网民情绪强度演化仿真与其影响因素构型分析

杨洋洋 谢雪梅

摘 要：[目的/意義]网民的言论在互联网平台上集聚，情绪很容易被扩大和煽动，政府应如何监管和引导网民的情绪，促进网络环境的健康发展。[方法/过程]基于生命周期理论，把整个舆情过程划分为4个阶段，即潜伏期、爆发期、扩散期和消退期，采用系统动力学模型对舆情各阶段演化过程中网民情绪强度的变化进行仿真，利用灵敏度分析探究单个变量对网民情绪强度的影响程度，在此基础上，运用定性比较分析方法对网民情绪强度的各影响因素进行构型分析，研究不同因素组合对网民情绪强度的影响。[结果/结论]从潜伏期、爆发期、扩散期到消退期，导致高网民情绪强度发生的充分条件组合由两因素组合到三因素组合，再到四因素组合，若想保持高网民情绪强度，需要的条件是逐渐苛刻的，政府在调控过程中重点关注影响显著的因素，不仅能够阻断高网民情绪强度的发生，而且能够有效地降低网民情绪强度指数，达到控制舆情事件的目的。

关键词：网络舆情;情绪强度;生命周期理论;系统动力学;定性比较分析

DOI：10.3969/j.issn.1008-0821.2020.07.010

〔中图分类号〕G206.3 〔文献标识码〕A 〔文章编号〕1008-0821（2020）07-0092-12

The Evolution Simulation of Netizens Emotional Intensity and the

Configuration Analysis of Its Influencing Factors

Yang Yangyang Xie Xuemei

（School of Economics and Management，Beijing University of Posts and Telecommunications，

Beijing 100876，China）

Abstract：[Purpose/Significance]When netizens comments gather on the Internet platform，their emotions can easily expand and incite.Therefore，how should the government supervise and guide the mood of netizens，so as to promote the healthy development of the network environment？[Method/Process]Based on the life cycle theory，this paper divided the whole process of public opinion into four stages：latent period，outbreak period，diffusion period and recession period.It used the system dynamics model to simulate the changes of Internet users emotional intensity in the evolution of public opinion in different stages，and used sensitivity analysis to explore the impact of a single variable on Internet users emotional intensity.On this basis，the paper used qualitative comparative analysis method to analyze the configuration of the factors affecting the emotional intensity of the netizens.The purpose was to study the influence of different factors combination on the emotional intensity of the netizens.[Result/Conclusion]From latency，outbreak，diffusion to extinction，the combination of sufficient conditions for the occurrence of high Internet users emotional intensity ranged from two factors to three factors，and then to four factors.If we wanted to maintain high emotional intensity of netizens，the requirements were gradually harsh.In the process of regulation and control，the government focused on the significant factors，which can not only block the occurrence of high Internet users emotional intensity，but also effectively reduce the index of Internet users emotional intensity，so as to achieve the goal of controlling public opinion events.

Key words：internet public opinion;emotional intensity;life cycle theory;systematic dynamics;qualitative comparative analysis

1 相关研究

随着互联网的普及，我国网民的规模不断扩大，截至2019年6月，我国网民规模为8.54亿，互联网普及率达61.2%[1]。互联网加快了信息传播的速度，成为网民获取新闻和热点的主要途径，网民由单向接受信息变为“接收—评论—反馈”的循环过程，使得网民的话语权得到极大的扩展。但是，互联网舆情大数据的发展，网民的言论在互联网平台上集聚，情绪很容易被扩大和煽动，给政府社会治理带来极大的挑战，2017年“红黄蓝”幼儿园虐童事件发生后，在网络上迅速传播开来，网民情绪高涨，两天时间达到了舆情传播的巅峰;2018年空姐打车遇害事件引起了网民的广泛关注，对遇害者的悲痛、对滴滴平台存在弊端的谴责以及对犯罪嫌疑人的愤怒等导致网民的情绪逐渐增强;2018年长生疫苗事件的爆发不仅引起网民对涉事企业的强烈谴责，也影响了政府公信力的树立。网民情绪的表达不仅是对网络舆情事件的不满，更是表达了对政府社会治理的期望。因此，政府需要正确面对网民的负情绪，找出引发网民情绪的根源，及时化解网民的情绪，避免不必要的网络躁动。为此，2018年12月，国务院办公厅印发《国务院办公厅关于推进政务新媒体健康有序发展的意见》，在新媒体时代，政府监管和引导网民情绪的变化，不仅能够有效地促进网络环境的健康发展，而且能够树立政府公信力。政府部门已经开始重视对网民情绪的监管和引导，然而，哪些因素是影响网民情绪的关键因素，各因素对网民情绪的影响程度又是怎样的呢？基于生命周期理论，本研究剖析网络舆情传播的各阶段中网民情绪的关键影响因素，以期为政府网民情绪的监管和引导提供参考建议。

