第９卷 第４期 数学建模及其应用 Ｖｏｌ．９Ｎｏ．４

２０２０ 年 １２ 月 Ｍａ
ｔｈｅｍａ
ｔｉｃａ
ｌＭｏｄｅ
ｌｉｎｇａｎｄＩ
ｔｓＡｐｐ
ｌｉｃａ
ｔｉｏｎ
ｓ Ｄｅｃ．２０２０
檺檺殣
檺檺檺檺檺檺檺殣
建模探索

檺殣
檺檺檺檺檺檺殣

新冠肺炎网络舆情的启示 ：复工复产的
文本挖掘与分析
朱建平１，２，王炫力１
１．厦门大学 管理学院，福建 厦门 ３６１００５；２．厦门大学 健康医疗大数据国家研究院，福建 厦门 ３６１００５）
（

摘 要：统筹推进新冠肺炎疫情防控和复工复产，既是一场大战，也是一场大考 ．以统筹推进复工复产为主题，采集
了 ２０２０ 年 ２ 月 １ 日至 ７ 日网络舆情数据，经筛选得出 １１ 个热点话题，采用有向聚类的方法将 １１ 个热 点 话 题 分 为 ５
类，运用词云、关联规则、复杂网络、文本倾向性分析等数据挖掘与可视化技术，着重描绘了话题的热度差异、内容
特征、关联关系以及倾向趋势，从而对这 ７ 天内民众对话题的关注特征进行刻画，并给出适当建议 ．
关键词：统筹推进复工复产；词云；关联规则；复杂网络；文本倾向性分析

中图分类号：Ｃ８１２ 文献标志码：Ａ 文章编号：２０９５－３０７０（

２０２０）
０４－００３７－１２

０ 引言
网络舆情，是以网络为载体，以事件为核心，是广大网民情感、态度、意见和观点的表达 ［１］、传播
与互动，以及后续影响 力 的 集 合 ．根 据 中 国 互 联 网 信 息 中 心 第 ４４ 次 《中 国 互 联 网 络 发 展 状 况 统 计 报
告》［２］，截至 ２０１９ 年 ６ 月，我 国 网 民 规 模 达 ８．
５４ 亿，较 ２０１８ 年 增 长 ２ ５９８ 万，互 联 网 普 及 率 达
２％ ，较 ２０１８ 年底提高 １．
６１． ６ 个百分点 ．巨大的网民规模和不断攀升的互联网普及率说明，网络舆情
成为了当下舆情研究的重点 ［３］．因此，网络舆情分析是十分必要的 ．
２０２０ 年初，新型冠状病毒肺炎疫情开始，短期内给经济社会发展带来阵痛，但不会影响经济稳中
向好、长期向好的基本面 ．当前疫情防控形势发生积极向好变化，我们有信心、有能力打赢这场决胜之
战 ．自新冠疫情发生后，社会经济曾一度被按下 “暂停键”，基 于 当 下 防 控 的 良 好 态 势，复 工 复 产 势 在
必行 ．当然，“两手都要抓、两手都 要 硬”，必 须 统 筹 推 进 疫 情 防 控 和 经 济 社 会 发 展 工 作，千 方 百 计 在
“暂停”后跑出 “加速度”．
大数据挖掘，是高级智能的最充分的体现 ．互联网时代，计算机能够利用大量的信息与数据，类似
于人类 的 方 式，对 这 些 信 息 和 数 据 进 行 碰 撞、提 炼，总 结 出 一 些 前 所 未 有 的 规 则 ［４－５］．文 本 数 据 挖 掘
ｎｇ）是大数据挖掘中的重要一类，指从文本数据中抽取有价值的信息和知识 ６－９ ，而词云、关
［ ］
（
ｔｅｘ
ｔｍｉ
ｎｉ
联规则、复杂网络、文本倾向性分析，都是文 本 挖 掘 的 重 要 手 段 ［１，１０］．词 云 图 ［１１］过 滤 掉 了 大 量 的 庞 杂
文本信息，从而使浏览者只要一眼扫过文本就可以领略文本的主旨 ；关联规则 ［１２－１３］注重寻找特征之间
的影响关系，包括支持度、置信度、提升度三方面；复 杂 网 络 ［１４］可 以 抽 出 各 个 话 题 之 间 的 关 系；文 本
倾向性分析 ［１５－１７］有助于更好地了解社会群体对有关话题的偏好程度，从而为推测舆情信息对群体行为
的影响提供依据 ．
本文以统筹推进复工复产为主题，从近期受民众关注较高的１１ 个热点话题出发，采用有向聚类的
方法将其分为 ５ 类，并运用词云、关联规则、复杂网络、文本倾向性分析等大数据挖掘技术，着重描绘

收稿日期：２０２０－０７－２９
基金项目：国家社会科学基金重点项目（ ００５）
２０ＡＴＪ
通讯作者：王炫力，Ｅ－ｍａ
ｉｌ：１４９２３１２７３０＠ｑｑ．
ｃｏｍ

· ３７ ·
·建模探索· 新冠肺炎网络舆情的启示：复工复产的文本挖掘与分析 ２０２０ 年 １２ 月

了 ２０２０ 年 ２ 月 １ 日至 ７ 日相关网络舆情话题间的热度差异、内容特征、关联关系以及倾向趋势，从而
对这 ７ 天内民众对话题的关注特征进行刻画，并给出适当建议 ．
本文其余章节安排如下：第 １ 节 介 绍 了 以 “统 筹 推 进 复 工 复 产”为 主 题 的 舆 情 数 据 的 来 源 情 况，
并采用有向聚类的方法，将从舆情信息中抽取的 １１ 个热点话题分为 ５ 类；第 ２ 节通过词云技术与描述
性统计，对５ 类热点话题中高频词汇的内容特征进行描绘，并联系实际加以分析；第３ 节，基于词云分
析，选取在热点话题中反复出现的 ４ 个高频词汇，分别以这些词汇 作 为 关 键 词，运 用 关 联 规 则 探 究 其
他词汇与其关系，基于相关关系给出分析和建议；第４ 节运用复杂网络技术探究 １１ 个热点话题之间的
联系；第 ５ 节运用自适应调整倾向性分析方法，得到了民众对 ５ 类 热 点 话 题 情 感 态 度 的 数 量 描 述，并
对其 ７ 天变化趋势加以分析；第 ６ 节对本文进行总结 ．本文第 ２ 节、第 ３ 节、第 ４ 节和第 ５ 节的实验均
采用 Ｒ 语言实现 ［１８］．

１ 舆情数据来源及预处理

１ 数据来源
１．
以 “统筹推进复工复产”为主题，对百度、腾讯等 ７ 家大型门户网站进行网络舆情获取，以２０２０ 年 ２
月 １ 日至 ７ 日为限，共获取舆情 ２７２６ 条，作为分词、话题筛选、词频统计的基础，如表 １ 和图 １ 所示 ．
表 １ 舆情来源网站及网址

网站 网址 占比／％

腾讯 ｈ
ｔｔｐｓ：
／／ｗｗｗ．
ｑｑ．
ｃｏｍ／ ３２
人民网 ｈ
ｔｔｐ：
／／ｗｗｗ．
ｐｅｏｐ
ｌｅ．
ｃ ｃｎ／
ｏｍ． ２８
网易 ｈ
ｔｔｐｓ：
／／ｗｗｗ．
１６３．
ｃｏｍ ２０
丁香网 ｈ
ｔｔｐ：
／／ｗｗｗ． ｃｎ／
ｄｘｙ． ７
百度 ｈ
ｔｔｐｓ：
／／ｗｗｗ．
ｂａｉ
ｄｕ．
ｃｏｍ ７
国家卫健委 ｈ
ｔｔｐ：
／／ｗｗｗ．
ｎｈｃ．
ｇｏｖ．
ｃｎ ７

