“日本排放核污水”事件中央视新闻微博用户评论的文本情感分析

摘要：日本政府排放核污水事件引发国际社会强烈不满。本文对日本排放核污水事件中央视新闻微博用户的评论文本进行情感分析发现：负面评论不再是单纯的情绪宣泄，而呈现出复杂的语言结构；网民情绪整体表现较为冷静，但在情感强度上负面情绪的情感强度明显大于正面；负面情绪随时间消散速度明显快于正面情绪，非理性情感易受周围环境及其他群体意见影响。

关键词：网络舆情 情感分析 日本排放核污水 建设性新闻 微博评论

2023年8月22日，日本政府宣布将从8月24日启动福岛核污染水排海计划，并计划持续排放30年。此消息一经公布即引发国际社会强烈不满。笔者采取基于词向量的文本情感分析方法，以央视新闻报道“日本排放核污水”事件微博用户的评论文本为研究对象，对微博这一社交平台中该事件的舆论情感倾向进行研究，探究媒体在报道此事件时的网络舆情演化特征。

一、研究缘起与研究问题

由于移动网络通讯技术的飞速发展以及相对宽松的意见发表环境，微博成为社会话题以及各类信息传播与扩散的主要阵地之一。但在重大网络舆情事件中，作为意见领袖的专业媒体机构所发布的议题，对网络用户的议题设置仍然起到重要作用，甚至媒介议题的情感倾向直接奠定了用户议题与网络舆论的基础情感倾向。

勒庞在《乌合之众》中指出：“群体只知道简单而极端的感情；提供给他们的各种意见、想法和信念，他们或者全盘接受或者一概拒绝，将其视为绝对真理或绝对谬论。”随着话语权分布的下沉，专业媒体面临着情感传播优先于事实传播的困境，媒体既要及时地提供真实信息、表明态度立场，也要把握好报道话题正负面属性的分布。凯斯·桑斯坦认为：“团体成员一开始就有某些偏向，在商议后人们朝偏向的方向继续移动，最后形成极端的观点。”专业媒体要帮助网络用户逃离“情绪的螺旋”和极端化舆论气候之中。

近年来，国内对于网络舆情的分析研究主要集中在司法、民生、体育等国内社会议题上。笔者以“日本排放核污水”这一事件为背景，通过分析这一事件的评论文本情感、情绪时序、情感强度等内容，探究影响受众情绪的因素以及网民情绪倾向特征，为我国建设性新闻发展提供可行性方案。

二、研究设计与数据抓取

本研究采用文本情感分析法对央视新闻“日本排放核污水”的微博评论进行情感倾向分析。目前，文本情感分析主要采用情感词典、机器学习、深度学习三种方式。由于社交媒体的评论文本较为口语化，网络用语较为频繁，因此本文采取情感词典的方法，结合“大连理工大学中文情感词汇本体库”对相关数据进行情感分析，并归纳情感倾向特征。

（一）样本选择

从8月22日日本宣布排放核污水，到9月11日第一轮排放正式结束，央视新闻在微博平台进行了直播和追踪报道，相关话题掀起一波激烈讨论。在21天的时间里，央视新闻共发布相关话题博文31篇，收到评论398723条。由于这些评论中存在重复评论、表情符号、无意义转发评论等情况，因此笔者首先对数据进行抓取与预处理。

（二）数据的抓取与预处理

笔者对央视新闻有关日本第一轮排海的微博评论进行数据抓取，对31条微博的一级评论文本数据进行收集，共计抓取微博评论文本有效数据14626条（如图1）。由于微博评论中包含表情符号、转发微博等无意义评论，利用正则表达式删除只有表情包的语言，并删除无实际意义的评论文本。在文本预处理阶段，通常需对词汇进行分词操作。笔者将基础词库与自定义词库相结合，用于构建所需的分词词库。笔者将“大连理工大学情感词汇本体库”（27466词）、“沈阳团队ROSTCM分词系统词库”（28426词）、“日本排放核污染水”事件自定义词库（209词）进行合并构建基础词库，同时导入ROSTCM6内容挖掘软件进行分词。为减少词条维度，增加文本关联准确性，本研究汇集哈工大停用词表、百度停用词表、中文停用词表、四川大学机器智能实验室停用词库等常用词表，利用ROSTCM6进行停用词的过滤，最终整理出有效评论文本数据13531条。

