黄茜茜　杨建林

摘要：[目的/意义]通过梳理近十年我国图书情报学领域网络舆情研究方法应用情况，辅助研究人员准确认识和选择方法，为后续研究提供参考借鉴。[方法/过程]本文使用文献计量、聚类分析、网络分析等多种方式从“时间—方法”“主题—方法”“作者—方法”“方法—方法”4个维度展开分析;接着，总结了各研究方法的适用场景、应用条件和应用效果;最后，对方法使用过程中的问题作简要评述，并预测了未来舆情研究的发展趋势。[结果/结论]研究表明，网络舆情研究方法从以定性分析方法为主到以知识发现方法、仿真建模方法等智能方法为主;舆情传播演化、监测预警、治理引导三大研究主题各有其适用方法;高频作者主要使用人工智能、网络分析、仿真建模3类方法;研究中知识发现方法最常与其他方法共同使用;方法应用过程在数据收集、数据分析、结论应用三方面仍存在不足。

关键词：网络舆情;研究方法;图书情报学领域;主题分析;聚类分析;共现分析

DOI：10.3969/j.issn.1008-0821.2022.07.015

〔中图分类号〕G255〔文献标识码〕A〔文章编号〕1008-0821（2022）07-0167-11

Analysis of the Application of Research Methods on Online Public Opinion in

Domestic Library and Information Science in the Last DecadeHuang Xixi Yang Jianlin

（1.School of Information Management，Nanjing University，Nanjing 210023，China;

2.Jiangsu Key Laboratory of Data Engineering and Knowledge Service，Nanjing 210023，China）

Abstract：[Purpose/Significance]Combing the application of online public opinion research methods in the field of domestic library and information science in the last decade can assist researchers in accurately understanding and selecting methods，and provide reference for subsequent studies.[Method/Process]The paper used bibliometric method，cluster analysis，network analysis and other methods to carry out analysis from four dimensions of“time-method”“subject-method”“author-method”and“method-method”.Then，application scenarios，application conditions and application effects of each research method were summarized.Finally，the paper briefly reviewed some problems in the application of the method，and forecasted the development trend of public opinion research in the future.[Result/Conclusion]The results show that the research methods are gradually changed from qualitative analysis to intelligent methods;The three major research topics have their own applicable methods;High-frequency authors mainly use artificial intelligence，network analysis and simulation modeling;The knowledge discovery method is most often used together with other methods in the current research;The application process of the method still has shortcomings in data collection，data analysis and conclusion application.

Key words：online public opinion;research methods;library and information science;topic analysis;cluster analysis;co-occurrence analysis

截至2021年6月，中國网民规模达10.11亿，互联网普及率达71.6%[1]，上网已成国民常态。由于互联网具备用户非实名、发言零成本、信息传播快等特点，网民们倾向于在网上就突发事件、社会现象等公众事件输出个人观点和立场，爆发式的评论常导致网络舆情的发生。而网络舆情是一把双刃剑，虽能让所讨论事件获取高曝光度，但更多时候舆情中充斥着大量负面言论，甚至以恶意扭曲事实真相博人眼球，营造恐慌气氛，污染网络环境，危害程度不容小觑。近些年，随着媒体技术的不断发展，我国网络舆情事件的爆发频率与日俱增，且逐渐呈现扩散速率加快、演变过程复杂、情绪过于极端等新特征，进一步加剧负面社会影响[2]，给相关部门的网络安全管理工作带来巨大挑战。这一问题亦引发学界的广泛关注，计算机科学、新闻传媒学、社会政治学、图书情报学等诸多学科领域已围绕网络舆情展开研究，研究内容覆盖面颇广。已有研究表明，图书情报学领域是涉足舆情研究较有代表性的队伍之一，舆情主题论文发文量最多[3]，故本文选择聚焦于该领域展开分析。729B0DE7-DCDD-4219-8A32-ABED2DCB2662

围绕繁杂多样的舆情信息展开分析研究可视为一种情报分析过程[4]，而情报分析是情报工作的核心，它是一套方法论和认知过程，推动情报实践工作中的其他一切[5]。其中，研究方法在情报分析中起着举足轻重的作用，是促进学科领域发展的重要推动力[6]。由此，本文以研究方法为出发点，通过梳理总结我国图书情报学领域舆情分析研究方法的应用现状，以期辅助研究人员全面深入地认识和高效准确地选择方法，为开展后续研究提供参考借鉴。

