社交媒体情绪分析：移除“good, love, LOL”可显著提升区域情绪评估的准确性

新加坡国立大学的Kokil Jaidka及其斯坦福大学的同事Johannes Eichstaedt，通过分析数十亿条推文，揭示了在线情绪分析中的一个关键缺陷。研究指出，尽管社交媒体如Twitter是洞察社区情绪的有力工具，但传统方法常因部分高频词汇的语义漂移而产生偏差。

研究的核心发现是，诸如“good”、“love”和“LOL”等词语，在互联网交流中已脱离其原有含义，常用于表达讽刺、调侃或多种复杂情感，而非单纯的积极情绪。例如，“LOL”在1990年代被视为“大笑”的标志，但如今其用法已极为广泛，包括表达尴尬、无奈或惊讶等。

通过从分析模型中剔除这三个具有误导性的词语，研究人员发现，基于词频的情绪评估模型在预测区域主观幸福感方面的准确性得到了显著改善。这表明，在利用社交媒体数据进行大规模情绪洞察时，必须审慎处理网络语言的演变及其对数据解读的影响。

这一研究成果对于理解后疫情时代公众心理健康趋势尤为重要。在社会适应新常态、心理健康问题日益凸显的背景下，更精准的情绪分析工具能够为政策制定者和研究者提供更可靠的依据，以应对潜在的社会心理挑战。

查看消息来源