图 １ 舆情来源时间分布图 凤凰网 ｈ
ｔｔｐ：
／／ｗｗｗ．
ｉ
ｆｅｎｇ．
ｃｏｍ １

２ 舆情热点话题
１．
基于复工复产的工作实际与网络舆情分析的相关需要，围绕统筹推进复工复产的主题，根据有关
筛选及分类规则，对抓取的 ２７２６ 条舆情信息进行精简，从中抽取出以下 １１ 个民众普遍关注的复工话
题作为目标热点话题 ．
话题 １：复工复产 ．复工复产，是指因特殊原因、特殊时期、非常时期而使全部或大部分企事业单
位不能进行生产活动、生产经营活动、停工停产后，由国家和地方政 府 统 一 指 导 的 复 工 与 复 产 相 关 事
项及系列问题 ．当下疫情防控态势向好，复工复产条件成熟 ．
话题 ２：防疫物资 ．为扎实做好疫情防控工作，消毒液、酒精、口罩、测温枪等防疫物资必不可少 ．
增加供给，提供货源的稳定渠道，并且保证物资质量，是消除民众恐慌情绪、推进复工复产的坚实后盾 ．
话题 ３：健康监测 ．健康监测是指对 特 定 人 群 或 人 群 样 本 的 健 康 状 况 的 定 期 观 察 或 不 定 期 调 查 及
普查，以掌握其健康及疾病状况 ．健康监 测 是 健 康 管 理 的 工 作 基 础，对 健 康 危 险 因 素 的 早 期 干 预 和 疾
病早期发现具有重要意义 ．
话题 ４：防疫政策 ．防疫政策是一切行动的指挥棒 ．政策对控 制 疫 情 传 播、普 及 防 疫 知 识、缓 解 公
众焦虑情绪以及维护社会稳定起到了积 极 作 用 ．为 配 合 做 好 相 关 防 疫 工 作，保 障 公 民 健 康 和 安 全，应
遵守防疫政策，减少不必要的外出，避免人员聚集 ．
话题 ５：服务行业 ．本次疫情对服务行业是一次重大考验 ．如何保证服务行业的稳定，从而保障人
们的基本生活需求，成为民众关注的热点 ．如超市、医院等服务行业，员工坚守在工作岗位，保障了人
民的基本生活需求 ．超市成为居民生活重要的补给站，而医院是抗疫的重要阵地 ．
话题 ６：企业帮扶 ．疫情期间，很多企业遭受重创，如何为企业发展创造良好环境，帮助企业解决
困难，促进企业发展，成为重要话题 ．企业是社会经济平稳运行的中坚力量，只有帮扶企业渡过疫情困
· ３８ ·
第 ９ 卷第 ４ 期 数学建模及其应用 Ｖｏ
ｌ．９Ｎｏ．
４ Ｄｅｃ．
２０２０

难期，才能确保社会经济的稳定和发展 ．
话 题 ７：特殊医保 ．医疗保险又称健康保险，是为补偿疾病所带来的医疗费用的一种保险 ．在我国，
该险种处于起步阶段 ．而对于突发疾病，普通医保不能报销，此时，对于重大的、突发的疾病，特殊医
保的重要性不言而喻 ．
话题 ８：反扑 ．在复工复产热火朝天的当下，如果疫情反扑，就 会 重 新 给 民 众 带 来 恐 慌 ．如 果 找 不
到传染源，不能有效切掉传染链，复工人员将面对巨大的感染风险，复 工 后 开 足 马 力 抢 回 的 疫 情 损 失
也会因疫情的反扑而付诸东流 ．因此，必 须 更 加 重 视 卫 生 和 健 康，并 在 任 何 时 候 都 保 持 对 公 共 卫 生 威
胁的警惕和防范 ．
话题 ９：远程（在线）技术 ．远程技术是利用无线或有线信号对远端的设备进行操作的一种能力 ．疫
情下，远程医疗、远程教育等，改变了人们的生产生活方式，其依赖的远程在线技术，成为民众关注的
热点话题 ．
话题 １０：传染病监测 ．传染病监测是国家赋予出入境检验检疫机构的职 责，是 国 境 卫 生 检 疫 的 工
作内容之一 ．它基于影响人体健康因素的调查研究，预测有关传染病的发生、发展和流行规律，并采取
必要的预防控制措施 ．通过传染病监测能有效地防止传染病的传入和传出 ，保护人体健康 ．
话题 １１：数 据 开 放 ．秉 持 整 合 资 源、促 进 共
享、强化安全的原则，加强数据共享开放和大数
据服务能力，能 够 促 进 跨 领 域、跨 部 门 合 作，推
进信息数据交换，打破部门壁垒，遏制信息孤岛
和重复建设，提高行政效率，转变思维观念 ．
３ 数据预处理
１．
１１ 个热点 话 题 各 自 包 含 的 舆 情 信 息 数 量 如
图 ２ 和表 ２ 所示 ．
本节采用有 向 聚 类 的 方 法，将 １１ 个 热 点 话
题分为 ５ 类，具体分类过程如下： 图 ２ 热点话题所含舆情信息量直方图

１）将１１ 个热点话题（ ｉ＝１，２，…，１１）按所含信

ｘｉ ， 表 ２ 热点话题所含信息量

息量ｑｉ 从大到 小 排 序，并 计 算 相 邻 热 点 话 题 信 息 量 之 序号 热点话题 所含信息量

差 ｄｉ，ｉ＋１＝ ｑｉ＋１ －ｑｉ（

ｉ＝１，２，…，１０），如 表 ３ 所 示 ．设 １ 复工复产 １００７

置阈值α＝８０，若 ｄｉ，ｉ＋１ ＞α，则在ｉ， ｉ＋１ 处断开，由此 ２ 防疫物资 ７１９

可分得 ４ 类，如表 ４ 所示 ． ３ 健康监测 ３０９

ｎｊ ４ 防疫政策 ２４６
２）计算各类的组内方差σｊ
２
＝∑ （
ｑｊｋ －ｑｊ ）／ｎｊ （
２
ｊ＝ ５ 服务行业 １６０
ｋ＝１

１，２，３，４），其中：ｎｊ 为第ｊ 类所含标志值的个数；ｑｊｋ ６ 企业帮扶 １００

７ 特殊医保 ３３
为第ｊ 类第ｋ 个标志值；ｑｊ 为第ｊ 类标志 值 的 组 内 平 均
８ 反扑 ５５
数 ．设置阈值β＝１０００，若σｊ
２
＞β，则说明该类组内误差
９ 远程（在线）技术 ５２
大，需要再次分类 ．经 计 算 发 现 第 ４ 类 组 内 方 差 大 于 阈
１０ 传染病监测 ２７
值，因 此 对 第 ４ 类 进 行 再 分 类：设 置 阈 值 γ ＝４０，若
１１ 数据开放 １８
ｄｉ，ｉ＋１ ＞γ，（ ｉ＋１ 处断开，由
ｉ＝５，６，…，１０ ），则在ｉ，
此将第 ４ 类拆分为 ２ 类 ．综上，将 １１ 个热点话题共分为 ５ 类，如表 ５ 所示 ．

表 ３ 相邻热点话题信息量的差值

序号ｉ １ ２ ３ ４ ５ ６ ７ ８ ９ １０

ｄｉ，ｉ＋１ ２８８ ４１０ ６３ ８６ ６０ ４５ ３ １９ ６ ９

第 １ 类包含热点话题 “复工复产”，当下疫情防控成积极向好态势，复工复产是受全社会关注的重
要话题 ．
· ３９ ·
·建模探索· 新冠肺炎网络舆情的启示：复工复产的文本挖掘与分析 ２０２０ 年 １２ 月

第 ２ 类包含热点话题 “防疫物资”，物资是一切防疫工作的基础，保障物资稳定才能打好防疫工作
的坚实基础 ．
第３ 类包含热点话题 “健康监测”和 “防疫政策”．健康监测是防控传染性新冠肺炎的有效手段，防疫
政策对疫情防控呈纲领性指导作用，通过防疫政策来完善健康监测体系，是当下必须讨论的重要话题 ．
第 ４ 类包含 热 点 话 题 “服 务 行 业”和 “企 表 ４ 第一次分类的组内方差

