基于类脑智能的舆情系统研究

复旦大学“基于类脑智能的舆情系统研究”项目组就疫情期间的网络热点展开了深入分析。其中由大数据学院魏忠钰副教授和新闻学院周葆华教授负责的用户画像团队，梳理了新浪微博中群体舆论演化总体态势及代表性群体的舆论特征，并对舆论引导方式提出了对策和建议。

01 大数据舆论分析：把握民意趋势、挖掘事件成因

团队分析了2020年1月15日至2月16日期间与疫情相关的3000万条微博，依托情感分析、话题聚类等文本挖掘手段准确感知网民的情感倾向转变和话题动态演化。

数据分析结果显示，疫情初期的舆论以负面情绪居多。随着中央全力部署、政府防控措施出台（实时数据的公布、武汉实行封城管控）、专家学者释疑解惑（钟南山院士、张文宏医生等对疫情的判断)，正向情感不断提高。随后虽然疫情增长率不断减缓，情感指数仍有变动，多与受疫情触发的热点议题相关。

02 群体画像：精准定位人群、感知个性化诉求

团队根据用户的职业、地域等属性将用户细分为不同群体，并进行参与度的动态比较，同时对代表性群体的网络言论进行定点分析，准确感知不同社会群体的心理诉求与价值预期。

对于不同职业的用户，在疫情爆发初期，自媒体、专业技术人员和学生较为活跃，在事件后期专业技术人员、 自媒体、 企业高管、新闻出版与文化专业人士较为活跃。聚焦于奋战一线的医护群体，大多向外界传递了一往无前的抗疫精神，也不乏个别事件令其承受巨大压力，需要更多的社会理解和关爱。另外，由疫情所带来的经济影响逐渐蔓延，私营企业主及工薪阶层群体面临巨大压力，大多显露出焦虑情绪，需要采取有力措施帮中小企业主纾困解难。

对于不同地域的用户，参与讨论的用户中广东、北京用户占比较高，其次是东南沿海各地，话题的地区“下沉”趋势明显。特别地，武汉患者群体作为地域分群角度的特殊主体，通过社交媒体向外界讲述自己的亲身遭遇，寻求社会救助，使个体诉求进入公共议程，激发了全网对于武汉患者群体命运的同情与共鸣。而随着国际疫情局势的不断紧张，华侨华人群体面临歧视压力，需要在下一阶段严防“输入”过程中予以妥善引导。

03 事件关联：警惕次生舆情、完善发声渠道

疫情期间，不少热点讨论相继引发了有关社会深层次问题的“次生舆情”，追踪事件关联将进一步协助制定危机应对预案。以近期学校实施网课为例，部分学校存在的网课工具攀比化、部分贫困群体的自卑自嘲心理引发讨论。而弱势群体缺少发声平台，若忽视其诉求将进一步激发矛盾。因此，各级政府要加强对复工复产复学过程中贫困人群的关心，新闻媒体要加强对弱势群体的报道抚慰，促进社会沟通与社会公平。

不同的群体聚集于不同的网络社区之中，舆论表达方式也不尽相同，对分群体舆论特征进行分析使得挖掘群体共鸣更为高效。团队将进一步推动分群体智能舆论分析和信息汇集平台建设，探索建立公共危机信息汇集平台。在中国疫情防控不断取得阶段性成果的同时，团队还将持续跟进对国际疫情的舆情分析，为网络空间现代化治理能力的提升赋能。