6.7　网络舆情涨落中的文本情感分析研究

文本情感分析是近些年十分火热的研究课题，在舆情研究应用方面也备受关注，相关论文也较多（谭旭等，2020；牟冬梅等，2021），需要注意的是，无论是对舆情，还是对个人，其情感都是动态变化的。

情感认同度用于衡量受众对媒体发文的认同程度。其实现方法是利用情感计算方法，计算受众在阅读文章后的情感状态，通过统计受众的情感状态获知情感认同度。考虑到微博评论文本一般较短且包含表情符号，因此应有针对性地选用相关情感计算方法，例如文献（Jiang F，et al.，2015）中利用表情符号构建表情向量空间模型ESM，并将词映射至表情向量空间，并基于此实现情感计算。

关于文本情感的具体计算（即下文S（x）），可以通过百度AI开放平台提供的情感倾向分析功能（百度大脑AI开放平台，2021）来进行。对于每个给定的输入文本，该功能模块将输出4项值，分别为情感极性分类结果（0：负向，1：中性，2：正向）、分类置信度、正向情感概率和负向情感概率。例如，若输入“今天天气真好！”，输出则如下所示：

上述输出结果表明：“今天天气真好！”被判定为正向，正向的概率为0.998438，置信度为0.996529。

在此基础上，可以确立认同度的量化计算方法。首先定义文本情感计算函数为S（x），其中x表示待计算的文本，该函数结果为情感极性分类值，即0、1、2三者之一。另记某媒体发文为di（i=1，2……f1），第i篇发文的情感状态为si=S（di），f1为其发文量，第i篇发文对应的评论记为cij（j=1，2……mi），其情感状态记为sij=S（cij），mi表示第i篇发文的评论数。则该媒体的情感认同度可以定义为其中