基于微博数据的西藏那曲比如县地震舆情分析

刘婉婷; 杨新月; 刘耀辉; 魏本勇; 齐文华; 孙磊

doi:10.11899/zzfy20210419

基于微博数据的西藏那曲比如县地震舆情分析

doi: 10.11899/zzfy20210419

刘婉婷^1,,
杨新月¹,
刘耀辉^{1, 2, 3, ,},
魏本勇^{4, 5},
齐文华^{4, 5},
孙磊⁶

1.
山东建筑大学, 测绘地理信息学院, 济南 250101
2.
河北省地震动力学重点实验室, 三河 065201
3.
山东科技大学, 测绘与空间信息学院, 青岛 266590
4.
中国地震局地质研究所, 北京 100029
5.
中国地震局地震与火山灾害重点实验室, 北京 100029
6.
复旦大学, 国际关系与公共事务学院, 上海 200433

基金项目: 山东省自然科学基金项目（ZR2021QD074）；国家自然科学基金项目（42177453）；河北省地震动力学重点实验室开放基金项目（FZ212203）；国家对地观测科学数据中心开放基金项目（NODAOP2020008）

详细信息

作者简介:
刘婉婷，女，生于1998年。硕士研究生。主要研究方向为遥感智能处理与灾情信息获取。E-mail：liu_wanting2021@163.com

通讯作者:
刘耀辉，男，生于1991年。博士，讲师。主要从事遥感大数据与模式识别，深度学习技术及灾害管理等研究。E-mail：liuyaohui20@sdjzu.edu.cn

计量
- 文章访问数: 174
- HTML全文浏览量: 59
- PDF下载量: 13
- 被引次数: 0
出版历程
- 收稿日期: 2021-08-19
- 刊出日期: 2021-12-31

Public Opinion Analysis of the Earthquake in Biru County , Naqu City, Tibet Based on Webo Data

Liu Wanting^1
,,
Yang Xinyue¹,
Liu Yaohui^{1, 2, 3
, ,},
Wei Benyong^{4, 5},
Qi Wenhua^{4, 5},
Sun Lei⁶

1.
School of Surveying and Geo-Informatics, Shandong Jianzhu University, Ji’nan 250101, China
2.
Hebei Key Laboratory of Earthquake Dynamics, Sanhe 065201, China
3.
College of Geodesy and Geomatics, Shandong University of Science and Technology, Qingdao 266590, China
4.
Institute of Geology, China Earthquake Administration, Beijing 100029, China
5.
Key Laboratory of Seismic and Volcanic Hazards, China Earthquake Administration, Beijing 100029, China
6.
School of International Relations and Public Affairs, Fudan University, Shanghai 200433, China

摘要

摘要: 震后对网络舆情信息的监控与分析，对于相关部门开展震灾应急救援、掌握救灾动态、稳定民众情绪具有重要意义。本研究基于新浪微博数据，运用网络爬虫技术，获取西藏自治区那曲市比如县6.1级地震震后24小时及震后一周的相关微博及评论；利用Python中文分词组件“jieba”和ROST CM6软件，对数据进行分类、去重、分词等处理，得到结构化的分级、分类数据，并制成震后微博时间序列图、地理分布图、舆情热词词频表、情绪极性统计图等，实现微博舆情数据的可视化。研究结果表明，本次地震事件的微博舆情整体呈现积极情绪，微博活跃程度与当地经济发展程度密切相关。在本次地震舆情传播中，政府部门的舆情引导起到至关重要的作用，舆情传播中的防灾视频传播具有明确的正向引导作用。本研究对于中国西部欠发达少数民族地区的地震舆情分析及引导工作具有借鉴意义。
- 那曲地震 /
- 新浪微博 /
- 时空特征 /
- 情感分析 /
- 舆情分析
Abstract: Monitoring and analyzing the network public opinion information after the earthquake is of great significance for the relevant departments to carry out earthquake emergency rescue, grasp the disaster relief dynamics, and stabilize the public sentiment. Based on the Sina Weibo data, this paper uses web crawler technology to obtain relevant microblogs and comments in 24 hours to and one week after the M6.1 earthquake in Biru County, Naqu City, Tibet; Using the "jieba" Python Chinese word segmentation module and Rost CM6 software to classify, duplicate, and word segmentation the online public opinion data the data are classified, de duplicated, word segmentation and other processing, and the structured grading and classification data are obtained. On this basis, the post-earthquake blog time series map, geographical distribution map, hot word frequency table, and emotional polarity statistical chart are made, and then the visualization of microblog public opinion data is realized. The results show that the public opinion of this earthquake is generally positive. The Weibo activity is closely related to the local economic development. In this earthquake public opinion communication, the public opinion guidance of government departments plays a vital role, and the disaster prevention video in public opinion communication has a clear positive effect. This study is referable for the analysis and guidance of earthquake public opinion in underdeveloped minority areas in Western China.
- Naqu earthquake /
- Sina Weibo /
- Spatial-temporal distribution /
- Emotional analysis /
- Network opinion analysis