由于互联网舆情大数据的驱动，国内外学者对网民情绪影响因素的研究成果也不断丰富，大致可以分为以.4个方面。第一，事件因素对网民情绪的影响，Zhang L等[2]对传统的SIR模型进行改进，研究了事件信息在耦合社会网络环境中网民情绪的扩散效应;Zhu H等[3]以舆情事件信息为切入点，从信息的发布时间和发布强度探究了事件信息对网民情绪反转的影响，为政府舆情的监管提供参考;Jiang D等[4]以新闻事件信息为研究对象，提出了一种创新的新闻事件网民情绪计算方法;杨洋洋等[5]研究发现，事件信息源敏感度对网络舆情热度存在显著的影响。第二，网民因素对网民情绪的影响，Ku Y C等[6]对在线社会网民的意见进行研究，认为信息发布者在舆情演化中的作用至关重要;ztürk N等[7]利用Twitter平台的数据，选取2 381 297条相关的推文，分析了公众对这一话题的情感变化;Xiao Y等[8]把演化博弈模型与SIR模型相结合，构建了基于用户多尺度属性和进化博弈的热点传播模型;兰月新等[9]构建网民情绪演化机理的微分方程模型，并對网民情绪的演化趋势进行预测分析;凌晨等[10]基于“信念—愿望—意图（BDI）”模型，分析了突发事件中网民负面情绪的动因和演变规律，为政府的应急决策提供建议;王佳敏等[11]运用多智能体方法，设计了主体交互规则和仿真算法，研究了意见领袖对网民的情感影响;赖胜强等[12]以网民的评论内容为研究对象，基于扎根理论归纳出情绪化传播的形成要素，构建了网络舆情情绪化传播的机理模型。第三，媒体因素对网民情绪的影响，叶琼元等[13]认为，媒体环境因素是引导网民情绪演化趋势的关键因素之一，并通过仿真模拟得出了网民情绪演化的规律;田维钢[14]以微博社交媒体为研究对象，从分布、效能、频率3个方面构建了网民情绪传播机制模型;宋凯等[15]认为，社交媒体使得网络舆情传播变得复杂，扩大网民情绪的波动范围。第四，政府因素对网民情绪的影响，周莉等[16]以反腐舆情事件为研究对象，建议政府可以基于内部因素引导网民的负面情绪，基于外部因素引导网民的正面情绪;姜金贵等[17]研究发现，政府部门及时地回应网络舆情事件，并保障网络舆情事件处理的透明性，是引导网民负面情绪的有效方法;余红等[18]认为，政府有效的信息供给和议程焦点的转移，能够有效地引导网民情绪转向理性;韩诚等[19]提出网民情绪的变化直接影响到政府政策的制定和实施。

综上所述，目前学者们的研究都把舆情看作一个整体进行研究，而没有考虑舆情发展的不同阶段网民情绪强度的差异，即使有部分学者对网络舆情的传播阶段进行划分，却没有深入研究各阶段网民情绪强度变化的影响因素。基于此，以生命周期理论为基础，采用系统动力学模型对舆情各阶段演化过程中网民情绪强度的变化进行仿真，利用灵敏度分析探究单个变量对网民情绪强度的影响程度，在此基础上，运用定性比较分析方法对网民情绪强度的各影响因素进行构型分析，研究不同因素组合对网民情绪强度的影响，从而为政府网络舆情的治理提供参考。

