【《基于大数据的网络舆情分析》12000字（论文）】

基于大数据的网络舆情分析摘要大数据时代背景下，海量的网络信息，给网络空间的治理带来了难题。网络空间的治理工作需要在把控网络舆情的发展上“多下功夫”，只有把握并掌控网络舆情的原因及未来走向，才能更好地应对网络舆情，并解决其潜在的威胁与带来的问题和影响。由于网络空间中信息的庞大与繁杂，运用大数据技术抓取网络舆情信息，则需要锁定特殊的舆情关键词，选择具有代表性并且争议颇大的舆情事件，来获取其相应的数据，并基于相应数据进行数据处理与分析，对网络舆情的发展态势进行预测与研判，从而得到网络舆情的解决方案。本文利用大数据技术爬去网络舆情数据，分析网络舆情数据中的情感走向，并以此为依据，对网络舆情背后的原因、影响及对策进行分析，从而监测网络舆情的态势发展，分析网络舆情走向，进而得出应对网络舆情的相关方法。关键词：大数据时代；网络舆情；数据可视化；数据分析目录TOC\o"1-2"\h\u129841绪论 绪论随着大数据时代的到来，数据信息的作用与力量逐渐变得不可忽视。而运用大数据相关技术发展科技、改善生活、治理网络空间，已然成为了某种社会目标和发展方向。其中，运用大数据技术治理网络舆情，成为近年来网络空间治理与舆论引导方面的重要关注点。因网络技术的不断迅速发展，网络舆情在数据量层面、内容多样性层面、产生与消退的速度层面等因素上发生巨大变化。利用大数据技术来监测网络舆情的态势发展，分析网络舆情走向，进而得出应对网络舆情的具体方案，成为了分析、治理网络舆情的重要方式。1.1研究背景最新数据显示，我国网民的总体数量已超过10亿，互联网普及率已超过70%。在10多亿居民接入互联网的时代背景下，本就棘手的网络治理工作，其治理难度再次攀升。在互联网高度发达的大数据时代，公众可以在网络空间中，基于社交平台、短视频平台及其它个人自媒体账号的形式，对外获取信息、生产信息、传播信息，网络空间的信息呈现出一种多元、复杂、真实性难以考究的状态。媒介多样化的趋势，影响着公众对社会事件、个人生活等方面的表达方式与态度。个人的信息表达变得愈加自由，衍生出泛情绪化的“怨怼”、“激进”行为，给网络空间的治理工作带来了巨大挑战。因此，网络空间的治理工作需要在把控网络舆情的发展上“多下功夫”，只有把握并掌控网络舆情的原因及未来走向，才能更好地应对网络舆情，并解决其潜在的威胁与带来的问题和影响。由于网络空间中信息的庞大与繁杂，运用大数据技术抓取网络舆情信息，则需要锁定特殊的舆情关键词，选择具有代表性并且争议颇大的舆情事件，来获取其相应的数据，并基于相应数据进行数据处理与分析，从而得到网络舆情的解决方案。近年来，利用大数据技术分析与处理网络舆情事件，提高了分析的精准程度，给相关网络治理部分提供了新的应用方式与解决方案。多数新闻机构及地方网络舆情监测中心，基于大数据技术的功能与形式，针对现阶段网络舆情的新特点与发展态势，建立舆情监测、反馈、、评估、应对、处理等全方位的应对处理机制。在这一应对处理机制中，数据爬取。数据预处理、数据分析、数据可视化等大数据技术，发挥到了重大作用。因此，基于大数据技术对网络舆情进行监测、评估与分析，是未来网络舆情治理方面的重要手段与发展方向。目前，国内选择基于大数据技术进行舆情监测的方式与研究内容越来越多。而国外研究的内容，主要是利用大数据技术对网络舆情的多个层面进行具体的细致分析，其中包括网民在网络平台针对某个舆情事件的互动情况与内容的关注度，以及不同层面的网络受众对网络舆情事件的态度与看法间的差异。国外后半部分的研究内容，也是国内对网络舆情分析时常用的手段。1.2研究意义大数据时代背景下，利用大数据技术分析处理网络舆情，能够提高相关部门应对突发事件、热门事件、敏感事件等情况的应对能力。相关部门可基于网络舆情的反馈程度，深度剖析公众对于相应事件的态度变化，把握公众对社会的认同度及价值观层面的观点。基于大数据技术分析处理网络舆情，可以及时引导公众的舆论走向，以防网络舆情事件滋生负面影响，扰乱社会舆论空间的正常生态，影响社会正常秩序。