业帮扶”．服 务 行 业 在 本 次 疫 情 中 面 临 着 严 峻 序号ｉ １ ２ ３ ４

考验，如何通过企 业 帮 扶 来 重 振 服 务 行 业，是 ２
σｊ ０ ０ ９９２．
２５ ２１６８．
８２
打赢疫情保卫战的重要组成部分 ．
第 ５ 类包含热点话题 “反扑”“远程（在线）技术”“特殊医保”“传染病监测”和 “数据开放”．如何
将新科技应用于医疗体系、提高监测质量、防止疫情反扑，都是值得探讨的重要话题 ．
表 ５ 两次分类结果

第一次分类 第二次分类 分类最终结果

第１类 ｛
１｝ 第１类 ｛
１｝ ｛复工复产｝

第２类 ｛
２｝ 第２类 ｛
２｝ ｛防疫物资｝

第３类 ｛
３，４｝ 第３类 ｛
３，４｝ ｛健康监测，防疫政策｝

第４类 ｛
５，６，７，８，９，１０，１１｝ 第４类 ｛
５，６｝ ｛服务行业，企业帮扶｝

第５类 ｛
７，８，９，１０，１１｝ ｛反扑，远程（在线）技术，特殊医保，传染病监测，数据开放｝

２ 舆情话题分词特征介绍

１ 词语技术概述
２．
“词云”就是通过形成 “关键词云层”或 “关键词渲染”，对网络文本中 出 现 频 率 较 高 的 “关 键 词”
的视觉上的突出 ．词云图（
ｗｏｒｄｃ
ｌｏｕｄ）１ １１ 是一种信息文本可视化技术，通过布局算法，用文字大小表
［， ］

示词频，并辅以多种色彩显示形式，直观反映词汇的重要性差异，从 而 对 目 标 文 本 的 关 键 词 汇 信 息 进
行展示 ．词云图是近几年出现的文本挖掘中可视化技术，其强大 的 数 据 展 现 力 得 到 学 术 和 信 息 传 播 界
的广泛关注 ．
２ 统筹推进复工复产舆情词云分析
２．
第 １ 类：复工复产
通过观察 “复工复产”话题的高频词汇分布及词云（图 ３）不难发现，企业是复工 复 产 的 中 流 砥 柱 ．
人们高度关注疫情给企业复工复产带来 的 巨 大 挑 战 ．在 企 业 复 工 中，如 何 采 取 有 效 防 疫 手 段、保 证 生
产工作顺利进行，也是人们关注的焦点 ．

图 ３ 第 １ 类话题高频词汇分布及词云

第 ２ 类：防疫物资
通过观察 “防疫物资”话题的高频词汇分布及词云（图 ４）发现，“物资”“疫情”出现频率最高，体
现了疫情期间基本生活物资和医疗物资对民众的重要性 ．此外，“防控”“企业”两词的高频出现，体现
了防疫物资在企业疫情防控中的重要地位 ．“口罩”一词的高频出现反映出在所有物资中，民众对口罩
最为关注 ．
· ４０ ·
第 ９ 卷第 ４ 期 数学建模及其应用 Ｖｏ
ｌ．９Ｎｏ．
４ Ｄｅｃ．
２０２０

图 ４ 第 ２ 类话题高频词汇分布及词云

第 ３ 类：健康监测，防疫政策
通过观察 “健康监测”和 “防疫政策”话题的高频词汇分布及词云（图５），发现 “防控”“疫情”“企
业”“工作”“人员”是人们关注的焦点，体现了在企业疫情防控中人们对指导政策的重视，而人员的健
康监测是企业疫情防控的重中之重 ．只有保障人员身体监控，才能保障企业复工工作稳步进行 ．

图 ５ 第 ３ 类话题高频词汇分布及词云

第 ４ 类：服务行业，企业帮扶
通过观察第 ４ 类话题的高频词汇分布及词云（图 ６），发现 “企业”一词受民众关注度最高，这反映
出企业在统筹推进复工复产工作中的核心地位 ．此外，“服务”一词的高频出现，体现出服务业在本次
疫情中处于风口浪尖的位置，服务行业如何能挺过疫情寒冬期、谋求新发展，也是人们关注的重点 ．

图 ６ 第 ４ 类话题高频词汇分布及词云

第 ５ 类：反扑，远程（在线）技术，特殊医保，传染病监测，数据开放
通过观察第 ５ 类话题的高频词汇分布和词云（图 ７），发 现 “防 控”“疫 情”“肺 炎”“数 据”“企 业”
等词出现频率较高 ．这体现出民众对新技术的高度关注 ．运用远程（在线）技术和大数据平台，完善医疗
体系并提高传染病监测效率，从而更加有效地进行疫情防控，推动企业复工复产 ．

图 ７ 第 ５ 类话题高频词汇分布及词云

· ４１ ·
·建模探索· 新冠肺炎网络舆情的启示：复工复产的文本挖掘与分析 ２０２０ 年 １２ 月

３ 舆情关键词关联规则分析

１ 关联规则简介
３．
关联反映的是一个事件和其他事件之间依 赖 或 联 系 的 知 识 ．关 联 规 则 ［１，１２－１３］是 数 据 挖 掘 的 主 要 技
术之一，也是在无监督学习系统中挖掘本 地 模 式 的 最 普 通 形 式，它 注 重 寻 找 特 征 之 间 的 影 响 关 系 ．设
Ｉ１ ，Ｉ２ ，…，Ｉｍ ｝为一组数据项集（简称项集），Ｉｐ （
Ｉ＝ ｛ ｐ＝１，２，…，ｍ ）称 为 数 据 项（简 称 项）．
Ｉ 的任
何非空子集 Ｘ ，若集合 Ｘ 中包含ｋ 个项，则称 ｋ 项集 ．关联规则的事务 Ｔｋ （ ｋ＝１，２，…，ｎ）是项集 Ｉ
的非空子集，即 Ｔｋ Ｉ，项集的集合构成事务集，记为 Ｄ ，Ｄ ＝ ｛
Ｔ１ ，Ｔ２ ，…，Ｔｋ ，…，Ｔｎ ｝．若 Ｘ Ｉ，
Ｙ Ｉ ，且 Ｘ ∩Ｙ ＝，蕴含式 Ｒ ：Ｘ Ｙ 称为关联规则 ．关联规则的内容包含三点：支持度、置信度和
提升度 ．支持度衡量事务集 Ｄ 中有百分之多少的事 务 同 时 支 持 项 子 集 Ｘ 和 Ｙ ；置 信 度 衡 量 Ｄ 中 在 支
持项子集 Ｘ 的事务中有百分之多少的事务同时也支持项子集 Ｙ ；提升度衡量 Ｄ 中支持项子集 Ｘ 的事
务出现，对项子集 Ｙ 的出现有多大的影响 ．
２ 统筹推进复工复产舆情中关键词的关联分析
３．
本文以统筹推进复工复产为主题，对百度、腾讯等 ７ 家大型门户网站进行网络舆情获取，以 ２０２０
年 ２ 月１ 日至 ７ 日为限，共获取舆情 ２７２６ 条，每条舆情信息构成一个事务，众多舆情信息一起构成事
务项集 ．基于上述词云分析，选取在热点话题中反 复 出 现 的 高 频 词 汇 “复 工”“疫 情”“监 测”“企 业”，
分别以这些词作为核心，探究其他 词 汇 与 其 关 系 ［１８］，并 基 于 相 关 关 系，给 出 分 析 和 建 议 ．例 如：在 以
“企业”为核心的关联分析中，５ 类热点话题均包含 了 “企 业”一 词，因 此 以 这 ５ 类 热 点 话 题 的 舆 情 信
息为基础，设置一定的支持度和置信 度 为 阈 值，得 到 与 “企 业”高 度 相 关 的 一 些 词 汇 “帮 扶”“发 展”
等，基于这些词汇之间的相关关系和实际意义，进行分析并提出建议 ．
为了更直观地表示输出结果，采取图 示 方 式 对 其 进 行 表 示 ．在 图 中，箭 头 方 向 表 示 关 联 规 则 的 指
向，圆点越大代表规则的支持度越高，圆点颜色越深则代表规则的提升度越高 ．
３．１ 复工
２．
在支持度大于 ０． ９ 的水平下，共运算得 ６０ 条关联规则，如图 ８ 所示 ．以 “复工”为
７，置信度大于 ０．
核心出发点，其中，“工作”“企业”等对 “复工”支持度较高，体现出“复工”“复产”“工作”“企业”之间
的紧密联系 ．复工复产离不开企业，疫情之下，如何让企业员工正常工作，成为复工复产的重中之重 ．
３．２ 疫情
２．
在支持度大于 ０． ９ 的 水 平 下，共 运 算 得 ２６ 条 规 则，如 图 ９ 和 表 ７ 所 示 ．其 中，
６，置信度大于 ０．
“疫情”一词处于核心位置，“防控”“物 资”等 词 对 其 支 持 度 和 提 升 度 都 较 高，与 其 关 系 紧 密 ．疫 情 期
间，人们高度关注物资，物资是防疫抗疫的物质基础 ．目前，疫情仍以防控手段为主，这也体现了传染
病以预防为主的特征 ．
表 ６ 以 “复工”为核心的关联规则节选