HTML全文

图 1 西藏自治区那曲市比如县6.1级地震震中位置

Figure 1. Map of epicenter location of the M6.1 earthquake in Biru county, Naqu city, Tibet

下载: 全尺寸图片幻灯片

图 2 技术路线图

Figure 2. The flowchart of this research

下载: 全尺寸图片幻灯片

图 3 微博数据分类图

Figure 3. Classification of Weibo data

下载: 全尺寸图片幻灯片

图 4 震后24小时微博数量-时间序列

Figure 4. Temporal series of the number of Weibo data in 24 hours after the earthquake

下载: 全尺寸图片幻灯片

图 5 震后1周微博数量-时间序列

Figure 5. Temporal series of the number of Weibo data in a week after the earthquake

下载: 全尺寸图片幻灯片

图 6 震后用户关注度空间分布

Figure 6. Spatial distribution of user's attention after the earthquake

下载: 全尺寸图片幻灯片

图 7 震后微博词云图

Figure 7. The words cloud of Weibo data after the earthquake

下载: 全尺寸图片幻灯片

图 8 微博情绪极性统计

Figure 8. Statistics of emotional polarity of Weibo data

下载: 全尺寸图片幻灯片

图 9 评论情绪极性统计

Figure 9. Statistics of comment emotion polarity

下载: 全尺寸图片幻灯片

表 1 震后1周微博词频、词性统计

Table 1. Statistics of word frequency and part of speech of Weibo in a week after the earthquake

词性	单词	词频	词性	单词	词频
名词	地震	5920	形容词	平安	759
	师生	1215		有序	519
	小学	1207		感动	154
	视频	1170		紧急	69
	消防	827		强烈	53
	震源	717	动名词	启动	198
	教科书	588		救援	832
	人员伤亡	330		应急	565
动词	发生	2639		监控	542
	撤离	1127	时间	目前	189
	查看	499		今天	167
	测定	462		截至	137
	展开	427	地名	那曲	3967
	保护	413		西藏	3354
	逆行	383		比如县	1766
习惯用语	抗震救灾	39	成语	临危不乱	539
	具体方法	14		平平安安	19
	令人感动	4		虚惊一场	15

下载: 导出CSV

表 2 积极情绪分段统计

Table 2. Statistics of positive emotion

积极情绪分段	数量/条	占有效微博总数比例/%
一般（0～10）	1098	47.4
中度（10～20）	613	26.4
高度（20以上）	77	3.3

下载: 导出CSV

表 3 消极情绪分段统计

Table 3. Statistics of negative emotion

消极情绪分段	数量/条	占有效微博总数比例/%
一般（−10～0）	120	5.2%
中度（−20～−10）	58	2.5%
高度（−20以下）	9	0.4%

下载: 导出CSV

表 4 评论词频词性统计

Table 4. Statistics of comment frequency and part of speech

词性	单词	词频	词性	单词	词频
名词	老师	300	动词	感动	96
	孩子	97		检查	30
	校长	76		撤离	27
	地震	71		训练	24
	教室	67		发微博	17
	学生	64		致敬	16
	安全	38		佩服	14
	学校	37		到位	14
	同学	34		出去	13
	师生	19		保护	11
	有序	19		逆行	11
	小朋友	18		看得	10
	好感	18		想起	10
	桌子	15		说明	10
	时刻	14	成语	临危不乱	59
	小学	13		训练有素	30
	教师	11		气喘吁吁	12
	教科书	10	地名	西藏	19
	眼泪	10		那曲	19
	消防	10		中国	13
动名词	演练	43	形容词	棒棒	20
	教育	33	形容词	平安	14
	应急	12	时间词	平时	57

