生活百科

3月2日发布的第51次《中国互联网络发展状况统计报告》（下称《报告》）显示，截至2022年12月，我国短视频用户规模首次突破十亿抖音用户数，用户使用率高达94.8%。短视频与第一大互联网应用（即时通信）使用率间的差距由17.4个百分点缩小至2.4个百分点。 从6.48亿跨至10.12亿，过去五年，短视频用户“疯涨”。其中，2019、2020年的年新增用户均在1亿以上。 这一数据不妨和今年的政府工作报告连起来看。在总结过去五年的工作时，政府工作报告提到，所有地级市实现千兆光网覆盖，所有行政村实现通宽带。此外，大力发展数字经济被列入今年工作重点之一。 更大的背景则是数字中国的建设。全国两会召开前夕，中共中央、国务院印发了《数字中国建设整体布局规划》。近日，提请全国人代会审议的国务院机构改革方案则披露，中国拟组建国家数据局，负责协调推进数据基础制度建设，统筹推进数字中国、数字经济、数字社会规划和建设等。 一系列“动作”的背后，都充分展现数字经济在拉动国民经济发展中的重要作用。 依托扎实的基建支撑，在强大的算法和庞大的内容基础上，短视频平台的发展日趋向好。 但于此同时，短视频行业头部矩阵也迎来重塑。2017年底还占据市场大半的秒拍、美拍、好看视频等已“查无此人”，如今只有快手还依然位居前列；2018年春节之后，抖音异军突起；2020年，视频号又开始奋起直追；去年底至2023年初，拼多多旗下 “多多视频”DAU又突破1.5亿…… 我国短视频用户规模破10亿的背后，或许有以下几个方面值得我们回顾与思考： 移动互联网流量的“蹿升” “走过了‘2g跟随，3g突破、4g同步，5g引领’的发展历程，我国已经建成规模最大、技术最先进的5G网络。” 3月5日抖音用户数，在十四届全国人大一次会议第一场“部长通道”上回答有关5G发展的问题时，工业和信息化部部长金壮龙表示。据他介绍，我国今年将新建开通5G基站60万个，总数将超过290万个。6G推进工作组已经在开展工作。 短视频用户规模的“疯涨”，和移动互联网流量的“蹿升”相辅而行。2018年，伴随着移动新增用户规模创十年新高，当年移动互联网接入月户均流量（DOU）迎来了一波“暴涨”。 根据历年的通信业统计公报，2018年移动互联网接入月户均流量（DOU）达4.64GB/月/户，是上年的2.6倍。而到2022年，月户均接入流量（DOU）已达15.2GB/月/户。全年移动互联网接入流量消费也从711亿GB增长至2618亿GB。 2017—2022年移动互联网流量及月户均流量（DOU）增长情况 图片来源：工信微报 这些庞大的流量增量中，不少部分是由短视频应用所贡献。早在2018年时，通信业统计公报的解读就提到，小程序、短视频、视频直播等应用延长了用户使用手机时间。2019年的解读则直言短视频应用成移动互联网流量增速“主要拉动力”，相关应用消耗的流量占比已超过30%。 而从应用的使用时间上来看，短视频也侧面证明了其耗费流量的 “威力”。据QuestMobile的数据，短视频使用时长在2021年超越即时通讯，成为占据人们网络时间最长的行业，其比例也从2019年15.2%一路增长至2022年的28.5%。 此外，除了基础设施的配套建设，降费政策也功不可没。同样是在移动互联网流量“蹿升”的2018年，取消国内流量漫游资费可谓是当年最受关注的事项之一。 数据显示，2018年电信综合价格指数同比下降56.7%。而在去年12月举办的2022中国移动全球合作伙伴大会上，中国移动董事长杨杰介绍，过去十年，中国移动持续推进提速降费，手机上网平均资费下降95%，月户均流量增长360多倍。 短视频头部矩阵迎来“重塑” 若论短视频平台的“厮杀”，还需将时间拨回2018年。彼时，今日头条旗下的抖音正在短视频领域“攻城略地”；而腾讯正寄希望于旗下的微视迅速入场。当时的市场格局还是“南抖音、北快手”。 而更早前，短视频领域的格局还大为不同。据市场调研机构易观公布的2017年四季度短视频全网渗透率数据，秒拍、快手、西瓜视频（原头条视频）、美拍、火山小视频、好看视频等位居前列，抖音仅位居第七。 2018年春节后，抖音开始迅速“起飞”，仅在4月便新增用户达1亿。而在2018年一度挤进短视频行业APP月活用户规模第五的微视终究没能掀起太大风浪，并最终被合并。2021年4月，腾讯平台与内容事业群（PCG）宣布新一轮组织架构和人事调整，成立“在线视频BU（On-line Video Business Unit，OVB）”，由腾讯视频、微视、应用宝整合而成。 