• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    微博環(huán)境下新冠肺炎疫情事件對網(wǎng)民情緒的影響分析*

    2021-03-09 01:28:08劉忠寶趙文娟
    情報雜志 2021年2期
    關鍵詞:語料網(wǎng)民情緒

    劉忠寶 秦 權 趙文娟

    (1. 云計算與物聯(lián)網(wǎng)技術福建省高等學校重點實驗室(泉州信息工程學院) 泉州 362000;2.北京語言大學語言智能研究院 北京 100083;3.中北大學軟件學院 太原 030051)

    0 引 言

    自2019年12月底新冠肺炎疫情爆發(fā)以來,以微博為代表的社交媒體在傳播疫情信息、宣傳防控措施等方面發(fā)揮了重要作用,并成為央視新聞、人民日報等官方媒體發(fā)布疫情信息的重要媒介。隨著疫情的不斷發(fā)展,相關微博新聞和評論的數(shù)量持續(xù)增長,眾多網(wǎng)民對于疫情的情緒反應強烈,導致正常的生活受到明顯影響。因此,筆者以新冠肺炎疫情相關的微博新聞及其評論作為研究對象,在建立面向疫情的疫情事件畫像以及面向網(wǎng)民的情緒畫像的基礎上,深入分析疫情期間出現(xiàn)的重點事件對網(wǎng)民情緒的影響,為各級政府準確掌握網(wǎng)絡輿論情況,科學高效地做好防控宣傳和輿情引導工作提供有力支撐。

    1 研究進展

    疫情事件畫像和網(wǎng)民情緒畫像是本文研究的重點,前者主要用到事件抽取方法,后者主要用到文本情感分析方法。本節(jié)對上述方法的研究進展進行梳理。

    1.1事件抽取方法目前,事件抽取的主要研究方法包括模式匹配、機器學習以及深度學習的方法三類。

    基于模式匹配的方法一般通過手工構建各種模式匹配算法用于事件抽取。J. T.Kim等引入WordNet詞典,利用短語結構和語義框架,構造了一個并行化的事件匹配模型PALKA[1],該模型一定程度上解決了語料規(guī)模較大時手動創(chuàng)建模式費時費力的問題。李章超[2]、許君寧[3]等通過構建模式匹配原則對非結構化文本中的事件抽取問題進行了研究并取得了較好的效果?;谀J狡ヅ涞姆椒ㄔ谔囟I域表現(xiàn)優(yōu)異,但算法的可移植性差,需要大量的人工規(guī)則,且需要領域專家的指導。

    機器學習無需領域知識且可以減少人工干預,已經(jīng)成為事件抽取的主要研究方法。劉振等通過事件觸發(fā)詞與事件特征之間的約束規(guī)則,引入WordNet對觸發(fā)詞進行聚類,并引入條件隨機場識別事件組成元素[4]。趙妍妍[5]、黃念娥[6]等分別引入最大熵分類器和CRF模型抽取事件?;跈C器學習的方法在一定程度上減少了領域專家的依賴,但需要大規(guī)模的標準語料,否則在模型訓練上容易出現(xiàn)數(shù)據(jù)稀疏問題,且現(xiàn)階段的語料規(guī)模難以滿足應用需求。

    基于深度學習的方法將語料轉化為特征向量,并通過不同的神經(jīng)網(wǎng)絡模型學習篇章級及跨篇章級的語義信息以提高事件抽取的性能。T.Nguyen等提出一種基于Skip-gram的卷積神經(jīng)網(wǎng)絡模型,該模型能夠高效地提取非連續(xù)短語的特征,因而能夠高效地完成事件抽取任務[7]。徐飛[8]、 Liu[9]等分別引入基于條件隨機場的雙向長短期記憶網(wǎng)絡和注意力機制來學習文本的隱藏特征,進而提高事件抽取效率。

    在微博事件抽取研究中,仇培元利用條件隨機場對交通事件的微博進行語義標注,引入支持變量機計算事件要素之間的關聯(lián)強度,該方法在微博交通事件抽取中召回率達到了90%[10]。周鵬[11]、唐曉波[12]分別利用關鍵詞抽取算法和狄利克雷過程事件混合模型對微博事件進行抽取并取得了較好的效果。

    1.2文本情感分析常用文本情感分析方法包括基于情感詞典的方法、基于機器學習的方法以及基于深度學習的方法。

    基于情感詞典的方法主要是通過識別詞典中的情感詞對文本進行分類。Liu等在融入依存句法特征的基礎上,利用K-means聚類算法構建情感詞典對在線產(chǎn)品評論進行情感分析[13]。Yang[14]、Turney[15]、趙常煜[16]基于傳統(tǒng)情感詞典,分別引入隱狄利克雷分配(Latent Dirichlet Allocation, LDA)模型、點互信息(Pointwise Mutual Information, PMI)算法對情感詞典擴展、文本情感分析等進行研究?;谇楦性~典的方法對特定領域情感分析表現(xiàn)優(yōu)異,但該方法很少考慮文本的上下文信息,而且由于網(wǎng)絡新詞的不斷出現(xiàn),該方法無法及時更新情感詞典。

    基于機器學習的方法利用支持向量機(Support Vector Machine, SVM)、樸素貝葉斯(Na?ve Bayes, NB)、最大熵(Maximum Entropy, ME)等機器學習算法進行文本情感分析。Pang等人工標記電影評論中出現(xiàn)的情感特征詞,比較分析SVM、NB、ME等算法在電影評論中進行情感分析效果,實驗結果表明SVM分類效果最佳[17]。Wikarsa[18]等利用NB算法對文本進行細粒度的情感分析?;跈C器學習的方法基于文本的上下文關系,需要大量的人工標注語料,該方式耗時耗力,且存在標注不一致等問題。

    目前,利用卷積神經(jīng)網(wǎng)絡(Convolutional Neural Networks, CNN)、循環(huán)神經(jīng)網(wǎng)絡(Recurrent Neural Network, RNN)以及長短記憶神網(wǎng)絡(Long Short-Term Memory, LSTM)等深度學習模型已成為文本情感分析領域的熱門研究方向。Poria等基于深度卷積神經(jīng)網(wǎng)絡提出一種從短文本中提取情感特征的方法,該方法利用文本、視覺和音頻的組合特征來訓練基于多核學習的分類器。與現(xiàn)有方法相比,該方法的情感識別準確率提升了14%[19]。吳鵬[20]、涂曼姝[21]等將卷積神經(jīng)網(wǎng)絡應用于文本情感分析,其正確率均達到93%以上。

