粉红宝宝照片新浪微舆情与哈工大联合推出“情绪地图”测试版男发型图片

　　2017年6月29日，新浪微舆情和哈尔滨工业大学社会计算与信息检索研究中心联合推出了基于社会化大数据语义分析的“情绪地图”测试版。届时，网民可以登录新浪微舆情官方网站实时查询任何关键词的 “情绪地图”。

　　“情绪地图”是指基于深度学习的语义情感分类模型，在人类常见情绪分类的基础上，对社会化媒体文本大数据中的潜在情绪进行判别和归类统计，最终呈现为情绪在时间和空间维度上的分布。“情绪地图”测试版的上线，标志着语义情绪分析在舆情分析产业、乃至中国社会化大数据产业的首次正式应用。

　　“情绪地图”的应用非常广泛。舆情分析是其中的一类典型应用，通过对社会化媒体上网民所发布的文本内容进行分析，从而实时地对网民的情绪、态度和观点进行监测，还可以进一步与事件发现等任务相结合。除此之外，“情绪地图”在推荐系统、产品评论分析等任务中也具有很强的实用性，在政务应用、品牌价值、产品质量反馈、影视作品口碑分析等领域均具有较强的实际意义。

　　在技术上，“情绪地图”使用了基于深度学习的Word Embeddings、LSTM等NLP技术，对三元的倾向性分类模块与六元情绪分类模块进行先后判断，混合使用了深层神经网络机器学习方法和词典方法。

　　语义情感分类是自然语言处理中一项重要的应用，可以分为两大类别：情感倾向性分析与情绪分析。“情感倾向性”指的是文本的情感极性，例如“积极”、“消极”或“中性”，目前国内社会化大数据分析领域(包括舆情分析领域)中对语义的情感判断，基本上都是基于“情感倾向性”的判断，也就是说，通常仅分为“正面”、“负面”和“中性”3类。然而，在实际应用中，这种“粗线条”的情感分类方式，显然不能满足用户的精细化需求。例如，在一起重大灾难事件中，虽然 “消极”或“负面”的情绪占主导，但这种负面情感中以“愤怒”为主、还是以“悲伤”为主，对于舆情态势的判断结果区别就会很大，相关部门下一步的善后处理及舆论引导工作侧重点也会有所不同。而“情绪”则指的是“喜悦”、“愤怒”、“悲伤”、“恐惧”、“惊奇/吃惊”等人类常见情绪，更能反映人们的观点和意见倾向。“情绪地图”正是基于“喜、怒、哀、恐、惊”这五类常见情绪加上“中性”的六元情绪分类进行的情绪分析，对于社会化大数据来说，这种数据挖掘更为精细和实用，从而更具应用价值。