2 研究理论模型

2.1 舆情生命周期阶段划分

生命周期理论（Life Cycle Theory）是指某一事物的出生、成长过程、衰老、生病和死亡的过程[20]。生命周期理论已经运用到政治、经济、社会等诸多领域，其概念与网络舆情的发展过程刚好吻合，已有部分学者把生命周期理论引入到网络舆情的研究中。目前，有关舆情生命周期阶段划分的研究，学者们提出较早的是三阶段划分，陈福集等[21]利用E-Divisive算法把长期舆情事件大致分为波动期、高潮期、衰退期;杜洪涛等[22]将突发事件网络舆情演化过程划分为形成（扩散）、高潮和消散3个阶段;王曰芬等[23]将生命周期理论和关键节点识别相结合，将舆情生命周期划分为成长、爆发和衰退3个阶段。在舆情生命周期三阶段划分的基础上，又有学者提出了四阶段划分的方法，与三阶段划分的主要区别是把中间舆情爆发的阶段细分为2个阶段，张磊[24]把网络舆情的生命周期划分为潜伏期、成长期、成熟期和衰退期4个阶段;晏敬东等[25]把微博舆情划分为潜伏期、预热期、热议期和衰退期4个阶段;武慧娟等[26]认为，网络舆情的生命周期过程需要经历形成、成长、成熟、衰退4个阶段。

目前，学者们对舆情生命周期的研究，是根据网络舆情各阶段的发展特征进行定性划分，并未形成成熟的舆情生命周期划分标准。陈力丹[27]首次把黄金分割线0.618作为舆情发展的“临界点”，当舆情达到这一值时，舆情便形成了;刘建明[28]在此基础上进一步研究，把舆论形成的边界值确定为0.25～0.30，当持某一观点的人数达到0.25时，此时舆论已经形成。本研究是在已有学者们对舆情生命周期研究的基础上，同时结合本研究选取的案例特征，在对本研究案例舆情生命周期观察的基础上，为了及时识别舆情，为舆情应对争取更多的时间，把边界值.调0.05，即把情绪强度界定为0.2。以情绪强度作为划分网络舆情生命周期的标准，把整个舆情过程划分为4个阶段，即潜伏期、爆发期、扩散期和消退期。如图1所示，给出了舆情生命周期四阶段过程，第一階段，潜伏期，此时0t3，情绪强度小于0.2，该阶段表示舆情事件逐渐平息，网民的情绪强度逐渐减弱。

2.2 网民情绪强度指标体系

在网络舆情事件传播的过程中，网民情绪强度受到诸多因素的影响。事件因素是引发网民情绪的导火索，它一方面引发网民情绪的产生;另一方面引起媒体对事件的传播，事件的影响力越大，引发的网民情绪就越强烈，但随着网民情绪的高涨，事件的影响力会逐渐减弱;网民因素是情绪产生的主体，网民的影响力越大，就能产生越强的情绪强度，当情绪强度越高时，也会反过来正向作用于网民影响力;媒体因素是网民情绪发酵的催化剂，媒体对网民情绪强度的影响是正向的，当网民的情绪强度增高时，能够引发媒体更加深入地传播和报道;政府因素是网民情绪发展的调节剂，政府一方面控制媒体的传播;另一方面疏导网民的情绪，当网民的情绪强度越高时，政府的调节作用就会越强，政府的调节力度增强时，会负向作用于网民的情绪强度。基于以上分析，构建基于事件、网民、媒体、政府的“四因素”指标体系，探究影响网民情绪强度变化的主要因素，图2给出了网民情绪强度“四因素”指标体系示意图。

2.3 理论框架模型

以网络舆情生命周期四阶段过程为基础，基于网民情绪强度“四因素”指标体系，运用系统动力学模型仿真舆情各阶段网民情绪强度的变化过程，利用灵敏度分析探究单个变量对网民情绪强度的影响程度，并运用定性比较分析方法对网民情绪强度的各影响因素进行构型分析，研究不同因素组合对网民情绪强度的影响。网民情绪强度影响因素研究理论框架模型如图3所示。

3 网民情绪强度演化仿真模型

3.1 系统流图

基于事件子系统、网民子系统、媒体子系统和政府子系统4个维度构建网民情绪强度演化系统动力学模型，在系统流图中，事件影响力、网民影响力、媒体影响力和政府影响力4个变量为状态变量，表示舆情事件发展过程中，4个变量的累积变化情况;情绪强度指标是由事件作用力、网民作用力、媒体作用力和政府作用力4个变量共同作用的结果，其他各变量之间的关系如图4所示。

