張 楊，廉吉慶，張 揚，高德毅

(1.上海理工大學(xué) 管理學(xué)院，上海 200093；2.上海出版印刷高等?？茖W(xué)校 印刷包裝工程系，上海 200093；3.上海市人大外事委，上海 200003)

0 引言

根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)第48次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》顯示，截至2021年6月，我國網(wǎng)民規(guī)模達10.11億。網(wǎng)絡(luò)已成為大眾生活不可缺少的一部分。全媒體時代，網(wǎng)民可以在各類社交平臺上通過發(fā)帖、評論、轉(zhuǎn)發(fā)、點贊等行為對社會事件、經(jīng)濟民生、企業(yè)聲譽、產(chǎn)品質(zhì)量、教育教學(xué)等話題表達觀點和態(tài)度。近年來，這些網(wǎng)絡(luò)輿情信息在數(shù)量上呈指數(shù)級增長，導(dǎo)致網(wǎng)絡(luò)輿情爆發(fā)頻次增加。

網(wǎng)絡(luò)輿情可以反映社情民意，處理不當會演化成輿情危機，給社會造成嚴重的負面影響，因此，如何正確處理網(wǎng)絡(luò)輿情成為學(xué)術(shù)界和社會共同關(guān)注的重要問題。網(wǎng)絡(luò)輿情信息中包含的大量網(wǎng)民情感信息是推動網(wǎng)絡(luò)輿情傳播和發(fā)酵的重要因素之一，以情感角度為切入點，研究網(wǎng)絡(luò)輿情的傳播特征和演化規(guī)律，有助于政府部門及時把控輿情導(dǎo)向，精準研判和處理輿情事件，對我國社會的進步和發(fā)展具有重要的現(xiàn)實意義。

目前，越來越多學(xué)者從情感角度出發(fā)，借助數(shù)據(jù)挖掘技術(shù)、深度學(xué)習、機器學(xué)習等方法，對網(wǎng)絡(luò)輿情進行深層次挖掘，探討輿情發(fā)展規(guī)律，研究網(wǎng)民心理行為特征。基于此，本研究通過收集國內(nèi)網(wǎng)絡(luò)輿情情感分析領(lǐng)域期刊題錄信息，以共詞分析法為手段，對該領(lǐng)域研究現(xiàn)狀進行梳理和總結(jié)，剖析該領(lǐng)域重要主題，為后續(xù)研究提供借鑒和參考。

1 相關(guān)理論

1.1 TF-IDF

TF-IDF是一種詞權(quán)重計算方法，用于評估某個詞語在文本中的重要程度，其主要思想為：一個詞在一篇文章中出現(xiàn)的頻率較高，同時在其他文章中出現(xiàn)的頻率較低，則認為該詞為重要關(guān)鍵詞，適合作為特征詞用于分類，常用的計算方法如下：

其中ni，j表示詞ti在dj中的出現(xiàn)次數(shù)表 示 所有詞在文檔dj出現(xiàn)的頻次之和，|D|表示所有文檔總數(shù)，|{j:ti∈dj}|表示包含詞ti的文檔總數(shù)。

1.2 共詞分析法

共詞分析法是一種常用的內(nèi)容分析方法，統(tǒng)計詞對在文本中兩兩共現(xiàn)情況，以此為基礎(chǔ)生成共詞矩陣，并通過聚類分析使共現(xiàn)頻率較高的詞對聚集在一起形成詞群，反映詞群所代表領(lǐng)域的研究熱點、研究范式，發(fā)展過程等[1-2]。一方面，關(guān)鍵詞詞頻呈冪律分布特征，這種特征有助于用高頻詞概括研究領(lǐng)域中的熱門知識點。另一方面，從詞語義角度來看，中、低頻次詞(如人名、地名、專有名詞等)能更多反映文本主題信息，但在實際應(yīng)用中往往被忽略[3]。共詞分析的結(jié)果受選擇的核心關(guān)鍵詞所影響，如何獲取更能體現(xiàn)熱點主題的關(guān)鍵詞是需要解決的問題。