    在微博情感分析研究中,張海濤等利用微博數(shù)據(jù),以復雜網(wǎng)絡理論為基礎,基于評論詞語之間的共現(xiàn)關系,構建子事件網(wǎng)絡,以動態(tài)地跟蹤網(wǎng)民意見以及情緒波動[22]。張柳[23]、曾子明[24]等分別引入多尺度卷積神經(jīng)網(wǎng)絡和Bi-LSTM模型對微博評論文本進行情感分析。在疫情背景下微博情感分析研究中,安璐等基于微博用戶轉發(fā)關系構建疫情相關者的情感網(wǎng)絡圖譜,并根據(jù)輿情話題分析相關者的情感演化趨勢[25]。周紅磊等依據(jù)態(tài)勢感知理論構建面向疫情的話題-情感演化模型,探尋疫情話題背后的網(wǎng)民情感變化情況[26]。

    2 數(shù)據(jù)來源與研究方法

    2.1數(shù)據(jù)來源爬取2019年12月01日到2020年4月30日之間與新冠肺炎疫情相關的微博新聞26 478條以及對應評論30萬條,利用哈工大語言技術平臺(Language Technology Platform,LTP)對語料進行分句、分詞以及詞性標注處理。通過去除新聞文本中含有的URL鏈接、標點符號、特殊字符以及少于10個字符的新聞文本,得到新聞語料集;通過去除評論中的英文、數(shù)字以及英文符號,得到評論語料集。本文借鑒國家金融與發(fā)展實驗室將疫情演化分為爆發(fā)高峰期、全面蔓延期、控制恢復期等三個階段[27],同時按照上述三個階段分析疫情事件對網(wǎng)民情緒的影響,其中2019年12月01日至2020年1月27日為爆發(fā)高峰期、2020年1月27日至2020年3月1日為全面蔓延期、2020年3月1日至2020年4月30日為控制恢復期。

    2.2研究方法

    2.2.1 研究框架 圖1給出了微博環(huán)境下疫情事件對網(wǎng)民情緒的研究框架。該框架包括疫情事件畫像、網(wǎng)民情緒畫像以及疫情事件對網(wǎng)民情緒的影響分析三部分。在疫情事件畫像中,首先依據(jù)OpenKG發(fā)布的新冠肺炎熱點事件圖譜,將新聞語料集劃分為捐資、防控、英雄和臨床四類事件主題[28],并在此基礎上人工篩選出包含四類事件主題的觸發(fā)詞,接著根據(jù)觸發(fā)詞對新聞語料集使用條件隨機場(Conditional Random Fields, CRF)[29]模型進行疫情事件抽取,同時使用該模型識別疫情事件的組成元素。在網(wǎng)民情緒畫像中,首先,根據(jù)大連理工大學情感詞匯本體庫DUTIR[30]對網(wǎng)民情緒進行分類;接著,根據(jù)疫情事件的觸發(fā)詞以及組成元素對評論語料集進行劃分,得到疫情事件所對應的評論文本;然后,對評論文本進行情緒強度計算,并使用雙向長短期記憶網(wǎng)絡(Bidirectional Long Short Term Memory, Bi-LSTM)模型[31]對評論文本進行情緒分析;最后,得到不同疫情事件下網(wǎng)民的情緒畫像。在疫情事件對網(wǎng)絡情緒的影響分析中,使用基于自注意力機制的雙向長短期記憶網(wǎng)絡Att-BiLSTM模型對疫情事件與網(wǎng)民情緒進行關聯(lián)分析,得到疫情事件影響下網(wǎng)民的情緒分布。

    圖1 研究框架

    2.2.2 疫情事件畫像 依據(jù)OpenKG發(fā)布的新冠肺炎熱點事件圖譜,將新聞語料集劃分為包含捐資、防控、英雄和臨床四類主題。捐資主題包括各地對疫區(qū)進行捐款捐物的新聞。本文結合上述各類主題下的新冠肺炎新聞的語句結構,人工篩選各類主題下疫情事件的觸發(fā)詞,利用CRF模型抽取疫情事件及其組成元素。以疫情事件為例,給出CRF模型的工作流程。首先,用預先定義好的標記規(guī)則對新聞語料集進行人工標注;然后,將標注好的語料輸入模型;最后,學習疫情事件標簽之間的約束規(guī)則,進而得到疫情事件抽取結果。

    2.2.3 網(wǎng)民情緒畫像 根據(jù)大連理工大學情感詞匯本體庫DUTIR,本文將網(wǎng)民情緒分為“樂觀、美好、憤怒、悲哀、畏懼、厭惡、驚嚇”七類,并引入情緒強度計算完成以上七類的網(wǎng)民評論情緒的標注。在引入DUTIR和修飾詞詞典的基礎上,對與疫情相關的評論語料進行情緒強度計算,DUTIR將情感分為7大類,20小類,其中包含27 466個情感詞,情感詞的情緒強度值分為1、3、5、7、9五檔,9表示情感強度最大,1表示情感強度最小,表1和表2分別列出了部分情感詞和情感強度。情緒強度計算需要考慮否定詞和程度副詞共同出現(xiàn)時的情緒影響。情感詞的情緒強度計算如式(1)所示。

    Ei=(-1)οiαiρim

    (1)

    其中,Ei表示組合后的情緒強度,oi表示組合中否定詞的個數(shù),αi表示程度副詞的情緒強度,ρi表示情感詞的情緒強度,m表示不同組合的權重值。

    網(wǎng)民情緒畫像的基本流程是:首先,輸入與疫情相關的評論語料集;接著,對輸入語料進行向量化表示;然后,利用BiLSTM模型從正、反兩個方向提取輸入語料的語義特征;最后,得到網(wǎng)民對疫情事件的情緒分布。

