《网络舆情监测与研判》-舆情监测预警和数据分析

舆情监测预警和数据分析第三章通过本章学习，读者可全面了解舆情监测预警机制，认识网络谣言的监测预警，掌握舆情数据获取和分析的基础方法。学习目标本章包括舆情监测预警机制、网络谣言的监测预警、舆情数据分析的基本方法和舆情数据分析的实际应用，按照舆情“监测—预警—分析”的逻辑顺序展开。第一节对舆情监测预警机制的概念及发展、渠道、周期、分发报送等进行介绍，让读者全面了解网络舆情监测预警机制的基本内涵。网络谣言因其特殊危害性，成为舆情监测的重点、难点，第二节对网络谣言的监测预警进行重点阐述，涵盖网络谣言和网络“水军”的定义及生成原因、网络谣言的危害性及网络谣言监测预警的必要性、网络谣言的类型、网络谣言监测预警的方法等内容。舆情监测也是舆情数据获取的过程，一名合格的舆情分析师，能够从舆情数据中挖掘有效信息、掌握舆情肌理、指导舆情研判，第三节详细讲解了舆情数据获取、筛选、分析和可视化的多种方法。“纸上谈兵终觉浅”，第四节列举了舆情数据分析的实际应用场景，并对可视化大数据工具进行介绍。本章知识结构Contents目录舆情监测预警机制的基本内涵舆情数据分析的基本方法网络谣言和网络“水军”的辨别与监测舆情数据分析的实际应用1234概念及发展1渠道2周期34分发报送第三章舆情监测预警和数据分析一概念及发展舆情监测预警，是指对舆情生成、发展、高峰、回落等具有重要影响的节点进行持续不间断的信息采集、监测、追踪、分析、研判，从而对当前舆情总体态势做出判断并预测其走向趋势的过程。同时，根据舆情事件的影响力与预先制定的预警指标体系进行对比确定等级，再根据不同等级选择对应的预案并及时向相关部门报告（送）。“机制”一词最早源于希腊文，原指机器的构造和工作原理，后引申为各要素之间的结构关系和运行方式。舆情监测预警机制，就是与上述监测预警中各环节相关的工作体系和运行程序的总和。早期阶段的舆情监测，是以数理统计学和社会学等相关学科为基础的社会调查法，并辅以互联网技术手段，即通过互联网进行问卷调查和人工定向检索等，以此了解与掌握某一领域舆论情况或具体舆情事件的最新动态。随着互联网技术的不断发展与加速普及，海量、复杂的网络民意为传统的民意调查机制带来挑战，舆情服务行业开始兴起。与此同时，国内诞生了多家从事舆情监测系统开发的软件技术公司以及提供舆情应对处置服务的公关公司，舆情监测预警机制进入升级阶段。近年来，伴随着大数据计算和人工智能技术的飞速发展，早期单纯依靠人工浏览查询转变为大数据技术辅助加持下的新舆情监测预警模式。第三章舆情监测预警和数据分析一概念及发展简单而言，这一模式主要根据舆情事件本身的话语特征、所涉群体和诉求重点，借助关键词的设定和检索，通过计算机信息采集技术、语义分析识别处理技术等，实现全天候不间断地对各传播渠道的海量信息进行自动分类聚集，及时高效精准地完成舆情事件的自动摘要、主题追踪、数据统计以及图表分析等多项需求，对互联网中广泛存在的舆情信息进行最大化的挖掘与预处理。目前，已实现热点实时感知、多周期动态追踪、自动预警提示、观点倾向性以及网民情绪分析等多项功能，舆情监测预警各流程相互连接形成闭环，技术和产品正在不断创新完善。当前，5G时代已经到来，以物联网、区块链、云计算等为代表的新型技术手段将对更为庞大的互联网数据进行全面接入和深度挖掘，从而创造更大的社会价值和商业利益。可以预见的是，这将为整个舆情行业带来新的机遇与挑战，舆情监测预警系统也必将走向更加智能化的道路。第三章舆情监测预警和数据分析二渠道日新月异的互联网创新应用层出不穷，舆情传播渠道也在不断更新演变。目前，舆情监测预警的渠道主要是网络媒体、报刊、“两微一端”（微博、微信及客户端）、论坛博客、高校网站的BBS，也包括电视栏目、广播节目以及豆瓣、知乎等社区网站。此外，随着短视频、直播行业崛起，抖音、快手、西瓜视频等平台也纳入舆情监测范围。其中，需要重点关注舆情事件的首发渠道和传播媒介自身的影响力，以此分析判断其下一步的传播走势。第三章舆情监测预警和数据分析三周期第三章舆情监测预警和数据分析通常情况下，舆情监测预警通用周期分类法，即根据舆情发生、发酵、发展、高涨、回落、反馈等不同阶段的传播特点开展有针对性、有侧重的监测、分析和研判。（1）发生期。及时发现捕捉具有苗头性、敏感性的舆情信息，了解舆情事件的初步情况、爆料者的主要诉求，整理网民参与讨论跟帖的主要观点和倾向性意见，启动舆情信息动态追踪机制并第一时间通知有关职能部门共同做好应对舆情危机的准备。同时，确定统计传播数据的时间节点。（2）发酵期。在此阶段，各大媒体积极参与传播，易出现信息源较多、事件发展多元化、舆论导向转变概率增加等情况，舆情监测预警的重要工作集中在全面搜集舆情的最新发展动态，对舆情传播细节进行地毯式收集、汇总。三周期第三章舆情监测预警和数据分析（3）发展期。重点了解舆情事件发酵后的总体情况，全力做好舆情反馈分析工作。观察有无重点媒体介入报道、意见领袖或活跃网民的积极推动，及时快速展开舆论场各方观点的搜集整理工作，并进行理性客观、相对科学的分析，特别要收集参与评论者的发声平台、身份特征、粉丝量、地理分布等方面特征，绘制舆情事件参与群体的画像。（4）高涨期。聚焦舆情事件主体与客体的回应内容和方式，全面展开涉事各方回应效果评估。因为舆情事件本身具有较强的不确定性，所以此阶段应重点关注舆情事件本身的传播焦点是否发生转移、促成转移焦点的原因以及各方所持观点有无倾向变化、是否存在新的关联话题，多维度、多视角挖掘影响舆情走势的关键推动因素，回顾舆情事件的演变过程，深入探究其出现的历史、政治、经济、文化和社会等各方面原因。（5）回落期。重点关注有无引发次生舆情的可能，对涉事各方存在的潜在风险进行辨别评估。（6）反馈期。舆情态势整体平稳后，应“趁热打铁”对事情进行复盘分析，总结应对得失，尽早开展形象修复等工作。四分发报送在舆情监测预警工作中，分发和报送是两个不同的概念。分发是指各级人民政府及其有关部门、专业机构、监测网（站）点以及法人或其他组织，运用专业的网络舆情分析工具，对网络舆情信息经过监测、搜集、分析、研判、撰写报告等环节后，将加工处理完成的舆情信息服务产品发送给相关党政部门、新闻媒体、社会组织、研究机构、法人等网络舆情信息需求者。报送是指各级人民政府及其有关部门、专业机构、监测网（站）点、企事业单位以及公民、法人或其他组织，向上级人民政府或有关部门传递报告网络舆情信息的活动。在这两种方式中，可选择通过文件、电话、传真、电子邮件等有效途径向上级人民政府报送重要的网络舆情信息；也可选择通过手机短信、电子邮件、QQ或微信平台等方式向特定对象分发相关网络舆情信息。第三章舆情监测预警和数据分析Contents目录舆情监测预警机制的基本内涵舆情数据分析的基本方法网络谣言和网络“水军”的辨别与监测舆情数据分析的实际应用2134网络谣言的定义、类型及监测方法1网络“水军”的定义、运作模式及监测方法2第三章舆情监测预警和数据分析一网络谣言的定义、类型及监测方法网络谣言是网络舆论的一种畸变形态，与传统谣言既有相关性又不完全相同。