先导 后继 支持度 可信度 提升度

｛复产｝  ｛复工｝ ０．
９５７５７０７ ０．
９９８２６５４ １．
００３２７３

｛复工｝  ｛复产｝ ０．
９５７５７０７ ０．
９６２３７４６ １．
００３２７３

｛疫情｝  ｛复工｝ ０．
９４８４１９３ ０．
９９８６８５９ １．
００３６９６

｛复工｝  ｛疫情｝ ０．
９４８４１９３ ０．
９５３１７７３ １．
００３６９６

｛复产｝  ｛疫情｝ ０．
９１６３８９４ ０．
９５５３３３９ １．
００５９６７

｛疫情｝  ｛复产｝ ０．
９１６３８９４ ０．
９６４９５８４ １．
００５９６７

｛复产，疫情｝  ｛复工｝ ０．
９１５９７３４ ０．
９９９５４６１ １．
００４５６１

｛复产，复工｝  ｛疫情｝ ０．
９１５９７３４ ０．
９５６５５９５ １．
００７２５８

｛复工，疫情｝  ｛复产｝ ０．
９１５９７３４ ０．
９５６５５９５ １．
００６８３３

｛防控｝  ｛复工｝ ０．
８７６８７１９ ０．
９９８５７８９ １．
００３５８８

· ４２ ·
第 ９ 卷第 ４ 期 数学建模及其应用 Ｖｏ
ｌ．９Ｎｏ．
４ Ｄｅｃ．
２０２０

图 ８ 以 “复工”为核心的关联图 图 ９ 以 “疫情”为核心的关联图
表 ７ 以 “疫情”为核心的关联规则节选

先导 后继 支持度 可信度 提升度

｛防疫｝  ｛物资｝ ０．
９０１５３０６ ０．
９７９４９００ １．
００６１８４７

｛物资｝  ｛防疫｝ ０．
９０１５３０６ ０．
９２６１００６ １．
００６１８４７

｛疫情｝  ｛物资｝ ０．
９００５１０２ ０．
９７４０６１８ １．
０００６０８６

｛物资｝  ｛疫情｝ ０．
９００５１０２ ０．
９２５０５２４ １．
０００６０８６

｛防疫｝  ｛疫情｝ ０．
８５０５１０２ ０．
９２４０５７６ ０．
９９９５３２６

｛疫情｝  ｛防疫｝ ０．
８５０５１０２ ０．
９１９９７７９ ０．
９９９５３２６

｛防疫，疫情｝  ｛物资｝ ０．
８３３６７３５ ０．
９８０２０４０ １．
００６９１８１

｛防疫，疫情｝  ｛疫情｝ ０．
８３３６７３５ ０．
９２４７３１２ １．
０００２６１１

｛防疫，疫情｝  ｛防疫｝ ０．
８３３６７３５ ０．
９２５７７９０ １．
００５８３５３

｛疫情，物资｝  ｛防疫｝ ０．
７４７９５９２ ０．
９９０５４０５ １．
０７１４４５６

３．３ 监测
２．
在支持度大于 ０． ９ 的水平下，共运算得 ４６ 条规则，如表 ８ 和图 １０ 所示 ．以 “监
６，置信度大于 ０．
测”为核心，“传染病”与其支持度、置信度 和 提 升 度 都 很 高，体 现 了 二 者 相 互 间 的 密 切 联 系 ．“监 测”
是控制传染病的一种手段 ．新冠病毒传染性极强，目前还未有特效药出现，“监测”便成为防控疫情的
主要手段 ．
表 ８ 以 “监测”为核心的关联规则节选

先导 后继 支持度 可信度 提升度

｛监测｝  ｛传染病｝ ０．
９１７３３３３ ０．
９８９９２８１ １．
００１９５１

｛传染病｝  ｛监测｝ ０．
９１７３３３３ ０．
９２８４７５０ １．
００１９５１

｛工作｝  ｛传染病｝ ０．
７８５３３３３ ０．
９８９９１６０ １．
００１９３９

｛工作｝  ｛监测｝ ０．
７５０６６６７ ０．
９４６２１８５ １．
０２１０９９

｛工作，监测｝  ｛传染病｝ ０．
７４４００００ ０．
９９１１１９０ １．
００３１５７

｛传染病，工作｝  ｛监测｝ ０．
７４４００００ ０．
９４７３６８４ １．
０２２３４０

｛疫情｝  ｛传染病｝ ０．
７３０６６６７ ０．
９９４５５５４ １．
００６６３５

｛疫情｝  ｛监测｝ ０．
６９８６６６７ ０．
９５０９９８２ １．
０２６２５７

｛监测，疫情｝  ｛传染病｝ ０．
６９４６６６７ ０．
９９４２７４８ １．
００６３５１

｛传染病，疫情｝  ｛监测｝ ０．
６９４６６６７ ０．
９５０７２９９ １．
０２５９６８

３．４ 企业
２．
在支持度大于 ０． ９ 的水平下，运算共得 １０ 条关联规则，如表 ９ 和图 １１ 所示 ．以
５，置信度大于 ０．
“企业”为焦点可以发现，“帮扶”“发展”与其置信度和提升度较高 ．由此说明，需要大力帮扶企业挺过
疫情的寒冬期，助力其转型、发展 ．此次疫情对企业而言，既是机遇，更是挑战 ．如：餐馆虽不能堂食，
· ４３ ·
·建模探索· 新冠肺炎网络舆情的启示：复工复产的文本挖掘与分析 ２０２０ 年 １２ 月

