国际网络语言的情感表达与认知研究

周璇　张文坤　黄霜　戴伟辉　杨振怡

【摘要】： 网络语言以其约定成俗的符号系统和简洁、生动的表现形式，在为人们提供便捷交流同时也蕴涵着丰富的情感信息，在国际语言交流中发挥着重要的作用，已成为国际网络营销和网络舆情分析中极为关注的对象。本文从情感认知特征角度对国际网络语言的符号信息作了分类，以汉语、英语和西班牙语为例对国际网络语言的情感表达模式作了分析，提出了国际网络语言情感认知的神经机制模型，并研究了不同符号信息的情感认知过程特性。

【关键词】：外国语；网络语言；情感表达；情感认知

1.0 前言

随着互联网的发展及其应用的日益广泛，网络空间已成为人们日常交流、信息传播和知识共享的重要平台。上述空间的虛拟性、自主性、开放性、包容性和新媒体技术丰富的表达力，充分激发了人们的语言创造力，在网民群体的交流中不断出现各类简便、时髦的词汇及超文本符号（于根元，2001；陈文婷，2010），形成了生动、活拨的网络语体（张玉玲，2008），为网络交流带来了极大的便利性和经济性，由此促进了网络语言日新月异地发展（Li， C. Y.，2008；陈沉，2013）。

关于网络语言（Cyber Language，Network Language， Web Language）的定义，目前尚未达成完全一致的认识。研究学者首先关注到的是网络语言中的词汇变化及出现的各类特殊符号，易文安先生编写了我国第一部《网络时尚词典》，收集了1000多条当时常用的网络时尚用词（易文安，2000）。中国传媒大学的于根元教授指出，网络语言是一种在网络环境中使用的“有自己特点的自然语言”，包括与网络技术有关的专业术语、网民常用的词语以及表达各类情感的符号，并对常用的中文网络语言词汇进行了整理和编辑，出版了《中国网络语言词典》（于根元，2001）。何洪峰（2003）、陈文婷（2010）、卢艳凤（2013）从费尔迪南·德·索绪尔（Ferdinand de Saussure）的语言符号学理论出发，将网络语言划分为可读符号和非可读符号两大类，对其符号体系、表意特征及生成规则作了研究。陈沉（2013）认为网络语言是一种新型的社会方言和网民在网络空间交际使用的一种语言变体，从传播学角度对网络语言的传播特征及其社会、文化影响作了分析。张玉玲（2008）将网络语言从更大的语体环境上定义为“人们在互联网上使用的语言”，并从上述语体的词句、话语、衔接、风格、规范及认知等多个角度展开了系统性研究。

随着现代网络通讯技术和新媒体技术的不断发展，互联网、物联网与移动通讯网络已经融合为无处不在的“泛在网络”（Ubiquitous Network），网络语言的表达也日益丰富，不仅包括文本、图片，还包括语音、视频及其通过不同的结构和形态组合而形成的“超媒体”（Hypermedia）构态。因此，本文将网络语言定义为“人们在泛在网络环境下流行使用而约定成俗的超媒体符号系统”。网络语言的快速发展不仅体现于中文，英语、日语、德语、法语、西班牙语等世界各大语言中也都呈现了上述趋势（陈沉，2013；周晓晖，2013；何贝贝，2013）。在全球化背景下，网络语言以其简洁、生动的符号和超媒体表现形态为国际语言的交流带来了新的活力。尤其是，上述语言具有丰富的情感表达能力，易于形成国际通用的符号规则，为跨语言认知与跨文化情感传播带来了极大的便利，已成为各国语言学者和互联网通用翻译技术（Internet Translating Common Technology，ITCT）领域的研究热点。了解和把握不同国家的网络语言情感表达及其认知特征，对于国际网络交流、跨境电子商务的在线评论分析和国际网络舆情分析，均具有重要的意义。