直到2020年，腾讯终于凭借视频号扳回一城。在当年的微信公开课PRO中，张小龙宣布微信视频号将正式开启内测。据其当年6月底发布的朋友圈，视频号的日活跃用户数量（DAU）达到2亿。2022年末举办的内部员工大会上，马化腾坦言：“WXG（微信事业群）最亮眼的业务是视频号，基本上是全公司的希望。” 从用户数量上来说，发力更晚的视频号占据头把交椅。据QuestMobile的《2022移动互联网半年大报告》，截至2022年6月，微信视频号活跃用户规模突破8亿，且微信视频号中抖音用户活跃渗透率接近六成。此外，抖音和快手的用户规模分别为6.8亿与3.9亿。 ———END——— 限 时 特 惠：本站每日持续更新海量各大内部创业教程 站 长 微 信：chuangyedemao

央行原行长周小川6月11日在第十三届陆家嘴论坛（2021）上表示，金融服务实体经济至少有三方面含义。第一是支付体系。没有支付体系，实体经济转不起来，支付体系可以视为服务实体经济运行的一部分。 第二是为企业提供流动资金的支持，特别是流动资金贷款。在企业生产过程中，流动资金支持了企业的连续运转，也是服务实体经济的一部分。 此外，随着时间的发展，实体经济必然要进行新的研发投资，新的设备投资，更新技术工艺、更新产品，为上述投资所进行的融资服务包括银行信贷，也包括其他非银金融机构的活动，包括资本市场的融资，这也应看作服务实体经济的组成部分。 他还表示，加密货币从原来的设计思想来看，还是有可能成为为实体经济服务的有用工具，例如在支付领域中起到一定作用。前期来看，加密货币设计有些不足，比如每秒钟所处理的交易笔数还不够高、占用较多网络资源和处理能力、去中心化强调去监管等。有些加密货币的参与者把它看作赚快钱的手段，就会把加密货币搞成数字资产。现在来看，一些加密货币想回到支付领域已经失去了机会，已经不太合适了。 以下为演讲实录（未经本人审订）： 各位来宾大家好，非常高兴又能够参加陆家嘴论坛，陆家嘴论坛我参加过多次，历来比较积极。今天讲金融服务实体经济，一定程度上会涉及科技，其他人更多的是讲科技，我还是更着重于金融服务实体经济，我的题目是”金融服务实体经济理念相关政策和长期效果”，首先先借国际比较来讲一下金融和实体经济的关系。 中国很强调金融服务实体经济，金融服务、金融市场要和实体经济密切相连，因此可能很多人都认为其他有很多国家都有类似的概念，其实情况不是这样的。世界上很多国家不怎么提金融服务实体经济，也不怎么特别强调金融要和实体经济保持紧密的关系，因此进行一些比较有一些初步的概念还是有必要的。 第一个维度就是国别比较。如果说我们中国特别强调金融服务、金融市场要和实体经济保持紧密联系，要为实体经济服务，如果从这个角度算是在0-1之间算1的话，也有一些国家我们看到他们基本不提这个事儿，认为金融是金融，可以独立运行，这种看法可以看作是“0-1”之间趋近于“0”这边。有很多发达国家可能比较偏近0那一边，特别是美国华尔街因为金融业比较发达，所以他们更强调金融自身的特性。 另外从时间轴上来看，从历史上来看这个题目也是随着历史是有变化的，如果有一些投机过度造成泡沫和泡沫破裂的话，大家就会对这个金融和实体经济的关系讨论比较多，也比较注重加强这方面的联系，但是可能隔一段时间以后，这个事儿就变得比较淡漠，有可能有所遗忘。 另外不管在哪个国家，不管从决策层面还是经济学、金融学的层面来讲，其实都是存在着多种多样的观点，也就是说可能有些学者、政策制定者比较偏向强调金融为实体经济服务，另外一些人可能较少强调金融为实体经济服务。所以应该说它也是一种正态分布，它的平均值代表了一些主流意见，因此，我们可以从好几个维度来看这个问题。 多数情况下，我们看到中国是非常频繁地讲实体经济，但是在另外一些国家，很少引用实体经济这个词，另外引用的时候含义也不见得一样。再有，在政策制定的陈述的考虑上，金融政策陈述方面很少提到实体经济，因此大家可以有很多资料可以去分析这个问题。 第二个问题，我想讲一下近年来这个问题还是有一定热度的，特别是全球金融危机发生以来，首先是2008年第四季度，我想从中国的观点，这次金融危机的发生，其中原因之一是有一些过度投机的衍生产品脱离了实体经济，这应该予以注意。2010-2012年期间，在中国几次中央经济工作会议上，中央和国务院都反复强调金融要为实体经济服务，强调了这样的内容，所以中国在这方面是做的比较突出的。 