由于网络的虚拟性与信息多元化的特点，加之网络舆情的参与主体涉及社会不同阶层、不同年龄段、不同受教育程度等方面，致使网络舆情的内容及复杂程度呈现出多元化趋势，网络舆情的治理工作则成为了一种难题。利用新颖的大数据技术，可以将网络舆情的治理问题变得较为直观、简单，让工作者一目了然，从而寻找到全新的解决方案，及时引导网络空间中的受众，恢复网络空间的正常秩序。大数据技术尚未普及推动之前，由于传统的网络舆情事件的信息量并不庞大，以至于传统的信息采集技术多采用样本选取的方案，其代表性与全面性有待商榷，所采集的网络舆情数据的质量不高。但由于传统网络舆情事件所引起的波动与影响范围较小，利用传统的信息采集与相关应对措施，足以解决其引起的相关负面影响。进入大数据时代以后，单是海量信息这一现状，便使得网络舆情的治理需要采用大量的技术、付出大量的精力。采用大数据技术，从海量的信息中获取精准而有用的信息，成为了当下分析监测网络舆情的便捷方式。相较于传统的“人工浏览式”获取有用信息，大数据爬虫技术效率更高，更能有效获得所需内容，从而得到有质量的数据信息。此外，基于大数据技术的舆情监测工具更加多样化。如数据爬取、数据处理、文本情感分析、数据可视化等大数据技术，为网络舆情监测提供了更多的可能性。近年来，基于大数据技术建立起的网络舆情监测平台层出不穷，不论是官方的舆情数据中心，还是以私企为主要阵地的数据公司，其提供并分析的舆情数据，对网络舆情的治理工作提供了可行性方案。如人民网舆情数据中心，基于话题舆情数据扫描，在人民众云、人民网舆情数据中心等多个平台发布网络舆情事件的相关分析数据，为媒介报道研究及网络舆论引导治理提供方向。其中，热点舆评、舆情课堂、舆情日报、专家洞察等重要栏目，成为了人民网舆情数据中心的主要功能栏目。由该相关栏目发布的舆情分析，一方面帮助网络舆情治理工作者分析舆情走向，一方面便于学者对网络舆情、媒介文化、数据新闻传播等内容做进一步深度研究，提供了更为完整的资料。利用大数据技术进行网络舆情分析，一方面可以增强相关部门对网络舆情事件的反应能力，帮助相关部门提高网络舆情分析的质量，进而从海量的数据中获取有针对性、具体性、有效性的舆情信息；另一方面，可以提高相关部门的舆论引导能力，通过及时了解舆情数据，把握舆情事件的完整面貌，从而尽快调查相关内容，将具体事实公之于众，消除网络空间中受众对舆情事件的非议与困扰，保证网络空间的秩序正常进行，从而确保社会和谐发展。1.3研究内容及研究方法在大数据时代背景下，针对公共事务、娱乐事件、社会共同焦点、突发事件等引起的网络舆情，虽然在网络平台迅速传播后形成一定的与社会总体相对抗或相反的公众负面情绪，但究其根本，网络舆情有着极大的研究价值。因为网络舆情是公众通过网络平台向新闻媒体、相关部门反馈自身对社会现象看法的一种具体体现，通过分析网络舆情，可以窥见事件本身的社会价值及其背后公众的价值观与态度走向。此外，现阶段网民数量虽是10亿人群的大基数，但真正参与引发、推动网络舆情事件的网民以年轻群体、在校学生居多，通过分析网络舆情事件来了解当代年轻群体的人生价值观、社会价值观、世界价值观，对引导年轻群体学习、就业、婚姻等方面有着重要影响。因此，本文选择2020年5月4日青年节时的一部励志视频《后浪》所引发的网络舆情作为分析对象，通过抓取B站视频下方的评论内容，分析网友对《后浪》视频的大量评论，从评论数据获得相应评论文本，并基于文本进行情感分析，了解不同性别、不同时间段、不同内容的评论数据下，所代表着的年轻群体对《后浪》视频的不同看法。《后浪》视频主要针对的是年轻群体，其中以90后、00后为主要对象，而B站平台的大多数活跃用户的年龄分布与《后浪》视频的面对对象相吻合，因此，基于该舆情事件进行分析并得出的结论，对引导年轻群体树立正确人生价值观，有较大的参考意义，这也是本文研究的重要意义所在。