编辑导读：跟着互联网成长，舆论影响越来越成为内容流传的重要评价尺度。想要让你的内容拥有更大的舆论影响力，你需要先相识舆论背后的一些典范特征和成长环境。本文从大数据与 *** 舆情的角度，对一些重大舆论事件举办了深入阐明，与各人分享。

由中国新闻史学管帐算流传学研究委员会与微热点大数据研究院连系举行的第二届流传数据挖掘比赛已圆满落幕，15支战队尽显风范。以下为“突发事件成长推演模子”选题优秀作品《舆情的“质变”突发事件演化中调动阶段的意见首脑推演阐明》，由来自厦门大学的“咬文嚼数队”出色泛起。

01 引言 1.1 突发事件舆情演变的阶段模子

关于突发事件 *** 舆情演变的议题，很多学者从差异的角度举办了分别，包罗三阶段、四阶段以及多阶段等演变模子。典范的三阶段模子为“产生、变革、竣事” (王来华,2005;陈月生,2005)，尚有“发生、流传、聚合”(徐敬宏 等,2010)。

这些三阶段模子较为简捷、抽象，但创新 *** 争释力不敷，于是四阶段模子应运而生。

有学者提出“涨落、序变、斗嘴和衰变”的四阶段分别模子(刘毅,2007)，尚有“起始、一连高涨、颠簸变革、淡化或消落”(姜胜洪,2010)。以上四阶段模子办理了部门三阶段模子的问题，但仍在逻辑性、接续性、描画精确度等方面存在不敷。

别的尚有学者提供了内在更多环节的多阶段模子，“暗藏期、萌动期、加快期、成熟期和衰退期”五阶段模子(谢科范 等,2010)重点反应由 *** 舆情引起的突发事件变革，因此在反应 *** 舆情演变方面不具有较好表明力。

上述突发事件 *** 舆情阶段演变模子在理论依据、逻辑理路、代价性、抽象性和纯粹性等方面存在明明不敷(方付建,2011)。为了提供精采的突发事件 *** 舆情演变模子，本文依据生命周期的解析计策、在分身 *** 舆情演变时间、空间特点基本上，依据粒子思维构建了突发事件 *** 舆情演变的四阶段粒子模子。

该模子的特征对好比下表所示：

1.2 舆情阶段分别依据：转换阶段的质变特征

如今的 *** 舆情成长迅速，调动巨大，且突发事件常常呈现多次的舆情反转，导致事件的真相恍惚，引起网民的骂战。舆情调动期则界说为扩散阶段后呈现的一系列明明转折、大角度转变，该阶段正对应了舆情的反转阶段。通过对舆情变革阶段的预判与节制，才气更好地将突发事件舆论往可控的偏向引导。

图1.1舆情阶段分别流程图

1.3 舆情演变中的意见首脑的界定与丈量指标

“意见首脑”这一观念最早由拉扎斯菲尔德在《人民的选择》中提出，指那些在人际流传中常常为他人提供信息或意见，并对他人施加影响的“活泼分子”，并据此提出了“两级流传”理论，即“概念常常从广播和印刷媒体流向意见首脑，然后再从她们流向不太活泼的人群。”(Lazarsfeld,1948)

随后，大量研究证明“意见首脑”在创新扩散、市场营销、风行时尚、民众事件、舆情节制等方面发挥着重要浸染(Katz et al,1955;Rogers,1983;Bond et al,2012)。

出格是在 *** 舆情规模，由于 *** 信息过载、真假难辨，网民情绪极化且易变，舆情情况巨大且不确定性强，大量普通网民往往无所适从。而那些具有专业权威、非凡信息渠道、影响力和存眷度等的“意见首脑”作为重要的信息源与通报者，可以或许实时匡正虛假信息，引导舆情趋于简朴化、清朗化、会合化，从而成为 *** 舆情演变出格是舆情反转的重要推手(宋海龙 等,2010;陈福集 等,2015;金真婷,2019)。

由于 *** 舆情演变具有明明的周期特征，差异舆情阶段内公共的存眷点、感情状态和舆情演化纪律并不沟通。相应地，差异舆情阶段内“意见首脑”的组成、特征和对舆情成长的影响也有所差异，因此，很多学者往往分阶段地识别并探究“意见首脑”对舆情演化的影响(姜珊珊等,2010;王国华 等,2011;王平 等,2012;晏敬东 等,2017;吴江 等,2019)。

但总的来说，存眷“意见首脑”对舆情演变的浸染，同时思量到突发事件舆情演变的阶段性特征的研究，多会合在舆情成长前期，对付舆情演变中要害的“质变”阶段的已有研究很少。

跟着流传东西和研究要领的改造，学者们在如何识别“意见首脑”的问题上不绝实验新的途径。传统的“意见首脑”识别主要借助问卷观测、自我陈诉法、要害人物访谈法等。(Rogers et al,1962)社交 *** 的鼓起在对信息流传的行为和逻辑发生颠覆性改变的同时也为学者们提供了大量可供研究的数据，社会 *** 阐明、PageRank算法、主题阐明、感情阐明等大数据阐明要领成为社交媒体“意见首脑”识此外新 *** 。

综合来看，今朝学界对Twitter、微博等社交媒体上的“意见首脑”的识别指标主要是包罗四个方面：

小我私家眷性，如粉丝数、存眷数、认证范例、用户品级、注册时长以及用户的社会属性等；

行为特征，如原创微博数、评论数、微博被转发数、微博被评论数、微博被赞数等；

*** 特征，如焦点—边沿位置、布局洞位置、中心度、特征向量等；