基于社交網(wǎng)絡(luò)大數(shù)據(jù)的民眾情感監(jiān)測(cè)研究

李愛黎，張子帥，林蔭，王秋菊，楊建安，孟煒程，張巖峰

1．東北大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，遼寧 沈陽(yáng) 110000；

2．東北大學(xué)外國(guó)語(yǔ)學(xué)院，遼寧 沈陽(yáng) 110000

0 引言

互聯(lián)網(wǎng)的飛速發(fā)展改變了人們傳統(tǒng)的交流習(xí)慣，人們對(duì)網(wǎng)絡(luò)的利用率越來(lái)越高?；ヂ?lián)網(wǎng)上相繼出現(xiàn)了社區(qū)、論壇、微博等形式的社交網(wǎng)絡(luò)平臺(tái)，用戶在網(wǎng)上通過這些平臺(tái)表達(dá)自己對(duì)某一事件的看法和態(tài)度，這些信息包含了大量的社會(huì)熱點(diǎn)及情感傾向[1]。因此，在大數(shù)據(jù)技術(shù)支撐下，挖掘社交網(wǎng)絡(luò)中用戶的觀點(diǎn)、態(tài)度和情感，并服務(wù)于社會(huì)，是一個(gè)很有意義的工作。

目前，多數(shù)研究主要對(duì)主流社交網(wǎng)絡(luò)平臺(tái)的熱門數(shù)據(jù)進(jìn)行情感分析與監(jiān)測(cè)。Zhao J C等人[2]構(gòu)建了一個(gè)面向中文微博的情感分析系統(tǒng)，對(duì)異?；蛲话l(fā)事件進(jìn)行監(jiān)測(cè)。Wang H等人[3]利用推特（Twitter）數(shù)據(jù)構(gòu)建了一個(gè)針對(duì)2012年美國(guó)大選結(jié)果的實(shí)時(shí)預(yù)測(cè)系統(tǒng)，通過統(tǒng)計(jì)美國(guó)民眾對(duì)4位候選人的情感傾向來(lái)預(yù)測(cè)大選結(jié)果。Williams J等人[4]提出了一種預(yù)測(cè)算法，針對(duì)Twitter上發(fā)生的某一事件，預(yù)測(cè)其發(fā)生時(shí)間。

然而目前的大多數(shù)研究?jī)H僅是對(duì)微博、Twitter等某單一平臺(tái)進(jìn)行輿情數(shù)據(jù)的情感分析，并且多數(shù)是針對(duì)中文語(yǔ)料和英文語(yǔ)料的分析，國(guó)內(nèi)使用日文語(yǔ)料進(jìn)行情感分析的研究極少。與此同時(shí)，針對(duì)海量的數(shù)據(jù)，利用人工瀏覽、打標(biāo)簽的方式來(lái)獲取用戶情感是一件極其復(fù)雜且困難的事情。

因此，本文提出一種面向中日語(yǔ)料的民眾情感監(jiān)測(cè)系統(tǒng)，該系統(tǒng)能夠同時(shí)分析微博和Twitter等社交平臺(tái)的中日文輿情數(shù)據(jù)中包含的情感傾向。當(dāng)某一焦點(diǎn)事件發(fā)生時(shí)，自動(dòng)進(jìn)行中日兩國(guó)民眾的情感對(duì)比，供相關(guān)輿情部門監(jiān)測(cè)。情感分析算法方面，本文在BERT（bidirectional encoder representations from transformers）模型（以下簡(jiǎn)稱BERT）的基礎(chǔ)上提出了一個(gè)新的情感分析模型——EmoBERT，利用自擴(kuò)展的情感詞典改進(jìn)了BERT的預(yù)訓(xùn)練任務(wù)，并提出了情感詞增強(qiáng)的注意力機(jī)制，彌補(bǔ)了BERT在預(yù)訓(xùn)練階段情感特征提取不充分的缺陷。實(shí)驗(yàn)證明，相比于BERT，EmoBERT在中文和日文情感分類任務(wù)上都取得了更好的效果。

此外，為了更好地對(duì)算法結(jié)果進(jìn)行存儲(chǔ)和展示，本文采用Flask框架搭建網(wǎng)站，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)自動(dòng)化情感監(jiān)測(cè)系統(tǒng)，使用ECharts庫(kù)實(shí)現(xiàn)情感分析結(jié)果的可視化展示，可交互的動(dòng)態(tài)曲線可以讓用戶實(shí)時(shí)監(jiān)測(cè)到中日民眾對(duì)某一事件的情感態(tài)度變化。針對(duì)情感突變點(diǎn)和情感差值較大的區(qū)間，通過詞頻-逆向文件頻率（term frequency-inverse document frequency，TF-IDF）算法自動(dòng)生成該區(qū)間的關(guān)鍵詞，同時(shí)給出熱度排名前5的博文。經(jīng)驗(yàn)證，生成的關(guān)鍵詞和給出的博文可以很好地對(duì)應(yīng)情感突變點(diǎn)處發(fā)生的事件。

1 相關(guān)工作

輿情監(jiān)測(cè)系統(tǒng)是一個(gè)網(wǎng)絡(luò)應(yīng)用系統(tǒng)，用于監(jiān)測(cè)由熱門事件或突發(fā)事件引發(fā)的有影響力且傾向性強(qiáng)的觀點(diǎn)和言論[5]。同時(shí)，情感分析技術(shù)也被廣泛應(yīng)用于輿情監(jiān)測(cè)的研究，成為當(dāng)前輿情監(jiān)測(cè)研究中的主流方法之一。進(jìn)入21世紀(jì)后，情感分析在自然語(yǔ)言處理的各個(gè)領(lǐng)域都被廣泛研究，如數(shù)據(jù)挖掘、文本挖掘、輿情監(jiān)測(cè)和信息檢索等。情感分析最早是在2003年由Yi J等人[6]提出的，對(duì)文本中包含的情感進(jìn)行計(jì)算，進(jìn)而分析用戶的情感傾向和觀點(diǎn)。

對(duì)文本數(shù)據(jù)進(jìn)行情感分析的方法主要有3種，分別是基于情感詞典的情感分析方法、基于機(jī)器學(xué)習(xí)的情感分析方法以及基于深度學(xué)習(xí)的情感分析方法。3種情感分析方法優(yōu)點(diǎn)與不足見表1。

表1 情感分析方法優(yōu)點(diǎn)與不足

1.1 基于情感詞典的情感分析方法

基于情感詞典的情感分析方法是在標(biāo)注極性或極性分?jǐn)?shù)單詞的基礎(chǔ)上，比對(duì)情感文本中包含的極性情感詞，然后采用簡(jiǎn)單統(tǒng)計(jì)的方法或權(quán)值算法進(jìn)行情感分類。此方法不需要訓(xùn)練數(shù)據(jù)，因此被廣泛地應(yīng)用于傳統(tǒng)的文本情感分析。20世紀(jì)90年代末期，國(guó)內(nèi)外開始了有關(guān)文本情感分析的研究。Riloff E M等人[7]基于語(yǔ)料數(shù)據(jù)構(gòu)建了語(yǔ)義詞典。熊德蘭等人[8]基于知網(wǎng)（HowNet）常識(shí)知識(shí)庫(kù)研究了句子的褒貶性。潘明慧等人[9]提出了基于詞典的方法識(shí)別微博表達(dá)的6種情緒。

