情感傾向分析下的突發事件網絡輿情預警分析

尉譯心

（山西警察學院，太原 030000）

現在人們可以通過網絡在第一時間獲取新聞信息，并且在互聯網平臺上進行交流互動，對各種社會問題來表達自身的態度與看法。可以說網絡輿情代表了廣大網民利用互聯網對社會事件的真實反映，同時一定程度上的社會輿論表現。但是基于互聯網自身特點，決定了網絡輿情傳播速度更快，影響范圍更廣，尤其是從情感傾向分析，情感態度對人們的引導性更強，其存在的危害程度也就更高，因此必須要提高對網絡輿情的重視，做好突發事件網絡輿情的預警，避免造成社會不良影響。

1 網絡輿情特點

1.1 網絡輿情概述

網絡平臺現在已經成為全新的輿情載體，而在網絡下發生的輿情即可稱之為網絡輿情，即在一定網絡空間內，公眾在互聯網上對某種社會現象所發表且對事件現象有一定影響力和傾向性的共同意見?？梢詫⒕W絡輿情簡單的看作為，特定時間內網絡環境中，公眾對某特定社會事件或現象提出的觀點、評論以及意見集合，其表現出了所有評論者的情感傾向，與傳統媒體相比，網絡輿情外延更為寬廣[1]。

1.2 網絡輿情特點

1.2.1 互動性

基于互聯網載體的特點，在其環境下發生的網絡輿情，具有更強的傳播性與互動性，用戶不僅可以針對現象來發表自身看法，還可以獲得其他用戶的觀點信息，對于觀點不一致的情況則會進行交互討論，進而能夠更大程度上來促使用戶的觀點意見得到體現。

1.2.2 自由性

所有用戶在面對網絡環境時，理論上來講均是完全自由的，不僅可以接收獲取各種信息，同時還可以成為信息的發布者，基于互聯網平臺來無障礙的發表意見與看法。

1.2.3 廣泛性

網絡輿情的廣泛性，主要是指網絡輿情信息載體形式的多樣性。并且用戶可以對多種社會現象以及事件來發表意見和相互討論，涉及到信息非常廣泛，囊括了社會方方面面，并且因為參與用戶數量基數重大，獲取的信息更為完善，同時影響也更廣泛。

1.2.4 隱匿性

基于網絡匿名特點，用戶在互聯網背景下可以暢所欲言，更是因為無需關心個人信息問題，更多言論觀點多貼近于實際想法，所釋放的情緒也更真實。但是也正是因為隱匿性，使得人們的顧慮減輕，無需顧慮過多，存在較多情感上的發泄，或者是為追求某種目的而發布虛假消息，引導公眾產生壞的輿論影響。

1.2.5 突發性

網絡信息傳播速度非?？?，且參與人數眾多，在短時間內就可以將關注度較高的社會事件推動成輿論熱點，同時集合了大量公眾意見與看法，迅速形成公共意見，影響輿情的發展。

2 突發事件網絡輿情分析

2.1 突發事件概述

突發事件即突然發生，存在可能造成或者造成嚴重社會危害，必須要及時采取應急處理措施的自然災害、事故災難、社會安全事件、公共衛生事件等，其根據對社會產生的危害程度以及影響范圍，可以將其劃分為特別重大、重大、較大和一般四個級別。突發事件均具有一個完整生命周期，依次經過潛伏期、萌動期、爆發期、成熟期以及衰退期五個階段。其具有較長的生命周期，且對社會影響大，涉及到較大范圍，且發展階段越多情況的演化越嚴重，對社會產生的影響也更嚴重。對突發事件特點進行分析，具有擴散性、爆發性、公共性、不確定性以及非常規性。事件可能發生于任何社會公共領域，以社會公眾群體為對象，發生后將會引起廣泛關注，對社會造成負面影響。更是因為突發事件的突發性，無論是采取任何措施應對，均會存在滯后性問題，管理部門需要承擔巨大壓力與困難，在最短時間內果斷將措施落實，積極調動各項社會資源，將損失控制在最小，以免引起社會恐慌。