在研究方法方面，先基于网页页面进行分析，获取json格式信息后，锁定评论位置区域，开始爬取网页评论信息，其中爬取的数据信息主要为前50页信息内容，将获取的数据保存于CSV文件中。获取数据后，再基于获取的数据进行分析。在获取的数据中，时间跨度为2020年5月4日至今的评论内容，其中包括具体的评论文本、评论用户ID、评论时间等信息。数据分析后，基于分析的数据绘制词云图，客观呈现评论文本的主要聚集状况；绘制性别分布构成饼状图，便于后续对比分析；绘制snownlp指数与性别关系柱状图，区分比较男女不同的评论状态；绘制评论snownlp统计指数与数量变化图，把握评论文本的正负向情绪；绘制时间与snownlp指数的关系、时间与关注度变化图，分析时间跨度变化下的评论数量走向。

2大数据技术近年来，随着互联网的迅速发展，大数据一词成为了互联网行业内外的热门词汇。伴于社会生活与发展左右的大数据究竟为何？是一个值得深思的问题。大数据是对现今网络中海量数据的总称，意指存储于网络或衍生于网络之中的庞大的数据，这些数据囊括了世界各领域中的数据集。由于数据的海量与庞杂，人们处理数据不再像传统时代那么便捷，即便利用计算机也未能清晰、准确地获取相应信息，因此，大数据技术相应而生。大数据技术贯穿于数据处理与分析的全过程。大数据技术主要用于数据采集、数据清洗、数据存储、数据分析、数据可视化等专业化数据处理过程，通过利用大数据技术处理数据，可以得到精准的数据，提高分析数据的效率与准确度。2.1数据爬取分析数据的开端是获取相应的数据，期间所用到的技术为数据爬取。数据爬取，又称数据爬虫或网络爬虫。其主要功能为通过数据工作者编写算法程序，锁定爬取数据信息的目标网页，通过所编写的算法程序对网页执行数据信息的爬取工作，最后将爬取到的数据信息保存到本地设置的路径空间中。图2.1数据爬取流程数据爬取的基本操作流程为先设定好需要爬取数据的目标网页，并将网页信息编写于执行数据爬取工作的程序之中，在执行程序之前，程序会自动识别网页的资源定位符，即URL。通过锁定并访问网页的URL，对网页的页面内容进行第一次解析；第一次解析与访问结束后，再次对网页的URL进行提取和标签化处理，对页面的所有内容进行二次解析。如此，往复循环执行访问与解析程序，直至获取得到网页的数据信息，最后将从网页上捕获的数据信息保存在本地的txt文件或csv文件中，便于后续的数据分析与可视化等技术处理。数据爬取技术，需要用到request库、json库以及时间类库等功能模块。需要注意与警惕的是，并非所有网页内容都可以直接爬取。虽然网络信息是公开化面向社会，但是个人信息及相关部门或企业的信息不可随意爬取。大多数社交平台、自媒体平台、短视频平台上的相应数据，可以直接爬取。因此，在数据爬取的过程中，也要认真遵守相关的法律法规。2.2数据可视化未经处理与分析的数据信息，可能会以数字、代码、特殊符号等形式呈现于人们的眼前。由于识别能力的有限，相应的数据无法进行有效、客观的分析，就需要特殊的数据处理方法。而数据可视化技术，便是数据处理与分析的众多技术之中，较为直观、便捷的处理方法。图2.2样例：疫情分布地图数据可视化是指通过对数据信息的处理，将数据信息以图形、图表或其他可视化的形式表现出来。数据可视化技术，侧重于人们的视觉体验效果，人们可基于数据可视化的图形或图表，获取数据内部的信息，甚至可以对数据的未来走向、发展态势、变化趋势等内容进行分析和研判。在大数据时代背景下的数据可视化，形式与内容变得更为丰富多样，其用途也更加广泛。如疫情期间的数据新闻、实时更新的疫情地图、疫情分布图等多种呈现形式，都是数据可视化的表现。数据可视化的源头，可以追溯到计算机兴起时期。最原始亦是最常用的数据可视化图形，便是可以通过Excel表格即可实现的饼状图、柱形图、折线图、散点图等可视化图形。而这些图形或图表，也是数据可视化技术使用频率较高的几类图形或图表。基于大数据技术的数据可视化，可以从图形或图表的颜色、尺寸、数据涉及领域及大小，对数据可视化的结果进行调整。