基于大数据危险化学品事故网络舆情研究.docVIP

基于大数据危险化学品事故网络舆情研究 　　〔摘要〕百度指数和新浪微指数是以海量网民行为数据为基础的大数据开放平台，是公共管理领域实时、快捷地研究网络舆情的主要来源之一。本文采用K-均值聚类方法和波特五力模型，以天津港“8?12”爆炸事故为例，借助百度指数和新浪微指数平台，研究危险化学品事故网络舆情的演变规律和影响因素。研究结果表明，危险化学品事故发生后，网络舆情迅速爆发，事故发生后的第七天或首个周末，关注度出现小幅反弹，随后逐渐消退；网络舆情演变过程的主要影响因素是危险化学品事故自身的影响力、关注网络舆情的网民和掌握事故稀缺信息的政府，其中政府是处理网络舆情的主导力量。大数据平台的出现为政府实时监管和控制网络舆情走向提供可能，基于大数据的网络舆情研究为完善危险化学品事故应急管理预警系统提供科学支撑。 　　〔关键词〕危险化学品事故；网络舆情；大数据；舆情热度；天津港爆炸事故 　　中图分类号：F0626文献标识码：A文 　　章编号2016 　　一、引言 　　大数据开启了一次重大时代转型与社会变革，对网络舆情和公共管理领域研究提出新要求。根据CNNIC最新报告，截至 2015年6月，中国网民规模达 67 亿人，手机网民规模达59亿人，手机上网使用率为 889%[1]。移动智能终端设备迅速普及推广，进一步加快了中国迈向全面网络化大数据时代的步伐。论坛、微博、微信等新型社交媒体的涌现，网络日渐成为公民情感宣泄、利益表达、话题跟进的重要场所。网民主动发布、传播舆情信息的规模大幅增加。网络舆情更加快速、真实地反映社会各个层面的舆情态势。某一危险化学品事故在网上曝光后，互联网凭借其集散效应和放大效应，将局部和区域性问题转变为全国性公共话题。2006年上线的百度指数和2014年上线的新浪微指数以海量用户行为数据为基础，分别以关键词的搜索规模或热议度为指标来反映相关新闻舆论或微博舆情的变化趋势，关注网民的分布趋势，为网络舆情的研究提供了大数据搜索平台。 　　网络舆情是指在一定的社会空间内，以网络为平台围绕中介性社会事件的发生、发展和演化，作为主体的网民对公共问题和作为客体的社会管理者产生和持有的情绪、意愿、意见和社会政治态度[2]。易承志[3]将群体性突发事件网络舆情划分为形成、扩散、爆发和终结四个阶段。 兰月新和邓新元[4]从实证角度建立突发事件网络演进规律的微分方程，将突发事件网络舆情分为发生期、扩散前期、扩散后期和平稳期。Ma等[5]在研究了国内23次火灾事故后得出特大火灾事故发生后24小时内社会公众关注度达到峰值，之后10天内下降至平均水平。张一文等[6]基于系统动力学建模分析，认识了非常规突发事件涨落规律。卢体广等[7]提出一种模拟浏览器登录微博抓取网页数据的方法，以方便获取任意微博用户网页上的所有数据。钱爱玲等[8]给出了基于多时间序列关联分析论坛舆情趋势预测的方法（TPMTSA）。具体到大数据环境下网络舆情研究，唐涛[9]归纳了当前网络舆情的大数据特征和分类，分析了大数据舆情研究面临的机遇与挑战。李金海等[10]从大数据预测核心技术层面运用拓展的MapReduce对网络舆情文本进行挖掘。王艺[11]和王国华等[12]分别以温州动车事故和上海踩踏事件的微博传播为例，分析了大数据 　　下微博舆情在重大突发事故中的传播属性、情感立场和舆情结构以及政务微博如何应对网络舆论危机。针对突发事件以及网络舆情研究，主要采用生命周期理论、系统动力学、计算机仿真和时间序列关联分析等方法，关注点集中于大数据的挖掘和网络舆情的发展规律。 　　二、研究方法与数据来源 　　大数据时代数据的实时存储和流转为网络舆情和公共管理的决策及预测提供了即时性可能，基于网络舆情分析要向大数据方向发展的现实需求，本文采用K-均值聚类方法和波特五力模型，借助百度指数和新浪微指数大数据开放平台，研究危险化学品事故网络舆情发展规律，实时监控舆情走向，引导网络舆情朝着积极、理性方向发展，稳定网民情绪，满足公众期望，为危险化学品事故及其引发的群体性事件预警系统提供科学支撑。 　　K-均值聚类方法是根据事先确定的K个类别反复迭代直到把每个样本分到指定的类别中的聚类方法，该聚类方法的特征是快速、简单，时间复杂度近于线性，适合挖掘大数据集。波特五力模型是由波特（Michael Porter）于20世纪80年代初提出，它最早用于研究某一行业中存在的决定竞争规模和程度的五种力量，波特理论更多被用于制定竞争战略规划等商业领域。随着其理论框架的不断成熟，其适用领域也延伸到网络舆情的影响因素研究方面[13]。 　　根据新浪微指数和百度指数8月12―21日天津港爆炸相关话题和热词的搜索次数，以及天津滨海新区官方微博@滨海发布在8月13―31