杨碧波
（一）研究的背景及意义
社交媒体用户的情感可以随着舆情的传播而传递，并逐渐成为影响舆情发展的核心因素。正是由于用户的情感可以不受限制地在网络上表达及传播，也就出现了网络舆情，而在网络中情感的传递不仅对于舆情是至关重要的，更是舆情的导向标，各个网监部门及媒体应关注重视情感传递。在中国移动互联网与即时通讯技术高速发展、社交网络结构与行为不断改变的大历史背景下，研究用户情感传递的方式及产生原因，可以为相关部门引导网民的情感传递起到指导性作用。由于社交媒体的网络交叉传播具有不可控性，并且传播时效性强，相关政府部门也需要通过研究来健全互联网相关的法律法规，及时关注舆情发展态势，优化互联网环境，政府行为引领着现实中的用户，致力形成和谐稳定的社会风气。
通过探讨国内外情感分类体系的理论与方法，构建的情感分类词表可为相关研究者提供参考；
同时，通过建立社交媒体用户情感构建与表达的模型，以回归分析的方式进行情感挖掘与可视化，总结出社交媒体时代用户情感表达的普遍特征，是对特定事件情景下情感传播研究的有效补充；
最后，在结合运用文本挖掘、数据分析等技术方法的基础上，让情感分析得到直观结果，通过不断研究情感的构建与表达方式，进而不断完善情感分析方法，对于社交媒体和互联网来说具有非常重要的意义。
（二）国内外研究综述
Fowler和Christakis等（2008）在弗雷明汉心脏研究的数据基础上分析了社交平台上网友的情感表达情况，发现在社交媒体上网友的意志和情感更容易受他人感染而发生变化，社交网络中的情绪具有强传染性；
Reza Zafarani等（2015）在《社会媒体挖掘》一书中，通过在不同时间对各个用户的情感变化数据进行统计分析，揭示了用户在进行情感传递时的特点是自由、开放与多向；
Cole（2011）在进行情感分析时会采用的信息传播模式，并列出了可用来构建相关情感传递模式的参考模型，包括了独立级联模式、线性阈值模式，以及传播模式等；
Tang等（2018）为了预测网络用户的情绪状态，结合实际社交网络和在线社交网络中的数据进而建立出了情绪状态预测模型，也验证了其有效性；
与此同时uvakov等也通过网络中用户的情绪交流变化进行了仿真分析。
杨曦等（2016）为了研究出突发事件在群体中的发生规律，通过调查研究众多闹事人群，了解了他们的情感衰减、从众心里等多重因素，进而建立了情感影响模型；
向南（2016）等为了提高情绪感染仿真模型的计算精确度以及速度，提出了一种同时基于GPU和社会感染力的计算方法。王潇天（2015）对微博的使用者的情感进行了分类统计，并对网友们的直接观点和相关言论以及情感传播的激烈程度进行统计分析，并根据情绪感染理论，发现了社交媒体上用户情感的表达受“沉默的螺旋”的影响，一部分人受约制而不能表达出真实情感；
杜占玮（2015）不断对情感微观动态传播规律进行分析，并基于情感传播的动态特征以及无源假设等理论对用户个体的情绪动态变化进行建模。
（一）社交媒体用户情感
社交媒体用户情感的表达过程分为四个阶段，每个阶段都比前一个阶段的自我表露程度更高。第一个阶段为观察阶段，用户在观察社交环境时，自我保护意识较强，他们不会直接谈论令自己兴奋的话题，而是建立一种基础的融洽的社交圈子，在确定自己处于社交舒适圈之后，社交媒体用户情感表达开始进入第二个阶段；
第二个阶段为实时信息分享阶段，用户开始分享更多自身信息，再同其他用户成为朋友关系后会透露自己生活的日常，例如每天的工作和学习内容，这意味着可能透露实际生活中重要业务背后的故事或特定的爱好细节；
第三个阶段为分享意见阶段，这也是社交媒体用户情感表达的一个重要的阶段，通过分享意见展示着用户的价值观和思想，要理解用户的情感是喜悦还是愤怒，是批评还是赞赏，这个理解过程很重要，它需要识别一些奇奇怪怪的表情包，还需要弄懂一些网络流行词汇的缩写以及谐音梗，相比于线下传统的情感表达，社交媒体用户情感的表达更加多样，所蕴含的情绪更加强烈且复杂、隐蔽；