    表1 部分情感詞

    表2 部分情感詞的情感強度

    2.2.4 影響分析 本文采用基于自注意力機制的雙向長短期記憶網(wǎng)絡Att-BiLSTM[31]模型進行疫情事件對網(wǎng)絡情緒的影響分析。注意力機制通過對信息進行加權,得到信息的重要程度,以捕獲更多的有用信息。Att-BiLSTM模型在BiLSTM模型的基礎上增加了注意力機制層,該層對BiLSTM的輸出進行加權計算。該過程首先將BiLSTM模型不同時刻的輸出映射到(-1, 1)區(qū)間;接著,與權重參數(shù)相乘,經(jīng)softmax函數(shù)映射到(0, 1)區(qū)間后得到注意力分布向量;最后,將該分布向量分別乘以BiLSTM模型不同時刻的輸出即可得到分析結果。該模型融合了注意力機制和BiLSTM模型的優(yōu)勢,突出了對分析結果有利的語義特征,提升了模型的分析能力。圖2給出了研究框架。首先,將疫情事件經(jīng)Word2Vec向量化表示后輸入模型;接著,利用Bi-LSTM模型挖掘疫情事件中的語義特征;然后,引入自注意力機制對語義特征賦予不同權重,以突出部分重要的語義特征;最后,經(jīng)Softmax激活函數(shù)處理后,得到疫情事件影響下的網(wǎng)民情緒分布y。

    圖2 關聯(lián)分析模型圖

    3 實驗分析

    3.1新聞語料集標注疫情事件抽取包括觸發(fā)詞識別和事件元素抽取。根據(jù)新聞主題,給出如表3所示的疫情事件觸發(fā)詞表和表4所示的觸發(fā)詞標注集。

    表3 疫情事件觸發(fā)詞表

    表4 觸發(fā)詞標注集

    在抽取疫情事件元素時,根據(jù)主題語料集的特點,將疫情事件元素分為時間、地點、人物。采用“BIESO”標注方式對主題語料集中的疫情事件進行事件元素標注。疫情事件元素標注集如表5所示。

    表5 疫情事件元素標注集

    3.2評價指標利用準確率P(Precision)、召回率R(Recall)、F值(F-value)等評價指標對實驗結果進行評價。準確率指正確識別疫情事件數(shù)與已識別疫情事件數(shù)的比值,或正確識別網(wǎng)民情緒數(shù)與已識別網(wǎng)民情緒數(shù)的比值,用于衡量所用方法的查準率。召回率指正確識別疫情事件數(shù)與所有正確識別疫情事件數(shù)的比值,或正確識別網(wǎng)民情緒數(shù)與所有正確識別網(wǎng)民情緒數(shù)的比值,用于衡量所用方法的查全率。F值綜合了準確率和召回率兩大評估指標,用于衡量所用方法的整體性能。上述指標的計算公式如下:

    (2)

    (3)

    (4)

    其中,A、B、C在不同畫像中的含義不同。在疫情事件畫像中,A、B、C分別表示正確識別、錯誤識別、無法識別的疫情事件數(shù);在網(wǎng)民情緒畫像中,A、B、C分別表示正確識別、錯誤識別、無法識別的網(wǎng)民情緒數(shù);在影響分析中,A、B、C表示正確識別、錯誤識別、無法識別的疫情事件對網(wǎng)民情緒分布。

    3.3實驗參數(shù)設置目前比較流行的CRF模型處理工具有CRF++、Flexcrf、GRMM等。選用CRF++-0.58作為建模工具用以進行疫情事件抽取。Bi-LSTM模型用于網(wǎng)民情緒識別,隨機選取30%的實驗語料集作為參數(shù)設置語料集,將該語料集的70%用于模型訓練,剩下的30%用于參數(shù)驗證。利用網(wǎng)格搜索法來確定該模型的參數(shù)。batch_size在網(wǎng)格[4, 8, 16, 32, 64, 128]中搜索選取,epoch在網(wǎng)格[10, 20, 30, 40, 50]中搜索選取,dropout在網(wǎng)格[0.1, 0.3, 0.5, 0.7]中搜索選取,learning_rate在網(wǎng)格[0.0001, 0.001, 0.01]中搜索選取,num_nodes在網(wǎng)格[32, 64, 128, 256]中搜索選取,max_length在網(wǎng)格[10, 50, 100, 150, 200]中搜索選取,其中batch_size表示訓練一次輸入的評論數(shù),epoch表示全部評論的訓練次數(shù),dropout表示解決神經(jīng)網(wǎng)絡過擬合問題的參數(shù)值,learning_rate表示學習率,num_nodes表示隱層神經(jīng)單元個數(shù),max_length表示時間步長。Bi-LSTM模型的參數(shù)設置如表6所示。

    表6 Bi-LSTM參數(shù)設置

    3.4實驗設計

    3.4.1 疫情事件畫像實驗結果 利用CRF模型抽取疫情事件及其組成元素,本文將標注后的新聞語料集按照8:2的比例分為訓練集和測試集。實驗結果如表7和表8所示。

    表7 不同主題下疫情事件抽取實驗結果

    表8 疫情事件元素抽取實驗結果

    由表7可以看出,CRF模型在疫情事件抽取的召回率較低,其主要原因是中文不同的字詞在上下文中表達的含義不同,部分“假的”事件觸發(fā)詞無法通過語義進行消除。四類主題疫情事件下的準確率、召回率、F值均達到80%以上,其中英雄事件由于語料限制,模型學習到的約束規(guī)則較少,模型準確率相比于其他三類疫情事件較低。由表8可以看出該模型在抽取時間、地點、人物等疫情事件元素時表現(xiàn)較為良好,準確率、召回率和F值都在70%以上,其中時間的F值較高,達到了80.8%,其原因是在疫情事件元素中,時間元素的句法結構單一,且人工標注準確率較高,因此,該模型的時間元素識別效果較優(yōu)。由于疫情事件中含有的人物語料較少,模型識別效果較低。實驗結果表明,CRF模型能夠較好地完成疫情事件畫像任務。

