基于情感強(qiáng)度計(jì)算的公共事件網(wǎng)絡(luò)輿情情感分析案例目錄TOC\o"1-3"\h\u38491構(gòu)建情感詞典 １157822情感強(qiáng)度計(jì)算 ２269683數(shù)據(jù)獲取方法和工具 ３71241案例選取 ３38602網(wǎng)絡(luò)爬蟲 ５212254數(shù)據(jù)處理 ６137234.1數(shù)據(jù)清洗 ６118094.2中文分詞 ６84904.3去除停用詞 ７140684.4基于TF-IDF算法的關(guān)鍵詞分析 ７232585暴力傷醫(yī)事件情感傾向 ８270166情感分析 ９1構(gòu)建情感詞典網(wǎng)民發(fā)布的內(nèi)容和評(píng)論通常代表了其對(duì)某個(gè)事情的觀點(diǎn)態(tài)度和情感，通過內(nèi)容和評(píng)論以情感詞進(jìn)行分類，對(duì)用戶進(jìn)行情感傾向分析。情感傾向分析以構(gòu)建一個(gè)全面的情感詞表為基礎(chǔ)，通過情感詞表，可以將樣本內(nèi)容與情感詞表中出現(xiàn)的情感詞進(jìn)行匹配，通過計(jì)算整個(gè)句子的情感值來計(jì)算樣本內(nèi)容的情感傾向?，F(xiàn)有的開源情感字典里，比較權(quán)威和常用的有HowNet（知網(wǎng)）、清華大學(xué)、臺(tái)灣大學(xué)、大連理工大學(xué)的字典。其中，知網(wǎng)的詞典是在2007年發(fā)布的，主要包含正面、負(fù)面情感詞以及程度級(jí)別詞語。比較發(fā)現(xiàn)知網(wǎng)詞典由于發(fā)布時(shí)間久遠(yuǎn)，隨著時(shí)代的發(fā)展部分詞極性劃分不準(zhǔn)，而且詞典數(shù)量較少。清華大學(xué)、臺(tái)灣大學(xué)、大連理工大學(xué)的字典，比較符合現(xiàn)在的網(wǎng)絡(luò)環(huán)境。其中大連理工大學(xué)字典，包含詞語、詞語極性、詞性種類、情感分類、詞語情感強(qiáng)度等方面，詞語總數(shù)達(dá)27466個(gè)，可以較好的適用于常見的評(píng)論分析語境。因此本文選取將大連理工大學(xué)、清華大學(xué)、臺(tái)灣大學(xué)的情感詞典合并使用，構(gòu)建一個(gè)基礎(chǔ)字典。然后，對(duì)爬取到的文本數(shù)據(jù)進(jìn)行詞頻分析，根據(jù)詞頻排序，人工篩選出重要情感詞，與基礎(chǔ)詞典合并去重，得到最終的適合于本次研究的情感字典。2情感強(qiáng)度計(jì)算對(duì)于微博文本情感的計(jì)算方式，首先將微博內(nèi)容劃分成單個(gè)句子，在句中查找是否含有情感詞。當(dāng)找到情感詞后，查看情感詞前后是否含有程度副詞、否定詞，同時(shí)要考慮程度副詞的程度等級(jí)，否定詞的個(gè)數(shù)，通過單個(gè)句子的情感極性計(jì)算最終得到微博文本的情感極性值。以句子在微博文本中的綜合極性權(quán)重為指標(biāo)判斷單個(gè)句子在文本中的作用。使用python語言，先對(duì)某個(gè)劃分為單個(gè)的句子用jieba分詞工具進(jìn)行分詞，定義微博文本T，有若干個(gè)句子Y組成，其中微博文本T={Y1,Y2,Y3,……,YP(YP(Y)=P(Y其中，Ywi為句子中情感詞Wi的情感值。如果P(Y)分值大于0,表示微博文本為積極情感；如果P(Y)例如：“今天我不健康，很糟糕。”其中“健康”是積極詞(value=1)，“不”是否定詞(value=-1)，“糟糕”是消極詞(value=-1)，"很"是程度副詞(2.5)。