王文韬 张士豹

摘  要：近年来网络社交平台兴起，大众倾向于在网上发表日常生活的感受，通过对这些文本的分析可以挖掘出人们的情感信息。文章基于新冠疫情暴发初期新浪微博有关新冠话题的评论数据，通过结合情感词典和支持向量机的方法构建情感分类模型，接着通过情感时序分析和LDA主题模型综合探讨疫情期间微博网民的情感走勢与特征。经实验分析，网民在新冠疫情期间的情感以积极情感为主，体现了大众对于战胜疫情有着相当充足的信心。

关键词：新冠疫情;情感词典;支持向量机;情感时序分析;LDA

中图分类号：TP391.1;TP181         文献标识码：A文章编号：2096-4706（2021）24-0024-05

Abstract： In recent years， with the rise of network social platforms， the public tends to publish their feelings in daily life on the Internet. Through the analysis of these texts， peoples emotional information can be mined. Based on the data of comments on the topic of COVID-19 on Sina micro-blog in the early stage of COVID-19 epidemic outbreak， this paper constructs an emotion classification model by combining emotion dictionary and Supports Vector Machine. Then， the emotion temporal sequence analysis and LDA （Latent Dirichlet Allocation） theme model are used to comprehensively explore the emotional trend and characteristics of micro-blog netizens during the epidemic period. According to the experimental analysis， the emotions of netizens during the COVID-19 epidemic period are mainly positive emotions， which shows that the public has sufficient confidence in overcoming the epidemic.

Keywords： COVID-19 epidemic; emotion dictionary; Support Vector Machine; emotion temporal sequence analysis; LDA

0  引  言

近些年来，社交媒体如微博、知乎等凭借着实时互动，多元化的特点已然成了传播时事，网民表达自己情感的重要渠道[1]。微博的开放环境为网络舆论的自由化提供了便利，人们随时随地便能在微博发表自己的想法。文本是用于情感分析的典型数据集，通过使用数据挖掘技术我们能够得到文本中所蕴含的情感倾向，而通过对微博文本数据的挖掘，我们更能从中了解整个社会群体的情感，分析影响这些群体情感起伏的因素。

新冠疫情在这两年断断续续，始终是网民讨论的重要话题。尤其在2020年1月1日至2月18日这段时间，新冠疫情初步席卷全球，全球社交平台的讨论此起彼伏，让其成了2020年最具影响力的一次热点事件[2]。通过对疫情期间的网民评论数据进行分析，能够挖掘出这期间网民的情感变化趋势及主要影响他们情感的相应因素。……