编者按：在突发公共卫生事件中，公众良好的情绪和心理状况对事件的顺利解决具有重要意义。贵州师范大学心理学院硕士研究生潘文浩、李金进、何必凯、贵州师范大学心理学院教授、博士生导师赵守英（通讯作者）在第7期《 《媒体观察家》2020年，深度学习借助大数据技术和自然语言处理方法，对92347条“新冠肺炎”相关微博文本数据的关键词词云和情感倾向进行分析。根据微博用户关注度的不同，将事件分为诞生期、发展期和成熟期，并分别考察了不同时期网络用户的注意力动态和情绪倾向。结果显示，网络用户的担忧主要包括对疫情动态的担忧、对疫情防控的担忧、对战胜疫情的信心；不同时期网民的情感倾向存在差异，女性情感表达倾向高于男性；事件 在成熟后期，信心、希望等积极情绪文本的数量显着增加。根据研究结果，从政府相关部门和公众自身的角度，提出公众干预的建议。
大数据揭示：疫情面前网民的情绪动态
◆潘文豪李金进何必凯赵守英
本研究利用Python爬虫技术抓取新浪微博与“新冠肺炎”事件相关的文本数据，结合大数据研究方法和经典测量方法，分析网络用户对“新冠肺炎”情绪的动态变化。肺炎”事件和特定紧急情况后用户情绪的变化模式。同时，我们以微博网民为样本群体，以性别等指标为分类标准，探讨不同性别群体对突发公共卫生事件的情绪态度差异。通过分析突发公共卫生事件中网民的情绪和心理动态模式，根据心理康复的社会生态学理论，
一、研究方法
(一）数据采集和预处理
1.数据采集
Python语言是一种应用广泛的编程语言，具有通用性强、易于扩展的特点。本研究使用Python语言编写Scrapy框架网络爬虫爬取新浪微博文本数据，使用“新冠肺炎”、“肺炎疫情”等关键词爬取2019年12月11日至2020年2月12日的微博。共有196416条推文数据，包括微博作者、微博内容、发布时间、点赞数和转发数等。由于研究需要考虑微博用户的差异，我们同时抓取微博发帖者的相关公开数据，包括作者网名、性别、地区、个人资料、微博发帖数、关注人数等。微博用户数据156474条。
2.数据清洗
将微博文本数据和用户画像数据分别导入Mysql数据库进行数据清洗。首先，以微博链接和用户UID作为比较条件，排除完全一致的微博文字和微博用户数据；其次，微博有转发功能，有的用户只转发别人的微博，所以排除用户转发的微博文字。; 第三，删除包含正则表达式、表情符号、多余空格和网址的内容；最后，去掉官方新闻平台发布的中性新闻。数据清洗后，共有微博文本数据92347条。
3.关键词云分析
使用Python中的“解霸”中文分词组件对清洗后的微博文本进行分词，提取所有数据关键词，并标注关键词词频。获取关键词后，使用Python中的WordCloud组件绘制“新冠肺炎”事件的关键词词云。通过关键词词云，可以初步了解网络用户对此次突发公共卫生事件的态度和看法。结果发现，网民对“新冠肺炎”事件的关注重点主要包括对病毒和肺炎病因的探究（关键词为肺炎、病毒、感染、诊断等），关注疫情动态流行病（关键词未知、人传人）、隔离、死亡等），对疫情防控的关注度（关键词是防控、释放、治疗、检测等）、战胜疫情的信心（关键词是希望、欢呼、战斗、敬礼等） 事件的关注度（关键词是口罩、李文亮、双黄连等）等方面。其中，网络用户的情绪倾向主要包括积极情绪（关键词是自信、欢呼、希望、敬礼和战斗等）和消极情绪（关键词是感染、病毒性、未知和孤立等）。
(二）话题分析
网络事件舆论的演变过程有几个阶段，可以分为诞生、发展、成熟和衰退。由于该事件尚未结束，本研究仅分析事件的诞生、发展和成熟阶段。心理学研究的一个基本规律是通过外在的行为来推断内在的心理过程。本研究重点关注疫情防控过程中的突发事件。焦点的差异，深入研究他们的情绪和认知变化的表现。
