基于宏观结构情绪理论的社会风险事件微博情绪分析
Macro-Structural Emotion Analysis of Social Risk Events in Weibo
查看参考文献28篇
|
文摘
|
近十年来,人们已习惯于在社交媒体平台上参与社会热点讨论.细粒度地分析人们对社会风险事件的情绪态度,将有助于有关部门及时发现热点问题并进行有效回应.文章引入了英国社会学家J.M.Barbalet关于影响社会结构和秩序、影响社会和谐的宏观结构情绪理论,同时结合了心理学人类情感分类和多种情感词典,并借助预训练词向量模型,拓展构建了宏观结构情绪词典.再以2019年4月"脆皮安全帽"事件为案例,识别了该事件下微博言论的主要情感类型,并基于点互信息(PMI)和2阶依存距离,抽取了与宏观结构情绪关联程度较高的实体和描述,获取了公众的主要观点和态度. |
|
其他语种文摘
|
It has been more than a decade since people got used to engaging in hot social discussions on social media platforms.Fine-grained sentiment analysis of public commons towards social risk events will be helpful for relevant departments to deal with hot issues in time and respond effectively.This paper introduces British sociologist J.M.Barbalet's theory of macrostructural emotion,which affects social structure,order and harmony.And then we construct a related macro-structured emotion lexicon using pre-trained word vector models,combining with psychological human emotion classifications and various emotion lexicons.By taking the "helmet incident" in April 2019 as a case,this paper identifies the main emotion types in Weibo comments under this event,and extracts entities and descriptions highly relevant with the macro structure emotions through point mutual information (PMI) and 2-order dependence distance,so as to obtain the main views and attitudes of the public. |
|
来源
|
系统科学与数学
,2022,42(10):2634-2646 【核心库】
|
|
DOI
|
10.12341/jssms22610KSS
|
|
关键词
|
宏观结构情绪理论
;
情绪分析
;
社会风险事件
;
新浪微博
|
|
地址
|
1.
中国科学院数学与系统科学研究院, 北京, 100190
2.
中国科学院大学, 北京, 100049
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-0577 |
|
学科
|
自动化技术、计算机技术 |
|
基金
|
国家自然科学基金项目
|
|
文献收藏号
|
CSCD:7356060
|
参考文献 共
28
共2页
|
|
1.
郑蕊.
民众社会风险认知的影响因素及作用机制.博士论文,2008
|
CSCD被引
3
次
|
|
|
|
|
2.
李毅海.
基于机器学习的微博话题情感倾向动态分析.硕士论文,2021
|
CSCD被引
1
次
|
|
|
|
|
3.
乐国安. 情绪的基本结构:争论、应用及其前瞻.
南开学报(哲学社会科学版),2013,2013(1):140-150
|
CSCD被引
12
次
|
|
|
|
|
4.
Gao R. Developing simplified Chinese psychological linguistic analysis dictionary for microblog.
Brain and Health Informatics. BHI 2013. Lecture Notes in Computer Science. 8211,2013:359-368
|
CSCD被引
1
次
|
|
|
|
|
5.
Zhao N. Evaluating the validity of simplified Chinese version of LIWC in detecting psychological expressions in short texts on social network services.
PLoS One,2016,11(6):1-15
|
CSCD被引
6
次
|
|
|
|
|
6.
Xu L. A novel emotion lexicon for Chinese emotional expression analysis on Weibo using grounded theory and semi-automatic methods.
IEEE Access,2021,9:92757-92768
|
CSCD被引
1
次
|
|
|
|
|
7.
崔安颀.
微博热点事件的公众情感分析研究.博士论文,2013
|
CSCD被引
2
次
|
|
|
|
|
8.
Dong Z.
How Net and the Computation of Meaning,2006
|
CSCD被引
2
次
|
|
|
|
|
9.
Ku L. Opinion extraction, summarization and tracking in news and blog corpora.
Proceedings of AAAI Spring Symposium: Computational Approaches to Analyzing Weblogs,2006:100107:1-100107:8
|
CSCD被引
1
次
|
|
|
|
|
10.
纪雪梅.
特定事件情境下中文微博用户情感挖掘与传播研究.博士论文,2014
|
CSCD被引
1
次
|
|
|
|
|
11.
徐琳宏. 情感词汇本体的构造.
情报学报,2008,27(2):180-185
|
CSCD被引
141
次
|
|
|
|
|
12.
刘建英.
基于情感词典的中文微博情感分析研究.硕士论文,2016
|
CSCD被引
1
次
|
|
|
|
|
13.
唐浩浩.
面向事件的微博情感倾向性分析技术研究.硕士论文,2014
|
CSCD被引
1
次
|
|
|
|
|
14.
宋袓康. 基于机器学习与情感词典的文本主题概括及情感分析.
软件导刊,2019,18(4):4-8
|
CSCD被引
1
次
|
|
|
|
|
15.
饶洋辉. 公众文本之情感词典研究进展.
中国科学:信息科学,2014,44(7):825-835
|
CSCD被引
4
次
|
|
|
|
|
16.
Peng H. A review of sentiment analysis research in Chinese language.
Cognitive Computation,2017,9(4):423-435
|
CSCD被引
9
次
|
|
|
|
|
17.
Baccianella S. Sentiwordnet 3.0: An enhanced lexical resource for sentiment analysis and opinion mining.
LREC,2010,10:2200-2204
|
CSCD被引
1
次
|
|
|
|
|
18.
Cambria E. SenticNet 4: A semantic resource for sentiment analysis based on conceptual pPrimitives.
COLING,2016:2666-2677
|
CSCD被引
1
次
|
|
|
|
|
19.
Xu H. Expanding Chinese sentiment dictionaries from large scale unlabeled corpus.
PACLIC,2010:301-310
|
CSCD被引
1
次
|
|
|
|
|
20.
Hui-Hsin W. Building a graded Chinese sentiment dictionary based on commonsense knowledge for sentiment analysis of song lyrics.
Journal of Information Science and Engineering,2013,29(4):647-662
|
CSCD被引
1
次
|
|
|
|
|
了解气象卫星更多信息，请访问