2.0 国际网络语言的情感表达

2.1网络语言的情感描述

网络语言作为网络空间的一种超媒体符号系统，其情感的表达形式是多样的，有文本（包括可读与非可读文本符号）、图片、语音、视频及其混合而成的多模态超媒体，无论是组成元素的变化还是形状色彩、布局结构、呈现次序的改变都可以传达不同的情感信息，对上述情感的认知不仅涉及到人类复杂的认知心理学机制，而且与不同的文化背景、语言情境和认知者的心理环境都有着密切的关系，对上述情感的描述一般以特定网民群体中统计学意义上的典型样本作为基础，从信息接收者的认知体验角度进行描述。

关于人类情感体验的分类与描述，一直是众多学者研究和争论的问题。最基本的分类方式是正、负两种极性分类，并对其赋予不同的强度值。科学心理学创始人，德国心理学家Wilhelm M. Wundt最早提出了情感的三维学说，他认为情感由愉快-不愉快、亢奋-沉静和紧张-松弛三个维度组成（Wundt， W. M.， 1897）。心理学教授Andrew Ortony等人，则将人类最基本的情感归纳为五种（Ortony， A.， Clore， G. and Collins， A，1988）：快乐（Happiness）、厌恶（Disgust）、悲伤（Sadness）、焦虑（Anxiety）和愤怒（Anger）。Ekman和Friesen从人类的表情出发，给出了“the Big Six”六种情感分类：恐惧（Fear）、愤怒（Anger）、悲伤（Sadness）、高兴（Happiness）、厌恶（Disgust）和惊奇（Surprise），上述分类方式已经广泛应用于语音、图片、视频等信息的情感分析中（Scherer， K. R.，2003）。

随着计算机人工智能技术的发展，为了使得人类的情感信息能够被计算机所获取、处理、计算和表达（Picard， R. W.，1997），必须对上述情感状态在一定的坐标维度上给出数字化的描述。通常采用的描述坐标有一维、二维和三维，如图1所示：

其中，一维坐标仅对情感的正、负极性及强度给出描述。二维坐标一般采用Hidenori.H与Fukuda.T提出的“情绪空间” （Emotional Space） 单位圆来表示（Hidenori， I.， Fukuda， T.，2001）。在实际应用中，我们一般采用互为反向的平静（Peace）与激动（Anger）、和高兴（Happiness）、悲伤（Sadness）两个坐标维度，所有情感状态都可表示为以上半径为1的单位圆向量。三维坐标则有多种表示方式，如Wilhelm M. Wundt（1897）、Schlosberg H. H.（1954）、Izard C. E.（1991）都提出了各自不同的三维模型，其中最引人关注的是Charles E.Osgood（1966）、Mehrabian A.（1995）等通过语义分析给出的愉悦度（Pleasure，表示个体情感状态的正负特性）、激活度（Arousal，表示个体的神经生理激活水平）、优势度（Dominance，表示个体对情境和他人的控制状态）三维PAD模型。中国科学院心理研究所的傅小兰、刘烨和清华大学计算机科学与技术系的陶霖密等以上述模型为基础，通过大样本人群的实验研究，给出了PAD情感的测量量表，能够很好地把人类现有的各类情感及其强度描述在PAD空间特定的位置（刘烨、傅小兰、陶霖密，2010）。因此，PAD三维坐标可以作为对网络语言情感及其变化过程进行量化描述的参考坐标体系。

2.2语料库与情感词极性

对网络语言进行深入分析，可以发现其情感的表达往往借助于各类具有特定情感倾向的词汇或符号，这类词汇或符号统称为情感词（Emotional Word）。在全世界使用人数最多的汉语、英语和西班牙语中，这样的网络语言情感词汇大量存在（杨振怡，2014）：比如说“Bro”表示brother，是兄弟的意思，带有亲切的情感色彩；“lol”表示laugh out loud，表示了大声笑，笑得合不拢嘴的意思，带有非常欢乐的情感倾向等。另外，还有非常多的特殊用语，比如“pfffffff”表示whatever，带有随便，你想怎么样就怎么样的傲慢情感；“Tmr”表示tomorrow，表示某事明天再做；“n00b”表示newbie，有菜鸟和新手的意思，在某些场合由于一些人表现不佳，被人会带有愤怒情感地称为菜鸟；“w00t”则表示woot和what，主要是想表达这件事情或者某个人物令我十分兴奋和惊叹。除此之外，国外还有一些人会用阿拉伯数字和一些符号来表达自己的情感，例如数字组合“1337”的字面形象像leet，其实是elite精英的意思，表示某个人很强，太厉害了，这个“1337”带有惊叹，喜悦的情感倾向；数字组合“56”则是英语中的borning， 西班牙语中的aburrido 和汉语中的无聊的意思；符号“D”则表示大笑，“：）”表示微笑，“：（”表示悲伤的情感等等。

