——以“海底捞老鼠门”为例

马诗雨   杨越  吕廷杰  陈霞  北京邮电大学

基金项目：国家重点基础研究发展计划（973计划）“面向服务的未来互联网体系结构与机制研究”（2012CB315805）；国家社会科学基金重大项目“中国基础电信服务业开放战略问题研究” (15ZDB154)

摘要：通过完整分析“海底捞老鼠门”事件舆情发生迅速翻转的情况，用系统动力学方法探究企业面对突发的危机事件可采取的改善舆情的方法。将系统动力学与情感分析结合，利用Vensim工具与文本情感分析工具，分析影响企业危机事件正负舆情的因素，探究各相互影响的子系统的演化机理，改善舆情的情感走向，找出敏感性因素。仿真发现，企业响应感知、高层担责度和对核心竞争力的冲击程度是影响舆情走向的最重要的因素，企业应优先考虑并加以应对。

关键词：企业危机应对；正负面网络舆情；敏感性排序；情感倾向

一、引言

近些年来，企业危机事件爆发的数量显著增多，且呈现出逐年递增的趋势。近年来，政府舆情应对能力上升，而企业在舆情危机应对方面的脆弱性凸显出来，使企业危机事件常成为年度互联网舆情的爆点。互联网的发展，使市场上的信息不对称现象减少，同时伴随基于互联网的一些网络媒体、自媒体及社交平台的出现，使信息的传播具有了传播速度快、范围广、形态多样、难以管控等特点，消费者、媒体等各个群体都能够针对其对企业产品和服务的体验来发表自己的见解。在企业突发事件发生时，负面信息往往更能聚集网民稀缺的注意力，事件将会在网络中迅速传播，传播过程中可能会被无限放大，形成影响范围较大的网络舆情。尤其是被网络媒体报道或者被网络影响力大的人物传播后，其传播速度和影响范围将会更甚。企业危机事件负面舆情的发展会影响企业的社会声誉和信誉，进而影响到企业的短期利益，甚至影响到企业的存亡。但是负面舆情里其实隐含着少量的正面舆情，只是往往容易被埋没，但是，如果企业能关注到正面舆情的网民所关注的内容，并进行积极的正面引导，那么正面舆情上升的速度将会超过负面舆情，并最终占据上风，而使危机事件对企业品牌形象和营业利润的冲击作用程度最小。

目前在国内，已由很多学者对网络舆情事件进行研究，多是将舆情作为辅助政府决策的一种工具。如齐佳音等运用系统动力学方法对政府公共危机事件管理决策提出建议；杜蓉等用复杂系统多主体建模方法构建有无政府参与的舆情系统以帮助政府控制危机事件发展。还有一些学者对企业的网络舆情进行了分析，但是数量相对较少，如屈启兴等认为可针对企业微博的网络舆情热度设计公式，帮助企业预测舆情热度；朱舸等以建立贝叶斯网络模型的方式来建立高效的网舆分析模型。还有一些学者开始用不同的方法对代表舆情情感倾向的文本进行分析。如Shuyuan Deng等提出了一种使用无注释的语料库和字典对现有的情感词典进行领域特定情感分类的方法，显着改善了情绪分类性能。Shi Feng等提出了一种基于集成图的嵌入式情感聚类模型，展示了其在博客中的应用。Jiajun Cheng等提出情感分析框架可以适应不同的递归神经网络模型训练和推断模型。Yanyan Zhao等提出了一种基于新浪微博的社会舆情传感器系统来检测日常热点话题，并分析这些话题的情感分布，以实时监控社会情绪变化。Donglin Cao等建立了一个跨媒体的微博舆情分析系统，将情感和意象融合，详细分析了情感在区域、话题、微博内容和用户扩散中的作用。研究企业舆情应对的这些学者以理论研究方法居多，实证方面较少；在分析舆情整体的热度的文章中，没有将舆情根据情感倾向进行分类，导致正面舆情的作用往往被忽视，难以放大其影响；而在情感分析的文章中，多停留在算法层面，没有进行实证分析，因此分析都存在不系统而全面的问题。同时，缺乏对正面案例的分析，没有找到有模范效应的案例。对于发生危机事件的企业来说，其需要结合网民情感分析工具，同时考虑响应感知能力、本身的品牌效应、核心竞争力等多因素对正负舆情的不同影响，以帮助企业决策者能充分了解影响危机事件的各因素间的作用关系，预测决策效果，并以最小代价消除危机事件的舆论影响。运用系统性的综合思维，结合危机事件发展过程中的作用主体、子系统和各种影响因素，建立系统动力学的流图模型，并以海底捞恰当处理“老鼠门”危机事件为例，对该模型进行仿真实验，以发现危机事件影响因素的敏感性，为企业提供危机事件舆情应对新思路。

