不同人格倾向微博用户的情绪表达分析

发布时间：2021-07-01 16:45

　　微博平台作为中文区最大的社交网络媒体早已成为网民发表观点与表达情绪的重要阵地。社交网络媒体文本中蕴含的情绪信息能够对他人产生影响,并且有可能在公共事件传播上起到不可忽视的作用,这就使得有必要探究个体在此类环境中的情绪表达特点。人格作为影响情绪表达的重要因素,以往在研究人格对情绪表达的影响时,通常以压力情景作为实验场景,将情绪表达作为个体面对压力时的情绪应对策略。对于社交网络媒体环境下,人格对情绪表达的影响还研究得比较少。因此,本研究选择微博平台,对不同人格倾向用户的情绪表达特点进行分析。由于利用传统问卷获取大量微博用户的人格分数费时费力,本研究首先选择建立分类模型以实现对微博用户的人格预测,再使用在线文本分析技术对不同人格类型微博用户的情绪表达特点进行分析。在研究一中,首先利用前人研究结果中与大五人格各维度最相关的表达词汇作为种子词,进行翻译和分类。再随机爬取3374名中文活跃微博用户的原创微博作为语料库,利用Word2Vec和语料库对翻译后的种子词进行扩充。再基于协商一致原则,由两名心理学硕士对扩充后的词汇进行筛选,形成初版人格词库。随后,选取三种分类机器学习算法对初版人格词库进行验... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图３．２三种分类器乃值表现??

３．４结果与讨论??３．４．１词库验证效果??三种模型５倍交叉验证的巧值见图３．Ｚ随机森林（ＲＦ）的效果最好，开放性达到０．６６，??尽责性达到０．７５，外倾性达到０．７５，宜人性达到０．７２，神经质迗到０．７０，随机森林详细结??果见表３．４。??使用同样的特征处理方式和随机森林算法，使用万丹琳（２０１４）利用相关分析得到的ＳＣ－??ＬＩＷＣ中，与大五人格各维度最相关的６个维度中的词汇对人格进行预测，６个维度见表??３．５，人格维度行对应的是相关系数，系数的上一行是对应的ＳＣ－ＬＩＷＣ中的维度。乃值对??比结果见图３．３，由图可见，利用基于社交网络媒体语料库词扩充的人格词典，各维度下??的凡值都高于ＳＣ－ＬＩＷＣ中与大五人格最相关６个维度词汇预测的结果，Ｆ！值最高提升??０．１６。??０．８??ｉｔ?ＩＩＩＩ?ｎ?ＩＩ??开放性?尽责性?外倾性?宜人性?神经质??■?ＳＶＭ?ＥＬＲ?ＲＦ??图３．２三种分类器乃值表现??１５??

【参考文献】：
期刊论文
[1]结合word2vec与扩充情感词典的微博多元情感分类研究[J]. 王名扬,吴欢,贾晓婷.  东北师大学报(自然科学版). 2019(01)
[2]基于扎根理论与词典构建的微博突发事件情感分析与舆情引导策略[J]. 张鹏,崔彦琛,兰月新,吴立志.  现代情报. 2019(03)
[3]基于中文社交媒体文本的领域情感词典构建方法研究[J]. 蒋翠清,郭轶博,刘尧.  数据分析与知识发现. 2019(02)
[4]跳出传统假设检验方法的陷阱——贝叶斯因子在心理学研究领域的应用[J]. 吴凡,顾全,施壮华,高在峰,沈模卫.  应用心理学. 2018(03)
[5]贝叶斯因子及其在JASP中的实现[J]. 胡传鹏,孔祥祯,Eric-Jan Wagenmakers,Alexander Ly,彭凯平.  心理科学进展. 2018(06)
[6]基于社交网络的人格分析与预测[J]. 于建伟.  现代计算机(专业版). 2018(04)
[7]逻辑回归方法原理与应用[J]. 李卓冉.  中国战略新兴产业. 2017(28)
[8]基于微博用户的情绪变化分析[J]. 汪静莹,甘硕秋,赵楠,刘天俐,朱廷劭.  中国科学院大学学报. 2016(06)
[9]大学生人格特征与情绪应对策略的关系[J]. 王滔.  中国健康心理学杂志. 2014(11)
[10]社交网络用户的人格分析与预测[J]. 张磊,陈贞翔,杨波.  计算机学报. 2014(08)

博士论文
[1]微博客社会情绪的测量及其与社会风险感知和风险决策的关系[D]. 董颖红.南开大学 2014

硕士论文
[1]基于中文微博的用户倾向挖掘与分析[D]. 万丹琳.北京邮电大学 2015



本文编号：3259502