大數(shù)據(jù)時代傳播研究中語料庫分析方法的價值

文/喻國明 李慧娟

在新聞傳播學(xué)視野之下，大數(shù)據(jù)的分析思維正在對我們的研究形成沖擊，比如新聞業(yè)務(wù)將實現(xiàn)一些方向性調(diào)整，趨勢預(yù)測性新聞和數(shù)據(jù)驅(qū)動型深度報道分量增加。對于輿情研究來說，問卷發(fā)放和小組訪談等傳統(tǒng)的民意調(diào)查方法，已經(jīng)不能滿足基于社交媒體平臺的海量信息處理要求。新聞傳播學(xué)領(lǐng)域的研究面臨一個共同問題，即文本分析方法的創(chuàng)新?；诖髷?shù)據(jù)的分析思維，文本也是一種有巨大潛在價值的數(shù)據(jù)。但是傳統(tǒng)的文本分析手段拘泥于有限的樣本數(shù)量和定性研究的窠臼，無法滿足大數(shù)據(jù)時代對內(nèi)容挖掘上廣度和深度的要求。在這種情況下，來源于應(yīng)用語言學(xué)領(lǐng)域的語料庫分析方法的介入，能夠使結(jié)構(gòu)化文本數(shù)據(jù)庫的構(gòu)建成為可能。再結(jié)合語言學(xué)、修辭學(xué)領(lǐng)域的內(nèi)容分析手段，能為我們從研究范式到研究方法、工具上都提供一些新思路。

一、大數(shù)據(jù)時代對新聞傳播學(xué)研究范式提出的新課題

（一）新聞實踐領(lǐng)域

隨著社交媒體的應(yīng)用和智能手機的普及，人人都可以是事件的目擊者和發(fā)布者，傳統(tǒng)媒體新聞報道在原創(chuàng)性和獨家性方面的優(yōu)勢已不復(fù)存在。大眾傳媒作為社會的記錄者與傳播者的傳統(tǒng)定位及面向所有受眾的粗放式信息傳播方式，已越來越不能滿足受眾對于精準(zhǔn)信息和定制內(nèi)容的需求。

大數(shù)據(jù)時代，最重要的是數(shù)據(jù)的開放性，其被壟斷的可能性很小，公共云、公共數(shù)據(jù)庫到處存在。媒體既要生產(chǎn)自己的數(shù)據(jù)，更要會用、用好公共數(shù)據(jù)。這些公共數(shù)據(jù)不僅包括數(shù)字信息，也包括大量文本內(nèi)容。要使用這些公共內(nèi)容，就需要有對海量信息的整合能力以及對潛在信息價值的挖掘能力，并需用可視化工具把結(jié)果精準(zhǔn)地呈現(xiàn)出來。

（二）輿情研究領(lǐng)域

在研究視角上，傳統(tǒng)的輿情研究大都局限于比較表層化的話語研究和事件研究，沒有深入挖掘公眾的思想、行為和情感方面豐富的內(nèi)涵和規(guī)律性信息。而且受傳統(tǒng)的調(diào)查、訪談方法自身的局限性影響，很難進行受眾心理圖譜、行為圖譜和社會關(guān)系圖譜這樣復(fù)雜的語義關(guān)系的繪制和分析。

在研究時距上，目前的輿情研究以共時性研究為主，歷時性研究缺乏。但是，輿情熱點的變化具有年輪效應(yīng)，只有橫向的共時性分析是不夠充分的，沒有對公眾輿論的歷時性演變和輿情發(fā)生機制的縱向研究，我們在認(rèn)識和行動上的方位感就會不夠客觀和真實。

在采集方法上，現(xiàn)有的輿情監(jiān)測和分析軟件的同質(zhì)化程度較高，采集的文本大多是基于互聯(lián)網(wǎng)社交媒體，分析結(jié)果的呈現(xiàn)方式也比較相似。在炫目的可視化圖景背后，沒有對文本數(shù)據(jù)的深度分析，而這種深度分析要基于對大量文本的內(nèi)容挖掘和整合，這就需要經(jīng)過結(jié)構(gòu)化處理的文本數(shù)據(jù)庫來支持。輿情話語的表達亂象紛繁，真?zhèn)尾⒋?，既需要小型的基礎(chǔ)文本數(shù)據(jù)庫來深度挖掘某類熱點專題，也需要大型合成文本數(shù)據(jù)庫對輿論走向和趨勢進行宏觀把握。