    3.4.2 網(wǎng)民情緒畫像實驗結果 將評論語料集按照8:2的比例分為訓練語料集和測試語料集,經(jīng)過訓練后得到的實驗結果如表9所示。

    由表9可以看出,捐資、防控、臨床以及英雄四種主題中的網(wǎng)民評論中對“美好”的情緒識別中,F(xiàn)值均達到了90%以上,主要原因是在疫情防控過程中,政府及企業(yè)對疫情防控大力支持,網(wǎng)民評論整體多為積極。而該模型的召回率較低,主要原因是網(wǎng)民表達情緒的方式多樣化,評論語料集中含有大量噪聲,增加了模型識別情感特征的難度。BiLSTM模型在網(wǎng)民評論的情緒識別任務中,各主題下的情緒識別效果良好,這表明該模型能夠充分挖掘評論語料集中網(wǎng)民的情緒分布,能夠較好地完成網(wǎng)民情緒畫像任務。

    3.4.3 影響分析實驗結果 為了驗證本文所提Att-BiLSTM模型的有效性,本文設置了三組對比實驗分別是:RNN、LSTM、BiLSTM。以上方法在四種主題疫情事件的實驗結果如表10所示。

    表9 評論語料集實驗結果

    表10 影響分析實驗結果

    由表10可以看出,RNN、LSTM相較于BiLSTM,其F值最高僅達到了74%,主要原因是RNN與LSTM無法學習疫情事件之間的關聯(lián)關系,因而在網(wǎng)民情緒的影響分析的實驗中效果一般;BiLSTM可以聯(lián)系疫情事件的上下文中對網(wǎng)民情緒影響的情感特征,因此實驗效果較好,在“英雄”主題的事件的F值達到了78%。本文所提方法在疫情事件對網(wǎng)民情緒的影響分析中表現(xiàn)最好,其準確率、召回率、F值均達到了83%以上,其中對“英雄”主題事件的F值達到了86%,這是因為在“英雄”主題所包含的事件中,“去世”、“犧牲”等相較與其他詞具有鮮明的情緒特征。根據(jù)疫情的不同發(fā)展階段,圍繞防控、捐資、英雄、臨床四種主題,分析疫情事件對網(wǎng)民情緒的影響。實驗結果如表11-表14所示。

    表11 英雄主題網(wǎng)民情緒分布表

    由表11可以看出,在抗擊新冠肺炎疫情過程中,不斷涌現(xiàn)出如鐘南山、李蘭娟等醫(yī)療工作者日夜奮戰(zhàn)在救援一線、公務人員在工作崗位上為抗擊疫情勞累致死等事件,因此,網(wǎng)民“美好”的情緒占比較大。

    表12 防控主題網(wǎng)民情緒分布表

    由表12可以看出,疫情防控中的情緒變化較為復雜,其中“美好”的情緒占比較大,隨著時間的推移,呈現(xiàn)先減后增的趨勢,這種變化的緣由是多方面的,如對小區(qū)實行封閉管理,經(jīng)過長時間的居家封禁,網(wǎng)民的正向情緒有所減少,但隨著疫情趨于平穩(wěn),網(wǎng)民情緒變緩,心中充滿希望。國家出臺的一系列有效的防控措施,疫情大幅減緩,網(wǎng)民的恐懼也隨之減少。受疫情影響,學生推遲開學、各種大型考試延遲等,在一定程度上也使得網(wǎng)民感到失落。

    表13 臨床主題網(wǎng)民情緒分布表

    由表13可以看出,在12月1日至1月27日時間段,臨床治療還未見成效,使得網(wǎng)民感到恐懼、難過;隨著臨床研究取得進展,恐懼慢慢減少,同時,出于對醫(yī)護人員自身安危的擔憂,網(wǎng)民的“悲哀”的情緒仍占一定比重。隨著臨床的深入研究,治愈率升高,負向情緒尤其是“厭惡”的情緒占比減少。相比于其余兩個時間段,在1月28日至3月1日,“驚嚇”的情緒在大規(guī)模爆發(fā)階段的占比最大,表明網(wǎng)民對疫情增長速度之快的擔憂。但從總體上看,由于鐘南山和李蘭娟院士的研究團隊在臨床研究上取得顯著的治療效果,網(wǎng)民相信在政府部門領導幫助下能成功度過此次危機的情緒逐漸增加。

    表14 捐資主題網(wǎng)民情緒分布表

    由表14可以看出,自新冠肺炎疫情爆發(fā)以來,由于醫(yī)療物資供不應求,以及防控帶來的資源調度不便,導致網(wǎng)民產(chǎn)生“悲哀”“恐懼”等負向情緒。為了解決疫情重災區(qū)武漢市物資嚴重短缺的問題,全國人民團結一心,社會各界捐資捐物,正能量廣泛傳遞,網(wǎng)民表現(xiàn)出的“美好”的情緒不斷增加,“悲哀”和“恐懼”的情緒也隨之減少。隨著政府部門對物資的督查監(jiān)管力度不斷加大,物資分配不合理等情況大幅改善,網(wǎng)民的“厭惡”的情緒比例也隨之降低。由于捐贈物資日益增多,同時,醫(yī)療物資加快生產(chǎn),網(wǎng)民的擔憂、恐懼等情緒得到了一定緩和。