2 研究設(shè)計

網(wǎng)絡(luò)輿情情感研究熱點分析思路示意圖如圖1所示，網(wǎng)絡(luò)輿情情感研究熱點分析步驟如下：

圖1 網(wǎng)絡(luò)輿情情感研究熱點分析思路示意圖

(1)通過Python提取論文摘要；

(2)以作者標引關(guān)鍵詞來建立關(guān)鍵詞詞典，以哈工大停用詞表為基礎(chǔ)，添加輿情通用泛化詞，組成停用詞詞典；

(3)通過TF-IDF提取關(guān)鍵詞；

(4)對關(guān)鍵詞進行規(guī)范化處理；

(5)借助SPSS軟件對數(shù)據(jù)進行共詞分析；

(6)得到層次聚類結(jié)果,反映網(wǎng)絡(luò)輿情情感研究熱點的細分類團，進而得到多維尺度分析結(jié)果，反映網(wǎng)絡(luò)輿情情感研究熱點的宏觀分類結(jié)果。

2.1 數(shù)據(jù)獲取

本文以CNKI期刊數(shù)據(jù)庫(SCI來源期刊、EI來源期刊、核心期刊、CSSCI來源期刊)為數(shù)據(jù)源，為保證檢全率和檢準率，將檢索條件分別設(shè)定為主題、篇名、關(guān)鍵詞、摘要，將檢索詞設(shè)定為“網(wǎng)絡(luò)輿情”與“情感”。文獻發(fā)表時間不做限制，檢索截止時間為2020年12月25日，檢索日期為2020年12月29日。為保證研究的可信度，去除會議、前言、動態(tài)、通知等學(xué)術(shù)性弱的文獻，去除與檢索名稱相同但內(nèi)涵不同的不相關(guān)文獻、重復(fù)刊載的文獻，最終得到有效結(jié)果369篇。

2.2 數(shù)據(jù)預(yù)處理

從詞源角度來看，共詞分析關(guān)鍵詞詞源包括：作者提供的關(guān)鍵詞、標題、摘要提取詞語、主題詞、人工標引代碼、正文內(nèi)容提取詞等。在進行關(guān)鍵詞篩選過程中，一些同樣能代表領(lǐng)域研究熱點的新詞或近義詞由于無法滿足入選要求而被過濾掉[4]。因此，如何選取合適的關(guān)鍵詞是有待進一步研究的難點。采用作者提供的關(guān)鍵詞，來源單一，存在“標引者效應(yīng)”，為解決這個問題，相關(guān)研究提出對文獻中的標題[5]、摘要[6]、文獻正文[7]提取關(guān)鍵詞，或?qū)θ咄瑫r提取關(guān)鍵詞。然而有研究分別對關(guān)鍵詞和標題提取詞進行共詞分析，發(fā)現(xiàn)其結(jié)果相似[2,8]。而從文獻正文自動標引取詞難度較大，在實際研究中較少采用。摘要是文獻內(nèi)容的凝練，通過分詞技術(shù)從摘要提取關(guān)鍵詞，既能避免標引主觀性，也能更接近作者學(xué)術(shù)思維[9]。因此，本文選擇以作者標引關(guān)鍵詞作為詞典，從摘要中提取關(guān)鍵詞作為詞源。關(guān)鍵詞規(guī)范化處理的具體步驟為：(1)清理泛化籠統(tǒng)數(shù)據(jù)；

(2)對同義詞、近義詞數(shù)據(jù)進行合并；

(3)歸并有上下位關(guān)系的關(guān)鍵詞。

部分規(guī)范化結(jié)果如表1所示。

表1 關(guān)鍵詞規(guī)范結(jié)果(部分)

2.3 共詞矩陣建立

高頻詞是概括研究領(lǐng)域中熱門知識點的基礎(chǔ)，但一些同樣能體現(xiàn)領(lǐng)域研究熱點的詞，由于詞頻較低而被忽略，影響研究結(jié)果。因此，本研究引入詞權(quán)重的計算方法，結(jié)合關(guān)鍵詞詞頻與TF-IDF，確定重要關(guān)鍵詞。然后，根據(jù)Donohue提出的高頻低頻詞分界定律其中T表示高頻詞數(shù)量，I1表示詞頻為1的詞的個數(shù))確定關(guān)鍵詞數(shù)量[10]。最終確定關(guān)鍵詞數(shù)量為69。將選定的關(guān)鍵詞構(gòu)建69×69共詞矩陣。建立相關(guān)矩陣并轉(zhuǎn)換為相異矩陣，如表2所示。

表2 相異矩陣(部分)