1.2 基于機(jī)器學(xué)習(xí)的情感分析方法

基于機(jī)器學(xué)習(xí)的情感分析方法也被廣泛應(yīng)用于情感分析領(lǐng)域。該方法首先建立一個(gè)訓(xùn)練集，并根據(jù)用戶情感標(biāo)記數(shù)據(jù)；然后從訓(xùn)練集中提取特征，構(gòu)建分類模型，進(jìn)而預(yù)測(cè)沒有標(biāo)簽的數(shù)據(jù)；最后通過分類器對(duì)未標(biāo)記的數(shù)據(jù)進(jìn)行情感傾向判定。在國(guó)外，Pang B等人[10]使用了3種機(jī)器學(xué)習(xí)的方法進(jìn)行對(duì)比試驗(yàn)，分別是樸素貝葉斯、最大熵和支持向量機(jī)，對(duì)電影評(píng)論進(jìn)行了情感極性分類，將情感極性分為積極和消極，并比較3種方法的實(shí)驗(yàn)結(jié)果，其中支持向量機(jī)方法的分類效果最好。國(guó)內(nèi)也有很多學(xué)者比較不同的分類算法，楊艷霞[11]使用兩種機(jī)器學(xué)習(xí)方法對(duì)微博數(shù)據(jù)集進(jìn)行了情感分析，分別是貝葉斯和支持向量機(jī)，同時(shí)比較了兩種方法在分類性能上的優(yōu)劣，其中貝葉斯方法的準(zhǔn)確率更高。

1.3 基于深度學(xué)習(xí)的情感分析方法

2011年，Collobert R等人[12]在解決詞性標(biāo)注等問題時(shí)最早將深度學(xué)習(xí)應(yīng)用到了自然語(yǔ)言處理領(lǐng)域。深度學(xué)習(xí)最大的特點(diǎn)是可以自動(dòng)學(xué)習(xí)批量數(shù)據(jù)，從而挖掘數(shù)據(jù)中的潛在特征，并通過注意力機(jī)制實(shí)現(xiàn)對(duì)目標(biāo)內(nèi)容的增強(qiáng)關(guān)注，在訓(xùn)練過程中進(jìn)行參數(shù)的調(diào)整[13]。Schuller B等人[14]引入了一種基于長(zhǎng)短期記憶（long shortterm memory，LSTM）循環(huán)神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型的新方法，不需要進(jìn)行任何特殊的預(yù)處理或特征選擇。宋婷等人[15]為了提取方面級(jí)的情感，提出了分層的LSTM模型。徐志棟等人[16]提出一種基于膠囊網(wǎng)絡(luò)的方面級(jí)情感分類模型——SCACaps，解決了方面級(jí)情感分析中多重情感造成的特征重疊問題。張寶華等人[17]提出了一種多輸入模型，該模型結(jié)合了多通道卷積神經(jīng)網(wǎng)絡(luò)（multi-channel convolutional neural network，MCNN）、LSTM和全連接神經(jīng)網(wǎng)絡(luò)。而深度學(xué)習(xí)中的遷移學(xué)習(xí)（transfer learning）也常常被應(yīng)用于輿情分析領(lǐng)域，如以美團(tuán)外賣的評(píng)論數(shù)據(jù)為原始數(shù)據(jù)集，抽取其特征，建立美團(tuán)外賣評(píng)論的情感分析模型，再將其應(yīng)用到相應(yīng)的目標(biāo)域（如電影評(píng)論的情感分析），以此實(shí)現(xiàn)模型的大規(guī)模遷移?；诖?，遷移學(xué)習(xí)逐漸成為輿情分析領(lǐng)域的研究熱點(diǎn)。Radford A等人[18]提出了名為OpenAI GPT的預(yù)訓(xùn)練模型，該模型可以經(jīng)過少量的微調(diào)后用于各種下游任務(wù)。近年來(lái)，BERT作為一個(gè)強(qiáng)大的預(yù)訓(xùn)練模型，首先在大規(guī)模的語(yǔ)料庫(kù)上進(jìn)行預(yù)訓(xùn)練，獲取通用的語(yǔ)言模型，然后進(jìn)行一系列的微調(diào)以吸收下游具體任務(wù)的相關(guān)知識(shí)[19-20]。但是在情感分類任務(wù)上，BERT還有一定的提升空間，這是因?yàn)锽ERT在預(yù)訓(xùn)練階段并沒有考慮任何情感信息。為了解決這個(gè)問題，本文將融合情感詞典和BERT，將情感特征引入預(yù)訓(xùn)練過程。

2 數(shù)據(jù)來(lái)源與數(shù)據(jù)預(yù)處理

2.1 數(shù)據(jù)來(lái)源

利用Python語(yǔ)言進(jìn)行編程，使用微博應(yīng)用程序接口（application programming interface，API）、日本Twitter API、網(wǎng)絡(luò)爬蟲等技術(shù)完成輿情數(shù)據(jù)的獲取。

（1）中文輿情數(shù)據(jù)

在中國(guó)，新浪微博（以下簡(jiǎn)稱微博）具有用戶多、消息數(shù)量大、更新快等特點(diǎn)，成為人們獲取信息、發(fā)表輿論的主要平臺(tái)之一，越來(lái)越多的民眾習(xí)慣在微博這一社交網(wǎng)絡(luò)平臺(tái)上交流觀點(diǎn)、分享信息。這些信息包含了大量的社會(huì)熱點(diǎn)及情感，能很好地反映民眾對(duì)話題的關(guān)注和態(tài)度。本研究以“日本”為關(guān)鍵詞，通過網(wǎng)絡(luò)爬蟲技術(shù)，爬取了2013—2021年的輿情數(shù)據(jù)。數(shù)據(jù)來(lái)自科技、體育、娛樂、經(jīng)濟(jì)、疫情5個(gè)類別，數(shù)據(jù)主要包括微博標(biāo)題、統(tǒng)一資源定位符（uniform resource locator，URL）、時(shí)間、內(nèi)容、點(diǎn)贊數(shù)、評(píng)論數(shù)及轉(zhuǎn)發(fā)數(shù)等。

（2）日文輿情數(shù)據(jù)