第四个阶段为熟悉社交媒体商业运作阶段，这一阶段的用户已经能够识别商家挂在社交媒体平台的隐性消费推送。橱窗购物转移到数字领域的现象已经屡见不鲜，社交媒体“监视”着用户的情感表达，通过分析用户的喜好来实现商业的精准服务，例如在微信中跟朋友谈论某品牌护肤品，朋友圈里就会给该用户推送一系列护肤品的广告；
在微博中的汽车下面评论“喜欢”，微博就会持续给用户推送各类汽车的官方宣传。
（二）刺激—机体—响应理论
随着移动网络的蓬勃发展，以形态简单、互动性高、碎片即时、参与性高等为特征的社交媒体不断重构传播生态，打造了一种崭新的知识资讯传递互动空间。第50次《中国互联网络发展状况统计报告》的数据显示，截至2022年6月，我国网民规模为10.51亿，互联网普及率达74.4%，网民人均每周上网时长为29.5小时，较2021年12月新增网民1919万。而随着中国社交媒体用户成长红利以及新技术新应用的引入，中国用户情感将逐步从娱乐化向垂直化内容深耕，这对从知识传递与大众教育的多角度的情感构建表达而言，是个好消息。
刺激—机体—响应理论研究社交媒体用户的特点，从刺激反应的角度出发，社交媒体营销活动与用户情感建构和表现之间是存在刺激影响的机理作用的，剖析用户在社交平台上情感建构和表现的影响原因，基本上都是因为受到了某条广告信息或者视频内容的影响，然后对应产生的反射（反馈）行为。
（一）社交媒体用户情感表达的现状
由于社交媒体在前台有隐藏真实身份的功能，并且逐步开发了美颜特效、变声特效等功能，这些功能大大增加了用户的自信心，自我表达欲望增强，在社交媒体中流露出的情感也更为丰富，他们的情感表达方式在不经意间受到了社交媒体中源源不断的信息流的影响，容易丢失自己的判断力，导致“跟风”现象的产生。在疫情时代，利用社交媒体传递情感与思想，具有建设性意义，同时还可以利用社交媒体宣传防疫小知识，消除恐慌，这些都是社交媒体用户情感表达的优点；
但是部分网民意识不到互联网不是法外之地，在社交媒体中的言语表达不符合社会主义核心价值观，还有一部分网民在社交媒体中传递不实信息，实施诈骗行为，影响社会治安。社交媒体用户情感的表达可谓是有利也有弊，总的来说缺乏有效的应对策略，还需要进一步完善管理。
（二）存在的问题分析
1、对个人隐私的挑战
互联网不断发展，各类软件不断开发，绝大多数平台都需要用户实名制登录后才可以使用，各个社交媒体的用户隐私已被广泛采集，用户的个人隐私保护问题面临着挑战。很多用户不知道的是，自己也正被当作“免费劳动力”不断为社交媒体平台源源不断地产生数据，帮助其获得商业利益。然而就法律方面而言，每个用户都有自己的隐私保护权，商业平台直接通过爬虫获取用户的隐私数据存在着法律问题。
2、用户偏差的局限
在此次研究中，数据存在的偏差主要是用户的年龄偏差和性别偏差，《新媒体蓝皮书：中国新媒体发展报告》（2022）显示，新媒体用户群体继续呈现年轻化趋势，18-35岁的用户占比接近80%，女性用户规模明显高于男性用户。
3、情感特征与行为特征的相互作用
使用者在社交平台上的用户行为主要包含了实际行动与情感心态两方面，而用户的自尊心以及快乐幸福等心理特征会受到行动因素的影响。用户的行为特征是用户情感的外在表现，每一个行为都有其对应的心理建设，所以，根据情感特征与行为特征之间的关系，我们可以发现，用户在使用社交媒体时，日常的自我呈现行为以及各种情感数据，都是可以通过对社交媒体产生的用户行为与情感的相互作用的科学分析，从而建立模型来预测的，也可通过模型为后续数据收集和特征处理做好准备。
（一）样本选取
只有将用户的人格特征与其相应的社交媒体数据相关联，才能建立社交媒体用户情感表达的预测模型。国外主要的调研平台是Facebook，通过在用户提交时采集用户的个人信息数据。由于防火墙的存在，采用国外的方法做调研有一定难度。而国内的采集平台则是新浪微博，作为全民爆火的社交应用，通过微博后台实现大多数的用户心理特征数据收集较为简单。
