公共传播结合了媒介技术进步、全球社会治理和受众日常生活等要素，承载着公共精神和公共利益。当公共传播基于新媒体这一特殊的公共空间展开时，其主体关系、对话伦理、公共理性、价值选择等都面临新变化。尤其因新媒体技术的发展，信息流通的成本降低，个体得到进一步“赋权”，这不仅实现了“人人手握麦克风”的局面，更为“人人参与公共传播”创造了更为便利的条件。在公共传播的多元形态中，网络舆论传播已成为其核心组成部分之一。网络舆论的充分表达全面释放主体情绪，突发公共事件的刺激进一步引发舆论场中的情绪感染与共振，如引导不当易导致舆论在传播交互中产生扩音、叠加效应，造成群众情绪愈发偏激化，甚至可能引发舆论次生灾害。网络意见领袖作为网络社区发展过程中涌现的关键性群体，在舆情演化过程中起到了不可忽视的作用。在此背景下，对网络意见领袖的研究成为公共传播研究的重要议题。

20世纪40年代，拉扎斯菲尔德在“两级传播理论”中第一次正式提出了意见领袖概念，他将意见领袖定义为“在人际传播网络中经常为他人提供信息、意见、评论，同时对他人施加影响的‘活跃分子’”。随着互联网的发展，网络意见领袖应运而生。他们通常指在特定群体中提供具有价值的观点信息，并与用户交流互动，一定程度上影响其他用户观点的个体，其中个体可由个人、组织等构成。网络意见领袖通过自身专业知识和影响力，将复杂信息转化为易于理解的内容，加速信息的扩散和提高接受度，从而在公众中形成共识。通过表达情感和观点，激发粉丝共鸣，促进了公众对意见领袖所倡导价值观的认同。基于上述特点，网络意见领袖在舆论场域中往往占据主导地位。由于“沉默的大多数”较少主动发声，网络舆论空间中的话语权在很大程度上由意见领袖掌握，其对事件的解读与立场往往直接影响甚至决定舆论的基本走向与呈现形态。因此，对网络意见领袖舆论引导能力进行深入探讨，不仅关系到舆论演变的具体路径，更关乎公共理性与网络空间清朗有序的实现。

本研究以“胖猫事件”为例，探讨网络意见领袖在公共传播中的舆论引导作用。具体而言，通过对比不同类别网络意见领袖在公共传播中的情感表达、议题关注与受众用户画像等，探讨网络意见领袖在舆论引导中的实际效果及其对不同公众的差异化影响，以期理解不同群体的信息接收偏好和反应模式，为政府、媒体和社交媒体平台针对不同类型舆论制定更有效的引导策略提供参考。

一、研究设计与研究方法

本研究聚焦“胖猫事件”这一典型案例，从事件回顾、数据来源与处理、关键词提取、主题提取及情感分析模型构建四个维度，阐述本研究的技术路径与操作逻辑。

1.事件回顾。2024年4月11日，网名为“胖猫”的21岁湖南籍男子因感情问题在重庆长江大桥跳江身亡。而后，其家属通过社交媒体公开胖猫与女友谭某的聊天记录、转账记录等，指控谭某以恋爱名义骗取钱财，引发网民对谭某的广泛声讨与人肉搜索，导致谭某遭受网络暴力。5月19日，重庆警方通报调查结果，证实胖猫与谭某存在真实恋爱关系，但经济往来不构成诈骗，同时认定家属曝光谭某隐私行为涉嫌违法。相关账号被封禁，事件逐渐平息。

2.数据来源与处理。本研究根据“胖猫事件”的22个微博热搜话题页面收集微博内容，最后一共获取到博文27825条。为了更好地探讨不同类型意见领袖对舆论导向和公众态度的影响，对其中80条影响力较大的微博内容开展深入研究，这80条影响力较大的微博发布账号即为网络意见领袖。对这些网络意见领袖的博主画像、评论区内容、评论用户画像进行采集与分析，最终获取评论区内容13119条，相关博主画像、评论用户画像共18391条。由于获取的微博原始数据夹杂着大量噪声数据，本研究将文本语句写入正则表达式中，通过正则匹配的方式提取关键词语，对文本数据进行规则匹配，将噪声字符删除，同时对数据进行去重操作等。

3.关键词提取。为保障分词效果，本研究在Jieba分词前预先加载了包含情感词典的自定义词库，避免情感词被错误切分，同时设置了包含常见无意义词汇的停用词表用于后续过滤，文本处理阶段利用Jieba库的lcut函数对每条评论进行精确模式分词，通过列表推导式整合所有分词结果并过滤单字词及停用词，形成纯净的词语集合。词频统计功能借助Collections模块的Counter类实现，快速计算不同类别意见领袖所发博文中词语出现的频次。

4.主题提取及情感分析模型构建。本研究运用LDA模型对评论区内容进行主题提取，采用了基于Transformer架构的BERT-multilingual-go-emtions多标签分类模型进行情感分析，该模型可以完成28种细粒度情感分类任务。模型加载环节通过HuggingFace的Transformers库完成，使用AutoTokenizer和AutoModelForSequenceClassification类自动匹配模型架构，并利用AutoConfig获取标签映射关系，将模型部署至GPU设备以加速推理。