情感视域下生成式人工智能的舆情分析应用研究

【摘" "要】生成式人工智能作为一种创新性强、应用广泛的人工智能技术，能推动网络舆情治理精准化、自动化、智能化，已在全球范围内引起广泛关注。为解决如何利用生成式人工智能对舆情进行情感分析的问题，本文以生成式人工智能“文心一言”为例，利用人工智能的深度学习和自然语言处理技术，从文本情感分析、情感极性分析、情感强度分析、语义理解及情感倾向性分析四个方面进行研究，为舆情的自动审核提供有效依据。

【关键词】生成式人工智能；情感；舆情分析；文心一言

【基金项目】安庆师范大学传媒学院研究生“青苗计划”学术创新项目（编号：CMQM2024D01）。

随着科技的飞速发展，生成式人工智能（Generative AI）逐渐成为社会各界高度关注的领域，但大部分研究者将目光聚集在著作版权[1]、短视频内容生成[2]、教育应用[3]等方面，缺乏对生成式人工智能情感分析方面的研究。同时，随着心理学和情感计算技术的发展，人们开始意识到情感在决策和判断中的重要性。而生成式人工智能可以通过深度学习和自然语言处理技术，实现对文本情感的精准把握，其在舆情的情感分析中的重要性不言而喻。

网络舆情是依托互联网，社会大众以自身为参与者，在网络空间进行传播与互动，并表达自己的观点与情绪。[4]这不仅是公众对于某一事件、现象或问题的观点和态度的集中体现，更是社会情绪、价值观念和利益诉求的集中表达。近年来由于信息传播的速度加快，我国舆情面临着诸多挑战。[5]一是网络信息的爆炸式增长使得舆情监控和分析工作愈发困难，传统的人工手段难以胜任；二是我国舆情中情感的复杂性也使得舆情分析工作者在处理过程中耗费大量精力。然而生成式人工智能通过对大量文本数据的学习，可以自动提取特征、识别情感倾向，并生成具有情感色彩的文本，能够大大减轻舆情分析工作者的压力。

情感分析（Sentiment Analysis）又称为观点挖掘，其主要任务是以文本为基础，运用语言学、文本分析等方法对有情感色彩的句子进行处理、分析、推理和归纳，常用于分析各种社交媒体和博客文章的评论意见和情感判断，[6]通常将情感分为“积极、中性、消极”三类。但随着互联网信息化的快速发展，被分析的材料体现出情感信息复杂、数据信息量大等特点。[7]为此，需要一个更加科学智能的手段来有效地对材料进行情感分析。

因此，将人工智能技术引入舆情监测与分析领域，成为了一种必然趋势。为解决如何利用生成式人工智能对舆情进行情感分析的问题，本文以生成式人工智能“文心一言”为例，利用人工智能的深度学习和自然语言处理技术，从文本情感分析、情感极性分析、情感强度分析、语义理解及情感倾向性分析四个方面进行研究，为舆情的自动审核提供有效依据。同时，利用生成式人工智能对舆情进行情感分析，不仅可以在短时间内对大量文本进行情感分类，还能为政府和企事业单位提供及时、准确的舆情监测报告，提高舆情预警能力，而且生成式人工智能具备自主学习的能力和较高的可扩展性，能够不断优化分析模型，适应不同场景和需求。

一、相关概念

（一）文本情感分析

文本情感分析又称作意见挖掘、倾向性分析等，是指通过自然语言处理技术，对文本中的情感信息进行提取和分类。其理论依据主要来源于情感心理学、社会学和认知语言学等领域。情感心理学认为，情感是一种特殊的主观心理状态，[8]是人们在面对事物时产生的主观体验，表现为愉悦、喜悦、焦虑、愤怒等多种情感维度。在此基础上，文本情感分析旨在揭示文本中所蕴含的情感倾向，从而为舆情分析提供依据。[9]故作为一种新兴技术，“文心一言”采用词袋模型、情感词典等方法，结合深度学习算法，实现对文本情感的准确识别，不仅可以监测话语背后的社会心理、动机、情感诉求等因素，还可以探究舆情传播中各传播节点之间的社会网络关系，实现对大众的情感心理和社会关系的多维度监测，具有极其重要的实用价值。

（二）情感极性分析

新闻情感极性分析，即对新闻文本中的情感色彩进行判断，主要包括积极、消极和中性三种类型。情感哲学认为，情感可分为积极情感和消极情感，二者相互对立、相互联系。情感极性分析旨在判断文本所表达的情感是积极的还是消极的，从而为舆情分析提供依据。与此同时，情感极性分析具有不可替代的作用，首先，通过对文本情感极性的判断，可以揭示舆情事件中的态度倾向，为相关部门提供应对建议；其次，情感极性分析有助于识别网络暴力和舆论引导，从而维护社会和谐稳定；最后，情感极性分析可以为企业提供消费者评价，为其产品改进和市场营销提供参考。[10]“文心一言”作为百度公司研发的一款人工智能产品，其通过对文本进行情感分类，结合极性词典和深度学习模型，实现情感极性的准确判断，有效地区分正面、负面和中性情感，在新闻情感分析领域具有显著优势。

