基于微博平臺(tái)的輿情參與主體情感強(qiáng)度研究

黃衛(wèi)東，程小香

(南京郵電大學(xué) 管理學(xué)院，江蘇 南京 210003)

0 引 言

伴隨著移動(dòng)互聯(lián)網(wǎng)以及移動(dòng)終端的飛速發(fā)展，在線社交媒體的迅速普及，輿論重心逐漸由線下轉(zhuǎn)移到線上。微博誕生于2009年，是移動(dòng)互聯(lián)網(wǎng)和Web2.0時(shí)代的代表產(chǎn)品。通過(guò)微博，用戶可以利用140字的短文本形式發(fā)布信息，也可以瀏覽到正在發(fā)生的事件，滿足了用戶的社交需求和資訊需求，迅速占領(lǐng)國(guó)內(nèi)市場(chǎng)。據(jù)CNNIC統(tǒng)計(jì)，截止到2020年6月月底，國(guó)內(nèi)微博用戶數(shù)量達(dá)5.23億，日活躍用戶2.3億，如此龐大的注冊(cè)用戶數(shù)量以及活躍用戶數(shù)量，讓微博成為國(guó)內(nèi)輿情研究最主要的社交媒體平臺(tái)。

通常情況下，具有不同的社會(huì)背景、生活經(jīng)歷以及教育水平的輿情參與主體會(huì)對(duì)相同輿情事件產(chǎn)生不同的情感，而這種情感影響輿情事件的發(fā)展趨勢(shì)。情感的傾向可以有效反映出參與主體對(duì)輿情事件是積極或是消極的態(tài)度，情感強(qiáng)度也可以表現(xiàn)出參與主體對(duì)輿情事件的關(guān)注度和投入度的大小。該文通過(guò)微博話題“暴雪”作為研究對(duì)象并收集相關(guān)數(shù)據(jù)，構(gòu)建Bilstm+Attention+情感副詞詞典的分類模型來(lái)研究輿情參與主體的情感強(qiáng)度。

1 相關(guān)研究

21世紀(jì)以來(lái)，大量學(xué)者針對(duì)情感進(jìn)行分類研究，涉及到的情感分類技術(shù)基本可以劃分成三種類型：基于情感詞典的方法、基于機(jī)器學(xué)習(xí)的方法以及基于深度學(xué)習(xí)的方法。

基于情感詞典的方法主要依靠情感詞典的構(gòu)建對(duì)文本進(jìn)行分類，通過(guò)詞性標(biāo)注以及詞出現(xiàn)的位置來(lái)判斷文本情感。Khoo等人[1]構(gòu)建了一種通用情感詞典，命名為WKWSCI，并將其和現(xiàn)有的情感詞典分析比較，顯示出較高的分類準(zhǔn)確度。Wu等人[2]通過(guò)構(gòu)建原始情感詞典、表情符號(hào)詞典以及其他相關(guān)詞典，擴(kuò)大了情感詞覆蓋范圍，提高了實(shí)驗(yàn)的準(zhǔn)確性。周知等人[3]提出一種針對(duì)短文本的情感詞典構(gòu)建方法，其結(jié)果的準(zhǔn)確率、召回率、詞典規(guī)模均高于通用情感詞典。但由于網(wǎng)絡(luò)新詞的頻繁出現(xiàn)，這類詞在一定時(shí)期內(nèi)會(huì)被廣泛使用，并對(duì)文本情感影響很大，且情感詞典未定義該類詞，導(dǎo)致情感分類準(zhǔn)確率降低。

基于機(jī)器學(xué)習(xí)的方法，包括：支持向量機(jī)、樸素貝葉斯、隨機(jī)森林等，通過(guò)統(tǒng)計(jì)的方法將文本情感進(jìn)行分類。Kumar等人[4]從亞馬遜(Amazon)中提取評(píng)論信息，并使用幾類不同的機(jī)器學(xué)習(xí)算法將其判別為積極或消極，實(shí)驗(yàn)性能通過(guò)查準(zhǔn)率、召回率和F1值來(lái)衡量。Long等人[5]基于SVM使用包含先驗(yàn)概率的樣本數(shù)據(jù)對(duì)股票論壇帖子進(jìn)行分類,并證明了其有較高的準(zhǔn)確率。陳新元等人[6]將詞典抽取的規(guī)則情感特征與機(jī)器學(xué)習(xí)的基本特征模板融合,使用樸素貝葉斯等分類器,提高情感分類的性能表現(xiàn)。但是基于統(tǒng)計(jì)的機(jī)器學(xué)習(xí)分類方法的工作量巨大，需要大量的人工提取特征，給實(shí)際工作帶來(lái)諸多不便。