将常用的网络语言词汇和符合进行收集就可以整理成语料库，这是目前世界各国网络语言研究学者正在进行的一项基础性工作。在上述语料库中包含着大量的网络情感词，是分析网络语言情感倾向的重要知识库。例如，中国知网（HowNet）已经收集了52000个汉语词汇和57000个英语词汇。其中，已经公布的情感词中，包括程度级别的词语有219个、负面评价的词语有3116个、带有贬义情感倾向色彩的词语有1254个、正面的评价词语有3730个、带有褒义情感倾向色彩的词语有836个以及主张的词语有38个。在《知网》的语义字典中，还包含有丰富的词汇语义知识，每条记录都是由一个词语的一条语义及其描述所组成，为分析上述情感词在特定语境中的语义提供了很好的参考。

网络语言情感词所代表的情感倾向称为情感极性（Sentiment Polarity）。以上极性一般分为三种，简单地说就是正、负和中性，还。每个情感词的极性及其情感倾向强度是与网络语言特定环境下的情感表达和情感认知规范有关的，通过对网络语言的统计学分析，可以获得语料库中的基准情感词在典型语境下的情感极性与强度数值。目前，在很多语料库中都给出了基准情感词的上述参数，如大连理工大学信息检索研究室整理和标注的中文情感词汇本体库，从不同角度详细描述了其中每个中文词的词性种类、情感类别、情感强度及极性等信息，上述信息为计算网络语言情感词的相关参数提供了重要的基准。

国际网络语言所采用的词汇多样广泛、情感丰富且更新速度快，如表1为各个国家出现的网络语言新词汇举例（杨振怡，2014）：

对于实际网络语言中出现的新词汇，可以采用PMI（Pointwise Mutual Information，点互信息 ）等计算方法，来计算上述词汇与基准情感词之间的信息相似度，以获得实际网络语言中各关键词的情感极性参数值。网络语言中各词汇和符号的情感极性参数值仅反映了统计学意义下典型语境中的单个语言元素的情感倾向程度，对上述语言情感的分析还必须结合特定语境对语言段落、语句进行切分，并研究其语言的情感表达模式以获得确切的语义情感。

2.3网络语言的情感表达模式

网络语言的情感不仅与其中使用到的情感词极性相关，更与其情感表达模式有关，相同的关键词在不同的表达模式中意思就可能完全相反。对网络语言情感表达模式的分析，一般以语句为单位，主要考虑其中的程度词、否定词、连接词和标点符号等对语句情感的影响。例如“刚听到这个消息时很郁闷，但是潜水了一段时间发现驴友的说法是对的，今天冒个泡开心一下。”这句话中有两个关键情感词：一个是带有负面（Negative）情感的“郁闷”，另一个是带有正面（Positive）情感的“开心”，还有一个表示转折意义的连词“但是”。假设带有正面情感的词为P，带有负面情感的词为N，转折词为T，则上述语句的情感表达模式可表示为：