此外，数据可视化的处理角度，也可以从时间、空间、不同维度、动态变化形式、图形交互情况等方面出发，制作出更为直观且表达性更强的数据可视化结果。其中，较为常用的数据可视化结果有饼图、柱形图、折线图、词云图、散点图、箱线图、MAP地图、漏斗图、雷达图等。2.3snownlp情感分析情感分析是数据处理与分析环节中，主要针对于中文字符所进行的分析处理方法。情感分析方法能挖掘文本背后的情感态度，窥见数据文本的情感态度正负倾向，如表达文本客体的情感态度为客观态度，则表现为正向情感值，若表达文本客体的情感态度为悲观或消极态度，则表现为负向情感值。情感分析的处理分析功能，主要基于snownlp模块进行中文文本的处理。其使用的方法主要为中文分词、词性标注、情感分析、文本分类、提取文本关键词、提取文本摘要等功能。由于snownlp模块中有标注好的情感词语，在使用其进行处理中文文本时，可以快速地识别文本的情感值，从而分析出文本背后的情感态度。使用snownlp对中文文本进行情感分析，主要用于政府及相关部门或新闻媒体对舆情处理及舆论引导方面的处理与研究。本文基于snownlp情感分析方法，对网络舆情进行处理分析，得出评论文本的情感态度值。通过使用snownlp情感分析处理功能，对网络舆情的对策研究有着一定的积极作用。图2.3情感分析值参考图snownlp情感分析方法中，使用情感词典进行文本的情感分析，是一种较为简单、便捷的方法。而另一种使用机器学习进行情感分析的方法，则需要通过训练文本情感训练集，标注情感分析目的，再提取文本的相关特征，才能获取文本的情感态度。

3数据处理数据处理与分析，是网络舆情分析的重要一环。从海量的数据中，有范围地进行爬取数据，则需要在处理数据之前进行样本分析，将爬取数据的范围确定，进而节省时间与精力。《后浪》视频所引起的负面情绪造成的网络舆情，主要集中在视频发布日期的一月以内，因此，可以着重爬取视频网页的前50页内容，如此，捕获的舆情数据之中既包括了舆情爆发时期的代表性数据，也包括了该事件引起的网络舆情之后仍然持续着的零零散散的评论信息。图3.1导入库在爬取数据过程中，除了用到了常用的爬取网页类库requests库，还有解析网页信息的json库，以及处理时间的time标准库；而在分析数据过程中，则主要用到了分析中文文本，并对中文文本做出情感分析的snownlp库，以及处理数字数据、字符串数据的pandas库，还有绘制图表所用的matplotlib、wordcloud库。基于以上标准库类进行数据处理与分析，最终得到了相应的结果。3.1爬取B站视频《后浪》评论数据在爬取B站视频《后浪》的评论数据过程中，首先需要了解装所用到的requests库、json库、time标准库的具体功能。requests库是基于urllib所编写的HTTP库，使用requests库可以获取网页的HTML源代码，这些对应的源代码中包含着评论文本内容、评论用户的ID信息、评论日期等内容，经过requests库获取到的数据信息，可以满足分析处理的基本要求。requests库在分析网页的过程中，主要使用的是构建GET请求，并在网站反馈的结果中获取相应的数据信息。不过，构建GET请求后反馈得到的网页信息，是json格式，这就需要使用json库来分析网页数据信息，得到想要获取的内容结果。图3.2get请求获取html信息json库是一个通过序列化使数据实现永久保存的标准库，在分析网页时用到json库，主要是便于对requests库获取到的数据信息进行进一步分析转换，最终实现本地存储为csv文件，便于后续的数据处理与分析。json库的两大功能是序列化与反序列化，其中两者分别用到的方法有dumps和loads，前者在进行序列化，将Python数据转换为json格式，后者则是将json格式转换为Python数据。图3.3获取并保存评论信息time库是python语言中，主要用于分析和处理数据中时间的格式与标准的处理时间的库类，其功能为时间获取、时间格式化、程序计时。