你“說(shuō)”我來(lái)“猜”

洪蘊(yùn)哲

看過(guò)美劇《犯罪心理》（Criminal minds）的人經(jīng)常會(huì)為這樣一個(gè)情節(jié)而感到半信半疑：聯(lián)邦探員們僅僅通過(guò)罪犯的日記或者書(shū)信就能判斷出他們的性別，年齡，社會(huì)地位，甚至人格特征與童年經(jīng)歷。很多時(shí)候，我們都把這些當(dāng)作影視文學(xué)作品對(duì)于主人公的一種神化和茶余飯后的談資，很少有人會(huì)把這些經(jīng)驗(yàn)之談當(dāng)作真正的科學(xué)。然而，隨著信息科學(xué)的發(fā)展，情感詞庫(kù)，情感分析工具，文本挖掘技術(shù)為心理學(xué)領(lǐng)域中研究心理和語(yǔ)言的關(guān)系提供了一定的技術(shù)支持。

德克薩斯州大學(xué)的心理學(xué)教授James Pennebaker（2008年）曾說(shuō)過(guò)，人們說(shuō)話的方式以及詞語(yǔ)可以泄露他們的所思所想，他們與事物之間的關(guān)系。近年來(lái)，隨著社交網(wǎng)絡(luò)的流行，人們會(huì)在各種平臺(tái)上發(fā)表狀態(tài)，例如微博，QQ空間，微信朋友圈等等。“死了的人才被掛念，不曾記起，就相忘于江湖吧?！薄跋胝乙粋€(gè)地方大聲哭出來(lái)?！碑?dāng)我們看到這些狀態(tài)時(shí)，是否能感受到發(fā)起者強(qiáng)烈的負(fù)性情緒，是否能感受到他們的無(wú)助感？

微博作為一個(gè)公開(kāi)的社交平臺(tái)，可以從中獲取大量的文本資源，中科院心理研究所的人員針對(duì)中文微博的文本分析與行為預(yù)測(cè)進(jìn)行了開(kāi)創(chuàng)性的研究。

簡(jiǎn)體中文版心理語(yǔ)言分析詞典的建立

文本是由特定的人制作的，文本的語(yǔ)義不可避免地會(huì)反映人的特定立場(chǎng)、觀點(diǎn)、價(jià)值和利益。因此，通過(guò)文本內(nèi)容分析，可以推斷文本提供者的意圖和目的。在許多關(guān)于社交媒體的文本分析中，基于計(jì)算機(jī)的文本分析軟件被普遍使用，語(yǔ)言獲得與詞匯計(jì)數(shù)系統(tǒng)（LIWC）就是其中一種，該軟件的核心是擁有一個(gè)詞庫(kù)，分為不同的維度，如“心理過(guò)程詞”“語(yǔ)言過(guò)程詞”等。對(duì)于一段輸入的文本，每個(gè)單詞會(huì)與詞庫(kù)中的詞語(yǔ)進(jìn)行比對(duì)。

英文版的LIWC被廣泛使用。由于中文相對(duì)于英文更加復(fù)雜，所以很有必要建立一個(gè)簡(jiǎn)體中文版的LIWC。之前已經(jīng)有繁體中文版的LIWC詞典，中科院心理研究所的社會(huì)與工程研究室的朱延劭團(tuán)隊(duì)（2013年）就基于此建立了一個(gè)簡(jiǎn)體中文版的LIWC詞典，該詞典不僅有正式常規(guī)的詞語(yǔ)，還加入了微博中的高頻詞，因此該詞典既可以用于正式文本的分析，也可以用于微博文本的分析。

首先，研究人員找到了21個(gè)中國(guó)科學(xué)院大學(xué)的畢業(yè)生，他們的母語(yǔ)都是簡(jiǎn)體中文。這21個(gè)人被分為3個(gè)組，每個(gè)組的每個(gè)人都獨(dú)立地將繁體中文版LIWC詞典里的詞匯一個(gè)個(gè)過(guò)一遍，然后找到最合適的簡(jiǎn)體中文詞來(lái)代替它。例如用“它們”代替“它們”。對(duì)于組內(nèi)的分歧，所有人進(jìn)行討論，采取少數(shù)服從多數(shù)的原則。這樣，每個(gè)組都生成了一個(gè)詞庫(kù)。接著，再請(qǐng)來(lái)3個(gè)評(píng)分者，對(duì)這3個(gè)組生成的詞庫(kù)進(jìn)行檢驗(yàn)，如果這3個(gè)組的詞庫(kù)有分歧，評(píng)分者再進(jìn)行討論，然后繼續(xù)采取少數(shù)服從多數(shù)的原則得出一個(gè)更為合理的最終版本的簡(jiǎn)體正式中文版LIWC詞典（SCLIWC）。