1数据处理

1.1数据来源及范围

为了获取更全面、更准确的文献检索数据，本文以南京大学中文资源发现系统为检索数据库，已知该库所藏文献为知网、万方、维普、超星等数据库资源的并集。设定主题词为“舆情”，时间跨度为2010—2021年，选择CSSCI收录的图书情报学领域学术期刊发表的相关文献，共计1 373篇。为保证研究数据的可靠性，再进一步对检索数据展开人工筛选，删除不符合研究目的的文献，如综述、书评、主持人导语、序言等，最终共计1 147篇，如表1所示。

1.2分析方法编码

本文将各文献摘要中所提及的研究方法视为其主要使用的方法，通过编写Python代码，利用正则匹配方法从摘要中提取研究方法，再对提取结果进行人工校验、修正和补充。其中，若摘要中未直接提及研究方法，则通过阅读文献后再人工增添数据记录。

由于存在多篇文献对同一方法的表述不同，多种方法可能隶属于更高层次方法等问题，后续难以有效开展量化分析，因此，本文认为非常有必要引入情报学方法体系对所提取的研究方法进一步归类整理。

目前，情报学界还未有公认的方法体系，众多学者仍在持续不断地探索更为强大完善的分类方法[7]，现有成果大体有“层次说”“流程说”“功能说”等。王静宜等在已有成果的基础上，在方法之间的层次以及同一层次方法之间的内在逻辑联系上进行了更深入的探讨，他们认为情报分析方法具有层次性，且有必要厘清和科学划分方法的上下位类、从属关系，由此提出了一个更细粒度、更针对性的情报分析方法类型划分框架[8]，本文在此框架基础上提出如下舆情研究方法编码依据，如表2所示。

基于以上框架，每篇文献的每个方法都将拥有唯一编码，为了提高编码工作的信效度，本文采用自动化与人工结合的编码方式：首先，将上述方法分级框架编制成词典，利用正则模糊匹配的方式为每个提取出的方法自动编码;接着，筛选出错误归类、失败归类的方法，通过人工判断賦予其编码。各项一级研究方法的文献数统计结果如图1所示。

1.3研究主题分类

我国图书情报学领域的网络舆情研究内容涵盖面十分广泛，涉及基础理论研究、现象分析研究、实践应用研究等多方面[9]，其中不同研究方向各有其适用方法，不应混为一谈。由此，本文对所有文献的研究主题进行更细致的划分归类。

关键词往往能反映文献的核心研究主题，故本文选择关键词作为研究主题划分的数据来源。具体划分过程如下：首先，统计所有文献的关键词词频并降序排序，提取排名前80的关键词;接着，人工剔除表示研究方法技术、研究对象等的关键词，仅保留与研究主题、研究目的有关的有效关键词，共计32个;最后，计算所选关键词的共现矩阵，对其进行中心性计算并得到中间中心度排名，基于此结果人工对关键词进行分类，共得到舆情传播与演化、舆情监测与预警、舆情治理与引导三类主题。

每篇文献将被归于唯一研究主题，若某篇文献涉及多个研究主题，则将其归类为首要研究主题下。为了提高研究主题归类工作的信效度，采取与研究方法编码过程类似的方法：首先，通过正则匹配自动对每篇文献主题归类;接着，再通过人工校验错误、失败归类的情况，进一步详阅题录信息后再给定研究主题，最终各研究主题文献量统计情况如表3所示。

其中，舆情传播与演化重点关注舆情传播模式和机理，以及舆情生命周期中网民情感、关注话题的演化特征，洞察舆情发生本质能为舆情监管工作提供有力支撑;舆情监测与预警聚焦于舆情发展走势监控、异常点预警等任务，旨在能有效降低舆情危机发生概率;舆情治理与引导主要围绕舆情危机应对策略、舆情治理方法论等内容展开分析研究，以期辅助管理者以更高效的方式维护舆情健康生态环境。

1.4本文研究方法

本文结合文献计量法和内容分析法为每篇文献的研究方法编码并进行定性定量结合分析：首先，采用统计分析法计算各研究阶段下方法使用比重，同时结合文献实例展开分析;接着，利用文献调研法分析各研究主题下方法的使用情况;然后，结合聚类分析和定性分析两种方法对核心作者的主要使用研究方法进行梳理与对比;最后，使用Gephi绘制研究方法共现网络图，并结合详细文献对分析结果进行解读。