3 研究結(jié)果

3.1 聚類分析

將建立好的相異矩陣導(dǎo)入SPSS22.0系統(tǒng)中。通過系統(tǒng)聚類方法，聚類算法選擇“Ward法”，測量標準選擇“區(qū)間：卡方度量”，標準化方法選擇“Z分數(shù)”，得到共詞聚類結(jié)果如圖2所示。

根據(jù)圖2，將共詞聚類結(jié)果與關(guān)鍵詞語義關(guān)系相結(jié)合，將國內(nèi)輿情情感研究歸納為16個類團，分別為輿情主題情感分析、輿情節(jié)點情感分析、輿情情感文本處理、輿情載體情感分析、輿情情感強度、輿情情感傾向、輿情情感信息處理技術(shù)、輿情情感演化、情感分析在輿情監(jiān)測與治理的應(yīng)用、輿情主體情感分析、輿情情感極化、社會輿情情感分析、情感分析在輿情預(yù)警的應(yīng)用、高校輿情情感分析、情感分析在輿情危機的應(yīng)用、情感分析在輿情研判的應(yīng)用。從微觀角度看，部分類團之間存在語義相似或性質(zhì)相同的關(guān)鍵詞，原因在于不同研究目標使用的研究方法、設(shè)計的研究思路可能存在相似性。

圖2 層次聚類結(jié)果

從宏觀角度看，根據(jù)研究方法和研究思路的共性特征，可以將層次聚類結(jié)果的16個類團歸并為三類：基于內(nèi)容層面的輿情情感研究、基于技術(shù)層面的輿情情感研究、基于輿情傳播要素的輿情情感研究。

為驗證共詞聚類結(jié)果宏觀歸類有效性，將相異矩陣導(dǎo)入SPSS22.0系統(tǒng)中，通過多維尺度分析方法，度量模型選擇“Euclidean距離”作為度量標準，“卡方統(tǒng)計”作為度量標準，“Z得分”作為標準化方法，得到多維尺度分析結(jié)果，如圖3所示。

根據(jù)圖3可知，多維尺度分析結(jié)果將選取的高頻關(guān)鍵詞分為3個類團，分別代表網(wǎng)絡(luò)輿情情感分析領(lǐng)域的研究熱點方向。總體來說，從語義關(guān)系看，多維尺度分析結(jié)果與層次聚類宏觀歸并結(jié)果比較一致。

圖3 多維尺度分析結(jié)果

3.2 基于內(nèi)容層面的輿情情感研究

輿情信息內(nèi)容指網(wǎng)絡(luò)主體 (包括但不限于網(wǎng)民、機構(gòu)、組織等)在參與網(wǎng)絡(luò)輿情過程中，產(chǎn)生的評論性、觀點性信息，包括文字、圖片、表情符號等[11]，具有大量高價值隱藏情感信息。情感分析又稱意見挖掘，是對帶有情感色彩的網(wǎng)絡(luò)信息內(nèi)容進行分析以獲取主體觀點、態(tài)度、情感等的過程[12]，包括情感識別、情感分類、情感傾向性判斷、情感計算、情感演化分析等內(nèi)容[13]?；谏鲜龈拍?，可認為類團1(輿情主題情感分析)、類團5(輿情情感強度)、類團6(輿情情感傾向)、類團8(輿情情感演化)、類團11(輿情情感極化)是當前內(nèi)容層面的研究熱點，根據(jù)研究內(nèi)容是否考慮時間維度，可將研究分為兩類：信息靜止視角下的內(nèi)容分析和信息運動視角下的內(nèi)容分析。根據(jù)關(guān)鍵詞共現(xiàn)語義關(guān)系，結(jié)合所選的文獻進行梳理，展開如下分析。

信息靜止視角下的內(nèi)容分析指在不考慮時間序列維度的情況下，將某個時間段內(nèi)的輿情信息看作整體，進行內(nèi)容分析，可以讓我們了解網(wǎng)絡(luò)主體對輿情事件的態(tài)度、情緒，例如：贊同、反對、高興、悲傷、正面態(tài)度、負面態(tài)度等，包括類團1、類團5、類團6。

