2017年12月2日,第五届传播与国家治理论坛暨第二届互联网与社会论坛在复旦大学盛大召开,以“互联网与学科新版图”为主题,近百名政界、业界、学界嘉宾受邀出席会议。会上博易数据团队分享了《互联网与创新治理:自动化网络情绪分析的误区》(作者:澳门互联网研究学会会长兼珠海横琴博易数据技术有限公司总裁张荣显博士、南开大学社会心理学系副教授陈浩、博易数据高级研究顾问曹文鸳、博易数据研究员赵莹)。
博易数据资深研究顾问曹文鸳老师代表博易数据团队在互联网大数据条件下对自动化情绪分析进行理念及技术层面的探讨和反思。明晰情绪分析的概念和内涵,并通过梳理当前自动化网络情绪分析的两大类技术方法,基于词库的词汇匹配技术和基于机器学习的情绪分析,分析其技术层面存在的问题。
博易数据资深研究顾问曹文鸳老师进行主题分享
其提出当前的很多研究中经常会将情感分析与情绪分析混为一谈,网络文本情绪分析中的误区,主要集中在:概念与测量、情景与语境及指涉对象。
对此,通过提升词库质量、校对分词、修订编码方案、抽样人工编码机器学习等手段提升自动化网络情绪分析技术。
当前网络文本自动化情绪分析的技术层面,尽管对技术已有多种探讨,然而在不同维度上精确度、准确率、召回率等指标并不能达到理想的效果。因此,针对网络自动化情绪分析的误区,需从技术和人工介入两方面结合,以提升自动化情绪分析结果的有效程度,如针对文本进行分析的常用研究方法——内容分析法,针对文本中的情绪进行类目细分,采用人工编码的方式对情绪分类进行编码,并运用量化分析工具实现数据的可视化呈现。如此,结合技术与人工思维方式,以期达到分析网络文本情绪的目的。
DiVoMiner数据挖掘平台具有灵活开放的操作系统,对研究人员来说,可充分利用平台数据或自有数据扩充数据库,建立专属数据库。可充分发挥研究设计、类目建构、内容编码及数据分析的能力,同时,所有数据及结果均可追踪查证,达到科学透明的学术要求!