大數據下看打虎

近兩年來，大數據催生了諸多精彩的政治學研究。三位教授即將於Public Administration Review刊出的文章，研究了2012-2015年間，國內五家新聞網站100則「打虎」報道底下的40餘萬條評論。文章主要包含以下三部分內容：首先，哪些詞語在評論中出現最頻繁？其次，哪些類型的評論佔比更高？最後，「虎」的特徵，對評論有何影響？

研究爬取的五家網站是騰訊、新浪、搜狐、鳳凰和財信。分析時，文章刪去了所有空白、意義不明或同一IP重複發貼的評論[1]。詞頻見上圖。以LDA分類，出現頻率從高到低的評論類型分別是：擁護領導人、主張重刑、發來賀電和呼籲調查、評論「老虎」、質疑行動、要求調查當地官員、支持反腐、呼籲加強制度建設、敘述當地腐敗狀況。

文章從兩個不同角度做了更細緻的分析。首先，如果按涉及對象不同，將評論分成三類——領導人、政府與制度，無論是看評論的絕對數量，還是表達正面情緒的比例，擁護領導人的都是最多。支持政府的次之，認同制度的最少；其次，控制「虎」的其它特徵之後，回歸分析顯示：「虎」的級別越高，相應報道評論中，支持領導人的比例也會更高。

[1] 這一處理是為了過濾某一類型的評論。不過，即使這一類評論存在，文章的結果也不會因此因此削弱（實際上，反而可能因此加強）。具體分析，請見原文注5。介紹蜻蜓點水，詳情請見原文。鏈接請直接戳參考文獻中藍色部分。

參考文獻：Jiangnan Zhu, Huang Huang, and Dong Zhang. "Big Tigers, Big Data": Learning Social Reactions to Chinas Anticorruption Campaign through Online Feedback." Forthcoming, Public Administration Review.

推薦閱讀：