2结果分析

2.1“时间—方法”应用分析

本文对各研究主题的发文量进行逐年统计，并绘制了趋势图，如图2所示。从图中可以看出，文献篇数整体呈上升趋势，表示我国图书情报学领域越来越重视舆情分析方向。其中，舆情传播与演化、舆情监测与预警这两项研究主题的增速明显高于舆情治理与引导这一主题，说明图书情报学学者更偏向于针对舆情事件本身的演变规律等内容展开分析工作，而对事后引导与管理方面的关注度相对稍低。

本文基于年发文量增速将我国图书情报学领域舆情研究历程进一步划分为萌芽期、爆发期、稳定期3个研究阶段，如图2所示，并以二级方法为基本单位，统计了各阶段方法的使用情况，结果如表4所示。

以下对各研究阶段的方法使用情况进行简要阐述：

1）萌芽期（2010—2012年）。这一时期为图书情报学领域舆情研究的起步阶段，虽然发文量相对较少，但侧重于对舆情相关概念内涵及基本要素间逻辑关系的构建和梳理，其成果为后续研究提供了良好的理论基础。此阶段以定性分析方法为主，如曹效阳等[10]利用概念分析法对网络舆情的层次结构、物理结构、逻辑结构进行了概念内涵界定，并在此基础上构建网络舆情特征模型，为网络舆情监控工作提供支持;陈强等[11]利用哲学方法和多案例研究法对网络舆情泛化现象的概念和成因进行阐述，并对此提出应对之策。729B0DE7-DCDD-4219-8A32-ABED2DCB2662

2）爆发期（2013—2017年）。这一阶段是舆情研究的快速发展期，年发文增速相比上一阶段有显著提升。与萌芽期侧重于基础理论探讨不同，爆发期的研究主题更偏向于舆情的传播演化规律分析以及监测预警方式探讨，因此网络分析法、统计分析法、数学分析法等定量研究方法的占比开始攀升。如谭雪晗等[12]利用社会网络分析法筛选出网络舆情中关键信息发布者和关键事件关注者两类用户，并提出以关键用户为中心的舆情治理策略;夏一雪等[13]通过构建微分方程来表示网络舆情信息交互过程，并利用数值模拟仿真进行舆情信息交互趋势预测实证研究。

3）稳定期（2018—2021年）。这一时期可视为图书情报学领域舆情研究的成熟阶段，发文量呈轻微波动，大体趋于稳定。近些年随着互联网的飞速发展，网络舆情数据量早已不可同日而语，因此该阶段更偏向于利用新兴计算机技术对舆情展开研究，机器学习、文本挖掘等方法的使用频次具有压倒性的优势。如单晓红等[14]利用文本挖掘方法构建事理图谱以实现网络舆情演化路径的可视化;吴江等[15]利用聚类分析、时差相关分析等方法挖掘舆情生命周期中各阶段的意见领袖，并探究其对大众情绪的引导作用。

2.2“主题—方法”应用分析

不同研究主题的研究内容侧重点有所不同，所适用的方法也不尽相同。因此，本文对不同研究主题下的方法使用情况进行归纳分析。

2.2.1主题一：舆情传播与演化

从上节的文献数分布可以看出，舆情传播与演化一直是图书情报学领域舆情研究关注的重点，这一主题主要包含以下两个研究内容：

1）舆情的传播模式及传播规律。由于舆情传播是一个复杂、抽象、不可视的过程，难以直接对其展开分析，因此许多学者致力于构建尽可能贴合现实场景的舆情传播模型，并在此基础上对传播模式、传播规律等进行剖析。常用的研究方法有利用多主体仿真建模[16]、系统动力学[17]等仿真模拟技术构建舆情传播模型模拟现实状况;利用社会网络分析[18]、无标度网络[19]等网络分析法分析舆情传播的网络结构等。

