《基于互联网+大数据的舆情分析》课件-第5章

第5章基于社会热点事件的用户情感挖掘与倾向性分析5.1情感可视化5.2情感极性强度和类型统计5.3情感时序变化分析

5.1情感可视化

5.1.1情感可视化的方法与步骤

信息可视化技术能够将数据以直观的形式展示出来，以往的数据可视化主要针对数值型数据，通过曲线或直方图等形式来直观地刻画数据，而现如今的信息可视化技术更加关注抽象数据的可视化，可以将各种二维或三维的属性或数值进行图形描述，更加有利于信息的表示和传达。情感可视化建立在情感特征识别的基础上。

1.文本预处理和分词

首先，将文本中表情符号进行特殊标记，然后将无关的Html代码去除。其次，有转播的微博广播在据收集时会将被转播的内容收集为一条文本，广播与被转播文本之间会用“／／”符号进行分割，并且“／／”符号之后会接被转播的用户名和账号，所以本文根据此特征对有转播的广播与被转播对象进行分割，确保单条微博中的所有内容是单个用户所发布的。最后，对处理后的文本进行分词，

本文使用的分词工具为IK

Analyzer分词器，分词之前将已构建的情感词表加入到分词器的词表中，避免已有情感词被分割。

2.情感词提取

情感词的提取过程主要利用已构建的情感词表，在文本中对词表中含有的情感词进行查找并加入已定义的情感词编码标签。

3.统计情感词并定义词语之间的关系

对已标记的情感词进行统计，通过情感词列表和各情感词的词频可看出热点事件情境下用户情感表达所使用的词语，高频情感词通常是整个事件的主导情感，词频极高的情感词通常是某一或某几条关于事件的描述微博被其他用户粘贴到自己的博文中进行转发和评论。

4.情感词可视化

情感词可视化主要是对情感词之间的关系进行可视化，根据词语之间的共现关系权重，采用位置算法，将词语安排在图形中的特定位置，通过图形位置展示词语之间的关联。

5.1.2情感可视化的结果与发现

首先对情感词词频分布进行分析，设情感词Wi的词频为r，n为词频为r的情感词个数，图5-1和图5-2分别为“和颐酒店女生遇袭”“成都女司机被打”事件文本中情感词的词频分布情况。

图5-1有关“和颐酒店女生遇袭”事件微博文本中的情感词词频分布

图5-2有关“罗一笑”事件网络舆情文本中的情感词词频分布

图5-3和图5-4分别为“和颐酒店女生遇袭”事件、“罗一笑”事件中频次在200次以上的情感词的可视化效果。可视化图没有考虑否定词、句型和表情等特征，图形展示仅仅针对微博文本中的情感词。

图5-3“和颐酒店女生遇袭”事件中频次在200以上的高频情感词可视化图

图5-4“罗一笑”事件中频次在200以上的高频情感词可视化图

图5-5、图5-6分别为“和颐酒店女生遇袭”事件、

“罗一笑”事件中频数在5-50的低频情感词可视化图，由这些低频词可见用户自身情感表达用词更加随意，如“麻木不仁”“节操”“一本正经”“好不容易”“人人自危”等。

图5-5“和颐酒店女生遇袭”事件中频次在5-50的低频情感词可视化图

图5-6“罗一笑”事件中频次在5-50的低频情感词可视化图

5.2情感极性强度和类型统计

5.2.1情感极性强度统计

依据第3章对单条微博文本情感强度的计算规则，分别对“和颐酒店女生遇袭”事件中164907条微博文本、“成都女司机被打”事件中43586条微博文本和“罗一笑”事件中74025条微博文本进行情感值计算，以单条微博文本为单位对文本极性强度进行统计，得到“和颐酒店女生遇袭”事件正面微博（强度＞0）和负面微博（强度＜0）的比例，如图5-7所示。

图5-7“和颐酒店女生遇袭”事件微博极性统计

“罗一笑”事件正面微博（强度＞0）和负面微博（强度＜0）的比例如图5-8所示。在“罗一笑”事件相关微博中，正面微博数量最多，达4809条，占总数量的65％，甚至超过负面微博（17661条）和中性微博（8271条）总量的一倍。可见，虽然“罗一笑”事件对社会造成了较大的负面影响，但总体来说，网民对该事件的情感较为正面，态度较为积极。

图5-8“罗一笑”事件微博极性统计

依据极性强度可以将用户情感分为一般、中度、高度三个不同的程度，对于正面微博，强度0～10为一般，10～20为中度，20以上为高度；对于负面微博，强度－10～0为一般，－20～－10为中度，－20以下为高度。在“和颐酒店女生遇袭”事件、“罗一笑”事件中，各程