對(duì)比機(jī)器學(xué)習(xí)，利用深度學(xué)習(xí)算法分類方式無(wú)需人工的特征提取，可以通過(guò)模型內(nèi)部神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行特征提取。Wang等人[7]采用長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)來(lái)分析文本的情感類別。楊秀璋等人[8]針對(duì)傳統(tǒng)方法對(duì)輿情事件情感分析缺乏深層次語(yǔ)義支持，且特征稀疏、上下文關(guān)系單薄，導(dǎo)致情感分類準(zhǔn)確率較低，無(wú)法第一時(shí)間感知輿情突發(fā)事件等問(wèn)題，提出一種基于TextCNN Attention的輿情事件情感分析模型，其實(shí)驗(yàn)結(jié)果表明該模型優(yōu)于傳統(tǒng)的輿情情感分類方法。Baziotis等人[9]將Attention機(jī)制引入到LSTM中，該算法在SemEval-2017對(duì)Twitter的情感分析，獲得了較好的實(shí)驗(yàn)效果。趙宏等人[10]提出的Bert-Han模型能有效提升微博情感分析的Macro F1和Micro F1值，具有較大的實(shí)用價(jià)值。但是深度學(xué)習(xí)算法是根據(jù)語(yǔ)義提取特征，當(dāng)特征的相似性接近時(shí)，分類效果會(huì)隨之降低，無(wú)法對(duì)情感強(qiáng)度進(jìn)行區(qū)分。

對(duì)于情感強(qiáng)度的研究，劉依歡[11]提出了評(píng)價(jià)詞的確定原則，從不同的角度對(duì)評(píng)價(jià)詞進(jìn)行分類，并論述了影響文本情感強(qiáng)度的語(yǔ)言因素，包括詞匯、語(yǔ)境、固定搭配、語(yǔ)法手段、標(biāo)點(diǎn)符號(hào)和表情等。來(lái)能燁[12]分析實(shí)際文本中副詞可以表達(dá)出的情感強(qiáng)度，將不同情感強(qiáng)度的副詞賦予不同權(quán)重值，通過(guò)將句子本身定義的權(quán)重值與句中副詞權(quán)值相乘來(lái)獲得文本總情感強(qiáng)度。李肇明等人[13]提出模糊量化情感詞。根據(jù)訓(xùn)練的語(yǔ)料庫(kù)找出情感詞，情感詞的選取標(biāo)準(zhǔn)按照高頻詞匯和情感詞強(qiáng)度權(quán)值來(lái)選取，其中情感強(qiáng)度權(quán)值采用人工標(biāo)注的方式。尹培培[14]根據(jù)現(xiàn)有的情感詞典構(gòu)建出包括情感極性和情感強(qiáng)度的情感詞典，新的情感詞典中包括修飾詞的詞典，然后基于構(gòu)建的情感詞典進(jìn)行文本的情感傾向計(jì)算。吳青林[15]從客觀情感強(qiáng)度和主觀情感強(qiáng)度兩方面分析微博情感強(qiáng)度。

2 Bilstm+Attention+情感副詞詞典模型

針對(duì)傳統(tǒng)方法無(wú)法準(zhǔn)確感知輿情參與主體的情感強(qiáng)度、特征稀疏以及對(duì)上下文關(guān)系沒(méi)有充分挖掘的缺點(diǎn)，構(gòu)建了一種Bilstm+Attention+情感副詞詞典，利用雙向長(zhǎng)短期記憶模型自動(dòng)提取內(nèi)部特征對(duì)文本情感傾向進(jìn)行分類，并充分考慮上下文的語(yǔ)義聯(lián)系，引入注意力機(jī)制，增強(qiáng)文本與結(jié)果的相關(guān)性，提高分類性能。但深度學(xué)習(xí)無(wú)法準(zhǔn)確區(qū)分情感強(qiáng)度，該文將情感副詞詞典引入分類模型，構(gòu)建Bilstm+Attention+情感副詞詞典的分類模型來(lái)研究輿情參與主體的情感傾向及強(qiáng)度。