2）主题、情感等要素的演化过程。在舆情生命周期中，热点主题、网民情感等要素往往会随着舆情态势的发展而改变，如何准确地描述和把控它们的演变路径和规律是图书情报学学者们的重点研究方向之一。面对错综复杂的演化数据，研究人员常使用文本挖掘[20]、贝叶斯网络[21]、隐马尔可夫模型[22]等知識发现方法从舆情大数据中提取信息并进行演化分析;或是通过构建动态博弈模型[23]、概率数学模型[24]等数学分析法来对舆情各要素的演变过程进行数值模拟。

2.2.2主题二：舆情监测与预警

相较于舆情传播演化主题，舆情监测与预警的研究更侧重于对舆情状况的实时跟踪或提前预测，这一主题主要包含以下两个研究内容：

1）舆情分级预警及评估指标体系建立。不同发展程度的舆情事件可能需要不同等级的应对方式，而这往往需要管理者能及时、合理地评估舆情的发展状态，因此学者们持续不断地探索着有效划分舆情的方式。如利用灰色关联分析[25]、支持向量机模型[26]等数据挖掘方法实现舆情自动分级;使用灰色模糊评价法[27]、灰色预测模型[28]、神经网络[29]等方法构建舆情预警模型;采用层次分析法[30]、主成分分析法[31]、文献调研法[32]等定性定量结合方法构建舆情评估指标体系。

2）舆情热度测算、发展趋势预测。对舆情热度和发展趋势的精准测算，有助于管理人员实时掌握舆情发展态势，并适时展开防控布局。为了获得更佳的测度效果，研究人员多采用智能化方法，如利用神经网络[33]、逻辑斯蒂回归[34]等机器学习模型预测舆情热度趋势;基于系统动力学[35]仿真建模实现舆情热度演化的测算;使用QCA方法[36]剖析舆情热度生成机理等。

2.2.3主题三：舆情治理与引导

及时有效的治理和引导措施有助于抑制舆情事件的进一步恶化，防患于未然。图书情报学领域对舆情治理与引导的研究内容主要涵盖舆情危机应对策略、舆情引导机制、舆情管理方法、信息服务工作评价等方面，常结合案例分析法、质性分析法等实证研究方法与统计分析法、数学分析法等定量研究方法。如采用案例分析法[37]归纳总结真实舆情事件的发展路径，以探讨舆情危机的应对策略;利用扎根理论[38]对舆情文本展开质性分析，探索舆情形成机制并总结引导工作的不足;通过层次分析法、建立数学模型等构建信息服务评价指标[39]。

2.3“作者—方法”应用分析

某研究领域内核心作者的研究内容往往能反映该领域的研究趋势，对研究方法的选择则体现了主流知识的组合模式[40]。因此，分析核心作者的主要研究方法使用情况在一定程度上能为后续相关内容研究者起到指导作用，进而推动该领域的正向发展。

首先，本文对各位学者的发文量进行统计并降序排序，将前20名的学者视为高频核心作者;接着，统计每位核心作者使用每类一级研究方法的频次（若使用频次小于3次，将使用频次置0，即认为该方法不是该作者的主要研究方法），得到“高频核心作者—主要研究方法”矩阵;最后，将矩阵导入SPSS中进行系统聚类，结果如图3所示。

本文结合作者具体使用方法及研究内容的明细数据，对上述聚类结果进一步整合，将核心作者划分为5组，如表5所示，其中，以兰月新、陈福集等为代表的学者在舆情传播和舆情演化两方面均有较多研究，主要使用机器学习、数据挖掘、文本挖掘、仿真建模等智能化研究方法;朱恒民、魏静、赵丹所研究内容更侧重于分析舆情信息传播网络结构，故相比于上组作者，更多使用社会网络分析、复杂网络分析等网络分析法;李纲、李昊青等为代表的学者与黄微、夏一雪等为代表的学者研究内容均偏向于舆情事件演化，如情绪演化、话题演化、关注度演化等，但是前组作者常结合知识发现方法与网络分析法从探寻网络结构出发，而后组作者多结合知识发现方法与实证分析法从现实案例出发。729B0DE7-DCDD-4219-8A32-ABED2DCB2662

2.4“方法—方法”共现分析

一项研究的不同分析环节常需使用不同的方法来合作完成，通过对研究方法的共现分析，能为后续相关研究的方法选择组合带来新思路。本文将计算好的一级方法共现三元组导入Gephi，绘制如图4所示网络图（仅保留共現频次大于等于5的连线），其中，各节点代表一级研究方法，节点大小代表其中心性，连线粗细代表方法间共现频次。

