖3 為“翟天臨致歉信”微博用戶評論詞頻統計結果，通過統計數據發現：前18 個高頻詞語中最高詞頻詞語居然都為褒義，褒義詞多于中性詞和貶義詞?？梢钥闯龌貜驮撐⒉┑挠脩糁写蠖鄶狄苑e極態度看待翟天臨學術造假事件，由此猜想這些用戶評論中不乏水軍粉絲和“鐵”粉的評論。

利用同樣的方法可以獲得“人民日報轉發教育部官方回應翟天臨事件”微博的詞頻統計結果。

圖4“人民日報轉發教育部官方回應翟天臨事件”微博用戶評論詞頻統計結果

圖4 結果發現出現頻次最高的反而是中性詞，其次是貶義詞。這與微博主體有著密切關系，可以肯定在官方微博下大多是圍繞該學術門事件的批判性或分析性的評論，而在翟天臨本人的微博內評論則比較多樣化，褒義詞居多，更加證實了水軍和“鐵”粉的存在。

4 輿情引導策略分析

根據上述統計分析結果，提出基于高傳播影響力用戶的輿情引導策略及具體工作步驟。

4.1 事件跟蹤、數據處理

當某一突發事件在網絡上引發大量輿論熱潮時，首先應了解事件的真實情況。突發事件一般是重大的連續性事件或社會敏感事件，一時間不容易調查清楚前因后果，必須在第一時間做好事態發展的實時監控和數據收集工作[21]。因此，掌握事件真實情況，把握輿論主動權尤為重要。數據的分析主要依靠數據的變化規律，如隨時間的演化情況等。經過分析可知微博評論數據在超過一定數量后便不再按時間順序存儲，同時如粉絲等數據超過規定數量后微博平臺就不再公開，這加重了數據采集和分析的難度，若要達到即時預警、即時分析、全面收集的目的，必須以實時方式監控微博數據，做好數據實時采集和存儲。

在“翟天臨致歉信”微博中有些評論可能出自網絡水軍，這些數據的可信度無從談起，因此數據分析中應盡量避免水軍的影響。若想自主過濾水軍，一個可行辦法是通過分析博主多層粉絲數據來估計其為水軍的可能性，但鑒于現在微博已將粉絲數據隱藏，一般用第三方服務自動過濾以減少工作量。

4.2 內容分析與研判

輿情導控內容直接決定著輿情導控的結果。分析既有數據，了解大眾思想動態極為關鍵，通過分詞系統可以清晰地反映出用戶評論的總體傾向以決定導控內容。在翟天臨事件中，以其“致歉信”微博為例，致歉信一出，馬上就引發了公眾對這一事件的二次轉發評論熱潮：有人表示知錯就改，態度端正，希望他反思自省，重新來過，帶給觀眾更多的優質作品；也有網友認為毫無誠意，不接受這種道歉。從某種程度上，個人回應并不能及時平息輿論事件，相反易引發二次危機，激發公眾對該事件一探到底的欲望。而在該事件中，人民日報作為第三方權威媒體，轉發權威部門——教育部對翟天臨事件的官方回應，首先陳述近期校方等對此事采取的舉措，其次以第三方的視角客觀公平公正地對事件作出評價，其本身具有的影響力加之評論的說服力使眾多網民信服。