综合美国社会学家特·希布塔尼、法国学者让·诺埃尔·卡普费雷及国内学者刘建明、郭庆光、姜胜洪等人的观点，广义的谣言是指“社会中出现并流传的未经官方公开证实或者已经被官方证伪了的信息”，涵盖了传闻、流言及小道消息等多个概念，在事后有时也会被证明是与事实相符的；相对而言，狭义的谣言是指没有事实根据的或凭空虚构的虚假信息。网络谣言作为谣言的一种新型传播形式，在当前网络谣言治理的语境中，我们可在狭义的谣言定义基础上，将网络谣言定义为“在互联网中传播的、没有事实根据或凭空捏造的虚假信息”。与传统谣言相比，网络谣言的传播速度更快、周期更短、波及范围更广、表现形式更多样、隐蔽性更强，相应带来的社会风险及危害也更大，治理难度也有所上升。第三章舆情监测预警和数据分析（一）网络谣言的定义一网络谣言的定义、类型及监测方法根据网络谣言内容所涉及的领域，主要体现为政治谣言、经济谣言、军事谣言、社会民生谣言和自然现象谣言五个类别。第三章舆情监测预警和数据分析（二）网络谣言的类型1．政治谣言政治谣言是指个人或集团出于政治目的在没有事实依据或信息失真的情况下恶意编造、歪曲事实，并在互联网中大量散播，以此来诬陷、诽谤、攻击政治人物或政治体制的谣言。此类谣言多为政治集团利益斗争的产物，常常具备以下特征：一是其攻击对象往往具备重要性；二是此类谣言习惯运用“内幕”“黑幕”“揭露”“震惊”等字眼来博人眼球，具备一定的蛊惑性和煽动性；三是此类谣言易与民族矛盾、宗教冲突、社会焦虑情绪等叠加，进而引发群体愤怒，严重危害政治安全和社会稳定。一网络谣言的定义、类型及监测方法第三章舆情监测预警和数据分析3．军事谣言军事谣言是指针对军事活动的谣言，造谣者通常带有一定的政治目的。2．经济谣言经济谣言是指针对经济政策或者经济实体的不实信息，造谣者试图以此干扰经济秩序或企业经营，并达到为己方牟利的目的的谣言。随着市场经济的快速发展，此类谣言常见于企业恶意竞争中，网络的可匿名特征为此类谣言的传播提供了可乘之机。一网络谣言的定义、类型及监测方法第三章舆情监测预警和数据分析5．自然现象谣言自然现象谣言是指与自然界或自然规律有关的谣言，如“15亿光年外的神秘信号来自外星人”这一信息就是典型的自然现象谣言。4．社会民生谣言社会民生谣言是指与社会民生息息相关的谣言，在公共安全领域较为多发。此类谣言较于其他类型谣言，具备爆发频率更高、欺骗性更强、更易反复、更难治理等特征，是日常生活中最常见的谣言类型。一网络谣言的定义、类型及监测方法网络谣言的成因十分复杂，与外部环境、媒体行业规范、公民素养等因素密不可分，其造成的危害也不一而足。就外部环境而言，一是国际局势错综复杂，政治谣言作为各方博弈的“攻心利器”，在舆论场上屡见不鲜。政治谣言的泛滥极大地增加了政治风险，政治谣言经互联网快速传播扩散，不明真相的群众一旦受到煽动和蛊惑会使舆情激化，相关风险将更易蔓延到线下，诱发更大的危机。二是社会治理中也不可避免地出现了某些诸如“落实依法行政不力”等公共管理失范现象。在此阶段，群体焦虑情绪易被放大。这种因周遭环境带来的焦虑情绪及对公权力的不信任感，都为谣言的滋生提供了空间。此外，在一些重大舆情事件中，涉事主体因舆情素养不足，在应对时未能做到信息公开、直面质疑、主动回应，也可能导致谣言滋生。三是在市场经济高速发展的今天，商业竞争激烈，部分谣言制造者和传播者为了攫取更多的经济利益，不惜触犯法律利用谣言进行恶意竞争，扰乱社会及市场秩序，甚至可能引发社会恐慌。第三章舆情监测预警和数据分析（三）网络谣言的生成原因及危害一网络谣言的定义、类型及监测方法就媒体行业规范而言，一是在人人皆有“话筒”的全媒体时代，信息发布主体门槛进一步降低。二是互联网时代对新闻报道的时效性提出了更大的挑战，部分媒体为在市场竞争中取得优势，未能严守新闻职业操守及行业规范，导致报道失实，更有甚者受到利益驱使刻意捏造新闻，为自己牟利。三是部分新闻记者业务能力素养不足，致使新闻失实、谣言滋生。与前面几点相比，新闻工作者因为掌握着大众传播媒介，拥有更加权威的发声渠道，一旦出现新闻失实等情况，其负面影响将更为深远。除上述因素外，传播学者克罗斯曾在著名谣言传播公式“R=I×A”的基础上，将其发展为“R=I×A/C”，即谣言的强度=事件的重要性×事件信息的模糊性÷公众批判能力。由此可见，公民素养也是决定网络谣言产生及发酵程度的重要原因之一，即涉事主体信息公开程度越高，公民素养越高（识别信息真实性的能力越强），谣言产生的可能性就越小，谣言强度越弱。第三章舆情监测预警和数据分析（三）网络谣言的生成原因及危害一网络谣言的定义、类型及监测方法第三章舆情监测预警和数据分析【案例1】重庆公交车坠江事件事件概述2018年10月28日，“重庆公交车坠江事件”致十余人死亡，这一重大事故迅速引发舆论关注。事发后，多家媒体迅速报道称该事故系“私家车女司机逆行所致”，一时间网络上掀起对“涉事女司机”的集体声讨，更有甚者对女司机进行了“人肉搜索”。当晚，重庆市公安局万州区分局官方微博发布警情通报称：“经初步调查事故现场，系公交客车在行驶中突然越过中心实线，撞击对向正常行驶的小轿车后冲上路沿，撞断护栏，坠入江中。”至此，“女司机逆行”谣言得以澄清。谣言发酵原因解析该事件系突发公共安全事故，具有重大性和话题性，自发生即牵引舆论神经。在该事件的传播过程中，多家媒体、商业网站以及部分网民在事发后迅速捕捉到“女司机”这一信息，并将事件标签化来博取舆论关注。此外，部分媒体在报道时将“万州区应急办值班人员”的回应内容作为信源进行报道，却并未向掌握一手信息的交警部门做进一步的核实，致使网络谣言爆发。在此过程中，商业利益驱使、新闻记者专业素养不过关都是谣言产生的主因。此外，部分网民未能对模糊信源提出质疑，对谣言的进一步发酵也起到了推波助澜的作用。值得肯定的是，官方在事发后迅速做出回应，及时公布真相，从源头上斩断了谣言继续发酵的可能。一网络谣言的定义、类型及监测方法第三章舆情监测预警和数据分析（四）网络谣言的辨别与监测方法如何准确识别和监测谣言并及时予以处置，是舆情工作中非常重要的一环，对于助力保障社会稳定、维持经济秩序具有重要意义。具体而言，谣言识别可从以下几点来进行。1．从发布主体层面进行分析在信息传播过程中，一条信息被“转手”的次数越多，越容易失真，因此我们在识别一条信息是否真实时，一手信源往往更有助于辨析真伪。一手信源通常涵盖某一事件中的当事人或目击者，某信息、文章、图片、视频的最早发布者及原始作者，以及各机构中的官方网站、账号或者新闻发言人。找到一手信源后，我们需要做出进一步的思考——一个事件中，当事人是否具备独立思考能力，是否与事件利益相关？一条信息的原始发布者是否具备一定的专业性，其过往的信息发布立场是相对中立还是长期对某对象持固有态度？显然，如果事件当事人是无法独立思考的障碍人士，或者是利益相关方，或者其专业程度比较低，再或者长期抹黑某一客体，那么当事人所阐述的信息可信度将大打折扣。