張 睿，趙志杰，，韓 凌，李曉亮

（1.北京大學(xué)環(huán)境與能源學(xué)院，廣東深圳 518055；2.北京大學(xué)環(huán)境科學(xué)與工程學(xué)院，北京 100871；3.生態(tài)環(huán)境部環(huán)境規(guī)劃院，北京 100012）

1 研究背景

產(chǎn)品是經(jīng)濟(jì)活動(dòng)的核心，也是包括營(yíng)銷、服務(wù)關(guān)系在內(nèi)的各種經(jīng)濟(jì)關(guān)系的載體。公眾對(duì)產(chǎn)品的環(huán)境健康風(fēng)險(xiǎn)認(rèn)知感受，不僅影響著消費(fèi)行為與產(chǎn)品的市場(chǎng)表現(xiàn)，也為環(huán)境管理帶來(lái)新的途徑和手段。充分披露環(huán)境信息能有效發(fā)揮這種基于公眾的產(chǎn)品環(huán)境管理，為引導(dǎo)公眾形成環(huán)境友好型消費(fèi)提供支持，協(xié)調(diào)在環(huán)保管理中企業(yè)、政府和公眾的關(guān)系，有利于社會(huì)的良性治理。

國(guó)內(nèi)外基于產(chǎn)品的環(huán)境管理手段自20 世紀(jì)80年代以來(lái)不斷涌現(xiàn)，當(dāng)前已經(jīng)形成較為成熟的體系。生產(chǎn)者拓展責(zé)任制通過(guò)使產(chǎn)品制造者對(duì)產(chǎn)品的整個(gè)生命周期負(fù)責(zé)，以降低產(chǎn)品的環(huán)境影響［1］。可持續(xù)發(fā)展則強(qiáng)調(diào)產(chǎn)品在全生命周期對(duì)環(huán)境的影響，包括產(chǎn)品碳足跡和水足跡等，將控制范圍從產(chǎn)品延伸到了生產(chǎn)過(guò)程［2］。

在互聯(lián)網(wǎng)時(shí)代，輿情具有緊急性，容易形成強(qiáng)大的公眾影響力［3］。產(chǎn)品的網(wǎng)絡(luò)輿情通常表現(xiàn)為網(wǎng)絡(luò)口碑［4］。作為提供產(chǎn)品相關(guān)信息的重要途徑，網(wǎng)絡(luò)口碑具有煽動(dòng)性和多樣性。隨著公眾日益成為推動(dòng)環(huán)境保護(hù)的重要力量［5］，帶有一定環(huán)境與健康特性的網(wǎng)絡(luò)輿情在產(chǎn)品銷售和企業(yè)形象塑造中愈來(lái)愈發(fā)揮重要作用［6］，并對(duì)更加廣泛的人群產(chǎn)生影響［7］。產(chǎn)品輿情環(huán)境形象評(píng)估模型利用自然語(yǔ)言處理技術(shù)分析產(chǎn)品的網(wǎng)絡(luò)口碑，能較為清晰地反映出公眾對(duì)相關(guān)產(chǎn)品的環(huán)境健康認(rèn)知感受，不僅為企業(yè)提供更直觀的消費(fèi)者體驗(yàn)，同時(shí)也為政府部門提供了環(huán)境管理與決策依據(jù)，進(jìn)而有助于從源頭改善產(chǎn)品在全生命周期中的環(huán)境污染問(wèn)題。

2 輿情環(huán)境形象評(píng)估框架

產(chǎn)品輿情環(huán)境形象評(píng)估模型是利用產(chǎn)品在互聯(lián)網(wǎng)上的傳播大數(shù)據(jù)，分析信息發(fā)出者對(duì)產(chǎn)品在環(huán)境和健康方面的情感傾向特征。首先需要收集被評(píng)估產(chǎn)品的有關(guān)信息，然后篩選出屬于環(huán)境健康方面的信息，再進(jìn)一步對(duì)信息所反映的環(huán)境健康維度和情感傾向進(jìn)行分類。這些篩選和分類工作采用有監(jiān)督的機(jī)器學(xué)習(xí)模型來(lái)完成。

