南京师范大学汤国安教授团队《IJGIS》| 社交媒体数据中公众情绪共现模式的识别与分析

    近日，南京师范大学地理科学学院汤国安教授团队在地理人工智能（GeoAI）与社会信息感知研究领域取得新进展。相关研究成果以“Revealing the co-occurrence patterns of public emotions from social media data”为题，发表于国际地理信息科学领域顶级期刊 International Journal of Geographical Information Science (IJGIS)。

论文链接：http://dx.doi.org/10.1080/13658816.2026.2640612

图1 论文信息

    在地理信息科学研究中，社交媒体数据因其高时空分辨率和广泛公众参与，已成为感知群体情绪与社会动态的重要数据来源。然而，现有研究大多基于单一情绪标签分类方法，多聚焦于情绪进行正负极性或单类情绪判定。这类方法难以刻画现实社会中普遍存在的多情绪并存与情绪结构复杂性，从而限制了对群体情绪动态的深入理解。

    针对这一问题，研究团队结合地理信息分析方法与情绪共现理论，提出了一种面向社交媒体数据的群体情绪共现模式识别框架。该方法首先利用深度学习模型提取文本中的多维情绪信息，并基于情绪概率分布构建情绪复杂度指标，将情绪表达划分为单一情绪、主从情绪和复合情绪三种类型。在此基础上，研究进一步构建情绪共现图结构，刻画不同情绪之间的结构关系，实现了从“单一情绪识别”向“复杂情绪结构分析”的拓展。该研究在方法上拓展了传统情绪识别模型，将深度学习情绪识别、心理学情绪理论与图结构分析方法有机结合，为理解复杂情绪结构及其空间传播机制提供了新的技术路径。研究成果不仅有助于推动地理信息科学与心理学的交叉融合，也为城市治理、公共事件管理以及社会情绪监测提供了重要方法支撑。

图2 方法流程图

   实验结果表明，相较于传统基于单一标签的情绪识别方法，本研究提出的情绪共现分析框架能够更加全面地刻画公众情绪的复杂结构特征。该方法不仅能够识别单一情绪，还能够揭示多种情绪之间的主从关系与复合关系，从而更加真实地反映现实情境中情绪并存与相互作用的状态。此外，通过结合城市多源数据，研究发现不同区域呈现出的情绪结构模式差异与建筑密度、建筑高度以及夜间灯光强度等城市物理环境要素之间存在较强关联。

图3. 城市物理环境与单一、主从和复合情绪的相关性

    研究还发现，在传染病传播背景下，社会层面防控措施的实施能够显著促进城市群体情绪结构的稳态回归。与疫情传播初期相比，以恐惧、愤怒或悲伤为主导的负向情绪组合的空间扩散趋势明显减弱，群体情绪结构逐渐趋于均衡与稳定。这一结果表明，系统性的公共治理不仅构建了阻断病毒传播的物理防线，也在一定程度上发挥了重要的社会心理缓冲作用：通过降低公众情绪的不确定性与波动性，推动群体情绪由高度波动状态向相对稳定的社会情绪结构演化。相关发现可为理解重大公共卫生事件中的社会情绪调节机制与治理效应提供新的研究参考。

图4. 防控措施实施前后群体情绪特征变化

    论文第一作者为南京师范大学地理科学学院硕士研究生华杨，通讯作者为南京师范大学地理科学学院李思进老师。同时，此项研究得到了南京师范大学汤国安教授、熊礼阳教授，香港科技大学（广州）赵吴凡助理教授，深圳大学夏吉喆副教授，南京师范大学博士毕业生王浩然、博士生陈阳的大力支持，并受国家重点研发计划、国家自然科学基金、江苏省基础研究计划自然科学基金等项目的支持。