二、企业危机事件网络舆情作用主体分析

企业危机事件通常会经历被媒体曝光、网民知晓并热议从而各子系统互相影响而形成正负面舆情，最终热度减退的过程。通过确定系统内作用主体及其作用路径，为建立有效的系统动力学模型提供帮助。在企业危机事件的网络舆情作用系统中,设置了有主要关系的五个作用主体:网民、网络媒体、政府、企业、危机事件。

（一）网民

网民是指在互联网上获取信息，并参与网上讨论、发表评论，在一定程度上影响现实社会的居民。其讨论企业危机事件主要出于以下两个目的：一是交流目的，借助公共交流平台，各网民的观点得以汇聚和传播；二是参与目的，网民希望发表自身的看法，行使作为社会成员的权利。因此，阶层和文化等因素将不再成为参与互联网的限制。

（二）企业

企业由于经营管理上的某些疏漏，往往会成为危机事件的焦点，发生后，企业需要对事件影响进行应对以管理与控制舆情的发展。对事件的处理和对正负面舆情的处理是企业对网络舆情热度处理的两个表现方面。不同企业对网络舆情的响应感知不同，关注程度便不同，进而会采取不同的应对措施，导致公众对企业满意度呈现差异化。这些措施包括提高舆情响应速度、提高高层担责度、增加企业对于事件的信息公开度等。通过对事件的恰当处理和舆情的正面引导，网民对企业的满意度将会提高，企业网络舆情热度将会更加快速地消退。

（三）网络媒体

网络媒体指网络论坛、即时通信工具、博客、微博、社交网站等进行社会沟通交流的工具。具有传播快捷性、传播开放性、交流互动性等特点，担负着一定的引导舆论、舆论监督等社会责任。它伴随着互联网的发展，社会影响力日益扩大，也成为了给民众提供与政府平等对话的重要沟通平台。网媒对事件的关注很大程度影响网民的关注。但是，网媒也存在报道失真，误导舆情的风险。因此，网媒对应对效果的影响不可忽视。

（四）政府

政府的态度和措施在引导舆情方向和控制危机事件影响范围等方面的作用是巨大的。在企业网络舆情中，政府主要负责在企业危机事件发生前对各类型企业进行引导规范，在发生后对企业危害行为进行批评与责令整改，对其未来企业活动进行监督。政府的参与度代表着政府的关注度，因此网民往往会很关注政府的参与度。

（五）危机事件

企业危机事件是引发网络舆情的关键，其爆发之后会随影响程度的不同而引发网民不同程度的热议。鉴于危机事件总契合民众的关注点，辅之信息获取愈发方便、传播速度愈发快速，轰动效应愈发强烈，因此舆论的态势也愈发强大。事件的危害程度和事件的影响力成为事件作用力的主要构成要素。

三、企业危机事件网络舆情主体相互作用机制的系统动力学建模

图 1网络舆情作用机制的流图

（一）系统边界确定与基本假设

在互联网环境下，为避免一些不必要因素对企业网络舆情系统造成干扰，在进行系统动力学建模前要适当划定系统的边界：

该系统的研究对象设定为网民、网媒、企业、政府和危机事件自身，这些主体推动了企业网络舆情的形成与演进。假设这五个主体是影响网络舆情热度变化的主要因素，不考虑其他主体影响。企业网络舆情的情感倾向主要为正面、负面、中性三种，而本研究将重点确定为企业负面和正面网络舆情。

