群體性事件網(wǎng)絡(luò)輿情情感分析的情感詞典構(gòu)建

呂翔，劉陸民

(信陽農(nóng)林學(xué)院 信息工程學(xué)院，河南 信陽 464000)

網(wǎng)絡(luò)時(shí)代的信息爆炸是毋庸置疑的，社交媒體尤其是近幾年“兩微一端”(微信、微博、移動(dòng)客戶端)為人們提供了網(wǎng)絡(luò)溝通、網(wǎng)絡(luò)評(píng)論、觀點(diǎn)分享等更為便捷和自由的網(wǎng)絡(luò)平臺(tái)。這給人們生活帶來了極大的便捷性但也孕育著極大的危機(jī)。以往群體性事件爆發(fā)后消息的傳播有其局限性，地域性事件往往很難有大范圍的傳播。而現(xiàn)在，借助于網(wǎng)絡(luò)平臺(tái)各種社會(huì)矛盾和熱點(diǎn)問題可以在極短的時(shí)間內(nèi)迅速傳播到各個(gè)網(wǎng)絡(luò)能延伸到的區(qū)域。網(wǎng)民們?cè)诓幻魉缘那闆r下肆意表達(dá)自己的觀點(diǎn)，反而對(duì)事件的本身起到了推波助瀾的作用。一些負(fù)面的“網(wǎng)絡(luò)群體性事件”將在短時(shí)間內(nèi)產(chǎn)生嚴(yán)重的影響。同樣，一些積極向上的正能量表達(dá)也能迅速得到廣大網(wǎng)民的點(diǎn)贊，如近期發(fā)生的信陽小學(xué)教師李芳為救學(xué)生犧牲的事情，迅速在網(wǎng)絡(luò)擴(kuò)散傳播，感動(dòng)了所有網(wǎng)友。因此，挖掘和分析包含網(wǎng)民情感的網(wǎng)絡(luò)群體性事件的輿情信息，可以有效地獲取所需的重要信息，了解網(wǎng)絡(luò)輿情的發(fā)展動(dòng)向，從而進(jìn)行有效的掌握和引導(dǎo)。面對(duì)龐大復(fù)雜的網(wǎng)絡(luò)評(píng)論，僅僅依靠人工進(jìn)行分析已經(jīng)成為不可能完成的任務(wù)，利用計(jì)算機(jī)自動(dòng)對(duì)文本進(jìn)行分析成為目前的主流。情感詞典作為文本情感分析的重要工具, 越來越多的組織和研究人員開始關(guān)注其構(gòu)建問題[1]。

構(gòu)建情感詞典的方法有多種，如Kim等使用詞語資源[2]，Hatzivassiloglou等使用大型語料庫[3]，Velikovich等使用網(wǎng)絡(luò)[4]，他們都通過獲取詞語之間的語義關(guān)系來構(gòu)建大規(guī)模的情感詞典。在群體性事件爆發(fā)后，網(wǎng)絡(luò)上會(huì)充斥著各式各樣的言論，而微博作為當(dāng)前最具代表性且擁有數(shù)億用戶的一個(gè)特色網(wǎng)絡(luò)社交平臺(tái)，通過簡短卻帶著濃烈的個(gè)人感情色彩和強(qiáng)烈的主觀色彩的句子，反映了對(duì)某個(gè)事件的態(tài)度，表達(dá)了受眾的真實(shí)情感。本文主要通過采集微博評(píng)論內(nèi)容，收集微博情感詞，在已有資源的基礎(chǔ)上，構(gòu)建一個(gè)針對(duì)群體性事件網(wǎng)絡(luò)輿情的情感詞典。