（三）情感强度分析

强度分析是指对文本情感的强度进行评估，其理论依据来源于情感心理学、语义学和计算语言学等领域。情感心理学认为，情感强度是情感的一个重要维度，反映了情感的强烈程度，对此有不少学者对其进行了研究。张雪英等[11]通过细致的实验获得情感强度的数据集，并对该数据集进行分析，证明了情感强度的合理性，对改善人机关系具有重要意义；张财等[12]通过分析外汇新闻中的影响情感强度的特征词，提出了一种通过整合情感词权重来计算情感倾向的方法，实现了权重优化组合下外汇新闻情感强度的计算。

（四）语义理解与情感倾向性分析

语义理解是指对文本的意义进行解析，它是舆情分析的一个重要环节，可以帮助我们更有效地提取和理解新闻报道中的关键信息。情感倾向性是指对文本情感的倾向进行判断，是自然语言处理领域的重要研究方向，对于新闻分析具有重要意义。它能够帮助我们更好地了解人们的情感需求，提高人机交互的效率和准确性。二者相互关联，共同构成了语义情感分析的核心内容。江腾蛟等[13]将具有不同词性、在句子中起不同成分作用的情感词组成（评价对象、情感词）对，使其情感倾向更为明显；张仰森等人[14]建立了情感词典和表情符号词典，利用级联方式计算了情感倾向的二级分类方法，并利用朴素贝叶斯设计三级分类方法来改进分类结果。这证明了语义理解与情感倾向性分析的有效性和实用性。

二、实证分析

基于前述的文本情感分析、情感极性分析、情感强度分析、语义理解及情感倾向性分析四个方面的理解，从而对利用“文心一言”进行舆情情感分析的结果进行探析。从文本情感分析出发，直观地感受大众当时的主观心理状态；从情感极性分析出发，准确识别大众发表的评论中的积极、消极和中性情绪；从情感强度分析出发，对大众的情感强度进行评估，从而有利于相关部门采取对应的措施；从语义理解及情感倾向性分析出发，能够更好地了解大众的情感需求，从而提高人机交互的效率和准确性。

（一）数据获取与实验过程

本文以2024年4月25日神舟十八号发射为例，选取抖音平台“央视新闻”2024年4月25日和4月26日发布的5个短视频的评论进行分析。首先，对数据进行初步分析与可视化处理，得到评论的高频关键词；其次，利用“文心一言”分析其文本的情感态度，对一些具有代表性的评论进行分析得出情感占比的高低；最后，通过比较分析得出研究结果。

（二）数据分析

通过提取抖音平台大众评论中的情感词汇，从而判断其情感倾向，进而得到大众对神舟十八号成功发射的态度，分析可知大众普遍呈现出积极和兴奋的情感。评论中充满了对神舟十八号航天员的敬意和祝福，他们被赞誉为祖国的骄傲和民族的英雄，如“圆满成功，凯旋，点赞，英雄，加油”。

以“神舟十八号成功发射，这是我国航天事业的又一里程碑，令人骄傲和自豪！”为例，通过“文心一言”的分析，我们可以得知该评论表达了对神舟十八号成功发射的积极、正面的情感，情感极性为正面积极情感，情感强度较强，情感倾向性明确指向正面，认为神舟十八号的成功发射对我国的航天事业具有重大的意义和价值。对一些具有代表性的评论进行分析后可知，关于神舟十八号成功发射的积极情感的占比非常高，中性情感占比非常少，消极情感基本上没有。但在利用“文心一言”对文本进行分析时，我们需要注意一些问题：一是情感分类的细致性，在面对复杂的文本时，公众的情感态度可能存在细微的差别，因此需要进一步细化情感分类的粒度，在分析文本时将公众的情感态度划分为更多的类别，对不同的情感类别进行定义和解释，以便更准确地了解公众的情感分布。二是情感分析的准确性，情感分析是基于文本内容的，因此需要通过改进算法、优化模型等方式来确保分析的文本能够准确反映公众的情感态度。同时，情感分析算法也需要具备一定的准确性和可靠性，以避免误判和误导。

