网络舆情分析

定义

网络舆情分析是针对互联网上的舆情进行思维加工和分析研究、进而得出相关结论的过程^[1]。其分析对象是网络舆情，也就是公众通过互联网表达和传播的、对自身关心或与自身利益相关的公共事务所持有的多种情绪、态度和意见交错的总和。与之相近的另一个概念是网络舆情研判，指对网络舆情进行定性和定量研究并对趋势作出判断，本身含有在舆论发生之前预先评估、预测的意味^[5]。

在学科归属上，有研究认为网络舆情相关工作实质上是一种维护内容安全的实践，因此可以归入网络安全的研究范畴，其重点在于挖掘、评估和处置舆情风险^[1]。部分高校已开设相关课程与教材，把网络舆情信息的搜集、分析、编报和舆论引导等内容纳入信息安全、网络安全与执法、新闻传播等专业的教学体系^[4][6]。

原理

网络舆情分析的一般流程可分为信息采集、数据预处理、分析与研判、结果呈现几个环节^[7]。采集环节依靠网络爬虫等技术完成，分为主动获取和被动获取两类：前者通过向网络注入数据包后的反馈取得信息，接入方式简单、覆盖面较广，但会给网络带来额外负荷；后者在网络出口以镜像或旁路侦听的方式取数，需要网络管理者的配合，获取范围限于进出本地网络的数据流，不会产生额外流量^[1]。

预处理环节通常先清除特殊字符、表情符号和网址等噪声，再借助停用词表与分词工具切分文本，把非结构化的内容整理为可供计算的数据^[8]。

分析环节是技术含量最高的部分，情感计算与主题挖掘是两条主要技术路线。情感倾向常由情感词典或机器学习模型给出，一种常见做法是对文本中各情感词按极性取正负值，再乘以程度副词的权重后加权求和，最后把得分归入消极、中性、积极区间。主题挖掘多采用潜在狄利克雷分配(LDA)等概率模型，把大量文本聚成若干主题，再由人工为每个主题赋予现实含义^[8][9]。

此外还有社会网络分析的方法，通过提及、转发等互动关系计算点度中心性等指标，识别在信息扩散中起关键作用的用户与紧密连接的社群。行业实践中常用 $y=f(x_1,x_2,\dots,x_n)$ 一类的加权指标模型来量化舆情热度，其中转发量、评论量、点赞量等构成基础指标^[10]。

发展历程

2004 年，中共中央提出建立舆情汇集和分析机制、畅通社情民意反映渠道，此后网络舆情相关工作在国内发展较快，但学科性质长期未得到充分界定^[1]。

2009 年前后，随着网民规模持续扩大，网络论坛、博客等成为公众表达观点和释放情绪的平台，网络舆论的形成与影响开始受到关注，围绕网络舆论危机应急管理的研究随之展开。

2016 年前后，有研究者提出网络安全视角下的网络舆情研究框架，把相关工作归纳为舆情风险的挖掘、评估与处置，并认为网络舆情可以成为网络安全的一个研究方向^[1]。同一时期，态势感知等安全概念被引入舆情领域，形成舆情态势感知的思路，强调在监测之外加强对趋势的预测^[11]。

2020 年代以来，相关研究转向基于大数据和深度学习的分析系统，分布式爬虫、自然语言处理和分布式存储被组合使用，以应对海量舆情数据的采集、分析与展示需求^[12][3]。情感分析与主题挖掘相结合的分析框架也逐渐成为常见做法，用以刻画舆情规模、情感演变和热点主题^[9]。

应用

在社会治理与应急管理领域，网络舆情分析用于掌握舆论动态、发现苗头性信息并判断事件走势，帮助相关部门在突发事件中作出决策^[5]。有研究提出建立突发信息安全事件网络舆情的情感—主题协同演化模型，以识别舆情生命周期各阶段公众的情感倾向与关注主题。

在校园、城市综合治理等场景中，舆情分析被用于对新闻、论坛、微博等渠道的信息进行实时采集和内容提取，对判定为敏感或应急性质的事件进行跟踪，并生成舆情报告^[13][14]。

在企业与行业层面，舆情分析系统常被用于品牌与产品的口碑观察，通过声量计算、褒贬分析和热点聚类，输出传播走势、媒体分布和地区分布等维度的分析结果，并对未来情况作出概率性预测^[10]。

在网络安全领域，网络舆情事件数据与网络入侵事件数据、工控系统威胁事件数据一并被纳入安全态势感知系统的采集范围，与其他安全信息融合后进行可视化呈现^[13]。

局限

情感计算对语言形式的处理能力有限，反讽、反串、方言、玩梗和行业黑话都可能造成误判。有研究发现，若仅依据文本字段，模型容易把反语或反串内容标注为正向或中立，因此除了文本本身，还需要考虑发布者的社会与政治位置等文本之外的线索^[15]。相关实验也显示，大量误判来自反讽与语境歧义。

模型的判断质量受训练数据制约。以西方英语语料为主训练的情感分析模型，容易误读非西方语言或方言所表达的情绪，在部分英语变体上的表现明显低于标准语料^[16]。多模态内容检测研究同样指出，模型对文化特定表达和语言线索的把握不足，并倾向于高估有害内容^[17]。

数据代表性是另一重限制。社交平台的用户结构相对偏向年轻、城市和高学历群体，其言论中的极化程度也可能高于社会总体，因此平台数据不宜直接外推为整体公众态度^[18]。有实践观察也指出，不同平台的评论情绪表现差异较大，各平台的分数不能简单相加，报告需要说明数据来源。

舆情采集与分析还涉及隐私与伦理问题，数字社交研究领域至今缺少公认的伦理规范，知情同意、信息风险管理和隐私保护都需要在方法设计中加以考虑^[18]。此外，收集方法本身也有约束：委托专业机构监测可以得到更系统的结果，而自行监测在人员专业背景和数据覆盖面上往往有限^[1]。

参见

• 网络舆情 —— 网络舆情分析的处理对象，即公众通过互联网表达的情绪、态度与意见的总和

• 网络安全 —— 网络舆情分析被部分研究视为内容安全实践，可归入网络安全的研究范畴

• 自然语言处理 —— 文本预处理、分词与情感计算的技术基础

• 情感分析 —— 判断文本情感倾向的核心方法，也是误判问题最集中的环节

• 主题模型 —— 潜在狄利克雷分配等方法用于从海量文本中聚类出热点主题

• 社会网络分析 —— 通过互动关系识别关键用户与社群的补充分析路径