度正面微博和负面微博发布数量分别如图5-9和图5-10所示。可见，两个事件中“一般”程度微博数量占据极大比例，任一程度的积极情绪微博数量均多于消极情绪微博数量。

图5-9“和颐酒店女生遇袭”事件微博极性强度统计

图5-10“罗一笑”事件微博极性强度统计

5.2.2情感类型统计

依据第3章对情感词的极性和强度的标记，在“和颐酒店女生遇袭”事件中，对8439个情感词的极性强度进行了统计，得到正面情感词2990个，负面情感词3307个，中性情感词2142个。对“和颐酒店女生遇袭”事件微博文本中排名前30的情感词进行统计，结果如表5-1所示，这些高频情感词可以反映出整个事件中用户的主要情感以及对该事件的主要关注点，由“强奸”“安全”“犯罪”等高频词可以看出，用户在面对“和颐酒店女生遇袭”这一社会事件时表达最多的情绪是谴责。

事件所涉及的情感词数量繁多、分布杂乱，且有些词语呈中性，看不出具体的情感，也有很多词语表达了同种情感。所以本节按照第３章建立的情感分类体系对情感类型进行统计和整理，将匹配到的8439个情感词划分到相应的情感类别下，最终得到的各类型情感图5-11“和颐酒店女生遇袭”事件中二级情感类型所含情感词频次的统计结果如图5-11所示。

图5-11“和颐酒店女生遇袭”事件中二级情感类型所含情感词频次

将图5-11中的二级情感归类到一级情感类型下，得到的情感类型统计结果如图5-12所示，在“和颐酒店女生遇袭”事件中，主导情感为“恶”。通过分析微博文本内容可以发现，网络上充斥着对和颐酒店管理层疏于管理的谴责，对涉案男子暴力行为的憎恶，甚至还包括部分用户对围观群众不作为的批评。

图5-12“和颐酒店女生遇袭”事件中一级情感类型所含情感词频次

对“罗一笑”事件微博文本中排名前30的情感词进行统计，结果如表5-2所示，这些高频情感词可以反映出整个事件中用户的主要情感，并表现了线上用户对该事件的主要关注点，如“爱心”“善良”“帮助”等，可以看出用户在面对“罗一笑”这一社会事件时表达最多的情绪是关爱。

基于本节建立的情感分类词典对从74025条微博文本中提取到的6876个情感词进行分类统计，统计结果如图5-13所示，纵坐标为二级情感类型，横坐标为情感类型对应的情感词总频数。

图5-13“罗一笑”事件情感类型统计（基于21小类）

将小类情感合并汇总至大类情感下，得到的情感类型统计结果如图5-14所示，网民的分布主要集中于“好”和“恶”。通过分析微博文本内容可以发现，大部分网民对遭遇不幸的罗一笑表示支持、关心与帮助，另一方面，多数网民对罗一笑父亲罗尔的不耻行为极其厌恶并给以批判，也有部分网民对“罗一笑”事件表示悲哀和冷漠。

图5-14“罗一笑”事件中网民情感类型统计（基于7大类）

5.3情感时序变化分析

在“和颐酒店女生遇袭”事件中，以“小时”为单位对67393条正面微博和47085条负面微博的情感极性进行统计，得到正、负面微博发布数量随时间的变化情况，如图5-15所示。

图5-15“和颐酒店女生遇袭”事件中情感极性的时序变化

以上从宏观角度统计了“和颐酒店女生遇袭”事件相关微博的正负极性强度，能够体现出用户情感极性强度的总体水平，但难以从微观角度来描述用户情感极性强度的变化情况，因此本节进一步对单条微博文本的极性强度进行分析，以“小时”为单位统计用户平均微博极性强度随时间的变化情况，如图5-16所示。

结合图5-17所示的平均微博极性强度日时序变化，可以发现，4月10日用户发布的负面微博数量最多，社交网络中的用户情绪最低落，平均微博极性强度最低。经分析发现，4月10日和颐酒店经理受访视频爆发，其“三无评论”（即“一没死人、二没着火、三没强奸”）引起了网络上的轩然大波，一时间网络上充斥着对和颐酒店及该经理的谩骂、愤怒和谴责。

图5-16平均微博极性强度时时序变化

图5-17平均微博极性强度日时序变化

以“小时”为单位统计正、负面微博的平均情感极性强度，结果如图5-18所示。

图5-18正、负微博极性强度的时序变化

除了对正负面情绪的时间序列进行分析，也有必要对各类型情感