（三）傳播學(xué)學(xué)術(shù)研究領(lǐng)域

傳統(tǒng)的傳播學(xué)文本分析，主要以框架分析、符號分析等定性分析方法為主，但這兩種分析主要集中于意識形態(tài)、修辭方式等方面，不夠客觀。而文本內(nèi)容，特別是輿論研究的文本內(nèi)容，有零散化、碎片化的特征，在拉斯韋爾的5W里面， say what（文本內(nèi)容研究）的問題常常被人忽略。雖然有一些專門的詞頻統(tǒng)計分析軟件，可以完成對高頻詞和低頻詞的統(tǒng)計分析，但在語義深度挖掘方面仍然有待開發(fā)。我們需要找到一種常規(guī)的工具，可以把學(xué)術(shù)文本進行結(jié)構(gòu)化方法上的整合，通過把文本分類、合并，提取常用關(guān)鍵詞和核心詞，按研究主題分門別類地進行儲存，為對比研究、專題研究等領(lǐng)域提供更加嚴(yán)謹(jǐn)和結(jié)構(gòu)化的文本數(shù)據(jù)庫支持。

二、語料庫分析：體現(xiàn)大數(shù)據(jù)思維的研究方法

語料庫屬于應(yīng)用語言學(xué)的范疇，是指按照一定的語言學(xué)原則，運用隨機抽樣方法，收集自然出現(xiàn)的連續(xù)語言運用文本或話語片段而建成的、具有一定容量的大型電子文本庫。該方法在國外已有三十年以上的研究歷史，如今也擁有較為成熟的語料庫構(gòu)建與檢索工具，比如Wordsm ith、AntConc等。國內(nèi)語料庫的研究亦開展近二十年時間，研究范疇基本被劃分為詞匯、語法、語篇、語用和文體研究等五個方面。利用語料庫作為研究工具，可以從微觀層面對新聞傳播學(xué)領(lǐng)域的文本內(nèi)容進行研究。在語言學(xué)領(lǐng)域，語料庫的研究方法已日趨成熟，只不過尚未走進新聞傳播學(xué)的視野，這是因為新聞傳播學(xué)在文本內(nèi)容分析方面欠缺新的方法，需要語料庫這類研究方法的介入。

三、語料庫研究方法的應(yīng)用領(lǐng)域

（一）在新聞實踐領(lǐng)域的應(yīng)用

1．史料檢索語料庫。即把新聞報道的原創(chuàng)內(nèi)容和歷史資料數(shù)據(jù)化，變成媒體的核心資產(chǎn)。在新聞傳播渠道日益扁平化的今天，建立一個受眾易于發(fā)現(xiàn)和易于使用的史料數(shù)據(jù)庫，是報紙生存下去的核心競爭力之一。另外還可以采集一些外部數(shù)據(jù)來作為語料庫的擴充部分，如通過合作、購買、交換、抓取等方式來獲取來自其他媒體的內(nèi)容和來自互聯(lián)網(wǎng)平臺用戶創(chuàng)造的內(nèi)容，并完善語料庫的資料存儲、檢索查詢和版權(quán)管理，為進一步轉(zhuǎn)化利用打好基礎(chǔ)。

2．政府公開信息語料庫。彭博社亞洲區(qū)新聞資訊主編Lee M iller指出：數(shù)據(jù)驅(qū)動型報道中的數(shù)據(jù)都可以并且應(yīng)該從公開信息渠道中獲得。所謂的信源和數(shù)據(jù)，并不一定要像“維基解密”或斯諾登那樣從秘密渠道獲取，而是應(yīng)該從公開信息中挖掘。這些信源包括政府機構(gòu)網(wǎng)站中日常發(fā)布的政策信息和每年重大會議的政府工作報告；大眾媒體官方網(wǎng)站上的報道和專題；官方媒體的新媒體移動終端發(fā)布的內(nèi)容等等。根據(jù)政治、經(jīng)濟、教育、公共衛(wèi)生等不同主題，建立可供隨時檢索的公開信息語料庫，能夠為媒體報道節(jié)約大量搜尋數(shù)據(jù)和素材的人力和物力。

3．“數(shù)據(jù)博客”語料庫。在基于社交網(wǎng)絡(luò)平臺的節(jié)點式傳播基礎(chǔ)上，來自草根階層或者是專業(yè)領(lǐng)域人士的博客、微博的內(nèi)容和數(shù)據(jù)，也能成為新聞線索的來源和報道內(nèi)容的基礎(chǔ)。因此，我們可以采集那些比較有影響力的博客或微博的內(nèi)容，通過初步的結(jié)構(gòu)化處理，轉(zhuǎn)換成隨時可供查詢和檢索的民間信息語料庫，供數(shù)據(jù)驅(qū)動型的新聞報道作為參考，也可以作為普通讀者查詢的數(shù)據(jù)庫。

