1.7　网络舆情及其涨落研究的意义

随着互联网的飞速发展和社交网络的兴起，网络中的信息共享和传播日益广泛，网络对网民的生活、工作和学习渗透地更为深入。中国互联网络信息中心发布的第48次《中国互联网络发展状况统计报告》统计数据表明，截至2021年6月底，我国网民规模为10.11亿，手机网民规模达10.07亿；其中农村网民规模近3亿、微博网民规模为3.31亿，网民中使用手机上网的人群占比提升至78.5%。另外，网民的学历以初高中为主，占据了近70%的比例。网民人均每周上网时长达 26.9小时。庞大的用户群，时刻不离身的手机等移动设备，多样的社交平台和错综复杂的社交连接关系等，最终产生了海量的数据。网络舆情信息正是包含在这海量的数据中。网络舆情传播速度快、范围广、影响大。在大数据的背景下，网络舆情在数据体量、产生速度和关联复杂性等方面也发生了极大的变化。舆情研究需要“尊重新闻传播规律，创新方法手段”，这样才能切实提高新闻舆论的传播力、引导力、影响力、公信力。因此舆论和舆情的研究也具有重大的现实意义。尤其随着互联网络和通信技术的飞速发展，其对社会公众的聚合能力极强，力量更不可小觑。有人指出：舆论是以社会公众的普遍感受为基础的社会智力的混合结果，其力量强过立法机关（谢耘耕、陈虹，2016）。

大数据概念的提出和大数据应用的兴起，不仅为不少传统理论和方法提供了新的应用场景，例如机器学习、自然语言处理等；也为社交网络的海量数据挖掘分析提供了一些新的解决问题的思路，并促进了相关技术的发展，例如目前较为新兴的社会计算、深度学习等技术。社交网络中存在海量的非结构化或半结构化数据，如社交网络主体的属性数据、主体间的连接数据、主体对应的内容数据、主体间的交互数据等，在大数据时代吸引了诸多专业领域的研究人员和工程人员的青睐，例如新闻、传播、情报、统计、社会学、管理、计算机、逻辑、控制、物理、数学等。网络舆情研究的跨学科性，决定了其在理论和实际应用方面都具有潜在的价值。

（1）理论价值。本书以海量的社交网络数据为研究对象，基于大数据的思维，结合社会计算、社会网络分析、自然语言处理、传播等相关理论或技术，分析提取社交网络中特定网络舆情的各类实体数据、属性数据、连接数据、内容数据等，进而通过分析时间维度的演化以确定网络舆情演化过程中最为主要的宏观涨落，并分析挖掘用户网络中的虚拟用户团伙（凝聚子群），同时挖掘用户网络中的核心节点（意见领袖）并研究其影响力扩散和评价模型、从而确定舆情演化涨落的核心激励个体性用户及社群团伙。此外，在各个典型的时间横断面上针对内容数据做情感分析、聚类分析等，以探究在博弈、用户情感倾向的变化、用户观点极化的变迁。这些内容的深入研究，对社交网络分析框架及目前方兴未艾的社会计算、社会网络分析、大数据等都具有重要的意义。

（2）实际应用价值。社交网络中信息内容繁杂多样，既有大量健康、有益的信息，也有不少非法内容。网络虚拟空间以其开放性、虚拟性、隐蔽性、渗透性及群体极化等特点，已成为人们表达个人想法的重要渠道。然而，庞大的网络用户群体和多样化的网络平台，各类移动平台与网民生活工作学习的深度嵌入以及用户之间的频繁互动，产生了海量的社交数据。这导致无法通过人工或一些简单的方式来判断分析网络舆情的传播演化脉络，更难以推断其演化涨落背后的激励因素。本研究借助社会计算和大数据处理等相关理论和方法，建立或完善社交网络中舆情数据的采集、处理、分析、挖掘、决策的一体化框架体系，实现网络舆情应对的科学化和预见性，有利于全面掌握社情民意，对网络舆情的演化趋势作出客观准确的判断，这对维护社会稳定也具有重要的社会应用价值。