此外，導控的時間同樣重要，過早或過晚導控都可能嚴重影響效果，同樣對“致歉信”微博評論時間進行分析，數據反映出在微博發布兩小時內評論已達到高峰，隨即快速下降，至15 日已經逐漸平息，把握這10小時的時間能夠最大化優化導控效果。同時我們發現在評論數達到首次高峰后進行相應的回應能夠正好順應輿情自身演化規律，讓之前評論、關注過該事件的網民能夠及時了解事件真相，不會因突如其來的官方回應而去關注、深挖輿情事件。例如，“重慶保時捷女車主李某怒扇男司機耳光”事件，在網民對事件關注達到首次高峰點時，相關部門遲遲未給予及時回應，致使事件持續發酵。媒體和網友不斷深挖，扒出保時捷女車主更多“猛料”?；ヂ摼W上繼而出現從“保時捷女車主怒扇男司機耳光”，到“保時捷女車主3 年共計29 條交通違法記錄”，再到“保時捷女車主老公是所長”，再到“重慶公安徹查保時捷女車主交通違法和其丈夫相關情況，依紀依法調查處理”等一系列吸引公眾眼球的標題，促使該事件被輿論推向法理的蒸籠。對于該事件的進一步發展，全國網友密切關注，輿論熱潮居高不下，重慶市公安局特成立調查組對網絡所反映的上述情況進行調查處理，并及時向社會公布以防止輿情進一步惡化。因此，在遇到類似涉及權威部門（如“翟天臨學術門”事件涉及教育部門、“重慶保時捷女車主李某怒扇男司機耳光”事件涉及交巡警部門）的輿情事件時，應主動通過權威部門這樣高影響力的用戶來回應輿情危機事件，能夠起到較好的輿情引導效果。

4.3 輿情引導——挖掘高傳播影響力用戶

在輿情事件應對過程中，除了采用政府部門等權威機構輔以新聞媒體官方回應方式來引導輿論，還可以充分發揮社交媒體平臺中的高傳播影響力用戶的輿論影響力。例如微博中的高傳播影響力用戶往往具有隱秘性高，粉絲量大等特點[22]。以與翟天臨學術門相關的某新聞微博為例，可以圍繞該微博，利用網絡爬蟲爬取微博中如圖5 所示為關鍵轉發用戶的轉發路徑圖。

圖5 關鍵用戶轉發路徑圖

圖5 中明確標出了關鍵轉發路徑上的用戶即為尋找的高傳播影響力用戶，這些用戶的價值并非在于直接使其作為輿情導控的主體，而是通過二次引導挖掘其潛在價值。他們在網絡虛擬社交平臺中發揮著類似明星代言產品的引領作用。作為網絡社交平臺的活躍用戶，他們在虛擬陣地上用富有煽動性的文章和言論表達個人的觀點和意見。他們把自己放在與廣大網民平等的地位上參與輿情討論，更容易交流意見，并不會給其他用戶一種刻意傳播的感覺。用戶自主選擇瀏覽、關注和轉發這些高傳播影響力用戶的言論文章，對于接受他們發表的觀點的抵觸心理大大減小。因此，可以通過將這些用戶作為特殊目標對象重點關注，避免高傳播影響力用戶轉變為謠言的制造者和傳播者，引導其正面發聲，從而實現微博用戶群體內的謠言自凈化功能。盡管這種方式并沒有相應的機制保證其效果，但在輿情發展中后期可以作為有效輔助方式采納。

5 結語

作為一把雙刃劍，網絡為公眾自由發表言論提供了平臺，但網絡在輿情矛盾凸顯期產生了較大的負面作用。本文結合“翟天臨學術門”這一輿論熱點事件，運用多ID 多進程爬蟲程序，充分獲取微博平臺中與該事件相關的各類數據信息，并對網絡輿情的幾個基本問題進行了深入分析與探討。在此基礎上，通過對權威媒體與輿情當事人回應結果對比分析，得出權威部門等具有高傳播影響力的用戶發言在突發事件中更具說服力這一重要發現。此外，提出基于高傳播影響力社交用戶的輿情引導策略，以達到微博用戶群體內的謠言自凈化功能。該策略的提出一方面為大眾網民的合理知情權給出了切實的視角，另一方面也為輿情惡化的突發事件處置提供了新方法，今后我們將在豐富的網絡輿情現實中進一步驗證、完善其有效性。

當前科學技術飛速發展，5G 時代即將來臨，網絡輿情的發展規模只會更加龐大，形態和形勢更加多元復雜。針對這一社會現實，有關部門應高度重視在自媒體視角下建立網絡輿情導控機制的工作，通過對具有高傳播影響力的社交媒體合理科學的運用[23]，對公眾輿論進行正面的引導，做好廣大群眾的溝通教育工作，更好推動建設社會主義和諧社會的偉大進程。