基于A-V-P的网络舆情信息情感维度空间的模型构建.docx

? ? 基于A-V-P的网络舆情信息情感维度空间的模型构建 ? ? 　　1 引言 　　情感是视频、图像、音频、文本等多媒体数据的显著特征之一，更是大数据网络舆情信息的本质特征，网络舆情信息的参与者有喜、怒、哀、乐、悲、恨、惊等多种情绪和情感，这正是网络舆情信息分析、监测与预警的重要线索。 　　近年来，随着大数据网络多媒体舆情信息环境的变化，数字化视频、图像、音频等舆情信息量越来越庞大，其间隐含的情感数据也愈趋复杂，如何对这些海量非结构化的情感数据进行有效的组织、表达、管理、监测和预警，以方便舆情分析人员能够快速定位和准确预测成为迫切需要解决的问题。鉴于以上问题，基于网络多媒体舆情信息情感语义内容的组织、分级、监测、预警等一系列研究应运而生，成为目前舆情研究领域的热点课题。 　　目前针对于网络舆情信息情感研究主要集中在三个方面：一是理论层面探讨了网络舆情信息情感倾向性[1]、演化规律[2]、维度分类分析[3]等相关问题；二是在技术层面对微博等热点信息的文本情感特征提取[4]、观点挖掘[5]和语义识别[6]等技术方法进行了探讨；三是在实践层面重点探讨网络舆情信息情感分析系统开发[7]、舆情话题情感特征分析、针对某一个或一类具体事件的舆情演变路径[8]等方面的应用和实证研究。 　　事实上，网络多媒体舆情信息与受众情感偏好效力具有多维关联，网络舆情信息的情感语义内容是具有隐含性、多维性、关联性的一个较为完整的情感空间，同时受众对视听觉传播的网络多媒体舆情信息的情感评判标准和感官反应存在着共性的同时，也存在着较大差异，相同的舆情事件在不同的受众群体眼里感受的可能是不同的情感维度和级别，有时也可能级别跨度极大。 　　为了有效地表征其情感维度，本文提出结合基于A-V-P心理学模型的多维网络舆情信息情感空间构建方法，可以清晰地表达离散和连续情感的多维网络舆情信息情感空间的立体构成和特征，以期为准确定位网络舆情受众群体所处的情感等级提供依据，进而可以在舆情信息情感内容和情感维度之间建立相互理解的语义联系，对网络多媒体舆情信息情感语义的多维理解和空间构建就具有极其重要的意义。 　　2 网络舆情信息情感维度空间模型架构 　　情感是伴随网络舆情发展始末的多成分、多维度、多水平综合表征的一种心理过程，网络舆情信息情感维度是网络舆情预警级别的评定信号，各维度之间也存在错综复杂的链接关系，形成具有一定特征的层次结构，与网络舆情信息情感环境共同作用形成既具有差异性又具有层次关联性的立体维度空间，其间蕴含着网络舆情信息的情感发展演变规律和预警监测的情感线索。 　　2.1 A-V-P心理学情感空间模型的基础 　　动力心理学家勒温称个人和群体的心理活动都存在某时间所处的空间内，在同一空间内的各部分元素彼此影响；当某部分元素变动，所有其他部分的元素都会受到其影响随之发生相应的变化，以此来解释人的心理与行为。 　　正如个人在其生活空间里形成心理场一样，群体的特点是有成员的动力相互依存性，网络舆情信息参与群体同样与其环境形成网状结构的空间场，空间场内群体的相互作用受制于内聚力和瓦解力。当成员间阻隔交流的障碍太大时，便产生瓦解力。群体构成力场，力场中个体之间或吸引或排斥，取决于群体内的引拒值。勒温的群体动力学研究，为网络舆情信息情感分析提供了理论模型基础。 　　情感维度方法侧重把情感值安置在相应的有限情感维度上，如唤起（Arousal）、激励（Valence）、效力（Potency）等。Russell等[9-10]和Thayer[11]首先利用二维的唤起（Arousal）—激励（Valence）模型进行情感分类描述。唤起维度范围从非常大的正值到非常大的负值，而唤起维度的范围从悲伤到激动。 　　根据Picard对情感计算模型的三类总结，即离散状态计算模型、情感空间计算模型和基于规则的模型[12]，融合了可以表达用户离散和连续多维情感的情感唤起（Arousal）—情感激励（Valence）—情感偏好（Preference）心理学模型。而网络舆情信息情感感知与舆情主体参与者的个性、年龄、职业、关注、情感表达方式等特征效力有很大的关联，所以本文在心理学空间模型的基础上，提出一种新的“A-V-P网络舆情信息情感维度空间模型”[13]即唤起（Arousal）、激励（Valence）、效力（Potency/Preference）心理学空间模型，这个模型采用心理学反应量表来标记情感值，能够更好地体现网络舆情信息情感维度空间的特征和规律。 　　唐纳德·A.诺曼也提出，人脑有三个情感加工水平：本能的、行为的和反思的，人类的活动也必须全面考虑这三层不同的水平[14]，他认为本能的、行为的和反思的是三个不同的层次，在人类任何活动中这些情感都是相互交织的。由于网络舆情信息情感活动中人与人之