2.2 突發事件網絡輿情關系

互聯網作為網絡輿情平臺，其具有信息量大、傳播速度快、互動性強以及涉及面廣等特點，可以為公眾提供信息。突發事件作為社會問題與社會矛盾集中體現，發生后公眾可以通過網絡平臺來就其發表評論和意見，并且不同用戶之間可以相互討論。通過頻繁的信息互動，使得突發事件與網絡輿情之間聯系密切。突發事件的形成、發展以及變化為網絡輿情形成、發展的前提，并且網絡輿情也會影響社會公眾對突發事件的看法與態度，對事件后續發展以及政府處理方式產生影響。同時，網絡輿情不斷傳播過程中，還會存在可能誘發新的社會問題，形成新的突發事件，嚴重的則會形成連環突發事件，導致政府在處理上需要面臨更大難度。

3 情感傾向下網絡輿情分析

3.1 文本情感傾向分析

3.1.1 詞匯情感傾向

一方面，基于情感詞典。以情感傾向性詞典作為依據，通過分詞等技術對待測詞匯與基準詞之間語義的相似度進行判斷，以此來確定其傾向性。例如WordNet基準詞詞匯，利用其它與待測詞匯相關信息對待測詞匯的情感傾向性進行判斷。另一方面，基于語料庫。即通過對語料庫手工標注，以語料庫作為依據，利用詞匯之間同現、搭配以及語義等關系，對詞匯情感傾向性進行判斷。例如SO-PMI方法，即通過待測詞匯與具有強烈正面傾向詞匯或者強烈反面傾向詞匯進行比較，計算確定待測詞匯與種子詞匯之間的互信息，以此來判斷詞匯的情感傾向性，作為了解網絡輿論的基礎[2]。

3.1.2 語句情感傾向

語句情感傾向性分析，即對話題內評論集中的語句情感傾向性進行分析，在對詞匯情感傾向性檢測結果基礎上，結合上下文以及特定語境情況分析。語句情感傾向性分析的對象為主客觀句子，完成主觀句子情感傾向性分析。一般將不具備情感表現的客觀部分刪除，然后從評論集中選取主觀部分，對其情感傾向進行分析。例如CRE句子情感傾向性分析方法，基于多重標記，結合主客觀性判斷、褒貶分類以及褒貶分級，使得語句情感傾向性分析結果可靠性與準確性更高。

3.1.3 篇章情感傾向

將某篇評論文本只有一個評論對象的情況作為研究內容，分析確定該文本情感傾向性，例如通過機器學習方法對篇章情感傾向性進行分析。設計Opinion Observer以網絡平臺上商品評論信息為對象，獲得市場反饋數據，保證網絡評估意見的客觀性，抽取主題對商品評論的傾向性進行深入分析，從眾多評論內的分析確定最終結果。

3.2 詞匯情感傾向

詞匯情感傾向值計算的依據為情感詞典，選擇具有代表性的k對基準詞，且每對基準詞內包括一個褒義詞一個貶義詞。以p表示褒義基準詞，q表示貶義基準詞，詞匯w情感傾向值為Orient（w）的計算公式為：

Orient（w）數值大小代表了詞匯w褒貶強烈程度，且Sim（key，w）表示詞匯w與基準詞之間語義相似度。

往往同一個詞匯在不同文本內代表不同義項，且每個義項同時有存在多個義原，將詞匯相似度計算轉變成義項相似度計算，并且又可以將義項相似度計算解析成若干義原相似度計算。則兩個義原間語義相似度定義為：

