石霖晟杰 刘姝宁

摘 要：本文提出一种基于敏感度的服务评估指标，从客观和整体的角度对气象服务的质量进行了量化，首次提出针对天气的情感敏感度概念以及全因素下的情感分布，这些都有助于推进气象服务形成闭环，该指标以整个社会舆论作为数据支撑，以民众的整体情感变化作为计量单位，以文本分析作为底层技术支撑。

关键词：敏感度指标;情感分布;文本分析

中图分类号：F27     文献标识码：A      doi：10.19311/j.cnki.1672-3198.2021.31.025

0 引言

气象服务是一整套的传递机制，气象预报只是这其中的第一环，还要将预报准确无误并以接收者喜欢的方式传递到位，最后还要能做到跟进服务;就此气象服务还缺乏一个反馈系统，这样一整套的机制才能迭代进步。目前气象服务的评估反馈机制还是以传统的问卷调查为主，这种方式耗时费力，而且结論过于主观，没有客观数据支撑，不是一种长久的方式;另外现在主抓的预报准确率虽然足够客观，但却是整套机制的第一环，太过片面，不足以反映整体。

然而整体气象服务的反馈信号又难以准确及时的捕捉，其原因之一在于经济学中的一个概念——成本，举个例子说明。商家卖出一碗面，顾客吃完了下一次可以选择来或者不来，（因为这碗面是有成本的，有成本就有选择），而这样的行为也带给了商家反馈信号，商家可以据此调整商业模式、精进工艺;可是在公共服务中，这碗面往往是免费的，因为免费，面好吃与否都显得无关紧要了，而这样的行为是无法收集到任何有效的反馈信号的。就像是在美团里能找到各种各样的评价，但却很少有人发表对于天气服务质量的主观评价。

本文为解决上述问题，提出一种整体、客观的气象服务评估指标——针对天气的情感敏感度指标，该指标以整个社会舆论作为数据支撑，以民众的整体情感变化作为计量单位，以文本分析作为底层技术支撑。

1 情感敏感度指标

本文基于如下的理论依据。从观云识天到人工影响天气，气象服务的根本是为了缓解天气变化对百姓生活的不利影响。试想一下，多年前气象服务还不完善的时候，一场冰雹灾害对农民作物造成了不可估量的伤害，百姓谈天色变，而随着技术的进步、服务的完善，气象服务可以提前至灾害发生前进行防御，更可以在发生之后持续跟进后续变化，对未知的了解和对灾害有了应对之法，这使得百姓对灾害的反应变得温和，这也是本文最为重要的概念——对天气变化的敏感度，即民众对天气变化所造成的不利影响的敏感程度，气象服务越发完善，民众对天气的敏感度就会越低。敏感度低并不代表不重要、不在乎，而是不再畏惧未知的事物，有了应对之法，气象服务就如同电力一样潜移默化的影响和服务百姓，在电力还没被发明出来的时候，人们对于昼夜的影响是很敏感的，直到现在，人们消减了昼夜对生活的影响，现在的人们对电力是依赖的，不过对昼夜的影响却是不再敏感。

根据上述的理论依据，具体计算上本文基于社会舆论中的整体情感分布来体现敏感度，即排除了天气影响下的社会整体舆论的情感分布接近于全因素影响下的情感分布，则说明天气对民众情感的影响不显著，即虽然天气因素一如既往的存在，但影响民众情感的主导因素是由天气以外的其他因素构成，这也就说明了民众对天气变化所造成的影响的敏感度较低。具体公式如下：

情感分布|全因素 = 情感分布|排除天气因素外的其他因素 + ε

其中ε代表一组白噪音;而情感分布是由一组固定时间间隔下的标签的加权平均计算而得，标签分为正向情感（1）、中性情感（0）、负向情感（-1）。

而在本文的实验环节使用的是另外一种方式代替情感分布进行描述，即情感标签变动的百分比，其公式如下：

情感标签变动的百分比=（情感标签占比|全因素-情感标签占比|排除天气因素）/情感标签占比|排除天气因素

我们将一段时间下的情感标签变动百分比进行同比和环比，观察随时间情感敏感度变化的情况。

2 实验过程及涉及模型

2.1 实验数据

本文使用的测试数据是CCF提供的比赛数据，只包含2020年1、2月份的微博发文，但考虑数据的全面性应尽量多的将网络舆论数据搜罗进来，可包含微博、公众号、今日头条、百度、贴吧等多种渠道数据。由于情感敏感度指标基于情感倾向的判别，因此做有监督的学习时就需要人工判断一部分数据再让机器自学习，若做无监督的学习也需要构建判识标准或情感词典，本文中的标签数据是由CCF比赛数据提供。

在清洗数据的过程中，对发文内容进行去重并只保留最早发文的记录;由于我们对于数据的定义是个人发文，因此将机构数据剔除，本文通过在用户名中搜索地区名称来判断是否属于机构用户。

在排除天气因素影响的过程中，本实验采用在剔除了#话题和@某人后的发文中搜索和天气相关的词组，本文对这里使用的天气相关词组的定义为能够在气象服务中体现到的对天气有唯一性描述的词组。这里有两个条件，其一是能够在气象服务中体现到，举个例子，“万里无云”和“骄阳似火”同样是对天气状况的描述，但无论在预报中还是气象服务中都没办法把“万里无云”所描述的语境体现出来;另外一个条件是对天气有唯一性描述，不存在多种语义或歧义的词组，比如风轻云淡一词本意是描述天气晴好，但在语境的使用更多的是用于描述人的心境恬淡、闲适。像是中雨、暴雨、霜冻、台风、酷寒、炎热、大雾、大雨倾盆、风雨交加、狂风暴雨等都可作为用于判断发文描述中是否包含天气对其产生影响的词组。

2.2 实验结论

情感标签变动的百分比反映的是天气因素对其他因素的影响，比如标签为-1的1月份为-1.0933%，即天气因素的加入使得整体标签为-1的数据比之前少了1.0933%。虽然从单月来看，气象服务整体呈现一个正面的趋势，但1月到2月的变动幅度还是相对较大的，特别是在-1和0的标签上，这也说明了天气因素对于整体情感分布的影响较大，即民众对于天气的敏感度随时间在增加，从现实的角度考虑，2月前后正是疫情席卷全国的转折点，考虑到疫情这类的因素对其他因素本身也会产生影响，便不难解释这些变化。