NLP-Based Sentiment Analysis of Wahaha's Patriotic Branding

一ACaseStudyofBilibiliBullet-Screen Texts

ZHANG Chuhua， LIANG Ling （NanfangCollege Guangzhou，Guangzhou Guangdong，51O97O，China）

Abstract：Therapid developmentof naturallanguage procesing technology hasprovided new methodological supportforsocial scienceresearch.Thisstudyfocusesonthefieldofsentimentanalysis，takingBilibilibuletcommentsastheeseachojet，andusingOctopuscollectorandROSTCM6toltoobtainreal-timeinteractiondataofuserstowardsWahahaenterprise.Byusing text miningtechologytoachievestructuredtransformationofunstructureddata，combinedwithmethodssuchaswordfrequencystatitics，emantic networkanalysis，andsentimentpolarityclasifcatio，thesystemnalyesusersentimentfedbackcharacteristics.Research hasfoundthattheconstructionoforporateimagepresentstree-dimensionalcharacteristicsofproductdesignntrepreneurialspiit， andbrandiage，andsocialmediapltformsformemotionalresonanceefectsthroughthecommunicationchainof \"enterpriseplat formconsumerbarage\".TheresearchresultsnotonlyverifytheapplicabilityofNLPtechnologyinthefieldofsocialsiences，but alsoprovideempiricalevidenceforthebrandcommunicationstrategyofthnicenterprisesinthenewmediaerarevealingtheimpor tantroleofdigitalspatialemotionalmobilizationmechanismintheconstructionofcorporatesocialvalue.Thisstudyhasopeedup newresearch pathsforthesocial scienceaplicationsof digitaltechnologythrough interdisciplinarymethods innovation.

Key Words： NaturalLanguageProcessng （NLP）；Sentimentanalysis； Wahah'sPatritic Branding； Bullet-screen texts；Socialmedia；Real-time interactive data

數(shù)字技術(shù)的進步推動了大語言模型建構(gòu)自然語言處理體系（NLP），情感分析作為其核心應(yīng)用，通過量化句子情感為行為與認知研究提供新方法。嘩哩嘩哩（B站）日均5000萬條彈幕中， 12.6% 涉及民族品牌議題，其彈幕評論文本表達形成了獨特的網(wǎng)絡(luò)情感生態(tài)。然而，情感分析領(lǐng)域的研究多聚焦于傳統(tǒng)文本，社交媒體新興文本利用率低，大眾對民族品牌的情感分析缺乏系統(tǒng)探討。因此，利用現(xiàn)代技術(shù)與社會熱點相結(jié)合進行研究，結(jié)合民族品牌的市場表現(xiàn)、消費者行為數(shù)據(jù)及社會熱點，進行跨領(lǐng)域的信息融合分析，可以揭示品牌與公眾情緒之間的復(fù)雜關(guān)系，為品牌策略提供更全面的決策支持。同時，構(gòu)建的情感詞典和分析模型具有廣泛的應(yīng)用價值，如品牌管理、市場研究、公共關(guān)系危機預(yù)警等。

通過分析大量相關(guān)文獻發(fā)現(xiàn)，國內(nèi)外在情感分析領(lǐng)域的研究已取得了顯著進展，但國內(nèi)外情感分析領(lǐng)域仍存在以下幾個方面的問題：第一，對社交媒體環(huán)境下高度復(fù)雜和主觀的情感缺乏深入的分析和理解。第二，詞典構(gòu)建方面，現(xiàn)有的情感詞典構(gòu)建方法主要集中在通用情感或特定領(lǐng)域的情感上，如何玲玲（2019）對醫(yī)療在線評論的情感分析，謝晉陽（2023）對體育賽事話語表達的探究。這些都進一步展示了情感話語分析的廣泛應(yīng)用，然而社交媒體語境下的情感表達具有碎片化、符號化等特征，現(xiàn)有詞典未能覆蓋此類場景2。因此，亟須構(gòu)建適配社交媒體語境的情感詞典。第三，在企業(yè)宣發(fā)方面，現(xiàn)有情感分析多停留于粗顆粒度情感極性識別，未能針對公眾話語解讀細顆粒度情感，因此難以在實踐上為企業(yè)的宣發(fā)提供建設(shè)性建議。