2.1 總體框架

整體框架如圖1所示。

首先利用python從微博平臺(tái)的開(kāi)源API接口獲取輿情參與主體的文本數(shù)據(jù)信息，保存在excel表格中。之后將數(shù)據(jù)進(jìn)行清洗，去除無(wú)意義的詞、字母以及標(biāo)點(diǎn)符號(hào)，用jieba進(jìn)行分詞，關(guān)鍵詞展示以及文本長(zhǎng)度可視化，這一步可以大致確定接下來(lái)特征提取的維度。

利用word2vec提取文本特征并計(jì)算中心詞，將文本轉(zhuǎn)化成向量形式輸入到情感分類模型中，利用Bilstm+Attention+情感副詞詞典分析情感強(qiáng)度。

2.2 基于Bilstm+Attention模型的情感傾向分類

Bilstm+Attention模型主要由5部分構(gòu)成，分別是輸入層、詞嵌入層、Bilstm層、Attention層和softmax輸出層，如圖2所示。

(1)輸入層(Input Layer)。

Bilstm+Attention模型的輸入層只接受詞語(yǔ)級(jí)形式的輸入，所以先將文本進(jìn)行jieba分詞等預(yù)處理操作后，將結(jié)果以詞的形式輸入。

(2)嵌入層(Embedding Layer)。

Bilstm+Attention模型的嵌入層選擇word2vec預(yù)訓(xùn)練好的向量，將文本中的每個(gè)詞映射到低維空間，并用表征詞語(yǔ)的向量來(lái)計(jì)算整個(gè)句子的表征向量。

word2vec是一種淺層的神經(jīng)網(wǎng)絡(luò)模型，其中包括兩種模型跳字模型(skip-gram)和連續(xù)詞袋模型(continuous bag of words，CBOW)，以及兩種高效訓(xùn)練的方法：負(fù)采樣(negative sampling)和層序softmax(hierarchical softmax)，并且word2vec詞向量可以較好地表達(dá)不同詞之間的相似和類比關(guān)系。

(3)雙層長(zhǎng)短期記憶層(Bilstm Layer)。

Bilstm模型是在RNN模型上改進(jìn)而來(lái)，其主要包括兩個(gè)相反方向的傳播，每個(gè)時(shí)間點(diǎn)包含一個(gè)LSTM單元用來(lái)選擇性地記憶、遺忘和輸出信息。LSTM單元的公式如下：

it=σ(Wxixt+Whiht-1+Wcfct-1+bi)

(1)

ft=σ(Wxfxt+Whfht-1+Wcfct-1+bf)

(2)

gt=tanh(Wxcxt+Whcht-1+Wccct-1+bc)

(3)

ct=itgt+ftct-1

(4)

ot=σ(Wxoxt+Whoht-1+Wcoct-1+bo)

(5)

ht=ottanh(ct)

(6)

Bilstm模型對(duì)輸入的向量進(jìn)行前向和后向遍歷，然后將結(jié)果加和，公式如下：

(7)

h*=tanh(r)

(8)

式中，xt為t時(shí)刻的輸入詞，it為t時(shí)刻記憶門(mén)的值，ft為遺忘門(mén)，ct為t時(shí)刻的細(xì)胞狀態(tài)，ht為t時(shí)刻的隱藏狀態(tài)，ot為輸出門(mén)，gt為上一細(xì)胞狀態(tài)，W為權(quán)重系數(shù)，σ為激活函數(shù)，b為偏置值。

(4)注意力機(jī)制層(Attention Layer)。

注意力機(jī)制打破了傳統(tǒng)編碼器-解碼器結(jié)構(gòu)在編解碼時(shí)都依賴于內(nèi)部一個(gè)固定長(zhǎng)度向量的限制。注意力機(jī)制與傳統(tǒng)的Seq2Seq模型主要是前者解并不是直接把所有encoder提供的hidden state作為輸入，而是采取一種選擇機(jī)制，把最符合當(dāng)前位置的hidden state選出來(lái)。

(5)輸出層(Output Layer)。

Bilstm+Attention模型輸出層使用softmax分類：

(9)

(10)

整個(gè)模型的損失函數(shù)(loss function)為：

2.3 基于情感副詞詞典的情感強(qiáng)度分類

文本中影響情感強(qiáng)度的因素繁復(fù)多樣，最主要的研究方向就是詞匯方面，按照詞性可以將詞匯分成四種：名詞、動(dòng)詞、形容詞以及副詞。副詞是影響文本情感傾向最典型的因素，其中對(duì)情感強(qiáng)度最具有區(qū)分度的是副詞，現(xiàn)有系統(tǒng)對(duì)副詞的處理方法是根據(jù)強(qiáng)度的差異，將其細(xì)分成四個(gè)等級(jí)，之后再給這四個(gè)強(qiáng)度分配不同的值，進(jìn)行情感強(qiáng)度計(jì)算。具體分級(jí)及示例如表1所示。

