人间悲欢不相通出自（蜉蝣为什么要比喻爱情） _悲欢

内容提要：社交媒体逐渐成为当今人们生活的一部分，而它也成为心理学家们进行研究的重要数据来源。与此同时，研究者也尝试利用自然语言处理、机器学习技术，来预测社交媒体用户的情绪波动。

原创：HyperAI超神经

关键词：自然语言处理心理学

去年突如其来的新冠疫情，深刻地影响着人们的生活。这一特殊的历史时期，社会大众的心理都变得敏感脆弱。

疫情期间减少外出和接触，使得民众把更多时间花在社交网络上。有些人不可避免地将工作和生活中的不如意，通过网络发泄给了别人。恐慌、焦虑、悲伤、无助等不良情绪也有所加重。

文章插图
面对突发公共事件，社交媒体用户普遍出现了包括愤怒、害怕、担心、迷惘、悲伤等负面情绪

据调查显示，全球互联网用户平均每天花在社交媒体上的时间，达到 2 小时 22 分钟，社交媒体已经不限于社交功能，它们还成为了很多人记录心情、倾诉心事的阵地。

无论是国内的微信朋友圈、微博、QQ 空间等，还是国外的 Twitter、Instagram、Facebook，都承载了万千用户的状态。

而对于心理学研究者来说，这些社交媒体上的帖子，无疑为其提供了数量可观的研究数据。

来自斯坦福大学的研究员 Johannes Eichstaedt 和密歇根大学的 Aaron Weidman，在其最新研究中，使用自然语言处理工具，对 Facebook 用户的帖子进行分析。

研究表明，机器学习模型可以通过社交媒体洞察一个人的情绪与波动，其准确度与传统心理学的度量结果相当。

从字里行间，读懂你的喜怒哀乐近年来，网络上的大量资料，已经成为人格科学中一个重要的数据来源。大量的研究表明，使用社交媒体资料，对人格相关维度进行分类十分有效。

Eichstaedt 和 Weidman 的最新研究，则为利用社交媒体大数据分析、跟踪人的心理状态，提供了一个前沿案例。

文章插图
使用社交媒体语言跟踪心理状态的波动：基于每周情绪波动的案例研究

取样校准

作者使用「效价」和「唤起」这两个基本情绪维度，来评价 Facebook 上帖子的情绪。

注：「效价」和「唤起」是心理学中评价情绪的两个维度，前者表示感受到的积极/消极程度，区分正面和负面情绪；后者表示冷静/兴奋的程度。

他们首先让已经有心理学研究基础的人类研究助理，给一项早期研究中的 2895 条公开 Facebook 帖子做注释。

研究助力给每一条帖子的「效价」（valence）和「唤醒」（arousal）进行打分。采用 9 分制（对于「效价」，1=「消极」，9=「积极」，同样地，对于「唤起」，1=「低」，9=「高」）。

文章插图
心理学研究助理为帖子所作出的「效价」和「唤起」注释

该情绪跟踪数据集已经公开：https://osf.io/pbjer/files/

完成这些评价之后，这些帖子被用于训练机器学习模型，该模型将能够预测哪种语言传达了哪种情感。

然后作者对这些评分数据进行了一系列模型的拟合，每一个模型都显示，「效价」和「唤起」之间可能存在的明显联系。

对于国内的 NLP 研究者来说，中文情感分析数据集则更为适用。因此，超神经为大家推荐一个来自 2014 NLPCC 的中文微博情感分析数据集。

该评测数据来自新浪微博，对于输入的整条微博，任务要求判断出该微博是否包含情绪。对包含情绪的微博，要求判别其情绪分类输出为 anger（愤怒）、disgust（厌恶）、fear（恐惧）、happiness（高兴）、like（喜好）、sadness（悲伤）、surprise（惊讶）。

数据集详细信息如下：

文章插图
下载地址：