情感視域下生成式人工智能的輿情分析應用研究

【摘" "要】生成式人工智能作為一種創新性強、應用廣泛的人工智能技術，能推動網絡輿情治理精準化、自動化、智能化，已在全球范圍內引起廣泛關注。為解決如何利用生成式人工智能對輿情進行情感分析的問題，本文以生成式人工智能“文心一言”為例，利用人工智能的深度學習和自然語言處理技術，從文本情感分析、情感極性分析、情感強度分析、語義理解及情感傾向性分析四個方面進行研究，為輿情的自動審核提供有效依據。

【關鍵詞】生成式人工智能；情感；輿情分析；文心一言

【基金項目】安慶師范大學傳媒學院研究生“青苗計劃”學術創新項目（編號：CMQM2024D01）。

隨著科技的飛速發展，生成式人工智能（Generative AI）逐漸成為社會各界高度關注的領域，但大部分研究者將目光聚集在著作版權[1]、短視頻內容生成[2]、教育應用[3]等方面，缺乏對生成式人工智能情感分析方面的研究。同時，隨著心理學和情感計算技術的發展，人們開始意識到情感在決策和判斷中的重要性。而生成式人工智能可以通過深度學習和自然語言處理技術，實現對文本情感的精準把握，其在輿情的情感分析中的重要性不言而喻。

網絡輿情是依托互聯網，社會大眾以自身為參與者，在網絡空間進行傳播與互動，并表達自己的觀點與情緒。[4]這不僅是公眾對于某一事件、現象或問題的觀點和態度的集中體現，更是社會情緒、價值觀念和利益訴求的集中表達。近年來由于信息傳播的速度加快，我國輿情面臨著諸多挑戰。[5]一是網絡信息的爆炸式增長使得輿情監控和分析工作愈發困難，傳統的人工手段難以勝任；二是我國輿情中情感的復雜性也使得輿情分析工作者在處理過程中耗費大量精力。然而生成式人工智能通過對大量文本數據的學習，可以自動提取特征、識別情感傾向，并生成具有情感色彩的文本，能夠大大減輕輿情分析工作者的壓力。

情感分析（Sentiment Analysis）又稱為觀點挖掘，其主要任務是以文本為基礎，運用語言學、文本分析等方法對有情感色彩的句子進行處理、分析、推理和歸納，常用于分析各種社交媒體和博客文章的評論意見和情感判斷，[6]通常將情感分為“積極、中性、消極”三類。但隨著互聯網信息化的快速發展，被分析的材料體現出情感信息復雜、數據信息量大等特點。[7]為此，需要一個更加科學智能的手段來有效地對材料進行情感分析。

因此，將人工智能技術引入輿情監測與分析領域，成為了一種必然趨勢。為解決如何利用生成式人工智能對輿情進行情感分析的問題，本文以生成式人工智能“文心一言”為例，利用人工智能的深度學習和自然語言處理技術，從文本情感分析、情感極性分析、情感強度分析、語義理解及情感傾向性分析四個方面進行研究，為輿情的自動審核提供有效依據。同時，利用生成式人工智能對輿情進行情感分析，不僅可以在短時間內對大量文本進行情感分類，還能為政府和企事業單位提供及時、準確的輿情監測報告，提高輿情預警能力，而且生成式人工智能具備自主學習的能力和較高的可擴展性，能夠不斷優化分析模型，適應不同場景和需求。

一、相關概念

（一）文本情感分析

文本情感分析又稱作意見挖掘、傾向性分析等，是指通過自然語言處理技術，對文本中的情感信息進行提取和分類。其理論依據主要來源于情感心理學、社會學和認知語言學等領域。情感心理學認為，情感是一種特殊的主觀心理狀態，[8]是人們在面對事物時產生的主觀體驗，表現為愉悅、喜悅、焦慮、憤怒等多種情感維度。在此基礎上，文本情感分析旨在揭示文本中所蘊含的情感傾向，從而為輿情分析提供依據。[9]故作為一種新興技術，“文心一言”采用詞袋模型、情感詞典等方法，結合深度學習算法，實現對文本情感的準確識別，不僅可以監測話語背后的社會心理、動機、情感訴求等因素，還可以探究輿情傳播中各傳播節點之間的社會網絡關系，實現對大眾的情感心理和社會關系的多維度監測，具有極其重要的實用價值。

（二）情感極性分析

新聞情感極性分析，即對新聞文本中的情感色彩進行判斷，主要包括積極、消極和中性三種類型。情感哲學認為，情感可分為積極情感和消極情感，二者相互對立、相互聯系。情感極性分析旨在判斷文本所表達的情感是積極的還是消極的，從而為輿情分析提供依據。與此同時，情感極性分析具有不可替代的作用，首先，通過對文本情感極性的判斷，可以揭示輿情事件中的態度傾向，為相關部門提供應對建議；其次，情感極性分析有助于識別網絡暴力和輿論引導，從而維護社會和諧穩定；最后，情感極性分析可以為企業提供消費者評價，為其產品改進和市場營銷提供參考。[10]“文心一言”作為百度公司研發的一款人工智能產品，其通過對文本進行情感分類，結合極性詞典和深度學習模型，實現情感極性的準確判斷，有效地區分正面、負面和中性情感，在新聞情感分析領域具有顯著優勢。

