在社会心理学研究中，自我报告评估和内隐联想测验分别被用于测量群体的外显态度和内隐态度，但是这两种方法都需要被试人员地主动配合，并且只能进行小规模的群体态度测量。在社会媒体中用户所发表的言论可以反映用户的态度，但是当前的文本态度分析方法并没有对群体的外显态度和内隐态度进行区分。
　　受到社会心理学态度测量方法的启发，本文旨在研究一种自动化方法用于测量和区分大规模群体的外显态度和内隐态度，而不再局限于小规模群体的心理学实验测量。通过将社会心理学测量方法和语言陈述进行高层次关联，利用人们陈述中的具有特定语言模式的陈述来模拟自我报告评估和内隐联想测验中的实验标准，从而区分两种分别反映群体外显态度和内隐态度的语言陈述，进而通过情感分析器分别计算反映群体外显态度和内隐态度的陈述集合的平均情感分数来理解和量化群体的外显态度和内隐态度。
　　在实验中，本研究选择了4个不同的社会媒体语料库(中文维基百科、英文维基百科、中文微博、英文推特)进行相关的群体态度测量实验，大量的实验验证了本文提出的基于群体语言情感的态度测量方法的有效性。同时，本研究还在中文微博语料库和英文推特语料库上，探索和分析了群体外显态度偏差和内隐态度偏差的演化及其稳定性和相关性。