除此之外，在实际舆情工作中，我们接触到的信源多为二手信源，由新闻媒体报道或自媒体曝光，是对某一事件或事实的加工转述。那么，什么样的二手信源更可信呢？通常来讲，中央媒体由国务院、中宣部等部门直管，其权威性、公信力要远高于其他类型媒体；其次是具有采编报道资质、采编人员经过专业培训的市场化媒体；最后是支持用户生产内容的各类自媒体。总体来说，中央媒体可信度>市场化媒体可信度>自媒体可信度。一网络谣言的定义、类型及监测方法第三章舆情监测预警和数据分析2．从信息内容层面进行分析（1）发生时间、发生地点、人物是否清晰具体且具备可回溯性部分媒体在报道时常使用“据悉”“据了解”“记者从有关部门了解到”“有关人士表示”等匿名信源，此方式虽在一定程度上有助于保护、尊重新闻线人，但也给捏造虚假信源的不法分子提供了可乘之机。部分媒体在报道时使用“日前”“近日”“某地”等模糊信息也会对信息真实性造成干扰，对于此类消息，公众还需多加警惕，并结合文章中其他信息来仔细甄别真伪。此外，如果文章中包含的发生时间、发生地点、人物等信息清晰、具体且可回溯，可通过多方核查来证实相关信息的真实性。（2）信源是否多元、均衡在新闻报道工作中，我们时常提到要注意“平衡原则”，即为确保报道的客观真实性，要求新闻记者要尽可能保障当事各方均享有同样的话语权，以免报道出现偏颇或者失实。由此可倒推，一篇文章中，如果信源比较单一，那么涉及利益冲突或者出现认知偏差的可能性较大，那么信息失衡、失真的概率将大幅增加。一网络谣言的定义、类型及监测方法第三章舆情监测预警和数据分析2．从信息内容层面进行分析（3）核查物证在辨别信息真伪时，除了核查信源，还可通过对文章中出现的图片、视频、语音等信息进行反查来达到辨别信息真实性的目的。比如我们可以通过谷歌、百度等搜索引擎实现对图片的反向搜索，或通过EXIF查看器查看有无图片的处理痕迹信息，也可将照片、视频中的地标（建筑物上字符、街道名、车牌号）与谷歌、百度街景进行对比，检查照片及视频中的行人衣着和口音、季节、当地习俗、方言等信息是否矛盾。（4）内容是否具备逻辑性、有无前后矛盾一条信息，如果明显违反认知逻辑或与常识存在矛盾之处，那么该信息是谣言的可能性较大。2018年8月，“×××市场制售卫生纸馒头”的视频在网络上疯狂传播，视频显示，馒头经溶解搅拌后产生疑似卫生纸的残留物。然而稍有常识的人都会知道，卫生纸和馒头的口感相差非常大，用掺了卫生纸的面粉做馒头，从技术层面上来讲几乎没有可行性。除此之外，馒头的成本相对低廉，而市售纸浆价格、制假所必需的化学制剂等物品的价格远高于馒头本身的成本，这就明显不符合市场逻辑和生活常识，因此也可以由此辨别出其“谣言”的本质。二网络“水军”的定义、运作模式及监测方法通常来讲，传统的网络“水军”是指以获取收益为主要诉求，受雇于公关公司或者营销公司，在短时间内通过大量发帖、转帖、回帖等方式满足雇佣者建构舆论、制造荣誉或恶意抹黑的特定需求，是互联网时代背景与商业需求结合的产物，也是网络营销的常用手段之一。该群体组织结构较为松散，按需而来，事尽而散。该特性也为网络“水军”的治理带来了一定难度。随着人工智能等计算机技术的发展，机器人“水军”也应运而生，“僵尸粉”就是其中最为典型的代表。对比传统“水军”，机器人“水军”扩散速度更高、传播量更大、覆盖面更广，具有病毒性传播的特质，对我国网络空间治理构成了一定的挑战。第三章舆情监测预警和数据分析（一）网络“水军”的定义二网络“水军”的定义、运作模式及监测方法第三章舆情监测预警和数据分析（二）网络“水军”的运作模式及危害1．网络“水军”的运作模式网络“水军”的运作模式并不复杂，需求方、中介方和服务提供方共同构成了一条完整的产业链。企业、电商等利益主体需求方提出品牌炒作、产品营销、口碑维护、危机公关、捏造负面新闻、诋毁竞争对手等需求，公关公司、网络推广公司等中介方承接需求后按照客户意图制作帖子，并大批量雇佣“水军”。社会上的闲散人员接受雇佣后，根据公关公司安排多人为一组，利用空余时间密集发帖、转帖、点赞、投票等，在自己负责的信息渠道疯狂传播，以此干扰舆论场导向，试图在舆论场上形成“沉默的螺旋”。互联网时代背景下诞生的机器人“水军”运作，则省去了雇佣人工的环节。需求方提出需求后，拥有技术手段的公关公司作为需求承接方和服务提供方，会直接通过技术手段进行运作，也有部分公关公司外包给其他技术公司来执行。二网络“水军”的定义、运作模式及监测方法第三章舆情监测预警和数据分析2．网络“水军”的危害网络“水军”作为虚假信息的传播者和操纵者，对于舆论生态的危害不可小觑，主要体现在以下几个方面：一是助推谣言滋生，易煽动网民负面情绪，进而对社会稳定构成威胁；二是制造大量网络噪声，干扰正常的舆论秩序，易触发“沉默的螺旋”形成网络暴力，使得持相反观点的网民畏惧发声，进而侵蚀网民的言论自由；三是大量利用网络“水军”进行不公平竞争会干扰正常的社会生产秩序，进而导致社会经济受损；四是可能会由此产生敲诈勒索等犯罪行为。“沉默的螺旋”是由知名学者伊丽莎白·诺尔-诺依曼提出的著名大众传播理论，指人们在表达自己想法和观点的时候，如果看到自己赞同的观点受到广泛欢迎，就会积极参与进来，这类观点就会越发大胆地发表和扩散；而发觉某一观点无人或很少有人理会（有时会有群起而攻之的遭遇），即使自己赞同它，也会保持沉默。意见一方的沉默造成另一方意见的增势，如此循环往复，便形成一方越来越强大，另一方越来越沉默的螺旋发展过程。二网络“水军”的定义、运作模式及监测方法根据网络“水军”运作的目的，可将网络“水军”细分为营销类“水军”、公关类“水军”以及抹黑类“水军”。营销类“水军”指出于营销目的，反复传播有利于提升需求方及需求方产品美誉度和影响力信息的行为。此类“水军”传播的信息中，通常正向词汇较多，传播频次也较高。公关类“水军”指在危机事件发生后，部分涉事主体组织人员到舆论场中对一些有损其形象的言论进行驳斥、攻击甚至恶意举报诱导社交平台删帖等行为。此类“水军”传播的信息内容同质化程度较高，攻击性也相对更强。抹黑类“水军”则指出于攻击竞争对手的目的，造谣诽谤、恶意攻击抹黑竞品企业或商家等。此类水军传播的信息中，负面情感倾向的语言居多。根据网络“水军”的类型及特征，无论是何种“水军”，在其运作过程中都有迹可循，公众可从文本内容特征、账号信息特征及用户关系特征三个维度来识别网络“水军”。第三章舆情监测预警和数据分析（三）网络“水军”的类型与监测方法二网络“水军”的定义、运作模式及监测方法第三章舆情监测预警和数据分析1．文本内容特征网络“水军”在运作过程中发布的文本内容多具备以下特征。（1）“水军”群体发布的信息往往具有强烈的情感倾向，以期对受众产生直接干扰。（2）出于控制成本、寻求商业利益最大化的目的，“水军”群体活动多以评论、转发、点赞为主，主动发布的原创帖文数量并不多，一般文本同质化程度较高。（3）部分“水军”群体发布的信息中包含大量商业广告或者垃圾信息，诱导受众行为进而攫取商业价值。二网络“水军”的定义、运作模式及监测方法第三章舆情监测预警和数据分析2．