2.1 “輿情環(huán)境形象”概念

產(chǎn)品對(duì)人體健康的影響通常包括對(duì)心血管系統(tǒng)、神經(jīng)系統(tǒng)、生殖系統(tǒng)、消化系統(tǒng)和內(nèi)分泌系統(tǒng)的影響［8］；對(duì)環(huán)境的影響，如陶偉鋒［9］、王賓［10］的研究顯示，包括破壞生物多樣性及損害相關(guān)生物健康、固體廢棄物污染、水污染、氣體污染、粉塵污染、噪聲污染、土壤污染、燃爆風(fēng)險(xiǎn)等。目前，對(duì)于“產(chǎn)品輿情環(huán)境形象”尚未有明確的定義，本研究中的產(chǎn)品輿情環(huán)境形象是指公眾對(duì)產(chǎn)品在環(huán)境和健康方面的感知，是產(chǎn)品從生產(chǎn)、消費(fèi)、使用到處理的全生命周期內(nèi)產(chǎn)生的環(huán)境影響和健康風(fēng)險(xiǎn)，在社會(huì)新聞媒介、科學(xué)研究以及公眾輿論等各方面所呈現(xiàn)出來(lái)的形象，是社會(huì)各界或者一般公眾對(duì)該產(chǎn)品造成的環(huán)境和健康影響的整體認(rèn)知和主觀感受。

2.2 評(píng)估維度與分析流程

公眾對(duì)產(chǎn)品的環(huán)境形象認(rèn)知可以分為健康影響、環(huán)境污染、環(huán)境風(fēng)險(xiǎn)和情感傾向4 個(gè)方面。其中，健康影響主要是產(chǎn)品對(duì)自身健康風(fēng)險(xiǎn)方面的感受；環(huán)境污染是產(chǎn)品在污染物排放以及對(duì)各環(huán)境要素影響方面的感受；環(huán)境風(fēng)險(xiǎn)是對(duì)產(chǎn)品產(chǎn)生的不確定性環(huán)境影響和資源消耗方面的感受；情感傾向是指公眾對(duì)不同產(chǎn)品在消費(fèi)過(guò)程中所產(chǎn)生的環(huán)境和健康效應(yīng)的情感態(tài)度。依據(jù)化學(xué)品對(duì)人體健康的影響特征，將產(chǎn)品健康風(fēng)險(xiǎn)感受分為急性毒性、慢性毒性、致畸致癌、成癮致敏、產(chǎn)品有效5 個(gè)方面；環(huán)境風(fēng)險(xiǎn)感受分為揮發(fā)性、降解性、易燃易爆、生物有害性和回收性5 個(gè)方面；環(huán)境污染感受分為大氣污染、水污染、土壤污染和固體廢棄物污染（以下簡(jiǎn)稱“固廢污染”）4 個(gè)方面；情感傾向分為非常負(fù)面、負(fù)面、無(wú)明顯傾向、正面和非常正面5 個(gè)方面。具體見(jiàn)圖1。分析評(píng)估流程主要包括構(gòu)建評(píng)估框架、人工標(biāo)注語(yǔ)料、訓(xùn)練優(yōu)選模型、爬取輿情信息以及應(yīng)用模型開(kāi)展環(huán)境形象評(píng)估。

圖1 產(chǎn)品輿情環(huán)境形象評(píng)估框架

2.3 評(píng)估系統(tǒng)內(nèi)核算法

2.3.1 卷積 神經(jīng)網(wǎng)絡(luò)在自然語(yǔ)言方面的應(yīng)用

深度學(xué)習(xí)在傳統(tǒng)的自然語(yǔ)言處理領(lǐng)域取得了很多突破性的進(jìn)展［11］，如Collobert 等［12］研究的詞性標(biāo)注、Vinyals 等［13］的語(yǔ)法分析、Socher 等［14］的情感分析和Zeng 等的關(guān)系分類［15］等。2006 年，Hinton［16］提出人工神經(jīng)網(wǎng)絡(luò)可以更加深刻地刻畫樣本數(shù)據(jù)特征，對(duì)于文本分類任務(wù)更有利。2010 年，Mikolov 等［17-18］將循環(huán) 神經(jīng)網(wǎng)絡(luò)（RNN）用于語(yǔ)言模型建模，在2013 年又提出連續(xù)詞袋（CBOW）和Skip-gram 模型。相較于RNN 和CBOW，卷積神經(jīng)網(wǎng)絡(luò)（CNN）堆疊起來(lái)的卷積層可以很方便地模擬語(yǔ)言層次的變化［11］，從而大幅提高語(yǔ)言處理的精度。CNN 進(jìn)行文本分類的第一步是將文本向量化，即利用詞向量映射為句子矩陣，隨后卷積層對(duì)句子矩陣進(jìn)行卷積操作，提取局部特征，下一階段對(duì)所得的局部特征進(jìn)行池化，利用最大特征代替整個(gè)局部特征［19］。其后，借鑒楊善良［20］、李洋等［19］的做法，將池化后的特征通過(guò)全連接層進(jìn)行組合，連接整體特征向量和待分類別，通過(guò)權(quán)重學(xué)習(xí)特征向量和待分類別之間的非線性關(guān)系輸出一個(gè)組合向量，最后將組合向量輸入softmax 分類器進(jìn)行分類。在自然語(yǔ)言的表示問(wèn)題中，CNN 模型采用的是獨(dú)熱表示（one hot representation）方法：每個(gè)詞表示為1 個(gè)向量，由1 個(gè)1 和數(shù)個(gè)0 組成；向量的維度是詞表的數(shù)量。

