2024年2月5日发(作者：)

第02期总第446期•传媒观察・2021年2月MEDIA

OBSERVER•热点透视•微博中的“中美外交风波”舆情文本研究——基于R语言的词向量情感分析陆泽凯谢颖（广州大学社会学系，广东广州510006）【摘

要】如今，中美两国之间的外交博弈作为社会热点事件，容易形成网络舆情。文章运用了基于

词向量的文本情感分析方法，从网络社会学的角度出发，关注2020年中美外交互相关闭领事馆事件。在

分析文本词频、文本情感、情感时间序列的基础上，探究大国外交中的网络舆情特征。研究认为：大国

外交的网络舆情文本带有明显的情感化表达特征以及包容化、趋向年轻化的特征；事件中的情绪倾向带

有“一边倒”的特征；网民的情绪随着突发事件的爆发而被快速调动而后又趋于平缓，等待下一次调动。

总而言之，在大国外交这样的热点事件中，网民通过社交网络表达自己的情绪，为网络社会学、传播学

研究网民行为提供了启发。【关键词】网民；情绪；网络舆论；情感分析；中美外交；【中图分类号】G206

［文献标识码】A

［文章编号】1672-3406

（

2021）02-0054-8一、研究缘起与研究问题社交网络舆情是网民由于各种事件的刺激而产生的、通过互联网传播的，并通过互联网为媒介对社

会和生活中的热点、焦点问题所持有的具有较强影响力、倾向性的观点和意见的集合。①曾润喜认为舆情

和舆论存在一定区别。舆论是多数人的共同意见，而舆情是人们的认知、态度、情感和行为倾向的最开

始最原始的表露，它不需要得到多数人认同，是多种情绪意见的简单集合。当围绕某一话题的舆情不断

增多时，舆情就可以向舆论转化，因此舆情比舆论更为宽泛。②而情感分析技术是自然语言处理领域（NLP）

—个重要的分支。文本情感分析通过对人们的观点进行

提取分析，得出其情感的趋向性得分，从而识别出其情感倾向——积极或消极，支持或反对等等。它是

对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。③近些年来随着社交网络和电子商务

的飞速发展，其越来越受到人们的重视。周胜臣对中文微博进行了情感分析并取得不错的研究成果.④另

一位学者徐健则给出了网络用户情感分析的一些建议。⑤互联网时代，由于信息的高度畅通，也由于人们【作者简介】陆泽凯，广州大学社会学系助理研究员谢颖，广州大学社会学系教授【基金项目】本文为广东省社科规划项目GD19CSH03的阶段性成果；2019挑战杯项目“基于社科大