在國(guó)外，Twitter無(wú)疑是擁有巨大訪問量的社交網(wǎng)絡(luò)平臺(tái)之一。在日本，Twitter作為互聯(lián)網(wǎng)Web2.0時(shí)代的最新應(yīng)用，逐漸影響和改變世界的交流和溝通方式。因此，Twitter數(shù)據(jù)十分適合進(jìn)行國(guó)外輿情分析。本研究以“中國(guó)”為關(guān)鍵詞，通過網(wǎng)絡(luò)爬蟲技術(shù)，同樣爬取了2013—2021年的輿情數(shù)據(jù)。數(shù)據(jù)來(lái)自科技、體育、娛樂、經(jīng)濟(jì)、疫情5個(gè)類別，數(shù)據(jù)主要包括推文標(biāo)題、URL、時(shí)間、內(nèi)容、點(diǎn)贊數(shù)、評(píng)論數(shù)及轉(zhuǎn)發(fā)數(shù)等。

2.2 數(shù)據(jù)預(yù)處理

微博和Twitter數(shù)據(jù)文本含有很多標(biāo)簽、注釋等特殊符號(hào)，使用Python自然語(yǔ)言處理工具包NLTK和正則表達(dá)式等工具對(duì)數(shù)據(jù)進(jìn)行清洗。由于情感分析的質(zhì)量依賴情感詞典，因此必須對(duì)清洗后的數(shù)據(jù)做分詞處理，同時(shí)移除停用詞。本文以jieba為中文分詞工具，以MeCab為日文分詞工具。主要處理過程包括中文分詞、日文分詞、提取詞元（token）、詞根化（stemming）、移除停用詞等。

其中微博的中文數(shù)據(jù)集采用“百度停用詞表”進(jìn)行過濾。由于現(xiàn)有的日文停用詞表中停用詞較少且不夠全面，因此，筆者在現(xiàn)有的停用詞表基礎(chǔ)上擴(kuò)充了新的日文停用詞表，并將其用于Twitter日文數(shù)據(jù)集。

3 基于自擴(kuò)展情感詞典的情感分析模型

微博和Twitter中的文本具有領(lǐng)域廣、更新速度快等特點(diǎn)，而通用情感詞典存在領(lǐng)域差異、知識(shí)覆蓋率較低、情感詞權(quán)值過于固定等問題，因此，本文利用自擴(kuò)展的中日文情感詞典提出一種情感極性量化算法來(lái)計(jì)算文本的情感強(qiáng)度值，通過計(jì)算情感詞權(quán)值來(lái)量化該文本的情感強(qiáng)度。具體方案如下。

首先，在通用情感詞典的基礎(chǔ)上，構(gòu)建適合本研究領(lǐng)域的中日文情感詞典，并對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行情感傾向性分析；然后，分別構(gòu)建中文和日文的程度詞表和否定詞表，之后對(duì)特殊標(biāo)點(diǎn)符號(hào)進(jìn)行量化加權(quán)；最后，考慮點(diǎn)贊數(shù)，對(duì)情感分值進(jìn)行加權(quán)計(jì)算，得到最終的情感分值，并進(jìn)行情感分類。情感分析框架如圖1所示。

圖1 情感分析框架

3.1 情感詞典構(gòu)建

情感傾向是用戶對(duì)某一事物主觀的內(nèi)心喜惡及主觀評(píng)價(jià)的一種傾向。不同的情感詞或情感語(yǔ)氣可以表達(dá)不同程度的情感傾向。通常給每個(gè)情感詞賦予不同的權(quán)值。例如，“楽しい”和“嬉しい”，都表達(dá)開心，但是在表達(dá)情感程度上，“嬉しい”要比“楽しい”更強(qiáng)烈。中文的“討厭”與“厭惡”都表達(dá)消極情感，但是“厭惡”的情感程度會(huì)更強(qiáng)烈。因此，情感詞典能否覆蓋全面在一定程度上影響著情感分類結(jié)果，情感詞典的構(gòu)建是情感分析研究的基礎(chǔ)，本文盡可能構(gòu)建一個(gè)足夠大、覆蓋面足夠廣的情感詞典，并將其應(yīng)用于中日輿情研究領(lǐng)域。本文構(gòu)建情感詞典組成如圖2所示

圖2 情感詞典組成

● 基礎(chǔ)情感詞典?；A(chǔ)情感詞典總結(jié)并整理當(dāng)前已有的情感詞典資源。對(duì)于中文情感詞典，本文將HowNet情感詞典作為中文基礎(chǔ)情感詞典，其組成見表2。對(duì)于日文情感詞典，本文集成了多個(gè)開源的日文情感詞典用于Twitter數(shù)據(jù)集。

表2 基礎(chǔ)情感詞典組成

● 網(wǎng)絡(luò)情感詞典。隨著互聯(lián)網(wǎng)的高速發(fā)展，網(wǎng)絡(luò)用語(yǔ)應(yīng)運(yùn)而生。網(wǎng)絡(luò)用語(yǔ)的形式和傳統(tǒng)詞語(yǔ)有著很大區(qū)別，它們往往具有強(qiáng)烈的感情色彩。這些詞語(yǔ)是不包含在基礎(chǔ)情感詞典當(dāng)中的，但在判別情感傾向中起著重要的作用。

● 領(lǐng)域情感詞典。從微博和Twitter獲取的中日輿情數(shù)據(jù)集中選取適合本研究領(lǐng)域、情感鮮明的詞，并將其作為基準(zhǔn)詞，通過基于擴(kuò)展的情感傾向點(diǎn)間互信息（semantic orientation pointwise mutual information，SO-PMI）算法計(jì)算候選詞與基準(zhǔn)詞的相似度，以此判斷候選詞的情感傾向，將領(lǐng)域情感詞自動(dòng)加入基礎(chǔ)情感詞典，構(gòu)建適用于中日輿情領(lǐng)域的中日文情感詞典。

情感詞典中積極詞語(yǔ)分值為1，消極詞語(yǔ)分值為-1。假設(shè)一個(gè)句子中包含pos_num個(gè)積極詞語(yǔ)和neg_num個(gè)消極詞語(yǔ)，那么該句子的情感分值score計(jì)算過程如下：

3.2 程度詞表構(gòu)建

筆者發(fā)現(xiàn)，在網(wǎng)民發(fā)布的微博和推文中，情感詞語(yǔ)前大有含副詞修飾，如在“非常喜歡”“很喜歡”中，“非?！毙揎棥跋矚g”，“很”也修飾“喜歡”，但是，“非?！彼磉_(dá)的情感強(qiáng)度顯然要多于“很”。為了更加準(zhǔn)確地計(jì)算文本的情感傾向，本文構(gòu)建了中文程度詞表，將程度副詞分為5個(gè)等級(jí)（極強(qiáng)級(jí)、中強(qiáng)級(jí)、中級(jí)、中弱級(jí)、微弱級(jí)），并將程度副詞的強(qiáng)度取值范圍限定在[0,3]。人工標(biāo)注這些程度副詞語(yǔ)氣的強(qiáng)弱，并用一個(gè)二元組level(adv, intensity)來(lái)表示，其中adv表示詞語(yǔ)名稱，intensity表示該詞的語(yǔ)氣強(qiáng)度，一個(gè)副詞的語(yǔ)氣強(qiáng)度取值范圍為[0,3]，越接近0說(shuō)明該詞表達(dá)的情感強(qiáng)度越弱，越接近3說(shuō)明該詞表達(dá)的情感強(qiáng)度越強(qiáng)烈。例如，“出頭”的強(qiáng)度設(shè)置為0.5，“更”的強(qiáng)度設(shè)置為2，“極其”的強(qiáng)度設(shè)置為3。同樣，本文也構(gòu)建了日文程度詞表，并人工對(duì)這些程度詞的語(yǔ)氣強(qiáng)度進(jìn)行了標(biāo)注，與中文的構(gòu)建方法相同，此處不再贅述。