（三）结果与讨论

随着技术的飞速发展，生成式人工智能能够准确识别文本中的情感倾向，为舆情监测、品牌管理等提供了有力支持。本文以“文心一言”为例，利用其深度学习和自然语言处理技术，从文本情感分析、情感极性分析、情感强度分析、语义理解及情感倾向性分析四个方面进行研究，为舆情的自动审核提供有效依据。具体而言，本研究发现“文心一言”在理解和分析文本中的情感方面表现出了较高的准确性，这为舆情分析提供了强大的技术支持，使我们能够更准确地了解公众对某一事件或话题的情感态度。然而，需要关注的是，研究也揭示了生成式人工智能在情感分析中的一些局限性。例如，对于某些复杂的情感表达或语境依赖较强的文本，生成式人工智能可能难以准确识别其情感倾向。此外，由于训练数据的局限性，生成式人工智能可能无法完全适应某些特定领域或文化的情感表达方式。因此，在情感视域下生成式人工智能对舆情进行分析时，我们需要综合考虑其优势和局限性，并结合实际情况进行应用和优化。通过不断改进和优化算法和模型，我们可以进一步提高生成式人工智能在情感分析和舆情监测中的准确性和可靠性。

三、结语

生成式人工智能以其独特的优势，在情感分析领域展现出强大的潜力和应用价值。本文将生成式人工智能与情感分析相结合，通过实证分析，验证了其在舆情分析中的有效性和可靠性。这不仅拓展了生成式人工智能的应用领域，也为情感分析提供了新的思路和方法。对舆情进行情感分析，一方面有助于我们更好地理解公众对某一事件或话题的情感态度，从而为企业、政府等机构的决策提供有力支持。另一方面，也为舆情监测和应对提供了新的工具和方法，有助于我们更准确地预测和应对可能出现的舆情危机。

然而，研究中也存在一些不足之处。例如，对于某些复杂的情感表达或语境依赖较强的文本，“文心一言”可能难以准确识别其情感倾向。此外，由于训练数据的局限性，“文心一言”可能无法完全适应某些特定领域或文化的情感表达方式。因此，我们需要采取相应的措施，一是继续优化算法和模型，提高生成式人工智能在情感分析中的准确性和可靠性；二是加强跨领域、跨文化的数据收集和标注工作，以扩大生成式人工智能的适用范围；三是结合其他技术和方法，如情感词典、语义角色标注等，进一步提高情感分析的准确性和深度。随着技术的不断优化和升级，我们相信，生成式人工智能将成为新闻舆情分析行业的一把利器，助力实现智能化、高效化的新闻舆情分析。

注释：

[1]马兆薇.人工智能“生成物”可版权性问题研究[D].西北民族大学，2022.

[2]于璇，莫琴.人工智能生成内容对构建主流舆论新格局的挑战及其应对策略[J].贺州学院学报，2023， 39（02）.

[3]周洪宇，常顺利.生成式人工智能嵌入高等教育的未来图景、潜在风险及其治理[J].现代教育管理，2023（11）.

[4]崔雯娜，樊英鸽.新媒体背景下高校网络舆情引导的困境及路径研究[J].公关世界，2024（08）.

[5]崔骕，韩益亮，朱率率 等.基于情感主题建模的负面舆情早期预警研究[J].清华大学学报（自然科学版），2024，64（10）.

[6]黄礼东，胡慧君，陈佳逸，刘茂福.基于知识增强与多层注意力机制的方面级情感分析方法[J].武汉大学学报（理学版），2024（04）.

[7]吴江，黄茜，贺超城，徐雨舒，孙朴.基于引爆点理论的人工智能生成内容微博网络舆情传播与演化分析[J].现代情报，2023，43（07）.

[8]耿海天，陈煜娴，韩雨.探究维果茨基的情感心理学哲学[J].牡丹江大学学报，2023，32（07）： 23-27.

[9]王冲，张雅君，王娟.社会大众如何看待生成式人工智能在教育中的应用？——对B站ChatGPT话题弹幕文本的舆情主题与情感分析[J].图书馆论坛，2024，44（10）.

[10]郑尔特，杨一辰，李赞，等.基于主题识别与情感分析的突发公共卫生事件新闻舆情研究[J].图书情报导刊，2021（04）.

[11]张雪英，张婷，孙颖，张卫，畅江.情感语音数据库优化及PAD情感模型量化标注[J].太原理工大学学报，2017，48（03）.

[12]张财，马自强，闫博.基于机器学习的政务微博情感分析模型设计[J/OL].计算机工程，2024-4-24.

[13]江腾蛟，万常选，刘德喜，刘喜平，廖国琼.基于语义分析的评价对象-情感词对抽取[J].计算机学报，2017，40（03）.

[14]张仰森，孙旷怡，杜翠兰，王建，佟玲玲.一种级联式微博情感分类器的构建方法[J].中文信息学报，2017，31（05）.

（作者：安庆师范大学传媒学院2023级研究生，研究方向：人工智能与新闻传播）

责编：周蕾