表1 程度副詞分級(jí)及示例

首先依據(jù)Bilstm+Attention模型將文本情感進(jìn)行正負(fù)區(qū)分，正向情感用+1來(lái)表示，負(fù)向情感用-1來(lái)表示。再利用jieba分詞工具中的標(biāo)注詞性模塊將文本中的副詞標(biāo)注出來(lái)，提取文本中的副詞，構(gòu)造情感副詞詞典。具體公式如下：

(12)

式中，Ti表示第i個(gè)文本的情感得分，bi表示第i個(gè)文本中副詞等級(jí)屬于a的個(gè)數(shù)，wa=2、3、4、5，(±)i1表示第i個(gè)文本的情感正負(fù)值。

3 實(shí)驗(yàn)及結(jié)果分析

實(shí)驗(yàn)主要在Windows10環(huán)境下完成，通過(guò)tensorflow框架構(gòu)建Bilstm+Attention情感分類模型，編程語(yǔ)言為Python3.6。此外，為驗(yàn)證算法的有效性，進(jìn)行了系統(tǒng)的對(duì)比實(shí)驗(yàn)。

3.1 實(shí)驗(yàn)數(shù)據(jù)

以“暴雪”為主題詞，首先利用python從微博平臺(tái)的開(kāi)源API接口獲取用來(lái)實(shí)驗(yàn)的輿情參與主體的文本數(shù)據(jù)信息。數(shù)據(jù)類型有用戶id、用戶發(fā)文內(nèi)容，以及相應(yīng)的轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊數(shù)量，數(shù)據(jù)總量為25 643。將數(shù)據(jù)進(jìn)行去重處理，保證所有文本都是原創(chuàng)微博，剩余24 496條數(shù)據(jù)，保存在excel表格中。為了更好地訓(xùn)練Bilstm+Attention模型以及與其他模型做對(duì)比實(shí)驗(yàn)，將一部分?jǐn)?shù)據(jù)進(jìn)行人工劃分情感正負(fù)傾向，部分?jǐn)?shù)據(jù)如圖3所示。

3.2 評(píng)價(jià)指標(biāo)

針對(duì)微博輿情事件進(jìn)行情感分析研究，其評(píng)價(jià)過(guò)程采用三個(gè)指標(biāo)，即精確率(precision)、召回率(recall)和宏平均(F1-score)。其計(jì)算公式為：

(13)

(14)

(15)

式中，TP表示預(yù)測(cè)為正類且實(shí)際也為正類的數(shù)量，F(xiàn)P表示實(shí)際為負(fù)類預(yù)測(cè)為正類的數(shù)量，F(xiàn)N表示實(shí)際為正類預(yù)測(cè)為負(fù)類數(shù)量。

3.3 實(shí)驗(yàn)分析

(1)關(guān)鍵詞云展示，如圖4所示。

在關(guān)鍵詞云中，詞語(yǔ)的大小表示出現(xiàn)的頻率，位置代表詞語(yǔ)與其他詞語(yǔ)的親密程度。正面情感詞有安全、及時(shí)、暢通等，負(fù)面情感詞有寒潮、災(zāi)害、患者等，也包括一些中性詞語(yǔ)，例如：醫(yī)院、地區(qū)、人民等。通過(guò)關(guān)鍵詞云可以在海量的數(shù)據(jù)中直觀地展示出輿情參與主體關(guān)注的重點(diǎn)方向。

(2)文本長(zhǎng)度分布，如圖5所示。

文本長(zhǎng)度可以為提取特征的維度提供依據(jù)，根據(jù)大部分文本長(zhǎng)度分布的區(qū)域選擇相應(yīng)大小的維度，可以提高結(jié)果的準(zhǔn)確度和可靠性。從圖5中可以看出大部分文本處于區(qū)間[30,130]之間，經(jīng)調(diào)整后，文本長(zhǎng)度設(shè)置120時(shí)，實(shí)驗(yàn)效果最佳。

(3)對(duì)比結(jié)果分析。

通過(guò)Bilstm+Attention模型對(duì)微博輿情參與主體的情感傾向進(jìn)行分析，并與其他三種深度學(xué)習(xí)算法進(jìn)行詳細(xì)的對(duì)比實(shí)驗(yàn)，包括CNN+Bilstm、Bilstm、TextCNN。實(shí)驗(yàn)指標(biāo)選擇精確率(precision)、召回率(recall)以及宏平均F1(F1-score)。