如果一個(gè)積極詞語(yǔ)前后出現(xiàn)程度詞，那么：

如果一個(gè)消極詞語(yǔ)前后出現(xiàn)程度詞，那么：

其中，inte為程度詞的強(qiáng)度值。

3.3 否定詞表構(gòu)建

在微博和Twitter文本中，否定詞也是經(jīng)常出現(xiàn)的。例如“不公平”“拒絕接受”，其中“不”用來(lái)否定“公平”，“拒絕”用來(lái)否定“接受”。為了使文本情感傾向性的計(jì)算更加準(zhǔn)確，本文分別構(gòu)建了中文否定詞表和日文否定詞表。對(duì)于否定詞表，不需要對(duì)其進(jìn)行標(biāo)注，用一個(gè)列表list來(lái)表示，當(dāng)一個(gè)積極詞語(yǔ)前出現(xiàn)一個(gè)否定詞，則該詞語(yǔ)的情感分值變?yōu)樵瓉?lái)的相反數(shù)。如果是雙重否定，則該詞語(yǔ)的情感分值不變。消極詞語(yǔ)同理。

3.4 感嘆句

除此之外，本文認(rèn)為帶有“！”的感嘆句往往比陳述句的語(yǔ)氣更強(qiáng)烈。因此，本文定義了感嘆句的加權(quán)計(jì)算式：

如果一句話是感嘆句，那么對(duì)該句的情感分值進(jìn)行加權(quán)，其中n為感嘆號(hào)的數(shù)量。

3.5 點(diǎn)贊數(shù)

對(duì)于微博和Twitter這類熱門的社交網(wǎng)絡(luò)平臺(tái)，筆者認(rèn)為，一篇微博或推文的點(diǎn)贊數(shù)能很好地說(shuō)明其他網(wǎng)民對(duì)該觀點(diǎn)的支持度，即點(diǎn)贊數(shù)越多的文本，應(yīng)該被賦予更高的權(quán)重。因此，本文將點(diǎn)贊數(shù)映射到[0,1]，對(duì)句子的情感分?jǐn)?shù)進(jìn)行加權(quán)計(jì)算，以得到更準(zhǔn)確的分析結(jié)果。

3.6 TF-IDF關(guān)鍵詞抽取

TF-IDF算法是一種常被用來(lái)計(jì)算一個(gè)字或詞語(yǔ)對(duì)于一篇文檔的重要程度的統(tǒng)計(jì)方法。如果某個(gè)詞語(yǔ)在一篇文章中頻繁地出現(xiàn)，但在其他文章中很少出現(xiàn)，那么就認(rèn)為該詞或者短語(yǔ)對(duì)于該文章具有一定的代表性，適合用來(lái)分類。計(jì)算式如下：

假設(shè)一篇微博共有100個(gè)詞語(yǔ)，其中“會(huì)議”出現(xiàn)了5次，那么“會(huì)議”一詞在該微博中的詞頻TF就是5/100=0.05。而計(jì)算逆文檔頻率IDF的方法是測(cè)定有多少篇微博出現(xiàn)過“會(huì)議”一詞，加1后除數(shù)據(jù)集中的總微博數(shù)，最后求對(duì)數(shù)。因此，如果“會(huì)議”一詞在100條微博中出現(xiàn)過，而文件總數(shù)是1 000 000份的話，那么，其逆文檔頻率IDF就是，約等于4，最后的TF-IDF值約為0.2。

一般來(lái)說(shuō)，一篇文章中某個(gè)字或詞語(yǔ)的TF-IDF值越大，這個(gè)字或詞語(yǔ)對(duì)于這篇文章越重要，因此通過計(jì)算文章中每個(gè)字或詞語(yǔ)的TF-IDF值，按大小排序，排在最前面的幾個(gè)字或詞語(yǔ)，就是可以代表該文章的關(guān)鍵詞。

基于前面的情感分析方法可以得到每個(gè)主題的情感變化情況。接下來(lái)，通過TF-IDF算法自動(dòng)生成各個(gè)時(shí)間區(qū)間內(nèi)詞頻排名前10的關(guān)鍵詞，關(guān)鍵詞可以體現(xiàn)出情感變化的原因及引發(fā)情感突變的事件。

4 結(jié)合中日文情感詞典的情感分析模型EmoBERT

本文以BERT預(yù)訓(xùn)練模型為基礎(chǔ)，利用自采集的中日輿情數(shù)據(jù)集，提出一種結(jié)合中日文情感詞典的情感分析模型EmoBERT。

4.1 BERT及其缺陷分析

BERT是一種基于雙向Transformer的大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型，其利用了Transformer的編碼層，并在此基礎(chǔ)上加入掩碼機(jī)制，能夠自動(dòng)進(jìn)行預(yù)測(cè)訓(xùn)練。“雙向”是指它在處理一個(gè)詞時(shí)，可以考慮到該詞前后的單詞的信息，進(jìn)而得到上下文的語(yǔ)義。本質(zhì)上是在大規(guī)模數(shù)據(jù)集的基礎(chǔ)上，使用自監(jiān)督學(xué)習(xí)方法對(duì)單詞學(xué)習(xí)進(jìn)行模型訓(xùn)練[21]。

BERT結(jié)構(gòu)如圖3所示，可大致分為輸入層、Transformer層以及輸出層。其中Ei表示BERT輸入的編碼向量，Ti表示BERT輸出的編碼向量，Trm表示Tranformer的編碼器結(jié)構(gòu)。

圖3 BERT結(jié)構(gòu)

BERT輸入層的編碼向量包含3種嵌入特征，分別是詞嵌入、段嵌入和位置嵌入，如圖4所示。為了使BERT適應(yīng)下游的任務(wù)，在輸入時(shí)，為每個(gè)句子附加[CLS]和[SEP]，這是兩個(gè)特殊符號(hào)：[CLS]用于下游的分類任務(wù)，最終輸出時(shí)可以用來(lái)表示整個(gè)句子；[SEP]用來(lái)分割兩個(gè)句子，如[CLS]+句子A+[SEP]+句子B+[SEP]。

● 詞嵌入。詞嵌入從詞匯表學(xué)習(xí)得到每個(gè)特定詞的嵌入特征，詞嵌入層會(huì)將其轉(zhuǎn)換成768維的向量，如圖4所示的句子會(huì)被轉(zhuǎn)換成一個(gè)(10, 768)的矩陣。