数据模型的网络情绪研究”的阶段性成果。54

第2期微博中的“中美外交风波”舆情文本研究•热点透视•拥有了一个可以发表自己言论的平台，大国的外交事件不再只是小部分人有能力去讨论的话题，而是成

为了全民热议的社会热点。在特朗普上台任美国总统后，一直对中国采取强硬的外交政策，从2018年开始的贸易战，到对待台

湾问题，无一不激起中国网民的反感情绪。而过去的一系列事件都缺少一个明确的情绪爆发点。2020年

中美互相关闭对方领事馆的外交风波，是网民对于近4年来中美外交冲突不断升级的一个集中宣泄点，

是社会学、传播学研究不可多得的一个切入点。2012年蔡翠红曾对中美关系的网络空间关系做过详细的分

析，认为由于网络的无政府化、高度自由化，中美容易因为网络舆情产生冲突，使得两国陷入安全困境。⑥然

而仅仅过了8年，中美关系已经如此恶化，这远不是奥巴马时代可比的。双方政府陷入了信任危机，双

方的网络舆情也愈演愈烈。如2020年初美国网民在社交媒体Facebook和Twitter上指责中国人为"Chinese

Virus”，而中国网民也在新浪微博等平台指责美国人“虚伪”。真正推进网络舆情的进一步管控，不仅需要政府相关部门的规则与监督，也需要公民网络舆情观念

的建立。在中美这场大国博弈的过程中，由“中美互相关闭对方大使馆”引起的外交风波，实际上提供

了难能可贵的舆论场，可以一窥不同主体在大国舆情讨论中持有何种态度。本研究将对这一问题作出回应，

一方面尝试弥补有关大国外交舆情的研究空白，以微博的博文为研究的基本单位，从普通网民的角度分

析大国外交中普通网民的舆情变化；另一方面，通过网民在微博热议的议题，针对性地为目前如何治理

大国外交舆情提供一些建议。目前国内对网络舆情的研究主要集中在电子商务和金融、政府相关政策等.从社会学、传播学的角

度切入较少。本文以“2020年美国关闭中国休斯顿领事馆”这一外交风波为背景，运用了实证研究方法

分析这一事件的文本词频、文本情感、情绪时序，进而得出大国外交的网络舆情的传播特征，有助于了

解这类事件的网络舆情，启发网络社会学在相关领域的研究，并为相关治理提出可行性方案。二、研究方法设计目前文本情感分析主要分为基于机器学习和情感词典以及新兴的深度学习3种方法。机器学习比较

偏向于文本数据的分类；而深度学习的方法目前还不够成熟，而且由于其结果难以解释，⑦目前主要使用

于商业物品的评论中.对于正式的研究应用不多；而词典方法则更有利于提炼特征。因为本文的研究对

象是微博上的评论文本，同时由于微博语言具有显著口语化、词语网络化等特点。从研究实际出发，本

文将采用词典的方法，应用R语言的tidytext®对相关数据进行情感分析.然后归纳提炼舆情传播特征。（一） 文本情感分析流程框架本文提出的基于情感词典的文本分析总体框架包括四个步骤：1

）数据获取，通过对微博数据进行爬取。2）

数据预处理，包括文本数据的保存，存入语料库.数据清洗，中文分词，去停用词。3）

情感词典的建立，以及对特殊词汇情感极性分数的标记。4）

利用情感词典来预测语料库情感极性，并可视化情感变化。（二）

研究样本选择本文所使用的研究数据来源于新浪微博，话题系统将最热的10大热点事件组成排行榜，放在微博首页。

本文从“美国驱逐中国驻休斯顿领事馆人员”话题开始登上排行榜的第一天进行研究，截至2020年8月

25日o该话题获得6484.3万阅读量和8572条评论。对从该话题登上排行榜的2020年7月25日到8月

25日这一个月内的微博数据进行爬取，共有8572条评论。由于原始评论数据较大，数据存在各种各样的

表情符号，本文的数据要求为具有一定代表性的评论文本，因此要先进行数据的预处理。55

•热点透视••传媒观察•2021

年（三）数据获取首先，本文运用IntelU软件对原始评论文本进行初步抓取，IntellJ由JetBrains打造，首先运用Python

语言编写程序，通过IntelU运行代码并动态观测爬取进度之后把网页内容爬取的内容写入Sqlite数据库中，

并以时间戳为索引，爬取思路如下：1

）利用微博的高级搜索功能。锁定关键词为“休斯顿领事馆”。时间段为2020年7月25日到8月25日。

并将搜索接口设置为。利用浏览器工具获取搜索结果的URL。2

）利用Python的requests库向微博站点发送请求。并使用pyquery库对返回的json格式表格进行解析,

获取表格资料。3）

数据初步过滤，删除重复的评论和利用正则表达式删除只有表情包的评论。4）

数据持久化，即将数据保存在Sqlite数据库里，并建立以时间戳为索引的语料数据库。获得有效评论6320条，数据示例如表1所示：表1

数据格式示例时间用户名评论7月25日漂亮国傻事美国做过的事7月25日恰德拉要是真的就好了7月25日迈向人生路章口就莱（四）数据预处理由于中文语言的特征，对于文本数据，我们需要进行分词操作。本文中使用了R语言的中文分词包

