黄静玉 李彤彤 李坦 郭栩宁 葛慧欣

摘   要：对大学生特定时间的社交媒体评论文本进行情感倾向分析，不仅可以帮助教师更好地了解该群体的情感特点，还可以为有关部门针对该群体的决策提供科学参考。文章采用SVM、KNN、DT和NB四种机器学习算法分别构建情感分类模型，同时采用查准率P、召回率R和F值作为评估指标对情感分类模型进行对比，最终选择SVM模型对157名大学生2019年1月至2020年2月期间的13048条微博文本数据进行了情感分析。研究结果表明，负向情感出现的时间段集中在2019年11月和2020年1至2月。在这两个时间段内，研究群体更关注“军训”“期末”“疫情”等事件，由此，学校管理者可针对这些话题或事件进行有针对性的干预，从而在一定程度上缓解学生的负向情绪，保障大学生的心理健康。

关键词：大学生;情感分析;社交媒体;大数据

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2021）03-0052-05

一、引言

随着互联网的普及，微博、朋友圈、知乎等社交媒体平台为广大网民获取信息、发表观点提供了新的途径。人们会对事件、人物、产品等相关内容发表带有个人情感倾向与情感色彩的文本评论信息，这些主观性的文本信息往往蕴含着巨大的价值。企业通过挖掘并分析购物网站上商品客户评论中蕴含的情感倾向和态度，不断调整和改善自己的销售策略以优化消费者的购物体验，从而提升企业实力。通过对此类文本信息进行情感倾向分析，可以及时获取公众对特定事件的价值观点与情感倾向，帮助有关部门准确把握舆论发展趋势并辅助其进行决策分析，从而更有效地干预和引导舆论方向。……