图4 网民情绪强度演化系统流图

3.2 各变量方程式

运用专家组打分法和层次分析法确定方程式中的一部分变量权重赋值，专家组是由本校舆情研究课题组中2名教授、3名副教授和5名博士生组成;另一部分变量的权重系数从前人的研究文献中获取，各变量的方程式如.：

1）情绪强度指数=0.235*事件作用力+0.218*网民作用力+0.326*媒体作用力-0.221*政府作用力[29];

2）事件作用力=0.15*事件影响力+0.85*事件影响力变化率;

3）事件影响力=INTEG（事件影响力变化率*EXP（-Time），0）[29];

4）事件影响力变化率=0.35*事件敏感度+0.65*事件传播范围[30];

5）事件传播范围=0.5*网民参与度+0.5*媒体报道指数;

6）网民作用力=0.15*网民影响力+0.85*网民影响力变化率;

7）网民影响力=INTEG（网民影响力变化率，0）;

8）网民影响力变化率=0.5*网民参与指数+0.3*网民关注指数+0.2*网民满意度[31];

9）网民满意度=政府回应力;

10）媒体作用力=0.15*媒体影响力+0.85*媒体影响力变化率;

11）媒体影响力=INTEG（媒体影响力变化率，0）;

12）媒体影响力变化率=0.6*媒体报道指数+0.4*媒体分布指数;

13）媒体分布指数=事件传播范围*媒体报道指数;

14）政府作用力=0.15*政府影响力+0.85*政府影响力变化率;

15）政府影响力=INTEG（政府影响力变化率，0）;

16）政府影响力变化率=DELAY1I（0.35*政府公信力+0.65*政府回应力，2，0）[32];

17）政府公信力=0.35*政府回应力+0.65*网民满意度;

18）政府回应力=IF THEN ELSE（网民参与指数>0.3，网民参与指数，SQRT（网民参与指数））[33]。

3.3 灵敏度分析

本研究选取2018年8月的“食盐里加亚铁氰化钾有毒”舆情事件作为实证案例，模拟时间为2018年8月21日至2018年9月4日，一共15天时间，仿真所需要的数据主要通过两种方式获取，一是通过百度指数摘取所需要的数据;二是运用网络爬虫技术获取所需要的数据。由仿真的结果可知该事件的情绪强度的演化过程，以此对该舆情生命周期阶段进行划分，1～6天为潜伏期，7～8天为爆发期，9～11天为扩散期，12～15天为消退期，分别对各阶段进行调控实验，分别以事件影响力变化率、网民影响力变化率、媒体影响力变化率、政府影响力变化率4个速率变量为调控对象，探究单个变量对情绪强度的影响程度。

1）潜伏期调控分析

在潜伏期阶段，由图5（c）可知，媒体影响力变化率的调整对情绪强度指数的影响是十分微小的，5条曲线几乎全部重叠，表明潜伏期媒体因素对网民的情绪强度没有显著影响;图5（b）和（d）分别是网民影响力变化率和政府影响力变化率的调整对情绪强度指数产生的影响曲线，两张图的曲线十分相似，都是在潜伏期前期的调整效果不明显，到潜伏期后期会产生一定影响，这表明潜伏期对网民因素和政府因素的调整对情绪强度指数产生的影响有滞后效应;图5（a）是事件影响力变化率的调整对情绪强度指数产生的影响曲线，当事件因素调整时，情绪强度指数曲线立刻表现出不同的曲线走势，且变化的幅度相对较大，表明事件因素的调整对情绪强度指数产生的影响是直接的，且是影响较大的。因此，在潛伏期阶段，事件因素是影响情绪强度指数曲线的直接因素，且影响程度较大，网民因素和政府因素是影响情绪强度指数曲线的滞后因素，且影响程度一般，媒体因素是影响情绪强度指数曲线的无效因素。