    對上述實驗結果進行歸納可知:圍繞防控、捐資、英雄、臨床四種主題,網(wǎng)民在疫情演化的三個階段“美好”情緒均占比最高,特別是在控制恢復期的英雄主題、爆發(fā)高峰期的防控主題、全面蔓延期的臨床主題以及控制恢復期的捐資主題達到峰值,這表明我國在應對新冠疫情做法得力,得到廣大網(wǎng)民的認可,與此同時,疫情信息的發(fā)布和監(jiān)管也較為到位,避免虛假、不實信息對網(wǎng)民情緒的影響。作為一種強烈的心理刺激源,新冠肺炎疫情的爆發(fā)容易引起網(wǎng)民負向情緒。在疫情演化的三個階段“厭惡”情緒占比較高,并在全面蔓延期的英雄主題、爆發(fā)高峰期的防控主題、控制恢復期的臨床主題以及爆發(fā)高峰期的捐資主題達到峰值,這與疫情演化期間發(fā)生的一系列負面事件相關。在此情形下,網(wǎng)民心態(tài)要擺正,理性看待負面事件,就事論事,不發(fā)表太情緒化的言論,不轉發(fā)未經(jīng)證實的信息,通過合理合法的方式發(fā)泄負向情緒。在不同的主題中,網(wǎng)民負向情緒分布差異較大。英雄主題主要是“悲哀”情緒,并在控制恢復期達到峰值18.4%,這表明網(wǎng)民對抗疫英雄的崇敬與惋惜。網(wǎng)民應化悲痛為動力,在平時的工作和學習中踐行英雄們堅持不懈、埋頭苦干的精神,早日從“悲哀”情緒中走出來。防控主題主要是“悲哀”情緒,并在爆發(fā)高峰期達到峰值14.1%,這表明部分網(wǎng)民認為防控工作有待于進一步完善。網(wǎng)民應科學看待防疫工作的艱巨性和復雜性,給予防疫部門和廣大醫(yī)護工作者更多的理解和支持。臨床主題主要是“驚嚇”情緒,并在控制恢復期達到峰值17.7%,這表明網(wǎng)民出乎意料疫情發(fā)展速度之快。網(wǎng)民應不依賴自己的直覺,聽從專業(yè)人士的建議,避免強迫性的自我清潔,盡量讓生活正?;灰岓@嚇支配日常生活。捐資主題主要是“悲哀”情緒,并在爆發(fā)高峰期達到峰值10.3%,這體現(xiàn)了部分網(wǎng)民對疫情物資準備不足的憂慮。網(wǎng)民應充分認識到疫情的突發(fā)性給各級政府帶來的挑戰(zhàn),也應樹立戰(zhàn)勝疫情的信心和決心。

    4 總 結

    本文對微博環(huán)境下疫情事件對網(wǎng)民情緒的影響進行了分析,試圖為各級政府準確掌握網(wǎng)絡輿論情況,科學高效地做好防控宣傳和輿情引導工作提供有力支撐。首先從微博上爬取與新冠肺炎相關的新聞26 478條及評論30萬條,經(jīng)數(shù)據(jù)預處理,得到新聞語料集和評論語料集,利用CRF模型圍繞捐資、防控、臨床、英雄等四類主題抽取疫情事件及其組成元素。然后,在引入情感詞典和修飾詞詞典的基礎上,對情感強度進行計算,利用BiLSTM模型得到網(wǎng)民的情緒分布。最后,基于自注意力機制的BiLSTM模型得到疫情事件對網(wǎng)民情緒的影響程度。本研究亦存在一定不足,如本文用到的情感詞典尚不完善,勢必影響分析結果,在后續(xù)研究中著重探討情感詞典的完備性問題以及其他情感分析方法。