圖4 BERT輸入層編碼向量

● 段嵌入。段嵌入被用來(lái)區(qū)別兩種句子，EA表示第一句話，EB表示第二句話。文本中的多個(gè)句子被拼接在一起后送入BERT，BERT通過段嵌入?yún)^(qū)分每個(gè)句子。

● 位置嵌入。位置嵌入指將單詞的位置信息編碼成特征向量的形式，將單詞位置關(guān)系引入BERT，BERT通過學(xué)習(xí)得到位置向量，實(shí)際上，位置嵌入是一個(gè)大小為(512,768)的查找表，其中第i行是指一個(gè)句子中第i個(gè)位置上的單詞的向量。

將3種嵌入向量簡(jiǎn)單相加，得到模型的輸入向量，同時(shí)傳遞給BERT的編碼層作為輸入表示。TE為詞嵌入向量，SE為段嵌入向量，PE為位置嵌入向量。

然而，盡管輸入層中嵌入了詞向量、段向量和位置向量，能夠獲取一定的句法和語(yǔ)法信息，可以在Transformer層進(jìn)行掩碼預(yù)測(cè)，但是在面對(duì)情感分類任務(wù)時(shí)，由于缺乏情感特征，預(yù)測(cè)效果并不如其他的分類任務(wù)。這使在情感分析任務(wù)上的預(yù)測(cè)效果還有待優(yōu)化和提升，尤其是在一些情感詞顯著的樣本中，情感詞的特征無(wú)法被充分提取，因而無(wú)法發(fā)揮價(jià)值。

表3展示了BERT對(duì)某兩個(gè)樣本預(yù)測(cè)時(shí)的結(jié)果，其中第一個(gè)文本中出現(xiàn)了“繁雜混亂”，第二個(gè)文本中出現(xiàn)了“危害”，這兩個(gè)詞都是具有明顯情感傾向的情感詞，但BERT在預(yù)測(cè)時(shí)反而給出了相反的結(jié)果，這說(shuō)明BERT的多頭自注意力（multi-head attention）機(jī)制并沒有給予情感詞更多的關(guān)注，導(dǎo)致包含一個(gè)乃至多個(gè)情感詞的文本無(wú)法利用其具備情感標(biāo)簽的優(yōu)勢(shì)。這使情感任務(wù)的預(yù)測(cè)準(zhǔn)確率并不理想。

表3 部分預(yù)測(cè)結(jié)果

事實(shí)上，當(dāng)下游任務(wù)為情感任務(wù)時(shí)，在預(yù)訓(xùn)練階段模型的注意力機(jī)制應(yīng)該把更多的注意力放在情感詞上，使模型可以更好地提取整個(gè)文本的情感特征。因此，本文提出一種情感詞增強(qiáng)的注意力算法。

4.2 情感詞增強(qiáng)的注意力機(jī)制

Transformer層利用了自注意力（self-attention）機(jī)制來(lái)幫助理解上下文語(yǔ)義。實(shí)際上，自注意力機(jī)制是一種分配機(jī)制，由于文本中的每個(gè)詞都與句子中的其他詞進(jìn)行聯(lián)系，因此，注意力機(jī)制會(huì)根據(jù)對(duì)象的重要程度以及與句子中其他詞的關(guān)聯(lián)性，重新分配權(quán)重。

基于自注意力的這一性質(zhì)，本文利用自擴(kuò)展的中日文情感詞典改進(jìn)了注意力的計(jì)算規(guī)則，提出了一種更注重情感詞增強(qiáng)的注意力算法，以突出對(duì)象的情感特征。

Transformer的編碼器結(jié)構(gòu)如圖5所示，Transformer由兩個(gè)子層組成，分別是多頭自注意力機(jī)制和前饋神經(jīng)網(wǎng)絡(luò)，每個(gè)子層后連接了一個(gè)規(guī)范化層及殘差單元對(duì)輸出進(jìn)行控制，使向量的標(biāo)準(zhǔn)差和均值均為一個(gè)固定的數(shù)值。輸入層的數(shù)據(jù)和多頭自注意力層輸出的結(jié)果進(jìn)行殘差相加后進(jìn)行標(biāo)準(zhǔn)化，經(jīng)過反饋層之后，再進(jìn)行上述環(huán)節(jié)，最后輸出結(jié)果。其中，多頭自注意力機(jī)制是Transformer層的核心，輸入層的3個(gè)箭頭分別對(duì)應(yīng)多頭自注意力的3個(gè)輸入向量，分別是Q、K、V，這3個(gè)向量是由輸入層的詞嵌入X和一個(gè)矩陣相乘得到的，注意力的計(jì)算式如下：

圖5 Transformer編碼器結(jié)構(gòu)

其中，dk表示K的維度。

根據(jù)式（13）可以看出，一個(gè)詞的注意力在一定程度上會(huì)受到Q、K、V這3個(gè)向量大小的影響。而Q、K、V的值是通過原始的詞嵌入得到的，它相當(dāng)于底層的特征信息。因此，在情感分類任務(wù)中，為了情感詞能得到更大的關(guān)注，本文提出一種情感詞增強(qiáng)的注意力算法，希望通過以下兩個(gè)方面增強(qiáng)情感詞的注意力。

（1）增強(qiáng)情感詞的詞嵌入X，進(jìn)而增大Q、K、V的值，增強(qiáng)該詞的注意力，從而提升預(yù)測(cè)的準(zhǔn)確率。將在第3節(jié)構(gòu)建的目標(biāo)領(lǐng)域的情感詞典作為輸入層的情感嵌入向量S'E，向模型中加入外部情感信息，將4種嵌入特征相加后，得到模型的輸入向量如下：

（2）將情感詞典中情感詞的分值賦給模型作為額外的權(quán)重。一般來(lái)說(shuō)，情感詞表達(dá)的強(qiáng)度越強(qiáng)烈，越能代表其所在句子和文本的情感傾向，越應(yīng)該得到更大的注意力權(quán)重。例如，對(duì)于“這家餐廳的服務(wù)太差勁了，菜再好吃我也不來(lái)了”這一樣本，由于“差勁”的情感強(qiáng)度較強(qiáng)，因此很大概率是整個(gè)文本的情感傾向，應(yīng)該給予更多的關(guān)注。而情感強(qiáng)度相對(duì)平和的情感詞，雖然本身具備情感傾向，但是相比于情感強(qiáng)度大的詞，上下文轉(zhuǎn)折的可能性會(huì)更大。例如，對(duì)于“這家餐廳的服務(wù)不怎么樣，考慮到菜品做得太美味了，下次還來(lái)”這一樣本，應(yīng)該把注意力更多放在“美味”上，而非“不怎么樣”上。因此，本文重新定義了針對(duì)情感任務(wù)的自注意力算法，計(jì)算式如下：