在网络语言中，连接词对于语句情感的理解极为重要，是分析语句情感结构及其表达模式首先需要考虑的对象，表2为英语、汉语和西班牙语中常用的连词：

语句的情感表达还须考虑程度词、否定词和标点符号等组成的整体表达模式，如中文的“不很高兴”、“不高兴”和“很不高兴”所表达的情感强度是不相同的，“！”、“？”、“…”等标点符合，特别是网络语言中的各类脸谱符合都有明显的情感倾向。此外，各类情感词出现的次序也对语句情感有影响，例如英语的“We are exhausted now，above all we are so happy for our success.”采用的是“N+above all+PP”的语句表达模式。在以上表达模式中，整个语句的情感取决于above all后面的那个情感词组，即“so happy”。在实际的网络语言中，语句情感的表达模式缺乏严格的规范性，且处在不断变化之中。因此，必须通过机器自动获取新的网络语言表达模式，并结合主观认知进行训练，建立开放式的語句情感表达模式知识库来辅助分析网络语言的语句情感。

网络语言的语音、图片、视频及其与文本所组成的超媒体结构和形态所表达的情感，是目前尚在研究中的问题。其中，语音情感的表达主要体现在语速、强度、基音频率及相关频谱参数上，在很大程度上具有跨文化、跨民族、跨语言的共同特征。在网络对话语音中，通过上述语音参数采用模式识别方法，无须进行语义分析也可以获得较高的情感识别准确率（Ververidis， D.、Kotrropoulos， C，2006）。

3.0 国际网络语言的情感认知

3.1情感认知的神经机制

网络语言的情感认知是与人类的认知神经活动有着密切关系的，且受到不同民族、文化背景等复杂因素的影响。通过对上述语言情感认知的研究，可以更好地评估网络语言的社会心理影响，对于网络语言情感表达模式的设计亦具有重要的参考价值。现代认知神经科学的研究成果表明，人类的情感产生于外界信号的刺激，上述信号首先通过外周的各种感觉器官和内部的感觉通路传送到大脑的边缘系统，在大脑边缘系统产生快速的第一性情感，继而通过大脑边缘系统与大脑皮层高级认知的交互过程形成相对慢速的第二性情感（Damasio， A. R.，1994）。

上述过程由人类大脑的情感回路所控制，并在相应的脑区会产生激活反应，通过对被激活脑区的观测分析就可以识别人类所处的情感状态（Horlings， R.，2008）。近年来，fMRI （功能性磁共振成像）、ERPs（脑诱发事件相关电位）、DTI（扩散张量成像）等现代实验观测技术的发展，为人类情感及其神经机制的研究提供了先进的技术手段。尤其是，血氧水平依赖性功能磁共振成像（Bold-fMRI）具有无侵入、无创伤、可精确定位被激活的脑功能区等优点，已经应用于语言与情感的神经机制研究并获得了重要的发现。

在非常规突发事件的网络信息研究中，我们采用Bold-fMRI实验观测技术对上述信息认知的脑激活反应特征做了研究（戴伟辉，2012）。上述信息中包含大量的网络语言，通过实验观测发现，额叶、前扣带回、杏仁核、颞叶等多个脑区所呈现的脑功能网络激活模式与网络信息的情感认知有着密切的关系。根据实验发现和相关研究成果，我们提出了国际网络语言情感认知的神经机制框图（Huang，S.， etc.， 2015），如图2所示：

在国际网络语言的情感认知中，网络语言所包含的各类符号信息将通过接收者的感觉通路首先传递到其大脑边缘系统，产生直觉、快速的第一性情感反应，继而通过大脑高级皮层的认知活动形成相对慢速、较为理性的第二性情感反应。大脑高级皮层对上述符号信息在感觉通路中的传递具有选择性关注调节作用，在视觉、听觉和时间资源的分配上进行自主调控，以上选择性关注取决于信息接收者的动机、知识、记忆、认知与决策等高级心理活动及相关基础。上述情感所产生的人体生理反应被大脑进一步感知，产生特定的情感认知体验（情绪体验）。在对相同的符号信息产生多次情感体验之后，通过学习和记忆在人类的大脑中会形成情感符号规则系统，对熟悉的符号产生约定成俗的情感体验反应。

