基于自然语言处理技术的CoViD-2019事件中的公众情感分析

社会新闻总是随着突发事件的变化而层出不穷，尤其是那些容易引发公众情感的新闻。2019年底到2020年初的CoViD-19疫情中出现了大量新闻，引起了公众的持续关注。

　　以“李文亮”、“火神山医院”、“钟南山”、“封城”、“唐志红”为关键词的百度搜索趋势对比，可以看出，蓝色曲线的峰值点为以“李文亮”为关键词的最高搜索指数，该点出现在2020年2月7日（如图1），在这一点上公众在百度网页的搜索频次达到了5007063次。搜索行为反应公众的关注。那么什么类型的事件容易引起关注，在引发强烈关注的热点新闻中，公众的情感态度又是怎样的呢？这是本文试图探讨的问题。

图1. 以“李文亮”、“火神山医院”、“钟南山”、“封城”、“唐志红”为关键词的百度搜索趋势对比. 2020年1月19日-2020年3月3日（来源：百度指数）

　　本文选取的研究对象为微博上的热点新闻。首先收集月热搜榜上的热门话题，然后查阅2020年1月19日及之后的微博周热搜榜，接着从微博关键词热搜榜中选取近期受到强烈关注的热点新闻，并删除与新冠肺炎不相关的内容。最后通过对以上事件的筛选和整理，选出了人们热切关注的10个关键词，并逐一搜索这10个关键词，从每个关键词所代表的多条新闻中，按照评论、转发、点赞数量选出关注度最高的新闻，整理如下表。

选择每条热点新闻下热度为前20以内的评论作为分析文本。这是因为评论的热度是按照读者的点赞数来评判的，热度越高的评论在读者中的认可度越高，越能代表公众情感。接着用自然语言处理技术进行句子级情感分析，对每个评论语句逐一分析，判断其情感极性及强度，然后求得期望值，获得整个评论文本的情感强度。最后为了了解公众在评论中主要谈论的内容是什么，对所选的评论文本进行关键词提取。将得到的结果按情感极性和情感强度排序，呈现在表2中。

可以看出，公众情感极性为正向，情感强度由强到弱的新闻关键词依次为：李文亮、火神山医院、请战书、封城、钟南山；情感为负向，情感强度由强到弱的新闻关键词依次为：武汉红十字会、居家隔离、湖北防控工作、不戴口罩、唐志红。表2中从1至10的排名，体现了公众情感从积极到消极的变化。

　　从以上的数据可以发现，此次疫情事件中：

　　（1）公众对非官方的典型人物（钟南山、李文亮）和普通个体（建筑工人、请战医生）表现出了极强的正向情感。

　　（2）公众对封城行为表示理解和支持，但对于被限制出行，无法正常生活、工作的情况依然表现出不满。

　　（3）公众对湖北省此次疫情防控工作、典型人物（唐志红）和典型机构（武汉红十字会）均表现出消极评论，由于典型人物与机构均在湖北省管辖范围内，对这三者的负面情绪可能相互影响。

　　（4）年轻群体对长辈不戴口罩的行为产生负面情绪，且该负面情绪是普遍的，体现两代人而非个体之间的意识和行为方式的冲突。