为便于研究，本研究做出以下假设条件：假设危机事件主要是在网络上传播，网络媒体调查跟踪事件对象并对其曝光；同时，事件之间相互独立，不存在耦合影响；舆情的情感倾向的分析重点是网络上的文本数据，便于进行文本挖掘。

（二）流图分析

该系统的流图共包括43个变量，即4个流位变量、9个流率变量、16个辅助变量、14个常量，共形成了5个子系统，即企业子系统、网民子系统、网络新闻媒体子系统、政府子系统和危机事件子系统，其主要通过企业危机事件正面和负面网络舆情热度相互联系与影响。

1.企业子系统

企业关注度、企业响应感知、企业的作用力及其组成因素共同影响了网民对企业的满意度，网民对企业的满意度提高会降低其对事件的持续关注度，正面和负面网络舆情热度也会随之降低直至事态平息，因而形成了一个负反馈环。

2.网民子系统

事件作用力、网络新闻媒体、政府参与度、意见领袖和网民自身的好奇心共同决定了网民的关注度，网民的关注度会通过浏览与回复网上评论等行为体现。评论数量越多，网民参与度越高，舆情热度越高，而舆情热度又会进一步刺激网民关注度的提升，最终形成了一个正反馈环。

3.网络媒体子系统

企业危机事件的影响力越大，网媒发布的新闻数将增加，新闻数量又代表了网络媒体的事件关注度，事件关注度越高，发布与转发的新闻数量将会增加，舆情热度将会越高，与此同时，网民关注度由于受网媒关注度影响，因而也会增加。

4.政府子系统

对于该系统来说，企业负面网络舆情热度引发了政府的关注，而政府对于企业处理舆情的满意程度又与政府的关注一起决定了是否需要发布相应的新闻，其数量代表了政府对事件的参与度。而政府的参与度又影响了网民的关注度和网络媒体的参与度从而间接影响企业的负面舆情热度。

5.事件子系统

由于事件的影响力与事件的危害性共同影响事件作用力，故此二者越大，事件作用力则会越大，政府的关注度将会越大，但是，时间因素会使事件作用力逐渐减小，因对此时间变量加以考虑。

（三）舆情“成长的上限”基膜

基模是用来解释和展现系统性思考的有效语言，复杂的现象可用其来有效分析与解释 。因此，基模分析的定性结论可以有效指导定量分析。本模型中的企业子系统与网民子系统共同构成了正负网络舆情的“成长上限基模”。

1.模型主要公式

通过找到影响系统的变量及其因果关系，构造可以进行变量值计算的公式，并对系统进行仿真。以下是一些主要变量的计算公式。

2.事件作用力

事件作用力=(0. 415*事件影响力+0. 585*事件危害程度)*EXP(-Time/8)

构造方法：网络舆情事件最初会引起热议，但随着时间的流逝，其对该件事件的关注度会显著降低，因此，事件作用力会随着时间增长呈现出指数性减弱。采用专家打分法来确定事件影响力和事件危害程度的权重，打分范围定为[0，10]，事件危害程度为8. 523，事件影响力为9. 205。

3.舆情热度

企业负面网络舆情热度=INTEG(网民参与度-正面新闻数-网民对企业的满意度，0)

企业正面网络舆情热度=(正面舆情引导*正面新闻数+网民对企业的满意度*5)*6. 9

构造方法：企业的正面网络舆情热度由三个因素影响，正面舆情引导会促进正面新闻的增加，网民对企业的满意程度则会使正面舆论呈较大倍数增长。经过访谈和专家打分法发现，正面舆情引导的力度主要由企业的认错态度和高层担责度决定，而网民对企业的满意度会受到延迟作用的影响，并不会在企业做出应对措施便即刻满意。