账号信息特征“水军”群体在账号信息上通常具备以下几个特征。（1）账号创建时间通常较短，性别、学历、地域等深层次用户信息通常处于空白状态。（2）账号名称较为随机，账号名称中包含“无意义字符串”等情况在一些典型案例中较为常见。（3）账号活动时间通常较为集中，如某些账号在几天内突然密集发布大量雷同信息，在其他时间段则相对沉寂，那么该账号就存在是“水军”账号的可能性。二网络“水军”的定义、运作模式及监测方法第三章舆情监测预警和数据分析3．用户关系特征用户关系也是区别“水军”账号和正常账号的一个重要特征。通常来讲，正常用户的账号多用于常规社交活动，与家属、亲朋、同事之间的“互关”概率、互动频次等要远高于“水军”账号。相对而言，“水军”账号往往会大范围关注正常账号，正常状态的账号“回关”概率则比较低，因此“水军”账号与其他用户之间的关系紧密度会远低于正常账号。尽管“水军”在运作过程中会暴露出诸多痕迹和特征，但随着技术升级，“水军”运作的隐蔽性和复杂性均有所增加。在实际舆情工作中，要想准确识别“水军”，还应更大程度地依靠技术力量，同时结合上述特征和实际语境综合分析，以提升判断的准确性。Contents目录舆情监测预警机制的基本内涵舆情数据分析的基本方法网络谣言和网络“水军”的辨别与监测舆情数据分析的实际应用3214舆情数据获取1认识舆情数据2舆情数据分析3第三章舆情监测预警和数据分析一舆情数据获取第三章舆情监测预警和数据分析（一）舆情数据的抽样收集法1．抽样的基本概念抽样是一种选择调查对象的程序和方法，是指从全部研究对象中抽取一部分对象。这种方法在舆情研究中的使用率较高，如网民观点抽样。热点舆情事件的网民评论往往数量庞大，动辄上万条，逐一收集所有评论无疑将耗费大量时间精力。此时，利用抽样方法选取部分网民评论，更为便捷省力。要了解抽样，还需厘清总体、样本、抽样单元、抽样框等概念。总体，是指全部研究对象。样本，是指从总体中抽取并进行研究的部分单位所组成的集合体；样本中包含个体或部分的数量，就是样本量。抽样单元，是指一次直接抽样所使用的基本单位。抽样框，又称抽样范围，是指一次直接抽样时总体中所有抽样单位的名单。一舆情数据获取第三章舆情监测预警和数据分析2．抽样的基本过程抽样的第一步是界定总体，就是给研究对象下一个明确的定义，使研究对象与非研究对象可以清晰地加以区分。第二步是建立抽样框，即确定抽样范围，抽样框中的元素必须具备两个特点：一是完备性；二是所有元素必须具有同等的代表性。第三步是根据研究的目的、研究对象总体特点、时间限制等条件确定抽样方法。第四步是计算最小样本量。最后一步是选择样本，确定研究对象是在现有抽样框基础上，按照抽样要求，逐一抽取构成样本的单元。一舆情数据获取第三章舆情监测预警和数据分析3．抽样的基本方法抽样按照是否遵循随机性的原则，分为随机抽样（概率抽样）和非随机抽样（非概率抽样）两类。随机抽样的特点是总体中的每一个个体都有被抽到的可能性，抽样误差可以事先确定，并加以控制；而使用非随机抽样，研究对象被抽取的概率是未知的，样本的代表性差、抽样误差较大，利用调查结果推断总体的风险也比较大。随机抽样包括简单随机抽样、系统抽样、分层抽样、整群抽样，非随机抽样包括方便抽样、判断抽样、配额抽样、滚雪球抽样。一舆情数据获取第三章舆情监测预警和数据分析4．确定样本量的方法（1）计算样本量的几个相关要素样本量的计算，与总体规模、抽样误差、置信度、置信区间等相关，了解这些概念，可以帮助我们理解样本量计算的逻辑。样本量与总体规模有关，通常的观点是总体规模越大，样本量越大，这样才能保证一定的精确度。抽样误差是指样本统计值与被推断的总体参数出现的偏差。置信度，即样本统计值的精确度，指的是样本统计值落在参数值某一正负区间内的概率。例如，置信度为95%，表示抽样调查的结果反映总体情况的可信度为95%。置信区间是在一定的置信度下，统计值与参数值之间的误差范围，它反映抽样的精确程度。在其他条件一定的情况下，置信区间越小，则样本统计值与总体参数值之间的误差范围就越小。置信度和置信区间是说明样本量与抽样的可靠性及精确性之间关系的两个概念。在其他条件不变的情况下，置信度越高，所要求的样本量越大，如99%的置信度所要求的样本量比95%的置信度所要求的样本量要大；在其他条件不变的情况下，置信区间越小，所要求的样本量越小。一舆情数据获取第三章舆情监测预警和数据分析4．确定样本量的方法（2）样本量公式的简化推导一舆情数据获取第三章舆情监测预警和数据分析（二）舆情数据的技术抓取法近年来，随着大数据时代的到来，越来越多的舆情机构着力开发自主的舆情监测技术平台，以期实现海量舆情数据的挖掘和运用。以人民网舆情数据中心为例，其开发的人民在线综合管理系统、人民在线网络舆情监测平台、众云大数据平台等一系列技术平台，具有舆情信息抓取、预警、分析等多项功能；同时，还可为客户开发个性化舆情监测技术平台，以满足其个性化需求。一舆情数据获取第三章舆情监测预警和数据分析1．人民在线综合管理系统人民在线综合管理系统不仅具有基本的定时和关键词的全网舆情信息搜索功能，还能实现热点舆情信息统计、舆情传播趋势分析、舆情传播渠道分布、热点媒体排行、网民评论抓取等。此外，该系统还可将舆情数据生成可视化分析图。一舆情数据获取第三章舆情监测预警和数据分析2．人民在线网络舆情监测平台人民网舆情数据中心自主研发了集网上时政信息、社会热点、网民言论、地方舆情、行业舆情、外媒报道等于一体的大型综合网络舆情信息平台——人民在线网络舆情监测平台。该平台全面分析网络舆情传播规律，及时、准确、全面地监测新闻媒体、App、微博、微信、论坛、博客、问答等平台，并在此基础上结合不同客户的个性化需求，进行数据的抽取、挖掘、聚类和分析等数据整合，为平台使用者及时提供直观、全面的舆情信息；即时梳理网络热点事件、言论和观点，方便平台使用者迅速获取舆情，提高其舆论引导的水平。一舆情数据获取第三章舆情监测预警和数据分析3．众云大数据平台众云大数据平台是人民网舆情数据中心以多年舆情服务工作经验为基础，打造的一款集监测、预警、分析等功能于一体的自助式开放大数据工具型平台。其全网信息收集与舆情监测、竞品动态对比、行业情报采集分析、自动生成舆情报告等几十种功能模块，可以帮助平台使用者实现数据驱动，快速应对负面舆论，提高信息监管能力，增加品牌竞争力，塑造公信力及良好形象。二认识舆情数据第三章舆情监测预警和数据分析（一）数据的信度与效度1．信度一般来说，信度系数越高，表示测量工具的可信度越高。在基础研究中，信度至少应达到0.80才可接受；在探索性研究中，信度只要达到0.70就可以接受，达到0.70～0.98均属于高信度，而低于0.35则为低信度，必须予以拒绝。二认识舆情数据第三章舆情监测预警和数据分析2．效度效度即有效度或准确度，是指测量工具或测量手段能够准确测出所要测量对象的程度，也指能够准确、真实地度量事物属性的程度。效度越高，表示测量结果越能显示出所要测量对象的真正特征。信度和效度是有效的测验工具必须具备的两项主要条件。