面對數(shù)字化進程加速，未來需突破單一領(lǐng)域限制，探索多領(lǐng)域的情感分析方法；技術(shù)迭代將推動NLP在輿情管理、品牌價值建構(gòu)等場景的應(yīng)用，實現(xiàn)學術(shù)研究與商業(yè)實踐的雙向賦能。

1 理論基礎(chǔ)

1.1 自然語言處理（NLP）

自然語言處理是人工智能的重要分支，融合了人工智能、計算機科學和語言學等領(lǐng)域，讓計算機理解、生成和處理人類語言。在自然語言處理發(fā)展的過程中產(chǎn)生了三類自然語言處理研究方法：基于規(guī)則的方法，自然語言處理的實現(xiàn)主要通過人工編寫規(guī)則來完成，這種方法無法全面地讓計算機理解和生成自然語言；基于機器學習的方法，主要是通過統(tǒng)計的方法實現(xiàn)自然語言處理任務(wù)，但是數(shù)據(jù)的收集需要耗費高額的成本且技術(shù)復(fù)雜；基于深度學習的處理方法，主要通過利用神經(jīng)網(wǎng)絡(luò)完成自然語言處理，其中預(yù)訓(xùn)練模型Transformer架構(gòu)和BERT、GPT等顯著提升了語義理解能力，推動NLP在多領(lǐng)域的商業(yè)化應(yīng)用[]。

1.2 情感分析

情感分析是自然語言處理的核心應(yīng)用，自然語言處理的發(fā)展為情感分析奠定了理論基礎(chǔ)。情感分析主要分為三個層次：第一，文檔（document）級別，即對整個文檔進行情感分類并進行二分化處理，即分為正、負兩類情感，如產(chǎn)品的整篇評價；第二，句子（sentence）級別，即對文檔中的每個句子進行情感分類，分為正、負和中性三類情感，如產(chǎn)品評價中的一句話；第三，實體（entity）級別，即識別出主題目標，將其分成幾個層面并挖掘出人們在多個維度對該實體的情感喜好[5]。

情感分析通過量化情感分值對文本數(shù)據(jù)進行分析，利用這種處理方法可以將情感分析數(shù)據(jù)應(yīng)用于很多方面。鐘佳娃（2021）認為情感分析領(lǐng)域的熱門主題主要集中于社交媒體、在線評論與商業(yè)投資。同時，隨著電子商務(wù)的發(fā)展，這項技術(shù)也成為企業(yè)研究消費者用戶需求的關(guān)鍵技術(shù)。例如，企業(yè)借此了解用戶對產(chǎn)品的態(tài)度或判斷線上評論中的情感言論

1.3 企業(yè)宣發(fā)

企業(yè)宣發(fā)即企業(yè)生成內(nèi)容，指企業(yè)在社交媒體發(fā)布的官方信息，包括顯意識內(nèi)容（如產(chǎn)品宣傳視頻）和潛意識內(nèi)容（如宣發(fā)視頻中的情感事件），前者促進理性購買意愿，后者增強情感依附。企業(yè)在社交媒體上宣發(fā)后，消費者產(chǎn)生的彈幕文本具體表現(xiàn)為顧客契合，即顧客在認知、情感和行為上對企業(yè)的表現(xiàn)水平。邵明星（2024）認為高契合顧客會與企業(yè)互動并產(chǎn)生消費行為，帶來直接利潤，同時表現(xiàn)出強烈的滿意，形成理性忠誠和情感依附，這對企業(yè)可持續(xù)發(fā)展至關(guān)重要。