（二）在輿情研究領(lǐng)域的應(yīng)用

通過建立動態(tài)輿情監(jiān)測語料庫，提供可供檢索的關(guān)鍵詞數(shù)據(jù)庫，結(jié)合修辭學(xué)、語言學(xué)的分析方法，分析輿論話語表達、公眾社會關(guān)系、群體心理特征等。首先按照一定的規(guī)則和專題對收集的輿情文本內(nèi)容進行分類和標(biāo)注，然后是文本合并和關(guān)鍵詞提取。在語料處理方面要注意兩點：一是小型基礎(chǔ)語料庫的支撐和建設(shè)，大數(shù)據(jù)庫作為信息母體，需要若干小型數(shù)據(jù)庫作為檢索源；二是中心度和關(guān)聯(lián)度結(jié)構(gòu)化的算法，大數(shù)據(jù)庫作為一種非結(jié)構(gòu)化的數(shù)據(jù)，需要進行一些結(jié)構(gòu)化的解讀和梳理，這就需要相關(guān)的數(shù)據(jù)結(jié)構(gòu)化算法，這種算法可稱之為數(shù)據(jù)模型。

1．輿情熱詞語料庫。輿情熱詞語料庫主要服務(wù)于輿情監(jiān)測，解決重大和突發(fā)事件中引爆點和關(guān)聯(lián)度的關(guān)系。我們可以通過關(guān)注熱點內(nèi)容，搜集熱點事件的語料，建立輿情熱詞數(shù)據(jù)庫，找出引發(fā)輿情關(guān)注的引爆詞。并結(jié)合語詞情感分析、修辭分析手段，來劃分引爆詞的中心度級別和關(guān)聯(lián)度級別，在此基礎(chǔ)上設(shè)計熱詞發(fā)現(xiàn)模型，達到輿情預(yù)警和預(yù)測的目的。

首先我們根據(jù)研究規(guī)模來選取一定數(shù)量的樣本，然后用語料庫構(gòu)建工具對選定文本進行標(biāo)注和結(jié)構(gòu)化處理，對輿情關(guān)鍵詞進行再次統(tǒng)計并生成核心主題詞表數(shù)據(jù)庫，從中找出輿情引爆詞。需要特別指出一點，核心主題詞不一定是詞頻最高的那個詞，而是輿情敏感度，也就是熱度最高的詞，即輿論的中心詞。中心詞是輿論的引爆點，實現(xiàn)了引導(dǎo)公眾把輿論由說變成做的過程，同時也是關(guān)聯(lián)度最高的詞，從最大限度上關(guān)聯(lián)其他的主題詞并形成語義網(wǎng)絡(luò)。

關(guān)于輿情熱詞的分析，有兩個關(guān)鍵點：引爆點和關(guān)聯(lián)點。由引爆點可以導(dǎo)出對引爆詞的挖掘；由關(guān)聯(lián)點可以導(dǎo)出對連接詞的發(fā)現(xiàn)；引爆詞具有意見領(lǐng)袖的作用，迅速擴大熱詞的影響力并號召公眾付之行動；關(guān)聯(lián)詞具有搬運工的作用，能夠連接各種關(guān)系詞，形成主題詞網(wǎng)絡(luò)。基于引爆詞的挖掘和連接詞的發(fā)現(xiàn)，輿情熱詞分析可以劃分出兩個維度：中心度分析和關(guān)聯(lián)度分析，進而設(shè)定中心度指標(biāo)和關(guān)聯(lián)度指標(biāo)，并設(shè)計指標(biāo)體系的計算公式，形成具有引爆性質(zhì)的熱詞理論模型。這樣就可以輿情監(jiān)測，隨著熱詞強度的提高，熱詞的范圍是不是在擴大，社會的緊張度又如何，進而往前預(yù)推，達到預(yù)警的目的。

2．意見領(lǐng)袖修辭特征詞語料庫。在一些官方傳統(tǒng)媒體失語或報道不及時的情況下，網(wǎng)民習(xí)慣于打開網(wǎng)絡(luò)意見領(lǐng)袖的博客或追逐微博上的只言片語，從他們那里尋找解讀、剖析和批判。意見領(lǐng)袖的觀點、意見情緒能為受眾所接收，能引起受眾的共鳴，會產(chǎn)生巨大的輿論影響，這與他們個人的話語表達風(fēng)格、對某個領(lǐng)域的專業(yè)知識和對某類問題的把握能力密不可分。因此，通過對意見領(lǐng)袖的觀點、態(tài)度關(guān)鍵主題詞等內(nèi)容的提取，可以從中總結(jié)某個或某類意見領(lǐng)袖的修辭特點及個人特征，形成一定的辨識度依據(jù)；進而還可以從中尋找具有心理喚起度和社會動員能力的詞，為輿論引導(dǎo)提供來自民間輿論場的參照。

