本研究基于微博和抖音社交媒体平台，对2024年07月24日在贵州六盘水市水城区发生的4.6级地震传播情况进行分析，技术路线图如图2所示。首先，利用网络爬虫技术获取社交媒体平台发帖评论内容，并进行解析和数据去重、去噪等预处理，获得研究样本。其次，通过Jieba分词组件对获取的发帖内容与评论内容进行分词解析，获取地震特征词和词频信息，并进行分类统计。然后，通过LDA主题模型提取评论主题，并采用ROST-CM6进行情感分析。最后，分时段和地区统计分析结果，获取舆情发展的时序变化和空间分布特征。

图1 研究区示意图Fig.1 Schematic diagram of study area

图2 研究方法和技术路线图Fig.2 Research methods and technical approach

使用Python对评论进行分词和词频统计后，频率前20的词语如表2所示。其中，“感谢”出现的次数最高，“安全”、“平安”、“避暑”、“没事”、“影响”等词频较高，“玫瑰”、“流泪”、“爱心”等表情在评论中使用较多。

图3展示了评论中词频较高的20个词语的共线矩阵图，每条曲线代表在同一个语句中共同出现的次数，线条的粗细代表共现频率的高低；节点宽度代表各词语在所有语句中出现的词频。图中，“感谢”、“安全”、“平安”等词语共线频率较高，表明多数网友对此次地震关注度较高，且多为对震区情况的关心；“避暑”与“安全”、“地震”、“感谢”、“准备”、“不安全”等词语共线频率较高，表明多数网友关注震后六盘水地区避暑和出行的安全性。

表2 词频统计表（前20） Table 2 Word frequency statistics（top 20）

图3 高频词共现矩阵图Fig.3 Co-occurrence matrix of high frequency words

研究采用了LDA主题挖掘模型，采用困惑度（Perplexity）和一致性（Coherence）指标对主题数量进行判定，指标随着与主题数量变化如图4所示：

图4 困惑度变化曲线图（a）和一致性变化曲线图（b） Fig.4 Perplexity change curve（a）and coherence change curve（b）

据图4中困惑度和一致性的变化趋势，确定最佳主题数为4。主题1为对“六盘水的安全”的关注，相关性较高的词语有：“安全”、“六盘水”、“握手”和“避暑”等词语；主题2为“地震的感受或反应”，相关性较高的词语有：“捂脸”、“感觉”、“流泪”和“地震”等词语；主题3为“地震事件的观点态度”，相关度较高的词语有：“地震”、“贵州”、“六盘水”和“关注”等词语；主题4为“感谢与祝福的情感表达”，相关度较高的词语有：“感谢”、“666”、“玫瑰”和“爱心”等词语。

主题分析结果与词频分析结果相似，震区的安全、地震感受、地震的持续关注与感谢祝福成为讨论的重点，反映了民众对地震后安全状况的担忧和重视，并且对地震事件表示了高度的关注和关心，对平安的祝愿更加强烈。

研究采用了ROST-CM6进行整体评论的情感极性分析，正面、中性和负面情绪占比及对应的情感极性如图5（a）～（c）。此外，为进一步分析不同情绪的关注点，图5（d）～（f）词云图展示了各类情绪的词频。

图5（a）表明，评论中37.47%为正面情绪， 43.64%为中性情绪，18.89%为负面情绪。图5（b）和图5（c）中，正面情绪和负面情绪极性占比的特征相似，“一般”极性的情绪占比较高，其次为“中度”极性，负面情绪中仅有3%高度负面。对评论的情绪占比与情绪值分析可知，中性情绪占主导地位，其次为正面情绪；在正面情绪和负面情绪的情绪值评分中，一般程度的情绪值占比最高，极端情绪值占比最少。

各类情绪对应的词云图如图5（d）～（f）所示。正面情绪和中性情绪评论的词频中，“感谢”、“地震”和“贵州”频率较高，但正面情绪评论主要为对震区的祝福，例如“希望大家都平平安安[感谢][感谢][感谢]”、“人安全就好[感谢]”等；中性情绪评论多进行震感描述，无情感极性，如“没事的，我们就是贵州六盘水的，虽然说地震我们一点反应都没有[感谢][感谢][感谢]”或仅使用“感谢”表情作为评论内容。正面情绪评论中主要为民众对灾区的关注和祈福，以及回应；中性评论主要为对地震感受的描述；负面情绪评论主要为对震区安全性的担忧。

震后逐小时的评论数量变化如图6（a）所示，逐小时的各类情绪占比变化如图6（b）所示。

图6（a）中地震事件发生后，各小时评论数量呈现明显波动。与吉林松原4.3级地震后舆情信息热度变化趋势相似，呈现出多峰分布^[14]。24日10时震后4h的讨论数量达到峰值，随后逐渐减少， 24日下午2点左右评论数量逐渐升高，到达第二个峰值，之后逐渐回落，24日17时和20时左右评论数量有小幅波动，25日9时与12时有小范围波动，随后评论数量衰减维持在较低水平，趋近于0。

舆情传播周期与多数地震较为相似^[4，14]，网络讨论的高峰出现在地震后的前24 h内，达到峰值后迅速下降。此次地震后4h内网络讨论的热度较高；在大众关注度回落后，出现的峰值基本与公众作息时间符合，但远低于震后4h内的数值；波动期结束后，讨论热度维持在较低水平，存在一定的消弭期。政府单位在应对此类突发地震事件时，应加强舆情信息增长和爆发期的舆情引导，避免出现大规模负面舆情，此外，还可根据公众作息时间关注度的变化，适时开展科普宣传工作。

图5 各类情绪占比与词云图Fig.5 The proportion of emotions and the word cloud diagram

图6（b）中各时间段内的情绪值占比表明，震后0～20 h内中性情绪约占50%，正面情绪约占30%，负面情绪约占20%；震后20～30 h，正面情绪占40%以上，中性情绪占35%以上，负面情绪约占20%；地震事件发生30 h后，评论数量趋近于0，导致情绪占比波动较大。分析可知，贵州六盘水4.6级地震后0～20 h内，社交网络平台多为中性情绪，在20 h后，多为正面情绪，未产生大范围负面舆情。

图6 评论数量时间序列（a）和情绪占比时间序列（b） Fig.6 Time series of comment counts（a）and time series of emotion proportion（b）

依据评论的IP地址统计了各地区的评论数量（图7），并分析了各地区的情绪分布（图8）。此次地震发生在贵州地区，省内对此次事件讨论较多，与其空间相邻的四川、重庆、云南、广西地区也表现出关注；此外，杭州、广州、江苏等中东部地区有一定的关注度。从情绪态度上分析，各省情绪特点分布较为相似，中性情绪占比较高，在35.3%～48.7%之间；其次为正面情绪，负面情绪占比在12.1%～23.6%之间，各地区民众对此次突发的地震事件整体呈现正面和中性的态度。

图7 各省份评论数量Fig.7 Number of comments in each province/autonomous region/city

震后网络空间情绪态度与接续新闻宣传息息相关，薛杭等^[15]指出，突发地震事件易引发网络集合和围观，健全内外沟通机制、做好政府信息公开满足受众对不同信息的需求，能够避免网络谣言滋生。西藏比如6.1级地震与吉林松原4.3级地震后，官方媒体发布了救援、震情等相关消息，民众及时获得了正面信息反馈，情绪由负面逐渐转为正面^[14，16]；贵州六盘水4.6级地震后，官方媒体及时发布了应急响应措施与无人员伤亡情况的报道，民众虽然担忧地震安全，但网络空间的态度以中性和正面为主，负面情绪占比较低。