翁 捷宋正榮 李 旸

（1.安徽農(nóng)業(yè)大學(xué)，安徽 合肥 230036;2.銅陵學(xué)院，安徽 銅陵 244000）

一、引言

在2011年1月發(fā)布的《第27次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》里，中年和青少年成為了網(wǎng)民的最主要組成部分，而其中大多數(shù)是在校大學(xué)生。微博作為一種信息交流平臺(tái)，以其短小精悍、傳播速度快、用戶交互性強(qiáng)等優(yōu)勢，逐步成為人們喜愛的信息交流空間。高校是一個(gè)充滿活力的場所，不僅僅在校學(xué)生，很多老師、部門也都開始使用微信參與學(xué)生和學(xué)校的話題交流。

微博的特點(diǎn)在于“微”。和BBS、Blog等相比，用戶發(fā)言的信息長度很短，語言更加口語化。同時(shí)，因?yàn)楸砬榉柕幕钣?，用戶樂于在微博上用帶有較強(qiáng)情感色彩的語言或表情，來表達(dá)自己的觀點(diǎn)、情感、興趣和對事件的看法等等。因此，“情感”成為了微博信息研究中很重要的一環(huán)，我們可以通過數(shù)據(jù)挖掘的方法，對微博的信息進(jìn)行情感分析，判斷話題的傾向性和情感強(qiáng)度，便于我們了解學(xué)生的情感趨向。

二、分析方法

1．?dāng)?shù)據(jù)預(yù)處理

對于獲得的微博信息文本，首先要做的工作就是對數(shù)據(jù)進(jìn)行預(yù)處理，即通過中文分詞和排重過濾，獲得我們需要的數(shù)據(jù)。

首先，基于分詞字典進(jìn)行中文分詞，把文本劃分為一個(gè)個(gè)詞單元，常用的中文分詞字典有《中國分類主題詞表》和《中科院分詞詞典》等，同時(shí)還可以添加自定義的詞表，比如新生的網(wǎng)絡(luò)詞匯或者特定事件發(fā)生后出現(xiàn)的詞匯等等。中文分詞后，會(huì)出現(xiàn)大量無意義、重復(fù)的數(shù)據(jù)，通過排重過濾可以去掉多余的噪聲數(shù)據(jù)，僅僅保留需要的關(guān)鍵字，比如帶有情感趨向的關(guān)鍵字、能夠作為該段文本主題詞的關(guān)鍵字等等。

2．基于情感詞字典計(jì)算情感強(qiáng)度和傾向性

情感字典是計(jì)算文本情感強(qiáng)度和情感傾向性的主要依據(jù)。國內(nèi)外的學(xué)者在對大量的詞匯進(jìn)行整理、研究后，制作出了專門的情感字典。比較著名的中文情感字典有知網(wǎng)（How Net）的情感詞語集、臺(tái)灣大學(xué)的NTUSD簡體中文情感極性詞典、大連理工大學(xué)信息檢索研究室的中文情感詞匯本體庫、哈爾濱工業(yè)大學(xué)信息檢索研究室的情感詞庫、中科院的漢語情感語料庫等等。在這些情感字典中，搜集并整理了貶義的負(fù)面情感詞語、褒義的正面情感詞語、情感表達(dá)強(qiáng)度的程度副詞等等，并對表達(dá)不同強(qiáng)度的詞語做了情感強(qiáng)度的劃分。

和中文分詞的分詞字典一樣，可以根據(jù)需求引入新的情感詞，并且給出這些情感詞匯的情感強(qiáng)度。這些情感詞一般以網(wǎng)絡(luò)中新生的網(wǎng)絡(luò)流行語為主，也包括一些標(biāo)點(diǎn)符合或漢字的特殊組合（即日本網(wǎng)絡(luò)文化中出現(xiàn)的“顏文字”）。一些平?？此坪翢o意義的符號組合，往往在網(wǎng)絡(luò)中會(huì)有著表達(dá)特殊情感的功能，而這些顏文字在我們?nèi)粘５闹形姆衷~、斷句過程中，往往容易把它們按照無意義的符號文本處理，比如“（TДT）”表示傷心，“＼(*T△T*)／”表示高興等等。