式中，Y1、Y2表示兩個義項；t1、t2表示為兩個義項的屬性個數；1/2t-i+1表示義項定義種不同位置的屬性權重值。由此便可得到兩個詞匯間語義相似度：

式中，W1、W2表示兩個詞匯，其中詞匯W1存在M個義項，即Y1，Y2，…YM；詞匯W1存在N個義項，即Z1，Z2，…ZN。

3.2.1 否定詞匯

部分情感詞匯添加了否定前綴，這樣就使得整個詞匯的情感傾向發生變化，對此類詞匯的傾向值進行計算：

式中，m表示添加否定前綴的情感詞匯；u表示否詞詞匯出現次數。

3.3 程度副詞

另外還存在部分詞匯添加有程度副詞修飾，也會對詞匯自身的情感傾向產生影響，則此類詞匯的傾向值計算：

式中，n表示添加程度副詞的情感詞匯；G（v）表示程度副詞v強度值。

經由上述分析可知，文本話題評論的情感傾向分析，可以通過ICTCLAS漢語分詞系統進行中文分詞與詞性標注，然后對文本評論內帶有情感傾向的詞匯進行查找，然后利用情感詞典對其情感傾向值進行記錄。同時，還需要判斷評論內是否存在否定詞或者程度副詞，然后對修飾后的詞匯情感傾向值進行計算。最終得到話題評論的情感傾向值：

式中，Opinion（di）表示話題評論di的情感強度；w表示話題評論內未被修飾的情感詞匯；m表示添加否定詞修飾的情感詞匯；n表示添加程度副詞修飾的情感詞匯。

3.4 語義模式情感傾向

對突發事件網絡輿論情感傾向進行分析，除了要對詞匯情感傾向值進行計算以外，還需要對其所處語義模式進行分析，才能夠更全面和真實的反映出評論情感傾向程度。進行分析時需要構建語義模式，完成權重計算，包括局部權重計算與全局權重計算。基于話題評論集中來提取語義模式，通過語義模式庫的搜索確定完成匹配，成功匹配后便可計算權重，匹配失敗則需要對語義模式庫進行填充并設置其權重。如果為單句評論，可計算其全部權重；段落評論則需要先計算局部權重，然后進行全局權重計算。對于不同長度的文本，所對應提取的語義模式差異較大，文本越長語義模式越多，情感傾向分析也就更準確，因此話題評論集全局權重為每條評論單句局部權重以及段落全局權重的和，以及其文本長度的商。權重計算完畢后，便可通過比較計算后的全局權重與設定閾值，確定其情感傾向程度。

4 情感傾向下突發事件網絡輿情預警

4.1 網絡輿情預警

網絡輿情的產生、形成與發展整個過程全部是以網絡為載體，涉及到的信息分散且融入到大量數據內，包括新聞網站、網絡社區等新興網絡媒體，含有與話題相關的大量潛在信息。想要確定突發事件網絡輿情是否具有威脅性，就需要進行信息采集、數據挖掘、輿情分析、威脅評估以及預警監測等環節，確保突發事件處理的有效性與及時性，將其造成的影響控制到最低[8]。

4.2 威脅估計方法

4.2.1 多屬性決策法

選擇此種方法進行突發事件網絡輿情威脅評估，需要構造據測方案集與屬性集，確定每個威脅目標為一個備選方案，然后將多個威脅目標組成決策方案集[9]。然后還需要構造決策矩陣，創建目標威脅估計模型。最后通過逼近理想排序法對每個方案來進行目標威脅程度排序。

4.2.2 模糊綜合評價法

選擇此種方法進行事件威脅評估時，應組合應用模糊數學與多屬性決策方法，以模糊數學對“模糊性”事物進行評價。即以模糊隸屬度理論作為依據，對定性指標進行定量化處理，具有較高的可信度。同時，還能夠解決評估指標單一的缺陷，實際操作更為簡單，且計算結果可靠性高。

5 結束語

基于網絡平臺突發事件發生后，公眾參與度更高，在發表評論與意見的同時伴隨著明顯的情感傾向，為避免突發事件對社會帶來不良影響，必須要基于情感傾向來對突發事件網絡輿情進行分析，確定其威脅程度，然后進行可靠預警，為提高政府管理工作的開展效率提供依據。