与此同时，中国人民银行根据这个精神，推出了社会融资总额的口径，这个口径融资既有金融业，也包括保险、信托、证券资本市场，为实体经济服务的融资，也有金融业为自己本身的融资，把金融业自己内部循环的资金全部扣除，得出社会融资总量的东西就是从统计上、数字上反映金融业为实体经济服务的程度和它的数量，这也能表明了对它的重视。 今天的题目涉及到科技创新，在涉及到加密货币的创新的时候，中方的态度也是在很多分析和讨论上注重你究竟如何为实体经济服务，如果能为实体经济做出重要的服务，那么可能给予更大的关注，愿意投入更多的资源，来进行这方面的研发和试点。反之，就会弱一些。 很多发达国家讨论实际上跟我们有很大不一样，首先关于实体经济的讨论，多数的情况下，像华尔街有一些学者，他们基本上是“不接茬”你说你的，他不跟着你做讨论。 如果讨论到有些可能脱离实体经济的做法，可能会引发一些问题的时候他们往往比较强调这些产品具有一些定价功能。同时可以对冲一些特定的风险。从全球范围来看，对于这个观点还是有很多差异。后面我会讨论到。我个人认为坚持金融为实体经济服务，从长期来讲会获得巨大的好处。 再下面一个题目我想讲一下，从动态的演变角度来看金融业和实体经济的关系，这个观点大家都在不断的向前推进，从中国来讲，中国过去是搞集中性计划经济，那时候的国民经济统计和现在不一样，不用GDP，用的是国民收入，这个统计口径里国民收入不包括服务业，也就是说主要强调纯粹物质生产和物质的消费，服务业不进入其中。 后来随着改革开放，我们引入了GDP，引入了SNA国民经济核算体系，说严格一点应该是国民账户核算体系，到了90年代大家可能注意到中国曾经有一段比较热衷于讨论所谓虚拟经济和实体经济之间的关系，多数人那时候理解金融是属于虚拟经济的范畴。后来，也没有明确的结果。 我们回到2008年全球金融危机，这个危机出现以后中国非常明确提出要为实体经济服务，但是什么是实体经济呢？这个定义并不是大家都有明确的共识，或者有一个有共识的定义。我们在刚才所说的2010-2012年期间，我个人参加某些讨论的时候听到了一种说法，中国国务院有这么多部委，除了我们工信部和农业部以外，是在搞实体经济，其他都不搞实体经济，所以有可能受到以往的概念的影响，把所有的服务业、所有的财政金融、审计这些部门都认为是非实体经济，这是一个非常狭义的概念。 所以在那时候也对此专门做了澄清，要认识到金融业和实体经济的关系，可能说起来比较复杂，有一部分金融业就是实体经济的组成部分，也是直接为实体经济提供服务的，还有一些金融服务和金融市场的交易，有可能离实体经济稍微远一些，近远的程度不一样，可以用“0-1”之间的分布来说明。 处在“1”的位置上，至少有三方面含义，第一是支付体系，没有支付体系，实体经济转不起来，所以金融在做支付体系的过程中可以看作完全是实体经济运行的一部分；第二是为企业提供流动资金的支持，特别是流动资金贷款，因为企业生产要有原材料、半成品、投入品的投入，生产出的东西也可能还需要有库存、运输才能卖出去，在这个过程中流动资金支持了企业的连续运转，也是实体经济的一部分。 实体经济随着时间的发展，必然要进行新的研发投资，新的设备投资，更新技术工艺、更新产品，这个过程需要投资，为这种投资所进行的融资服务包括银行信贷也包括其他非银行金融机构的活动，包括资本市场为他们的融资，这也应该看作是实体经济的组成部分。 金融市场的交易也有一些主要是为了风险管理，有的部分是可以被投机活动所使用，可以进行标度，某种金融产品、某种金融服务和实体经济联系程度的是紧还是松？ 他们可能处于某一种状态。像IPO给企业融了资，企业绝大部分拿这些融资是进行研发、设备更新、技术更新、创新产品，这样的话这部分是明显的为实体经济服务的成分。 也有一部分，可能二级市场交易更复杂的衍生产品，有可能在不同程度上脱离实体经济甚至有一些走到“0”的地步，基本上完全离开了实体经济，是要加以警惕，甚至政策上需要加以控制。沿着历史的进程，中国在改革开放中，这些观点也在不断的探讨和厘清，也是一个动态的过程。   下面我们谈一下涉及到金融和实体经济的关系，会有很多政策是与此相关的，我们可以看到政策的取向。这些政策不见得完全是去界定金融和实体经济的关系，但是它的取向有所不同，特别是从国际比较我们可以看出有相当多的不同。中国过度投机创造的机会时，往往是采取控制的做法。 