3.2符号信息的认知特征

美国哈佛大学认知研究中心的布鲁纳（Bruner， J. S.）教授提出的发现学习论（Discovery Learning Theory）认为，人们是通过认知表征的过程来实现学习的。上述认知表征过程就是指通过知觉而将外在事物转换为个体内在心理事实的过程，其认知表征方式从儿童开始会随个体年龄的发展而表现为三个阶段：动作表征（Enactive Representation）、映象表征（Iconic Representation）、符号表征（Symbolic Representation）。上述三个阶段反映了人类对不同类型信息的认知序位是有所不同的，具有从动作信息、图象信息、文本信息的排序特征。为了进一步研究国际网络语言中不同類型信息对其情感认知的影响，我们将上述网络语言的符号划分为动作符号、语音符号、结构符号、色彩符号、图形符号、文本符号六大类，每类符号均通过某种方式的编码和约定成俗的规则传达了情感信息。

通过实验观测发现，网络语言的各类符号信息对情感认知反应所引起的效应是不同的。其中：动作、结构、色彩、图形等具有表象特征的符号信息占用时间资源较少，能够引发快速的第一性情感反应，我们称之为第一性情感信息；而与语义密切相关的文本符号信息占用时间资源相对较多，须经过大脑高级皮层认知后才能产生相对慢速的第二性情感反应，称其为第二性情感信息；语音符号信息既包含具有丰富情感的表象信息，也包含了其语义内容信息，同时具有第一性和第二性情感信息的特征，但在时间资源的占用上比第一性情感信息较多。尤其，第一性情感信息具有跨越文化与语言障碍的优势，而第二性情感信息在形成约定成俗的情感符号规则系统之后，对于更深入的情感表达和情感艺术魅力的展现具有重要的意义。根据上述实验发现，我们给出了国际网络语言符号信息的情感认知过程特性图，如图3所示（Huang，S.， etc.， 2015）：

从上述认知过程特性中可知，在国际网络语言交流中，为了满足网络空间的便捷性要求应尽量采用具有较高关注度和能更好地节约时间资源的动作符号以及易于理解的语音、结构、色彩、图形等第一性情感信息来表达和传递情感。在文化、语言障碍较少的网民群体中，可以采用第二性情感信息来表达和传递更深入而理性的情感。

4.0 总结与展望

随着互联网应用和全球化趋势的快速发展，网络空间已成为国际交流的重要平台，网络语言也正在发生日新月异地变化，在为人们提供便捷交流同时还蕴含着丰富的情感信息。了解和把握不同国家网络语言的情感信息表达方式及其认知特征，对于国际网络交流、网络营销和网络舆情分析具有重要的意义。在当今无处不在的“泛在网络”环境下，国际网络语言已成为一种新型的超媒体符号系统，上述符号可划分为动作符号、语音符号、结构符号、色彩符号、图形符号、文本符号六大类，每类符号均通过某种方式的编码和约定成俗的规则传达了情感信息。网络语言的情感状态可以通过不同的分类和多维坐标体系来描述，上述情感的语句表达模式是由情感词及连词、程度词、否定词和标点符号所组成的，通过网络语料库分析、情感词极性计算和知识库技术可以对网络语言的情感表达进行较好地识别。网络语言的情感认知与一系列的认知神经活动具有密切关系，其中包括直觉、快速的第一性情感反应和相对慢速、较为理性的第二性情感反应，可根据上述反应将网络语言符号系统所蕴含的信息划分为第一性情感信息和第二性情感信息。上述信息在认知过程中具有不同的特性，对国际网络语言的交流和情感表达、传递的策略设计具有重要的参考价值。

从未来的发展趋势看，网络语言是在自身的语言生态系统中不断创新和演替的，随着现代网络通讯技术和新媒体技术的不断发展其情感的表达方式也必将日益丰富多样。因此，通过智能化监测技术和大数据挖掘技术建立动态、开放式的网络语言情感分析知识库，通过先进的实验观测手段对网络语言的情感表达与认知机制进行更深入地分析并建立统计学意义下的基础参数库，是相关领域研究的重要发展方向。

致谢

本文系国家自然科学基金重大研究计划培育项目“非常规突发事件中信息分类、信息传播与认知模型研究”（项目编号：91324010）、四川音乐学院科研项目“艺术院校大学生对网络负面消息的认知与传播研究”（项目编号：CY2014173）的研究成果。周璇、许多、黄霜系本文共同第一作者，戴伟辉系本文通讯作者。

参考文献：

[1]Damasio， A. R.， Descartes Error： Emotion， Reason and the Human Brain [M]. New York， USA： Gosset/Putnam Press， 1994.