jieba⑨进行中文分词。本文中使用隐式马尔科夫模型（HMMSegment）⑩作为分词器进行分词。隐式马尔科

夫模型在中文分词中效果比较好，模型也更加成熟。⑪之后用TF-IDF算法将过滤后的词语列表转换为TF-IDF矩阵，在该矩阵中，每行代表一条博文，每

列代表一个词语。完成了分词后，文本中有许多对文本情感分析无意义的词，比如介词、助词、连接词等,

还有符号以及各种表情包为后续的情感分析模型提供了干扰，首先通过正则表达式进一步过滤掉文本中

的数字以及字母。之后再选用停用词表对数据进行进一步的过滤。本文选择了百度官方的停用词表.该

停用词表同时会将表情包、符号等一并去除。这也是目前中文停用词表中比较常用的词表，还可以选用

如知乎停用词表、知网停用词表，这里就不再赘述。之后按日期和用户名作为索引，将分词结果存储在数据库中完成原数据的预处理，具体结果如表2

所示：表2

分词结果时间用户名分词7月25日漂亮国傻事美国7月25日漂亮国傻事栽赃7月25日漂亮国傻事tfsy

tfsj-7月25日恰德拉真的三、研究分析与讨论按照研究思路，本部分将先对有效评论文本进行词频统计分析之后进行情感分析，最后通过对情绪

时序的分析进而得出大国外交中的网络舆情的传播特征。（—）词频统计分析词频分析法源于情报学。利用词频分析能够描述和预测文本所描述事物的发展趋势，判断事物之间

的关联性。词频的某些波动与社会现象和人们的情绪波动有着密切的联系。同样的词频统计也可以运用

56

第2期微博中的“中美外交风波”舆情文本研究•热点透视•在网络舆情研究中。通过分析文本中出现的中高频词汇，能够较好地反映出某一受众群体对于社会热点

事件的整体态度、观点和立场。如今的互联网时代高度发达，各种大众媒体社交软件层出不穷，其建构

岀来的一套网络舆情话语体系无不影响着网民对整个社会和各种社会关系的认知，像近些年来流行的“刷

新三观”“毁三观”等网络词汇都表明了网民的认知正在受到网络舆情话语体系的深刻影响。作为最主要

的社会化媒体之一，微博的评论文本内容无疑是网民最直观的看法。在本次舆情事件有效的6320条评论中，

有效词语为756个。文本词频量排名前一百的词语中，岀现频率较高的词语一定程度上构建了中美外交冲突的焦点事件,

主要表现为网民对美国的愤怒负向情感和对中国的正向情绪。另外，词频排名20的词语附在表3,在全

部评论文本中，出现最多的是对美国带有强烈负面感情色彩的词语，体现了网民在此类外交事件中，容

易陷入情绪化的氛围。而在污名化的词语中，网民使用了诸如“美国佬”“霉国”“鬼子”等词语。另外,

在排名前20的词语中岀现了

“黑人”“香港”等其他相关的舆情议题。这些议题的出现在某种程度上表

明了网络舆情往往都是密切相关的。“战忽局”这个网友对我国著名军事理论家张召忠少将的戏称，也表

明了网络大V在舆情引导上重要的作用。表3

词频表分词数量分词数量美国642霉国306中国621鬼于285无耻561强盗284底线527提供264人民487香港244诬陷446战忽局243黑人406领事馆222美国佬365希望203崩渍327义士201证据325贼喊捉贼163（二）文本情感分析1.情感词典建立流程目前在中文互联网中比较有影响力的情感词典是台湾学者开发的李强情感词典。除此之外，还有清

华大学的情感词典知网情感词典。这些词典都各有侧重点。台湾学者的词典侧重于小说、正式文书等书

面文本，而清华大学词典、知网词典侧重评论等非正式文本。本文将3个词典进行了合并，使得新的情

感词典能兼顾正式文本和非正式文本，同时将情感词典的打分体系进行统一，使其分为正面和负面两个

不同情感词典。完成情感词典后，我们就可以在此基础上建立情感分析模型以分析情感极性变化。2.

文本情感极性统计对于每一条评论中的情感极性，我们记每条评论正面词语为1,其数量为n呻咲。负面词语为-1,其

数量为n”嗣*。得到评论中情绪为]X

lipositive"^"

（

_

]

）

X ^negative—^emotion假如评论中femoti

以及各种网络流行词语，对有效的6320条评论进行情感分析。发现消极情绪4356条，约占68.92%。积

极情绪为1964条，约占31.07%。由此可以看出这次美国关闭中国领事馆网民情绪以消极情绪为主，出现明显的一边倒倾向。3.