比如说1992年在深圳看到大家排队抢购股票认购证，1995年发生国债期货的对赌的现象，1999年股票市场出现井喷，2007年上证指数冲到6200，在这样的情况下，中央和国务院都是采取冷却的做法，表明中国的政策取向力求克服过度投机的现象。 这也和其他方面的政策一样，中国国内是禁止公开搞赌博，有一些省市过去曾经老想搞赛马场，中央始终都不同意，所以境内还没有正式的赌博，后来也采取一些措施，要特别控制境内人员参加周边的赌博，因为这些东西都对实体经济可能不会产生特别大的帮助。另外一点，我觉得这也看对人的教育培养和方向的引导，我们常说你不要搞赌博，也不要去吸毒，不要老想着一夜暴富，从事过度的投机活动，也不要超出自己的收入能力借太多的钱。 与此相关的就是在教育上，在大学研究生教育学科中，部署了相当强的力量在SUM上，中国在SUM上聚焦的程度在全球来讲还是非常突出的，有一些其他国家可能有更多的投资、支付的机会，所以把很多优秀人才从SUM上插到了其他领域，这都是相关的政策。 从长远来看，真正对长远产生影响的就是资源配置。我建议从长远来看，有一些稀缺的资源，包括人才、资本也有能源、外汇等等，像这些稀缺的东西，究竟引导它去在实体经济上进行发展还是可能走入一些特别的投机色彩过重、容易产生泡沫的环节？ 最近在讨论到加密货币领域时，常常会遇到一个问题，这究竟对实体经济有什么好处？特别是有一些加密货币慢慢脱离了支付业，纯粹变为一种数字资产。所以这种讨论可以看出看问题的角度。 我们究竟怎样看待金融和实体经济的相互关系？可以有三方面来做这种判断，第一，它是正和博弈还是零和博弈，包括双赢、多赢也有联系，正和博弈中金融引导一些投资，投资进入实体经济。比如上市公司融了资去搞了研发、新设备、新技术、新产品，因此价值也有所提高，市值也有所提高，而且还能有不错的分红，这样企业、企业的职工得益，市场产品也丰富了，投资者也有钱可以赚，这样是正和博弈。 零和博弈，是投资者投资产品的市场段，要挣的钱不可能从别的方面挣，只能从其他投资者输的钱里挣，这样就是零和博弈。这就有点像赌场的赌桌上，要想能赢钱，一定其他参赌的某些人在输钱，除此以外赌场适当抽点头，这个判据来说明这项具体的金融服务和具体的市场段到底和实体经济的关系是怎样的。 另外，从宏观调控或者政策调控上来讲，究竟是不是以实体经济基础面为根据来进行调控还是说说着说着这些调控的道理都已经脱离了实体经济基本面，产生一种可以脱离基础面来制定财政政策和货币政策。目前讨论也比较多，这也是一个根据。 第三个就是财务平衡的根据。市场经济中要的就是三大主体的财务平衡，政府应该财务平衡，企业应该财务平衡，家庭或者是个人应该财务平衡、收支平衡，你创造了多少财富，你有多少收入，你可以有多少花销。 现在有一些政策管理，市场上有一些做法慢慢脱离实际实体经济，就像美国2008年以前的那几年所发生的次贷危机，最终发生的作用就是房贷的经营商管贷款人的未来收入情况，就给他大笔的房贷去买大房子、好房子，同时以非常低的利率，甚至是零利率，这种金融的融资行为和实体经济已经脱了钩。 从金融科技的角度看，为什么需要强调金融服务实体经济，前面已经讨论到了加密货币，加密货币我个人感觉从它的原理、设计思想来讲，还是有可能成为为实体经济服务的一项有用的工具，如果它真的能够在支付领域中起一定的作用。从加密货币启动的前期上来看，它还有些不足，比如说它的TPS——每秒钟所处理的交易笔数还不够高，另外占用比较多的网络资源和处理能力，再有大家可能对它的一些特性比如说去中心化，强调去监管，会有一些争议。但是这些事儿还要走着瞧，看一些热点能不能在后来得到解决。 如果参与的这些主导的人过于想挣快钱，着急挣快钱，就很容易想通过交易来回收自己的投资甚至是赚大钱，那就把它搞成了数字资产、加密资产，从现在看有一些加密货币要想再回到支付领域，它已经失去了机会，可能已经不太合适，也不被大家所接受。这个要从理念上，搞清楚这些是否有助于金融科技发展为实体经济服务。 同时，有一些做法可能不太合适的时候，特别来自美国有些热衷于这方面的人士，他有非常强大非常有用的定价功能，在风险管理上有某种特定的对冲功能，比如说比特币是不是有对冲QE的功能？其实这有一些等于是自己找理由，应该怎么说呢？其实任何一种金融产品，任何一种不光是金融产品，任何一种商品，都会有定价的问题，只要有交易就会产生定价的需求，关键这个定价到底用处是什么？ 任何一样东西都会有对冲功能，它总会和它反面的事物产生对冲。就像我们翻字典找形容词，你只要有个形容词它就有反义形容词，都有对冲的功能，这并不能说明它在经济特别是实体经济中所必要的地位。 