情感分类是什么自然语言情感分类

　　在暨南大学新闻与传播学院与师生进行了讲座交流。这次交流会上许教授主要分享了他们团队在心情搜索、情绪传播和信息传播三个方面的研究。

　　许教授谈到社会情绪作为社会循环的命脉，通过监测和预测其变化，倒推出社会心里的变化、预测社会态度的变化，进而提前预知人们未来的行为，其重要性不言而喻。

　　首先许教授分享了Moodlens的应用案例。Moodlens是国际上首个基于表情符号的中文微博的情感分析系统。运用Moodlens对2011年异常事件检测可以看到愤怒、高兴、低落以及厌恶四类情绪整年的变化趋势，及观察背后对应的具体社会事件人们的情绪变化趋势。

　　许教授随后讲到“心情搜索”是一款基于文本情绪分析的搜索引擎系统。该系统将网络文本情绪分为愤怒、高兴、低落以及厌恶四类，通过机器学习方式自动识别文本情绪。比如对百事可乐一定时间内的文本情绪分析发现百事可乐喝出死金鱼事件及致癌门消息引爆网友愤怒情绪。

　　沃德社会气象台是利用情绪大数据模型开发的“网民情绪分析平台”。通过对2014年乌鲁木齐火车南站的暴恐事件进行舆情分析后，将基本情绪增加为五种，即新增恐惧情绪。在4月29日至5月2日时间段内人们的恐惧情绪高达75.9%。

　　在许教授大量的案例分享中发现，情绪分析数据在实际生活中非常实用且有重要意义。比如进行传播路径分析与关键人物挖掘；形成中国网民消费情绪指数，量化消费者的评价，进而做品牌消费决策；甚至高准确率地预测选举，并能有效地预测和票房。

　　在本节许教授分享了弱连接在网络信息传播中的作用。在传统社会，每个人接触最频繁的是亲人、同学、朋友和同事，这是一种“强连接”。同时还存在另外一类更为广泛的、然而却是松散的“弱连接”关系，例如一个无意间被人提到的人。有学者发现当人们在找工作时“弱连接”往往更有用。

　　在许教授的研究中发现强连接是主动的推送消息给好友，而弱连接的转发机制更能实现延续传播。且删除弱连接比删除强连接对信息传播的影响更大。

　　卡莱尔认为历史归根结底是伟人们的历史，恩格斯却说决定历史发展的是“行动中的群众”。究竟是英雄创造历史还是群众创造历史？

　　为了更好探索社交媒体流行趋势的创造者，许教授团队利用近两亿条微博数据分析发现网络流行语在微博传播中存在双峰现象情感分类是什么，即在第一次传播中并没有形成社交媒体流行语情感分类是什么，第二次传播却成功了。进一步对传播过程进行对比分析后发现，网络流行语在传播的早期阶段，普通用户参与的比例对是否引发流行起关键作用，由更高比例普通用户参与的传播才能创造真正的社会潮流，并最终形成大规模的流行趋势。许教授总结为“大众参与很重要，早期介入更关键”。

　　古人云“好事不出门，坏事行千里”情感分类是什么。那么正面消息与负面消息谁更容易传播？许教授通过信息传播的情绪相关性分析后总结到“好事不出门，怒火烧千里”，即愤怒是相关性最强和网络群体中最容易传播的情绪。该成果曾被BBC自然语言情感分类、CNN、华盛顿邮报、纽约时报、麻省理工技术评论、发现频道和新华网等来自90多个国家的数百家媒体广泛报道自然语言情感分类。从青岛“宰”游客舆情分析可以看到网民的愤怒传播程度。

　　都说美国总统特朗普是位“社交媒体总统”，不时在推特上说一些粉丝和支持者想听的话，内容不乏嚣张且备具争议。在特朗普当选总统前后，多家媒体均引用许教授团队的这一结果分析道特朗普当选总统是成功的利用了愤怒情绪的传播。

　　在分享会的最后许教授提出“发而皆独立，谓之和”，即如果个人喜怒哀乐的情绪都是独立表达而非受他人情绪的影响，则称之为和，如果能达到和，社交媒体就会成为传播信息而不传染情绪、开放和理性沟通的群体智慧空间。社交媒体才会让我们的生活变得更快乐。

　　许可，教授，博士生导师，工作于北航软件开发环境国家重点实验室。获全国百篇优秀博士论文奖和中创软件人才奖。《中国科学:信息科学》等期刊编委。研究方向包括算法、数据挖掘和网络。研究成果发表于AIJ、JAIR、IJCAI、AAAI、KDD、ACL、ToC和TPDS等人工智能、数据挖掘、自然语言处理和网络等领域的国际期刊与会议。提出的RB模型被广泛应用于国际算法竞赛和算法研究，并被大篇幅写入图灵奖得主Knuth的《计算机程序设计艺术》和国内外教材等20余本书籍。近年来开展了社交媒体与信息传播的研究，相关成果发表于KAIS、PRE和JCMC等计算机、物理和传播学领域的国际权威期刊，有关情绪传播的成果被BBC自然语言情感分类、CNN、华盛顿邮报和纽约时报等主流媒体广泛报道，并被写入教材、畅销书，以及计算机、、经济、新闻、心理学和金融等领域的10多本书籍。