大数据时代舆情的内涵与分析方法

人类社会进入一个以网络社会为特征的社交网络时代,普罗大众成为新闻信息的发布者、传播者，社会的信息生产不再由专业的大众传媒机构垄断。这一过程深刻改写着舆论的生态，促使传统舆论概念的改变，同时在研究方法上也出现了革新。

舆情的概念与内涵

（一）从舆论到舆情：舆情的概念与内涵演进。在所有舆论概念中大家比较认同的是孟小平有关舆论的定义，其认为：“舆论是公众对其关切的人物、事件、现象、问题和观念的信念、态度和意见的总和，具有一定的一致性、强烈程度和持续性，并对有关事态发展产生影响。”①这个概念兼顾了舆论的主体（公众）、舆论的客体（关切的人物、事件、现象、问题和观念）与舆论的本体（信念、态度和意见），还强调了舆论的一致性、持续性和强烈程度等，是比较完善和严格的舆论概念。

网络时代来临后，舆论这一概念被逐步弱化，被“舆情”所取代。舆论到舆情仅一字之差，舆情中的“情”，一是强调网络时代舆论变化的速度，“情”字凸显舆论是变动的；二是强调网络时代舆论具有很大的感性特征，即其中夹杂着大量的情感与情绪。网络表达短文本、口语化，使舆情表达出现了最大的变化就是情感因素和感性元素的增多，因此，“情”的第二个含义是情绪或情感。

基于此，舆情是指在一定的社会空间和历史时期内，围绕中介性社会事项（可以是人、事，也可以是价值、观念、制度、规范）的发生、发展和变化，作为舆情主体的民众对相关社会事项的群体性情绪、意愿、态度和意见的总和，由于网络是舆情的主要表达平台，舆情必须是表达出来的言论。

（二）舆情的类别。目前对舆情的划分比较多元，按照内容可分为政务舆情、经济舆情、社会舆情、民生舆情、文体舆情等；按照关涉主体可分为公权力舆情、企业舆情、事业单位舆情、个体舆情等；按照预警级别可分为红色舆情、橙色舆情、黄色舆情与绿色舆情等；按照发生的范围可分为国际舆情、全国舆情、省区舆情、城市舆情、县级以下舆情等；按照发源地可分为媒体首发舆情、网民爆料舆情等。在日常的舆情分析操作中，中国人民大学舆论研究所一般按照内容将舆情划分为社会民生、反腐倡廉、文化教育、涉警涉法、社会安全、时事政治、灾害事故、企业财经、公共卫生等类别。只要存在内在一致性，各类舆情划分范围不交叉，能互斥、穷尽即可。

舆情软件系统平台：舆情大样本定向分析法

目前关于舆情分析的研究方法花样迭出，但概括起来主要有以下两种基本类别，一是大样本定向分析，即利用大型舆情软件系统平台来实现；二是小样本多元分析，即通过最新的研究方法进行局部样本的数据采集和分析。

（一）舆情软件系统平台的基本原理。近年来，舆情监测手段层出不穷，但舆情监测的底层方法没有根本的改变，即均通过网络爬虫程序来实现数据采集。基本原理如下：一是构建需要监测的样本库（包括微博、微信公众号、论坛、贴吧和网站等）作为监测数据源；二是通过网络爬虫进行数据抓取并下载到本地服务器；三是在本地服务器进行数据的消重和聚合；四是对“清洗”过的数据进行图像等智能化、直观化呈现。舆情监测软件监测微博中的数据，需要向新浪申请有偿的API（Application Programming Interface，应用程序编程接口），方可访问并抓取数据（不然会对网络爬虫关闭）。舆情监测软件可以7×24小时对互联网信息实时监测、采集，并对获取的信息进行全面检索及自动消重，进行舆情主题演化分析、时间趋势分析、话题传播分析。目前国内比较大的舆情监测软件服务商有拓尔思、方正舆情、谷尼舆情和美亚舆情等。

（二）舆情软件系统平台的发展趋势。近两年出现了新的趋势，即从舆情软件开发发展到云平台搭建。舆情监测主要是基于单体的监测软件而展开的，将软件产品放置到客户的本地服务器中，软件商为其提供后期的软件升级和支持服务。这种服务模式存在一定的弊端，由于各自为战，服务器较为分散，数据采集和分析都比较零散，不利于展开大规模的数据处理和集约化输出。而大数据与云计算时代来临，软件服务逐步被搭建云数据平台所替代，客户可以通过网页或客户端远程访问，并可以通过一定的权限定制关键词，进而实现舆情数据的抓取和直观化呈现数据结果。

（三）舆情软件系统平台的缺陷。一是舆情监测的效度和信度问题难以验证，目前舆情监测最大的问题是无法论证自己的有效性，各家有各家的“黑盒子”，相对并不透明，手段和算法的不同势必造成监测结果的偏离，到底谁家更准确，难有定论，依然有“盲人摸象”之虞；二是数据源的多寡一定程度上决定了舆情监测的精准度。目前舆情监测均是以样本库作为数据搜索源，不是基于全网进行舆情信息采集，实际上只是样本量较大的局部数据，可能因数据源不全面而造成重要信息监测缺失，最终影响数据监测结果；三是在消重聚合环节，计算机还暂时无法取代人工，目前舆情监测软件最大的区别在于后台的数据处理能力，但目前高层次的信息处理如情感判别和影响力评估等，计算机还不能完全取代人工；四是网络爬虫自身的弊端也在不断呈现，主要是关系数据越来越重要，而爬虫爬取的数据主要是碎片化的信息数据，关系数据往往被忽略，另外越来越多的网站对爬虫程序持不太友好的态度，一旦识别出来直接封闭端口，并且越来越多的社交网站如微信、豆瓣等不开放自己的数据抓取端口，很难抓取这些新兴的社交平台的数据。

舆情小样本多元分析法