其中，λ為對(duì)情感詞的分值歸一化處理后的(0,1]之間的數(shù)值，給BERT的注意力機(jī)制量化加權(quán)。

4.3 結(jié)合情感詞典的預(yù)訓(xùn)練模型

本文利用自擴(kuò)展的情感詞典提出了一個(gè)新的情感分析模型——EmoBERT，模型由3個(gè)部分構(gòu)成，如圖6所示。

圖6 EmoBERT模型結(jié)構(gòu)

由于本文改進(jìn)了注意力機(jī)制，因此，在BERT基礎(chǔ)上，進(jìn)行了進(jìn)一步的預(yù)訓(xùn)練，預(yù)訓(xùn)練任務(wù)如下。

（1）輸入層。輸入層中每個(gè)詞額外加入了情感向量，如圖7中情感嵌入所示，情感向量與其他3個(gè)嵌入向量相加，組成了具備情感特征的詞嵌入。

圖7 EmoBERT輸入特征向量

（2）Transformer層。在這一層，根據(jù)本文提出的情感詞增強(qiáng)的注意力機(jī)制，可以求出每個(gè)子空間的注意力分值，進(jìn)而計(jì)算出多個(gè)子空間的輸出結(jié)果，計(jì)算式如下：

其中，b表示誤差項(xiàng)。

（3）輸出層。輸入層的詞嵌入X和Transformer層輸出的結(jié)果殘差相加，再進(jìn)行標(biāo)準(zhǔn)化，經(jīng)過反饋層之后，重復(fù)上述過程，最后輸出結(jié)果。子層最后得到的輸出結(jié)果如式（18）所示：

由于BERT是在通用數(shù)據(jù)集上訓(xùn)練的，在本特定領(lǐng)域的任務(wù)上，原始BERT無(wú)法完全抽取出詞元的內(nèi)在含義。因此，需要用本領(lǐng)域語(yǔ)料對(duì)其進(jìn)行微調(diào)。此外，在微調(diào)前使用目標(biāo)領(lǐng)域數(shù)據(jù)集的數(shù)據(jù)對(duì)模型進(jìn)一步預(yù)訓(xùn)練，相當(dāng)于在預(yù)訓(xùn)練階段實(shí)現(xiàn)將模型從通用領(lǐng)域向特定領(lǐng)域提前遷移，然后再執(zhí)行目標(biāo)領(lǐng)域的任務(wù)[22]，如圖8所示。

圖8 模型流程

5 實(shí)驗(yàn)結(jié)果

為了驗(yàn)證本文提出的EmoBERT模型在情感分類任務(wù)上的表現(xiàn)，基于自采集的微博和Twitter數(shù)據(jù)集進(jìn)行試驗(yàn)。

5.1 數(shù)據(jù)集

本文將自采集的微博數(shù)據(jù)集和Twitter數(shù)據(jù)集作為中日輿情研究的數(shù)據(jù)集，類別包含娛樂、體育、經(jīng)濟(jì)、科技和疫情，具體見表4。

表4 數(shù)據(jù)集

由于自采集的微博數(shù)據(jù)集和Twitter數(shù)據(jù)集數(shù)據(jù)量龐大，并且不包含情感類別標(biāo)簽，因此分別從每個(gè)類別提取1 000條數(shù)據(jù)，并人工標(biāo)注其情感極性。在加載好實(shí)驗(yàn)所需要的數(shù)據(jù)集之后，分別按照8:2的比例劃分這兩個(gè)數(shù)據(jù)集的訓(xùn)練集和測(cè)試集。表5展示了各個(gè)數(shù)據(jù)集的訓(xùn)練集和測(cè)試集包含的情感極性信息。

表5 數(shù)據(jù)集情感極性信息

5.2 超參數(shù)設(shè)置

預(yù)訓(xùn)練階段，批量大?。╞atch size）設(shè)置為256，學(xué)習(xí)率（learning rate）為5×10-5，持續(xù)訓(xùn)練1 000 000步。模型中所有丟失率（dropout）都為0.1，參數(shù)Adamβ1和Adamβ2的值分別為0.9和0.999，L2權(quán)重衰減為0.01。

在微調(diào)過程中，對(duì)批量大小、學(xué)習(xí)率和訓(xùn)練周期數(shù)量等進(jìn)行一定調(diào)整。其中批量大小的值是每次迭代（epoch）訓(xùn)練的句子數(shù)。如果設(shè)置過小，會(huì)使訓(xùn)練時(shí)間延長(zhǎng)；如果設(shè)置過大，損失函數(shù)曲線比較平坦時(shí)，將無(wú)法得到最優(yōu)模型。不同的下游任務(wù)對(duì)應(yīng)不同的最佳超參數(shù)值，為了讓模型得到最佳分類效果，本文經(jīng)多組實(shí)驗(yàn)驗(yàn)證最優(yōu)的參數(shù)值，具體見表6。

表6 最優(yōu)參數(shù)值

5.3 實(shí)驗(yàn)結(jié)果及模型對(duì)比

為了評(píng)估本文提出的EmoBERT模型在情感二分類任務(wù)上的分類效果，針對(duì)自采集的中日文輿情數(shù)據(jù)集分別進(jìn)行了實(shí)驗(yàn)，同時(shí)與BERT及領(lǐng)域遷移后的EmoBERT進(jìn)行對(duì)比，實(shí)驗(yàn)過程中的準(zhǔn)確率變化如圖9和圖10所示。其中，EmoBERT-C是中文模型，EmoBERT-J是日文模型，BERT*為在目標(biāo)領(lǐng)域數(shù)據(jù)集上預(yù)訓(xùn)練之后的模型。

從圖9和圖10中可以清晰地看出準(zhǔn)確率的對(duì)比情況，與原始BERT相比，EmoBERT-C和EmoBERT-J都有一定的提升。其中EmoBERT-C相比于原始BERT模型，準(zhǔn)確率從89.68%提升到92.15%。EmoBERT-J相比于原始BERT模型，準(zhǔn)確率從74.73%提升到78.26%。

圖9 EmoBERT-C及原始模型準(zhǔn)確率

圖10 EmoBERT-J及原始模型準(zhǔn)確率

此外，針對(duì)中日文輿情數(shù)據(jù)集中的積極文本和消極文本也分別進(jìn)行了實(shí)驗(yàn)，同時(shí)與BERT進(jìn)行了對(duì)比，實(shí)驗(yàn)結(jié)果見表7。從表7中可以看出，本文提出的EmoBERT模型在積極文本和消極文本中分類的效果均優(yōu)于BERT，進(jìn)一步驗(yàn)證了模型的有效性。表7中BERT-C表示中文模型，BERT-J表示日文模型。

表7 針對(duì)積極文本和消極文本對(duì)比實(shí)驗(yàn)結(jié)果

5.4 中日輿情分析——新冠肺炎疫情

新冠肺炎疫情（以下簡(jiǎn)稱疫情）帶來(lái)的影響是多元復(fù)雜的。病毒的攻擊具有無(wú)差別性、跨國(guó)性和極大的不確定性，疫情給全球的經(jīng)濟(jì)和金融市場(chǎng)造成了劇烈的沖擊，并且在很大程度上催化了國(guó)際關(guān)系的演變。因此，利用該數(shù)據(jù)集分析相關(guān)的中日輿情是很有意義的。