1.4 情感詞典

詞典建構(gòu)主要有以下兩個途徑：第一，現(xiàn)成詞典。使用已有的情感詞典，如SentiWordNet、情感詞典BosonNLP、中文情感詞匯本體說明文檔等。這些詞典已經(jīng)包含大量標注好的情感詞匯和對應(yīng)的情感分值，可以直接使用這些詞典來進行情感分析，或者作為基礎(chǔ)進行擴展和調(diào)整。第二，自定義詞典。根據(jù)具體應(yīng)用領(lǐng)域構(gòu)建自定義詞典。例如，在分析愛國情感時，詞匯“愛國\"可能被標注為正向詞匯，而“賣國”則為負向詞匯，這有利于比較情感的強烈，但是其中的情感詞使用范圍比較有限。因此，將中文情感詞匯本體庫作為基礎(chǔ)詞典擴充特定領(lǐng)域的詞典，以便對一般的數(shù)據(jù)進行定性分析。此詞典將初始情感強度設(shè)置為1、3、5、7、9五個等級[1，對比其他詞典，它的情感強度劃分得更為細致。

2 研究設(shè)計與分析

2.1 研究問題、目的、對象與工具

研究問題：一是領(lǐng)域詞典構(gòu)建問題，即如何構(gòu)建適用于企業(yè)情感領(lǐng)域的詞典？二是公眾情感話語解讀問題，B站彈幕評論文本中用戶對娃哈哈品牌的情感表達具有哪些特征？其背后蘊含的社會文化因素，如民族認同、消費觀念與心理動因如何相互作用？三是企業(yè)宣發(fā)優(yōu)化問題，“企業(yè)一平臺—消費者一彈幕\"四要素構(gòu)成的社交媒體傳播鏈條中，如何利用情感分析優(yōu)化傳播鏈條四要素賦能企業(yè)發(fā)展？

研究目的：本研究旨在深入剖析B站平臺彈幕文本中公眾情感表達的深層次特征；通過解決以上研究問題，更全面地理解用戶在品牌宣發(fā)中的情感反應(yīng)模式，為品牌傳播策略的優(yōu)化提供實證依據(jù)，為企業(yè)宣發(fā)提供對策和建議。

數(shù)據(jù)收集與處理：通過八爪魚采集器獲取2023—2024年總計3002條彈幕數(shù)據(jù)，總字數(shù)超11萬字，并進行高頻詞分析。

匹配情感詞典：本研究針對現(xiàn)有情感詞庫在情感領(lǐng)域覆蓋不足的問題并基于中文情感詞匯本體庫人工篩選4070個基礎(chǔ)詞匯，結(jié)合企業(yè)特色補充447個涵蓋產(chǎn)品設(shè)計、企業(yè)家精神等維度的專屬詞匯，構(gòu)建了娃哈哈情感專屬詞庫。

2.2 高頻詞特征詞分析

高頻詞特征詞的分析包括提取分詞、過濾停用詞和分析詞頻。過濾停用詞可減少語句混亂，提高分析的精準度。詞頻可以生動地反映網(wǎng)民關(guān)注度和情感，高頻詞集中體現(xiàn)群眾對娃哈哈企業(yè)宣發(fā)的情感表達。本研究利用ROSTCM6中的詞頻分析功能進行提取，選取排名前50的高頻詞進行展示（見表1），并利用詞圖云進行可視化（見圖1）。由表1可見，娃哈哈以1205次頻數(shù)領(lǐng)先，彰顯品牌強大影響力。愛國、宗慶后分別位列第二、第三，體現(xiàn)觀眾對品牌文化、企業(yè)家精神的高度關(guān)注。民族、國家等詞頻復(fù)現(xiàn)，反映民族情感與國家認同。宗慶后被高頻提及，顯示人們對其個人形象的認可。

2.3 情感分析

彈幕情感分析旨在判定文本情感積極性和強烈程度，綜合所有評論判定整體態(tài)度（見表2和表3）。娃哈哈B站彈幕反映群眾對企業(yè)宣發(fā)的情感，包括積極評價如企業(yè)家精神、產(chǎn)品設(shè)計等，以及消極評價如民粹主義、產(chǎn)品銷售等問題。情感分析深入挖掘文字價值，探索群眾深層情感。