最后，要注意一下长期效果，从长期效果来讲，关系到国家的竞争力，关系到经济增长、人民的福祉。从经济较量的角度来看，我想对中美经济的比重变化做一个简单的描述，2008年所发生的全球金融危机，在美国是由次贷所导致的，而次贷是由一些脱离实体经济的经济活动有密切关系，这十年导致了中美之间GDP的差距非常迅速地减少。 在改革开放之前，国际上给画出的曲线都是中美之间的经济实力差距在扩大的，但是这个扩大它采用的都是美元计价，以美元计价的国际比较涉及到汇率问题和一些不可比的因素、价格的问题，也有人主张用PPP等等，但PPP也是很粗糙的一种工具，所以大家会有很多疑问。不管怎么说，最大的问题是在改革开放之前中国采用物质生产统计体系，西方国家普遍采用SNA就是国民账户统计体系，这两个系统差别很大，比较也是不太容易的。 随着改革开放，中国开始转向SNA，应该说改革开放的时候，中国经济大幅改善，人民生活大幅提高，应该说也拉小了差距，但是应该说一直到1994年之前，以美元为标价的中美经济实力，这个喇叭口还在放大，因此差距还在提高。 1994年汇改以后中国汇率开始稳定还略有升值，1994-2004年差距在减小，减小的过程中这个减小还是不像想象中的那么明显，其中有两个因素我认为需要提一下。一个就是90年代中期我们也遇到了较高通货膨胀的压力，再一个就是90年代后半期一直到大概2003年左右是亚洲金融风波，对中国经济的影响还是很大的，显然我们都放慢了速度。 有很多年轻同志可能对亚洲金融风波感到有些生疏，有人说好像对中国没有产生太大影响吗？其实真正知道的人，那时候我们在苦苦挣扎，提出的口号是国有企业三年脱困，想方设法解决下岗再就业的问题，其实这些都代表了困难，包括金融体系那时都处于相当困难的阶段。...

迄今为止，GDP都是反映一个国家的经济规模、经济实力、国家发展程度的最重要指标，是国家制定宏观调控政策的重要指标，也是进行国际比较的最重要（虽然未必是最准确）的数据。4月5日，有平台将全国337个地级以上城市的经济数据整理了出来，并得出了“2020年城市GDP百强榜”。 在疫情的冲击和全球经济低迷的背景下，城市的快速复苏成为我国经济发展的重要动力。 21数据新闻实验室汇总整理全国337个地级及以上城市（包括州、地区、盟，港澳台未计入，下文皆以城市统称）的经济数据，并得出“2020年城市GDP百强榜”。 统计发现： 万亿城市增至23个，苏州成为第6个突破2万亿的城市，东莞离万亿俱乐部一步之遥，东莞之后即为山东烟台与江苏常州，去年GDP为7800多亿。 TOP10城市中，南京超过天津首次跻身前十，杭州超过武汉前进一名。 百强名单变化不大，云南曲靖、福建龙岩、四川宜宾3个城市新进，其中曲靖在百强城市中增速第一，达到6.6%；上升名次也最多，前进了12名。 退出百强榜的则是河南焦作，以及内蒙古的呼和浩特和包头。焦作GDP同比大幅下降20.6%，从2019年的96位跌至2020年的135位，骤降39名。 区域经济日益展现出抱团对垒的阵势，23个万亿GDP城市中，8城属于长三角城市群；珠三角9市中有8个进入百强榜。 中西部城市复苏势头明显，沿海地区受外贸影响较大；与2019年相比，贵州、云南无城市名次下跌，湖南仅张家界下降一位。 逾九成城市增速为正，浙江舟山领跑全国，2020年GDP增长12.0%。延续2019年态势，经济增速20强城市中有一半左右来自广西、云南。 2020年中国城市GDP百强榜如下： ———END——— 限 时 特 惠：本站每日持续更新海量各大内部创业教程 站 长 微 信：chuangyedemao

人类社会进入一个以网络社会为特征的社交网络时代,普罗大众成为新闻信息的发布者、传播者，社会的信息生产不再由专业的大众传媒机构垄断。这一过程深刻改写着舆论的生态，促使传统舆论概念的改变，同时在研究方法上也出现了革新。 舆情的概念与内涵 (一)从舆论到舆情：舆情的概念与内涵演进。在所有舆论概念中大家比较认同的是孟小平有关舆论的定义，其认为：“舆论是公众对其关切的人物、事件、现象、问题和观念的信念、态度和意见的总和，具有一定的一致性、强烈程度和持续性，并对有关事态发展产生影响。”①这个概念兼顾了舆论的主体(公众)、舆论的客体(关切的人物、事件、现象、问题和观念)与舆论的本体(信念、态度和意见)，还强调了舆论的一致性、持续性和强烈程度等，是比较完善和严格的舆论概念。 