摘要：随着互联网的普及与新媒体的发展，大量用户能够在短时间内获取信息，网络事件成为了热门事件的主体。许多时候，[1]引发事件争议的并不仅仅是事实或者事件本身，随着公众情感的不断强化，评论区形成了强有力的情感支撑，引发了空前的舆论导向。对于评论情感研究的文章大多使用[2]机器学习进行文本情感分析，但由于人本身的复杂性以及情感的多样性，机器对情感很难做出准确的分析，因此，本文将以人工判断的方式，从评论的情感强度看争议事件对舆论有怎样的导向作用。本次研究将以时下热门的“于欢案”以及“江歌案”为例，研究出一定时间内情感强度的变化趋势以及整体的舆论走向。因为争议事件具有冲突性、娱乐性、包容性三个特点，所以争议性事件出现后会激发公众对事件评论的好奇心，在观看评论的过程受到[3]群体极化的影响，关于争议事件的讨论迅速发酵，形成了舆论。[4]而对于引起争议的案件评论有一定的积极作用，可以方便此后国家对于公众的舆论导向做出管理和监督，在不打消司法独立性，强制性的前提下兼顾公民对司法过程的监督权，尽可能使案件结果的公正合理。并且可以方便对媒体在新闻传播过程中所起的作用进行规范，避免媒体出案件进行不实报道，不断提高新闻工作者素质。
关键词：情感文本分析；司法案件；舆论
2017年的两起案件，“于欢案”与“江歌案”均在网络上引起了热议，但是两起案件的结果完全相反，且发生时间距离现在不长，便于微博评论的收集，所以选择这两起案例的微博评论进行分析。在选择研究对象时注意媒体的影响力、客观性以及媒体对微博的叙述，微博本身不可以具有偏向性和引导性，并且对于案件进程有完整、准确的叙述。为了对评论的情感强度进行更加准确的判断，在大致浏览评论后基于评论的热度持续时间对时间段进行划分。在选择数据时保证每一个时间段选择30个评论样本，将对判决结果不满的评论归为负向，对案件的理性的分析看作中性，对案件的支持的评价看作正向。[5]分别给定从-5--5的11个值来衡量评论的情感强度。再通过人工判断的方法对采集到的评论进行主观的情感判断。
研究的目的在于研究评论中不同时间段情感强度的变化，结合案件改（宣）判前后的图像（见图1、2）对比及评论文本的回顾有如下发现：
第一、于欢案在改判前和改判后的情感有明确的正向负向的差别。江歌案中两个微博评论的情感强度均为负值且数据比较集中，变化幅度很小。第二、于欢案改判前情感强度全部为负且集中于-2，虽然有上升的趋势但是变化范围不是很大。而改判后的情感强度总体来说为正向，有明确的呈直线上升的趋势。江歌案宣判前的评论情感强度最后有明显的下降趋势。第三、于欢案两个微博情感强度的绝对值仍存在差别，改判后的情感强度绝对值比改判前小1个单位左右。江歌案中宣判后的评论负向情感强度明显高于宣判前的情感强度。第四、于欢案改判后的平均情感强度有下降到负值的情况。
造成两个案件情感强度变化方向一致且强度较强的共同原因是网络群体极化现象。微博评论一般按照热度排列，而排列在最高位的一般都是大V的具有明确情感导向的评论，在读过排名靠前的几条评论后大多数人都会受到群体极化的影响，这就使评论区出现了同一个方向，最终导致了评论区几乎一致的情感极性。
考虑到于欢杀人属于激情杀人，评论中就于欢是否属于防卫过当进行了争执，多数人认为法院的判决结果属于误判，评论中大多表达了对法官的质疑，对执法者的不满、以及对于欢行为的支持和理解。但于欢并未直接造成被害者的死亡，并且轻判刑。而改判后的评论大致可以分为两类：认为改判结果公平公正 \ 认为是舆论战胜了法律。这也就造成了改判前后情感强度的绝对值存在差别。受“舆论战胜法律”等评论的影响，减弱了评论的正向情感。在于欢案改判后的数据中有一个时间段的平均情感强度为负，在这一小时内评论主要认为对于一个“故意杀人者”来说5年的量刑过轻，而其他时间段中出现的此类评论较少，对总体的情感强度不会有太大的影响。但江歌案的结果与于欢案截然相反。案件仍然维持了检察官建议的20年有期徒刑。宣判前后的两条微博均控诉了凶手的残忍，表达了对凶手的严重不满、请求判处凶手死刑的强烈意愿。但是江歌案宣判后的微博评论中申请凶手死刑的评论尤为突出。这是由于在宣判前公众对于重判凶手仍怀有希望，宣判后公众的负向情感更加突出还在于宣判前受害者家属发起了联名请愿判处凶手死刑的活动，最终收到了400多万的回应，在此基础上审判结果却仍然维持原状。宣判前网民负向情感强度在最终有持续减弱的趋势，是因为宣判后部分网友在对凶手进行声讨的同时表达了对日本做出此项决定的理解，这缓和了评论中的负向情绪。
经过以上两个案例的对比可以预见不论争议案件的天平偏向哪一边，均会有不满的情绪，无法取得一个令所有人满意的结果，而顺应公众的意愿后公众的正向情感会明显增强，反之亦然。
（图1）
（图2）
（注：受评论热度的影响，一条微博的评论时间跨度通常情况下会持续2小时左右，距离微博发布2小时后对评论总数仅仅有3-5条，没有参考价值。所以在数据选取时仅仅选择在热度范围内的评论进行分析。）
因为本文采取的是人工的测量方式，在对所选数据得数量方面会有流失。并且进行情感强度判断时会由于主观看法对研究结果造成误差，研究结果并不完全准确。因此，不论人工还是计算机测量都难以对完美的解决情感分析这一问题，可见这一课题的复杂性与不定性。因此，对评论时间段的划分还可以更加细致，数量的选择上有所增加，还要进一步对这一方面进行研究。
参考文献：
[1]陈刚.争议性事件报道及其社会影响研究.新闻传播.2009：17-18
[2]辛文娟.赖涵.群体极化视域下网络舆情的演化机制研究——以微博网民讨论“浙江温岭杀医案”为例.情报杂志2015：47-52
[3]何清.李宁.罗文娟.史忠植.大数据下的机器学习算法综述.模式识别与人工智能.2014：327-336
[4]杨秀.浅析网络案件舆论的功能、意义及特征.新闻大学.2013：88-95+116
[5]杨立公.朱俭.汤世平.文本情感分析综述.计算机应用.2013：1547-1578
论文作者:王艺涵
论文发表刊物:《基层建设》2018年第32期
论文发表时间:2018/12/18
标签：情感论文; 强度论文; 案件论文; 舆论论文; 事件论文; 凶手论文; 时间段论文; 《基层建设》2018年第32期论文;