2.3.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

模型采用CNN 算法對(duì)語(yǔ)料監(jiān)督分類，主要包括輸入層、卷積層、池化層和全連接層。卷積層是構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的核心層，內(nèi)部包含多個(gè)卷積核，主要功能是對(duì)輸入數(shù)據(jù)進(jìn)行特征提??；這一層包含大量參數(shù)和權(quán)重，產(chǎn)生網(wǎng)絡(luò)中大部分的計(jì)算量。池化層的作用是逐漸降低數(shù)據(jù)的空間尺寸，減少網(wǎng)絡(luò)中參數(shù)的數(shù)量從而有效控制過(guò)擬合［21］。全連接層則具有兩層，主要作用是利用之前模塊提取到的特征對(duì)測(cè)試語(yǔ)料進(jìn)行分類，是卷積神經(jīng)網(wǎng)絡(luò)中的分類器。卷積層和池化層一般會(huì)取若干個(gè)，并采用交替的設(shè)置方式。卷積層中輸出特征圖的每個(gè)神經(jīng)元與其輸入進(jìn)行局部鏈接，并通過(guò)對(duì)應(yīng)的鏈接權(quán)值與局部輸入進(jìn)行加權(quán)求和再加上偏置值，得到該神經(jīng)元輸出值［22］。借鑒Goodfellow 等［23］的研究，得到卷積神經(jīng)網(wǎng)絡(luò)公式如下：

式（1）（2）中：L為Z向量集內(nèi)部的某一向量；表示第層的卷積輸入與輸出，即特征量；k代表特征量的卷積層層數(shù)；f代表卷積層卷積核大??；代表卷積層的卷積步長(zhǎng)；代表 卷積層的填充層數(shù)；b代表誤差值；為向量的坐標(biāo)表示。

CNN 的局部鏈接、權(quán)值共享及池化操作等特性，可以有效降低網(wǎng)絡(luò)的復(fù)雜度，減少訓(xùn)練參數(shù)的數(shù)目，使得模型易于訓(xùn)練和優(yōu)化［24］。參考趙京勝等［25］的做法，采用分類模型測(cè)評(píng)常用的指標(biāo)，包括精確率（P值）、召回率（R值）、均方差值（F1）等；同時(shí)，借鑒Zhang 等［26］的研究，構(gòu)建如圖2 所示的CNN結(jié)構(gòu)。其中，Sentence matrix 為該句的向量，region sizes 為該向量的區(qū)域范圍，feature maps 為向量的特征圖譜；Convolution、active function、max pooling、softmax function 分別代表對(duì)應(yīng)層計(jì)算時(shí)參照的卷積函數(shù)、激活函數(shù)、最大池化函數(shù)、正則化函數(shù)。