（三）情感強度分析

強度分析是指對文本情感的強度進行評估，其理論依據來源于情感心理學、語義學和計算語言學等領域。情感心理學認為，情感強度是情感的一個重要維度，反映了情感的強烈程度，對此有不少學者對其進行了研究。張雪英等[11]通過細致的實驗獲得情感強度的數據集，并對該數據集進行分析，證明了情感強度的合理性，對改善人機關系具有重要意義；張財等[12]通過分析外匯新聞中的影響情感強度的特征詞，提出了一種通過整合情感詞權重來計算情感傾向的方法，實現了權重優化組合下外匯新聞情感強度的計算。

（四）語義理解與情感傾向性分析

語義理解是指對文本的意義進行解析，它是輿情分析的一個重要環節，可以幫助我們更有效地提取和理解新聞報道中的關鍵信息。情感傾向性是指對文本情感的傾向進行判斷，是自然語言處理領域的重要研究方向，對于新聞分析具有重要意義。它能夠幫助我們更好地了解人們的情感需求，提高人機交互的效率和準確性。二者相互關聯，共同構成了語義情感分析的核心內容。江騰蛟等[13]將具有不同詞性、在句子中起不同成分作用的情感詞組成（評價對象、情感詞）對，使其情感傾向更為明顯；張仰森等人[14]建立了情感詞典和表情符號詞典，利用級聯方式計算了情感傾向的二級分類方法，并利用樸素貝葉斯設計三級分類方法來改進分類結果。這證明了語義理解與情感傾向性分析的有效性和實用性。

二、實證分析

基于前述的文本情感分析、情感極性分析、情感強度分析、語義理解及情感傾向性分析四個方面的理解，從而對利用“文心一言”進行輿情情感分析的結果進行探析。從文本情感分析出發，直觀地感受大眾當時的主觀心理狀態；從情感極性分析出發，準確識別大眾發表的評論中的積極、消極和中性情緒；從情感強度分析出發，對大眾的情感強度進行評估，從而有利于相關部門采取對應的措施；從語義理解及情感傾向性分析出發，能夠更好地了解大眾的情感需求，從而提高人機交互的效率和準確性。

（一）數據獲取與實驗過程

本文以2024年4月25日神舟十八號發射為例，選取抖音平臺“央視新聞”2024年4月25日和4月26日發布的5個短視頻的評論進行分析。首先，對數據進行初步分析與可視化處理，得到評論的高頻關鍵詞；其次，利用“文心一言”分析其文本的情感態度，對一些具有代表性的評論進行分析得出情感占比的高低；最后，通過比較分析得出研究結果。

（二）數據分析

通過提取抖音平臺大眾評論中的情感詞匯，從而判斷其情感傾向，進而得到大眾對神舟十八號成功發射的態度，分析可知大眾普遍呈現出積極和興奮的情感。評論中充滿了對神舟十八號航天員的敬意和祝福，他們被贊譽為祖國的驕傲和民族的英雄，如“圓滿成功，凱旋，點贊，英雄，加油”。

以“神舟十八號成功發射，這是我國航天事業的又一里程碑，令人驕傲和自豪！”為例，通過“文心一言”的分析，我們可以得知該評論表達了對神舟十八號成功發射的積極、正面的情感，情感極性為正面積極情感，情感強度較強，情感傾向性明確指向正面，認為神舟十八號的成功發射對我國的航天事業具有重大的意義和價值。對一些具有代表性的評論進行分析后可知，關于神舟十八號成功發射的積極情感的占比非常高，中性情感占比非常少，消極情感基本上沒有。但在利用“文心一言”對文本進行分析時，我們需要注意一些問題：一是情感分類的細致性，在面對復雜的文本時，公眾的情感態度可能存在細微的差別，因此需要進一步細化情感分類的粒度，在分析文本時將公眾的情感態度劃分為更多的類別，對不同的情感類別進行定義和解釋，以便更準確地了解公眾的情感分布。二是情感分析的準確性，情感分析是基于文本內容的，因此需要通過改進算法、優化模型等方式來確保分析的文本能夠準確反映公眾的情感態度。同時，情感分析算法也需要具備一定的準確性和可靠性，以避免誤判和誤導。

