本期看点 ① 从字里行间，每一次都想更懂你

② 人类的情感虽不相通，但情感分析大有用途

③ 万千文本舆情数据中，发现潜在风险

由于关注到论坛上爆出相关公司拖欠工资问题，有金融机构成功避开一次债务违约事件。

在去年的一起广受关注的债务违约事件中，多家金融机构踩雷。事件发生后，有金融机构的风控人士表示，此前对该项目拒过两次，最直接的原因就是在相关论坛上发现了该公司拖欠工资的问题，这引起了风控人士的警觉。

这不禁令人心生感叹。论坛上的言论，竟然帮助金融机构避开了雷区，足见进行文本舆情分析的重要性；同时，不是所有的金融机构都关注到并重视了这些言论，由此可见文本舆情分析的艰难。

一家企业作为市场主体，会有许多相关文本舆情信息出现。但是，文本舆情数据海量，且散落在各处，纯粹依靠人工搜集和分析，显然成本高、效率低、及时性不够、准确率不能有保证，如何取舍是个问题，且难免有疏漏。这时就需要用到情感分析（sentiment analysis）。

从字里行间，每一次都想更懂你

此处的情感分析，不是午夜时分电台情感分析节目，而是属于自然语言处理（NLP, natural language processing）的范畴，但却可能比情感节目更懂你。情感分析，又被称为意见挖掘（opinion mining）或情感人工智能（emotion AI），运用自然语言处理、文本挖掘、计算机语言学、生物特征识别等方法，系统性识别和提取文本中的情感状态和主观信息。

对文本进行情感分析，涉及到数据获取和数据处理。首先，要有数据来源，如新闻平台、电商平台、社交平台等，这些地方汇集了海量的数据；接着，要在这些平台上找到原始数据，包括但不限于用户评论、用户反馈等；有了原始数据，各种数据鱼龙混杂，还需要通过文本清洗、数据去重等操作进行数据预处理；此后，才能进行文本分析，包括词频分析、情感分析，这样完成情感分析工作，用于反馈工作和指导实践。

在对数据加以处理后，情感分析的结果可以根据具体情况和需求用相应方式呈现出来，可以是文本、情绪词频统计图、雷达图、词（字）云图、情感趋势图等，以直观的形式展示给用户，一目了然掌握情况。

正面标题词云（左）与负面标题词云（右）

情绪词频统计图

人类的情感虽不相通，但情感分析大有用途

金杯银杯，不如老百姓的口碑。对文本舆情数据进行情感分析，可以发掘和发现人们对于某话题、政策、企业、人物、事件等的观点和态度，是肯定和积极，还是否定和消极，抑或是中性和中立。

当前，情感分析已经广泛应用到新闻舆论监控、制造业、购物平台、影评平台、旅游平台、社交平台等，通过分析相关平台上的评论，进行定性和定量分析，为决策提供依据。有了情感分析的加持，不用投入巨大的人力物力财力，不用把一条条评论和一篇篇文章全部看完，就可以全面、直观、准确、快速地掌握整体的反馈情况。比如，对于管理部门而言，可以对舆情进行分析，把握社情民意；对于企业和商家而言，可以掌握用户对产品和服务的体验评价，有针对性地提升产品和服务质量；对于消费者而言，即便产品没用过、美食没吃过、电影没看过，也可以直接、快速获取有用信息。

由于能在海量数据中发现特定主体的文本舆情信息，情感分析领域发展迅速。当前，在情感分析方面做得好的企业，有阿里、百度、腾讯、华为、网易、达观数据等。

情感分析既是自然语言处理的重要发展方向，也是深度学习的重要应用领域。一方面，这些年来，深度学习随着自身的成熟和优化，日益被广泛地应用到情感分析。包括多层神经网络（MLP）、前馈神经网络（FNN）、Word2Vec、卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）等在内的情感分析中常见的基本模型，在提高情感分析准确度方面发挥了重要作用。另一方面，机器语言不同于人类语言，机器理解人类语言和情感的能力是情感分析领域发展的主要挑战，需要进一步完善和提升。

万千文本舆情数据中，发现潜在风险

信息不对称，既是金融服务的一大特点，也是亟需完善的不足之处。一家企业相关的信息流等文本舆情数据，能够在一定程度上从不同侧面反映出企业的经营情况，可以用于丰富对相关企业的认知。在产业数字金融的理论探索和创新实践中，针对信息流等文本舆情数据的发掘，就运用到了情感分析等技术。

产业数字金融通过物流、商流、资金流和信息流构建交易信用风控模型。其中，信息流是“四流合一”的数据重要组成部分，对信息流的掌握有助于全面掌握企业实际情况。情感分析应用于产业数字金融，对企业信息流进行分析，数据来源包括新闻报道、司法文书、社交媒体等，综合运用各种深度学习算法，并与其他人工智能技术相结合，不仅可以读懂文本，对已有数据进行分析，发现企业当前情况，更重要的是，还能通过既往数据对未来趋势进行预测，对潜在风险进行预警，及时发现和有效防范风险，降低金融机构进行产业金融服务的风险。

有了情感分析，产业数字金融可以掌握相关企业情况，发现负面舆情，在第一时间将相关舆情和预警信息精准推送给金融机构，在贷前、贷时和贷后阶段供决策参考。

借助于情感分析，产业数字金融在信息流维度上，力争从不同渠道、多个方面掌握企业情况，与物流、商流、资金流数据一起，构成企业状况全面、立体、真实的图景，帮助金融机构掌握实体企业情况，帮助实体企业获得产业金融服务。

参考文献：

[1]东莞证券：《股吧里说了什么？——基于文本舆情构建股市情绪指标》

[2]华泰证券：《舆情因子和BERT情感分类模型》

[3]机器之心：《就喜欢看综述论文：情感分析中的深度学习》

[4]Persistence Market Research:sentiment analysis software market:global industry trend analysis 2012 to 2017 and forecast 2017 – 2025

[5]Pang and Lee:opinion mining and sentiment analysis

[6]Wilson, Wiebe and Hoffmann:recognizing contextual polarity in phrase-level sentiment analysis

[7]Express Journal：sentiment analysis software market size， detail analysis for business development, top companies 2026

[8]https://hai.stanford.edu/blog/can-artificial-intelligence-map-our-moods

文章作者: 李万林 陆昕卉（聚均科技综合管理部）

图片编制:  曹  蕾（聚量集团办公室）

总 策 划:  乔嘉男（聚量集团办公室）