最終這句話的情感值是：-1*1+2.5*(-1)=-5組成微博文本的若干個(gè)句子可大致通過陳述句、反問句、疑問句、感嘆句和假設(shè)句五種句型表示，句型也對(duì)單個(gè)句子的情感值造成影響，比如同樣的一句話用陳述句和疑問句表達(dá)出的情感態(tài)度就大相徑庭。定義P1感嘆句：P1假設(shè)句：P1疑問句：P1反問句：P1通過P1(YiP1如果P1(Y)分值大于0,表示微博文本為積極情感；如果P13數(shù)據(jù)獲取方法和工具1案例選取互聯(lián)網(wǎng)具有高度自由和包容性，網(wǎng)民自主地在社交媒體平臺(tái)上通過文字、視頻、音頻等多種方式針對(duì)事件發(fā)表主觀言論和情感。在面對(duì)暴力傷醫(yī)時(shí)，由于其關(guān)乎群眾的生命安全，此類事件一旦通過網(wǎng)絡(luò)發(fā)布，經(jīng)過網(wǎng)民的大量跟帖、轉(zhuǎn)發(fā)，極易成為網(wǎng)絡(luò)熱點(diǎn)事件。為了研究公眾對(duì)于暴力傷醫(yī)網(wǎng)絡(luò)輿情的情感特點(diǎn)以及情感演化特征，并提出具有針對(duì)性的引導(dǎo)策略，本文選取了引起公眾廣泛討論的、具有代表意義的典型暴力傷醫(yī)進(jìn)行數(shù)據(jù)采集。由于新浪微博作為當(dāng)下發(fā)展最快的社交網(wǎng)絡(luò)平臺(tái)之一，大量的用戶每天在平臺(tái)上針對(duì)某個(gè)事件通過文字、圖片以及視頻等方式發(fā)表自己的看法，同時(shí)微博的轉(zhuǎn)發(fā)功能使得用戶情感可以在極短的時(shí)間內(nèi)得到跨群體、病毒式的傳播，并形成深刻而廣泛的影響力，因此，本文選擇新浪微博作為信源平臺(tái)，對(duì)“暴力傷醫(yī)——陶勇醫(yī)生被砍”這一暴力傷醫(yī)進(jìn)行研究。（1）案例選擇:2020年1月20日下午1時(shí)55分左右，朝陽醫(yī)院眼科發(fā)生暴力傷醫(yī)事件，共有三名醫(yī)護(hù)人員被砍傷，另有一位患者受傷，其中一名陶勇醫(yī)生受傷最為嚴(yán)重，其左手骨折、神經(jīng)肌肉血管斷裂、顱腦外傷、枕骨骨折，失血1500ml，兩周后才得以脫離生命危險(xiǎn)。事發(fā)現(xiàn)場(chǎng)視頻可以看到，在朝陽醫(yī)院內(nèi)門診樓內(nèi)，地上滿是血跡。多名保安和民警在現(xiàn)場(chǎng)維持秩序。據(jù)現(xiàn)場(chǎng)一名目擊者稱，當(dāng)時(shí)，在門診樓7層的眼科診室內(nèi)，眼科主任陶勇醫(yī)生正在接診，一名患者家屬持刀將工作中的陶勇醫(yī)生砍傷。陶勇醫(yī)生身中數(shù)刀，從診室跑出，該傷人者從7層追砍陶醫(yī)生到6層，后被保安制服。同時(shí)，眼科還有兩名醫(yī)護(hù)人員在拉架過程中被砍傷。現(xiàn)場(chǎng)還有一名母親帶孩子看病被誤傷。事發(fā)后，醫(yī)院保安和民警陸續(xù)趕到，將傷人者當(dāng)場(chǎng)控制，并將其送至派出所。據(jù)北京朝陽醫(yī)院的公開資料顯示，陶勇是眼科學(xué)博士，曾留學(xué)德國(guó)，畢業(yè)于北京大學(xué)醫(yī)學(xué)部，是朝陽醫(yī)院主任醫(yī)師、教授、博士生導(dǎo)師，現(xiàn)任北京朝陽醫(yī)院眼科副主任。他擅長(zhǎng)：葡萄膜炎、老視（老花眼）、白內(nèi)障、高度近視及各類眼底病的診治，發(fā)表90多篇SCI，不到四十歲已經(jīng)是博導(dǎo)，治療葡萄膜炎很厲害。