网络时代来临后，舆论这一概念被逐步弱化，被“舆情”所取代。舆论到舆情仅一字之差，舆情中的“情”，一是强调网络时代舆论变化的速度，“情”字凸显舆论是变动的；二是强调网络时代舆论具有很大的感性特征，即其中夹杂着大量的情感与情绪。网络表达短文本、口语化，使舆情表达出现了最大的变化就是情感因素和感性元素的增多，因此，“情”的第二个含义是情绪或情感。 基于此，舆情是指在一定的社会空间和历史时期内，围绕中介性社会事项(可以是人、事，也可以是价值、观念、制度、规范)的发生、发展和变化，作为舆情主体的民众对相关社会事项的群体性情绪、意愿、态度和意见的总和，由于网络是舆情的主要表达平台，舆情必须是表达出来的言论。 (二)舆情的类别。目前对舆情的划分比较多元，按照内容可分为政务舆情、经济舆情、社会舆情、民生舆情、文体舆情等；按照关涉主体可分为公权力舆情、企业舆情、事业单位舆情、个体舆情等；按照预警级别可分为红色舆情、橙色舆情、黄色舆情与绿色舆情等；按照发生的范围可分为国际舆情、全国舆情、省区舆情、城市舆情、县级以下舆情等；按照发源地可分为媒体首发舆情、网民爆料舆情等。在日常的舆情分析操作中，中国人民大学舆论研究所一般按照内容将舆情划分为社会民生、反腐倡廉、文化教育、涉警涉法、社会安全、时事政治、灾害事故、企业财经、公共卫生等类别。只要存在内在一致性，各类舆情划分范围不交叉，能互斥、穷尽即可。 舆情软件系统平台：舆情大样本定向分析法 目前关于舆情分析的研究方法花样迭出，但概括起来主要有以下两种基本类别，一是大样本定向分析，即利用大型舆情软件系统平台来实现；二是小样本多元分析，即通过最新的研究方法进行局部样本的数据采集和分析。 (一)舆情软件系统平台的基本原理。近年来，舆情监测手段层出不穷，但舆情监测的底层方法没有根本的改变，即均通过网络爬虫程序来实现数据采集。基本原理如下：一是构建需要监测的样本库(包括微博、微信公众号、论坛、贴吧和网站等)作为监测数据源；二是通过网络爬虫进行数据抓取并下载到本地服务器；三是在本地服务器进行数据的消重和聚合；四是对“清洗”过的数据进行图像等智能化、直观化呈现。舆情监测软件监测微博中的数据，需要向新浪申请有偿的API( ，应用程序编程接口)，方可访问并抓取数据(不然会对网络爬虫关闭)。舆情监测软件可以7×24小时对互联网信息实时监测、采集，并对获取的信息进行全面检索及自动消重，进行舆情主题演化分析、时间趋势分析、话题传播分析。目前国内比较大的舆情监测软件服务商有拓尔思、方正舆情、谷尼舆情和美亚舆情等。 (二)舆情软件系统平台的发展趋势。近两年出现了新的趋势，即从舆情软件开发发展到云平台搭建。舆情监测主要是基于单体的监测软件而展开的，将软件产品放置到客户的本地服务器中，软件商为其提供后期的软件升级和支持服务。这种服务模式存在一定的弊端，由于各自为战，服务器较为分散，数据采集和分析都比较零散，不利于展开大规模的数据处理和集约化输出。而大数据与云计算时代来临，软件服务逐步被搭建云数据平台所替代，客户可以通过网页或客户端远程访问，并可以通过一定的权限定制关键词，进而实现舆情数据的抓取和直观化呈现数据结果。 (三)舆情软件系统平台的缺陷。一是舆情监测的效度和信度问题难以验证，目前舆情监测最大的问题是无法论证自己的有效性，各家有各家的“黑盒子”，相对并不透明，手段和算法的不同势必造成监测结果的偏离，到底谁家更准确，难有定论，依然有“盲人摸象”之虞；二是数据源的多寡一定程度上决定了舆情监测的精准度。目前舆情监测均是以样本库作为数据搜索源，不是基于全网进行舆情信息采集，实际上只是样本量较大的局部数据，可能因数据源不全面而造成重要信息监测缺失，最终影响数据监测结果；三是在消重聚合环节，计算机还暂时无法取代人工，目前舆情监测软件最大的区别在于后台的数据处理能力，但目前高层次的信息处理如情感判别和影响力评估等，计算机还不能完全取代人工；四是网络爬虫自身的弊端也在不断呈现，主要是关系数据越来越重要，而爬虫爬取的数据主要是碎片化的信息数据，关系数据往往被忽略，另外越来越多的网站对爬虫程序持不太友好的态度，一旦识别出来直接封闭端口，并且越来越多的社交网站如微信、豆瓣等不开放自己的数据抓取端口，很难抓取这些新兴的社交平台的数据。 舆情小样本多元分析法 在现实舆情分析研究中，不可能完全依靠舆情软件平台进行数据抓取，一般由研究者根据研究对象的情况，进行必要的抽样，利用、R语言进行数据抓取，借助各种方法进行舆情分析。