基于Nvivo12编码与自然语言处理的VKontakte社交评论情感倾向与话语模式分析及其在COVID-19疫情中的动态研究

为揭示COVID-19疫情期间公众情绪动态变化规律，研究人员结合Nvivo12编码与自然语言处理工具包（NLP），引入双向长短期记忆网络（BiLSTM）和支持向量机（SVM）算法，对俄罗斯VKontakte平台评论进行情感倾向与话语模式分析。研究发现疫情不同阶段公众负面情绪占比波动上升（第四阶段达45.3%），且话语主题呈现显著阶段性差异。该研究为公共卫生事件中的舆情管理提供了方法论创新与实践指导。

　　

COVID-19疫情作为全球性公共卫生危机，不仅威胁人类健康，更深刻影响了社会心理与舆论生态。在俄罗斯最大的社交平台VKontakte上，海量用户评论成为观察公众情绪变化的"晴雨表"。然而，传统基于人工标注的情感分析方法存在主观性强、效率低下等问题，而单一技术手段难以全面捕捉复杂语境中的情感特征与话语规律。

为突破这些局限，新疆维吾尔自治区"天池人才"青年博士项目支持的研究团队创新性地构建了多模态分析框架。研究人员首先通过Nvivo12的自动编码功能对VKontakte评论进行主题、情感和关系节点的初步分类，其独特的关联编码和核心编码功能可快速定位关键情感表达。为解决大规模数据处理难题，引入双向长短期记忆网络（BiLSTM）模型，该模型通过遗忘门（f_t=σ(W_f·[h_t-1,x_t]+b_f)）、输入门（i_t）和输出门（o_t）的三重门控机制，实现上下文信息的双向捕获，在测试集中情感分类准确率达92.4%。同时采用自然语言处理工具包（NLP）中的Valence Aware Dictionary and Emotion Reasoner（VADER）情感分析器量化文本情感分值，并结合支持向量机（SVM）构建最优分类超平面（f(x)=w^Tx+b），最终形成融合定性定量分析的混合研究方法。

研究结果揭示：

1. 情感倾向分析：疫情发展四阶段中，发病率快速上升期（2020年3-4月）公众负面情绪占比39.3%，显著高于正面情绪（27.6%）；随着防控措施常态化，第四阶段（2021年1月-2023年3月）负面情绪进一步升至45.3%，反映长期防疫政策带来的社会心理压力。

2. 话语模式特征：通过卡方检验（χ²=284.484,p=0.000）发现不同阶段话题关注度存在显著差异。发病率快速下降期（2020年5-7月）对流行病学数据可靠性的讨论调整残差值达7.978；而疫情持续波动期（2020年8-12月）民生保障话题残差值为7.305，体现公众诉求的阶段性转变。

3. 方法学比较：相较于决策树（DT）、多层感知器（MLP）和自适应增强（AdaBoost）算法，本研究方法在话题分类准确率上最高达99.6%，验证了多技术融合的优势。

这项发表于《International Journal of Coal Geology》的研究具有双重突破：方法论层面，首次将Nvivo12的定性编码优势与BiLSTM的上下文理解能力、SVM的高维分类特性相结合，构建了社会舆情分析的"三角验证"模型；实践层面，研究不仅为俄罗斯疫情防控提供了情绪演变图谱，其构建的"情感-话语"双维度分析框架，对全球公共卫生事件的舆情治理具有普适参考价值。未来研究可拓展至跨文化比较、多模态数据融合等方向，以更全面把握突发公共事件中的社会心理机制。