文本消极情绪分析对全部消极情绪的评论（共4356条）进行进一步的词频统计和极性分析，得到前5大负面词语如表

57

•热点透视••传媒观察•2021

年40可以看出，负面词语多表达愤怒和嘲笑。这些词语频繁地出现，表明网民情绪已经变得很情绪化，理

性的思考往往被埋没在“一边倒”的大众情绪浪潮中。表4负面分词情感负面负面负面负面分词无耻数量561诬陷崩溃强盗446327284231负面垃圾4.文本积极情绪分析对积极情绪进行词频统计和极性分析，得到前5大正面词汇表5,可以发现这些词多是来赞扬中国领

事馆的人员的，希望他们平安归来，网民甚至用“义士”来形容他们。“希望”的高频率出现也表达了部

分网友对修复中美关系的希望。而“漂亮”这个词并不是来形容美国“漂亮”，而是网友们对美国的一种

戏谑称呼。表5

正面分词情感分词希望数量正面正面正面正面正面203201义士感谢19314297漂亮资助（三）情绪的时序变化这次中美外交网络舆论事件从2020年7月25日持续到8月12日，之后热度逐渐衰退。将正面词语

标记为1,

一天内的次数为n闷咲，负面词语标记为-1,

一天内的次数为n”创”。则一天的总情绪变化可

用下面的公式表示。1

X

^posiiive"^"

（

—

1

）

X

^negative_Cimolion使用这一个月的微博文本数据并以时间戳为索引，笔者对每日微博博文的情感分析结果数值做了时

间序列分析。当情绪越偏激时，数值离零轴越远。其中正面的情绪变化时序图如图1,负面情绪图如图2。图1

情绪时序图（正面）58

第2期微博中的“中美外交风波”舆情文本研究•热点透视•在通常情况下.网络舆情的演变过程分为开始、扩散、高潮和消退四个阶段，但由于这次事件的突发

性导致了整个事件几乎一开始就达到了高潮。从7月25日开始，负面情绪的评论就达到了

421条，并在

7月27日达到了峰值。正面情绪的峰值同样出现7月27日。这一天中国以关闭美国驻成都大使馆作为对

美的反制措施。之后出现了市民自发到美国驻成都领事馆门前放鞭炮，欢天喜地庆祝领事馆关闭的社会

舆情。此后中美两国的外交动作开始减少，双方关系开始缓和。相应地，曲线开始逐渐走平，并渐渐趋

向零轴。这一方面是因为随着时间推移，网民的情绪渐渐得到平息，趋向冷静思考，使得情绪开始回归零轴。

另一方面也有话题热度逐渐衰退，被其他话题压下去的原因。网络舆情的变化曲线，其实就是网民情绪

的表达，其高潮点与突发事件有着密切的联系。如果没有一定的突发事件发生，则网民情绪就会渐渐理

性化，但一旦爆发突发事件，马上会把网民情绪快速调动起来，因为这些突发事件是难以预料的，无序的，

所以治理比较困难。情绪叶序图（负面）日期图2情绪时序图（负面）四、大国外交网络舆情的实证分析（-）大国外交中网络舆情文本语言特征一方面由于社交媒体字数的限制，另一方面由于互联网时代“短、平、快”的特征，导致网民们在

这些平台上冷静的思考变得异常困难，即使是大国外交这种极为严肃的议题，放到这种环境中，也会如

其他社会热点事件一样成为人们各种情绪的汇集点。由于大国外交舆情事件的特殊性，网民们会因对自己国家的自豪感以及对其他国家的厌恶感，表现

岀多种强烈的情绪。例如，对这次事件的文本分析发现，网民多次使用带有污名化的词汇如“鬼子”“垃

圾”“强盗”等形容美国，而对于中国则用了

“义士”“感谢”“正义”等正面色彩的词汇，表现出大国外

交的网络舆情文本语言具有明显的情感化表达特征。同时，网民也会使用一些夸张、戏谑的网络词汇，例如用“漂亮国”来讽刺美国空有其表，用“霉国”

来讽刺美国败絮其中等等。一方面这些娱乐化表达得益于网络平台的包容性，另一方面也侧面反映出在

对国家重要外交事件的讨论中，关注者不再只是中老年人这个群体，还包括了网络时代的新青年，他们

带着新奇的语言风格参与到国家大事的讨论中。因此，大国外交的网络舆情文本具有包容性、年轻化特征。（二）一边倒倾向的网络舆情极端化特征在大国外交的网络舆情中容易出现很明显的舆论一边倒特征。在本次研究中，网络舆情中消极评论