下载: 导出CSV

表 5 积极情绪分段统计

Table 5. Statistics of comment positive emotion

积极情绪分段	数量/条	占评论总数比例/%
一般（0～10）	366	33.1
中度（10～20）	195	17.7
高度（20以上）	124	11.2

下载: 导出CSV

表 6 消极情绪分段统计

Table 6. Statistics of comment negative emotion

消极情绪分段	数量/条	占评论总数比例/%
一般（−10～0）	133	12.0
中度（−20～−10）	28	2.5
高度（−20以下）	5	0.5

下载: 导出CSV

参考文献(20)

[1]	薄涛, 2018. 基于社交媒体的地震灾情数据挖掘与烈度快速评估应用. 哈尔滨: 中国地震局工程力学研究所. Bo T., 2018. Earthquake disaster data mining and application of rapid intensity assessment based on social media. Harbin: Institute of Engineering Mechanics, China Earthquake Administration. (in Chinese)
[2]	曹彦波, 毛振江, 2017. 基于微博数据挖掘的九寨沟7.0级地震灾情时空特征分析. 中国地震, 33(4): 613—625 doi: 10.3969/j.issn.1001-4683.2017.04.017 Cao Y. B. , Mao Z. J. , 2017. Analysis of the spatial and temporal characteristics of disaster-information about the Jiuzhaigou, Sichuan M_S7.0 earthquake based on data mining of Sina Weibo. Earthquake Research in China, 33(4): 613—625. (in Chinese) doi: 10.3969/j.issn.1001-4683.2017.04.017
[3]	曹彦波, 2018. 基于新浪微博的2018年云南通海5.0级地震舆情时空特征分析. 地震研究, 41(4): 525—533 doi: 10.3969/j.issn.1000-0666.2018.04.006 Cao Y. B. , 2018. Analysis of the spatial and temporal characteristics of public opinion about Yunnan Tonghai M_S5.0 earthquake in 2018 based on Sina Micro-blog. Journal of Seismological Research, 41(4): 525—533. (in Chinese) doi: 10.3969/j.issn.1000-0666.2018.04.006
[4]	曹彦波, 2019. 基于社交媒体的地震灾区民众情绪反应分析. 地震研究, 42(2): 245—256 doi: 10.3969/j.issn.1000-0666.2019.02.013 Cao Y. B. , 2019. Analysis of people's emotional response in earthquake-stricken areas based on the social media. Journal of Seismological Research, 42(2): 245—256. (in Chinese) doi: 10.3969/j.issn.1000-0666.2019.02.013
[5]	陈华静, 李一行, 宫玥等, 2020. 地震灾害风险防治协同机制研究. 震灾防御技术, 15(4): 731—738 doi: 10.11899/zzfy20200407 Chen H. J. , Li Y. H. , Gong Y. , et al. , 2020. Research on the cooperative mechanism of earthquake disaster risk prevention and control. Technology for Earthquake Disaster Prevention, 15(4): 731—738. (in Chinese) doi: 10.11899/zzfy20200407
[6]	陈昱杉, 李凤全, 王天阳等, 2020. 网络舆情信息扩散中距离的影响——以新浪微博“九寨沟地震”事件为例. 浙江师范大学学报(自然科学版), 43(1): 77—84 Chen Y. S. , Li F. Q. , Wang T. Y. , et al. , 2020. The role of distance in Internet public opinion diffusion: taking Sina microblog "Jiuzhaigou earthquake" as an example. Journal of Zhejiang Normal University (Natural Sciences), 43(1): 77—84. (in Chinese)
[7]	崔满丰, 翟颖, 李卫东, 2020. 地震信息融媒体公共服务研究. 震灾防御技术, 15(3): 609—617 doi: 10.11899/zzfy20200315 Cui M. F. , Zhai Y. , Li W. D. , 2020. Research on public service of earthquake information on the media convergence. Technology for Earthquake Disaster Prevention, 15(3): 609—617. (in Chinese) doi: 10.11899/zzfy20200315
[8]	崔鹏, 张巍, 何毅等, 2018. 突发公共事件网络舆情演化及政府应对能力研究. 现代情报, 38(2): 75—83, 95 Cui P. , Zhang W. , He Y. , et al. , 2018. Dynamic evolution research on the government’s response capability to the public opinions in the context of public emergencies. Journal of Modern Information, 38(2): 75—83, 95. (in Chinese)
[9]	董曼, 杨天青, 2014. 地震应急灾情信息分类探讨. 震灾防御技术, 9(4): 937—943 doi: 10.11899/zzfy20140423 Dong M. , Yang T. Q. , 2014. Discussion of earthquake emergency disaster information classification. Technology for Earthquake Disaster Prevention, 9(4): 937—943. (in Chinese) doi: 10.11899/zzfy20140423