图3.4主函数执行循环在爬取网页信息过程中，以时间戳的形式精准返回字符串的时间，让计算机获取可以处理的时间格式；将爬取的时间信息进行规范性输出，最终得到网页内容中的时间信息数据。图3.5评论数据因此，爬取B站视频《后浪》评论数据的整个流程为，在浏览器中找到视频的网页，打开评论区内容，将网址复制在运行程序之中，使用requests库构建GET请求，获取网页内HTML信息，最终捕获网页评论信息，将评论数据保存在csv文件中。3.2绘制评论数据可视化图形得到评论数据信息后，需要对保存在csv中的数据信息进行可视化处理。在绘制评论数据可视化图形时，需要使用到常用的matplotlib绘图库、可以处理数字与字符串数据的pandas库，以及对中文自然语言进行处理分析的snownlp库，还有绘制词云图的wordcloud库。这些库类可以直观地体现评论数据中的文本信息所透露的情感变化等相关内容，对舆情分析有着重要的参考价值。图3.6读取数据信息matplotlib库中的pylab库，是pylab绘图库中的常用接口，使用pylab绘图库，可以参照matplotlib库的相关命令与方法。pandas库主要用于处理数字格式与字符串格式的数据，相较于numpy库，pandas库处理数据的功能范围更加强大，pandas库可以处理一维到多维数据类型，该类库主要适用于前期的数据处理工作。图3.7snownlp指数与性别关系经过pandas库处理后的评论数据，可以更为精准地通过图形呈现不同变量之间的关系。wordcloud库是Python语言程序中较为简单的一种词语图形化处理的类库。因其呈现的词语文本以艺术化、多样化图形的方式，故被称作词云图。绘制词云图前，需要对文本中的词语频率进行排序处理，然后再设置相应的图形界面、颜色、文字大小等元素，最终呈现出直观性强、有艺术风格的词云图。图3.8snownlp指数与时间关系而snownlp库是本文研究中的最重要部分，snownlp库主要用于对文本进行情感分析，在网络舆情处理方面，可以基于此类库得到评论文本中的情绪化信息，进而通过评论文本得出整体的情绪化趋势。snownlp库可以直接处理中文文本的内容，并且不需要字符串与其他格式的转换。在这一类库中，主要包括着中文分词、词性标注、情感分析、文本分类、提取文本关键词、提取文本摘要等功能，通过snownlp库的功能模块，可以得出数据分布在情感方面的正负向关系，得出不同情感数据集中的数据范围等可视化信息。在使用snownlp库进行文本分析时，需要利用贝叶斯模型将两个类别的象征数据进行分类，再输入文本分词，去掉文本中的停用词，最终得到相应的有效文本数据。图3.9绘制词云图利用处理后的评论数据进行可视化分析，最终得到了词云图、性别分布构成饼状图、snownlp指数与性别关系柱状图、评论snownlp统计指数与数量变化图、绘制时间与snownlp指数的关系、时间与关注度变化图，便于分析评论数据背后隐藏的舆情信息。

4分析评论数据4.1分析词云图与性别分布得出可视化的数据信息后，将各个可视化数据信息进行分析和比较。其中，绘制得到的词云图显示出的字样，以“我们”、“后浪”、“保密”、“生活”等字样的字体较大，而字体偏小却多次出现的类似词语有“青年”、“向上”、“努力”、“梦想”、“中国”等字样。由词云图的展示来看，视频《后浪》虽然在网络空间引发了一定的争议，但整体的舆情所呈现出来的情绪化信息，是偏向于正向情绪所靠拢的。即该视频或该网络舆情事件给年轻群体带来的正面积极力量居多，对年轻群体具有一定的积极影响作用。图4.1词云图从性别分布构成饼状图来看，在该视频网页评论区的用户之中，男性用户占比38%，女性用户占比9.4%，而性别保密用户占比最大为52.6%。由此可以得出，评论数据信息中的ID用户，以性别保密居多。但是分析得出的男女性别比例，足以进行男女性别在情感态度变化方面的分析。该性别分布构成饼状图，也侧面反映出年轻群体对个人信息隐私化的重视态度。