因此本文研究样本选取为100名新浪微博的活跃用户，样本中年龄低于18岁的占比为10%，年龄介于18-35岁的占比为75%，年龄介于36-50岁的占比为15%。判断活跃用户的标准为用户使用微博年限超过一年，最近一个月的发博次数超过50次，每周的在线频率超过20次。
（二）数据收集
1、问卷设计与发放
（1）主观与积极的情感问题：在20个条目中，按7点计分。其中，整体家庭满意度问题5道、正面情感频次问题6道、负面情感频次问题8道。
（2）自尊自信量表：6个条目，采用5点计分，根据自尊自信的程度从0-5计分，分数低的代表自尊自信程度低。在正面陈述的题目上作积极评价，同时在反面叙述的题目上作消极评价的，属于积极的自尊自信评价。最终得分与自尊自信程度成正相关。
（3）筛选题：3个条目，筛选题的设置可以测试问卷质量，测试用户填写时的注意力是否集中、是否认真答题。
本研究筛选每个月在社会化媒介发布内容大于50条的用户，发出调研答卷，使用者在递交答卷之前已被告知本研究将使用爬虫收集其社交媒体数据，并进行匿名处理。最终，问卷数据控制在合理的因变量标签数据内。
2、爬虫数据获取
（1）基于社交平台（如微博）所提供的API接口的方法。“使用API接口的方法获得的数据将通过JSON或XML格式表示，它是一套非常常规的生成数据方法，媒体平台会对访问请求进行次数限制和速率，访问太快IP就会被短暂锁定，无法访问。”[1]
（2）基于社交媒体网页解析的方法。由于社交媒体网页机制的影响，想要爬取大量数据就必须先破解各个网页的反爬虫机制，且想要获取大量数据也需要使用不同账号和不同IP。
表1-多元线性回归预测社交媒体用户情感的模型结果
表2-Logistic回归预测社交媒体用户情感的模型结果
3、多元线性回归模型
（1）多元线性回归：建立预测模型是在本研究完成数据处理后，通过将数据特征提取建立模型，但通常受数据偏差等各方面影响，这些数据特征变量存在着相关性，进而导致多重共线性。本项目原理就是将数据在低维空间的超平面投影点尽量分开，将投影后的样本点的方差最优化，以此避免冗余数据和噪音信号。
（2）模型结果：详见表1。
4、Logistic回归模型
（1）Logistic回归：线性回归模型对数据的分布有很大的要求，必须假定因变数和自变数相互之间存在直线联系，其误差项即为一组遵循正态分布、且期望次数为零的随机变数。想要克服这些缺点可以采用Logistic回归模型。它的优点是可以避免假设数据分布不均带来的问题。
（2）模型结果：详见表2。
5、本章小结
通过模型结果可知，对现实生活满意度高的用户在社交媒体中的消极情感较少；
对现实生活满意度低的用户在社交媒体中的积极情感较少。用户与用户间的情感表达会相互传染相互影响；
选取的样本中，在社交媒体活跃度最高的用户年龄集中在18-35岁，表明年轻用户更倾向于用社交媒体表达情感。
社交媒体中用户对网络舆情事件的情感相互感染和传播，用户情感表达的集合直接影响着事件的发展与演化趋势，有不少负面情绪或不利情感，如果不进行引导和控制，则网民易出现情感极化现象，并且社交媒体中存在许多隐形商家的消费陷阱，售后问题也会影响用户情感。
社交媒体用户对网络舆情事件的情感相互感染和传播，若不对负面情绪或不利情感进行引导和控制，网民的情感就很容易受到影响进而造成舆论风波，影响现实社会中的人和事。因此，本研究提出社交媒体中用户情感表达的引导策略如下。
（一）提高对社交媒体中意见领袖的关注度
具有高关注度的关键用户的行为或者态度会直接影响到其他用户的态度，导致舆论的发酵。比如“湖南娄底宝马司机撞人拖行”事件之所以能够得到广泛传播，主要得益于各微博大V们转发和呼吁，才使得大量网民为当事人发声；
再比如“于欢杀人案”，南方周末作为媒体中具有高关注度的关键用户发布《刺死辱母者》，整件事情的舆论开始倒转，可见意见领袖的影响力。相关部门应加强对社会网络关键用户的关注，一方面，对关键用户的情感构建与表达进行严格把关，避免谣言的产生；