除了情感詞外，在微博的情感計(jì)算中，還需要考慮到在微博中廣泛使用的表情符號。微博中的表情往往以“/表情含義”來表示，因此有人提出只要根據(jù)表情含義對表情的情感傾向和情感強(qiáng)度進(jìn)行分類和定義即可。但是實(shí)際上的結(jié)果卻是，在微博中出現(xiàn)的絕大多數(shù)的表情，其實(shí)都是中性化的表情，本身并不帶有絕對化的情感傾向。如果文本本身并沒有很強(qiáng)的情感傾向，大部分的表情符號都會(huì)以帶有調(diào)侃性質(zhì)的中性情感出現(xiàn)；如果文本本身帶有比較強(qiáng)的情感傾向，表情符號的情感傾向會(huì)和文本的情感傾向保持一致，所表達(dá)的情感強(qiáng)度也僅僅是對文本的情感強(qiáng)度進(jìn)行加強(qiáng)。所以，在計(jì)算表情符號對微博文本的情感影響時(shí)，可以進(jìn)行有取舍的計(jì)算。如果微博文本的情感強(qiáng)度達(dá)到了一定的閥值，可以把表情符號的情感強(qiáng)度計(jì)算進(jìn)去，否則就忽略表情符號的情感強(qiáng)度。

根據(jù)從微博文本中提取出來的情感詞、程度副詞、否定詞，可以在各個(gè)詞單元之間聯(lián)系的基礎(chǔ)上計(jì)算出整段微博文本的情感強(qiáng)度和情感傾向。

三、情感計(jì)算方法

1．微博文本的情感強(qiáng)度計(jì)算

對于微博文本的情感度進(jìn)行計(jì)算時(shí)，思路大致和通常的網(wǎng)絡(luò)文本一致。即先把每個(gè)獨(dú)立的微博文本T分成一個(gè)個(gè)單獨(dú)的句單元，即T={s1，s2，s3……，sn}。根據(jù)情感詞的情感強(qiáng)度和情感趨向、情感程度副詞對于情感詞情感強(qiáng)度的影響、否定詞對于情感詞情感傾向的影響，以及表情符號對于文本情感強(qiáng)度、情感傾向的影響，求出用戶發(fā)言中每個(gè)句子si的情感得分sentiment(i)，再求出該發(fā)言中的整體情感得分。計(jì)算方法如下：

首先計(jì)算詞匯的情感傾向，其中p表示詞匯w的褒義傾向，n表示詞匯w的貶義趨向：

再引入否定詞對于情感的影響，u表示否定詞n出現(xiàn)的次數(shù)：

再引入程度副詞對于情感的影響，adv表示程度副詞，S(adv)表示程度副詞的強(qiáng)度：

話題T的情感強(qiáng)度計(jì)算方法如下，其中w表示沒有被否定詞和程度副詞修飾的情感詞，n表示有否定詞修飾的情感詞，adv表示有程度副詞修飾的情感詞：

2.對于擴(kuò)展情感詞的情感強(qiáng)度和傾向性計(jì)算

由于網(wǎng)絡(luò)上會(huì)經(jīng)常出現(xiàn)新興的網(wǎng)絡(luò)流行語，有些流行語是網(wǎng)民新造的詞匯，有些是把原有詞匯的意思做了引申或改變?；蛘呤窃谀承┦录l(fā)生后，和事件相關(guān)的一些詞匯會(huì)出現(xiàn)語義或情感傾向的改變。因此，需要對情感詞詞典進(jìn)行更新，重新計(jì)算或者賦予某些詞相應(yīng)的情感強(qiáng)度或者情感傾向。

計(jì)算的一種思路是，根據(jù)詞匯中各個(gè)字單元的情感傾向來計(jì)算該詞匯的情感度。即統(tǒng)計(jì)情感字典中，組成這個(gè)情感詞的各個(gè)字單元在不同情感傾向下出現(xiàn)的概率，再求出字單元各個(gè)情感傾向的權(quán)重，最終求出這個(gè)詞的完整情感傾向。計(jì)算方法如下：

其中，pci是字單元ci在情感字典中作為褒義詞的權(quán)重，nci是字單元ci在情感字典中作為貶義詞的權(quán)重。fpci是字單元出現(xiàn)在褒義詞詞典里的概率，fnci是字單元ci出現(xiàn)在貶義詞詞典里的概率。pn表示褒義詞詞表的字單元個(gè)數(shù)，nn表示貶義詞詞表的字單元個(gè)數(shù)。

通過情感詞的字單元情感強(qiáng)度和情感傾向的統(tǒng)計(jì)，可以求出新的情感詞的情感強(qiáng)度和情感傾向。

四、實(shí)驗(yàn)分析

實(shí)驗(yàn)的語料來自銅陵學(xué)院部份學(xué)生微博信息的收集。對于各條微博進(jìn)行了情感傾向的分類分析。使用的分詞軟件是中科院的ICTCLAS2014，基礎(chǔ)情感字典是中科院的漢語情感語料庫。采用了通用的SVM算法進(jìn)行分析。

收集的學(xué)生微博3531條，其中帶有褒義傾向的1274條，帶有貶義傾向的973條，中性的1284條。每次隨機(jī)從褒義傾向和貶義傾向的微博文本集中各抽取200條進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)抽取三次。得出的結(jié)果如下：