但新增外卖服务；超市虽不能正常营 业，但 新 增 送 货 上 门 服 务 等 ．通 过 帮 扶，使 企 业 以 此 次 疫 情 为 契

机，获得更进一步的发展 ．

图 １１ 以 “企业”为核心的关联图
图 １０ 以 “监测”为核心的关联图
表 ９ 以 “企业”为核心的关联规则节选

先导 后继 支持度 可信度 提升度

｛帮扶｝  ｛企业｝ ０．
８５１６４８４ ０．
９４１２９５５ ０．
９９８９２５９

｛企业｝  ｛帮扶｝ ０．
８５１６４８４ ０．
９０３７９０１ ０．
９９８９２５９

｛发展｝  ｛企业｝ ０．
６６３００３７ ０．
９５１３７９８ １．
００９６２７５

｛工作｝  ｛企业｝ ０．
６４６５２０１ ０．
９４８９２４７ １．
００７０２２２

｛发展｝  ｛帮扶｝ ０．
６３８２７８４ ０．
９１５９００１ １．
０１２３１０７

｛工作｝  ｛帮扶｝ ０．
６３７３６２６ ０．
９３５４８３９ １．
０３３９５５９

｛帮扶，发展｝  ｛企业｝ ０．
６０５３１１４ ０．
９４８３５０１ １．
００６４１２３

｛发展，企业｝  ｛帮扶｝ ０．
６０５３１１４ ０．
９１２９８３４ １．
００９０８６９

｛帮扶，工作｝  ｛企业｝ ０．
６０４３９５６ ０．
９４８２７５９ １．
００６３３３６

｛工作，企业｝  ｛帮扶｝ ０．
６０４３９５６ ０．
９３４８４４２ １．
０３３２４８８

４ 舆情复杂网络分析

１ 复杂网络技术简介
４．
复杂网络（
ｃｏｍｐ
ｌｅｘｎｅ ｒｋ），是对复杂系统的抽象和描述方式，任何包含大量 组 成 单 元（或 子 系
ｔｗｏ
统）的复杂系统，当把构成单元抽象成节点、单元之间的相互关系抽象为边时，都可以当作复杂网络来
研究 ［１４］．通过对复杂网络的研究，人们可以对模糊世界进行量化 ．其复杂性主要表现在以下几个方面：
１）结构复杂，节点数目巨大，网络结构呈现多种不同特征；２）网络进化，节点或连接的产生与消失；３）
连接多样性，节点之间的连接权重存在差异，且 有 可 能 存 在 方 向 性；４）节 点 多 样 性，复 杂 网 络 中 的 节
点可以代表任何事物 ．
２ 热点话题复杂网络分析
４．
为了刻画这 １１ 个热点话题之间的联系，本节以 “统筹推进复工复产”为主题，基于词频的相关矩
阵，绘制了 １１ 个热点话题的网络分布 ．线段代表热点话题两两之间相关，线段的粗细代表相关性的强
度，每个节点代表一个热点话题，节点大小表示词汇对热点话题描述的相对词汇量，如图 １２ 所示 ．由
图 １２ 可以得出以下几个结论：
１）防疫物资与防疫政策关系最为紧密 ．疫情期间，人们最关心的就是物资能否充分供给 ．在疫情初
期，由于民众恐慌，曾一度出现口罩、消毒 水 等 物 资 一 抢 而 空 的 局 面，此 时 仅 仅 依 靠 市 场 力 量 是 不 够
的，必须需要政府的宏观调控 ．而政府随后发出的增加生产线、全面提高供给能力以及限购等政策，有
效缓解了民众的恐慌情绪，平衡了市场供求关系，也稳定了民心，为防疫打下了坚实基础 ．
２）复工复产、健康监测和传染病监测，三 者 关 系 密 切 ．传 染 病 监 测 是 健 康 监 测 的 一 个 重 要 组 成 部
分 ，而 复 工 复 产 又 离 不 开 健 康 监 测 ．
复 工 复 产 过 程 中 ，民 众 最 关 心 的 就 是 健 康 问 题 ，只 有 保 障 员 工 健
· ４４ ·
第 ９ 卷第 ４ 期 数学建模及其应用 Ｖｏ
ｌ．９Ｎｏ．
４ Ｄｅｃ．
２０２０

康，才能顺利推进复 工 复 产 ．新 冠 病 毒 又 是 一 种 新 型 传
染病病毒，因此，必须在健 康 监 测 中 突 出 传 染 病 监 测 的
重要地位，才能符合形势要求 ．
３）数 据 开 放 与 服 务 行 业、远 程 （在 线 ）技 术 关 系 紧
密 ．通过数据开 放，服 务 行 业 内 可 以 实 现 信 息 共 享，互
通有无，以携手抵御 疫 情 寒 冬 期；同 时，数 据 开 放 也 可
以进一步推动 远 程 （在 线）技 术 的 应 用，通 过 共 享 数 据，
可以让运用 远 程 技 术 办 公 的 民 众 获 得 更 为 广 阔 的 数 据
源，从而改进在办公中的决策，提高办公效率 ．

５ 舆情话题倾向性分析

１ 文本倾向性分析方法
５．
图 １２ １１ 个热点话题构成的复杂网络
文本倾向性分析是网络舆情分析中的重要一环，对
各个话题的网络舆情信息进行倾向性的识别，有助于更好地了解社会群体对有关话题的偏好程度，从
而为推测舆情信息对群体行为的影响提供依据 ［１５－１７］．
通过基于情感词加权的倾向性分析方法，根据１１ 个热点话题制定与之对应的情感词词库，并通过
自适应调整法得到情感词的权重 ［１］，从 而 获 取 １１ 个 热 点 话 题 网 络 舆 情 信 息 的 倾 向 性 量 化 指 标 ［１８］．其
中，若指标结果小于 ０，则表示该舆情信息倾向消极；若指标结果大于 ０，则表示该舆情信息倾向积极 ．
此外，指标的绝对值越大，代表对应倾向中的消极或积极程度越高 ．
２ 缺失值处理
５．
对于原始数据存在缺失的情况，即在某个热点话 题 下 的 某 一 天 新 闻 条 数 为 ０，本 文 基 于 类 均 值 替
代的思想处理缺失值 ．类均值法，是把均 值 替 代 的 思 想 应 用 到 分 类 数 据 中，用 缺 失 数 据 记 录 所 在 的 类
别的属性平均值代替缺失数据 ．例如，第ｋ 个热点话题下 ２ 月 ｘ 日新闻条数为 ０，就采用同一热点话题
下 ２ 月（
ｘ－１）日与 ２ 月（
ｘ＋１）日倾向性指标的平均值作为缺失值的替代 ．若缺失数据日前后两天也缺
失数据，即无法采用上述方法，就取该热点话题 １ 月 ｘ 日与 ３ 月 ｘ 日的倾向性指标作为此热点话题 ２
月 ｘ 日缺失值的替代 ．
３ 热点话题的倾向性分析步骤
５．
１）以 “传染病监测”和 “
２０２０ 年 ２ 月 １ 日”为筛选条件，共得 Ｍ 条新闻 ．将这 Ｍ 条新闻作为一个
整 体，进行分词，得积极词库 ΩＰ 和消极词库ΩＮ ．其中，第ｋ 条新闻中有Ｐｎｕｍｋ 个积极词汇，有 Ｎｎｕｍｋ 个
消极词汇，若 Ｐｎｕｍｋ －Ｎｎｕｍｋ ＞０，则第 ｋ 条新闻为积极新闻，反之为消极新闻 ．
２）计算第ｉ 个积极词汇在所有积极新闻中出 现 的 次 数 Ｐｉ 、在 所 有 消 极 新 闻 中 出 现 的 次 数 Ｎｉ ，得
第ｉ 个积极词汇的积极权重 ＷＰｉ ＝Ｐｉ／（
Ｐｉ ＋Ｎｉ），ｉ∈ΩＰ ；计算第ｊ 个消极词汇在所有积极新闻中出
现的次数 Ｐｊ 、在所有消极新闻中出现的次数 Ｎｊ ，得第ｊ 个消极词汇的消极权重 ＷＮｊ ＝Ｎｊ／（
Ｐｊ ＋Ｎｊ ），
ｊ∈ΩＮ ．
３）计算第 ｋ 条新闻的倾向性：
ＰＮｋ ＝ ∑Ｐｋｉ × ＷＰｉ － ∑Ｎ ｋ
ｊ × ＷＮｊ ，
ｉ∈ΩＰ ｊ∈ΩＮ

其中：Ｐｋｉ 为第ｉ 个积极词汇在第ｋ 篇新闻中出现的次数；Ｎｋｊ 为 第ｊ 个 消 极 词 汇 在 第ｋ 篇 新 闻 中 出 现

的次数 ．
Ｍ

４）计算 （∑ＰＮｋ ）
／Ｍ ，作为 “传染病监测”话题在 ２０２０ 年 ２ 月 １ 日的平均倾向性指标 ．
ｋ＝１

５）同理得 “传染病监测”２０２０ 年 ２ 月 ２ 日 －７ 日每天的平均倾向性指标 ．

６）以此类推，计算余下 １０ 个热点话题 ２０２０ 年 ２ 月 １ 日 －７ 日每天的平均倾向性指标，共计 １１×７
个数据（缺失值按 ５．
２ 中方法处理）．
· ４５ ·
·建模探索· 新冠肺炎网络舆情的启示：复工复产的文本挖掘与分析 ２０２０ 年 １２ 月