類團1和類團6是對輿情主題進行情感分析，一方面在識別熱門主題的基礎(chǔ)上分析網(wǎng)絡(luò)主體的情感傾向，如有文獻基于LDA主題模型分析論壇網(wǎng)民關(guān)注熱點方向，并結(jié)合情感分析技術(shù)，展現(xiàn)論壇輿情方向和網(wǎng)民態(tài)度[14]；有研究通過LDA-BiLSTM模型提取社交網(wǎng)絡(luò)平臺數(shù)據(jù)中的熱門主題，獲取其下回復(fù)文本的情感極性，分析潛在輿情[15]。另一方面在識別情感類別或情感傾向的基礎(chǔ)上，檢測某類情感話題，如有研究提出面向負面情感突發(fā)話題檢測算法，先識別文本信息主題詞的加速度和負面情感強度變化率，基于此提取目標文本，再進行負面話題主題結(jié)構(gòu)分析[16]。

類團5輿情情感強度是基于情感計算的研究，文本預(yù)處理、特征信息提取、情感強度特征定義或附值、情感強度計算是其研究基本范式。當前研究集中于輿情情感強度模型的建立、優(yōu)化及應(yīng)用上，包括構(gòu)建基于PAD的網(wǎng)絡(luò)輿情情感強度測度模型[17]，還包括基于語義角度定義輿情事件中的情感詞、短語、句子、篇章的情感強度，對輿情中多對象進行情感計算，得出輿情情感強度值[18]。

信息運動視角下的內(nèi)容分析是在研究靜止信息的基礎(chǔ)上，引入時間序列維度，對某個時間段內(nèi)輿情動態(tài)變化特征和傳播規(guī)律進行研究，進一步分析、預(yù)測輿情情感隨時間的演化規(guī)律。類團8(輿情情感演化)和類團11(輿情情感極化)便是基于信息運動視角下的研究。

一方面對提取的輿情信息內(nèi)容進行情感傾向和情感演化分析，如有文獻構(gòu)建基于LDA-ARMA的混合模型，分析網(wǎng)絡(luò)輿情情感演化趨勢[19]；有研究通過HHM模型構(gòu)建突發(fā)公共事件風險影響因素框架，分析網(wǎng)絡(luò)輿情風險演化機理和過程[20]；有作者構(gòu)建SIR演化博弈模型，分析網(wǎng)絡(luò)虛擬社群負面情緒傳染規(guī)律[21]。另一方面，對分析結(jié)果開展應(yīng)用，進行輿情趨勢預(yù)測。如有研究通過專家知識構(gòu)建輿情情感演化評估體系，并借助圖卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建評估模型[22]，實現(xiàn)基于排序?qū)W習的輿情演化趨勢預(yù)測方法[23]；有研究構(gòu)建基于ARIMA和LSTM的新冠肺炎網(wǎng)絡(luò)情感關(guān)注度趨勢預(yù)測模型，預(yù)測效果優(yōu)于全國數(shù)據(jù)擬合模型[24]。

總之，基于內(nèi)容層面的輿情情感研究主要以時間序列維度為基礎(chǔ)，進行輿情主題分析、情感演化特征分析、情感趨勢預(yù)測等，對節(jié)點關(guān)聯(lián)度、節(jié)點影響力、網(wǎng)民心理特征等因素考慮較少，而這些因素對提高研究的準確度有重要意義，未來可以從多維度、多方面對輿情內(nèi)容進行分析。

3.3 基于技術(shù)層面的輿情情感研究

輿情情感研究技術(shù)即情感分析技術(shù)，其研究對象是輿情信息內(nèi)容，研究目的是通過改進情感分析技術(shù)，提升對輿情信息內(nèi)容的情感識別和分析效果。類團3(輿情情感文本處理)、類團7(輿情情感信息處理技術(shù))可概括為此類內(nèi)容。詞共現(xiàn)語義關(guān)系呈現(xiàn)的情感分析技術(shù)有基于情感詞典的語義識別技術(shù)、傳統(tǒng)機器學(xué)習、深度學(xué)習，這也是情感分析的幾個主流技術(shù)方法。結(jié)合對選取文獻的梳理，展開如下分析。

基于情感詞典的語義識別技術(shù)依賴于情感詞典的構(gòu)建，通過依存句法分析、語義規(guī)則、語義相似度等方法進行情感分析，對該類技術(shù)的改進方向包括：優(yōu)化或擴充情感詞典、改進語義規(guī)則、改進語義特征提取方式等。如有研究通過擴充情感詞典提升微博輿情文本的情感分類效果[25]；有研究將情感詞典和語義規(guī)則結(jié)合，提升微博輿論文本細粒度情感分類的準確率[26]。有作者提出基于短語級情感分析的不良信息檢測方法，定制新的語法規(guī)則來提取敏感詞所在短語，結(jié)合二次分類的情感詞典，進而判斷內(nèi)容的情感傾向，有效提升檢測結(jié)果準確率。