第一次 第二次 第三次正面 負(fù)面 正面 負(fù)面 正面 負(fù)面查準(zhǔn)率 73.50%79.00%75.00%78.00%79.00%77.00%查全率 77.78%74.88%77.32%75.73%77.45%78.57%F1值 75.58%76.89%76.14%76.85%78.22%77.78%

查準(zhǔn)率指正確分類的文本數(shù)與實(shí)際分類為該類文本數(shù)的百分比，查全率指正確分類的文本數(shù)與屬于該類別的文本數(shù)的百分比。F1值是由Van Rijsbergen提出的對查準(zhǔn)率和查全率進(jìn)行評判的標(biāo)準(zhǔn)指標(biāo)。這三個(gè)數(shù)值越高，表示分類的準(zhǔn)確度越高。

從實(shí)驗(yàn)結(jié)果可見，通過SVM法對于微博話題情感傾向的判斷準(zhǔn)確度還是比較高的。但是由于用戶在微博里的發(fā)言隨意性很大，新興的網(wǎng)絡(luò)用語層出不窮，需要不斷增加情感字典里的情感詞才能達(dá)到更高的準(zhǔn)確度。但是在一般的情感字典基礎(chǔ)上，現(xiàn)有的傾向性分析已經(jīng)可以作為我們對微博話題傾向性的一種參考，便于從微博的話題中，自動(dòng)判斷話題的傾向性，作為輿情考量的一種參考。

五、結(jié)語

作為國家人才培養(yǎng)者的高校，在教授學(xué)生專業(yè)知識(shí)外，還必須了解學(xué)生、引導(dǎo)學(xué)生，使其成為國家需要的合格人才。隨著網(wǎng)絡(luò)的日益發(fā)達(dá)、電子產(chǎn)品的日益成熟，學(xué)生越來越多地在網(wǎng)上發(fā)起話題、討論話題，網(wǎng)絡(luò)成為學(xué)校了解學(xué)生的一個(gè)重要舞臺(tái)。因此，高校在原有的學(xué)生管理模式上，需要增加信息化的方法去觀察、收集、處理各類網(wǎng)絡(luò)信息。通過信息化的方法，尋找更加科學(xué)有效的方法對學(xué)生進(jìn)行管理和引導(dǎo)。

作為了解學(xué)生網(wǎng)絡(luò)行為的一種途徑，微博話題的情感度分析可以幫助學(xué)校了解學(xué)生對一些話題的態(tài)度及傾向性，對一些發(fā)生在學(xué)生身邊的事件進(jìn)行輿情分析，或者對事件的發(fā)展進(jìn)行預(yù)測，進(jìn)而為學(xué)校處理一些事件提供參考。

目前對于微博話題的情感傾向研究還處于起步階段。原有的對BBS、Blog、WEB等平臺(tái)上的文字進(jìn)行的情感傾向研究，雖然適用于微博話題的情感傾向研究，但由于微博話題更加短小明快，更加口語化和無規(guī)則化，因此還需要對微博話題的特點(diǎn)做更進(jìn)一步的分析，特別是對于網(wǎng)絡(luò)用語的探索，將會(huì)是影響到微博話題情感傾向的關(guān)鍵因素。同時(shí)，對于微博話題的情感傾向性研究，也可以延伸到網(wǎng)絡(luò)文本及各種網(wǎng)絡(luò)社交平臺(tái)上，成為人們監(jiān)控、分析輿情的有效輔助手段。

[1]張偉舒,呂云翔.微博情感傾向算法的改進(jìn)與實(shí)現(xiàn)[J].知識(shí)管理論壇,2013,(9):21-27.

[2]曾佳妮，劉功申，蘇波.微博話題評論的情感分析研究[J].信息安全與通信保密,2013,(3):56-58.

[3]張魯民，賈焰，周斌.基于情感計(jì)算的微博突發(fā)事件檢測方法研究[J].信息網(wǎng)絡(luò)安全,2012,(8):143-145.

[4]張彬.文本情感傾向性分析與研究[D].鄭州：河南工業(yè)大學(xué)碩士學(xué)位論文，2011.

[5]喻琦.中文微博情感分析技術(shù)研究[D].杭州：浙江工商大學(xué)碩士學(xué)位論文，2013.

[6]張東霞.基于高校學(xué)生微博的輿情熱點(diǎn)分析與發(fā)現(xiàn)[J].東南傳播,2013,(6):87-89.

[7]王振浩.基于情感字典與機(jī)器學(xué)習(xí)相結(jié)合的文本情感分類[D].哈爾濱:哈爾濱工業(yè)大學(xué)碩士學(xué)位論文，2011.