    猜你喜歡
    語料網(wǎng)民情緒
    網(wǎng)民低齡化 “小網(wǎng)蟲”的明天誰來守護
    遵義(2018年20期)2018-10-19 07:15:06
    小情緒
    小情緒
    小情緒
    有關公路,網(wǎng)民有話說
    中國公路(2017年9期)2017-07-25 13:26:38
    基于語料調查的“連……都(也)……”出現(xiàn)的語義背景分析
    華語電影作為真實語料在翻譯教學中的應用
    情緒認同
    《苗防備覽》中的湘西語料
    國內外語用學實證研究比較:語料類型與收集方法
    国产激情久久老熟女| 黄色视频在线播放观看不卡| 欧美 亚洲 国产 日韩一| 天天躁日日躁夜夜躁夜夜| 亚洲av片天天在线观看| 免费在线观看日本一区| 一级毛片电影观看| xxx大片免费视频| 午夜老司机福利片| 精品国产乱码久久久久久男人| 丝袜人妻中文字幕| 免费观看av网站的网址| 99国产综合亚洲精品| 国产精品.久久久| 免费观看av网站的网址| 亚洲人成电影观看| 中文字幕另类日韩欧美亚洲嫩草| 国产一区亚洲一区在线观看| 99香蕉大伊视频| 大话2 男鬼变身卡| 亚洲七黄色美女视频| 日本黄色日本黄色录像| 两个人免费观看高清视频| 另类精品久久| 欧美在线一区亚洲| 亚洲七黄色美女视频| 男女免费视频国产| 精品熟女少妇八av免费久了| 国产一区亚洲一区在线观看| 777米奇影视久久| 可以免费在线观看a视频的电影网站| 久久这里只有精品19| 亚洲国产av新网站| 亚洲国产av新网站| 一级毛片 在线播放| 亚洲av男天堂| 欧美人与性动交α欧美精品济南到| 精品国产乱码久久久久久小说| 操出白浆在线播放| 久久性视频一级片| 亚洲国产欧美一区二区综合| 电影成人av| 欧美在线一区亚洲| 这个男人来自地球电影免费观看| 国产黄频视频在线观看| 久久性视频一级片| 亚洲美女黄色视频免费看| 欧美日韩成人在线一区二区| 中文欧美无线码| 欧美日韩福利视频一区二区| 国产一区二区在线观看av| 国产精品秋霞免费鲁丝片| 日本vs欧美在线观看视频| 啦啦啦在线观看免费高清www| 亚洲国产欧美在线一区| 精品一区在线观看国产| 国产亚洲午夜精品一区二区久久| 久久国产精品人妻蜜桃| av一本久久久久| 精品第一国产精品| 国产精品久久久久成人av| 免费看av在线观看网站| 亚洲欧美色中文字幕在线| 99国产精品免费福利视频| 精品免费久久久久久久清纯 | 国产国语露脸激情在线看| 亚洲国产中文字幕在线视频| 男男h啪啪无遮挡| 国产亚洲一区二区精品| 黑人巨大精品欧美一区二区蜜桃| 国产精品久久久av美女十八| 国产av一区二区精品久久| 国产91精品成人一区二区三区 | 久久久久网色| 一个人免费看片子| 视频在线观看一区二区三区| 一级毛片女人18水好多 | 亚洲精品乱久久久久久| 在现免费观看毛片| 日本五十路高清| 久久鲁丝午夜福利片| 久久鲁丝午夜福利片| 性高湖久久久久久久久免费观看| 欧美精品人与动牲交sv欧美| 精品一区二区三区四区五区乱码 | 欧美+亚洲+日韩+国产| 久久天堂一区二区三区四区| 精品国产乱码久久久久久男人| 美女主播在线视频| 精品一区在线观看国产| 日本欧美国产在线视频| 欧美 日韩 精品 国产| 亚洲第一av免费看| a级片在线免费高清观看视频| av有码第一页| 高清黄色对白视频在线免费看| 十八禁人妻一区二区| 久久精品久久久久久噜噜老黄| 中文字幕最新亚洲高清| 女人被躁到高潮嗷嗷叫费观| 香蕉丝袜av| 大码成人一级视频| 亚洲欧美精品综合一区二区三区| 一本一本久久a久久精品综合妖精| 成年人黄色毛片网站| 一区二区三区四区激情视频| 国产一区有黄有色的免费视频| 久久99一区二区三区| 亚洲精品国产一区二区精华液| 水蜜桃什么品种好| 日本黄色日本黄色录像| 18禁黄网站禁片午夜丰满| 丝袜人妻中文字幕| 少妇 在线观看| 丰满人妻熟妇乱又伦精品不卡| 美女扒开内裤让男人捅视频| 真人做人爱边吃奶动态| 五月天丁香电影| 亚洲专区中文字幕在线| 亚洲av日韩精品久久久久久密 | 91九色精品人成在线观看| 免费黄频网站在线观看国产| 欧美精品一区二区大全| 欧美日韩视频高清一区二区三区二| 午夜视频精品福利| 亚洲黑人精品在线| 丰满迷人的少妇在线观看| 国产成人欧美| 国产免费福利视频在线观看| 久久国产精品人妻蜜桃| 在线观看人妻少妇| 国产精品偷伦视频观看了| 国产99久久九九免费精品| 韩国精品一区二区三区| 肉色欧美久久久久久久蜜桃| 欧美精品av麻豆av| av天堂在线播放| 高清黄色对白视频在线免费看| 中文字幕最新亚洲高清| 国产深夜福利视频在线观看| 18在线观看网站| 一级毛片女人18水好多 | www.熟女人妻精品国产| 午夜精品国产一区二区电影| 美女大奶头黄色视频| 久久热在线av| 欧美av亚洲av综合av国产av| 婷婷色麻豆天堂久久| 亚洲精品久久午夜乱码| 久久国产精品男人的天堂亚洲| 色精品久久人妻99蜜桃| 国产av国产精品国产| 丝袜喷水一区| 婷婷色综合大香蕉| 曰老女人黄片| 一本一本久久a久久精品综合妖精| 黄色片一级片一级黄色片| 夜夜骑夜夜射夜夜干| 人妻 亚洲 视频| 观看av在线不卡| 天天躁日日躁夜夜躁夜夜| 日韩欧美一区视频在线观看| 国产成人一区二区三区免费视频网站 | 精品久久久精品久久久| 宅男免费午夜| 在线av久久热| 国产高清视频在线播放一区 | 久久久久久亚洲精品国产蜜桃av| 天堂俺去俺来也www色官网| 夫妻性生交免费视频一级片| 日韩一卡2卡3卡4卡2021年| 丰满人妻熟妇乱又伦精品不卡| 成人免费观看视频高清| 大话2 男鬼变身卡| 久久精品久久久久久噜噜老黄| 日本wwww免费看| xxx大片免费视频| 黑人欧美特级aaaaaa片| 色播在线永久视频| 亚洲欧美精品综合一区二区三区| 亚洲欧美清纯卡通| 脱女人内裤的视频| 超碰成人久久| 国产老妇伦熟女老妇高清| 久久精品久久久久久久性| 精品一区二区三卡| 国产成人精品在线电影| 亚洲熟女精品中文字幕| svipshipincom国产片| 欧美人与性动交α欧美软件| 人人妻,人人澡人人爽秒播 | 色精品久久人妻99蜜桃| 大片电影免费在线观看免费| 免费在线观看视频国产中文字幕亚洲 | 亚洲国产最新在线播放| 亚洲国产看品久久| 少妇人妻 视频| 国产黄色视频一区二区在线观看| 在线天堂中文资源库| 午夜激情久久久久久久| 韩国精品一区二区三区| 欧美成狂野欧美在线观看| 婷婷色综合www| 国产又色又爽无遮挡免| 各种免费的搞黄视频| 亚洲精品在线美女| 精品福利永久在线观看| av国产久精品久网站免费入址| 久热这里只有精品99| 99热国产这里只有精品6| 黄色视频在线播放观看不卡| 少妇裸体淫交视频免费看高清 | 高清欧美精品videossex| 亚洲,欧美精品.