B站網(wǎng)民在發(fā)布彈幕時情感復(fù)雜多變，因此在進行情感分析前，需要對評論數(shù)據(jù)進行二分化處理，分界積極、中性和消極評論。ROSTCM6軟件能挖掘用戶情感傾向并進行系統(tǒng)打分.因此，本研究用ROSTCM6軟件中的情感分析功能對彈幕評論文本進行分類和統(tǒng)計并進行對比分析（見表4）。

由表2可知，在娃哈哈愛國情感表達中，產(chǎn)生積極情緒的用戶占比為 77.90% ，產(chǎn)生中性情緒和消極情緒的用戶占比分別為 0.53% 和 21.57% ，二者之和為 22.1% ，占比較大。結(jié)合表4具體分析，能夠發(fā)現(xiàn)群眾對娃哈哈的情感積極情緒較高，且積極情緒中的高度積極情緒占比較高，為 39.30% ，說明娃哈哈品牌在一定程度上獲得了消費者的喜愛，但消極情緒中的一般情緒和中度情緒之和為 13.54% ，說明娃哈哈在企業(yè)宣發(fā)過程中存在一定問題，仍有進步空間。

2.4社會語義網(wǎng)絡(luò)分析

為進一步分析娃哈哈彈幕文本中各要素之間的關(guān)系所呈現(xiàn)關(guān)鍵詞和主要話題，解讀不同概念的屬性和連接關(guān)系，基于高頻詞統(tǒng)計，建立了共現(xiàn)矩陣和社會語義網(wǎng)絡(luò)圖（見圖2）。

由圖2可以看出，以“娃哈哈”為中心的共現(xiàn)矩陣圖中二級關(guān)聯(lián)詞“企業(yè)\"“企業(yè)家\"“宗慶后\"“社會（企業(yè)家精神）\"“細節(jié)\"“飲料（產(chǎn)品設(shè)計）\"“愛國”“民族”“國家（品牌形象）\"為社會語義網(wǎng)絡(luò)圖中的重要節(jié)點，周圍其他節(jié)點基本是從這幾個節(jié)點發(fā)出或者指向這幾個節(jié)點。這說明娃哈哈彈幕文本中的情感基本圍繞這幾方面展開的，觀察到引發(fā)群眾情感的彈幕文本主要為：企業(yè)家精神、品牌形象、產(chǎn)品設(shè)計。

3結(jié)論

首先，數(shù)據(jù)集建立。本研究將愛國企業(yè)娃哈哈作為研究對象，利用社交媒體平臺數(shù)據(jù)爬蟲工具八爪魚采集器收集彈幕文本，并結(jié)合情感分析工具ROSTCM6、ROSTEA、哈工大停用詞表stopwords，將采集到的數(shù)據(jù)進行預(yù)處理，共采集了3000多條情感彈幕文本，字數(shù)總計超11萬。

其次，構(gòu)建了情感詞庫。采用中文情感詞匯本體庫作為基礎(chǔ)詞庫，人工篩選4070個基礎(chǔ)詞匯，結(jié)合企業(yè)特色補充447個涵蓋產(chǎn)品設(shè)計、企業(yè)家精神等維度的專屬詞匯，構(gòu)建了企業(yè)愛國情感專屬詞庫。

再次，本文利用ROSTCM6中過濾詞表、中文詞頻統(tǒng)計、情感計算和社會語義網(wǎng)絡(luò)等功能進行個案分析娃哈哈企業(yè)宣發(fā)過程，并通過細致劃分情感表達的分類特征，從高頻詞特征詞分析、情感分析和社會語義網(wǎng)絡(luò)分析三個層面，對公眾話語進行解讀。