圖2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3 數(shù)據(jù)和方法

3.1 語(yǔ)料庫(kù)構(gòu)建

3.1.1 訓(xùn)練語(yǔ)料的獲取與篩選

訓(xùn)練語(yǔ)料來(lái)源于知乎網(wǎng)站，以環(huán)境健康相關(guān) 特性為關(guān)鍵詞檢索，包括“毒性”“污染”“環(huán)境影響”“垃圾”“廢氣”“廢水”“土壤污染”“揮發(fā)”“廢物回收”“降解”“燃爆風(fēng)險(xiǎn)”“生物有害性”“上癮”“過(guò)敏”“新生兒畸形”“有效”“好用”等；搜索非環(huán)境健康語(yǔ)料的關(guān)鍵詞包括“金融”“股票”“教育”“體育”“綜藝”“明星八卦”“情感生活”“汽車資訊”“游戲”“星座”“品酒”“釀造”“酒吧”等。檢索時(shí)間為2020 年11 月月底。選擇3 名環(huán)境方面專業(yè)人士分別標(biāo)注語(yǔ)料，同一語(yǔ)料兩人及以上標(biāo)注意見(jiàn)相同為標(biāo)準(zhǔn)語(yǔ)料，共選出12 702 條環(huán)境健康相關(guān)語(yǔ)料和6 112 條非環(huán)境健康相關(guān)語(yǔ)料。為減少模型訓(xùn)練時(shí)間，提高運(yùn)行效率，隨機(jī)取出1/2的語(yǔ)料作為訓(xùn)練語(yǔ)料。

表1 語(yǔ)料庫(kù)訓(xùn)練語(yǔ)料規(guī)模特征 單位：條

3.1.2 數(shù)據(jù)處理與模型訓(xùn)練流程

數(shù)據(jù)預(yù)處理主要是對(duì)輿情數(shù)據(jù)的文本格式和輸出輸入形式進(jìn)行修整。首先清洗網(wǎng)頁(yè)臟數(shù)據(jù)，然后將語(yǔ)料轉(zhuǎn)換為UTF-8 格式。輿情評(píng)估模型的訓(xùn)練過(guò)程分為以下3 步：

第一步，設(shè)置第1 個(gè)分類模型用于語(yǔ)料的判別。通過(guò)人工篩分環(huán)境健康相關(guān)以及非環(huán)境健康相關(guān)語(yǔ)料進(jìn)行第一階段的模型訓(xùn)練，得到模型的兩類輸出方式，屬于環(huán)境健康相關(guān)的語(yǔ)料進(jìn)入下一階段循環(huán)，屬于非環(huán)境健康相關(guān)語(yǔ)料則退出循環(huán)。

第二步，設(shè)置第2 個(gè)分類模型用于情感極性的劃分。將帶有不同情感極性的語(yǔ)料用于模型訓(xùn)練，得到的模型用于劃分語(yǔ)料所具有的情感極性特征。

第三步，設(shè)置第3 個(gè)分類模型用于環(huán)境健康相關(guān)語(yǔ)料的進(jìn)一步細(xì)分。通過(guò)設(shè)定16 種特性（生物有害、固廢、土壤污染、大氣污染、水污染、可降解、可回收、易燃易爆、可揮發(fā)、致畸、致癌、成癮、急性毒性、慢性毒性、過(guò)敏、有效）用于對(duì)環(huán)境健康相關(guān)語(yǔ)料的進(jìn)一步細(xì)分，判定該產(chǎn)品具有哪些方面的環(huán)境健康風(fēng)險(xiǎn)。

3.2 模型精度檢驗(yàn)過(guò)程與模型選擇

環(huán)境輿情分析模型由3 種分類模型組成，分別是：環(huán)境輿情判斷模型、環(huán)境情感分類模型和環(huán)境健康分類模型。單一類別的模型依據(jù)訓(xùn)練語(yǔ)料數(shù)量差異進(jìn)一步細(xì)分為不同的單個(gè)模型，最終選取精度最高的單個(gè)模型作為該類別的使用模型。

3.2.1 環(huán)境健康輿情判定模型

設(shè)置輿情判定模型時(shí)，按照訓(xùn)練語(yǔ)料分配情況進(jìn)行兩次模型訓(xùn)練，分配依據(jù)包括語(yǔ)料數(shù)量和語(yǔ)料性質(zhì)。通過(guò)對(duì)兩個(gè)模型的精確率等指標(biāo)進(jìn)行綜合評(píng)估（見(jiàn)表2），發(fā)現(xiàn)僅按照特性相關(guān)語(yǔ)料進(jìn)行訓(xùn)練的模型具有一定過(guò)擬合現(xiàn)象，而在特性語(yǔ)料中混入部分產(chǎn)品相關(guān)語(yǔ)料的模型具有較高的P值、R值和F1值，能夠較為準(zhǔn)確地定位產(chǎn)品輿情中是否包含環(huán)境健康成分的語(yǔ)料，從而用于下一批次的語(yǔ)料劃分。