几乎是积极评论的两倍，而且积极评论中也不乏反讽评论，如称美国为“漂亮国”等。59

•热点透视••传媒观察•2021

年这体现了网络舆论的“从众”现象。大V的观点容易被更多的网民赞同，如张召忠先生的观点就吸

引了很多人的附和。而网民如果发表与主流舆论不相符合的评论，就容易被攻击，进而被迫从众，或者

选择不发声。久而久之，舆论就会出现一边倒倾向，同时，后来参与舆论的人一一在当代的流行文化中

称他们为“吃瓜群众”，也会选择舆论中更加有利的一方。这就使得一边倒倾向加剧，更容易走向情绪的

极化。一边的声音被另一边完全压制，而理性的发声则被淹没。（三）大国外交舆情中情绪随时间演化特征根据网络舆情事件周期演化理论，⑫情感演化具有明显的阶段特征。按情绪的烈度来分，可分为开始、

扩散、高潮和消退四个阶段。然而大国外交舆情更像是非常规的网络舆情。⑬它几乎在一开始就达到了高

潮阶段，之后就进入了慢慢的消退阶段。这是由于大国外交舆情有其突发性、难以预料性。虽然这些事

件可以说是两国外交恶化背景下的必然结果，可是知晓两国关系当下真正进展的一般是政府官员或者是

专业人士，大部分民众对两国关系的印象是滞后的。因此，一旦有某个突发事件把两国间的真正关系完全暴露给普通网民，就容易使网民的爱国情绪被

迅速激发起来，发表各种偏激的言论。现实中，我国民众普遍接受爱国教育，但是真正能表现自己多么

爱国的场合并不多，通过大国外交舆情的全民议题，网民也乐意充当“爱国先锋”。同时，大国外交舆情的时间演化有一个很明显的特征，它容易受其他同类型舆情的影响，发生“共振”

现象。例如，这次美国关闭中国领事馆事件，网络舆情的峰值并不是出现在7月25日——事件发生当天

出现在7月27日，即中国宣布关闭美国驻成都大使馆的日子。这些事件显然都是相互影响，相互关联的。五、研究结论与建议本文以“2020年美国关闭中国驻休斯顿领事馆”事例，通过统计与分析相关网络舆情的评论文本,

对大国外交的网络舆情的文本语言特征、情绪极端化和时间演化特征进行探究，研究发现：（1

）大国外

交的特殊性以及讨论者的门槛降低这两个原因，导致外交的网络舆情文本语言兼具情感化表达特征以及

包容性、年轻化的特征。（2）由于网民的从众心理、意见领袖的舆论风向控制和网民的爱国主义倾向，

导致大国外交的网络舆情容易岀现一边倒的倾向。（3）大国外交的舆情情绪演化与经典的网络舆情演化

不尽相同，大国外交的舆情几乎在一开始达到高潮，并且容易受其他同类型事件的联动。（4）这类舆情

的网民情绪是慢慢递减的，需要较长的时间来平息。本文为有关部门进行国家外交的网络舆情监管和引导提出建议：（1）跟踪舆论热点，加强对相关媒体

的管理。关注大国外交网络舆情不同时期的情感变化和可能出现的极性观点。（2）关注意见领袖，引导

舆情传播。网络平台管理者可以对意见领袖的传播内容和方式加以监管，形成客观积极的舆论导向，以

免舆论导向被意见领袖牵着鼻子走。（3）控制将要走向极端化的情绪，避免网络谣言。避免负向情绪汇

聚过快导致的群体极化现象。还要避免网民情绪走向极端化，走向不理智的爱国行为，从而破坏正常的

外交流程。（4）要求媒体客观、理智地报道，培育更加理智的网络舆情氛围。（5）对于舆情的控制，要

循序渐进地引导，有关部门不能急功近利，如果只想着一蹴而就，容易适得其反。同时，针对大国外交舆情呈现出的特点，有必要加快建设基于大数据技术和情感分析的舆情监控系统,

打造集舆情监测、舆情分析、舆情研判预警、舆情管理于一体的网络舆情体系，以防一旦舆情失控带来

国际关系损失和盲目的爱国行为。这一类系统，在我国的一些电商企业已经有所运用，且取得不错的效果。

⑭这些系统如何改造应用到网络舆情监控上，值得有关部门和学者们思考。H60

第2期微博中的“中美外交风波”舆情文本研究・热点透视・参考文献：①

邢云菲•信息生态视角下的社交网络舆情传播研究[D].长春：吉林大学，2019.② 曾润喜•网络舆情管控工作机制研究[J].图书情报工作，2009.