2）爆发期调控分析

在爆发期阶段，由图6（d）可知，政府影响力变化率的调整对情绪强度指数的影响是十分微小的，5条曲线几乎全部重叠，表明爆发期政府因素对网民的情绪强度没有显著影响;图6（a）和（b）分别是事件影响力变化率和网民影响力变化率的调整对情绪强度指数产生的影响曲线，两个因素的调整对情绪强度指数产生的影响程度相似，但是事件因素仅对爆发期的情绪强度指数产生影响，而网民因素不仅对爆发期的情绪强度指数产生影响，还对扩散期和消退期的情绪强度指数产生影响;图6（c）是媒体影响力变化率的调整对情绪强度指数产生的影响曲线，当媒体因素调整时，情绪强度指数曲线立刻表现出不同的曲线走势，且变化的幅度相对较大，表明媒体因素的调整对情绪强度指数产生的影响是显著的。因此，在爆发期阶段，媒体因素对情绪强度指数曲线的影响是显著的，事件因素和网民因素对情绪强度指数曲线的影响程度一般，政府因素对情绪强度指数曲线没有显著影响。

3）扩散期调控分析

在扩散期阶段，图7（a）和（b）分别是事件影响力变化率和网民影响力变化率的调整对情绪强度指数产生的影响曲线，两个因素的调整对情绪强度指数产生的影响程度较小;图7（c）和（d）分别是媒体影响力变化率和政府影响力变化率的调整对情绪强度指数产生的影响曲线，两个因素的调整对情绪强度指数产生的影响程度较大;因此，在扩散期阶段，政府因素和媒体因素对情绪强度指数曲线的影响较大，而事件因素和网民因素对情绪强度指数曲线的影响程度较小。

4）消退期调控分析

在消退期阶段，图8（c）是媒体影响力变化率的调整对情绪强度指数产生的影响曲线，媒体因素对情绪强度指数产生的影响程度较小;图8（a）和（b）分别是事件影响力变化率和网民影响力变化率的调整对情绪强度指数产生的影响曲线，两个因素的调整对情绪强度指数产生的影响程度一般;图8（d）是政府影响力变化率的调整对情绪强度指数产生的影响曲线。当政府因素调整时，情绪强度指数曲线立刻表现出不同的曲线走势，且变化的幅度相对较大，表明政府因素的调整对情绪强度指数产生的影响是显著的。因此，在扩散期阶段，政府因素

4 网民情绪强度影响因素构型分析

4.1 案例和变量的选取

本文选取2017-2018年的社会舆情热点作为研究对象，具体信息如表1所示。通过百度指数摘取或者网络爬虫技术获取选取事件的数据，输入到系统动力学模型中，获得每个舆情事件的网民情绪强度仿真演化模型，基于上文构建的网民情绪强度演化系统模型，可知事件、网民、媒体和政府是影响情绪强度演化的主要因素，因此，选取事件作用力、网民作用力、媒体作用力、政府作用力4个变量作为前因条件，以情绪强度指数为结果变量，本文采用定性比较分析方法，探究不同因素组合对结果变量的影响。

4.2 fsQCA分析结果

1）必要条件分析

在进行模糊集定性比较分析前，首先对条件变量进行必要性检测分析，将有助于后续的结果分析，以确保后续分析结果的准确性。得到单因素必要条件分析结果如表3所示，一般规定，当单因素的必要性达到0.9时，即是结果变量的必要条件，由表3可知，在潜伏期，高事件作用力是高网民情绪强度的必要条件，在爆发期，高事件作用力是高网民情绪强度的必要条件，在扩散期，高媒体作用力和高网民作用力是高网民情绪强度的必要条件，在消退期，高事件作用力是高网民情绪强度的必要条件。

2）组合条件分析

本文采用fsQCA 3.0软件进行分析，通过表2

的校准函数获得真值表，在分析过程中，一致性门槛值设定为0.8，可接受的个案数设为1，各阶段的网民情绪强度影响因素构型分析结果如表4所示，各个路径的一致性和总体一致性都大于0.8，表明解的认可度较高，满足研究的需要，其中，●表示该因素存在，◎表示该因素不存在，“空白”表示该因素存在或不存在对结果无影响。

在潜伏期阶段，高事件作用力是高网民情绪强度的必要条件，高事件作用力、高媒体作用力或者高事件作用力、高网民作用力是导致高网民情绪强度发生的两个充分条件，而政府作用力是一个无效条件，即它的高低对结果无影响。该阶段网民情绪强度是逐渐升高的，事件作用力是潜伏期政府需要重点监测的对象，只有高事件作用力才能引起媒体或者网民的关注，从而带动网民情绪强度。因此，政府若想在潜伏期控制某一舆情的网民情绪强度，只需重点调控事件作用力因素，便可阻断导致高网民情绪强度发生的两个充分条件，到达调控舆情的目的。