信度和效度之间存在一定的关系：信度是效度的必要条件，但不是充分条件。因此，两者的关系如下。信度低，效度不可能高。因为测量的数据如果不准确，就不能有效地说明所研究的对象。信度高，效度也未必高。效度低，信度有可能高。效度高，信度通常也高。在舆情工作中，信度和效度的应用场景很多。例如，在抽取网民评论观点时，可分几次采用不同方法，如果所得结果近似，说明所抽取的舆情研究数据较为可靠；如果几次结果相差很大，则说明所抽取的数据存在问题，不可采用。再如，在借助大数据平台抓取关于某事件的信息时，可同时设置多组关键词分别搜索抓取，保障所得数据可信。在保障数据效度的基础上，还要剔除数据中的无用信息、干扰信息，使最后用于分析的舆情数据具有较高的准确度。二认识舆情数据第三章舆情监测预警和数据分析（二）数据的分类在社会研究中，一般将数据分为定类数据、定序数据、定距数据、定比数据。了解数据的分类、掌握每类数据的功能和特点，能够帮助我们更清晰地使用数据、分析数据。二认识舆情数据第三章舆情监测预警和数据分析（三）数据的集中与离散趋势集中趋势是指一组数据向某一中心靠拢的程度，它反映了一组数据中心点的位置。在舆情数据分析中，用来表现集中趋势的指标主要有平均数、中位数、众数等。离散趋势是各个取值之间的差异程度。描述一组数据离散趋势的常用指标有极差、四分位数间距、方差、标准差、变异系数等。如果两组数据的平均数相同，但一组数据的分布比较集中，差异较小，则其平均数的代表性较好；另一组数据的分布比较分散，差异较大，则其平均数的代表性就较差。结合集中和离散趋势，我们可以更全面地把握一组舆情数据，研究其背后反映的问题。三舆情数据分析第三章舆情监测预警和数据分析（一）比较分析在分析某一舆情事件/话题时，可以通过比较网络媒体、报刊、微博、微信、App（客户端）、论坛、博客、问答等不同传播渠道的舆情信息量，以判断舆情信息的主要传播渠道，从而为负面舆情事件回应以及正面舆论宣传的渠道选择提供一定的参考。传播渠道信息量比较分析多以柱形图、条形图、雷达图等图表来呈现。1．传播渠道信息量比较三舆情数据分析第三章舆情监测预警和数据分析媒体报道量比较是对传播渠道信息量比较的细分分析维度，是指对不同类型媒体、不同层级媒体或不同媒体关于同一事件/话题的报道量进行比较。媒体报道量比较分析的可视化图表多为柱形图、条形图、雷达图等。2．媒体信息量比较三舆情数据分析第三章舆情监测预警和数据分析不同对象关注度比较是指不同热点事件、不同话题、不同机构、不同企业、不同产品等对象之间舆论关注情况的比较。这类比较数据可采用直观的信息数据，也可以是在信息量基础上计算的关注度指数、热度指数等。不同对象关注度比较可通过柱形图、条形图、雷达图等图表呈现，也可以借助排行榜等表格加以呈现。3．不同对象关注度比较三舆情数据分析第三章舆情监测预警和数据分析地区舆情热度比较是为了分析某一事件/话题在不同区域的传播情况、关注情况进行的分析方式，一般基于传播量数据进行比较，有时在分析区域负面舆情压力时，也会使用事件数量作为比较依据。对于地区舆情热度的比较，如果涉及地区广泛，地图类图表可视化效果更好，但在制图时要注意选用规范的地图模板；如果进行比较的地区数量不多，也可以使用柱形图、条形图完成可视化。4．地区舆情热度比较三舆情数据分析第三章舆情监测预警和数据分析传播热词多用来反映舆论对于特定事件/话题的延伸关注内容，或者用来呈现特定时期、特定领域中舆论关注的热点内容。热词盘点可通过两种方法实现，一种是舆情工作者有数个确定的词汇，依据这些词汇的相关信息量区分热度；另一种是舆情工作者初步选定热门报道、文章、评论等作为分析文本，借助词频分析软件，计算出高频词。热词盘点多以词云图形式呈现，有时也会使用条形图和表格等。5．热词盘点三舆情数据分析第三章舆情监测预警和数据分析（二）趋势分析信息量传播走势，可以理解为在特定时段内各传播渠道中关于某一事件、话题、对象等的信息量随时间推移而发生的变化情况。观察的时间周期可以为时、日、周、月、季、年等，视监测周期的长短而定。通常情况下，月、季、年更利于观察宏观态势，时、日、周更便于反映微观变化。在舆情分析中，可以将几个传播渠道的信息量同时呈现在一幅图中，分别观察不同渠道的信息量变化；也可以先对多个传播渠道的信息量进行加和，在图表中呈现整体的信息量变化。一般多采用折线图、柱形图、面积图等呈现信息量传播走势。1．信息量传播走势三舆情数据分析第三章舆情监测预警和数据分析情绪变化趋势是对信息量传播走势分析的细化，按照情绪倾向将信息分为正面、中性、负面三类；可同时观察三类信息在同一时段内的变化情况，也可以单独分析某类信息在特定时段内的变化情况。此外，通过对信息量数据的进一步计算，还可以呈现正面率、负面率等随时间变化的情况。情绪变化趋势多采用折线图、柱形图、面积图等可视化方式。2．情绪变化趋势三舆情数据分析第三章舆情监测预警和数据分析（三）结构分析舆情工作者对舆情传播内容按照议题类型加以分析，可以更为清晰地观察舆论关切点。尤其是在常态化、周期性报告中，分析比较正面舆情议题类型，对于明确舆论宣传工作的发力方向有一定参考价值；分析比较负面舆情议题类型，便于发现舆情应对的压力面，抓住主要矛盾。对于舆情议题构成的可视化，多通过饼图、圆环图等方式实现，一般议题类型不超过10项。1．舆情议题构成三舆情数据分析第三章舆情监测预警和数据分析通过分析网民观点，舆情工作者可以更为清晰地观察舆论意见构成、掌握舆论诉求，尤其是对于负面舆情回应、处置，更便于找准核心关切、找到处置“抓手”。对于网民观点构成的可视化一般通过饼图、圆环图等方式实现，如果观点类型较多，可使用复合饼图、复合条饼图，有时也使用词云图呈现网民观点。2．网民观点构成三舆情数据分析第三章舆情监测预警和数据分析传播渠道构成分析可以与比较分析中的传播渠道信息量比较配合使用，传播渠道信息量比较侧重关注每个渠道的信息量多少，传播渠道构成分析侧重于关注每个渠道信息量在总体信息量中的占比情况。传播渠道信息量比较往往通过柱形图、条形图呈现，而传播渠道构成分析则多使用饼图、圆环图等。3．传播渠道构成三舆情数据分析第三章舆情监测预警和数据分析传播媒体构成常见的分析维度包括媒体类型、媒体性质，在信息量的基础上计算出不同媒体信息量所占总量的比重。4．传播媒体构成三舆情数据分析第三章舆情监测预警和数据分析（四）相关分析三舆情数据分析第三章舆情监测预警和数据分析1．图标趋势观察（1）散点图一般来说，一幅关系图表中比较的数据最好不超过三组。在图表的选择上，如果需要对比观察两组数据的关系，可以借助散点图判断数据之间是否存在相关关系及关系的紧密程度，如果散点图的点呈现从左下角到右上角的形态分布，即一组舆情数据的值由小变大时，另一组舆情数据的值也近似地由小变大，则说明两组数据存在一定程度的正相关关系；如果散点图的点呈现从左上角到右下角的形态分布，即一组舆情数据的值由小变大时，另一组舆情数据的值近似地由大变小，说明两组数据存在一定程度的负相关关系。