图 １３ 为 “复工复产”话题的倾向性趋势分析 ．
以 ２ 月 ３ 日为转折点，自 ２ 月 ３ 日至 ２ 月 ６ 日，民众对 “复工复产”话题的积极倾向呈陡增趋势 ．
这体现出人们在经历因疫情而引起的数月停工后，迫不及待地 想 要 复 工 复 产 ．而 ２ 月 ６ 日 到 ７ 日 的 下
跌，体现出民众对复工复产的态度逐渐冷静、理智下来 ．疫情有反扑的风险，复工复产是件大事，需要
有计划的、稳妥地统筹推进 ．
图 １４ 为 “防疫物资”话题的倾向性趋势分析 ．

图 １３ 第 １ 类话题平均倾向性趋势分析 图 １４ 第 ２ 类话题平均倾向性趋势分析
“防疫物资”倾向性指数在 ２ 月 ３ 日至 ２ 月 ７ 日波动巨大，且整体数值较小 ．这体现出民众对物资
的高度关注和较为紧张的情绪 ．疫情期间，物资是 一 切 的 命 脉 ．医疗物资、生活物资等等，都是控制疫
情、维持正常生活的重要基础 ．因此，加大供给，确保物资稳定、充足的供给，是疫情期间的重中之重 ．
图 １５ 为 “健康监测，防疫政策”的倾向性趋势分析 ．
健康监测：虽然２ 月２ 日至２ 月３ 日有下跌，但自２ 月３ 日以后，民众对健康监测的积极倾向呈稳
步上升趋势 ．这反映出健康监测的手段越来越科学、效果越来越好 ．健康监测是统筹推进复工复产工作
中的重要板块，全面监测员工健康、防止疫情因复工人员密集而扩散，才能平稳推进复工工作 ．
防 疫政策：２ 月１ 日至 ２ 月 ２ 日，民众对防疫政策的情感倾向有一个陡增趋势，这是由于政府新颁
布的防疫政策切中要害，切实解决了百姓 的 问 题 ．随 后 几 天 呈 下 降 趋 势，说 明 疫 情 期 间 新 问 题 层 出 不
穷，需要不断出台新政策，以及时解决民众问题 ．
图 １６ 为 “服务行业，企业帮扶”话题的倾向性趋势分析 ．

图 １５ 第 ３ 类话题平均倾向趋势 图 １６ 第 ４ 类话题平均倾向趋势
服务行业：民众对服务行业情感指标波动较大 ．疫情给服务行业带来了巨大考验 ．一方面，疫情不
允许人口聚集，对于餐饮、超市等服务业无疑是重创；另一方面，长期而言，人们的生活离不开服务行
业 ．因此，在统筹推进复工复产的过程中，服务行业的复工势在必行 ．
企业帮扶：２ 月 ５ 日至 ２ 月 ６ 日有段断崖式下跌，体现民众对企业帮扶的积极情绪急剧降低 ．疫情
期间，很多企业因停工而遭受重创 ．帮扶 企 业 挺 过 疫 情 寒 冬 期，既 是 统 筹 推 进 复 工 复 产 工 作 的 重 要 组
成部分，也是解决就业、保障民众生计、促动经济发展过程中不可或缺的一部分 ．
图 １７ 为 “反扑，远程（在线）技术，特殊医保，传染病监测，数据开放”话题的倾向性趋势分析 ．
· ４６ ·
第 ９ 卷第 ４ 期 数学建模及其应用 Ｖｏ
ｌ．９Ｎｏ．
４ Ｄｅｃ．
２０２０

反扑：“反扑”话题尽管波动较大，但
整体都为正数，这 说 明，民 众 虽 然 担 忧 疫
情反扑，但仍持 积 极 的 正 面 态 度，认 为 反
扑可能性较小，或 者 即 使 有 反 扑，政 府 也
能及时控制 ．这体 现 出 民 众 对 我 国 的 医 疗
水平、信息披露的透明度以及政府公 信 力
的自信 ．
远程（在线）技术：自 ２ 月 ２ 日 至 ２ 月
３ 日完成陡增 后，民 众 对 该 话 题 的 情 感 指
标虽略 有 波 动，但 整 体 维 持 在 较 高 水 平 ．
这体现出远程（在线）技术在防控疫情、统
筹推进复工复产 过 程 中 的 重 大 作 用 ．无 论
是医院的 远 程 会 诊，还 是 学 校 网 上 复 课，
图 １７ 第 ５ 类话题平均倾向性趋势
抑或是企业复工时举行的视频会议，都 离
不开远程（在线）技术 ．远程（在线）技术在民众心中的重要性不言而喻 ．
特殊医保：民众对 “特殊医保”话题的积极情感倾向在 ２ 月 ４ 日达到顶峰 ．这体现出民众一度对特
殊医保持非常正面的态度，因为普通医保无法解决重大、突发的特殊疾病 ．自 ２ 月 ４ 日后逐渐下降，但
仍为正数，这体现出民众对特殊医保的态度趋于理性，除了特殊医保外，还需很多其他手段（如特殊病
情监测机制等）联合并施，才能应对突发重大疾病 ．
传染病监测：２ 月 １ 日至 ２ 月 ４ 日，民众对传染病监测的情绪越来越积极，几乎成陡增趋势，这体
现出民众信心急剧上涨，虽后三天略有下降，但总体水平仍维持在 较 高 状 态，反 映 出 传 染 病 监 测 的 手
段与效果都有极大突破 ．
数据开放：“数据开放”话题平均倾向虽有波折，但整体数值都较高，这高度体现了数据开放在统
筹推进复工复产过程中的重要性 ．数 据 开 放、打 破 信 息 孤 岛、共 享 资 源，能 够 更 好 地 利 用 数 据 分 析 形
势，如新增病例人数、治愈人数等，从而决策出最佳复工日期 ．

６ 总结
本文以 “统筹推进复工复产”为主题，拟定了 “传染病监测”“反扑”“防疫物资”“防疫政策”“服
务 行业”“复工复产”“健康监测”“企业帮扶”“数据开放”“特殊医保”和 “远程（在线）技术”这１１ 个热
点话题，对 ２０２０ 年 ２ 月 １ 日至 ７ 日的相关网络舆情进行剖析，了解广大民众对各个话题的关注度和倾
向性，对统筹推进复工复产工作具有一定的现实意义，得到如下结论：
第一，民众迫切希望复工复产 ．由于疫情不允许人员聚集，社会一度陷入停工的困境，这不仅影响
了民众的生计，也不利于社会经济长远发展 ．因此，民众强烈希望复工复产，统筹推进复工复产顺应民
心、势在必行 ．
第二，疫情防控不能松懈 ．虽然疫情目前已大有好转，但绝不可掉以轻心 ．复工复产意味着劳动力
可能会聚集，人口密集可能带来风险，因此，应将健康监测、尤其是对新冠传染病的监测，严格执 行、
落到实处 ．
第三，复工复产需要全社会的支持与帮扶 ．企业承担着生产线复产、员工复工的重任，疫情无疑给
企业带来巨大的考验，一些中小企业甚至因为资金周转不灵而濒临破产 ．企业帮扶需要社会各方援手 ．
首先，政府可以予以税收政策上的减免；其次，企业可以互相帮扶，通过共享资源等方式实现共赢；最
后，广大民众也要积极支持，如购买企业产品等 ．

参考文献
１］朱建平 ．中国房地产网络舆情分析［
［ Ｊ］．数理统计与管理，２０１６，３５（
４）：７２２－７４１．
· ４７ ·
·建模探索· 新冠肺炎网络舆情的启示：复工复产的文本挖掘与分析 ２０２０ 年 １２ 月

