摘要
自2019年12月新冠疫情从中国武汉开始迅速向全国蔓延，时至今日仍然没有结束。疫情暴发以来，谁也说不清楚这种病毒究竟从何而来，也不知道其中间宿主是哪种动物，但是当疫情开始扩散的时候，各个网络平台都对其进行了各种形式的新闻报道，尤其是西方国家一直利用网络、新闻媒体作为渗透渠道来引导社会舆论，将中国描绘成人间地狱，将政府污蔑成罪魁祸首。所以，针对新冠疫情在中国暴发事件，及时有效的研究分析西方国家情感倾向性，正确把握新冠疫情事件引发的社会动向，对我方及时采取有效措施具有很好的研究意义。 首先，简单描述西方媒体对中国新冠疫情新闻报道语料库所需要用的相关知识和技术。在对该语料库构建的过程中，使用网络爬虫技术爬取相关数据，之后对数据文本做预处理与标注的工作，同时使用一定的方法对文本标注进行质量监督，保障文本语料库的可使用性。 然后，在西方媒体对中国新冠疫情新闻报道的语料库构建完成基础上，本文采用深度学习方法对新闻文本进行情感倾向性的分析工作。使用基于篇章级层次化文本情感分析模型：HSAN-Capsule，该模型主要把双层注意力的层次化网络与胶囊网络进行融合，使得模型中有循环神经网络获取文章上下文信息，有自注意力机制对词语级别与句子做权重分配，还有Capsulenetwork对文本信息的丰富提取，结合了这两个网络的所有优点最后在西方媒体针对中国新冠疫情事件新闻报道语料库上实现篇章级文本的分类。最终改进HSAN-Capsule模型，创建模型KC-HSAN-Capsule对本文的语料库进行情感分析。模型评估使用准确率、召回率和F值，对比出性能最优越、最有价值的模型。 最后把新闻文本语料库进行情感分类研究的模型进行对比，选择实验准确度最好的结果通过统计计算出情感值，然后利用可视化工具展示西方媒体与国家对于我国新冠肺炎话题报道的情感态度。
NETL