在實(shí)驗(yàn)中，本文以“新冠肺炎”為關(guān)鍵詞，采集了2020年1月至2020年9月的輿情數(shù)據(jù)。使用本文提出的模型對(duì)數(shù)據(jù)進(jìn)行情感分析，結(jié)果如圖11和圖12所示。圖11中橫坐標(biāo)為時(shí)間，左側(cè)縱坐標(biāo)為發(fā)文量，右側(cè)縱坐標(biāo)為情感分值。從圖11和圖12中可以看到，兩國(guó)民眾的情感態(tài)度普遍是積極的。其中2月和3月兩平臺(tái)發(fā)文量非常大，兩平臺(tái)對(duì)應(yīng)時(shí)間的關(guān)鍵詞見表8和表9。通過分析可知，2月和3月是春節(jié)期間，人口流動(dòng)量巨大且新冠疫苗還未研制成功，正是疫情的暴發(fā)期，也是民眾討論最多的時(shí)期。

表8 微博“新冠肺炎”關(guān)鍵詞

表9 Twitter“新冠肺炎”關(guān)鍵詞

圖11 中日民眾情感變化

圖12 中日民眾情感極性分布

6 系統(tǒng)構(gòu)建及數(shù)據(jù)可視化

整體分析中日民眾情感檢測(cè)系統(tǒng)需求，將該系統(tǒng)功能分成三大模塊，分別為：用戶交互模塊、情感分析模塊以及可視化模塊。

6.1 用戶交互模塊

（1）實(shí)時(shí)采集數(shù)據(jù)并分析

在系統(tǒng)功能界面提供用戶輸入數(shù)據(jù)采集條件的接口，為了實(shí)時(shí)監(jiān)測(cè)社交平臺(tái)的數(shù)據(jù)，本系統(tǒng)服務(wù)端連接微博和Twitter等社交平臺(tái)的API，以響應(yīng)用戶輸入的關(guān)鍵詞、詳細(xì)程度、起始時(shí)間、結(jié)束時(shí)間等條件，從平臺(tái)實(shí)時(shí)采集數(shù)據(jù)信息，并以數(shù)據(jù)流的方式將信息傳輸?shù)椒?wù)器端，解析獲得合法可分析的數(shù)據(jù)集。

（2）接收用戶上傳的數(shù)據(jù)并分析

為了滿足相關(guān)研究領(lǐng)域的專業(yè)用戶，本系統(tǒng)支持用戶自行上傳數(shù)據(jù)集。考慮服務(wù)端情感分析算法的計(jì)算方式，數(shù)據(jù)集應(yīng)包含每條社交平臺(tái)微博/推文的具體內(nèi)容、點(diǎn)贊數(shù)（喜歡數(shù)）以及發(fā)布時(shí)間，所上傳的數(shù)據(jù)集最終以表單形式將數(shù)據(jù)集傳給服務(wù)器端。

6.2 情感分析模塊

服務(wù)器端作為自然語(yǔ)言處理的主要執(zhí)行端，以Python為主要語(yǔ)言，通過封裝好的情感分析算法，依賴系統(tǒng)預(yù)先保存的中日文情感詞典、程度詞表、否定詞表等情感資源，分析用戶提交或?qū)崟r(shí)采集的數(shù)據(jù)集，本系統(tǒng)所使用算法將從3個(gè)方面進(jìn)行情感分析。第一，根據(jù)用戶指定的關(guān)鍵詞和數(shù)據(jù)集計(jì)算中日民眾的情感分值隨時(shí)間的變化情況，并實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)；第二，對(duì)于每個(gè)情感突變點(diǎn)都能分析提取該時(shí)間區(qū)間熱度排名前10的微博和推文，方便分析中日民眾情感分歧較大的起因事件；第三，根據(jù)算法分析結(jié)果，給出中日民眾對(duì)于該主題的情感極性分布情況。三者最終通過Jinja2模板引擎中的模版函數(shù)動(dòng)態(tài)渲染前端HTML模版文件中的JavaScript腳本變量，再通過JSON解析生成可用于展示的格式，最終傳遞到展示界面，動(dòng)態(tài)生成用戶需要的分析結(jié)果。

6.3 可視化模塊

本系統(tǒng)前端展示界面基于CSS、HTML、JavaScript腳本完成開發(fā)。展示模塊包括3個(gè)部分，均使用可交互的動(dòng)態(tài)曲線，其中第一部分是微博和Twitter單獨(dú)的可交互數(shù)據(jù)展示，包括以日/月為單位的情感分值隨時(shí)間變化曲線圖，以日/月為單位的情感極性隨時(shí)間變化曲線圖，熱度前100文章情感散點(diǎn)圖，內(nèi)容來(lái)源年份分布扇形圖以及詞云。第二部分是微博和Twitter的情感隨時(shí)間變化對(duì)比圖，每一數(shù)值點(diǎn)還支持點(diǎn)擊查看影響該點(diǎn)的熱度排名前5的微博和推文。第三部分是根據(jù)用戶輸入對(duì)微博某一特定關(guān)鍵詞進(jìn)行實(shí)時(shí)檢測(cè)，顯示實(shí)時(shí)變化的情感分值隨時(shí)間變化曲線圖。

6.4 系統(tǒng)架構(gòu)

系統(tǒng)主體基于Web的C/S架構(gòu)設(shè)計(jì)，以Flask為開發(fā)框架，其負(fù)責(zé)將HTML文件、JavaScript腳本與后端Python代碼進(jìn)行連接，同時(shí)Jinja2模板引擎和Werkaeug WSGI套件負(fù)責(zé)前后端的數(shù)據(jù)傳遞。本系統(tǒng)從規(guī)模上來(lái)說(shuō)較為輕量，同時(shí)Flask框架高度的靈活性也降低了后續(xù)系統(tǒng)功能拓展和維護(hù)的成本。

客戶端基于Web技術(shù)設(shè)計(jì)，一方面負(fù)責(zé)處理業(yè)務(wù)邏輯，另一方面負(fù)責(zé)返回響應(yīng)內(nèi)容。業(yè)務(wù)邏輯方面，支持用戶在頁(yè)面中輸入主題關(guān)鍵詞、詳細(xì)程度、起始時(shí)間、結(jié)束時(shí)間等條件實(shí)時(shí)采集數(shù)據(jù)集，或接收用戶自行上傳的本地?cái)?shù)據(jù)集文件，將主題關(guān)鍵詞字符串或合法數(shù)據(jù)集文件通過表單傳遞給服務(wù)器端進(jìn)行解析處理。返回響應(yīng)內(nèi)容方面，在展示結(jié)果頁(yè)面通過Jinja2模板引擎渲染模版，與服務(wù)端進(jìn)行數(shù)據(jù)傳遞，接收服務(wù)器端傳來(lái)的計(jì)算結(jié)果，客戶端展示結(jié)果頁(yè)面使用可視化工具包Chart.js，生成可交互式情感分值隨時(shí)間變化曲線圖和情感極性分布圖等，并將分析的結(jié)果展示給用戶。