虽然绘制性别分布构成饼状图所呈现的男女比例样本性未能达到预初效果，但其呈现的客观性内容，也帮助研究获得了活跃于网络空间相关社交平台的年轻群体的特征表象。图4.2性别分布构成4.2分析snownlp指数关系图从snownlp指数与性别关系柱状图的呈现效果来看，性别保密的评论用户的snownlp指数略高于0.25，男性评论用户的snownlp指数略低于0.25，而女性评论用户的snownlp指数高于0.25且超出性别保密评论用户与男性评论用户较高数目。由此，可以得出，在评论数据中占比最小的女性评论用户，其情绪化信息的反馈比男性用户的情绪化信息更加偏向于正向。即女性评论用户的评论文本，多为正面的评论语言，视频《后浪》对占比9.4%的女性评论用户有着更为积极的影响。而性别保密评论用户的整体nownlp指数虽略高于0.25，考虑到其中无法判定男性用户与女性用户的比例关系，所以不再作为参考内容。图4.3snownlp指数与性别关系评论snownlp统计指数与数量变化图，同样反映了评论用户的正负向情绪值。数量变化图的区间值为[-0.5,0.5]，其中-0.5是负向情绪值的极端，而0.5则是正向情绪值的极端。由图形可知，折线变化图在0.4以后大幅度增涨，因此，整体评论的情绪值偏向于正向。而其中也不乏有负面情绪的评论用户，因从-0.5到0.4变化区间内，存在折线变化幅度。图4.4snownlp统计指数与数量变化在时间与snownlp指数的关系图中，不同频率的折线显示着评论内容的正负面情绪，以及在时间不断变化过程中，评论数量的增减趋势。由关系图可知，snownlp指数超过0.4的频率较高，因此，整体评论的情绪值偏向于正向。但随着时间跨度的增减（2020年5月-2022年1月），评论的数量有所减少。图4.5时间与snownlp指数的关系从时间与关注度变化图中可以得出，随着时间的不断推移，关注度有所下降。值得一提的是，在2021年5月，视频关注度的峰值再次波动，但波动频率远不及2020年5月的反响。由此来看，视频《后浪》引发的网络舆情主要持续在2020年5月4日之后，但持续时间不长。而视频发布后的次年依旧能够引起关注度的峰值，可以得出视频《后浪》的正面影响力存在于网络空间之中、存在于网民的记忆之中。图4.6时间与关注度变化通过对数据处理、数据可视化等内容的操作，加之仔细比对分析snownlp指数与性别关系、评论数量、时间关注度等因素之间的关系，得出视频《后浪》所引发的舆情事件的正负面影响在整体评论数据中的占比，最终可以见得在该网络舆情事件中，基于B站活跃的年轻群体，更多表现为支持视频《后浪》中所呈现出的观点。该场引发争议的舆论事件，起到了引导年轻群体树立正确价值观的作用。

5网络舆情治理分析网络舆情大量、多样、迅速传播的特点，给网络舆情治理方面带来一定的难题。因此，在网络舆情治理分析方面，需要借助可驾驭海量信息的大数据技术。在网络舆情事件爆发的高峰期，捕获信息数据，研判网络舆情的发展态势，从而确定后续的网络舆论引导工作。关于网络舆情治理分析的研究，可从网络舆情形成原因、网络舆情造成的影响，以及网络舆情应对方案方面进行着重考察研究。5.1网络舆情形成原因在大数据时代背景下，网络传播大大降低了传播成本与传播门槛，碎片化的信息传播方式，形成了公众碎片化的信息接收习惯。面对海量而庞杂的网络信息数据，公众对信息的真伪程度难以辨别，以至于面对未经审核真实性的信息，在情绪带动或感染的情况下，成为了虚假信息与网络谣言的无形助推手。此外，公众借助社交平台、自媒体账号、短视频平台等网络平台，可以随意发布言论、传播信息，致使虚拟的网络空间中的信息来源变得愈加多元化，且难以把控。复杂而多元化的信息来源，让新闻媒体及相关部门难以确定信息真实性，一度陷入虚假新闻、反转新闻的风波之中，进而媒体与相关部门的官方公信力与权威性不断下降，因此，在大型网络舆情形成之时，新闻媒体及相关部门所进行的舆论引导工作效果甚微，致使网络舆情达到高潮后，以互联网传播规律的形式自行消退。