在爆发期阶段，高媒体作用力、低政府作用力或者高事件作用力、高网民作用力是导致高网民情绪强度发生的两个充分条件。该阶段网民情绪强度是迅速升高的，在该阶段，政府作用力保持较低的水平，加上媒体的高关注，会更加扩大网民情绪强度，此外，事件的进一步发酵，加上高网民作用力，也会提高网民情绪强度。因此，政府保持较低的政府作用力，同时抑制舆情事件的进一步发酵，可有效的断导致高网民情绪强度发生的两个充分条件，降低网民情绪强度。

在扩散期阶段，高事件作用力、高政府作用力、高网民作用力或者高媒体作用力、高政府作用力、高网民作用力是导致高网民情绪强度发生的两个充分条件。该阶段网民情绪强度是逐渐减弱的，高政府作用力、高网民作用力是高网民情绪强度的必要条件，该阶段政府作用力和网民作用力控制其中一个保持较低水平，便可阻断导致高网民情绪强度发生的两个充分条件，达到调控网民情绪强度的目的。

在消退期阶段，高事件作用力、高媒体作用力、高政府作用力、高网民作用力是导致高网民情绪强度发生的充分条件。该阶段网民情绪强度是逐渐消退的，因此，若想保持高网民情绪强度，需要的条件是苛刻的，即需要同时保持高事件作用力、高媒体作用力、高政府作用力、高网民作用力。

综上所述，从潜伏期、爆发期、扩散期到消退期，导致高网民情绪强度发生的充分条件组合由两因素组合到三因素组合，再到四因素组合，随着网民情绪强度的逐渐减弱，若想保持高网民情绪强度，需要的条件是逐渐苛刻的。

5 结论与建议

5.1 研究结论与建议

本文基于生命周期理论，把整个舆情过程划分为4个阶段，即潜伏期、爆发期、扩散期和消退期。采用系统动力学模型对舆情各阶段演化过程中网民情绪强度的变化进行仿真，利用灵敏度分析探究单个变量对网民情绪强度的影响程度，在此基础上，运用定性比较分析方法对网民情绪强度的各影响因素进行构型分析，研究不同因素组合对网民情绪强度的影响，从而为政府网络舆情的治理提供参考，得出如.结论与建议。

1）事件因素对网民情绪强度的影响贯穿于整个舆情生命周期过程

在必要条件分析结果中可以看出，事件作用力是潜伏期、爆发期和消退期3個阶段高网民情绪强度的必要条件，事件因素对网民情绪强度的影响是显著的，因此，在潜伏期、爆发期和消退期，政府若想控制某一舆情的网民情绪强度，只需重点调控事件因素，不仅能够阻断高网民情绪强度的发生，而且能够有效降低网民情绪强度指数，达到控制舆情事件的目的。在系统动力学仿真模型中，事件因素主要受事件敏感度和事件传播范围两个因素的影响，当某一舆情事件发生时，政府需要重点监测事件敏感度和事件传播范围，一旦这两个指标超出了预定的警戒值，就需要政府着手采取相应的措施引导网民情绪，降低舆情热度。

2）在爆发和扩散阶段，媒体因素对网民情绪强度的影响是显著的

由模糊集定性比较分析结果可知，在爆发期，高媒体作用力、低政府作用力或者高事件作用力、高网民作用力是导致高网民情绪强度发生的两个充分条件，在扩散期，媒体作用力是高网民情绪强度的必要条件。因此，该阶段政府应重点关注媒体因素，积极地引导媒体正面报道，减弱媒体的夸大或深度报道，阻止舆情事件的进一步发酵，能够有效地降低网民情绪强度指数，媒体是传播舆情事件的载体，要发挥媒体的正能量作用，政府需要与媒体保持密切的沟通，及时地让媒体掌握正确的舆情信息，避免一些媒体盲目的报道，同时还需要制定严格的惩罚措施，对于一些恶意传播负能量舆情信息的媒体机构，给予严厉的惩罚，设置媒体报道的底线。