（三）情感分析构建流程

“大连理工大学情感词汇本体库”详细描述了词汇的情感类别、强度和极性等要素，按照“乐、好、怒、哀、惧、恶、惊”七类情绪划分，并进一步细化出“快乐”“安心”“尊敬”等20个小类，最终整理情绪词语列表。情感强度分为0到9共十个等级：0表示中性情感，1到9情感强度依次增强。笔者运用Python语言编写情感计算函数，同时利用情感词计数统计文本的情感值，进而分析受众情感时序及受众评论情感倾向。

三、数据结果与讨论

按照研究设计，笔者首先对有效评论数据进行文本情感赋值，其次通过对评论文本的情感分析，讨论“日本排放核污水”事件中负面情感评论的语言结构特征以及事件中评论情感强度特征；通过对评论文本情感时序分析，阐述“日本排放核污水”事件中情感传播的情绪演化特征。

（一）评论文本情感分析

笔者运用Pycharm编辑器运行情绪计算函数后，将每一句评论包含的情感进行赋值，将正面情感词语计为1，负面情感词语计为-1，计算公式如下：

Femotion=1×n（Happy + Good + Surprise）+（-1）×n（Anger + Sad + Fear + Disgust）

当Femotion大于0时，则该评论文本情感为正面；当Femotion小于0时，则评论文本情感为负面；Femotion等于0时，则评论文本情感为中性。经过计算发现，此次日本第一轮排放核污水事件的微博评论中，正面情感评论1370条，占比10%；负面情感评论3771条，占比28%；中性情感评论8390条，占比62%。由于中文表达的复杂性，部分“反话正说”“正话反说”的内容，在进行情感计算时数值显示为中性。在此次事件中，网民情绪整体较为冷静，中性情感的评论大多是对于事件后果的理性分析。而正面情感的评论主要是对于中国政府采取措施的支持、对未来生活的期望、对现场报道记者的关心等。负面情绪则是对于日本政府行为的谴责、抨击、抵制。

（二）评论文本情感时序分析

笔者将日本第一轮排放核污水事件分为四个阶段：宣布排海（8月22日）、排海前（8月23日—24日12：00）、排海（8月24日12：00—排海直播结束）、排海后（8月24日排海直播结束—9月11日第一轮排海结束）。为方便对比正负面情绪时序变化，图2将负面情绪设置为正值。由图2可知：与一般事件的“开端—扩散—高潮—退散”四个发展顺序不同，此次事件中，网民情绪“高潮”在日本宣布正式排海的当日即到达，随着时间的推移，逐渐趋于冷静；而正面情绪值的变化相较于负面情绪值而言则较为平缓。

（三）“日本排放核污水”事件中负面情感评论的语言结构特征

公众情绪倾向的非单一性，反映了其复杂的心理与认知过程。在对“日本排放核污水”事件的评论文本进行情感分析时，笔者观察到虽然网民表达的整体情绪相对理智和中立，但是负面情绪仍然充斥在微博评论之中；负面言论的呈现形式除“简短、多次、激烈”的单纯宣泄式之外，还呈现出以下结构特征。

1.义愤/阐述理由+情绪宣泄。这一形式的负面情感评论，虽然相较于单纯的情绪宣泄式的评论更具正当性，但仍带有一些非理性的情感色彩。义愤是用户被违反正义之事所激起的愤怒情绪。当媒体报道日本排放核污水这一事件时，大量微博用户对日本政府这一行为产生道德反感，并在一定程度上转化为集体义愤，进而形成此次舆论的情绪基调。这部分网友在负面情绪的评论中发表了自己的所思所想，表达对日本政府行为的无奈、对生态的担忧，进而表达了自己心中的愤怒与茫然。还有一部分网友通过阐述负面情绪产生的理由，表达对日本排放核污水这一行为的谴责，进而宣泄负面情绪，例如沿海渔民因担心核污水会影响其生计，而产生愤怒情绪。

2.理性分析+激烈言辞。这一结构的语言特征相对理性，网民通过纵观历史、合理怀疑、提出假设等多种角度，分析此次日本排放核污水可能造成的影响。评论的分析部分较为理性、客观，但在结尾处往往伴随着较为激烈的言辞。此次事件中，微博评论的负面情绪不再是以单纯的非理性方式进行宣泄，反而更为冷静与理智，有别于网络世界中一贯充斥暴力与戾气的不良风气。