从图中可以发现，在实证研究方法中，常作为数据收集方法的调查法最常与其他数学类、智能类分析方法结合使用，例如阳长征[41]通过问卷调查法收集网民在舆论中的心理及行为数据，再利用结构方程模型分析数据以探索网络场域情境对舆情偏差的影响;刘建准等[42]利用问卷调查网民关注网络集体事件相关数据，再利用文本挖掘、语义结构分析等方法展开分析，于网民信息感知特征方面获得若干结论。

对于数据分析方法而言，知识发现方法处于绝对的核心地位，常与多项其他研究方法结合使用。如在舆情传播演化、监测预警类研究中，研究人员常结合仿真建模法、统计分析法对传播规律、演化路径、趋势预测等内容展开分析。

此外，“数学分析法—仿真建模法”“仿真建模法—网络分析法”“网络分析法—统计分析法”也是常见的方法组合搭配。

3舆情研究方法应用情况总结

基于上节分析结果，本文对各类研究方法的应用情况进行了总结，以期为后续舆情研究方法选择提供理论指导，具体包含适用场景、应用条件、应用效果3个方面，如表6所示，可将表中研究方法的来源大致分为统计学和阐释学两类，其中：

1）源于统计学的方法（如数学分析法、统计分析法、知识发现方法等）适用于对大样本量舆情数据展开高效智能的研究，典型应用场景有舆情主题挖掘、热点话题演变、危机预测等。为了有效使用这类方法，研究人员常需构建或使用模型、算法等来描述抽象的舆情现象，有时可能还需使用一些统计分析软件、网络分析软件、仿真建模软件等。统计学方法能将抽象的舆情现象或非结构化舆情数据转变为可操控、可描述的形式，但在使用该类方法时应注意对误差项的解释，以及应结合舆情事实对量化分析结果展开更深入分析。

2）源于阐释学的方法（如质性研究法、案例研究法、哲学分析法等）更适合用于研究中小样本量的舆情数据，适用场景涉及探究舆情政策变化、网民传播行为变化等研究问题。这类方法通常需要研究人员具备强大的逻辑推演能力、概念分析能力，以及扎实的舆情分析知识和经验积累。通过使用这些方法有助于发现许多容易被统计学方法忽视的舆情特殊现象，但在使用时需注意数次保证数据处理环节的信度和效度、分析过程避免介入过多主观偏差、检验分析结论的普遍性和推广性等。

4评述与展望

4.1研究现状评述

近些年，我国图书情报学领域的舆情研究已取得长足发展，尤其在研究方法的应用情况上实现了许多创新和突破，但在研究开展的过程中仍存在一些关键问题。

1）研究数据来源有限，数据形式单一，数据质量难以得到保证

在数据收集环节，近年多采用网络爬虫、问卷调查、文献调研等方法，其中网络爬虫最为常见，这就导致舆情研究十分依赖于网络公开数据。在数据来源上，由于数据权限问题，研究数据多为单源数据，数据完备性亟待提升;在数据类型上，多数研究仅聚焦于文本，而对图像、视频等其他模态数据涉及较少;在数据质量上，自行爬取的舆情文本可能充斥着大量水军、机器人的发言，即未必代表真实网民的实际想法，导致舆情文本研究数据的准确性、真实性难以得到保障。

2）研究过程多停留在数据分析层面，未达到真正的情报分析深度

目前，国内图情领域舆情研究方法使用趋势以知识发现法、仿真建模法、数学统计法等定量分析方法为主。然而，在方法使用过程中，一些关注点的偏移导致研究结论多停留在数据分析层面，而未达到情报分析的深度。例如，为了提升模型准确度，一味追求大数据，但情报分析更看重全源数据，故还需对舆情数据关联与融合更加关注;以及现有舆情研究对数据分析后的产出智能阶段有所忽略，而这一阶段多以归纳推理、演绎推理等方法为主，需要研究人员能洞察舆情本质，进而实现对所得知识的进一步升华，真正达到舆情情报分析的深度。