該事件發(fā)生后立刻引起網(wǎng)友大量討論。截至2021年4月14日為止，相關(guān)熱門話題#陶勇#有14.5億閱讀量，78萬討論量；話題#陶勇醫(yī)生蘇醒#有2.2億閱讀量，4.5萬討論量；話題#陶勇醫(yī)生受傷后首次發(fā)聲#有2.4億閱讀量，10萬討論量；話題#同事接替陶勇醫(yī)生看病#有8.1億閱讀量，6.1萬討論量。相關(guān)話題閱讀量超百億，社會(huì)影響大，在暴力傷醫(yī)事件中同時(shí)具有代表性和時(shí)效性，因此選擇“陶勇醫(yī)生被砍事件”作為案例。近年來，醫(yī)患關(guān)系越來越緊張，醫(yī)患糾紛問題越來越受到社會(huì)各界的廣泛關(guān)注。暴力傷醫(yī)事件具有突發(fā)性和效仿性，因此頻發(fā)的小到醫(yī)鬧、大到暴力傷醫(yī)事件隨處可見，比如“2019年12月24日北京民航總醫(yī)院孫文斌傷醫(yī)致死”、“2020年1月20日朝陽醫(yī)院眼科暴力傷醫(yī)致重傷”等事件。每年傷醫(yī)事件層出不窮，人民群眾對(duì)暴力傷醫(yī)類型的事件的關(guān)注度也越來越高?！氨┝t(yī)——陶勇醫(yī)生被砍”事件作為2020年全網(wǎng)關(guān)注度較高的網(wǎng)絡(luò)熱點(diǎn)事件，其具有暴力傷醫(yī)輿情演化的普遍特征，同時(shí)也具有其獨(dú)特性，為本文的微博輿情特征分析提供了極高的研究?jī)r(jià)值。“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件回顧如下：①1月20日，北京朝陽醫(yī)院發(fā)生一起醫(yī)生被襲擊事件，多名醫(yī)生被砍傷，其中姓陶醫(yī)生受傷最為嚴(yán)重，后腦勺胳膊多處被砍傷。據(jù)目擊證稱陶醫(yī)生當(dāng)場(chǎng)倒地，已被送搶救，一名母親帶孩子看病被誤傷受傷醫(yī)生姓陶，還在搶救，行兇者被當(dāng)場(chǎng)控制。②1月21日，三名受傷醫(yī)護(hù)人員及一名受傷群眾正在醫(yī)院接受治療，暫無生命危險(xiǎn)。犯罪嫌疑人已被朝陽公安分局依法刑事拘留。在醫(yī)生受傷后，他的同事接替來醫(yī)治剩下的患者。????③1月25日，陶勇醫(yī)生蘇醒，口述一首詩(shī)，《心中的夢(mèng)》。（2）信源選擇:隨著信息時(shí)代的急速發(fā)展，微博成為當(dāng)下發(fā)展最快的社交平臺(tái)之一，其不僅能夠滿足用戶對(duì)于信息獲取的需求，更能滿足人們隨時(shí)隨地通過微博發(fā)布自己內(nèi)心的情緒和觀點(diǎn)的需要，因此廣受大眾的喜愛。根據(jù)新浪發(fā)布的《2020微博用戶發(fā)展報(bào)告》報(bào)告中顯示，截止到2020年9月，微博達(dá)到月活用戶5.11億,日活用戶2.24億，成為全球最具影響力的社交媒體之一。本文選取的“暴力傷醫(yī)——陶勇醫(yī)生被砍”事件最先也是在新浪微博上曝光，隨后在各大媒體網(wǎng)站以及微信朋友圈中被廣泛傳播最終引起全國(guó)范圍內(nèi)的熱議。各大官方媒體及政務(wù)微博對(duì)于事件發(fā)展的跟進(jìn)報(bào)道也都主要集中在新浪微博平臺(tái)之上，公眾對(duì)于事件所發(fā)表的觀點(diǎn)和情感態(tài)度大部分也是基于微博平臺(tái)之上，因此本文選取新浪微博平臺(tái)作為數(shù)據(jù)樣本獲取的來源。