4.网民关注度

网民关注度=网民好奇心*事件作用力*(0. 4*网络新闻媒体参与度+0. 25*企业负面网络舆情热度+0. 1*政府参与度+0. 25*意见领袖发声)   

构造方法：本式中，有4个变量对网民关注度产生直接影响，“网络新闻媒体的关注度”产生的影响最大，因而所占比例最高。权重值采用专家综合评判的方法获得。

5.网民对企业的满意度

网民对企业的满意度=DELAY N(企业作用力-网民对企业作为的预期+回应速度，4. 5，0，1)

构造方法：企业不同的品牌形象会影响网民心中对企业的预期，预期越高越容易降低对企业的满意度；回应速度越快，代表企业对危机事件越关注，则解决速度也会越快，网民对企业的满意度越高。但是，网民对企业的满意度还会受到多方面的影响，因此会有延迟效应。

6.企业作为意愿

企业作为意愿=IF THEN ELSE(企业关注度>=企业响应感知，(企业关注度+高层担责度)/企业响应感知，0)   

构造方法：通过利用逻辑判断函数将企业关注度与企业响应感知做比较，如果企业关注度未达到企业响应感知值，则企业将采取不作为的方式应对；如果企业关注度达到企业响应感知值，则作为意愿依据比值分为不同程度的作为意愿影响后续分析。

7.企业作用力

企业作用力=企业作为可能性*(0. 479*信息公开度+0. 594*回应速度+0. 419*整体整改+0. 627*认错态度+0. 446*负责到人+0. 529*高层担责度)

构造方法：权重值是通过前期问卷调研和专家访谈确定企业作用力的六个方面的重要程度。企业作用力的值在70-100之间，当数值在70-75之间时，代表企业应对危机只采取了1种及以下的措施；当数值在75-80之间时，代表企业应对危机只采取了2种措施；当数值在80-85之间时，代表企业应对危机只采取了3到4种措施；当数值在85-90之间时，代表企业应对危机只采取了5种措施；当数值在90-100之间时，代表企业应对危机只采取了6种及以上的措施。

8.政府

政府参与度=100-32. 05*EXP(-0. 000 763 4*政府网站新闻数量)-回应速度

政府关注度=100 -36. 1*EXP(-0. 001 142*(事件作用力+企业负面网络舆情热度))

构造方法：对实际数据采用Matlab工具进行仿真拟合而得到。

9.其他

（1）浏览量=2. 981*10. 4*网民关注度

（2）评论数= INTEG (评论增加率-评论减少率，100)

（3）政府网站新闻数量= INTEG (政府网络新闻增加率-政府网络新闻减少率，1)

（4）政府网络新闻减少率=政府网站新闻数量*(1-政府新闻热度指数)

（5）政府网络新闻增加率=(政府关注度/100)*政府对企业作为的满意度

（6）网民参与度=100-51. 85*EXP((-7. 64^)*评论数)

（7）网络新闻媒体参与度=100-91. 86*EXP(-0. 001 4*网络新闻数量)+政府参与度

四、实证分析——以“海底捞老鼠门事件”为例的模型仿真

（一）事件背景

2017年8月25日，《法制晚报》看法新闻记者经过四个月深入调查，曝出海底捞北京劲松店和太阳宫店的后厨存在老鼠乱窜等卫生安全隐患问题，引发舆论广泛关注与讨论。“海底捞老鼠门”事件曝光后，海底捞凭借其快速而诚恳的回应迎来史上最快速的网络舆情情感倾向的反转，并以正面舆情占比高于负面舆情而结束，其应对行为成为企业危机公关的典范。

本文选择“海底捞老鼠门”事件作为实证研究依据的主要原因如下:

一是事件具有完整性。海底捞老鼠门事件发生于2017年8月25日，到现在为止，其已完整经历事件爆发、企业应对、明确处理结果的过程。事件的完整性对研究企业危机事件主体相互作用机理有重要现实意义。