3）在扩散和消退阶段，政府因素和网民因素对网民情绪强度的影响更为明显

在扩散期，高事件作用力、高政府作用力、高网民作用力或者高媒体作用力、高政府作用力、高网民作用力是导致高网民情绪强度发生的两个充分条件;在消退期，高事件作用力、高媒体作用力、高政府作用力、高网民作用力是导致高网民情绪强度发生的充分条件，可知，政府因素和网民因素是扩散和消退期高网民情绪强度的必要条件。因此，在舆情生命周期的后期，政府因素和网民因素对网民情绪强度的影响更为明显。该时期政府应该及时地向网民公开舆情信息，与网民保持沟通和交流，解答网民的疑惑，从而有效地降低网民情绪强度指数，从而控制网民情绪强度的发展。

4）高网民情绪强度更容易发生在舆情传播的前期

从潜伏期、爆发期、扩散期到消退期，研究发现导致高网民情绪强度发生的充分条件组合由两因素组合到三因素组合，再到四因素组合，可知，高网民情绪强度发生的充分条件是逐渐苛刻的。从政府引导网民情绪强度的难易程度来讲，在舆情生命周期的后期，政府更容易引导和疏解网民情绪强度，这也是目前政府部门处理网络舆情事件常用的手段。从理论上讲，政府在舆情生命周期的前期介入，更容易阻断高网民情绪强度的发生，但是，由于在舆情生命周期的前期，政府部门对舆情信息不够了解，往往找不到有效的措施，所以，就目前而言，在舆情生命周期的后期，政府作用力对网民情绪强度的影响更为明显。

5.2 研究贡献与局限性

本研究的贡献主要体现在理论和实践两个方面，在理论上，采用系统动力学模型与定性比较分析方法相结合的混合方法，基于单因素和组合因素的视角构建了网民情绪强度影响因素的模型，为网民情绪强度研究体系提供了新的研究方法和视角。在实践中，对于网民情绪强度影响因素的研究结论，事件因素对网民情绪强度的影响贯穿于整个舆情生命周期过程，在爆发和扩散阶段，重视媒体因素对网民情绪强度的影响，在扩散和消退阶段，政府因素和网民因素对网民情绪强度的影响更为明显，高网民情绪强度更容易发生在舆情传播的前期，这些能够有效地指导政府部门监管和引导网民情绪强度的发展，为政府网络舆情治理提供参考和建议。

本研究还存在以.局限性，第一，本研究基于事件、网民、媒体、政府的“四因素”指标体系，探究影响网民情绪强度变化的主要因素，没有针对每一个因素做细分展开，在后续的研究中，作者将分别展开研究事件、网民、媒体、政府对网民情绪强度的影响;第二，本研究案例选取的数量有待增加，考虑到数据的可获得性和完整性，本研究刚开始筛选了20多个案例，但是，有一部分案例的数据存在问题，比如，数据不完整、生命周期过程不明显等，不符合本研究的目的和需求，最终，筛选出来目前采用的10个案例。

参考文献

[1]中国互联网络信息中心（CNNIC）.CNNIC发布第44次《中国互联网络发展状况统计报告》[EB/OL].http：//www.cac.gov.cn/2019-08/30/c_1124938750.htm.

[2]Zhang L，Su C，Jin Y，et al.Cross-network Dissemination Model of Public Opinion in Coupled Networks[J].Information Sciences，2018，451：240-252.

[3]Zhu H，Hu B.Impact of Information on Public Opinion Reversal—An Agent Based Model[J].Physica A：Statistical Mechanics and Its Applications，2018，512：578-587.

[4]Jiang D，Luo X，Xuan J，et al.Sentiment Computing for the News Event Based on the Big Social Media Data[J].IEEE Access，2016，（99）：2373-2382.

[5]杨洋洋，谢雪梅.基于QCA的网络舆情热度影响因素构型分析[J].情报杂志，2019，38（5）：142-146.

[6]Ku Y C，Wei C P，Hsiao H W.To Whom Should I Listen？Finding Reputable Reviewers in Opinion-sharing Communities[J].Decision Support Systems，2012，53（3）：534-542.

[7]ztürk N，Ayvaz S.Sentiment Analysis on Twitter：A Text Mining Approach to the Syrian Refugee Crisis[J].Telematics and Informatics，2018，35（1）：136-147.