另一方面，应避免情绪较负面或激进的高发布用户、高影响力用户和高转发用户等将负面情绪传播给其他用户。此外，相关部门可通过开通官方微博、微信公众号等方式来增加政府部门的公信度和公众影响力，以便更方便快捷地引导舆论的传播与演化。
（二）提高对社交媒体中隐形商家的关注度
核查社交媒体中商家的资质与证明文件。专业的购物网站，须具有我国法律法规需要的所有合法经营证件，如工商部门核发的网络营业执照、国家通讯管理机关核发的电信服务运营许可（一张电讯业务经营许可代表着真正的1个IP地址）、特定商品运营许可（如卷烟、药品）等。很多社交媒体中附带有购物链接，我们将其中介绍不明、资历不明且吸引人消费的商家称为隐形商家，并呼吁用户提高对社交媒体中隐形商家的关注。
对欲购商品进行比对查证。选中社交媒体里面熟人推荐的某款商品，先不要急于付款，俗话说货比三家，网络购物也是如此。多选择其他网站进行商品的比对查看，主要查看其他网站上这一款商品的许可证、价格、性能以及售后服务等，通过平台中其他用户们的评论发表的图片进行综合评判，充分了解其外观质量等信息后再进行网购，这样可以降低货不对板等上当受骗的可能。
（三）注重对用户情感构建与表达的引导策略
1、引导用户在社交媒体传递正能量
社交媒体用户需要在官方的引导下接收和传递正能量，例如抖音、快手等用户在发表评论前会得到提示“善语结善缘，恶语伤人心”，淘宝、闲鱼等用户的对话框也会自动提示“请勿使用系统以外的其他聊天工具，以确保沟通、交易的安全”等。各级政府官方媒介可以起到积极推动的作用，率先整合地方资源优势，打造“正能量内容+VR科技+视频”的传播，提高使用者观看正能量的投入感，尤其是找对年轻用户喜欢的全新展现方法，让他们由正能量的“被动接受者”转化为“主动加入者”，例如北京地铁的官方微博，几乎对微博下面每个用户关于北京地铁的建议和疑问都做出了回复，比如上下班高峰期坐地铁难、地铁内异味、地铁里广告误导人等问题，都会第一时间给出答复，缓解用户的负面情绪，这才是官方应有的态度。
2、引导用户在社交媒体上情感的稳定
面对关系到群众利益的公众情绪，要基于理性和规则前提下进行讨论，例如2020年公众对武汉的疫情因为不够了解而存在恐惧心理，导致社交媒体部分用户情感偏激，这时央视推出科普短视频《武汉：我的抗“疫”日记》，以一名普通武汉居民的视角为视频的第一视角进行人格化讲述，更具有人情味，让公众在了解武汉疫情的同时产生了强烈的代入感，缓解了社交媒体用户紧张且反复的情绪，促进了用户情感的稳定。
面对突发事件引起的矛盾、紧张的情绪，首先，使用者应当自觉地尽量避免或减轻矛盾，尤其是在未成年人使用者面前。用户矛盾一经产生，应当以合理方法化解矛盾，让他们掌握合理的矛盾处理对策。其次，当用户经历矛盾以后，平台要指导用户对矛盾因素作出合理归因，以避免用户将矛盾因素归属于自身或形成威胁感，甚至产生自责。再次，当用户经过消费陷阱以后，平台对用户作出情感安抚，及时处理好售后问题，维护用户作为消费者的权益。这样可以减轻用户的情绪紧张感，避免心态障碍。政府和主管部门要严厉打击恶意制造线上冲突的行为，让用户清楚这涉嫌犯罪，不可轻视问题。
注释：
[1]张彦超,刘云,张海峰,程辉,熊菲.基于在线社交网络的信息传播模型[J].物理学报,2020,(05):66-72.
猜你喜欢 社交用户情感 社交牛人症该怎么治意林彩版(2022年2期)2022-05-03基于用户和电路的攻击识别方法电子乐园·上旬刊(2022年5期)2022-04-092021少儿出版用户触达能力指数出版人(2022年3期)2022-03-23聪明人 往往很少社交好日子(2021年8期)2021-11-04社交距离第一财经(2020年4期)2020-04-14情感小太阳画报(2019年10期)2019-11-04《悦读·家》开播激发爱国爱家情感共鸣海峡姐妹(2019年9期)2019-10-08诗歌与情感的断想中华诗词(2018年9期)2019-01-19你回避社交，真不是因为内向文苑(2018年17期)2018-11-09台上小资CHIC！ELEGANCE(2018年20期)2018-07-06