2網(wǎng)絡(luò)爬蟲隨著互聯(lián)網(wǎng)的飛速發(fā)展，海量信息的爆發(fā)式增長(zhǎng)以及網(wǎng)絡(luò)數(shù)據(jù)形式的復(fù)雜性與多樣性，都對(duì)數(shù)據(jù)獲取提出了巨大的挑戰(zhàn)，促使傳統(tǒng)的信息獲取方法急需轉(zhuǎn)型升級(jí)，以求能夠?qū)Ａ繑?shù)據(jù)進(jìn)行更加精確快速的獲取。由此，網(wǎng)絡(luò)爬蟲技術(shù)便在這一背景之下誕生。網(wǎng)絡(luò)爬蟲(WebCrawler)，又稱為網(wǎng)絡(luò)蜘蛛(WebSpider)或Web信息采集器，其作為現(xiàn)代搜索引擎的關(guān)鍵組成部分，集自動(dòng)化腳本與多網(wǎng)頁(yè)計(jì)算機(jī)程序于一體對(duì)URL進(jìn)行抓取任務(wù)。網(wǎng)絡(luò)爬蟲的數(shù)據(jù)獲取步驟大致是先將單一的或多個(gè)URL作為目標(biāo)種子集放入待抓取任務(wù)隊(duì)列之中，然后再?gòu)姆N子URL中開始進(jìn)行采集網(wǎng)頁(yè)信息的任務(wù)，在抓取過程中同時(shí)更新待抓取隊(duì)列，直到待抓取隊(duì)列為空或滿足初始設(shè)定條件時(shí)，網(wǎng)絡(luò)爬蟲任務(wù)停止[47]。普通的網(wǎng)絡(luò)爬蟲通常由頁(yè)面研究板塊、數(shù)據(jù)庫(kù)、采集模塊、研究板塊、URL隊(duì)列以及抓取任務(wù)六個(gè)部分所組成[48]。由于網(wǎng)絡(luò)信息的復(fù)雜性，對(duì)于爬蟲軟件的要求也在逐日提高，根據(jù)系統(tǒng)框架與相關(guān)技術(shù)，基本包括以下幾類：深層網(wǎng)絡(luò)爬蟲、聚焦網(wǎng)絡(luò)爬蟲、通用網(wǎng)絡(luò)爬蟲以及增量式網(wǎng)絡(luò)爬蟲。由于每個(gè)爬蟲系統(tǒng)都存在著一定的缺陷，因此網(wǎng)絡(luò)爬蟲系統(tǒng)一般都是由多個(gè)爬蟲技術(shù)融合而成[49]。目前由于大數(shù)據(jù)技術(shù)的飛躍發(fā)展，網(wǎng)絡(luò)爬蟲技術(shù)得到了極大的提升，在原有的基礎(chǔ)之上又開發(fā)了各種網(wǎng)絡(luò)爬蟲軟件，如八爪魚采集器、GooSeeker采集器等。本研究使用的爬蟲軟件是八爪魚采集器，其核心技術(shù)是分布式計(jì)算平臺(tái)，能夠更加快速、規(guī)范地對(duì)所需網(wǎng)頁(yè)數(shù)據(jù)進(jìn)行自動(dòng)采集，并且可以對(duì)數(shù)據(jù)格式進(jìn)行自定義，生成規(guī)范的數(shù)據(jù)。在對(duì)數(shù)據(jù)樣本獲取來源確定好后，對(duì)數(shù)據(jù)采集的時(shí)間區(qū)間鎖定，然后開始對(duì)案例數(shù)據(jù)進(jìn)行采集工作，在新浪微博高級(jí)搜索界面設(shè)定2020年1月20日-2020年1月22日為時(shí)間區(qū)間，搜索關(guān)鍵詞為“朝陽醫(yī)院+(眼科|被砍|醫(yī)生|傷醫(yī)|暴力|被襲)”，對(duì)其進(jìn)行檢索。采集字段包括：用戶名、用戶鏈接、發(fā)布時(shí)間、發(fā)布方式、轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)以及點(diǎn)贊數(shù)，并將采集到的數(shù)據(jù)保存至excel文檔中備用。