[10]	何萍, 2020. 广西北流—广东化州5.2级地震的网络舆情分析及引导. 华南地震, 40(2): 60—66 He P. , 2020. Analysis and guidance of network public opinion of the Beiliu-Huazhou M_s 5.2 earthquake in the junction of Guangxi and Guangdong. South China Journal of Seismology, 40(2): 60—66. (in Chinese)
[11]	李紫薇, 邢云菲, 2017. 新媒体环境下突发事件网络舆情话题演进规律研究——以新浪微博“九寨沟地震”话题为例. 情报科学, 35(12): 39—44, 167 Li Z. W. , Xing Y. F. , 2017. Research on the evolution of emergency public opinion topic in the new media environment—A case of “Jiuzhaigou earthquake” in sina micro-blog. Information Science, 35(12): 39—44, 167. (in Chinese)
[12]	廉捷, 周欣, 曹伟等, 2011. 新浪微博数据挖掘方案. 清华大学学报(自然科学版), 51(10): 1300—1305 Lian J. , Zhou X. , Cao W. , et al. , 2011. SINA microblog data retrieval. Journal of Tsinghua University (Science & Technology), 51(10): 1300—1305. (in Chinese)
[13]	刘耀辉. 面向地震风险评估的高分辨率遥感影像建筑物信息提取与研究[D]. 中国地震局地质研究所, 2020 LIU Yaohui. Extraction and research on building information from high-resolution remote sensing image for seismic risk assessment[D]. Institute of Geology, China Earthquake Administration, 2020. (in Chinese)
[14]	齐珉, 齐文华, 苏桂武, 2020. 基于新浪微博的2017年四川九寨沟7.0级地震舆情情感分析. 华北地震科学, 38(1): 57—63 doi: 10.3969/j.issn.1003-1375.2020.01.009 Qi M. , Qi W. H. , Su G. W. , 2020.2017 Sichuan Jiuzhaigou M7.0 earthquake sentiment analysis based on sina Weibo. North China Earthquake Sciences, 38(1): 57—63. (in Chinese) doi: 10.3969/j.issn.1003-1375.2020.01.009
[15]	王琳, 姜立新, 杨天青等, 2019. 地震应急信息自动分类方法研究. 震灾防御技术, 14(4): 907—916 doi: 10.11899/zzfy20190422 Wang L. , Jiang L. X. , Yang T. Q. , et al. , 2019. Research on the method of automatic classification in earthquake emergency information. Technology for Earthquake Disaster Prevention, 14(4): 907—916. (in Chinese) doi: 10.11899/zzfy20190422
[16]	肖飞, 2014. 公共危机事件中政务微博的舆情信息工作理念与策略探析——以雅安地震为例. 图书情报工作, 58(1): 44—47, 71 Xiao F. , 2014. Study on work ethic and strategy of public opinion of the government micro-blog in public crisis event: taking Ya’an earthquake as an example. Library and Information Service, 58(1): 44—47, 71. (in Chinese)
[17]	徐敬海, 褚俊秀, 聂高众等, 2015. 基于位置微博的地震灾情提取. 自然灾害学报, 24(5): 12—18 Xu J. H. , Chu J. X. , Nie G. Z. , et al. , 2015. Earthquake disaster information extraction based on location microblog. Journal of Natural Disasters, 24(5): 12—18. (in Chinese)
[18]	赵金楼, 成俊会, 2015. 基于SNA的突发事件微博舆情传播网络结构分析——以“4.20四川雅安地震”为例. 管理评论, 27(1): 148—157 Zhao J. L. , Cheng J. H. , 2015. Analysis of micro-blog public opinion diffusion based on SNA: an empirical study on April 20 Ya’an earthquake in Sichuan. Management Review, 27(1): 148—157. (in Chinese)
[19]	周立柱, 林玲, 2005. 聚焦爬虫技术研究综述. 计算机应用, 25(9): 1965—1969 Zhou L. Z. , Lin L. , 2005. Survey on the research of focused crawling technique. Computer Applications, 25(9): 1965—1969. (in Chinese)
[20]	Yu L. , Liu X. , Gao S. , et al. , 2015. Social sensing: a new approach to understanding our socioeconomic environments. Annals of the Association of American Geographers, 105(3): 512—530. doi: 10.1080/00045608.2015.1018773