文章详情

摘要

在全球化进程不断推进的背景下，东北亚地区的社交媒体舆情对该区域的政治、经济、文化等方面产生着日益重要的影响。本研究致力于探索面向东北亚地区的社交媒体舆情分析方法。通过对东北亚地区主要社交媒体平台的热点舆情数据采集与整合，构建涵盖9个类别、40 610条文本的东北亚舆情数据集，利用BERTopic主题模型挖掘各舆情类别的关键主题和热点话题，并结合百度AI情感分析对公众情绪倾向进行挖掘。实验表明，本方法挖掘的主题连贯性得分为0.62，优于传统的LDA和NMF主题模型，百度AI引擎在情感分析任务中也取得了90.5%的Macro-F1值。主题与情感的双维度交叉分析为区域舆情态势研判提供了可量化的技术路径。

关键词

东北亚地区；社交媒体；舆情分析；情感分析；BERTopic

参考文献

1. [1] 张蕴岭，杨伯江，项昊宇.百年变局纵深演进下东北亚局势回顾与展望 [J].东北亚学刊，2024（2）：1-13，143.
2. [2] 隗昊，刁宏悦，孔亮宸，等.东北亚舆情文本细粒度命名实体识别方法研究 [J].计算机工程，2024，50（5）：354-362.
3. [3] Grootendorst M. BERTopic: Neural Topic Modeling with a Class-based TF-IDF Procedure [PP/OL].arXiv:2203.05794 [cs.CL].https://arxiv.org/abs/2203.05794.
4. [4] 史伟，薛广聪，何绍义.情感视角下的网络舆情研究综述 [J].图书情报知识，2022，39（1）：105-118.
5. [5] Pennebaker J W，Francis M E，Booth R J. Linguistic Inquiry and Word Count: LIWC 2001 [M].Mahwah：Lawrence Erlbaum Associates，2001.
6. [6] Wilson T，Wiebe J，Hoffmann P. Recognizing Contextual Polarity: An Exploration of Features for Phrase-level Sentiment Analysis [J].Computational Linguistics，2009，35（3）：399-433.
7. [7] 韩坤，潘宏鹏，刘忠轶.融合BERT多层次特征的短视频网络舆情情感分析研究 [J].计算机科学与探索，2024，18（4）：1010-1020.
8. [8] Li J，Sun A X，Han J L，et al. A Survey on Deep Learning for Named Entity Recognition [J].IEEE Transactions on Knowledge and Data Engineering，2022，34（1）：50-70.
9. [9] An Y，Oh H，Lee J. Marketing Insights from Reviews Using Topic Modeling with BERTopic and Deep Clustering Network [J].Applied Sciences，2023，13（16）：9443.
10. [10] Hutama L B，Suhartono D. Indonesian Hoax News Classification with Multilingual Transformer Model and BERTopic [J].Informatica，2022，46（8）：81-90.
11. [11] 周洪，俞海龙，王丽平，等.基于BERTopic主题模型的锂电池前沿监测及主题分析研究 [J].储能科学与技术，2025，14（1）：406-416.

基金项目

辽宁省高等学校基本科研项目“基于事理图谱的东北亚多语言文本舆情监测方法研究”（LJKQZ20222451）

作者简介

纪鲁鹏（1989—），男，汉族，山东菏泽人，工程师，本科，研究方向：数据挖掘；通信作者：隗昊（1993—），男，汉族，山东济南人，副教授，硕士生导师，博士研究生，研究方向：自然语言处理；刁宏悦（1992—），女，汉族，辽宁朝阳人，讲师，硕士生导师，博士研究生，研究方向：智能信息处理。