1 相關(guān)詞典的構(gòu)建

1.1 基礎(chǔ)情感詞典的構(gòu)建

基礎(chǔ)情感詞典主要是基于現(xiàn)有的知網(wǎng)Hownet情感詞典和臺(tái)灣大學(xué)簡體中文情感極性詞典(NTSUSD)[5]而構(gòu)建。知網(wǎng)的“中文情感分析用詞語集”包括6個(gè)子文件：“正面情感”詞語，如愛、贊賞、快樂、感同身受、好奇、喝彩、魂?duì)繅?mèng)縈、嘉許等；“負(fù)面情感”詞語，如哀傷、半信半疑、鄙視、不滿意、不是滋味兒、后悔、大失所望等；“正面評(píng)價(jià)”詞語，如：不可或缺、才高八斗、沉魚落雁、催人奮進(jìn)、動(dòng)聽、對(duì)勁兒等；“負(fù)面評(píng)價(jià)”詞語，如丑、苦、超標(biāo)、華而不實(shí)、荒涼、混濁、畸輕畸重、價(jià)高、空洞無物等；“程度級(jí)別”詞語和“主張”詞語[6]。臺(tái)灣大學(xué)簡體中文情感極性詞典(NTSUSD)共包含2812個(gè)正向情感詞和8278個(gè)負(fù)向情感詞，是基于二元情感分類劃分的一個(gè)中文詞語數(shù)據(jù)庫。本文將這兩個(gè)中文情感詞典進(jìn)行融合，對(duì)相同極性的詞語進(jìn)行消重，重新分類組合，組成所需要的基礎(chǔ)情感詞典。此外，對(duì)知網(wǎng)(Hownet)里面的程度副詞設(shè)置了不同的權(quán)值。

1.2 網(wǎng)絡(luò)用語情感詞典

網(wǎng)絡(luò)語言是在網(wǎng)絡(luò)上被廣泛使用的一種新的語言形態(tài)[7]，如QQ中的隱身“潛水”、Thank you用3Q代替，這些都非?？谡Z話。各種俗語和俚語被廣泛使用，如“猴賽雷”、“神馬都是浮云”等，甚至一些粗話、臟話，如“你妹”、“然并卵”、“日了狗”等。網(wǎng)絡(luò)用語之所以能夠傳播，在于它被認(rèn)同，反映某種現(xiàn)實(shí)，類似“猴賽雷”這些網(wǎng)絡(luò)用語，形象鮮明地反映當(dāng)時(shí)網(wǎng)民的情緒，具有明確的情感傾向。但是網(wǎng)絡(luò)用語更新快、傳播迅速，未能及時(shí)納入到傳統(tǒng)的情感詞典中，用傳統(tǒng)的情感詞典對(duì)這些網(wǎng)絡(luò)文本進(jìn)行分析時(shí)往往會(huì)出現(xiàn)很多錯(cuò)誤。基于此，針對(duì)網(wǎng)絡(luò)文本的情感分析必須構(gòu)建網(wǎng)絡(luò)用語的情感詞典。

網(wǎng)絡(luò)語言創(chuàng)新性強(qiáng)，自我更新速度快，易被人們?cè)诰W(wǎng)絡(luò)上使用，其來源也相當(dāng)復(fù)雜，目前也沒有什么有效的方法直接獲取大量的網(wǎng)絡(luò)用詞。本文通過人工的方式從近10年的百度熱門網(wǎng)絡(luò)流行語和搜狗拼音詞庫網(wǎng)絡(luò)流行新詞中抽取、整理得到網(wǎng)絡(luò)用語情感詞典。正面網(wǎng)絡(luò)用語情感詞典，如“給力”、“碉堡”、“稀飯”、“猴賽雷”等，負(fù)面網(wǎng)絡(luò)用語情感詞典，如“坑爹”、“尼瑪”、“然并卵”、“次奧”等。

1.3 網(wǎng)絡(luò)表情符號(hào)情感詞典

圖1微博表情符號(hào)

在網(wǎng)絡(luò)用語中表情符號(hào)使用非常廣泛，表情符號(hào)用來生動(dòng)呈現(xiàn)和描摹日常面對(duì)面交際中的非言語信息[8]，網(wǎng)民通過使用表情符號(hào)形象地表達(dá)自己當(dāng)前的感情，網(wǎng)絡(luò)表情符號(hào)如圖1所示：

1.4 否定詞詞典

否定詞會(huì)對(duì)情感傾向起到否定和反轉(zhuǎn)的作用，會(huì)改變情感極性[9]。當(dāng)否定詞修飾正面情感詞時(shí)，會(huì)將正向情感變成負(fù)面，比如“好”，加一個(gè)否定詞“不”變?yōu)椤安缓谩薄７粗?，也同樣?huì)將負(fù)面的情感反轉(zhuǎn)。如果仍舊使用情感詞的極性進(jìn)行文本分析，必然造成結(jié)果南轅北轍。因此，為了更加準(zhǔn)確地判斷情感極性，需要構(gòu)建否定詞詞典。本文根據(jù)微博文本收集了部分常用的否定詞，如不、沒、未嘗、并非、否、絕不、尚未等。