２］中国互联网络信息中心 ．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，２０１９：１７－１９．
３］邵琦，牟冬梅，王萍，等 ．基于语义 的 突 发 公 共 卫 生 事 件 网 络 舆 情 主 题 发 现 研 究 ［
［ Ｊ］．数 据 分 析 与 知 识 发 现，２０２０，
４（
９）：６８－８０．
４］朱建平 ．数据挖掘的统计方法及实践［Ｍ］．北京：中国统计出版社，２００５．
［
５］朱建平，谢邦昌，马双鸽，等 ．大数据：统计理论、方法与应用［Ｍ］．北京：北京大学出版社，２０１８．
［
６］朱建平，刘晓葳，欧阳汉 ．《统计研究》的历史阶段性回顾与特征分析［
［ Ｊ］．统计研究，２０１４，３１（
９）：３－１０．
［
７］Ａｍｅ
ｕｒ Ｍ Ｓ Ｈ，Ｂｅ
ｌｋｅ
ｂｉｒＲ，Ｇｕ
ｅｓｓ
ｏｕｍ Ａ．Ｒｏｂｕ
ｓｔａ
ｒａｂ
ｉｃｔ
ｅｘｔｃ
ａｔｅ
ｇｏｒ
ｉｚａ
ｔｉｏｎｂｙｃ
ｏｍｂ
ｉｎｉ
ｎｇｃ
ｏｎｖ
ｏｌｕ
ｔｉｏｎ
ａｌａ
ｎｄｒ
ｅｃｕ
ｒｒｅ
ｎｔｎ
ｅｕｒ
ａｌ
ｎ
ｅｔｗｏ
ｒｋｓ［
Ｊ］．ＡＣＭ Ｔ
ｒａｎ
ｓａｃ
ｔｉｏｎ
ｓｏｎＡｓ
ｉａｎａ
ｎｄＬｏｗ－Ｒｅ
ｓｏｕ
ｒｃｅＬａ
ｎｇｕ
ａｇｅＩ
ｎｆｏ
ｒｍａ
ｔｉｏｎＰｒ
ｏｃｅ
ｓｓｎｇ ，２０２０，１９（
ｉ ５）：１－１６．
［
８］Ｌａｎ Ｙ，Ｊ
ｉａｎｇ Ｊ．Ｑｕｅ
ｒ ｒ
ｙｇａｐｈ ｇｅｎｅ
ｒａｔ
ｉｏｎｆ
ｏｒａｎｓｗｅ
ｒｉｎｇ ｍｕ
ｌｔｉ－ｈｏｐ ｃ
ｏｍｐ
ｌｅｘ ｑｕｅ
ｓｔｉ
ｏｎｓｆ
ｒｏｍ ｋｎｏｗｌ
ｅｄｇｅ ｂａ
ｓｅｓ［
Ｃ］．
Ｐｒ
ｏｃｅ
ｅｄｎｇｓｏ
ｉ ｆｔｈｅ５８
ｔｈ Ａｎｎｕａ
ｌＭｅ
ｅｔｉ
ｎｇｏ
ｆｔｈｅＡｓ
ｓｏｃ
ｉａｔ
ｉｏｎｆ
ｏｒＣｏｍｐｕ
ｔａｔ
ｉｏｎａ
ｌＬｉ
ｎｇｕ
ｉｓｔ
ｉｃｓ，２０２０：９６９－９７４．
９］冯兴杰，曾云泽 ．基于评分矩阵与评论文本的深度推荐模型［
［ Ｊ］．计算机学报，２０２０，４３（
５）：８８４－９００．
１０］丁兆云，贾焰，周斌 ．微博数据挖掘研究综述［
［ Ｊ］．计算机研究与发展，２０１４，５１（
４）：６９１－７０６．
［
１１］Ｈｅ
ａｒｔ Ｍ，Ｐｅｄｅ
ｓ ｒｓｅｎ Ｅ，Ｐａ
ｔｉｌＬ Ｐ，ｅ
ｔａｌ．Ａｎ ｅ
ｖａｌ
ｕａｔ
ｉｏｎ ｏ
ｆｓｅｍａｎ
ｔｉｃ
ａｌｌ
ｙｇｒ
ｏｕｐｅｄ ｗｏ
ｒｄｃ
ｌｏｕｄ ｄｅ
ｓｉｇｎｓ［
Ｊ］．ＩＥＥＥ
Ｔｒ
ａｎｓ
ａｃｔ
ｉｏｎｓｏｎ Ｖｉ
ｓｕａ
ｌｉｚ
ａｔｉ
ｏｎａｎｄＣｏｍｐｕ
ｔｅｒＧｒ
ａｐｈ
ｉｃｓ，２０２０，２６（
９）：２７４８－２７６１．
１２］张蕾，蔡明 ．基于主题融合和关联规则挖掘的图像标注［
［ Ｊ］．计算机科学，２０１９，４６（
７）：２４６－２５１．
［
１３］
ＳｈａｏＺ，Ｌ
ｉＹ，Ｗａｎｇ Ｘ，ｅ
ｔａｌ．Ｒｅ
ｓｅａ
ｒｃｈ ｏｎａｎｅｗ ａｕ
ｔｏｍａ
ｔｉｃｇｅｎｅ
ｒａｔ
ｉｏｎａ
ｌｇｏ
ｒｉｔ
ｈｍ ｏ
ｆｃｏｎｃ
ｅｐｔ ｍａｐ ｂａ
ｓｅｄｏｎｔ
ｅｘｔ
ａｎａ
ｌｙｓ
ｉｓａｎｄａ
ｓｓｏ
ｃｉａ
ｔｉｏｎｒ
ｕｌｅ
ｓ ｍｉ
ｎｉｎｇ［
Ｊ］．
Ｊｏｕ
ｒｎａ
ｌｏｆＡｍｂ
ｉｅｎ
ｔＩｎ
ｔｅｌ
ｌｉｇｅｎｃ
ｅａｎｄ Ｈｕｍａｎ
ｉｚｅｄＣｏｍｐｕ
ｔｉｎｇ，２０２０，１１（
２）：
５３９－５５１．
［
１４］
ＣａｉＮ，Ｈｅ Ｍ，Ｗｕ Ｑ，ｅ
ｔａｌ．Ｏｎａ
ｌｍｏ
ｓｔｃ
ｏｎｔ
ｒｏｌ
ｌａｂ
ｉｌｉ
ｔｙｏ
ｆｄｙｎａｍｉ
ｃａｌｃ
ｏｍｐ
ｌｅｘｎｅ
ｔｗｏ
ｒｋｓ ｗｉ
ｔｈｎｏ
ｉｓｓ［
ｅ Ｊ］．
Ｊｏｕ
ｒｎａ
ｌｏｆ
Ｓｙ
ｓｔｅｍｓＳｃ
ｉｅｎｃ
ｅａｎｄＣｏｍｐ
ｌｅｘ
ｉｔｙ，２０１９，３２（
４）：１１２５－１１３９．
［
１５］
Ｌｉｕ Ｂ．Ｓｅｎ
ｔｉｍｅｎ
ｔａｎａ
ｌｙｓ
ｉｓａｎｄ ｏｐ
ｉｎｉ
ｏｎ ｍｉ
ｎｉｎｇ［
Ｊ］．Ｓｙｎ
ｔｈｅ
ｓｉｓ Ｌｅ
ｃｔｕ
ｒｅｓｏｎ Ｈｕｍａｎ Ｌａｎｇｕａｇｅ Ｔｅ
ｃｈｎｏ
ｌｏｇ
ｉｅｓ，２０１２，
５（
１）：１－１６７．
１６］王兰成，徐震 ．基于情感本体的主题网络舆情倾向性分析［
［ Ｊ］．信息与控制，２０１３，１：４６－５２．
［
１７］Ｍｅｄｈａ
ｔ Ｗ， Ｈａ
ｓｓａｎ Ａ，Ｋｏ
ｒａｓｈｙ Ｈ．Ｓｅｎ
ｔｉｍｅｎ
ｔａｎｎａ
ｌｙｓ
ｉｓａ
ｌｇｏ
ｒｉｔ
ｈｍｓａｎｄ ａｐｐ
ｌｉｃ
ａｔｏｎ：Ａ ｓｕ
ｉ ｒｖｅｙ［
Ｊ］．Ａｉ
ｎ Ｓｈａｍｓ
Ｅｎｇ
ｉｎｅ
ｅｒｎｇＪ
ｉ ｏｕｒ
ｎａｌ，２０１４，５（
４）：１０９３－１１１３．
［
１８］
Ｋａｂａ
ｃｏｆＲＩ．Ｒ 语言实战［Ｍ］．
ｆ ２ 版 ．王小宁，刘撷芯，黄俊文，等译 ．北京：人民邮电出版社，２０１６．