3）研究成果偏学术化与理论化，难以真正落地实施

算法类、建模类等智能分析方法在将舆情研究带入新高度的同时，也容易导致研究结论偏理想化。例如，在通过建模模拟舆情传播场景时，受限于分析复杂度及运行设备条件等因素，常会对现实情况进行简化;在采用机器学习、深度学习等方法构建监测预警模型时，多基于静态数据开展，致使研究结论存在滞后性，未实现真正的动态分析;目前有关舆情治理引导对策的研究多从管理学、传播学角度出发，而并未与传播演化、监测预警等技术导向的舆情研究相结合，导致技术与治理处于相对割裂的状态，研究内容有待进一步优化。

4.2研究趋势展望

基于前文对舆情研究方法应用情况的分析与总结，以及现有舆情研究不足之处的简要评述，本文进一步对网络舆情研究的发展趋势进行了展望。

在舆情传播与演化方面，知识发现方法、仿真建模法、网络分析法等智能分析方法的使用频次逐渐攀升，如何基于多模态、多平台、多案例的网络舆情大数据，从不同场景、不同角度出发，将网络舆情传播规律、演化特征、影响机制具象化将是当下研究的主要趋势。

在舆情监测与预警方面，学者们逐渐倾向于使用机器学习、深度学习、计算机数值模拟等方法技术搭建准确度高、泛化能力强的预测监控模型，日后将更聚焦于舆情发展走势动态监测、舆情网民情感识别分析、舆情危机预测及响应等方面的研究。

在舆情治理与引导方面，采用内容分析法、案例研究法、哲学方法等定性方法研剖舆情内容和搭建方案策略，再结合知识发现方法、统计分析法等定量方法归纳与验证管制效果，用以探寻真正贴合实情、可落地实施的网络舆情应急引导策略、风险管理模式、治理效率评估体系等管控机制正成为未来的研究热点。729B0DE7-DCDD-4219-8A32-ABED2DCB2662

参考文献

[1]中国互联网络信息中心.第48次《中国互联网络发展状况统计报告》[R].北京：中国互联网络信息中心，2021.

[2]马宁，刘怡君，廉莹.突发事件舆情风险研究文献综述[J].情报杂志，2019，38（6）：88-94.

[3]朱张祥，劉佳培.基于CSSCI图情领域网络舆情研究的知识图谱分析[J].图书情报导刊，2020，5（3）：50-59.

[4]徐敏.大数据环境下情报学在网络舆情研究中的作用[J].图书情报研究，2016，9（2）：12-18，52.

[5]杨建林.“总体国家安全观”思想对情报方法研究的影响[J].现代情报，2020，40（3）：3-13，37.

[6]李博闻，章成志.我国情报学研究方法研究综述[J].情报理论与实践，2019，42（2）：1-6，37.

[7]李博闻，章成志.我国情报学研究方法体系构建研究的转向突破[J].情报理论与实践，2020，43（6）：37-43.

[8]王静宜，徐敏，祝振媛，等.情报分析中的方法应用研究[J].情报理论与实践，2020，43（1）：33-41.

[9]王曰芬，吴鹏，丁晟春，等.社会舆情分析研究与进展综述[J].情报学进展，2016，11（00）：132-185.

[10]曹效阳，曹树金，陈桂鸿.网络舆情的结构与网络特征分析[J].情报科学，2010，28（2）：231-234，238.

[11]陈强，王雅蕾，王国华.高校突发事件网络舆情泛化现象研究[J].情报杂志，2011，30（5）：6-9.

[12]谭雪晗，涂艳，马哲坤.基于SNA的事故灾难舆情关键用户识别及治理[J].情报学报，2017，36（3）：297-306.

[13]夏一雪，兰月新，刘冰月，等.大数据环境下网络舆情信息交互模型研究[J].现代情报，2017，37（11）：3-9，16.

[14]单晓红，庞世红，刘晓燕，等.基于事理图谱的网络舆情演化路径分析——以医疗舆情为例[J].情报理论与实践，2019，42（9）：99-103，85.

[15]吴江，赵颖慧，高嘉慧.医疗舆情事件的微博意见领袖识别与分析研究[J].数据分析与知识发现，2019，3（4）：53-62.

[16]陈春阳，黄秀玲.微博舆情的生成机制和传播规律研究[J].情报科学，2018，36（4）：32-37.

[17]邓建高，张璇，傅柱，等.基于系统动力学的突发事件网络舆情传播研究：以“江苏响水爆炸事故”为例[J].数据分析与知识发现，2020，4（Z1）：110-121.

