目的根据突发公共卫生事件的责任归属对事件进行分类,并利用文本挖掘的相关技术与方法,通过网民的评论数据还原突发公共卫生事件网络舆情发生和发展过程,揭示不同类型事件网络舆情发展和传播的一般规律和特异性,并针对分析结果提出舆情引导对策与建议,为有关管理部门在舆情研判、分析预测和合理引导等方面提供辅助决策支持和依据。方法根据突发公共卫生事件的责任归属不同,即事件发展过程中是否有明确的过失方,将事件分为人为过失型事件和非人为过失型事件,选取近年来两类事件中的代表性事件并对微博中网友对于该事件的相关评论进行爬取。以日为单位利用热度计算公式计算舆情周期内的评论热度,并对各个事件的舆情周期进行划分。利用LDA主题模型对舆情生命周期下各个阶段的评论进行主题识别,并通过主题关键词还原网民的讨论话题。将DUTIR中的情感合并为乐、恶、哀、恐和中性五类,并基于此面向微博环境构建了表情符号和网络用语词典,结合前人研究构建了修饰词词典,利用上述词表对各个主题下评论进行情感分析。最终根据上述过程得到的结果,对两类事件在舆情演进方式、热点讨论话题和话题所蕴含的情感三个方面进行了对比分析。结果⑴通过热度计算结果对事件进行演化周期的划分并利用热度图像进行了呈现;⑵对两类事件进行主题识别,其中人为过失型事件共得到17个主题,非人为过失型事件共得到9个主题;⑶对于人为过失型事件网民总体各类情感占比如下:中性:19.4%,乐:18.9%,恶:34%,哀:8.1%,恐:19.6%;对于非人为过失型事件网民总体各类情感占比如下:中性:27.5%,乐:16.6%,恶:20.5%,哀:5.1%,恐:30.3%。结论⑴非人为过失型事件的演进方式以“单峰”型为主,人为过失型事件的演进方式以“多峰”型为主;⑵相较于非人为过失型事件,人为过失型突发公共卫生事件的舆情持续时间更长同时舆情的增长速度也更快;⑶对于突发公共卫生事件网民的热点讨论话题的一般规律为:事件发生,引起关注——查询源头,消除影响——事后反思,总结经验三个主要方面;⑷人为过失型事件的话题数量明显多于非人为过失型事件这一现象可能与两类事件的矛盾冲突机制和政府应对行为不同有关;⑸对于人为过失型事件网民的主要情感以恶为主,对于非人为过失型事件网民的主要情感以恐为主;⑹对两类事件进行纵向对比分析可以发现,对于人为过失型事件网民存在一定的情感累积现象,即同类事件发生的越多公众恶的情绪占比越高;而对于非人为过失型事件,存在一定的情感削弱现象,即事件发生的越多公众恐的情绪占比越低。