最后，本研究基于娃哈哈彈幕文本情感分析，構(gòu)建\"企業(yè)—平臺—消費者—彈幕\"情感傳播鏈路并提出以下三點建設(shè)措施：

第一，企業(yè)賦能。企業(yè)應(yīng)在制定宣發(fā)策略時，提升社交媒體情感分析的作用以貼近消費者的情感期待。利用情感分析定位企業(yè)改進產(chǎn)品設(shè)計，并通過語義網(wǎng)絡(luò)分析識別輿情風險，提升危機響應(yīng)效率。第二，平臺優(yōu)化，雙維內(nèi)容升級?；诟哳l詞分析，一方面提升媒體豐富度，宣傳時具象化產(chǎn)品細節(jié)，增加話語的信息量和可信度2；另一方面進行內(nèi)容動態(tài)優(yōu)化，在視頻發(fā)布的不同時間，持續(xù)關(guān)注用戶反應(yīng)，滿足用戶訴求并回應(yīng)用戶疑慮。通過可視化信息縮短用戶心理距離，提升品牌可信度與情感共鳴。第三，顧客契合，雙向互動。通過提升企業(yè)生成內(nèi)容與顧客契合度以實現(xiàn)雙方關(guān)系的正向發(fā)展，有針對性地發(fā)布適合不同情景的宣發(fā)內(nèi)容。當推出新產(chǎn)品時，企業(yè)應(yīng)立足顯意識內(nèi)容，如產(chǎn)品設(shè)計、功能介紹和促銷信息，激發(fā)顧客購買意愿；在日?；訒r，則應(yīng)發(fā)布潛意識內(nèi)容，如品牌故事、慈善公益和社群互動，加深與消費者的情感聯(lián)系，形成情感互動。第四，彈幕生態(tài)構(gòu)建。通過關(guān)鍵詞引導(dǎo)，如“匠心”“國貨\"等，提升正向彈幕比例，利用B站圈層特性強化群體共識。當相互支持的情感不斷匯聚，情感得以升華，更進一步促進了企業(yè)的發(fā)展。

4結(jié)束語

本研究通過情感分析技術(shù)實現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)的結(jié)構(gòu)化轉(zhuǎn)換，對公眾愛國情感話語進行了系統(tǒng)解讀，為企業(yè)在社交媒體語境下的企業(yè)宣發(fā)策略提供了實證依據(jù)。未來可對國內(nèi)外社交媒體平臺數(shù)據(jù)進行對比分析，探究不同類型企業(yè)的情感分析，進一步挖掘企業(yè)宣發(fā)的影響機制，豐富NLP理論。

參考文獻

[1]劉亞瓊.彈幕空間青年愛國情感的激發(fā)與展現(xiàn)：基于B站“爆款\"短視頻及其彈幕的分析[J].中國青年社會科學，2024，43（4）：82-92.

[2]蔣翠清，郭軼博，劉堯.基于中文社交媒體文本的領(lǐng)域情感詞典構(gòu)建方法研究[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2019，3（2）：98-107.

[3]姜杰.社交媒體文本情感分析[D].南京：南京理工大學，2017.

[4]車萬翔，竇志成，馮巖松，等.大模型時代的自然語言處理：挑戰(zhàn)、機遇與發(fā)展[J].中國科學：信息科學，2023，53（9）：1645-1687.

[5]楊立公，朱儉，湯世平.文本情感分析綜述[J].計算機應(yīng)用，2013，33（6）：1574-1578，1607.

[6]鐘佳娃，劉巍，王思麗，等.文本情感分析方法及應(yīng)用綜述[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2021，5（6）：1-13.

[7]邵明星，田夢影，范靜.企業(yè)生成內(nèi)容與顧客契合：基于雙重編碼理論的實證研究[J/OL].軟科學，1-12[2025-02-20].http：//kns.cnki.net/kcms/detail/51.1268.G3.20241012.1004.010.html.

[8]EVANIAS，LISTIANAE，ROSNANI T，etal. Theeffectofinfluencer marketing and content marketing on customerengagement and purchase decisions on followers [J].Asianjournal of economics，business and accounting，2023，23（2）：12-20.

[9]王科，夏睿.情感詞典自動構(gòu)建方法綜述[J].自動化學報，2016，42（4） ：495-511.

[10]陳建美.中文情感詞匯本體的構(gòu)建及其應(yīng)用[D].大連：大連理工大學，2009.

[11]王飛飛.基于游客網(wǎng)絡(luò)評價的煙臺張裕葡萄酒旅游體驗研究[D].煙臺：魯東大學，2023.

[12]屈思淼.我國官方社交媒體國際傳播力影響因素研究[D]武漢：華中科技大學，2022.