[2]Izard， C. E. The Psychology of Emotions[M]. New York： Plenum press， 1991.

[3]Li， C. Y. Variations and causes of Net Language [J]. Language and Translation， 2008， （4）：51-54.

[4]Huang，S.， Zhou，X.， Xue， K.， Wan，X.Q.， Yang，Z.Y.， Xu， D.， Ivanovi?， M.， and Yu， X.E.， Neural Cognition and affective computing on cyber language[J]. Computational Intelligence and Neuroscience， 2015， 2015（Article ID 749326）： 1-10.

[5]Hidenori， I.， Fukuda， T. Individuality of agent with emotional algorithm [C]， Proceedings of 2001 IEEE/RSJ International Conference on Intelligent Robots and Systems， 2001， （2）：1195-1200.

[6]Horlings， R.， Emotion Recognition Using Brain Activity [D]. Delft： Delft University of Technology， 2008.

[7]Mehrabian， A. Framework for a comprehensive description and measurement of motional states[J]. Genetic， Social， and General Psychology Monographs，1995， 121（3）： 339～361.

[8]Ortony， A.， Clore， G. and Collins， A. The Cognitive Structure of Emotion [M]. Cambridge， England： Cambridge University Press， 1988.

[9]Osgood， C. E. Dimensionality of the semantic space for communication via facial expressions [J]. Scandinavian Journal of Psychology， 1966， 7（1）， 1～30.

[10]Picard， R. W.， Affective Computing[M]. Cambridge， USA： MIT Press， 1997.

[11]Scherer， K. R. Vocal communication of emotion： a review of research paradigms [J]. Speech Communication， 2003， 40（1-2）： 227-256.

[12]Schlosberg H. H. Three dimensions of emotion [J].Psychological Review， 1954， 61（2）： 81～88.

[13]Ververidis， D.， Kotrropoulos， C， Emotional Speech Recognition： Resource， Features， and Methods [J]. Speech Communication， 2006（48）： 1162-1181.

[14]Wundt， W. M. Outlines of psychology [M].Oxford， England： Engelmann， 1897.

[15]陳沉. 网络语言的传播学探析[D]. 青岛： 中国海洋大学硕士学位论文， 2013.

[16]陈文婷. 网络语言的符号生成方式及其发展研究[D]. 兰州： 西北师范大学硕士学位论文， 2010.

[17]戴伟辉. 情景感知与情感智能： 通往智慧城市的智慧之门[J]. 上海城市管理， 2012（4）.

[18]何贝贝. 法语网络语言的能指、所指和内涵、外延的关系[D]. 湘潭： 湘潭大学硕士学位论文， 2013.

[19]何洪峰. 从符号系统的角度看“网络语言”[J]. 江汉大学学报（人文科学版）， 2003， （1）： 74-78.

[20]刘烨， 傅小兰， 陶霖密. 基于PAD三维空间的情感测量[J]. 中国计算机学会通讯. 2010， 6（5）： 9-13

[21]卢艳凤.网络语言符号的表达原则探究[D]. 哈尔滨： 哈尔滨师范大学硕士学位论文， 2013.

[22]杨振怡. 国际网络语言的情感计算方法及实现技术研究[D]. 上海：复旦大学硕士学位论文， 2014.

[23]于根元. 网络语言概说[M]. 北京： 中国经济出版社，2001.

[24]于根元. 中国网络语言词典[Z]. 北京： 中国经济出版社，2001.

[25]易文安. 网络时尚词典[Z]. 海口： 海南出版社，2000.

[26]张玉玲. 网络语言的语体学研究[D]. 上海： 复旦大学博士学位论文，2008

[27]周晓晖. 模因论下英语网络语言的复制与仿拟[D]. 信阳： 信阳师范学院硕士学位论文， 2013.