接下來(lái)，為了添加微博中的高頻詞到詞典中，研究人員首先獲取了99925821個(gè)新浪微博用戶，并按以下原則來(lái)過(guò)濾掉一些研究?jī)r(jià)值不大的用戶：1.在近3個(gè)月內(nèi)沒(méi)有發(fā)表狀態(tài)或者用戶發(fā)表總狀態(tài)數(shù)少于512條的；2.每天發(fā)表狀態(tài)在40條以上的（廣告用戶）。過(guò)濾掉之后，留下了1953485個(gè)活躍用戶，將他們發(fā)的文本狀態(tài)全部下載下來(lái)。然后，從所有活躍用戶當(dāng)中隨機(jī)選取20000個(gè)用戶，從這20000個(gè)用戶發(fā)表的狀態(tài)中提取詞頻前5000的詞，再將20000個(gè)用戶隨機(jī)分成兩個(gè)組，分別從這兩個(gè)組用戶發(fā)表的狀態(tài)中提取出使用頻率前5000的詞，研究者發(fā)現(xiàn)從這幾個(gè)樣本中提取的高頻詞重合率是非常高的，說(shuō)明這些詞確實(shí)經(jīng)常在微博中被使用。最后，剔除了停用詞和SCLIWC中已有的詞匯，獲得了新浪微博中使用率排在前5000的詞，這樣就構(gòu)成了簡(jiǎn)體中文版微博詞典（SCMBLIWC）。

這樣，將SCLIWC和SCMBLIWC這兩個(gè)詞典融合到一個(gè)應(yīng)用程序中，就可以同時(shí)分析正式文本和微博文本。中科院就基于此開(kāi)發(fā)了一個(gè)公開(kāi)的網(wǎng)絡(luò)平臺(tái)“文心”（TextMind）http：//ccpl.psych.ac.cn/textmind/。通過(guò)“文心”，可以便捷地分析文本中使用的不同類別語(yǔ)言的程度、偏好等特點(diǎn)。

自殺者和潛在自殺者的語(yǔ)言風(fēng)格

中科院的研究者首先將他們開(kāi)發(fā)的簡(jiǎn)體中文版詞典應(yīng)用到了自殺的研究中。量表作為一種傳統(tǒng)自殺可能性評(píng)估方法，在時(shí)效性上有所欠缺，有自殺可能的人盡管很多不會(huì)主動(dòng)尋求專業(yè)幫助，但其在言語(yǔ)中往往存在對(duì)于自殺傾向的流露。朱延劭管理等人（2015年）在線招募微博用戶參與問(wèn)卷調(diào)查，根據(jù)個(gè)體自殺可能性量表中文版得分情況將982名受訪者分為446名高自殺可能組和536名低自殺可能組，分析2組在微博提取的10類行為特征和88類語(yǔ)言特征上的差異。結(jié)果發(fā)現(xiàn)，高自殺可能組的用戶與其他用戶相比社交活躍度低，夜間更加活躍，關(guān)注別人更少，使用更多表達(dá)否定、死亡的詞語(yǔ)，使用更少指向未來(lái)的詞語(yǔ)。

也許這樣的結(jié)果仍然會(huì)引起別人的質(zhì)疑，因?yàn)槿水吘箾](méi)死，我們有對(duì)結(jié)果進(jìn)行自圓其說(shuō)的嫌疑。其實(shí)不然，該團(tuán)隊(duì)（2015年）接下來(lái)進(jìn)行了更直接的研究，他們經(jīng)新浪微博認(rèn)證用戶提供的信息，收集31 名網(wǎng)絡(luò)識(shí)別自殺死亡用戶（自殺死亡組）；邀請(qǐng)微博用戶填寫(xiě)自殺意念相關(guān)篩查量表，收集30 名無(wú)自殺意念用戶（對(duì)照組）。比較兩組用戶在10 種微博行為和88 種語(yǔ)言特征方面的差異。結(jié)果發(fā)現(xiàn)，自殺死亡用戶的微博互動(dòng)更少，更加關(guān)注自我，更頻繁地使用表達(dá)排除意義的詞語(yǔ)，從情感層面上有更多負(fù)性表達(dá)，使用更多與死亡、宗教相關(guān)而更少與工作相關(guān)的表達(dá)。

我們可以看到，無(wú)論是潛在的高自殺可能性用戶，還是已經(jīng)自殺的用戶，他們?cè)谡Z(yǔ)言特點(diǎn)上都更多使用負(fù)面，與死亡有關(guān)的詞，并且不會(huì)提及他們的工作和未來(lái)，在行為層面上更加關(guān)注自我，較少與別人互動(dòng)。

如果我們哪一天看到自己身邊的人喜歡在夜晚發(fā)類似這樣的狀態(tài)：“呵呵，真落寞，永遠(yuǎn)只是一個(gè)人”，并且開(kāi)始頻繁散播負(fù)能量，他的狀態(tài)也沒(méi)人點(diǎn)贊和評(píng)論，他也幾乎不會(huì)給被人點(diǎn)贊和評(píng)論，那么我們應(yīng)該意識(shí)到問(wèn)題的嚴(yán)重性。如果我們?cè)谄匠５纳钪心芗皶r(shí)給予這些人關(guān)愛(ài)與支持，而不是一味地指責(zé)他們矯情，那么也許會(huì)防止一條生命的隕落。