4數(shù)據(jù)處理4.1數(shù)據(jù)清洗通過八爪魚爬蟲軟件在新浪微博平臺(tái)上采集到的數(shù)據(jù)量非常龐大，且具有高度的信息不規(guī)范性，許多與事件不相關(guān)的信息被摻雜了進(jìn)來，包括一些廣告數(shù)據(jù)、空白數(shù)據(jù)、重復(fù)數(shù)據(jù)等，這也增加了對(duì)數(shù)據(jù)的處理難度。因此，還需要人工的對(duì)部分信息進(jìn)行數(shù)據(jù)清洗工作，主要包括以下步驟：（1）人工的對(duì)空白、無效數(shù)據(jù)進(jìn)行刪除工作；（2）人工的對(duì)廣告數(shù)據(jù)、垃圾信息以及各種營(yíng)銷信息進(jìn)行刪除；（3）用Excel自帶的“數(shù)據(jù)去重”功能對(duì)重復(fù)數(shù)據(jù)進(jìn)行刪除（4）對(duì)部分殘缺數(shù)據(jù)進(jìn)行補(bǔ)充對(duì)樣本數(shù)據(jù)進(jìn)行清洗整理后最終得到84604條有效數(shù)據(jù)，并將其作為本文后續(xù)研究樣本。4.2中文分詞機(jī)器學(xué)習(xí)算法分詞工具包括jieba中文、NLPIR等，針對(duì)文本大小的差異性和不同的使用環(huán)境這些中文分詞的計(jì)算結(jié)果都不相同。本文對(duì)比后采用python里的jieba分詞工具包。基于Python的jieba分詞技術(shù)[50]是針對(duì)中文的概率語言模型分詞,其本身具有一個(gè)名為“dict.txt”的詞典,該詞典由人民日?qǐng)?bào)等語料數(shù)據(jù)訓(xùn)練,jieba分詞技術(shù)涉及前綴樹、有向無環(huán)圖、動(dòng)態(tài)規(guī)劃、隱馬爾可夫以及維特比等[51]多種算法。jieba可以滿足我們?nèi)粘Ｊ褂茫哂性S多的優(yōu)點(diǎn)，第一，它包括三種分詞模式：盡力將句子精確分開的精確模式；速度快、掃描句子所有詞的全模式；基于精確模式，對(duì)句子更細(xì)切分的搜索引擎模式。第二，可以對(duì)繁體句進(jìn)行分詞。第三，可以導(dǎo)入用戶自定義的詞典。第四，支持TFIDF、TextRank關(guān)鍵詞提取算法。第五，可以對(duì)詞進(jìn)行詞性標(biāo)注。第六，可以進(jìn)行并行分詞。4.3去除停用詞在進(jìn)行了分詞工作以后，要對(duì)文本中經(jīng)常使用到的，但是卻沒有實(shí)際意義的詞，也就是所謂的停用詞，進(jìn)行去除處理，在實(shí)際操作中，選用了哈工大的停用詞表，由于文本都來自于微博，所以在哈工大的開源詞表中加入了一些例如“收起文本”、“閱讀全文”、“轉(zhuǎn)發(fā)微博”、“哈哈哈哈哈哈”、“原博”等無意義詞語。對(duì)分詞完畢并已經(jīng)去除了停用詞的詞頻進(jìn)行詞條排序，如圖所示：4.4基于TF-IDF算法的關(guān)鍵詞分析詞頻-逆文件頻率（TF-IDF）是一種統(tǒng)計(jì)方法[52]，用來評(píng)估一個(gè)詞對(duì)一個(gè)文件集或一個(gè)語料庫(kù)中的其中一份文件的重要程度。在微博內(nèi)容文本中如果某個(gè)詞語出現(xiàn)次數(shù)越多，但同時(shí)在整個(gè)微博內(nèi)容文本中出現(xiàn)的次數(shù)越少，就越能代表該文本的特性。詞頻（TF）指一個(gè)給定的詞語在微博內(nèi)容文本中出現(xiàn)的次數(shù)。定義D為微博內(nèi)容文本合集，其中一條微博文本W(wǎng)i表示為Wi={w1，w2,……，wj},wi,j為微博內(nèi)容文本中的一個(gè)詞條，則該詞條的詞頻（TF）為公式（8）：TFij=ni,jni,j表示微博內(nèi)容文本中的一個(gè)詞條wi,j在微博內(nèi)容文本中出現(xiàn)的次數(shù)，∑knk,j表示微博內(nèi)容文本W(wǎng)i中所有詞條總數(shù)。