概括起来，目前主要有以下三种小样本分析方法。 (一)基于关系的分析：社会网络分析(SNA)。随着社交平台崛起，“关系”逐步在虚拟网络空间中成为一种基础性资源和底层构架，“没有一个自我是孤零零的岛屿，每个人都存在于关系网络之中，而这个网络比过去任何时候都来得更复杂、更流动”②。舆论信息基于社会关系网而传导，而社会网络分析方法恰恰是描述社会关系网并将之直观化的重要工具，近几年，社会网络分析已成为舆论分析的重要工具和手段。 另外，传统舆论调查方法的局限性进一步显性化，正如弗里曼()指出的，“在过去的30年中，经验社会研究主要由抽样调查控制着。但是，如人们常常指出的那样，调查是一种社会学的绞肉机，它把个体从其所在的社会情境中抽离出来，并确保研究对象之间不存在联系”③。舆论抽样调查有一个基本假设前提——人的“属性数据”会决定人的言论和行为，但在关系网络崛起的今天，人的言论与行为越来越受到其所在的社会关系、社会阶层等“关系数据”的影响。社会网络分析是测量与调查社会系统中各部分(点，node)的特征与相互之间的关系(连接，tie)，将其用网络的形式表示出来，然后分析其关系的模式与特征的一套理论、方法和技术。描述和测量行动者之间的关系或分析通过这些关系流动的各种有形或无形的东西如信息、资源等的方法，主要有图论、社会计量学和代数方法。图论适用于描述小型传播群体的核心关系和团聚力等特征；社会计量学适用于研究结构等价性和“块模型”关系；代数方法适用于对角色和位置关系的分析。在研究视角上可以大致分为两种：关系取向和位置取向。关系取向主要研究的是社会行动者的社会联结——密度、中介性、强度、对称性、规模等；位置取向主要关注的是社会行动者之间社会关系的模式化，不同行为个体在结构地位上是否一致，强调用“结构等效”来理解人类行为。社会网络分析目前主要使用的是Gephi、、Pajek、、、等软件，其中用得最多的是Gephi、等。 (二)基于文本的分析：词频与语义网分析。舆论是由各类词语构成的信息文本，文本内词的多寡、词与词之间的联系可以凸显信息文本的价值观、语意结构和社会诉求等，因此近年来很多研究者将词频分析、词与词之间的关系网分析等方法引入舆情分析之中。   1.词频分析法。分词是文本挖掘的基础，对于输入的一段文本成功地进行中文分词，可以达到计算机自动识别语句含义的效果。词频分析是对舆情文本中重要词汇出现的次数进行统计与分析，是舆情文本语义挖掘的重要手段，也是文献计量学中传统的和具有代表性的一种内容分析方法。其基本原理是通过词出现频次的变化来确定舆情关注的热点及其变化趋势。至少在认知层面上，某关键词被提及的次数越多表示表达者的诉求越集中与迫切。词频分析可以实现微博与微博聊天分析、新闻文本分析、分词、词频统计、英文词频统计、流量分析、聚类分析等一系列文本分析。 词频分析的基本步骤是首先对文本进行分词，分词的基本前提是必须有一个相对比较完备的“字典”，“字典”的词容量越大，分词的精准度也就越高；分词后计算关键词的数量，即为词频。词频分析的工具目前越来越多，尤其是一些线上的工具，比较出名的有图悦、纽扣词云、腾讯文智、新榜词云词频分析、Excel词频分析工具、易词云等，国外比较出名的在线工具是、、等。近年来，随着各种编程语言的出现，利用语言进行词频计算的研究越来越多，一般使用中jieba包的中文分词工具()对对象文本进行分词与词频计算。 2.社会语义网。社会语义网只是一种说法，主要是将各个高频词之间通过社会网络分析工具连接起来，形成一个高频词关系网，进而推测话语文本的主要表达逻辑及关注热点。具体来说有以下几种不同的分析方法与手段。 一是共词分析，共词分析的基本原理是通过对一组词项在一篇文本中共同出现的次数统计，并以此对这些词进行聚类，反映出这些词项之间的关联强弱，进而分析这些词项所反映文本的主题结构。一般来说，一个词项对在同一篇文本中出现的次数越多，则表明该词项对的关系越紧密；一个词项对在大量文档中出现次数越多，则说明该词项对与文本之间的关联性越强，共词分析采用一套结构图可以有效地展示词项之间的关联。一般来说，点的大小代表词频，节点越大词频越高，连线的粗细代表两词之间共现的次数，共现次数越多连线越粗。 二是聚类分析。基本思想是将变量按相似程度归于同一群组，“物以类聚”，是共词分析中比较常用的统计方法。根据一些能够测量多个变量指标之间相似程度的统计量，以此为划分依据，可以将各种不同相似度的变量聚合成不同的类别，再将它们的亲疏关系用谱系图的方式表现出来。