[18]姚乐野，吴茜，李明.新冠肺炎疫情微博舆情传播的网络结构分析[J].图书情报工作，2020，64（15）：123-130.

[19]郭耿，陈福集，陈蕾雯.基于观点模糊相似度的微博舆情演化研究[J].情报科学，2020，38（1）：82-86.

[20]王家辉，夏志杰，王诣铭，等.基于句法规则和社会网络分析的网络舆情热点主题可视化及演化研究[J].情报科学，2020，38（7）：132-139.

[21]张志霞，郝纹慧，张二双.网络舆情驱动下突发事件情景推演研究[J].情报科学，2020，38（5）：141-147.

[22]何建民，李雪.面向微博舆情演化分析的隐马尔科夫模型研究[J].情报科学，2016，34（4）：7-12.

[23]杨阳，王杰.情绪因素影响下的突发事件网络舆情演化研究[J].情报科学，2020，38（3）：35-41，69.

[24]夏立新，毕崇武，梅潇，等.基于事件链的网络舆情事件演化研究[J].情报理论与实践，2020，43（5）：123-130.

[25]杨柳，罗文倩，邓春林，等.基于灰色关联分析的舆情分级与预警模型研究[J].情报科学，2020，38（8）：28-34.

[26]杨爽，陈芬.基于SVM多特征融合的微博情感多级分类研究[J].数据分析与知识发现，2017，1（2）：73-79.

[27]陈培友，侯甜甜.基于ANP—灰色模糊的社交网络舆情风险预警研究——以“重庆公交坠江事件”为例[J].情报科学，2019，37（5）：115-120.

[28]彭程，祁凯，黎冰雪.基于SIR-EGM模型的复杂网络舆情传播与预警机制研究[J].情报科学，2020，38（3）：145-153.

[29]张鹏，兰月新，李昊青，等.突发事件网络谣言危机预警及模拟仿真研究[J].现代情报，2019，39（12）：101-108，137.

[30]张艳丰，李贺，彭丽徽，等.基于语义隶属度模糊推理的网络舆情监测预警实证研究[J].情报理论与实践，2017，40（9）：82-89.

[31]王静茹，金鑫，黄微.多媒体网络舆情危机监测指标体系构建研究[J].情报资料工作，2017（6）：25-32.

[32]张雪梅，王友翠.多媒体网络舆情衰退期形成的评估指标体系构建研究[J].情报科学，2020，38（6）：110-115，177.

[33]陈福集，肖鸿雁.基于改进ABC-BP模型的网络舆情热度预测研究[J].图书馆学研究，2018（9）：84-89，101.

[34]兰月新，刘冰月，张鹏，等.面向大数据的网络舆情热度动态预测模型研究[J].情报杂志，2017，36（6）：105-110，147.

[35]姚晶晶，张雨燕.多主体视角下企业负面舆情热度演化研究[J].情报理论与实践，2020，43（8）：120-127，133.

[36]李晚莲，高光涵.突发公共事件网络舆情热度生成机理研究——基于48个案例的模糊集定性比较分析（fsQCA）[J].情报杂志，2020，39（7）：94-100.

[37]王润珏.信息时代的舆情特征与政府应对机制建设路径研究[J].情报杂志，2019，38（7）：111-114，145.

[38]邢鹏飞，李鑫鑫.重大疫情防控中网络舆情形成机制及引导策略研究——基于新冠肺炎疫情期间网络舆情文本的质性分析[J].情报杂志，2020，39（7）：67-74，158.

[39]金潞.生态系统视域下的图书馆政府舆情信息服务质量评价研究[J].图书馆学研究，2020，（13）：68-75，95.

[40]周娜，李秀霞，高丹.基于LDA主题模型的“作者—内容—方法”多重共现分析——以图书情报学为例[J].情报理论与实践，2019，42（6）：144-148，123.

[41]阳长征.危机事件中网络空间场域情境对舆情偏差的影响研究[J].现代情报，2019，39（10）：46-57.

[42]刘建准，石密，刘春雷.网民群体对突发互联网集体事件信息感知的语义图谱研究[J].情报理论与实践，2019，42（2）：158-163.

（责任编辑：郭沫含）729B0DE7-DCDD-4219-8A32-ABED2DCB2662