二是企业、网媒、网民、政府间作用明确。“海底捞老鼠门”事件发生后，三个小时内，企业发布调查结果，承认错误、致歉并立即公布整改具体措施，并积极响应政府的阳光厨房计划，有效扭转舆情方向；另一方面,很多网络媒体密切跟进并赞扬了企业高层主动担责、保护员工等措施，纷纷以深度剖析企业公关方式介入舆论中心，使企业应对效果佳的形象不断得到加强。网民纷纷积极评论官方回应，使得网络舆论趋于正面的情感倾向。

三是应对效果很好，借鉴作用明显。海底捞的危机处理采用多种方式共进的方式，有利于对多个影响因素进行敏感性分析以发现其效果较突出的措施，给其他企业应对危机事件提供了良好的借鉴意义。

（二）事件数据获取、预处理及词云分析

在事件刚被“法制晚报”曝光时，运用微舆情工具进行网络热词频率分析以预判出舆情趋势，见图2，是负面舆情明显占据上风；之后，海底捞针对此事件发布通告，公布事件调查情况、承认错误并公布具体整改措施后，对通告后的文本评论进行网络热词频率行分析，发现舆情迅速发生逆转，正面舆情明显占据上风，负面舆情逐渐降低，见图3。以2017年8月25日由“海底捞火锅”官方媒体账号在新浪微博平台发布的微博：关于“海底捞火锅北京劲松店、太阳宫店事件处理通报”为例，借助网络爬虫工具Gooseeker，于2018年1月12日抓取了本条微博的关键数据。主要抓取了评论数、点赞数和评论文本，其中转发数18 122，点赞数18 103和12 492评论文本，覆盖人数达到1. 7亿，引起高度关注，具有较大的舆论影响力。其中有不少意见领袖，如ID“夏目家的小诗哥”带动的转发数达到2 184。经过对无效评论的处理，最终获得有效评论文本数量达到17 682条。抓取此篇微博的原因是，其是企业为应对危机事件采取的主要改正措施，并引起了网民热议，得到了媒体的重点报道，并且易于获取和分析事件网络舆情的情感倾向趋势，为企业突发危机事件网络舆情应对提供了良好的参考。

图 2法制晚报曝光后的词云         图 3 “海底捞”公布调查结果后的词云

（三）仿真结果分析

本文根据数据量大小，将清博舆情网站监测所得正面和负面的网络舆情分析情况、微图的舆情分析得分结果及微指数和百度指数等网站的热度分析结果进行加权调整而得出最终正负舆情得分，范围为0-1，越接近0，舆情热度越低，越接近1，舆情热度越高，来验证模型的可靠性。仿真值代表系统动力学仿真得到的结果，真实值代表上述加权结果，模拟72小时的现实情况，其中，V1和V3分别是正面和负面舆情的仿真值，V2和V4分别是正面和负面舆情的真实值。线性拟合图如图2和3所示，并用SPSS进行拟合度以及两样本独立T检验，拟合效果良好，可用于仿真预测。

图 4 正负舆情仿真值和真实值的拟合

1.初始情况

根据事件实际情况进行模型各变量的初值设定后，设定仿真初始时间为0，步长为1，单位为小时，共运行72个小时，模拟8月25日到27日的现实情况，对企业负面舆情热度与正面舆情热度进行仿真。

图 5 初始情况正负舆情的仿真情况

2.改变企业响应感知

企业响应感知即企业面对负面舆情时，开始对舆情做出应对的阈值，该值越小说明企业的响应速度越快。我们根据相关资料将企业的响应感知分为很慢（1天之后做出回应）、慢（8-24小时之内做出回应）、快（4-8小时之内做出回应）、非常快（4小时之内做出回应）这四个阶段，从0-100中取值。根据海底捞在本次事件中的响应速度属于快，将初值设定为25。企业响应感知提高30%后，即从4个小时减慢到5.2个小时再做回应，企业的负面舆情有所上升，正面舆情超过负面舆情的时间点比初始情况后移约3个小时，且正面舆情热度的至高点低于初始情况。企业响应感知降低30%后，即从4个小时加快到2.8个小时再做回应，企业的负面舆情有所下降，正面舆情超过负面舆情的时间点比初始情况增快约1个小时，且正面舆情热度的至高点高于初始情况。