1.5 領(lǐng)域詞典構(gòu)建

網(wǎng)絡(luò)輿情作為輿情的一個(gè)組成部分和主要表現(xiàn)形式，是指網(wǎng)民或媒體以網(wǎng)絡(luò)為載體、以事件為核心的情感、態(tài)度、意見、觀點(diǎn)的表達(dá)、傳播與互動(dòng)以及后續(xù)影響力的集合，以及對(duì)某一社會(huì)公共事務(wù)或焦點(diǎn)問題所表現(xiàn)出的具有某種傾向性的、有一定影響力的意見或言論[10]。這也就要求我們?cè)卺槍?duì)群體性事件的網(wǎng)絡(luò)輿情構(gòu)建情感詞典時(shí)，應(yīng)該考慮領(lǐng)域的特殊性，選擇領(lǐng)域詞匯對(duì)情感詞典進(jìn)行完善補(bǔ)充。信息的主題主要包括：生存危機(jī)、公共安全、腐敗、分配差距、時(shí)政、法制等[11]。如“石首事件”、“我爸是李剛案”、“郭美美案”、“楊達(dá)才手表案”等，反映的都是腐敗、官民矛盾、貧富差距等社會(huì)矛盾。本文通過搜集新浪微博事件主題文本得到語料集，提取情感詞，對(duì)語料集進(jìn)行預(yù)處理、詞頻統(tǒng)計(jì)、關(guān)鍵詞提取等。中科院計(jì)算所的張華平、劉群所開發(fā)的一套獲得廣泛好評(píng)的NLPIR-ICTCLAS漢語分詞系統(tǒng)，其主要功能包括中文分詞、英文分詞、詞性標(biāo)注、命名實(shí)體識(shí)別、新詞識(shí)別、關(guān)鍵詞提取、支持用戶專業(yè)詞典與微博分析。本文利用該系統(tǒng)對(duì)事件文本進(jìn)行分析，得到標(biāo)注的各類分詞，對(duì)其中的情感詞進(jìn)行篩選，并與前文提到的三個(gè)情感詞典中的情感詞匯對(duì)比，去掉不相關(guān)的詞語和明顯在其他領(lǐng)域都具有普遍情感傾向的詞語，得到本文所需的群體性事件輿情情感詞匯集。

2 情感傾向性計(jì)算

對(duì)情感詞做了匯總后，再對(duì)情感極性強(qiáng)度進(jìn)行計(jì)算和說明。情感傾向性可理解為情感的極性，在群體性事件中用戶發(fā)表的微博文本所表達(dá)的觀點(diǎn)是正面情感、負(fù)面情感還是中性情感，需要經(jīng)過分析得出。本文采用支持向量機(jī)模型(Support Vector Machine)[12]進(jìn)行情感分析。

2.1 SVM文本特征提取

首先通過詞頻計(jì)算出權(quán)重，按權(quán)重從大到小排序，然后剔除無用詞，這些詞通常是與主題無關(guān)的，任何類的微博文本中都有可能大量出現(xiàn)的，比如“的”“是”“在”一類的詞，一般在停詞表中已定義好。去除這些詞以后，有一個(gè)新的序列排下來，然后可以按照實(shí)際需求選取權(quán)重最高的前4個(gè)或者更多詞匯來代表該文本的核心內(nèi)容。

特征項(xiàng)的提取步驟如圖2所示：

圖2 特征項(xiàng)的提取步驟

2.2 文本特征選擇

本文利用改進(jìn)的TF-IDF公式[13]計(jì)算詞的權(quán)值，情感詞在某個(gè)類別文本出現(xiàn)的次數(shù)越多，則對(duì)于表征該類別越重要。公式如下：

其中w(i,k)為文本i中特征項(xiàng)k的影響程度表征，tf(i,k)為特征項(xiàng)k在文本i中的頻率，N表示情感訓(xùn)練數(shù)據(jù)集總數(shù)量，p(k)為情感訓(xùn)練數(shù)據(jù)集中出現(xiàn)特征項(xiàng)k的頻率，分母為歸一化因子。