但这类情况所造成的影响，或将直接干扰到社会的正常秩序和网络舆论空间的生态。简而言之，网络舆情形成的主要原因在于网络空间传播的不可控性、公众媒介信息素养的缺失，以及新闻媒体、社会相关部门的公信力与权威性有所下降。5.2网络舆情造成的影响网络舆情所涉及到的议题多为公众所关心的社会敏感话题，其中涉及到公众自身的切身利益。因此，网络舆情一经出现，便会受到公众的广泛关注，其所带来的正负面影响，也在改变着公众对待网络事物或社会议题的方式。网络舆情的正面影响在于，它以聚集社会整体公众情绪的方式，将需要解决的社会问题呈现于社会面前，进而引起各方部门对该事件的重视。网络民众以参与、推动网络舆情不断向前发展的方式，引发社会舆论，进而以民间舆论合力撼动社会舆论场，将社会新闻议题朝网络舆情事件进行反向设置。网络舆情的负面影响在于扰乱了正常的网络生态，甚至是社会秩序。在新冠疫情暴发初期，以新冠疫情为中心点的网络舆情以不可阻挡之态势汹涌而来，虚假治疗信息、虚假传播信息以及涉及社会各方面的谣言，将网络舆情推向了高潮。哄抢药品事件、恶意诋毁相关人员事件等等，都是网络舆情带来的负面影响。而其带来的负面影响之中，最大的伤害点在于损害了新闻媒体及政府相关部门的公信力与权威性，让公众深陷于碎片化的信息海洋之中，媒介素养一再低下。此外，重大事件相关的网络舆情还有可能影响民心，扰乱社会的正常和谐。5.3网络舆情应对方案应对网络舆情，可从利用大数据技术精准分析舆情、判断舆情发展走势，基于大数据技术分析网络舆情的关注焦点，配合相关部门联合治理网络舆情的核心问题，将网络舆情向积极方向引导，并及时公布公开相关真实信息，加快网络舆情的消退规律。在媒体与相关部门方面，则需要及时发声、积极引导。网络舆情的产生，重点在于公众所要获取的信息与新闻媒体报答的内容、相关部门传达的信息不相匹配，公众的信息需求难以得到满足，给虚假信息的滋生提供了条件。因此，媒体与相关部门需要抓准网络舆情的时度效，通过信息公开来直接消退网络舆情。此外，媒体也应该专注于新闻业务的严谨性，做好信息把关，避免因新闻失实而造成网络舆情的发生。在网络空间治理方面，应该不断完善网络空间的法制管理，提供公民的法律意识。让公众意识到网络空间与现实社会同样有法可循，不可肆意在网络空间捏造、传播虚假信息，不可错误引导网络舆情朝负面态势发展。而对于公众自身而言，仍需不断提高自身媒介素养，擦亮辨别信息的眼睛，面对海量信息要有选择地摘取，做到理性应对、科学分析，共同营造良好的网络空间。

6结论随着大数据技术的不断发展，大数据技术在网络时代的作用愈加明显，尤其是网络舆情分析领域的数据爬取、数据分析与挖掘、数据可视化及网络舆情态势分析方面，起到了重要作用。在信息公开化、公共化的时代背景下，相关部门利用大数据技术分析网络舆情的方式，已经逐渐普遍。面对复杂的网络舆情信息，大数据技术可以让处理信息的方式更为精简、更为准确。面对社会突发的公共事件，尤其对范围较大、涉及面较广的风险突发事件，相关部门如何进行处理，如何对公众进行约束和管控，不得不采取大数据技术分析网络舆情中公众的情感态度，依据大数据所获得的信息，来有针对性、有目的性的采取相关措施。文中对一段视频引发的关于年轻群体的网络舆情进行分析，从评论数据中分析年轻群体对价值观及生活态度的方向，进而可以为高校等教育行业中的关键部分提供年轻群体的教育与引导方向。此外，发布视频的相关平台，同样可以根据数据分析后所获得的年轻群体的情感态度，对平台视频内容的策划、发布以及平台创新管理等方面做出改善。基于大数据的网络舆情分析，让网络舆情以词云图、折线图等数据可视化形式呈现于公众的面前，可以让舆情在事实真相的直观反映下迅速消退，也便于工作人员更加清晰地了解和掌握舆情态势，让网络舆论引导工作的开展、网络空间的治理变得更为简单有效。

参考文献[1]唐斌,戴育滨,陈慧钦.把握重大危机“窗口期”推进社交网络舆情治理创新——基于新冠肺炎疫情防控重点地