53

(

18)：

79-82.③

1

WHITELAW

C,

GARG N,

ARGAMON

S.

Using

appraisal

groups

for

sentiment

analysis[C]//Proceedings

of

the

14th

ACM

international

conference

on

information and

knowledge

management

[], 2005

:

625—631.④

周胜臣，瞿文婷，石英子等.中文微博情感分析研究综述[J].计算机应用与软件，2013,

30

(03)：

161-164.⑤

徐健.基于网络用户情感分析的预测方法研究[J].中国图书馆学报.2013

(03)：

96-107.⑥

蔡翠红.网络空间的中美关系：竞争、冲突与合作卩].美国研究.2012

(03).⑦

1

EVANS

D

J,

CUFFE

T.

Near-peer

teaching

in

anatomy:

An

approach

for

deeper

learning

[J]. Anatomical

sciences

education,

2009,02

(

05

)：

227-233.⑧

1JULIA

SILGE,

ROBINSON

D.

tidytext

:

Text

mining

and

analysis using

tidy

data

principles

in

r

[J/OL].

JOSS,

2016,

01

(

03

)

.

http

:

//

dx.

/10.21105/joss.00037.⑨

1QIN

WENFENG,

YANYI

W.

jiebar

:

Chinese

text

segmentation

[M/OL].

2019.

https

:

//CRAN.R-project.o

rg/package=jiehaR.⑩

1M0RWAL S,

JAHAN

N,

CHOPRA

D.

Named

entity

recognition

using hidden

markov

model

(

hmm

)

[J].

International

Journal

on

Natural

Language

Computing(

IJNLC

),

2012,

01

( 04

)

：

15—23.鸿魁.张华平，刘群等•基于层叠隐马尔可夫模型的中文命名实体识别[J]•通信学报，2006

(02).⑫周耀明，张慧成，王波•网络舆情演化模式分析[J].信息工程大学学报，2012,

13

(03)：

334-341.⑬徐敬宏，李欲晓，方滨兴等•非常规突发事件中网络舆情的生成及管理[J].当代传播，2010

(

04):41-43.⑭杨铭，祁巍，闫相斌等•在线商品评论的效用分析研究[J].管理科学学报，2012

(05):ch

on

Public

Opinion

Texts

of

"Sino-U.S・

Diplomatic

Disturbance"

in

WeiboLu

Zekai,

Xie

YingAbstract：

As

a

hot-spot

issue

in

the

society,

Sino-U.S.

diplomacy

tends

to

cause

public

opinion

event

in

the

Internet

era.

The

article

uses

a

text

sentiment

analysis

method

based

on

word

vectors,

and

focuses

on

the

closing

of

consulates

in

2020

from

the

perspective

of

online

sociology.

By

analyzing

word

frequency,

text

sentiment,

and

sentiment

time

series,

it

explores

the

characteristics

of

Internet

public

opinion

in

major

power

diplomacy.

According

to

the

research,

the

Internet

public

opinion

of

major

power

diplomacy

shows

obvious

emotional

polarity.

The

internet

users

tend

to

have

obvious

emotional

speech

when

they

make

comments.

The

emotion

shown

in

the

events

tend

to

be

one-sided.

The

Internet

users'

sentiment

would

be

quickly

aroused

with

the

outbreak

of

those

events

and

then

gradually

subside,

waiting

to

be

summoned

next

time.

To

sum

up,

hot

issues

such

as

major-country

diplomacy,

Internet

users

would

give

vent

to

their

emotions

through

social

media,

which

could

be

of

reference

to

the

study

of

online

behavior

in

online

sociology

and

communication

ds：

Internet

user,

emotion,

online

public

opinion,

sentiment

analysis,

Sino-U.S.

diplomacy61