三舆情数据分析第三章舆情监测预警和数据分析1．图标趋势观察（2）折线图对于包含明显时间维度的两组舆情数据，也可以借助折线图来观察不同维度数据之间的联系。如果两组舆情数据的折线图走势一致，则反映两组数据存在一定程度的正相关关系；如果两组舆情数据的折线图走势相反，则反映两组数据存在一定程度的负相关关系。（3）气泡图如果需要对比观察三组数据的关系，可以选择气泡图，借助气泡大小来判断该组数据对另一组数据的影响。三舆情数据分析第三章舆情监测预警和数据分析2．简单线性相关分析简单线性相关分析，用以研究两组舆情数据之间线性关系的密切程度和相关方向。线性相关程度，用相关系数r来描述，计算公式如下。Contents目录舆情监测预警机制的基本内涵舆情数据分析的基本方法网络谣言和网络“水军”的辨别与监测舆情数据分析的实际应用4231常见的数据分析维度1可视化大数据分析2第三章舆情监测预警和数据分析一常见的数据分析维度第三章舆情监测预警和数据分析一常见的数据分析维度第三章舆情监测预警和数据分析（一）舆情数据比较分析维度的应用1．传播渠道信息量比较应用实例在特定时段内，关于某一舆情事件或某一热点话题，在网络媒体、报刊、微博、微信、App（客户端）、论坛、博客、问答等各平台的信息传播量情况，是舆情研究中的常用分析指标。以2018年新能源领域“两微一端”流量池作用显著为例。一常见的数据分析维度第三章舆情监测预警和数据分析【案例2】2018年新能源领域“两微一端”流量池作用显著【解读】就传播渠道来看，能源领域各细分行业舆情信息主要聚集于“两微一端”与新闻媒体中。值得注意的是，在新能源、电力与煤炭领域，“两微一端”流量池作用显著，相关信息量已超越新闻媒体，新能源行业“两微一端”与新闻媒体信息量差距尤为明显，一定程度上说明网民对新能源话题的关注欲望较强。一常见的数据分析维度第三章舆情监测预警和数据分析2．媒体报道量比较应用实例新闻媒体作为信息发布的主流渠道，对舆情传播发挥着重要作用。不同层级媒体、不同类型媒体就同一事件或话题所发布的信息量，往往会表现出一定差异。这些差异，成为总结分析舆情传播源特点的有效“抓手”。此外，媒体技术日新月异，微信、微博、短视频平台等新媒体已深入社会生活，成为舆情研究中值得特别注意的方面。以2018年涉“军人荣誉感”媒体报道量比较为例。一常见的数据分析维度第三章舆情监测预警和数据分析【案例3】2018年涉“军人荣誉感”媒体报道量比较一常见的数据分析维度第三章舆情监测预警和数据分析【案例3】2018年涉“军人荣誉感”媒体报道量比较【解读】依不同的媒体类型来看，新浪、网易等全国重点门户网站中“军人荣誉感”相关信息量最高，超过9000篇；地方重点新闻网站相关报道量超过5000篇；中央重点新闻网站、地方机构网站及地方新闻网站各自的报道量均接近4000篇；各地机关报的新闻发稿量超过2000篇。值得注意的是，中央级报刊共刊发约400篇报道，量级虽不高，但因其极具权威性，其舆论影响力也不容小觑。地方重点新闻网站、地方机构网站、地方新闻网站、各地机关报、晚报和都市报等地方渠道发稿量总数达1.5万余篇，传播声量庞大，内容也更凸显落地性。一常见的数据分析维度第三章舆情监测预警和数据分析3．不同对象关注度比较应用实例在周期较长的舆情研究工作中，常常会引入对不同对象传播热度的分析比较，多用传播量衡量传播热度，或以传播量数值为基础、依据设计的指标体系计算出关注度值、热度值。所谓的不同对象，是按照研究主题而定的，可以是不同热点事件、不同话题、不同机构、不同企业、不同产品等。以2019年能源领域生产事故关注度TOP10和2019年涉能央企信息量排行榜TOP10为例。一常见的数据分析维度第三章舆情监测预警和数据分析【案例4】2019年能源领域生产事故关注度TOP10一常见的数据分析维度第三章舆情监测预警和数据分析【案例4】2019年能源领域生产事故关注度TOP10【解读】2019年上半年，化工事故频发，江苏省某化工有限公司“3•21”特别重大爆炸事故牵动社会关注。第四季度，煤炭行业接连发生多起安全事故，再次为安全生产敲响警钟。一常见的数据分析维度第三章舆情监测预警和数据分析【案例5】2019年涉能央企信息量排行榜TOP10一常见的数据分析维度第三章舆情监测预警和数据分析【解读】2019年，在涉及能源领域的中央企业中，国家电网舆情声量最高，中石化、中石油分列二、三位。【案例5】2019年涉能央企信息量排行榜TOP10一常见的数据分析维度第三章舆情监测预警和数据分析4．地区舆情热度比较应用实例地区舆情热度比较是舆情数据分析的常用方法，在一定程度上能反映出该地区的民众对某一事件或话题的关注情况，并能直观呈现出地区差异。一般多用传播量来衡量传播热度，有时也以各地区出现的负面事件或话题数量作为衡量标准。以2019年某企业负面舆情事件地区分布比较为例。一常见的数据分析维度第三章舆情监测预警和数据分析【案例6】2019年某企业负面舆情事件地区分布比较一常见的数据分析维度第三章舆情监测预警和数据分析【解读】2019年，某企业负面舆情事件主要滋生地为内蒙古、宁夏，年内分别出现141起、111起事件；山西、河北、河南、陕西、四川也均出现20起以上事件。上述地区与某企业的业务分布主要地区呈现高度契合。【案例6】2019年某企业负面舆情事件地区分布比较一常见的数据分析维度第三章舆情监测预警和数据分析5．热词盘点应用实例相较于热点文章，热词分析更能明确显示出舆论关注的焦点和关键信息。以2019年“消费者权益保护”热词词云为例。一常见的数据分析维度第三章舆情监测预警和数据分析【案例7】2019年“消费者权益保护”热词词云一常见的数据分析维度第三章舆情监测预警和数据分析【解读】观察“消费者权益保护”热词词云，“加强”“消费者权益保护”“放心消费”“天下少假”“维护市场秩序”等官方表态承诺成为热词，汇聚了公众的殷切期待；“电子商务法”“法律武器”等法律法规相关词汇也获得了舆论的较高关注，消费维权有法可依将给民众带来更多安全感；“严厉惩罚”“黑榜”等词汇掷地有声，此类语境也给问题企业形成震慑，提振消费者信心。【案例7】2019年“消费者权益保护”热词词云一常见的数据分析维度第三章舆情监测预警和数据分析（二）舆情数据趋势分析维度的应用1．信息量传播走势应用实例信息量传播走势分析是舆情研究的必备分析维度，对于决策者掌握舆情态势有重要的参考价值。以2019年消费者权益保护相关舆情传播趋势、2019年能源舆情信息量月度走势、2018年涉及“军人荣誉感”信息量走势与月度分布为例。一常见的数据分析维度第三章舆情监测预警和数据分析【案例8】2019年消费者权益保护相关舆情传播趋势一常见的数据分析维度第三章舆情监测预警和数据分析【解读】从舆情走势来看，关于“消费者权益保护”的相关信息在3月初“两会”初始阶段迎来传播小高峰，2019年《政府工作报告》中明确要求加强消费者权益保护，国家市场监督管理总局局长、国家发改委副主任等也在记者会等多个场合表态消费维权问题，人大代表、政协委员也就消费者权益保护建言献策，上述热点事件共同推升舆情升温。