3．傳播學(xué)學(xué)術(shù)主題詞語料庫。在傳播學(xué)內(nèi)容研究領(lǐng)域，可以嘗試用語料庫來完成對常規(guī)5W領(lǐng)域的深化研究，尤其是引向微觀層面。越是細小的不易覺察的，越是人們忽視的，也越是研究者值得進軍的領(lǐng)域，而微觀的研究恰恰能夠揭示很多深度的東西。所以傳播學(xué)主題詞語料庫可以做的，恰恰是把非結(jié)構(gòu)化的文本數(shù)據(jù)結(jié)構(gòu)化，根據(jù)研究主題設(shè)定結(jié)構(gòu)化的方向、結(jié)構(gòu)化的坐標(biāo)、結(jié)構(gòu)化的指標(biāo)，來完成研究的目標(biāo)。比如傳播史方面的研究，我們可以找到一個時間節(jié)點，搜集與這一節(jié)點同步的史實資料，然后把文本進行整合、分詞、標(biāo)注，提取與這一歷史節(jié)點關(guān)聯(lián)的年份詞、學(xué)者名稱、學(xué)術(shù)觀點、專門術(shù)語，構(gòu)建主題詞語料庫，繪制這一時期的主題詞學(xué)術(shù)地圖。

4．受眾特征關(guān)鍵詞語料庫。利用微博進行廣告?zhèn)鞑?，有著天然的精?zhǔn)投放優(yōu)勢。我們可以利用語料庫來分析挖掘受眾群體特征，繪制不同目標(biāo)群體的心理圖譜、行為圖譜和社會圖譜，從而實現(xiàn)對目標(biāo)接觸點的精準(zhǔn)把握，找到受眾的需求交叉點。這種語料庫分析的應(yīng)用原理來自于特征聚類，以此為依據(jù)，來向具有相似心理需求的受眾推送受本群體認(rèn)可的資訊和產(chǎn)品廣告，從而達到對品牌接觸點和受眾需求交叉點的精準(zhǔn)把握。

四、語料庫分析在傳播學(xué)研究方法論上的創(chuàng)新點

工具性的研究方法，要和研究內(nèi)容的屬性相匹配；要把主觀感覺的內(nèi)容變成可靠結(jié)論，從而挖掘出研究對象的潛在價值。語料庫的分析方法，符合大數(shù)據(jù)的思維邏輯，通過對海量文本數(shù)據(jù)的處理，可以對文本內(nèi)容進行深入挖掘，而不僅僅局限于表層研究或定性分析。以微觀偏中觀的修辭手段和語義分析的研究為基礎(chǔ)，通過語料庫這種結(jié)構(gòu)化的文本數(shù)據(jù)來開展量化研究，這在國內(nèi)外新聞傳播學(xué)界都屬新鮮待開發(fā)的領(lǐng)域。

語料庫的研究，本質(zhì)上也是一種跨學(xué)科的研究，綜合了語言學(xué)、修辭學(xué)、計算機科學(xué)和統(tǒng)計學(xué)各學(xué)科的知識。當(dāng)前國內(nèi)外大型語料庫的建設(shè)都具有動態(tài)性的特點，即語料會定期更新，基于它可以豐富傳播學(xué)量化研究的方法，發(fā)現(xiàn)關(guān)鍵詞和主題詞的歷史性演變，從而尋找其中的年輪效應(yīng)，為學(xué)術(shù)文本和實踐領(lǐng)域的研究提供縱向的和歷時性的參照物和坐標(biāo)系。

[1]彭蘭．大數(shù)據(jù)時代，新聞業(yè)面臨的新震蕩[J]．編輯之友，2012（1）．

[2]官建文，劉揚，劉振興．大數(shù)據(jù)時代對傳媒業(yè)意味著什么[J]．新聞戰(zhàn)線，2012（2）．

[3]李彪．大數(shù)據(jù)視域下社會輿情研究的新境界．編輯之友，2013（6）．

[4]人民網(wǎng)輿情辦公室．如何應(yīng)對網(wǎng)絡(luò)輿情——網(wǎng)絡(luò)輿情分析師手冊[M]．北京：新華出版社，2011．