（一）模型介绍

基于情绪的分类结构理论，情绪分析模型通过分析社交媒体基本情绪词库（词库既包括标准的情绪词汇，也包括社交媒体上常用的情绪表达用语），并结合在线文本词汇匹配技术对文本数据进行分析测量，以获得快乐、悲伤、愤怒、恐惧和厌恶五种基本社会情绪强度分布。

（二）研发依据

1.董颖红,陈浩,赖凯声,乐国安.微博客基本社会情绪的测量及效度检验.心理科学[J].2015,38(5):1141-1146.

（三）算法说明

1.社交媒体基本情绪词库的构建

参考心境量表POMS 编制方法，构建了适合于推特研究的POMS–1(Pepe & Bollen, 2008)。该词库以POMS 量表的65个词作为种子词，从Wordnet(3版)和《罗热新千年同义词词典(1 版)》中搜索近义词，最后扩展而成的情绪词库。结合王一牛，周立明和罗跃嘉(2008) 研究情绪维度时所用的1500个名词、动词和形容词对词库进一步扩充，结合后期专业研究学者对词库的增删查改及归类比对而成。

2.五种基本社会情绪的计算过程为：通过构建的情绪词库识别出贴文中出现的全部情绪词，然后根据贴文的权重计算贴文在各种情绪类型上的得分，分数越高，情绪越强，分数越低，情绪越弱。模型默认返回分数最高的情绪类别作为该篇贴文所表达的情绪。

（四）适用场景

1.处理主观情绪比较明显的自然语言文本，自动判别结果的参考价值更有效。

2.处理句式、结构不是特别复杂的自然语言文本，自动判别结果的参考价值更有效。