| 日本wwww免费看| 秋霞在线观看毛片| 国产高清不卡午夜福利| 伦理电影免费视频| 天天影视国产精品| 99久久精品国产亚洲精品| 一级a爱视频在线免费观看| 女性生殖器流出的白浆| 国产日韩一区二区三区精品不卡| 亚洲第一av免费看| 欧美日韩福利视频一区二区| 97人妻天天添夜夜摸| av有码第一页| 人人澡人人妻人| 免费少妇av软件| 国产熟女午夜一区二区三区| 亚洲欧美日韩另类电影网站| 日本a在线网址| 久久久久久久精品精品| 国产不卡av网站在线观看| 国产成人免费观看mmmm| www.自偷自拍.com| 69精品国产乱码久久久| 性色av一级| 中文字幕另类日韩欧美亚洲嫩草| 热re99久久国产66热| 亚洲视频免费观看视频| 国产97色在线日韩免费| 悠悠久久av| 狠狠婷婷综合久久久久久88av| 操美女的视频在线观看| 精品国产一区二区久久| 操美女的视频在线观看| 脱女人内裤的视频| 亚洲精品国产区一区二| 一二三四社区在线视频社区8| 后天国语完整版免费观看| 国产1区2区3区精品| 中文字幕亚洲精品专区| www.av在线官网国产| 国产成人一区二区三区免费视频网站 | 美女扒开内裤让男人捅视频| 老司机在亚洲福利影院| 午夜免费男女啪啪视频观看| 嫁个100分男人电影在线观看 | 久久久亚洲精品成人影院| 看免费av毛片| 天堂俺去俺来也www色官网| 亚洲色图综合在线观看| 一边摸一边做爽爽视频免费| 午夜两性在线视频| 国产精品久久久人人做人人爽| 免费看不卡的av| 欧美日本中文国产一区发布| 久久久亚洲精品成人影院| 久久免费观看电影| 美女大奶头黄色视频| 男女边吃奶边做爰视频| 国精品久久久久久国模美| 精品国产超薄肉色丝袜足j| 亚洲av美国av| 欧美日韩福利视频一区二区| 午夜福利影视在线免费观看| av欧美777| 中文欧美无线码| 亚洲av片天天在线观看| 国产精品麻豆人妻色哟哟久久| av网站免费在线观看视频| 中文字幕最新亚洲高清| 免费在线观看影片大全网站 | 亚洲av国产av综合av卡| 午夜免费鲁丝| 亚洲专区中文字幕在线| 狠狠婷婷综合久久久久久88av| 免费久久久久久久精品成人欧美视频| 国产精品麻豆人妻色哟哟久久| 黄色片一级片一级黄色片| 啦啦啦啦在线视频资源| 91国产中文字幕| 男人爽女人下面视频在线观看| 老司机影院毛片| 免费av中文字幕在线| 每晚都被弄得嗷嗷叫到高潮| 欧美av亚洲av综合av国产av| 精品福利观看| 视频区欧美日本亚洲| 成人影院久久| 伊人久久大香线蕉亚洲五| 国产精品久久久久久人妻精品电影 | 午夜福利视频在线观看免费| 天天躁夜夜躁狠狠久久av| 日本av手机在线免费观看| 国产在线一区二区三区精| 汤姆久久久久久久影院中文字幕| 99久久99久久久精品蜜桃| 午夜福利一区二区在线看| 久久精品久久久久久噜噜老黄| www日本在线高清视频| 国产在线视频一区二区| svipshipincom国产片| 自线自在国产av| 超色免费av| 91九色精品人成在线观看| 欧美人与善性xxx| av又黄又爽大尺度在线免费看| 亚洲精品中文字幕在线视频| 欧美精品人与动牲交sv欧美| 久久 成人 亚洲| 久久精品熟女亚洲av麻豆精品| 99精品久久久久人妻精品| 夜夜骑夜夜射夜夜干| 免费看不卡的av| 日韩伦理黄色片| 国产黄色视频一区二区在线观看| 性高湖久久久久久久久免费观看| av网站在线播放免费| 午夜视频精品福利| 男的添女的下面高潮视频| 99国产精品99久久久久| 国产主播在线观看一区二区 | 中文字幕精品免费在线观看视频| 男人添女人高潮全过程视频| 婷婷色麻豆天堂久久| 中文字幕高清在线视频| 久久精品熟女亚洲av麻豆精品| 美女主播在线视频| 老司机亚洲免费影院| 在线精品无人区一区二区三| 成人国产av品久久久| 国产精品 国内视频| 丁香六月欧美| 国产精品香港三级国产av潘金莲 | 三上悠亚av全集在线观看| 国产精品久久久久久人妻精品电影 | 国产精品国产三级专区第一集| 一二三四在线观看免费中文在| 满18在线观看网站| 丝袜脚勾引网站| 亚洲一码二码三码区别大吗| 中文字幕精品免费在线观看视频| 大话2 男鬼变身卡| 欧美精品啪啪一区二区三区 | 两性夫妻黄色片| 韩国高清视频一区二区三区| 一区在线观看完整版| 欧美亚洲日本最大视频资源| av福利片在线| 亚洲av在线观看美女高潮| 国产成人一区二区三区免费视频网站 | www.av在线官网国产| 亚洲 欧美一区二区三区| 精品人妻熟女毛片av久久网站| 色视频在线一区二区三区| 男女床上黄色一级片免费看| 啦啦啦在线免费观看视频4| 老汉色av国产亚洲站长工具| 啦啦啦在线免费观看视频4| 啦啦啦 在线观看视频| 亚洲,一卡二卡三卡| 久久久久精品人妻al黑| 男男h啪啪无遮挡| 亚洲av电影在线进入| 精品高清国产在线一区| 欧美日韩亚洲综合一区二区三区_| 午夜91福利影院| 久久人妻福利社区极品人妻图片 | 久久精品成人免费网站| 超碰97精品在线观看| 国产精品成人在线| 一边摸一边抽搐一进一出视频| 国产在线免费精品| 大香蕉久久成人网| 69精品国产乱码久久久| 国产男女超爽视频在线观看| 日本vs欧美在线观看视频| 午夜激情av网站| 亚洲av电影在线进入| 丰满迷人的少妇在线观看| 国产日韩欧美在线精品| 在线观看免费午夜福利视频| 久久国产精品影院| 性色av乱码一区二区三区2| 我的亚洲天堂| 两个人免费观看高清视频| 99久久精品国产亚洲精品| 