表2 環(huán)境健康輿情判定模型精確性評(píng)估

3.2.2 環(huán)境情感傾向模型

情感分析是通過(guò)計(jì)算技術(shù)對(duì)文本的主客觀性、觀點(diǎn)、情緒的挖掘與分析，對(duì)文本情感傾向作出判斷［27］。與人的喜怒哀樂(lè)情感不同，本研究將產(chǎn)品環(huán)境情感傾向分為正面、中性和負(fù)面，并將正面和負(fù)面情感按照不同的程度進(jìn)一步細(xì)分，最終確定5類傾向性，為：-3、-1、0、+1、+3。其中，傾向?yàn)?3的語(yǔ)料象征環(huán)境污染嚴(yán)重或安全事故；傾向?yàn)?1 的語(yǔ)料象征環(huán)境風(fēng)險(xiǎn)或健康隱患；傾向?yàn)? 的語(yǔ)料為各類政府工作展望或?qū)δ车?、某物環(huán)境形象進(jìn)行客觀評(píng)價(jià)，通常不帶有明顯情感傾向或情感極性正負(fù)相抵；傾向?yàn)?1 的語(yǔ)料象征積極的環(huán)境輿情，通常為介紹某種環(huán)境有益的產(chǎn)品或管理方式；傾向?yàn)?3的語(yǔ)料表現(xiàn)為環(huán)境有顯著改善的輿情。環(huán)境情感傾向模型一共迭代45 次，模型自測(cè)準(zhǔn)確率為100%。對(duì)980 條關(guān)于酒精的語(yǔ)料進(jìn)行模型測(cè)試，結(jié)果見(jiàn)表3。

表3 酒精產(chǎn)品的環(huán)境情感傾向模型訓(xùn)練結(jié)果單位：條

3.2.3 健康和環(huán)境維度分類模型

通過(guò)綜合分類、常規(guī)分類和多標(biāo)簽分類3 種方式，對(duì)選定為環(huán)境健康相關(guān)的語(yǔ)料進(jìn)行分類。其中，綜合分類將16 種維度都編入一個(gè)模型，不區(qū)分環(huán)境相關(guān)還是健康相關(guān)；常規(guī)分類首先以健康風(fēng)險(xiǎn)和環(huán)境影響作為分類基礎(chǔ)，訓(xùn)練出健康模型和環(huán)境模型，對(duì)測(cè)試語(yǔ)料進(jìn)行環(huán)境健康分流后再進(jìn)行細(xì)分類；多標(biāo)簽分類按照單條語(yǔ)料包含的產(chǎn)品環(huán)境健康特性進(jìn)行“是”與“否”的分類，不進(jìn)行環(huán)境風(fēng)險(xiǎn)與健康風(fēng)險(xiǎn)的區(qū)分。共設(shè)置16 個(gè)模型，具有多種特性的語(yǔ)料會(huì)有多個(gè)標(biāo)簽。以上3 種分類方式具有相同的情感極性評(píng)估標(biāo)準(zhǔn)，每一類模型都按照語(yǔ)料精度的不同設(shè)置兩個(gè)模型，低精度模型相比于高精度模型每種特性增加100 條帶有相關(guān)關(guān)鍵詞但屬于非環(huán)境健康相關(guān)的語(yǔ)料（見(jiàn)圖3）。

圖3 健康和環(huán)境維度分類模型對(duì)比分析

結(jié)果表明，在訓(xùn)練語(yǔ)料質(zhì)量較高的情況下，高精度分類模型的精確度普遍高于低精度分類模型，說(shuō)明以上3 種模型的分類效果都要好于語(yǔ)料質(zhì)量較差的模型。因此，將綜合分類模型作為主要的輿情環(huán)境健康分類器對(duì)產(chǎn)品相關(guān)語(yǔ)料進(jìn)行測(cè)試。