进入3月中旬，受“3·15”预热报道等影响，舆情显著升温，至3月15日，舆情信息呈井喷状态。从舆论议程变化来看，前期多为市场监管部门及消协组织等发布消费维权、投诉处置等情况，以及组织“3·15”宣传活动等；自3月14日起，媒体开始曝光消费侵权乱象，以及关注“3·15”晚会揭露违法违规的情况，至消费者权益保护日当天，相关报道及讨论信息骤增，“消费者权益保护”也成为热度最高的舆论议程。【案例8】2019年消费者权益保护相关舆情传播趋势一常见的数据分析维度第三章舆情监测预警和数据分析【案例9】2019年能源舆情信息量月度走势一常见的数据分析维度第三章舆情监测预警和数据分析【解读】2019年1月，油气、电力和煤炭领域的舆情持续维持高位，与冬季电煤气需求高峰表现出一定的契合性。2019年3月，全国“两会”召开，人大代表、政协委员提出的涉能议案引发舆论高度关注，助推当月能源舆情热度攀升。整体来看，全年涉能舆情走势大体平稳，未见明显季节性波动。【案例9】2019年能源舆情信息量月度走势一常见的数据分析维度第三章舆情监测预警和数据分析【案例10】2018年涉及“军人荣誉感”信息量走势与月度分布一常见的数据分析维度第三章舆情监测预警和数据分析【解读】纵观“军人荣誉感”全年舆情传播走势，新闻媒体和“两微一端”的信息量波动频繁，论坛、博客渠道信息量保持低位平稳运行。具体来看，2018年涉及“军人荣誉感”舆情共形成三个日传播量超千篇（条）级别的波峰，分别对应的是新闻媒体传播线的3月14日、3月22日和“两微一端”传播线的8月1日。就新闻媒体传播线上的两个波峰来看，在全国“两会”期间，第十三届全国人民代表大会第一次会议解放军和武警部队代表团全体会议提出让军人成为全社会尊崇的职业，军队代表建言提升军人荣誉感和职业吸引力，推动新闻传播量于3月14日攀至高峰；其后，新华社于3月21日发布中共中央印发《深化党和国家机构改革方案》的消息，涵盖组建退役军人事务部相关内容，引发媒体大范围扩散传播，新闻报道传播量于3月22日再度形成峰值。“两微一端”传播线上的波峰形成于8月1日，建军节相关线上宣传形成话题效应，助推当日传播高峰形成。【案例10】2018年涉及“军人荣誉感”信息量走势与月度分布一常见的数据分析维度第三章舆情监测预警和数据分析2．情绪变化趋势应用实例情绪变化趋势能够反映出社会舆论对于某一事件、话题、对象在一段时期内的态度倾向变化，相较静态的信息倾向性分析，这类分析的动态性更强，更能凸显出舆论态度随时间变化而发生的变化，也是舆情数据分析的常用维度。以某年科研经费网络舆情生态变化和某企业各月舆情信息倾向性分布及舆论友好度为例。一常见的数据分析维度第三章舆情监测预警和数据分析【案例11】某年科研经费网络舆情生态变化一常见的数据分析维度第三章舆情监测预警和数据分析【解读】综观科研经费的网络舆情生态，舆论场中关于科研经费的舆情态度，整体上以正面为主，中立性态度也较多，负面声音为少数。再就科研经费的网络舆情生态变化情况来看，随着时间推移，网民的正面表态呈现显著增势，至8月达到顶峰，这与《关于进一步完善中央财政科研项目资金管理等政策的若干意见》的出台有密切联系，《人民日报》《光明日报》等中央媒体，《科技日报》《中国科学报》等权威专业媒体均报道了该消息，并发布大量解读、评论文章，高度肯定《关于进一步完善中央财政科研项目资金管理等政策的若干意见》对科研经费管理改革的重要意义，议程设置与舆论引导的传播效果显著，促使网络舆情形成明显的正面导向。观察中性舆情的全年变化情况，其全年维持较高舆情数量，阶段变化不大，促使科研经费舆论场始终保持一定程度的良序、理性运行。负面网络舆情方面，该年初，关于“60%的科研经费用于开会出差”的不实信息经媒体报道后成为网民关注的热点话题，招致众多网民对科研经费浪费现象等的批评，负面舆情大量滋生。第三季度，中央专项巡视与各地方巡视自查结果陆续发布，科研经费违规事件被大量披露，再度刺激网民就科研经费话题的负面情绪，出现一定的负面声音。但至8月，《关于进一步完善中央财政科研项目资金管理等政策的若干意见》的发布，给舆论场提供正向议题，加之媒体的大范围、大力度正向舆论引导，负面声音减少，网络舆情生态愈来愈趋于健康正面。【案例11】某年科研经费网络舆情生态变化一常见的数据分析维度第三章舆情监测预警和数据分析【案例12】某企业各月舆情信息倾向性分布及舆论友好度一常见的数据分析维度第三章舆情监测预警和数据分析【解读】2019年，某企业整体舆论倾向表现为正面中性报道占据主流，舆论态势良好。整体舆论友好度高达95.5%，与2018年持平。具体就各月来看，6月舆论友好度最高，达98.9%，负面舆情信息量也最少；8月舆论友好度最低，为88.9%，负面舆情信息量也最高。【案例12】某企业各月舆情信息倾向性分布及舆论友好度一常见的数据分析维度第三章舆情监测预警和数据分析（三）舆情数据结构分析维度的应用1．舆情议题构成分析应用实例舆情议题构成分析，一般在观察周期较长的舆情研究中较常使用，可以某一事件、话题或对象相关的报道和文章为分析对象，总结提炼出不同类型的议题；也可直接以某一研究对象特定观察时间内出现的舆情事件为分析对象，归纳事件类型。以某企业某月正面舆情传播议题和负面舆情传播议题构成分析为例。一常见的数据分析维度第三章舆情监测预警和数据分析【案例13】某企业某月正面和负面舆情传播议题构成分析一常见的数据分析维度第三章舆情监测预警和数据分析【解读】本月企业社会责任类议题位居第一，占比达47.98%；安全生产类议题位居第二，占比达33.56%；品牌形象类议题位居第三，占比达8.90%；企业经营类、企业文化类议题并列第四，占比均达2.05%。此外，内部管理、油品质量、党建工作、环境保护、油价变动、油品升级等议题也获少量关注，累计占比达5.46%。整体来看，本月负面舆情议题主要集中在安全隐患方面，占比达64.86%；消费纠纷类议题位居第二位，占比达24.32%；服务问题类和员工态度类议题并列第三位，均占5.41%。【案例13】某企业某月正面和负面舆情传播议题构成分析一常见的数据分析维度第三章舆情监测预警和数据分析2．网民观点构成分析应用实例网民观点分析，需要对网民关于某一事件、话题或现象的评论进行观点提取和聚类分析，以期尽量客观地反映出舆论意见构成。在网民观点梳理时，应注意剔除一些杂音、噪声，打捞有效信息。以长征五号遥三运载火箭发射成功网民观点分析为例。一常见的数据分析维度第三章舆情监测预警和数据分析【案例14】长征五号遥三运载火箭发射成功网民观点分析一常见的数据分析维度第三章舆情监测预警和数据分析【解读】在与长征五号遥三运载火箭发射成功相关的全部信息中，提及频次最高的词语依次为胖五、发射和长征五号。在新浪微博上#长征五号遥三火箭发射#成为热门话题，讨论量多达6.2万条，阅读量超过3亿次。网民祝贺长征五号遥三火箭发射成功，向航天人致敬，祝福祖国的航天事业蒸蒸日上。