面向微博公共事件的反向社会情绪识别及演化分析研究

During the period of social reforms, strong interaction and emotional perception between public is likely to be triggered by social unrest. And reverse social emotion will arise from a mass effect caused by the negative emotion in public events. Reverse social emotion is contradictory to social development and social needs and it can severely deconstruct social harmony and stability of public emotion. Current relevant research on reverse social emotion is conducted from the perspective of qualitative speculation and analysis. This research aims to detect and evaluate social emotion from a quantitative perspective. We define reverse social emotion as the collectively social emotional expression which is significantly different from the emotion polarity in official media. Focused on official media news, microblog texts and their comments, the main research contents include three aspects: (1) Methods for representing and evaluating social emotion on public events based on information extraction and semantic association techniques. (2) Methods for reverse social emotion automatic identification method based on the difference between official media reports and microblog comments. (3) Hidden Semi-Markov based methods for detecting the evolution of reverse social emotion based on social emotion distribution within each time window of time series. The results of this research are expected to be used as an important support for government to monitor reverse social emotion, and enrich the field of research on public events and social emotion in microblog systems.

社会转型期的社会矛盾容易在微博上引起公众的强烈互动和情绪感知，当公共事件的负面情绪形成群体效应时，会引发反向社会情绪。反向社会情绪是一种与社会发展和社会需要相背离的、严重影响社会和谐稳定的情绪状态。已有工作仅从宏观思辩视角研究反向社会情绪，本项目拟从信息处理的视角量化评估社会情绪，并将反向社会情绪限定为公共事件在微博上呈现出与官方媒体情绪基调明显相异的社会情绪。以公共事件在官方媒体和微博上的报道及其评论为研究对象，研究内容包括：(1)以信息抽取、语义关联技术为基础，研究公共事件社会情绪的表示与评估方法；(2)以官方报道与微博评论的社会情绪差异为基础，研究反向社会情绪自动识别方法；(3)以时间序列单位时间窗口内社会情绪的频率分布差为观测值，研究基于隐半马尔可夫模型的反向社会情绪演化模型。研究成果有望为政府管理部门及时发现和预警反向社会情绪提供支持，也将拓展微博公共事件与社会情绪研究的范畴。

项目组在本课题资助下，按研究计划完成预期目标，并对部分内容进行拓展性研究。取得了以下成果：.(1)在社会情绪表示与评估方面，将社会情绪划分为细粒度的类别并建立了社会情绪分类体系，提出基于词典的公共事件社会情绪分类方法。(2)在数据预处理方面，提出了高效的特征选择方法，并在语言复杂度测量、跨语言句子语义相似度等领域开展相应的应用研究。(3)在评价对象识别与用户画像方面，针对显式评价对象和隐式评价对象不同的特性设计了相应的抽取方法；提出一种融合多特征的字符级BiLSTM-CRF模型识别人名新词和昵称的高效方法；提出了人名国籍识别、微博文章主题分类方法。(4)在虚假信息检测方面，提出基于把关人行为的微博虚假信息及早检测方法识别微博上的虚假信息；利用用户属性和多头注意力机制，提出了虚假新闻识别方法。 (5)在跨语言事件抽取方面，设计了中印、中马、中泰平行语料获取和事件抽取方法，基于印尼国家印尼语、英语、汉语主流媒体新闻及推特文本，开发了“基于印尼涉华事件报道的舆情分析系统——鹰眼看中国”。.同时项目组也进行了一些拓展研究。(1)在面向马来群岛国家的语言信息处理方面，全网采集了马来群岛国家重要新闻网站的新闻并进行了部分标注，针对印尼语、马来语、菲律宾语提出了词性标注、命名实体识别、自动摘要方法。采用计量语言学方法，对印尼语和马来语在语言特征等方面的差异进行对比研究。(2)搭建了《析影》电影大数据分析平台，集成口碑分析、观影用户分析、话题分析、主创贡献分析等功能。