《计算传播学导论》读书笔记——第二章文本分析简介

第一节 文本分析研究现状

文本挖掘 (Text Mining) 也称文本分析，即利用数据挖掘方法在文本数据集上的运用，旨在从大量非结构化的文本集合中挖掘信息、发现知识。

文本挖掘的对象经常是非结构化或半结构化的文本集合。

文本预处理的目的就是使得文本数据结构化。

文本预处理过程包含分词（中文）、 特征表示和特征提取等一系列操作。

常用文本挖掘技术

类别	内容
文本分类 (Text Classification)	按照预先定义好的类别， 为文档集中的每个文档确定一个或几个类别。研究者首先对一个训练文档集进行人工标注 ”类别标签＂，构建分类模型， 并将 “学习“ 得到的分类方法，对其他文档进行自动分类。
文本聚类 (Text Clustering)	没有预先定义好的类别，目标是将文档集合分成若干个 ＂簇 ", 使得同一簇内文档内容的相似度尽可能大，而不同簇之间的相似度尽可能小，并为每个簇给出一个主题摘要。
关联分析 (Association Analysis)	寻找同一事物中不同变量同时出现的规律性。从文档集合中找出不同词语之间有意义的关系。可分为简单关联、时序关联以及因果关联。
趋势预测 (Trend Prediction)	通过对已有文档的分析，推测出特定数据在将来某个时刻的取值情况。考虑文本数据的时间维度，文本数据可看作时序数据，反映一段时间内文本主题的变化情况，可以用来预测下一时段文本主题的发展变化趋势。

第二节 文本分析与传播学研究

（一）为什么文本挖掘技术逐渐受到传播学者的关注

1. 社会化媒体 (Social Media) 作为新的信息传播媒介技术，改变了人们的信息传播行为（如“去中心化”）。新的媒介技术，对传播学理论的阐发具有重要意义。
2. 社会化媒体平台精确记录了海量用户长时间、具有精细时间颗粒度的细节行为，能够用于回答传播学一些基本且重要的理论问题。
3. 相比传统的文本内容分析，文本挖掘方法具有一定的优势。以较少人工干预的方式更客观地提取文本特征，测量信度和效度更具优越性；在线海量传播内容相关的研究，需要利用更为自动化的方法（人工无法胜任）。

当然，文本挖掘——特别是以有监督的机器学习方法为代表的文本分类方法， 其得以进行的前提条件就是需要有高质量的人工标注数据集。
（人工标注，内容分析方法，还是很重要，不能完全依赖自动化。）

（二）不同文本分析研究对传播学的理论贡献

1.情绪的传染

文本情绪的判定，本质上是一个分类问题。

用户对于信息的接受——特别是广告、选举等说服性信息的情感倾向，是测量其信息接受程度的重要指标。

Eg：Kramer, Guiillory & Hancock，利用Facebook随机减少实验用户所接收到的新闻推送中10%具有积极情感倾向或消极情感倾向的内容，从而检验用户随后所发布帖子的内容对应的情绪变化。结果证实面对面交往以及非语言的语境线索(Non-Verbal Cues)并非情感传递的必要条件。

2.个体情感变化规律

Eg：Golder和Mac利用世界不同地区的Twitter用户在不同时间发布的帖子，对个体情感变化规律进行回答， 并进行了跨地区比较。

研究将积极情绪分为热情、 高兴、 积极、 机敏；消极情绪分为悲痛、 恐惧、 愤怒、 负罪感、 恶心。横坐标为时间（小时），纵坐标为该情绪出现的平均频次，阴影表示置信区间。

该研究发现，积极情绪和消极情绪并非呈现出负相关关系， 而是呈现相互独立的趋势（二者相关性系数仅为－0.08)。

该研究的意义在于，通过大规模的在线文本内容，准确描述了不同地区、不同日期、不同时间的Twitter用户的情绪变化。而这种情绪变化规律在传统的传播学研究中是无法被准确描述的。

3.文本特征提取

研究信息传播的效率和效果

Eg：Bail研究了社交媒体游说组织的信息特征，发现处于“文化桥梁”位置的说服组织（介度中心度高），其信息传播效率相较非文化桥梁位置的组织更大，即更容易获得回复。回答了：在社交网络中是“万金油”更容易得到回复，还是某领域“专家”更容易得到回复。在该研究看来，前者显然在获取用户注意力层面更具优越性。

该研究将游说组织在社交媒体中的文本构建语义共现网络——如果两个语词同时出现于一篇文档中，则二者之间有一条连边关系。

该研究计算了每个语词的“词频／逆向文档频率”值（Term Frequency-Inverse Document Frequency, 以下简称TF-IDF值）。

以此TF-IDF值为权重，该研究构建了“游说组织－语词”二分网络(Bipartite Network)，并计算每个游说组织的介数中心度 (Betweenn Centrality）

（重点在理解构建语词网络的研究方法，逆向文档概率，二分网络等专有名词较难理解，要进行额外查询）

该研究从非常新颖的语词结构视角，分析了文本信息特征对于其信息传播效率的影响。基于语词网络的分析——这种文本分析与网络分析结合的分析方法——是计算传播学对于传播内容分析的重要发展方向，具有方法层面的启发性。

4.利用文本进行个体行为