Ｒｅ
ｖｅｌ
ａｔｉ
ｏｎｏ
ｆＣＯＶＩＤ－１９Ｎｅ
ｔ－ｍｅ
ｄｉａ
ｔｅｄＰｕｂ
ｌｉｃＯｐ
ｉｎｏｎ：Ｔｅ
ｉ ｘｔＭｉ
ｎｉｎｇａｎｄＡｎａ
ｌｙｓ
ｉｓｏ
ｆ
Ｒｅ
ｓｕｍｐ
ｔｉｏｎｏ
ｆ Ｗｏ
ｒｋａｎｄＰｒ
ｏｄｕ
ｃｔｉ
ｏｎ
，
ＺＨＵＪ
ｉａｎｐ
ｉｎｇ１ ２ ，ＷＡＮＧ Ｘｕａｎ
ｌｉ１
（
１．Ｓｃｈｏｏ
ｌｏ ｔ，Ｘｉ
ｆ Ｍａｎａｇｅｍｅｎ ａｍｅｎ Ｕｎ
ｉｖｅ
ｒｓｉ
ｔｙ，Ｘｉ
ａｍｅｎ，Ｆｕ
ｊｉａｎ３６１００５，Ｃｈ
ｉｎａ；
２．Ｎａ
ｔｉｏｎａ
ｌＩｎｓ
ｔｉｔ
ｕｔｅｆ
ｏｒＤａ
ｔａＳｃ
ｉｅｎｃ
ｅｉｎ Ｈｅ
ａｌｔ
ｈａｎｄ Ｍｅｄ
ｉｃｎｅ，Ｘｉ
ｉ ａｍｅｎ Ｕｎ
ｉｖｅ
ｒｓｉ
ｔｙ，Ｘｉ
ａｍｅｎ，Ｆｕ
ｊｉａｎ３６１００５，Ｃｈ
ｉｎａ）

Ａｂ
ｓｔｒ
ａｃｔ：Ｃｏｏ
ｒｄｉ
ｎａｔ
ｉｎｇｔ
ｈｅｐ
ｒｅｖｅｎ
ｔｉｏｎａｎｄｃ
ｏｎｔ
ｒｏｌｏ
ｆＣＯＶＩＤ－１９ａｎｄｔ
ｈｅｒ
ｅｓｕｍｐ
ｔｉｏｎｏ
ｆ ｗｏ
ｒｋａｎｄ ｐ
ｒｏｄｕｃ
ｔｉｏｎｉ
ｓｂｏ
ｔｈａ
ｂａ
ｔｔｌ
ｅａｎｄａｔ
ｅｓｔ．Ｗｉ
ｔｈｔ
ｈｅｔ
ｈｅｍｅｏ
ｆｐｒ
ｏｍｏ
ｔｉｎｇｔ
ｈｅｒ
ｅｓｕｍｐ
ｔｉｏｎｏ
ｆｗｏ
ｒｋａｎｄｐ
ｒｏｄｕｃ
ｔｉｏｎａ
ｓａ ｗｈｏ
ｌｅ，ｔ
ｈｉｓｐａｐｅ
ｒｃｏ
ｌｌｅ
ｃｔｅｄ
ｎｅ
ｔ－ｍｅｄ
ｉａｔ
ｅｄｐｕｂ
ｌｉｃｏｐ
ｉｎｉ
ｏｎｄａ
ｔａｆ
ｒｏｍ Ｆｅｂ
ｒｕａ
ｒｙ１，２０２０ｓ
ｏｌｓ
ｔｉｃ
ｅｔｏ７．Ａｆ
ｔｅｒｓ
ｃｒｅ
ｅｎｎｇ，１１ｈｏ
ｉ ｔｔｏｐ
ｉｃｓ ｗｅ
ｒｅｄ
ｉｖｉ
ｄｅｄｉ
ｎｔｏ５
ｃ
ａｔｅｇｏ
ｒｉｅ
ｓｂｙ ｄ
ｉｒｅ
ｃｔｉ
ｏｎａ
ｌｃｌ
ｕｓｔ
ｅｒｉ
ｎｇ ｍｅ
ｔｈｏｄ．Ｂｙ ｕｓ
ｉｎｇ ｄａ
ｔａ ｍｉ
ｎｉｎｇ ａｎｄ ｖ
ｉｓｕａ
ｌｉｚ
ａｔｉ
ｏｎ ｔ
ｅｃｈｎ
ｉｑｕｅ
ｓ ｓｕｃｈ ａ
ｓ ｗｏ
ｒｄｃ
ｌｏｕｄ，
ａ
ｓｓｏ
ｃｉａ
ｔｉｏｎｒ
ｕｌｓ，ｃ
ｅ ｏｍｐ
ｌｅｘ ｎｅ
ｔｗｏ
ｒｋ，ｔ
ｅｘｔｏ
ｒｉｅｎ
ｔａｔ
ｉｏｎ ａｎａ
ｌｙｓ
ｉｓ，ｅ
ｔ ，ｔ
ｃ． ｈｅ ｐａｐｅ
ｒ ｍａ
ｉｎｌ
ｙ ｄｅ
ｓｃｒ
ｉｂｅ
ｓｔｈｅ ｈｅ
ａｔｄ
ｉｆｆ
ｅｒ ｅ，
ｅｎｃ
ｃ
ｏｎｔ
ｅｎｔｃｈａ
ｒａｃ
ｔｅｒ
ｉｓｔ
ｉｃｓ，ｒ
ｅｌｅ
ｖａｎｃ
ｅｒｅ
ｌａｔ
ｉｏｎｓｈ
ｉｐａｎｄｔ
ｅｎｄｅｎｃｙｏ
ｆｔｈｅｔ
ｏｐｃ，ｓ
ｉ ｏａｓｔ
ｏｄｅ
ｓｃｒ
ｉｂｅｔ
ｈｅｃｈａ
ｒａｃ
ｔｅｒ
ｉｓｔ
ｉｃｓｏ
ｆｔｈｅｐｕｂ
ｌｉｃ
＇
ｓａｔ
ｔｅｎ
ｔｉｏｎｔ
ｏｔｈｅｔ
ｏｐｉ
ｃｉｎｔ
ｈｅｓ
ｅ７ｄａｙ
ｓａｎｄｇ
ｉｖｅａｐｐ
ｒｏｐ
ｒｉａ
ｔｅｓｕｇｇｅ
ｓｔｉ
ｏｎｓ．
Ｋｅ
ｙｗｏ
ｒｄｓ：ｃ
ｏｏｒ
ｄｉｎａ
ｔｅｔ
ｏｐｒ
ｏｍｏ
ｔｅｔ
ｈｅｒ
ｅｓｕｍｐ
ｔｉｏｎ ｏ
ｆ ｗｏ
ｒ ｒ
ｋ ａｎｄ ｐｏｄｕｃ
ｔｉｏｎ；ｗｏ
ｒｄｃ
ｌｏｕｄ；ａ
ｓｓｏ
ｃｉａ
ｔｉｏｎ ｒ
ｕｌｓ；ｃ
ｅ ｏｍｐ
ｌｅｘ
ｎｅ
ｔｗｏ
ｒｋ；ｔ
ｅｘｔｔ
ｅｎｄｅｎｃｙａｎａ
ｌｙｓ
ｉｓ

作者简介
朱建平（
１９６２－ ），男，２００３ 年获南开大学理学博士学位，现任厦门大学管 理 学 院 教 授、博 士 生 导
师、厦门大学健康医疗大数据国家研究院副院长、厦门大学数据挖 掘 研 究 中 心 主 任，担 任 教 育 部 高 等
学校统计学类专业教学指导委员会副主任，主要研究方向为数理统计、数据挖掘 ．
王炫力（
１９９９－ ），女，厦门大学管理学院会计学专业 ．

· ４８ ·