基于傳統(tǒng)機器學(xué)習的情感分析方法依賴于大規(guī)模高質(zhì)量的訓(xùn)練數(shù)據(jù)集，通過建立標簽化情感數(shù)據(jù)訓(xùn)練集，訓(xùn)練一個情感分類器，再對目標測試內(nèi)容進行情感識別。主要包括支持向量機、LDA主題模型、樸素貝葉斯、協(xié)同過濾、隨機森林、最大熵、K-means等。對于該類方法的優(yōu)化，有研究改進SVM算法，提出基于SVM-WNB網(wǎng)絡(luò)輿情分類方法，提升網(wǎng)絡(luò)輿情情感分類能力和分類效率[27]；有研究改進傳統(tǒng)LDA主題模型，建立面向情感詞權(quán)重的LAD主題模型，對情感詞的重要度和分布度進行定義和加權(quán)，作為特征輸入LDA模型，并進行主題求解，提高了主題詞分布廣度和主題語義區(qū)分度[3]。

深度學(xué)習是多層網(wǎng)絡(luò)進行任務(wù)學(xué)習時嵌入人工神經(jīng)網(wǎng)絡(luò)的方法，隨著深度學(xué)習在圖像和語音處理方面取得重大進展，在情感分析領(lǐng)域也開始被廣泛應(yīng)用。深度學(xué)習在情感分析研究使用的模型主要有CNN、RNN、LSTM、BiLSTM、GRU和注意力機制等。對該類方法的優(yōu)化主要體現(xiàn)在模型構(gòu)建、模型訓(xùn)練效率和分類精度提升上，如有文獻將微博輿情信息情感劃分為高興、贊賞、驚訝、悲傷、厭惡、恐懼、憤怒7類，構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的微博輿情情感分類模型，提升微博輿情情感分類效果[28]；有文獻通過多卷積核改變微博評論上下文信息有限的條件制約，構(gòu)建基于字向量的多尺度卷積神經(jīng)網(wǎng)絡(luò)微博輿情內(nèi)容情感分類模型，得到較好分類結(jié)果[29]。

除了單獨使用某類技術(shù)進行情感分析外，越來越多的學(xué)者從混合方法角度，結(jié)合基于情感詞典的語義識別技術(shù)、傳統(tǒng)機器學(xué)習和深度學(xué)習方法，進行多方法混合研究，提升輿情情感分析效果，如有研究將領(lǐng)域詞典進行擴充，在融合情感貢獻度的情感極性計算方法中引入TF-IDF算法，分析網(wǎng)民情感表達狀況及關(guān)注焦點內(nèi)容，對評價指標值均有提高[30]；有研究將基于詞典和知識庫的OCC模型與樸素貝葉斯模型[31]、LSTM[32]等方法結(jié)合，提升輿情文本情感分類的準確率。

總之，語義分析依賴情感詞典工具，需要及時擴充不斷更新的網(wǎng)絡(luò)流行詞、自造詞、隱喻詞等來滿足需求；機器學(xué)習可借助訓(xùn)練集及時調(diào)整模型，但忽視上下文的語義關(guān)聯(lián)，因此精度低；深度學(xué)習既能分析上下文關(guān)系，又具有較強的特征學(xué)習能力，但訓(xùn)練時間長，可解釋性差。因此，基于技術(shù)層面的輿情情感研究發(fā)展方向主要有兩個，一是算法升級，提升單一算法的語義分析能力，提高分析結(jié)果的準確率；二是綜合運用多種情感分析技術(shù)，實現(xiàn)優(yōu)勢互補。