定義D包含微博內(nèi)容文本W(wǎng)i，則Wi,j,作為微博內(nèi)容文本W(wǎng)iIDFi,j=logM1+d∈D:其中，|M|表示微博內(nèi)容文本D中的文本總數(shù)，d表示包含詞Wi的文檔數(shù),之所以加1是為了避免分母為0。某個(gè)特定文檔內(nèi)的高詞頻率，乘以該詞在整個(gè)文檔中的低詞頻率，最終得到的就是TF-IDF的值。定義微博內(nèi)容文本中特征值ti,j表示特征詞語在微博中的重要性，ti,j計(jì)算如下：ti,j=TF?IDF當(dāng)某條微博被多次轉(zhuǎn)發(fā)和評(píng)論時(shí)該微博中的關(guān)鍵詞詞頻也越高，通過計(jì)算微博內(nèi)容文本中關(guān)鍵詞權(quán)重，利用可視化工具對(duì)計(jì)算結(jié)果進(jìn)行呈現(xiàn)，得到的關(guān)鍵詞可視化分析。5暴力傷醫(yī)事件情感傾向利用TF-IDF算法進(jìn)行關(guān)鍵詞分析得到的關(guān)鍵詞可視化分析如圖所示，高頻詞匯的出現(xiàn)往往能在一定程度上反應(yīng)整個(gè)事件的走向及發(fā)展變化，而這些高頻詞通常來源于政府官方微博、某些微博認(rèn)證的大V用戶他們對(duì)事件撰寫的描述性文本或單純的新聞文本；低頻詞匯往往來自于普通民眾對(duì)于事件的態(tài)度和看法。該突發(fā)事件包含較多關(guān)鍵詞，通過分析觀察選取特征關(guān)鍵詞為代表進(jìn)行分析，發(fā)現(xiàn)該突發(fā)事件的關(guān)鍵詞分析具有以下具體特點(diǎn)：少數(shù)權(quán)重高的關(guān)鍵詞代表了該突發(fā)事件中的輿情焦點(diǎn)，如：“醫(yī)生”、“朝陽醫(yī)院”、“陶勇”、“被砍”、“眼科”、“醫(yī)院”等，這些關(guān)鍵詞體現(xiàn)了網(wǎng)民對(duì)整個(gè)傷醫(yī)事件的關(guān)注焦點(diǎn)，對(duì)于陶勇醫(yī)生被砍事件，關(guān)于事故發(fā)生的地點(diǎn)、人物一直是網(wǎng)民的焦點(diǎn)。而數(shù)量上占大多數(shù)，但重要程度較低的關(guān)鍵詞則體現(xiàn)了輿論場(chǎng)中網(wǎng)民觀點(diǎn)主張的多樣性?！皞t(yī)事件”、“衛(wèi)健委”、“警方通報(bào)”、“搶救”、“抓獲”、“菜刀”等詞體現(xiàn)了網(wǎng)民在事件發(fā)生時(shí)負(fù)面情緒很大，除了對(duì)于陶醫(yī)生傷情的關(guān)心，同時(shí)也關(guān)注著傷人者的情況。“生命危險(xiǎn)”、“受傷”、“被砍傷”、“血跡”等詞體現(xiàn)了網(wǎng)民關(guān)心陶勇醫(yī)生傷情祈禱平安的積極情感。在微博社交平臺(tái)中媒體對(duì)突發(fā)事件的客觀報(bào)道和網(wǎng)民發(fā)表的有關(guān)突發(fā)事件的看法構(gòu)成微博內(nèi)容合集，通過計(jì)算關(guān)鍵詞權(quán)重，分析了解事件發(fā)展動(dòng)態(tài)，網(wǎng)民的高頻關(guān)鍵詞代表突發(fā)事件網(wǎng)絡(luò)輿情的特性。突發(fā)事件網(wǎng)絡(luò)輿情擴(kuò)展了表達(dá)主體和多元化意見，公民意識(shí)不斷覺醒，每個(gè)人都有發(fā)聲的渠道。由此