考虑句子类型及主体-目标意识的媒体文本细粒度情感量化 朱晓青、 李大超、 朱云强、 于莉、 王强、 杨一辰、 夏仁文、 叶鹏、 王舒

《ISPRS International Journal of Geo-Information》：Fine-Grained Sentiment Quantification of Media Texts Considering Sentence Type and Holder–Target Awareness Xiaoqing Ju, Daichao Li, Yunqiang Zhu, Li Yu, Qiang Wang, Yichen Yang, Renwen Xia, Peng Ye and Shu Wang

　　

摘要

媒体文本传达的情感和立场能够影响公众舆论的发展，因此需要对其进行定量的情绪分析。然而，大多数现有方法只是为整篇文章分配一个统一的情感分数，这使得很难区分不同句子之间的情感差异，也不清楚是哪些人表达了这些情感以及评估的目标是什么，从而限制了结果的可解释性和跨来源的可比性。为了解决这个问题，我们提出了一种针对媒体文本的细粒度情感量化方法，该方法同时考虑了句子类型和观点持有者与目标之间的关系。该方法能够获取句子级别的情绪分数，并提取句子类型、观点持有者和观点目标，从而在统一的评估框架下进行文章级别的结构化量化和比较。在我们的实现中，主要使用了一个大型语言模型（LLM）来进行语义解析和结构化数据提取。实验表明，所提出的方法在情感分数回归任务上表现稳定（R² = 0.899, MAE = 0.088, MSE = 0.027；与我们在比较中使用的最强预训练语言模型RoBERTa相比，R²提高了2.8个百分点，MAE降低了8.3%）。此外，该方法还能有效识别观点持有者与目标之间的关系（持有者加权平均F1分数为0.812；目标宽松F1分数为0.691，详见补充评估）。基于这些结果，该方法还可以进一步揭示全球媒体报道中的情感偏见分布，突出显示跨国叙事中的相对情感模式。