4 實(shí)證結(jié)果與討論

4.1 產(chǎn)品語(yǔ)料的獲取與測(cè)試結(jié)果

本研究以我國(guó)原環(huán)境保護(hù)部（現(xiàn)生態(tài)環(huán)境部）發(fā)布的《環(huán)境保護(hù)綜合名錄（2017 版）》為參考，以產(chǎn)品的輿論熱點(diǎn)程度作為篩選依據(jù)，共確定8 個(gè)行業(yè)的33 種輕工業(yè)產(chǎn)品作為研究對(duì)象（以下簡(jiǎn)稱“樣本”），產(chǎn)品所屬行業(yè)類別如下：酒精制造、初級(jí)形態(tài)塑料及合成樹脂制造、其他電池制造、化妝品制造、化學(xué)農(nóng)藥制造、食品添加劑制造、化學(xué)藥品原料藥制造、染料制造。其中，酒精制造、其他電池制造、化學(xué)農(nóng)藥制造、化學(xué)藥品原料藥制造和染料制造包含在“雙高”（即高風(fēng)險(xiǎn)、高污染）名錄；化妝品制造、食品添加劑制造、初級(jí)形態(tài)塑料及合成樹脂制造等行業(yè)的產(chǎn)品屬于輿論熱點(diǎn)產(chǎn)品。為增強(qiáng)語(yǔ)料可靠性，避免廣告和不具有實(shí)際內(nèi)容的輿情，測(cè)試語(yǔ)料的主要來(lái)源于知乎網(wǎng)站中相關(guān)產(chǎn)品問(wèn)題下點(diǎn)贊數(shù)最多的評(píng)論，共計(jì)25 645 條（含無(wú)用語(yǔ)料），如表4 所示。檢索時(shí)間為2021 年1 月月底。

表4 樣本輕工業(yè)類“雙高”產(chǎn)品類目與相關(guān)輿情數(shù)量單位：條

表4（續(xù)）

4.2 產(chǎn)品環(huán)境形象分布特征

將不同特性的語(yǔ)料進(jìn)行歸類，健康風(fēng)險(xiǎn)所包括的語(yǔ)料細(xì)分類為：“急性毒性”“慢性毒性”“上癮”“過(guò)敏”“致癌致畸”“有效性”；環(huán)境污染包括的語(yǔ)料細(xì)分類有：“大氣污染”“固廢污染”“水污染”“土壤污染”；環(huán)境風(fēng)險(xiǎn)的語(yǔ)料細(xì)分類有：“揮發(fā)”“回收”“降解”“易燃易爆”“生物有害性”。具體如圖4 所示。

圖4 樣本輕工業(yè)類產(chǎn)品環(huán)境形象分布特征

（1）從產(chǎn)品來(lái)看，相較于其他行業(yè)，化學(xué)藥品原料藥制造行業(yè)和化妝品制造業(yè)具有較高的輿情環(huán)境健康風(fēng)險(xiǎn)（見(jiàn)圖5）。藥品制造行業(yè)所選定的5種產(chǎn)品中，健康風(fēng)險(xiǎn)和環(huán)境風(fēng)險(xiǎn)占比最高的是咖啡因，主要影響特征是上癮和生物有害性?；瘖y品制造業(yè)所選定的7 種產(chǎn)品中，健康風(fēng)險(xiǎn)占比最高的是凡士林，主要影響特征是過(guò)敏；環(huán)境風(fēng)險(xiǎn)占比最高的是角鯊烯，主要影響特征是生物有害性。

圖5 樣本輕工業(yè)類產(chǎn)品環(huán)境健康風(fēng)險(xiǎn)分布

（2）從行業(yè)來(lái)看，環(huán)境風(fēng)險(xiǎn)最高的3 個(gè)行業(yè)包括化妝品制造、化學(xué)藥品原料藥制造、初級(jí)形態(tài)塑料及合成樹脂制造；健康風(fēng)險(xiǎn)最高的3 個(gè)行業(yè)包括化妝品制造、化學(xué)藥品原料藥制造、染料制造；環(huán)境污染最高的3 個(gè)行業(yè)包括化學(xué)藥品原料藥制造、染料制造、化學(xué)農(nóng)藥制造。

（3）從特性關(guān)注程度來(lái)看，公眾較為關(guān)注的產(chǎn)品環(huán)境健康風(fēng)險(xiǎn)為有效性、生物有害性和致畸，與這3 種特性相對(duì)應(yīng)的輿情熱度最高的產(chǎn)品分別為煙酰胺、凡士林、水楊酸；咖啡因、煙酰胺、毒死蜱；氯霉素、咖啡因、水楊酸。