服務(wù)器端以Flask框架為主體進(jìn)行開發(fā)，通過不同URL來(lái)區(qū)分響應(yīng)前端視圖函數(shù)的不同表單請(qǐng)求，完成業(yè)務(wù)邏輯的具體功能實(shí)現(xiàn)。本系統(tǒng)主要包含3個(gè)不同URL綁定的功能函數(shù)。monitor()負(fù)責(zé)調(diào)用社交平臺(tái)API，即時(shí)采集流式數(shù)據(jù)，并保存到服務(wù)端。等待系統(tǒng)進(jìn)行進(jìn)一步分析處理。uplouder()負(fù)責(zé)將用戶本地?cái)?shù)據(jù)集上傳到服務(wù)器端。此外為了防止數(shù)據(jù)集包含內(nèi)容缺失或不兼容本算法的運(yùn)算所需條件，在用戶上傳數(shù)據(jù)集后，首先進(jìn)行合法性檢測(cè)，要求數(shù)據(jù)集具有完整性，這保證了系統(tǒng)的穩(wěn)定性。analyse()負(fù)責(zé)調(diào)用本地情感詞典、程度詞表，并通過本地情感分析算法計(jì)算分析已經(jīng)上傳到服務(wù)器端的數(shù)據(jù)，計(jì)算結(jié)果通過Jinja2模版引擎渲染動(dòng)態(tài)前端系統(tǒng)客戶端的HTML模板文件中的內(nèi)嵌JavaScript變量，進(jìn)一步進(jìn)行JSON解析，并使用eval()進(jìn)行合法性檢測(cè)。同時(shí)系統(tǒng)使用Flask-Caching擴(kuò)展的緩存技術(shù)提高程序運(yùn)行速度。

6.5 可視化實(shí)現(xiàn)

為了更清晰地展示系統(tǒng)的有效性，本文基于自采集的2018年以“RNG”為主題的中日文數(shù)據(jù)集對(duì)系統(tǒng)的功能進(jìn)行演示。RNG是當(dāng)下深受國(guó)內(nèi)外游戲愛好者喜愛的電競(jìng)戰(zhàn)隊(duì)。傳入數(shù)據(jù)集后，后臺(tái)算法開始分析，并將結(jié)果反饋給前端可視化界面，圖13和圖14分別為微博和Twitter單一平臺(tái)對(duì)RNG主題的分析結(jié)果，包括情感極性分布、年份分布、熱度情況分布、詞云、每日情感變化圖、每月情感變化圖、每日發(fā)文量變化圖以及每月發(fā)文量變化圖等，圖上的點(diǎn)均可以點(diǎn)擊，用于和用戶交互，可以展示當(dāng)前點(diǎn)的詳細(xì)信息，如情感分值、積極人數(shù)、中立人數(shù)、消極人數(shù)等。

從圖13可以看出，中國(guó)民眾對(duì)于“RNG”戰(zhàn)隊(duì)的討論度很高，數(shù)據(jù)量達(dá)到了38 272條。通過分析情感變化曲線可以看出，共有5個(gè)情感波動(dòng)較為明顯的時(shí)間段。在4月28日、5月20日、8月29日以及9月14日這4日前后，中國(guó)民眾對(duì)該主題的情感非常積極，同時(shí)通過柱形圖也可以看出對(duì)應(yīng)時(shí)間的發(fā)文量很高，通過點(diǎn)擊曲線上對(duì)應(yīng)的點(diǎn)可以看到當(dāng)天的熱門微博。

圖13 微博可視化展示界面

從圖14可以看出，日本民眾對(duì)“RNG”主題的討論較少，一年中共爬取到7 437條相關(guān)數(shù)據(jù)。同時(shí)，通過分析情感變化曲線可以看出，日本民眾對(duì)該主題的態(tài)度普遍比較積極且比較平穩(wěn)。圖15展示了微博和Twitter兩平臺(tái)中日雙語(yǔ)料的對(duì)比分析結(jié)果，針對(duì)中日民眾情感分歧較大的點(diǎn)，同樣可以通過點(diǎn)擊對(duì)應(yīng)的點(diǎn)查看當(dāng)日兩平臺(tái)關(guān)于該主題熱度最高的博文，便于用戶進(jìn)一步了解情感分歧的原因事件。

圖14 Twitter可視化展示界面

圖15 兩平臺(tái)對(duì)比結(jié)果可視化展示界面

此外，本系統(tǒng)還提供話題情感的實(shí)時(shí)監(jiān)測(cè)功能，針對(duì)用戶輸入的關(guān)鍵詞進(jìn)行實(shí)時(shí)監(jiān)測(cè)、實(shí)時(shí)分析，并實(shí)時(shí)呈現(xiàn)給用戶，如圖16所示。

圖16 話題情感實(shí)時(shí)監(jiān)測(cè)界面

7 結(jié)束語(yǔ)

微博、Twitter等社交網(wǎng)絡(luò)平臺(tái)的流行使其中蘊(yùn)含了豐富的情感信息，通過對(duì)這些平臺(tái)上用戶發(fā)布的內(nèi)容進(jìn)行情感分析，可以挖掘其中的社會(huì)價(jià)值。本文采用了基于自擴(kuò)展的情感詞典結(jié)合改進(jìn)的BERT預(yù)訓(xùn)練模型進(jìn)行了實(shí)驗(yàn)，建立的系統(tǒng)可以同時(shí)分析中日輿情數(shù)據(jù)，并自動(dòng)生成中日民眾情感態(tài)度對(duì)比和情感極性分布，針對(duì)情感突變點(diǎn)也能通過分析熱點(diǎn)博文和推文來(lái)有效地分析出相應(yīng)的事件，并將分析結(jié)果以可視化的形式展現(xiàn)給用戶。因此，本文系統(tǒng)是合理的、有效的，且彌補(bǔ)了目前單一平臺(tái)、單一語(yǔ)料輿情監(jiān)測(cè)的缺陷。未來(lái)工作將從以下方面進(jìn)行。

● 社交網(wǎng)絡(luò)平臺(tái)用戶的情緒比較豐富，應(yīng)從多個(gè)方面分析情感詞，不能局限于積極和消極的二分類，應(yīng)進(jìn)一步延伸對(duì)情感情緒的等級(jí)判斷。

● 輿情監(jiān)測(cè)系統(tǒng)也不應(yīng)只局限于中文和日文兩種語(yǔ)料，未來(lái)應(yīng)支持更多種語(yǔ)料。

● 只對(duì)文本進(jìn)行了情感分析，但現(xiàn)實(shí)世界中除文本外，圖片、視頻、語(yǔ)音等信息也會(huì)包含強(qiáng)烈的情感傾向，系統(tǒng)應(yīng)實(shí)現(xiàn)多模態(tài)的情感分析。