在聚合的不同类别中，同一类别之内的变量彼此的相似度愈高愈好，而不同类别之间变量彼此的相似度愈低愈好。高频关键词聚类分析是对文本中高频关键词亲疏关系的分析，体现出高频关键词相似性和相异性的分析图谱，通过图谱可以进一步挖掘作者意图和社会语义等深层次信息。 三是词的多维尺度分析。主要通过测量对象之间的距离来展现数据结构，运用低维空间中对象所处的特定位置，通过观察这些对象之间的平面距离，可以了解它们之间的相似性。通过多维尺度分析，可以帮助研究者挖掘数据中的深层结构，通过软件绘制的平面图，能够清晰地揭示出数据中的隐藏联系。在多维尺度分析的结果中，被分析的对象呈现点状分布的特点，图中点与点之间的距离代表它们之间的相似程度，同时将相似度高的和关联性高的对象聚集成一个类别，处在中间位置的对象，代表该对象的核心地位。 (三)基于情绪的分析：情感计算。情感计算是主体对某一客体主观存在的内心喜恶倾向的计算方法。主要由情感倾向方向和情感倾向度两个方面来衡量。情感倾向方向也被称为情感极性，可以理解为用户对某客体表达观点所持的态度是支持、反对还是中立，即通常所指的正面情感、负面情感、中性情感；情感倾向度是指主体对客体表达情感时的强弱程度，不同的情感程度往往通过不同的情感词或情感语气等来体现。为了区分情感程度的差别，一般采取给每个情感词赋予不同的权值来体现。 目前，情感计算方法主要分为两类：一种是基于情感词典的方法；一种是基于机器学习的方法，如基于大规模语料库的机器学习。前者需要用到标注好的情感词典，英文的词典有很多，中文主要有知网整理的情感词典和台湾大学整理发布的NTUSD两个情感词典，还有哈尔滨工业大学信息检索研究室开源的《同义词词林》可以用于情感词典的扩充。基于机器学习的方法则需要大量的人工标注的语料作为训练集，通过提取文本特征，构建分类器来实现情感的分类。文本情感分析的分析粒度可以是词语、句子，也可以是段落或篇章。 舆情分析方法的发展趋势 (一)“文本 关系 情绪”的多元耦合分析。社交平台文本通常采用短文本形式，并且用户发文具有随意性，其语言的规范性非常低，不论用词还是语法常常有悖于标准的语言规范，由此带来文本表示的高维、稀疏、噪音等特性。这使得传统的文本分析方法难以直接应用，对这类社会化网络短文本如何进行有效建模和分析是未来舆情监测的难点与重要方向。另外，社交平台用户通过互相关注建立起来的网络关系是一种典型的社会网络，该社会网络既是用户社会关系与兴趣偏好的体现，又是舆情信息传播的通道。如何将社交平台的文本分析与用户的社会关系分析有机融合，进行语义分析和网络结构分析，是未来舆情分析不能回避的问题。 (二)“地理位置 社会关系网”的综合研判。地理位置数据的特点是多源、异构、高维、动态，这些特点使得地理位置大数据模式多变且关联复杂，使得其各种信息(特别是物理空间信息与社会空间信息)的关联映射成为必须。这方面的相关工作主要包括实体提取、主题建模、基于位置信息的搜索等。经过地理位置大数据信息的关联映射和融合阶段之后，需要对其有效表示才能进行进一步高效的群智认知及实际应用分析。张量()作为一种有效的多源异构大数据一体化的表示方法，也得到了广泛关注。鉴于深度学习和张量在大数据表示中的优异表现，近年来陆续提出了一些基于张量的深度学习方法，如波尔斯曼机、张量递归神经网络、深度张量神经网络等。 (三)“动态化 实时化”结构演进分析。社会关系网络结构是舆情信息传播的载体，但由于社会关系网中的个体不断进出，社会关系网络具有高度的动态演化性，直接影响和制约着舆情信息传播过程。大量研究表明社会关系网络结构的动态演化性是由结构的微观变化决定的。对群体行为本质规律的理解离不开对社会关系网络结构动态演化微观机理的深入认识。对微观结构演化认识的匮乏割裂了社会关系网络结构和信息传播之间的动态关联，无法更好地认识群体行为的本质，做到精准化舆情预警。因此，建立社会关系结构的微观动力学模型，进而对其结构进行动态把握和演化，是未来舆情预警研究的关键。 注释： ①孟小平：《揭示公共关系的奥秘——舆论学》[M]，中国新闻出版社，1989年版，第8-9页 ②，J.The ， of Press，1984，p131 ③刘军：《社会网络分析导论》[M]，社科文献出版社，2004年版，第34-35页 (作者为中国人民大学新闻学院副教授、中国人民大学新闻与社会发展研究中心副主任) ———END——— 限 时 特...