4.3 環(huán)境情感極性

利用環(huán)境情感模型運(yùn)行33 種產(chǎn)品的輿情語(yǔ)料，結(jié)果如圖6 所示。其中，正向占比、中性占比、負(fù)向占比代表包含正面、中性、負(fù)向情感極性的輿情語(yǔ)料數(shù)量與產(chǎn)品總體輿情數(shù)量的比值。整體來(lái)看，產(chǎn)品輿情以正向情緒占主導(dǎo)，中性和負(fù)面情緒占比較低。正向輿情占比較高的產(chǎn)品多為電池類，包括鋰電池、鉻鎳電池和環(huán)丙沙星；中性情感占比較高的產(chǎn)品多為食品添加劑，包括乳酸鏈球菌素、山梨酸和凡士林；負(fù)向輿情占比較高的產(chǎn)品多為藥品類，包括84 消毒液、咖啡因和凡士林。產(chǎn)品情感傾向受到輿情數(shù)量影響，輿情數(shù)量較少的產(chǎn)品正向和中性情感比例較高，輿情數(shù)量較多的產(chǎn)品負(fù)向情緒比例較高。

圖6 樣本輕工業(yè)類產(chǎn)品情感傾向分布

4.4 影響因素分析

（1）產(chǎn)品受眾。樣本產(chǎn)品的輿情傾向以正向情緒為主導(dǎo)，但受眾較廣的產(chǎn)品具有更高的討論熱度，更高的熱度能產(chǎn)生更多元化的輿情。如化妝品、藥品等屬于消費(fèi)者群體廣泛的產(chǎn)品，相關(guān)輿情數(shù)目龐大，由于消費(fèi)者個(gè)體體質(zhì)等因素的差異性，這3 類情緒傾向占比會(huì)趨于均衡；而農(nóng)藥、電池、添加劑等屬于受眾相對(duì)較少的產(chǎn)品，相關(guān)輿情以業(yè)內(nèi)人士評(píng)論或環(huán)境事故新聞為主，因而多為極端正向或負(fù)向情緒，情感傾向占比更趨于極端化。

（2）主流產(chǎn)品的影響。某一類中具有代表性產(chǎn)品的輿情形象通常會(huì)左右公眾對(duì)于整個(gè)產(chǎn)業(yè)的認(rèn)知，主流產(chǎn)品的品質(zhì)會(huì)影響公眾對(duì)這個(gè)行業(yè)的信任程度。如2008 年的中國(guó)奶制品污染事件，使得國(guó)產(chǎn)奶粉環(huán)境健康形象受到損害，造成公眾對(duì)國(guó)產(chǎn)奶粉的恐慌及抵制，轉(zhuǎn)而消費(fèi)國(guó)外奶粉，造成國(guó)內(nèi)奶粉商的巨額虧損。

（3）媒體宣傳。在信息化時(shí)代，產(chǎn)品的網(wǎng)絡(luò)評(píng)論會(huì)形成產(chǎn)品的輿情形象，如果受到媒體的刻意宣傳引導(dǎo)，一方面會(huì)引發(fā)公眾對(duì)某類產(chǎn)品的積極消費(fèi)或是抵制，另一方面會(huì)使這類產(chǎn)品的消費(fèi)者產(chǎn)生更多主觀評(píng)價(jià)，大量帶有環(huán)境健康影響信息的網(wǎng)絡(luò)評(píng)論會(huì)逐漸形成產(chǎn)品新的環(huán)境健康輿情形象。

5 結(jié)論

（1）產(chǎn)品的環(huán)境情感形象與產(chǎn)品關(guān)注熱度相關(guān)，相關(guān)產(chǎn)品關(guān)注度高，所產(chǎn)生的輿情較為多元化，其輿情環(huán)境形象整體趨于中性，如化妝品制造和化學(xué)藥品原料藥制造等行業(yè)的產(chǎn)品；關(guān)注度較低的產(chǎn)品輿情較少，輿情情緒占比更趨于極端正面或負(fù)面。

（2）在眾多特性中，公眾較為關(guān)注的環(huán)境健康風(fēng)險(xiǎn)包括產(chǎn)品的有效性、致畸性和生物有害性；環(huán)境風(fēng)險(xiǎn)感受較高的產(chǎn)品有咖啡因、氯霉素、煙酰胺和毒死蜱。

（3）產(chǎn)品環(huán)境形象的維度劃分、訓(xùn)練語(yǔ)料的人工標(biāo)注和分類模型的選擇是影響結(jié)果的重要因素。