【案例14】长征五号遥三运载火箭发射成功网民观点分析一常见的数据分析维度第三章舆情监测预警和数据分析3．传播渠道和媒体构成分析应用实例在舆情报告中，传播渠道和媒体构成分析多配合使用，全面展现舆情信息的传播分布情况。以某企业某段时期内负面舆情传播渠道分布情况为例。一常见的数据分析维度第三章舆情监测预警和数据分析【案例15】某企业某段时期内负面舆情传播渠道分布情况一常见的数据分析维度第三章舆情监测预警和数据分析【解读】从传播渠道的类型来看，微博、微信、论坛等自媒体渠道整体比重较大，自媒体平台的负面舆情治理愈发重要。具体而言，微博居首位，依然为负面舆情的主要传播渠道，占比38.9%；其次为微信和论坛，分别占比15.7%和13.0%。从传播渠道的性质来看，大多数负面舆情依靠自媒体渠道传播，其比重高达70.4%；其次为地方媒体，占比15.7%；政务媒体居第三位，占比7.4%；行业媒体和综合性媒体分别占比3.7%和2.8%。【案例15】某企业某段时期内负面舆情传播渠道分布情况一常见的数据分析维度第三章舆情监测预警和数据分析4．研究对象各子集舆情数据构成分析应用实例在舆情工作中，有时会深入分析一些研究对象的各个子集的舆情数据，比较各子集在总体中的占比情况。例如，各下属单位舆情信息量占上级单位舆情信息总量的比重、细分行业舆情信息量占行业舆情信息总量的比重等。以2018年能源舆情信息量行业分布为例。一常见的数据分析维度第三章舆情监测预警和数据分析【案例16】2018年能源舆情信息量行业分布一常见的数据分析维度第三章舆情监测预警和数据分析【解读】本部分以油气、煤炭、电力、新能源领域作为主要统计对象，抓取网站、报刊、App、微信、微博、论坛、博客等渠道中相关信息，发现能源舆情信息量达4441.1万篇/条。其中，油气领域信息量达1679.3万篇/条，占比37.8%；新能源领域信息量达1193万篇/条，占比26.9%。新能源舆情量高涨，显示出社会对新能源助力能源结构优化的关切与期待。【案例16】2018年能源舆情信息量行业分布一常见的数据分析维度第三章舆情监测预警和数据分析（四）舆情数据相关分析维度的应用在舆情研究中，通过图表形式观察两组数据之间的相关关系较为便捷，更符合时效性要求。以某企业2018年下半年负面舆情月度分布为例。一常见的数据分析维度第三章舆情监测预警和数据分析【案例17】某企业2018年下半年负面舆情月度分布一常见的数据分析维度第三章舆情监测预警和数据分析【解读】春节前夕某企业劳务纠纷舆情升温。可以看出，与第三季度相比，第四季度劳务纠纷问题增多，春节前夕，自媒体平台讨薪帖文频繁出现。【案例17】某企业2018年下半年负面舆情月度分布二可视化大数据分析第三章舆情监测预警和数据分析数据可视化是指借助于具象的图形化手段，清晰有效地传达、呈现抽象的数据信息的过程。数据可视化研究最早出现在20世纪50年代计算机图形学的研究中，当时研究人员使用计算机编程，生成首批可视化图形、图表。随着信息技术的进步，数据可视化也处在不断的演变当中。大数据时代、5G时代的到来，赋予了数据可视化更多的可能。近年来，大数据可视化技术在舆情工作中的应用场景越来越多，舆情产品的可视化趋势也越来越明显。以人民网舆情数据中心为例，其推出的众云大数据平台不仅能实现海量数据抓取、分析，还能自动生成大数据可视化舆情分析报告。同时，还在舆情研究中积极探索大数据可视化工具，引入多种大数据可视化图表，强化舆情分析的数据支撑、优化舆情报告的视觉效果。以下介绍几种舆情研究中常用的大数据可视化工具。二可视化大数据分析第三章舆情监测预警和数据分析（一）百度指数百度指数是以百度平台海量网民行为数据为基础的数据分享平台。其主要功能模块包括：基于单个词的趋势研究（包含整体趋势、PC趋势、移动趋势）、需求图谱、舆情管家、人群画像；基于行业的整体趋势、地域分布、人群属性、搜索时间特征。舆情工作者可以借助其研究某一事件/话题/现象/人物等的网民搜索趋势、洞察网民兴趣和需求、监测舆情动向、定位受众特征。二可视化大数据分析第三章舆情监测预警和数据分析（二）360趋势360趋势是以360公司产品海量用户数据为基础的大数据展示平台，可通过搜索关键词，快速获取某一事件/话题/现象/人物等的热度趋势，了解网民的人群属性。二可视化大数据分析第三章舆情监测预警和数据分析（三）微信指数微信指数是微信官方提供的基于微信大数据分析的移动端指数，其应用场景大致分为以下三类。第一，捕捉热词，反映趋势。微信指数整合了微信上的搜索和浏览行为数据，基于对海量数据的分析，可以形成当日、7日、30日以及90日的“关键词”动态指数变化情况，方便显示某个事件/话题/现象/人物等在一段时间内的热度趋势和最新指数动态。第二，监测舆情动向，辅助分析研判。微信指数可以提供社会舆情监测，能实时了解互联网用户当前最为关注的社会问题、热点事件、舆论焦点等，方便政府、企业对舆情进行研究，从而形成有效的舆情应对方案。第三，洞察用户兴趣，助力精准营销。微信指数提供的关键词的热度变化，可以间接获取用户的兴趣点及变化情况，比如日常消费、娱乐、出行等，从而对品牌企业的精准营销和投放形成决策依据，也能对品牌投放效果形成有效监测、跟踪和反馈。二可视化大数据分析第三章舆情监测预警和数据分析（三）微信指数微信指数相关功能二可视化大数据分析第三章舆情监测预警和数据分析（四）西瓜数据西瓜数据平台能够提供微信公众号数据分析，包括优质公众号推荐、公众号排行榜、公众号数据监控、公众号诊断等功能。该平台可为舆情效果评估提供微信公众号方面的传播数据支撑。二可视化大数据分析第三章舆情监测预警和数据分析（五）微热点微热点汇集全面的新浪微博数据，其定位是“社会化大数据工具”，舆情工作者可借助其查阅某一事件/话题/现象/人物等的热度指数、传播分析、口碑分析、微博情绪等。二可视化大数据分析第三章舆情监测预警和数据分析（六）知微传播分析知微传播分析平台具备微博传播分析和事见传播分析两个功能。微博传播分析精准刻画单条微博的传播路径图，包括传播关键人物分析、转发粉丝属性分析、传播层级比例分析、传播情感分析、传播“水军”参与情况分析。事见传播分析是针对互联网全平台热点事件进行传播分析的。二可视化大数据分析第三章舆情监测预警和数据分析（七）酷云EYEPro酷云EYEPro是基于智能技术建立的电视媒体大数据深度洞察分析平台，能够提供维度丰富、画像标签达“10万+”的大数据分析，例如用户关注数据、用户画像数据。酷云EYEPro提供的频道直播关注度等数据，可为舆情效果评估提供电视媒体传播数据支撑。结语舆情监测预警和数据分析，是舆情工作的基础环节，本章系统介绍了舆情监测预警机制、舆情数据获取和分析的基础方法、舆情数据分析的实际应用场景以及舆情大数据可视化的多种工具。此外，本章还对网络谣言和网络“水军”从学理概念和实操监测两个方面进行梳理阐述。习题与思考通过本章的学习，读者系统地掌握了舆情数据的分析方法，请结合已学到的知识对近期的热点舆情进行全面的舆情数据分析，包括舆情走势分析、媒体观点分析、网民观点分析、传播趋势分析等方面。