（三）結果與討論

隨著技術的飛速發展，生成式人工智能能夠準確識別文本中的情感傾向，為輿情監測、品牌管理等提供了有力支持。本文以“文心一言”為例，利用其深度學習和自然語言處理技術，從文本情感分析、情感極性分析、情感強度分析、語義理解及情感傾向性分析四個方面進行研究，為輿情的自動審核提供有效依據。具體而言，本研究發現“文心一言”在理解和分析文本中的情感方面表現出了較高的準確性，這為輿情分析提供了強大的技術支持，使我們能夠更準確地了解公眾對某一事件或話題的情感態度。然而，需要關注的是，研究也揭示了生成式人工智能在情感分析中的一些局限性。例如，對于某些復雜的情感表達或語境依賴較強的文本，生成式人工智能可能難以準確識別其情感傾向。此外，由于訓練數據的局限性，生成式人工智能可能無法完全適應某些特定領域或文化的情感表達方式。因此，在情感視域下生成式人工智能對輿情進行分析時，我們需要綜合考慮其優勢和局限性，并結合實際情況進行應用和優化。通過不斷改進和優化算法和模型，我們可以進一步提高生成式人工智能在情感分析和輿情監測中的準確性和可靠性。

三、結語

生成式人工智能以其獨特的優勢，在情感分析領域展現出強大的潛力和應用價值。本文將生成式人工智能與情感分析相結合，通過實證分析，驗證了其在輿情分析中的有效性和可靠性。這不僅拓展了生成式人工智能的應用領域，也為情感分析提供了新的思路和方法。對輿情進行情感分析，一方面有助于我們更好地理解公眾對某一事件或話題的情感態度，從而為企業、政府等機構的決策提供有力支持。另一方面，也為輿情監測和應對提供了新的工具和方法，有助于我們更準確地預測和應對可能出現的輿情危機。

然而，研究中也存在一些不足之處。例如，對于某些復雜的情感表達或語境依賴較強的文本，“文心一言”可能難以準確識別其情感傾向。此外，由于訓練數據的局限性，“文心一言”可能無法完全適應某些特定領域或文化的情感表達方式。因此，我們需要采取相應的措施，一是繼續優化算法和模型，提高生成式人工智能在情感分析中的準確性和可靠性；二是加強跨領域、跨文化的數據收集和標注工作，以擴大生成式人工智能的適用范圍；三是結合其他技術和方法，如情感詞典、語義角色標注等，進一步提高情感分析的準確性和深度。隨著技術的不斷優化和升級，我們相信，生成式人工智能將成為新聞輿情分析行業的一把利器，助力實現智能化、高效化的新聞輿情分析。

注釋：

[1]馬兆薇.人工智能“生成物”可版權性問題研究[D].西北民族大學，2022.

[2]于璇，莫琴.人工智能生成內容對構建主流輿論新格局的挑戰及其應對策略[J].賀州學院學報，2023， 39（02）.

[3]周洪宇，常順利.生成式人工智能嵌入高等教育的未來圖景、潛在風險及其治理[J].現代教育管理，2023（11）.

[4]崔雯娜，樊英鴿.新媒體背景下高校網絡輿情引導的困境及路徑研究[J].公關世界，2024（08）.

[5]崔骕，韓益亮，朱率率 等.基于情感主題建模的負面輿情早期預警研究[J].清華大學學報（自然科學版），2024，64（10）.

[6]黃禮東，胡慧君，陳佳逸，劉茂福.基于知識增強與多層注意力機制的方面級情感分析方法[J].武漢大學學報（理學版），2024（04）.

[7]吳江，黃茜，賀超城，徐雨舒，孫樸.基于引爆點理論的人工智能生成內容微博網絡輿情傳播與演化分析[J].現代情報，2023，43（07）.

[8]耿海天，陳煜嫻，韓雨.探究維果茨基的情感心理學哲學[J].牡丹江大學學報，2023，32（07）： 23-27.

[9]王沖，張雅君，王娟.社會大眾如何看待生成式人工智能在教育中的應用？——對B站ChatGPT話題彈幕文本的輿情主題與情感分析[J].圖書館論壇，2024，44（10）.

[10]鄭爾特，楊一辰，李贊，等.基于主題識別與情感分析的突發公共衛生事件新聞輿情研究[J].圖書情報導刊，2021（04）.

[11]張雪英，張婷，孫穎，張衛，暢江.情感語音數據庫優化及PAD情感模型量化標注[J].太原理工大學學報，2017，48（03）.

[12]張財，馬自強，閆博.基于機器學習的政務微博情感分析模型設計[J/OL].計算機工程，2024-4-24.

[13]江騰蛟，萬常選，劉德喜，劉喜平，廖國瓊.基于語義分析的評價對象-情感詞對抽取[J].計算機學報，2017，40（03）.

[14]張仰森，孫曠怡，杜翠蘭，王建，佟玲玲.一種級聯式微博情感分類器的構建方法[J].中文信息學報，2017，31（05）.

（作者：安慶師范大學傳媒學院2023級研究生，研究方向：人工智能與新聞傳播）

責編：周蕾