（四）“日本排放核污水”事件中评论的情感强度特征

在此次事件中，网民的情绪大体上保持冷静，多数评论内容展现出中性的情感倾向。然而，在仔细解读这些评论时，笔者依然能够捕捉到一些负面情绪的影子。

除“反话正说”和“正话反说”可能隐晦地表达负面情绪外，情感强度在正、负面倾向的评论中的不同占比也是导致负面情绪更为强烈的原因之一。在正面情感倾向的评论中，情感强度最高等级为4级，占比14.5%；而负面情感倾向的评论中，情感强度最高等级高达8级，占比达到31.2%。“负面偏见”理论揭示了人们倾向于对负面信息给予更多的注意力和记忆力的心理机制。这种天然倾向意味着，在社交媒体环境中，负面情绪不仅更容易吸引公众的目光，而且对公众造成的心理影响也更为持久和深刻。因此，负面评论在情感影响力和记忆留存方面的作用显著超越正面评论。同时包含负面情绪的评论常常采用增强情感表达的手段，例如使用“感叹号”或“愤怒”表情，这不仅增强了负面情绪的传播效果，而且在用户心中留下了较为持久且深层的记忆。

（五）“日本排放核污水”事件中情感传播的情绪演化特征

网络舆情事件通常呈现出“开始—扩散—高潮—消退”四个演化周期。此次事件中，在日本核污水正式排海前，相关报道就已见诸媒体，因此话题一直处于预热“扩散”阶段。而本研究选取的是日本正式宣布排海后的数据，因此观测到的网民情绪从一开始就已经到达“高潮”阶段。

1.评论负面情绪随时间推移逐渐消散。身处社交媒体时代，人们的私人情感逐渐弥散进入社会公共领域之中，“与公共性相关的内心化现象逐渐让位于一种与内心领域相关的客观化现象”。因此，网民非理性的负面情绪往往会在事件爆发的第一时间被快速激发，并迅速扩散至公共场域。由于负面的情绪表达往往是在非理性状态下产生的，因此负面情绪呈现出的不稳定性，极易受到周围意见环境及其他意见群体的影响。随着时间的推移，负面情绪呈现出下降趋势，原本感性的状态也会趋于理性，且变化速率较高，负面情绪消散速度较快。

2.评论正面情绪随时间推移变化较小。如果网民能够在事件爆发之初便持有理性观点，保持客观中立的情感态度立场，未被负面情绪洪流卷走，这意味着其拥有更加理智的思考能力、更加强大的群体意见抗压性，因而这一部分网民往往也是带动情绪“反向螺旋”的主力军。情绪认知调节理论认为，个体在面对外界刺激时，会通过认知方式对情绪进行调节，而非简单地被情绪所左右。那些持有理性观点的个体，在群体中往往会对负面情绪的“侵略”进程产生抑制作用，从而减缓负面情绪的传播和扩散速度，使整体情绪变化相对更加平稳，因此正面情绪的变化受事件发展的演变与时间推移的影响相对较小。

（作者燕道成系湖南师范大学新闻与传播学院副院长、教授；沈鼎洲 湖南师范大学新闻与传播学院）

本文系湖南省哲学社会科学基金重大项目“学术湖南”精品培育项目“青少年网络文明建设体系研究”（项目编号：22ZDAJ006）、湖南省学位与研究生教学改革研究重点项目“三维并济·两类互证·三大平台：新闻传播类博士研究生‘数据能力’培养模式与路径研究”（项目编号：2023JGZD030）的研究成果。

参考文献

[1][法]古斯塔夫·勒庞.乌合之众：大众心理研究[M].冯克利，译.北京：中央编译出版社，2017.

[2][美]凯斯·桑斯坦.网络共和国：网络社会中的民主问题[M].黄维明，译.上海：上海人民出版社，2003.

[3][德]尤尔根·哈贝马斯.公共领域的结构转型[M].曹卫东，等，译.上海：学林出版社，1999.

[4]陈建美.中文情感词汇本体的构建及其应用[D].大连：大连理工大学，2009.

[5]陆泽凯，谢颖.微博中的“中美外交风波”舆情文本研究——基于R语言的词向量情感分析[J].传媒观察，2021.

【编辑：杭丽坤】