分別對(duì)正面情感和負(fù)面情感的文本進(jìn)行預(yù)測(cè)，并繪制如圖6所示的正面輿情結(jié)果，如圖7所示的負(fù)面輿情結(jié)果。

由圖6可知，文中算法在正面情感分析中，其精確率為0.85、召回率為0.81、宏平均F1值為0.83，這些情感分析評(píng)估結(jié)果綜合來(lái)看高于其他深度學(xué)習(xí)結(jié)果。在圖7中，微博輿情參與主體的正面情感分析評(píng)估結(jié)果總的來(lái)說(shuō)也優(yōu)于其他三種算法，其精確率為0.86、召回率為0.81、宏平均F1值為0.84。通過(guò)上述對(duì)比實(shí)驗(yàn)，進(jìn)一步驗(yàn)證了文中算法的良好性能。

(4)情感強(qiáng)度分析。

利用Bilstm+Attention模型對(duì)剩余的9 972條數(shù)據(jù)進(jìn)行情感傾向分類處理，得出情感傾向，利用jieba分詞工具標(biāo)注實(shí)驗(yàn)文本的詞性后將副詞提取出來(lái)，構(gòu)建副詞詞典。實(shí)驗(yàn)部分結(jié)果如圖8所示。

根據(jù)實(shí)驗(yàn)結(jié)果，將文本的情感強(qiáng)度以發(fā)布時(shí)間為基礎(chǔ)進(jìn)行累加，時(shí)間范圍為2021年11月4～14日，分別計(jì)算每天正向情感總強(qiáng)度、負(fù)向情感總強(qiáng)度，與真實(shí)情況作比較。為了更好地?cái)M合輿情走勢(shì)，將結(jié)果映射到相應(yīng)的區(qū)間里，如圖9所示。

從上述兩張圖中可以看出每日的情感總強(qiáng)度與輿情走勢(shì)情況，兩者的趨勢(shì)基本一致。負(fù)面情感輿情走勢(shì)及實(shí)驗(yàn)結(jié)果的情感強(qiáng)度在11月8日達(dá)到頂峰，正面情感輿情走勢(shì)及實(shí)驗(yàn)結(jié)果的情感強(qiáng)度在11月10日達(dá)到頂峰。根據(jù)實(shí)際情況可知，8日的暴雪導(dǎo)致列車停運(yùn)、學(xué)校停課、路面濕滑等，這些事件導(dǎo)致輿情參與主體總體情感較為消極。11月10號(hào)可知，政府部門(mén)及時(shí)介入，包括疏通鐵路干線、清除路面積雪、開(kāi)展相關(guān)宣傳等，有效地消除了輿情參與主體的負(fù)面情緒，緩解了緊急的事態(tài)。

4 結(jié)束語(yǔ)

針對(duì)傳統(tǒng)方法無(wú)法準(zhǔn)確感知輿情參與主體的情感強(qiáng)度、特征稀疏以及對(duì)上下文語(yǔ)義關(guān)系沒(méi)有充分挖掘的缺點(diǎn)，構(gòu)建了一種Bilstm+Attention+情感副詞詞典，利用雙向長(zhǎng)短期記憶模型自動(dòng)提取內(nèi)部特征對(duì)文本情感傾向進(jìn)行分類，并充分考慮上下文的語(yǔ)義聯(lián)系，引入注意力機(jī)制，增強(qiáng)文本與結(jié)果的相關(guān)性，提高分類性能。但深度學(xué)習(xí)無(wú)法準(zhǔn)確區(qū)分情感強(qiáng)度，該文將情感副詞詞典引入分類模型，構(gòu)建Bilstm+Attention+情感副詞詞典的分類模型來(lái)研究輿情參與主體的情感傾向及強(qiáng)度。實(shí)驗(yàn)結(jié)果表明，構(gòu)建的模型計(jì)算的輿情參與主體情感強(qiáng)度可以有效反映出輿情走勢(shì)。

對(duì)于影響情感強(qiáng)度的因素，該文只考慮了詞匯因素，像表情、特殊符號(hào)、圖片等因素也包含豐富的情感信息。在未來(lái)的研究中，將會(huì)考慮以上的問(wèn)題，進(jìn)一步提高情感強(qiáng)度分類的準(zhǔn)確度。