图 6 改变企业响应感知后负面舆情变化

图 7 改变企业相应感知后正面舆情变化

3.改变企业作用力中的高层担责态度

在危机事件发生后，企业往往采取开除涉事员工以撇清与企业的关系，这通常成为媒体诟病企业之处，而企业主动承担管理的责任，妥善处理涉事员工，体现人性化管理，往往会起到良好的正面舆情引导的效果。我们根据问卷调查结果将企业作用力的各组成因素的初值均设定为5。将高层担责态度提升30%后，企业的负面舆情有所下降，正面舆情热度的至高点高于初始情况。高层担责态度降低30%后，企业的负面舆情有所上升，正面舆情超过负面舆情的时间点比初始情况后移约2个小时，且正面舆情热度的至高点低于初始情况。

图 8改变高层担责度负面舆情变化

图 9改变高层担责度正面舆情变化

其他直接影响企业作用力的因素与上述图9类似，程度提高30%，正面舆情峰值升高，而负面舆情峰值将降低。因此，在此不做赘述。

4.改变事件对企业的核心竞争力的冲击

通过调查问卷和专家访谈得到，事件对企业核心竞争力的冲击度，对网民舆情倾向将会产生很大影响。如服务类企业在产品方面出现问题后，网民倾向于原谅该企业；而服务类企业在服务方面出现问题后，网民则倾向于不原谅该企业。因此所涉危机事件对企业核心竞争力的冲击程度或相关程度，将对舆情有显著影响。通过仿真得到，企业通过采取多种应对措施组合的方式使企业作用力整体至少提升20%才能达到期望的效果。

图 10 改变对企业核心竞争力的冲击度负面舆情变化

5.敏感性排序

首先进行负面舆情对企业作用力的敏感性排序，正负面舆情得到的结论相同，因此我们以负面分析为主。高层担责态度是作用力中最令负面舆情敏感的因素，其次依次是：认错态度、回应速度、信息公开度、负责到人和整体整改。接着将最敏感的高层担责度与其他因素和初始情况绘制在同一张图内进行分析得出，企业负面舆情热度对企业响应感知更为敏感，其次是事件对核心竞争力的冲击度，第三是高层担责度。因此，对于企业危机事件的负面舆情，最为敏感的影响因素为企业响应感知，其次依次为事件对核心竞争力的冲击度、高层担责度等。

图 11负面舆情中企业作用力的影响因素的敏感性

图 12负面舆情整体影响因素的敏感性

6.改变整体企业作用力的情形

若在企业危机事件发生后，企业不采取任何应对措施或者措施力度不足，那么负面舆情将会占据主导性地位，远超过正面舆情，最终难以得到企业希望得到的良好的应对效果，见图12。但是，随着企业作用力的升高，负面舆情会逐渐降低，正面舆情会逐渐升高，直至以正面舆情为主，便演化成“海底捞老鼠门”事件的趋势图。这也是很多企业危机事件的应对效果不理想，与海底捞具有显著差异的原因。

图 13应对危机事件采取措施不足时的正负舆情情况

五、结论

本文对企业危机事件网络舆情的作用机理采用了系统动力学与情感分析相结合的方法进行了研究，重点分析了对危机事件正负网络舆情热度的影响因素。结论如下：通过对仿真曲线的观察可知，互联网时代，信息呈现过饱和状态，因此正负网络舆情热度从爆发到恢复平稳一般是1至3天，并在事件曝光的第一天迅速达到高潮，这与“海底捞老鼠门”事件的舆情趋势一致。在如今的大数据时代，互联网每日都有海量信息，因此，单个事件的舆情周期变短，如果企业不能在短时间内做出应对处理，负面舆情将最终占据上风，给网民留下企业事件应对能力效果差的印象，严重损害企业的品牌形象。