3.4 基于輿情傳播要素的輿情情感研究

網(wǎng)絡(luò)輿情傳播實際上是信息傳播過程，網(wǎng)絡(luò)輿情特征受輿情信息傳播要素影響，網(wǎng)絡(luò)信息傳播要素包括輿情主體(輿情事件參與者和推動者)、輿情客體(輿情事件本身)、輿情本體(用以描述網(wǎng)絡(luò)輿情事件)、輿情媒體(輿情主體參與平臺和信息傳播載體)、環(huán)境噪音[32-33]。 根據(jù)上述分類，結(jié)合拉斯韋爾“5W”信息傳播要素[34]和輿情研究的最終目的，本文將基于輿情傳播要素的情感研究分為四個方面：輿情主體研究、輿情客體研究、輿情媒體研究和輿情情感研究應(yīng)用。輿情主體研究包括類團2(輿情節(jié)點情感分析)、類團10(輿情主體情感分析)；輿情客體研究包括類團12(社會輿情情感分析)、類團14(高校輿情情感分析)；輿情媒體研究包括類團4(輿情載體情感分析)；輿情情感研究應(yīng)用包括類團9(情感分析在輿情監(jiān)測與治理的應(yīng)用)、類團13(情感分析在輿情預(yù)警的應(yīng)用)、類團15(情感分析在輿情危機的應(yīng)用)、類團16(情感分析在輿情研判的應(yīng)用)，根據(jù)詞共現(xiàn)語義關(guān)系，結(jié)合對選取文獻的梳理，展開如下分析。

輿情主體研究對象是網(wǎng)絡(luò)輿情的主要參與者和推動者，研究熱點內(nèi)容包括融合網(wǎng)民情感屬性的關(guān)鍵節(jié)點分析[35-36]；輿情主體心理特征分析[36-37]，如人格特點、參與動機、行為意愿、網(wǎng)民理性、心智狀態(tài)等；基于輿情主體心里特征的社會情緒分析[38]，如恐慌心理、集群情感、心理動力等；意見領(lǐng)袖情感分析等[39-41]。

輿情客體研究對象是輿情事件本身，在詞共現(xiàn)結(jié)果中，類團12和類團14為當前研究熱點，說明當前研究關(guān)注較多的輿情事件有社會輿情，如公民維權(quán)、社會公正、居民生活、公共管理、公共決策、經(jīng)濟民生等；高校輿情，如高等師范院校、職業(yè)院校、高校管理、留學(xué)生、研究生等。

輿情媒體研究對象是媒體的輿情信息內(nèi)容，研究單個媒體(如新浪微博)或多個媒體平臺組成的社交網(wǎng)絡(luò)輿情信息情感特征，如有研究對三種網(wǎng)絡(luò)類型平臺輿情類信息的情感表達特點進行對比分析[42]；有研究以微博輿情信息內(nèi)容為中心，闡釋人群、內(nèi)容、情緒3個社會屬性與意見領(lǐng)袖、事件、情感3個外化表現(xiàn)之間的內(nèi)部邏輯，以揭示微博輿情的多維度社會屬性[43]；有研究通過融合主題與情感特征的方法分析微博突發(fā)事件輿情演化規(guī)律，可以解釋輿情主題與情感特征的協(xié)同演化規(guī)律[44]。

輿情情感分析的目的是對輿情發(fā)生、發(fā)展規(guī)律進行探索總結(jié)，從而給輿情導(dǎo)控和治理提供參考。從全過程視角看，輿情導(dǎo)控和治理需要先發(fā)現(xiàn)后治理，包括類團9(輿情監(jiān)測)、類團13(輿情預(yù)警)、類團16(輿情研判)、類團15(危機處理)、類團9(輿情治理)等步驟，根據(jù)詞共現(xiàn)語義關(guān)系，這些內(nèi)容是當前研究的熱點內(nèi)容。如有文獻構(gòu)建基于LDA-BiLSTM模型的高校網(wǎng)絡(luò)輿情情感監(jiān)測模型，實時甄別高校網(wǎng)絡(luò)信息內(nèi)容，監(jiān)測潛在輿情[15]；有研究通過分析教育輿情研判的影響因素及對策，得出教育輿情研判應(yīng)將數(shù)據(jù)與經(jīng)驗結(jié)合，注重情感分析[45]；有研究將輿情信息傳播要素危機形態(tài)進行排序組合，在其關(guān)系節(jié)點建立輿情危機等級基數(shù)，建立輿情危機風險分型模型，提高輿情危機案例匹配速度和精準度[46]；有研究以網(wǎng)絡(luò)輿情危機動力要素為基礎(chǔ)，對輿情引導(dǎo)方法進行探討，如以輿情當事人回應(yīng)內(nèi)容[47]、群體心理規(guī)律[48]、負面輿情規(guī)律[49]、媒體輿情規(guī)律[50]等為切入點，提出相應(yīng)策略和模型。