2.3 SVM訓(xùn)練

本文主要用于研究群體性事件，采集的數(shù)據(jù)是某群體性事件爆發(fā)后網(wǎng)友的微博評(píng)論文本。訓(xùn)練的特征選擇包括情感詞和修飾情感詞的否定詞，以及它們?cè)谖谋局谐霈F(xiàn)的位置和數(shù)量。通過訓(xùn)練得到關(guān)于情感傾向性分類的模型。

3 實(shí)驗(yàn)分析

本文通過采集2018年5月份原央視知名主持人崔永元在微博陸續(xù)發(fā)文爆料娛樂圈明星“陰陽合同”事件中網(wǎng)友評(píng)論，驗(yàn)證所建情感詞典的有效性。共采集6198條微博評(píng)論，從中選取2000條，人工標(biāo)注情感傾向性用于測(cè)試，其中正面情感和負(fù)面情感各1000條。

3.1 性能評(píng)估指標(biāo)

性能評(píng)估指標(biāo)主要為準(zhǔn)確率和召回率[14-15]。準(zhǔn)確率(Precision)，記為p，是指通過分類實(shí)驗(yàn)后，該類的正確數(shù)目(k)占判斷屬于該類別數(shù)目(n)的比值，反應(yīng)情感分類模型的準(zhǔn)確性，其數(shù)學(xué)公式為：

(1)

召回率(Recall)記為r, 通過分類實(shí)驗(yàn)后，判斷為該類的正確數(shù)目(k)占本應(yīng)判斷為該類別數(shù)目(1)的比值，其數(shù)學(xué)公式為：

(2)

相關(guān)文獻(xiàn)表明，這兩個(gè)指標(biāo)在一定程度上是相互制約的關(guān)系，故需要引入一個(gè)合適的度來衡量，尋求兩者之間的一個(gè)平衡點(diǎn)。選用一個(gè)綜合度量指標(biāo) F1 作為兩者的調(diào)和平均數(shù)來衡量：

(3)

3.2 實(shí)驗(yàn)結(jié)果

利用上節(jié)介紹的語料預(yù)處理方法對(duì)實(shí)驗(yàn)語料進(jìn)行預(yù)處理后，采用傳統(tǒng)的基礎(chǔ)詞典與本文構(gòu)建的情感詞典進(jìn)行實(shí)驗(yàn)。首先使用僅包括基礎(chǔ)情感詞典的傳統(tǒng)方式，對(duì)預(yù)料進(jìn)行預(yù)處理后，采用支持向量機(jī)模型(SVM)進(jìn)行情感分析，得出的實(shí)驗(yàn)結(jié)果如表1所示。

表1 傳統(tǒng)的基礎(chǔ)詞典

而后，采用本文的方法，在基礎(chǔ)情感詞典的基礎(chǔ)上，構(gòu)建針對(duì)網(wǎng)絡(luò)的網(wǎng)絡(luò)用語詞典、網(wǎng)絡(luò)表情符號(hào)詞典、否定詞詞典以及群體性事件的網(wǎng)絡(luò)輿情領(lǐng)域詞典，在此基礎(chǔ)上再針對(duì)所選實(shí)驗(yàn)微博語料進(jìn)行預(yù)處理，使用SVM情感分類，結(jié)果如表2所示。

表2 本文構(gòu)建的詞典

從表1和表2可以看出，使用本文構(gòu)建的情感詞典處理，實(shí)驗(yàn)結(jié)果與傳統(tǒng)詞典相比無論是準(zhǔn)確率還是召回率都有一定提高。

4 結(jié)論

本文針對(duì)群體性事件網(wǎng)絡(luò)輿情，構(gòu)建了領(lǐng)域詞典。通過對(duì)人工標(biāo)注后的微博事件評(píng)論文本進(jìn)行驗(yàn)證，發(fā)現(xiàn)本文構(gòu)建的用于群體性事件輿情詞典，提高了微博文本情感分類的準(zhǔn)確率和召回率，達(dá)到了預(yù)期效果。但是本文所做的工作還遠(yuǎn)遠(yuǎn)不夠，如對(duì)多義性情感詞和隱含性情感句規(guī)則的構(gòu)建并未加以考慮。如同一個(gè)詞用在不同的語境下所表達(dá)的情感可能截然不同，有些評(píng)價(jià)詞語也會(huì)出現(xiàn)在不帶感情色彩的文本中，等等，這些都會(huì)影響對(duì)情感傾向的分析和判斷。