[8]Xiao Y，Song C，Liu Y.Social Hotspot Propagation Dynamics Model Based on Multidimensional Attributes and Evolutionary Games[J].Communications in Nonlinear Science and Numerical Simulation，2019，67：13-25.

[9]兰月新，夏一雪，刘冰月，等.面向舆情大数据的网民情绪演化机理及趋势预测研究[J].情报杂志，2017，36（11）：134-140.

[10]凌晨，冯俊文，杨爽，等.突发事件中网民负面情绪决策的BDI模型[J].系统工程，2018，36（4）：51-60.

[11]王佳敏，吴鹏，沈思.突发事件中意见领袖对网民的情感影响建模研究[J].情报杂志，2018，37（9）：120-126.

[12]赖胜强，张旭辉.网络舆情危机事件对网民情绪传播的影响机理——基于D&G辱华事件的扎根理论研究[J].现代情报，2019，39（9）：115-122.

[13]叶琼元，兰月新，王强，等.面向突发事件的网民情绪演化系统动力学模型研究[J].情报杂志，2017，36（9）：153-159，105.

[14]田维钢.微博评论中的网民情绪传播机制及策略[J].当代传播，2019，（1）：66-69.

[15]宋凯，袁奂青.后真相视角中的网民情绪化传播[J].现代传播（中国传媒大学学报），2019，41（8）：146-150，156.

[16]周莉，王子宇，胡珀.反腐议题中的网络情绪归因及其影响因素——基于32个案例微博评论的细粒度情感分析[J].新闻与传播研究，2018，25（12）：42-56，127.

[17]姜金贵，闫思琦.基于主题和情绪相互作用的微博舆情演化研究——以“红黄蓝虐童事件”为例[J].情报杂志，2018，37（12）：118-123.

[18]余红，吴雨青，晏慧思.网络抗争事件的情绪传播和引导——以山东辱母案为例[J].情报杂志，2018，37（5）：117-122.

[19]韩诚，李文健.网民情绪影响.的公共政策发布与调整问题研究——基于新浪微博对天津“海河英才”计划的讨论[J].理论导刊，2019，（9）：12-17.

[20]Gort M，Klepper S.Time Paths in the Diffusion of Product Innovations[J].The Economic Journal，1982，92（367）：630-653.

[21]陈福集，张燕.基于E-Divisive的网络舆情演化分析[J].情报杂志，2016，35（4）：75-79.

[22]杜洪涛，王君泽，李婕.基于多案例的突发事件网络舆情演化模式研究[J].情报学报，2017，36（10）：1038-1049.

[23]王曰芬，王一山.传播阶段中不同传播者的舆情主题发现与对比分析[J].现代情报，2018，38（9）：28-35，144.

[24]张磊.基于生命周期的网络舆情危机管理知识集成研究[J].情报杂志，2015，34（10）：101-105，51.

[25]晏敬东，杨彩霞，张炜南.基于生命周期理论的微博舆情引控研究[J].情报杂志，2017，36（8）：88-93，75.

[26]武慧娟，张海涛，王尽晖，等.基于熵权法的网络舆情预警模糊综合评价模型研究[J].情报科学，2018，36（7）：58-61.

[27]陈力丹.舆论学-舆论导向研究[M].北京：中国广播电视出版社，1999.

[28]刘建明.舆论传播[M].北京：清华大学出版社，2001.

[29]曹海军，李明.基于系统动力学的社交网络舆情应对策略仿真分析——以“亚布力事件”为例[J].东北大学学报：社会科学版，2019，21（1）：57-63.

[30]袁国平，许晓兵.基于系统动力学的关于突发事件后网络舆情热度研究[J].情报科学，2015，33（10）：52-56.

[31]王高飞，李明，李梅.基于系统动力学的移动社交网络舆情应对策略研究[J].情報科学，2016，34（10）：38-42.

[32]洪亮，石立艳，李明.基于系统动力学的多主体回应网络舆情影响因素研究[J].情报科学，2017，35（1）：133-138.

[33]高歌，张艺炜，丁宇，等.基于系统动力学的网络舆情演进机理及影响力研究[J].情报理论与实践，2016，39（12）：39-45，24.

（责任编辑：孙国雷）