精品国产超薄肉色丝袜足j| 国产福利在线免费观看视频| 王馨瑶露胸无遮挡在线观看| 亚洲国产精品999| 777米奇影视久久| 亚洲伊人色综图| 香蕉国产在线看| 亚洲精品国产区一区二| 精品国产一区二区久久| 日本91视频免费播放| 成年女人毛片免费观看观看9 | 国产黄色免费在线视频| 久久久久久免费高清国产稀缺| 久9热在线精品视频| 嫩草影视91久久| 七月丁香在线播放| 欧美精品高潮呻吟av久久| 一边亲一边摸免费视频| 国产91精品成人一区二区三区 | av天堂久久9| 中文字幕人妻丝袜一区二区| 黄色毛片三级朝国网站| 狠狠婷婷综合久久久久久88av| 久久久久网色| 免费人妻精品一区二区三区视频| 每晚都被弄得嗷嗷叫到高潮| e午夜精品久久久久久久| 国产精品麻豆人妻色哟哟久久| 美女扒开内裤让男人捅视频| 欧美黄色片欧美黄色片| 国产成人免费无遮挡视频| 免费高清在线观看日韩| 国产精品久久久久久精品电影小说| 国产黄色免费在线视频| 午夜精品国产一区二区电影| 亚洲精品乱久久久久久| 热99久久久久精品小说推荐| 日本av手机在线免费观看| 成人亚洲精品一区在线观看| 在线 av 中文字幕| 久久精品亚洲av国产电影网| 成人国产一区最新在线观看 | 巨乳人妻的诱惑在线观看| av又黄又爽大尺度在线免费看| 日韩电影二区| 亚洲av电影在线观看一区二区三区| 国产一区二区三区综合在线观看| 91精品伊人久久大香线蕉| 国产亚洲精品久久久久5区| 亚洲欧美中文字幕日韩二区| 只有这里有精品99| 老熟女久久久| 欧美中文综合在线视频| 十八禁网站网址无遮挡| 午夜福利影视在线免费观看| 亚洲精品自拍成人| 女人被躁到高潮嗷嗷叫费观| 一本色道久久久久久精品综合| 美女午夜性视频免费| 制服人妻中文乱码| 性高湖久久久久久久久免费观看| 老司机亚洲免费影院| 日韩大码丰满熟妇| 中文字幕制服av| 国产成人欧美在线观看 | 精品少妇内射三级| 高清黄色对白视频在线免费看| 国产日韩欧美视频二区| 一区二区av电影网| 国产xxxxx性猛交| 久久影院123| 亚洲中文av在线| 不卡av一区二区三区| 汤姆久久久久久久影院中文字幕| 嫩草影视91久久| 又粗又硬又长又爽又黄的视频| 久久天堂一区二区三区四区| 国产成人a∨麻豆精品| 国产伦人伦偷精品视频| 亚洲欧美日韩另类电影网站| 黄色片一级片一级黄色片| 久久国产精品男人的天堂亚洲| 久久午夜综合久久蜜桃| 免费高清在线观看日韩| 国产精品99久久99久久久不卡| 亚洲熟女精品中文字幕| 少妇精品久久久久久久| 亚洲国产精品一区三区| 最近中文字幕2019免费版| 欧美精品亚洲一区二区| av福利片在线| 青春草视频在线免费观看| 91老司机精品| 国产av精品麻豆| 一级a爱视频在线免费观看| 99香蕉大伊视频| 国产日韩欧美在线精品| 50天的宝宝边吃奶边哭怎么回事| 99国产综合亚洲精品| 黄色视频在线播放观看不卡| 在线观看免费午夜福利视频| 亚洲国产看品久久| 亚洲 欧美一区二区三区| 精品免费久久久久久久清纯 | 成人国语在线视频| 免费看不卡的av| 精品少妇内射三级| 色精品久久人妻99蜜桃| 嫩草影视91久久| 国产精品三级大全| 国产精品.久久久| 国产精品久久久久久精品电影小说| 国产一区二区三区av在线| 女人高潮潮喷娇喘18禁视频| 欧美另类一区| 国产亚洲欧美在线一区二区| 老司机在亚洲福利影院| 国产成人av教育| 久久国产精品男人的天堂亚洲| 天堂8中文在线网| 国产av精品麻豆| 一边摸一边做爽爽视频免费| 色婷婷av一区二区三区视频| 国产午夜精品一二区理论片| 王馨瑶露胸无遮挡在线观看| 汤姆久久久久久久影院中文字幕| 精品人妻一区二区三区麻豆| 亚洲国产精品一区三区| 国产有黄有色有爽视频| 啦啦啦啦在线视频资源| 中文字幕色久视频| 一二三四社区在线视频社区8| 2021少妇久久久久久久久久久| 欧美成狂野欧美在线观看| 国产精品麻豆人妻色哟哟久久| 黄片播放在线免费| 亚洲欧美一区二区三区黑人| 欧美 日韩 精品 国产| 高清av免费在线| 成年人免费黄色播放视频| 亚洲午夜精品一区,二区,三区| 男人操女人黄网站| 国产日韩欧美亚洲二区| 久久久久久久久免费视频了| 亚洲七黄色美女视频| 国产一级毛片在线| 熟女少妇亚洲综合色aaa.| 国产精品九九99| 日韩 亚洲 欧美在线| 亚洲av成人精品一二三区| 午夜免费观看性视频| 久久国产亚洲av麻豆专区| a级毛片在线看网站| 乱人伦中国视频| av一本久久久久| 国产精品av久久久久免费| 性色av一级| 亚洲国产欧美在线一区| 大香蕉久久网| 精品少妇一区二区三区视频日本电影| 亚洲av男天堂| 91精品三级在线观看| 欧美性长视频在线观看| 精品熟女少妇八av免费久了| 80岁老熟妇乱子伦牲交| 91九色精品人成在线观看| 成人手机av| 日韩视频在线欧美| 男男h啪啪无遮挡| 丝袜人妻中文字幕| 天天躁狠狠躁夜夜躁狠狠躁| 啦啦啦中文免费视频观看日本| av网站免费在线观看视频| 国产在线一区二区三区精| 黑人欧美特级aaaaaa片| 国产福利在线免费观看视频| 自线自在国产av| 久久影院123| 日本a在线网址| 狠狠精品人妻久久久久久综合| 欧美国产精品一级二级三级| 亚洲av电影在线进入| 国产亚洲一区二区精品| 啦啦啦在线观看免费高清www| 国产精品.久久久| 国产日韩欧美视频二区| xxx大片免费视频| 视频区欧美日本亚洲| 亚洲熟女毛片儿| 色综合欧美亚洲国产小说| 亚洲av日韩精品久久久久久密 | 1024香蕉在线观看| 日日夜夜操网爽| 国产av精品麻豆| 久久精品亚洲熟妇少妇任你| 日韩av不卡免费在线播放| 婷婷成人精品国产| 中文字幕人妻丝袜制服| 亚洲精品一卡2卡三卡4卡5卡 | 黄频高清免费视频| 国产视频一区二区在线看| 免费观看a级毛片全部| 亚洲国产精品国产精品| 多毛熟女@视频| 国产欧美亚洲国产| 超碰成人久久| 久久精品国产亚洲av高清一级| 欧美黄色淫秽网站| 曰老女人黄片| 精品国产乱码久久久久久小说| 无遮挡黄片免费观看| 男女边吃奶边做爰视频| 亚洲成av片中文字幕在线观看| 女人爽到高潮嗷嗷叫在线视频| 国产成人精品久久二区二区91| 亚洲熟女毛片儿|