基于社交网络大数据的民众情感监测研究

Abstract

近年来，新浪微博、推特等社交网络平台逐渐成为反映社会舆情的主要载体之一，为网民发表观点和表达情绪提供了便利。基于社交网络大数据的舆情监控已经成为新的研究热点，利用各国的社交网络大数据进行民众情感监测，有助于直接掌握国际关系中的民众情感倾向，对我国外交、对外贸易等方面都有很重要的作用。基于此，提出了一种面向中日语料的民众情感监测系统，该系统能够同时分析新浪微博和推特等社交平台的中日文语料数据中包含的情感倾向，并以可视化的形式展现给用户。情感分析算法方面，在BERT模型基础上结合自扩展的中日文情感词典，提出了一个新的情感分析模型——EmoBERT。实验结果表明，相比于原始BERT模型，EmoBERT模型在中文情感分类任务和日文情感分类任务上都取得了很好的表现。其中中文模型EmoBERT-C将中文BERT模型准确率从89.68%提升至92.15%，日文模型EmoBERT-J将日文BERT模型准确率从74.73%提升至78.26%。

Keywords

• 情感分析
• 舆情监测
• 情感词典
• 中日关系
• 微博
• 推特