随着互联网技术的快速发展,文本数据每天都在呈爆炸式增长,这些数据包含了用户在微博、微信、论坛等社交媒体平台所发表的动态信息、各大新闻媒体门户网站的新闻内容、各个电商网站下商品的评论信息、用户往来沟通的帖子邮件等,这些文本数据看似复杂,实则蕴含着大量有用信息,包含了公众的观点以及情感倾向。近来年,针对文本情感分析的研究逐渐增多,这些研究可以帮助企业了解用户对某一商品或服务的情感态度,还可以针对某些热点舆情事件,为相关单位制定一些政策提供决策支持,及时疏导负面情绪等。本文主要从跟人们生活息息相关的食品安全信息出发,以“非洲猪瘟”为例,借助中国吉林网舆情系统中公众关于“非洲猪瘟”事件的原创型评论数据,采用机器学习的方法对其进行情感倾向性分析。主要研究内容如下:(1)情感分析理论概况情感分析作为自然语言处理的一个重要研究领域,需要了解与学习其中的相关理论知识,包括自然语言处理的方法,情感分析的概念、目标,在不同的应用场景下,情感分析所需要的完成的任务,以及根据所处理的文本粒度不同,情感倾向性分析可以划分三个级别等。(2)关键技术研究中文文本情感分析的首要任务,需要对文本进行预处理,包括:中文分词、去停用词等。然后,通过文本表示模型,把经过预处理后的文本表示成能够被计算机识别的内部结构,使计算机可以使用文本表示模型进行数值运算。最后,经过预处理之后的特征词汇较多,特征集会非常大,需要进行特征选择,其目的是寻找最优特征子集,降低计算复杂度减少运行时间,提高模型准确率。(3)基于机器学习的分类器实验对比分析本文使用基于机器学习的情感分析方法,为了验证该方法能否深层次的挖掘语义特征对情感分析结果的影响,创新性地使用词袋模型、TF-IDF、基于神经网络的Word2vec三种特征选择与表示方法,结合朴素贝叶斯、支持向量机、逻辑回归算法,采用“3×3”方式设计了9组组合方式,分别构建文本分类器,并使用准确率、召回率、F1值以及ROC曲线对每个分类器进行性能评估,通过实验对比,得出最优文本分类器对数据进行情感分类。(4)“非洲猪瘟”的应用实例食品安全信息为本文研究的出发点,数据来源于中国吉林网舆情系统,以“非洲猪瘟”为应用实例,进行情感倾向性研究。由于这类数据中的公众情感主要是负面情绪,正面情绪偏少,本文创新性地提出以“负面情感强度”为主的情感值计算策略,构建基于时序的情感倾向走势图。另外,每个时间段中公众对“非洲猪瘟”事件的讨论点或者关注点有所差异,绘制了基于时段的热点词统计信息,非常直观的挖掘出公众情绪中的实体信息。通过以上研究,能够对社会负面情感的疏导和培养正向情感偏好起到一定的指导作用。