因此，对于企业来说，首先，要降低其响应感知的阈值，以做到在舆情危机公关的“黄金四小时”中进行及时的处理。其次，在企业的应对措施中，高层承担责任的态度对舆情情感倾向的扭转起重要作用。一旦出现了危机事件，向民众展示自己的责任感其实就是在展示企业本身的责任感，同时，不是将责任推在员工身上，更向社会展示了一个企业的人性化管理，更容易得到广大网民的谅解和媒体的正面报道，最终将帮助企业赢得负面舆情热度的快速降温以及更持久的正面舆情热度。然后，要关注企业所拥有核心竞争力的领域，在核心竞争力层面尽量保证不要出现严重问题。如果企业的危机事件触及其核心竞争力方面，其所产生的负面舆情会比未触及时更高，想要平息或反转负面舆情则需要企业付出更大成本，做出更大的努力，甚至会陷入无法挽救的危险境地。同时，企业的认错态度也很重要，出了问题之后拒绝承认错误的态度，遮遮掩掩，将会引发更大的负面舆情，不利于对正面舆情进行积极引导。最后，从企业应对的整体作用力来看，对不同类型的危机事件划分等级,确定每个等级的事件需要的达到的企业作用力，这样易于快速知道采取多少类型的应对措施、力度如何、如何引导正面舆情，起到良好的应对效果。

参考文献：

[1]人民网舆情监测室. 2016年互联网舆情报告 [EB/OL].(2016-12-22)

[2]齐佳音.基于系统动力学的政府突发性公共危机事件网络舆情管理决策研究[A].中国信息经济学会.2013中国信息经济学会学术年会暨博士生论坛论文集[C].广州:中国信息经济学会:2013:20.

[3]杜蓉,梁红霞.公共危机事件中政府对网络舆论的引导仿真[J].情报杂志,2011,30(11):61-66.

[4]屈启兴,齐佳音.基于微博的企业网络舆情热度趋势分析[J].情报杂志,2014,33(06):133-137.

[5]朱舸,齐佳音.企业危机事件网络舆情态势评估[J].情报科学,2015,33(06):48-53+57.

[6]DENG S Y, SINHA P A, ZHAO H M. Adapting sentiment lexicons to domain-specific social media texts[J]. Decision Support Systems, 2016,94:65-76.

[7]FENG S, PANG J, WANG D L, YU G, YANG F, XU D P. A novel approach for clustering sentiments in Chinese blogs based on graph similarity[J]. Computers and Mathematics with Applications, 2011,62(7):2770-2778.

[8]CHENG J J, ZHANG X, LI P, ZHANG S, DING Z Y, WANG H. Exploring sentiment parsing of microblogging texts for opinion polling on chinese public figures[J]. Applied Intelligence, 2016,45(2):1-14.

[9]ZHAO Y Y, QIN B, LIU T, TANG D Y. Social sentiment sensor: a visualization system for topic detection and topic sentiment analysis on microblog[J]. Multimedia Tools and Applications, 2016,75(15):8843-8860.

[10]CAO D L, JI R R, LIN D Z, LI S Z. A cross-media public sentiment analysis system for microblog[J]. Multimedia Systems, 2016,22(4):479-486.

[11]LEI L. The Value of the Outlook of Public Opinion—Based on the Perspective of China's Internet Public Opinion Analysis Report [A].Science and Engineering Research Center. Proceedings of 2016 International Conference on Education, Management and Applied Social Science (EMASS2016)[C].Science and Engineering Research Center,2016:5.

[12]王钟梅.浅谈企业危机公关的应对措施[J].现代经济信息,2015(12):39-40.

[13]彭知辉.政府视域网络舆情研究现状及反思[J].情报杂志,2014,33(09):93-99.

[14]张一文,齐佳音,马君,方滨兴.网络舆情与非常规突发事件作用机制——基于系统动力学建模分析[J].情报杂志,2010,29(09):1-6.

[15]贾仁安，丁荣华.系统动力学———反馈动态性复杂分析[M].北京:高等教育出版社,2002:2-8