文献类型：期刊文章

作　　者：张琛[1] 马祥元[1] 周扬[1] 郭仁忠[1,2]

ZHANG Chen;MA Xiangyuan;ZHOU Yang;GUO Renzhong(School of Resource and Environmental Sciences,Wuhan University,Wuhan 430079,China;Research Institute for Smart Cities,School of Architecture and Urban Planning,Shenzhen University,Shenzhen 518060,China)

机构地区：[1]武汉大学资源与环境科学学院,武汉430079 [2]深圳大学建筑与城市规划学院智慧城市研究院,深圳518060

出　　处：《地球信息科学学报》

基　　金：中国博士后科学基金项目(2019M663070)。

年　　份：2021

卷　　号：23

期　　号：2

起止页码：341-350

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：新冠肺炎疫情作为国际性突发公共卫生事件引发了社会媒体的高度关注。微博评论内容是用户对疫情中介性事件的认知、态度、倾向和行为的汇集,为基于用户情感分析的舆情演化研究提供了高现势性和高时序性的文本语料。本文以2020年1月23日至4月8日期间"人民日报"每日疫情通报的微博评论为信息基底,首先使用中文自然语言处理工具SnowNLP对语料进行情感倾向性抽取,完成正负向的情感分类,然后基于Single-Pass聚类算法实现文本语料的聚类分析,探索疫情热点话题,最后利用Louvain社团发现算法实现舆情被关注度的信息挖掘。①时间维度上,每日情感趋势表明用户经历了焦虑害怕(1月24日—2月18日)、平稳自信(2月19日—3月15日)和紧张担忧(3月16日—4月8日)的情感更迭阶段;②空间维度上,用户参与数量、所在地情绪状态和评论地情绪投射等关联分析显示不同行政区的疫情关注度和情感状态存在明显差异,疫情越严重地区的微博用户,其参与度越高且情绪状态与投射值越低。该研究通过引入自然语言处理技术和社团网络算法,构建出一种面向社交媒体评论文本数据的舆情分析方法框架,为重大公共事件的舆情研究提供了理论支持和创新思路。

关 键 词：新冠肺炎疫情  微博评论  情感分析  主题聚类 舆情演变  社团网络  时空数据分析  网络爬虫

分 类 号：R563.1] TP391.1]