總之，網(wǎng)絡(luò)輿情情感分析的最終目的是給輿情治理提供理論和技術(shù)支撐。輿情突發(fā)事件種類繁多，每類輿情事件有不同的傳播發(fā)展規(guī)律，目前研究多著眼于單一事件的分析，缺少對某類輿情事件傳播發(fā)展規(guī)律的整體分析和規(guī)律挖掘，研究結(jié)果不具普適性。以高校輿情為例，如果能對高校突發(fā)事件進行歸類整理，以高校輿情事件集合為對象，總結(jié)一類事件的傳播、發(fā)展特征，研究結(jié)果會更具普適性，更具現(xiàn)實應(yīng)用和指導(dǎo)價值。未來可以將輿情數(shù)據(jù)集作為研究對象，挖掘輿情事件類的整體特征。

4 結(jié)論

本文以CNKI數(shù)據(jù)庫(SCI來源期刊、EI來源期刊、核心期刊、CSSCI來源期刊)中網(wǎng)絡(luò)輿情情感分析為數(shù)據(jù)源，結(jié)合TF-IDF與共詞分析方法，對國內(nèi)網(wǎng)絡(luò)輿情情感分析研究熱點進行定量分析。為獲取熱點主題的關(guān)鍵詞，以文章摘要作為詞源，通過TF-IDF算法提取關(guān)鍵詞，通過共詞分析得到層次聚類結(jié)果和多維尺度分析結(jié)果，據(jù)此將國內(nèi)網(wǎng)絡(luò)輿情情感分析研究熱點歸并為3個宏觀類團，分別為基于內(nèi)容層面的輿情情感研究、基于技術(shù)層面的輿情情感研究、基于輿情傳播要素的輿情情感研究。

結(jié)合對相關(guān)文獻的梳理和比較，對當前網(wǎng)絡(luò)輿情情感分析研究熱點進行展望，主要觀點如下：

(1)網(wǎng)絡(luò)輿情情感分析呈多學(xué)科交叉發(fā)展的趨勢。網(wǎng)絡(luò)輿情在數(shù)據(jù)上具有自然科學(xué)屬性，其參與主體包括媒介、政府、網(wǎng)民等，具有社會科學(xué)屬性。研究路徑和研究方法涉及的學(xué)科包括情報學(xué)、管理學(xué)、社會學(xué)、傳播學(xué)、心理學(xué)、計算機科學(xué)、語言學(xué)等，越來越多的研究在構(gòu)建情感分析數(shù)理模型的同時，加入對輿情主體心理特征、行為習慣等因素的考量，為未來跨學(xué)科視角的輿情情感分析提供思路和實現(xiàn)路徑。

(2)網(wǎng)絡(luò)輿情情感分析在研究方法上呈定性與定量分析相結(jié)合的趨勢。信息相對靜止視角下的內(nèi)容分析主要運用語義分析和數(shù)理建模兩種主流方法，信息運動視角下的內(nèi)容分析主要從模型仿真和復(fù)雜網(wǎng)絡(luò)分析兩個主流維度展開，社會情緒分析是在輿情信息內(nèi)容分析的基礎(chǔ)上展開的，一方面借助語義分析和數(shù)理建模等方法；另一方面融入社會學(xué)、傳播學(xué)、心理學(xué)等社會科學(xué)研究理論和研究范式，研究內(nèi)容和結(jié)果包含對網(wǎng)絡(luò)受眾心理特征、行為特征、情緒特征等的深入探究，并對情緒觀點進行量化計算，增強研究結(jié)果的現(xiàn)實指導(dǎo)意義。

(3)網(wǎng)絡(luò)輿情傳播是信息傳播過程，輿情傳播要素之間共同作用形成網(wǎng)絡(luò)輿情整體特征和規(guī)律，現(xiàn)有研究既包含對單個輿情傳播要素的探索，也有對輿情傳播要素之間作用機制的關(guān)注，在輿情傳播要素中，傳播主體具有強社會屬性，已有研究開始關(guān)注傳播主體心理機制和輿情信息內(nèi)容之間的作用關(guān)系，對其進行更深入的社會屬性特征挖掘，為輿情情感研究提供新思路，更利于掌握網(wǎng)絡(luò)輿情傳播的內(nèi)在機理和規(guī)律。