本文尝试通过自然语言处理对雅虎日本论坛“Textream”内两个帖子中的4643条与14624条评论，进行描述统计。

若论近期日本政坛热点，定提及安倍成功连任。然就其连任而言，本就无甚悬念。日本政治精英照着编排好的剧本来演，底下吃瓜群众看看热闹，听听媒体“吹拉弹唱”“读读旁白”，好不热闹。

一出政治喜剧过后，留下的是政治强人的足迹，彰显的是世家政治的强悍，也许背后还有美国“总导演”的暗暗鼓掌。安倍的政治力量，不仅源于自身之坚持，亦源自美日两国政治精英的共同扶植。安倍连任所带来的政治隐喻不单纯是一党一派之绝对强势，亦有安倍对美国所做之承诺“Japan is back”所言非虚。

客观而言，无论是安倍外交学、安倍经济学，都有一定成效。日本的外交局面在其任内确有“俯瞰地球仪”之架势，日本的经济颓势亦有止跌回升之势头，两者相交，诸相呼应，对外赢得美国赞扬，对内取得国内财团之认可。

视线转向另一边，在安倍的所作所为中恰恰看不到普通民众的身影。对于日本的普通民众而言，闲暇时在网络上发发牢骚，宣泄不满；翌日清晨，洗漱完毕，伸伸懒腰，接着上班。日复一日，年复一年。日本上层建筑之变化，对底层民众来说无非就是“年年岁岁花相似，岁岁年年人不同。”

在日本最大的门户网站“雅虎日本”的论坛“Textream”上，早在2014年12月20日就发起了一则名为“第3届安倍内阁”的帖子。而日本自民党决定将“连任2届共6年”的总裁任期上限延长至“连任3届共9年”还要在两年后的2016年。

这则具有预言价值的“帖子”，也许在当时仅是戏虐，但在今天却是现实。因此，笔者饶有兴趣地翻看一番，并对其作为样本采集。看看，日本的网友到底是怎么看待安倍第三次连任的？

通过基础的文本阅读可做质性分析的判断，即日本网友在网络上对安倍政府多有不满。然而，做好坏之判断容易，但具体“好”“坏”到什么程度？却难判断。故而，笔者引入“情感分析”，尝试对日本网友的“情绪”进行度量。

2  案例一：对帖子“第三届安倍内阁”的分析

首先，笔者采集了自2017年9月1日~2018年9月30日间的数据，合计评论数：4643条。

之所以选择这一区间：一是因为日期较为规整，二是因为采集过早的数据其现实意义并不强。就日本国内政治而言，安倍连任之心虽是“路人皆知”，但直至2017年才愈发凸显其现实意义。这也是为何会在2017年才接连爆出“森友”、“加计”丑闻，意在为安倍连任制造困难。当然，现在看来丑闻亦未动摇安倍的根基。

其次，笔者利用日本工业大学高村大也团队所制的《日语单词情感极性对照表》为基础，匹配每一条网友评论中的“情感词”并取平均数得出“情感值”。

高村团队所作的《日语情感词表》，主要标注了日语的情感极性。情绪极性是一种二元属性，表示该词是否具有积极意象（正面）或消极意象（负面）。该《词表》中的词语取自《岩波日语词典》，情感区间为-1到 1。越接近-1，情感越是负面（-1~0）；反之，越接近 1，情感越接近正面（0~ 1）。故本文的“情感值”简写为“PN值，positive&negative”）。

最后，在数据预处理与可视化后，可知：

（图一）

（1）从图一中可看出日本网民评论的分布区间，对安倍的评论基本都是负面（注：PN 为情感值，），都集中在（-0.6~-0.4）的区间内，中位数是-0.517205。

（2）在添加时间序列后，可得图二，看出日本网民在一年的时间区间内对“第三届安倍内阁”的评论情绪的变化。

（图二）

（3）利用LDA主题模型取出关键词。LDA（Latent DirichletAllocation）最初是由David Blei，Andrew Ng和Michael I. Jordan于2003年撰文提出。它的本质是一种概率论。LDA假设每一篇文章中都包含多个主题，而每个主题各对应一组词汇。反过来，多种主题亦构成了整篇文章，而构成文章的词汇则是基于一定概率相互排列。因而，可通过计算概率分布，找出对应主题。

另一方面，由于网友评论难有单一见解，往往分属不同主题，如森友、加计为代表的腐败问题；如朝核危机为代表的安全问题；又如特朗普同安倍会谈为代表的外交问题，各式各样，难以穷尽。因此，本文采用无监督学习方法中的LDA模型，尝试抽取5个主题。结果如下：

（表一）

从主题分析的结果可见，在日本的内部事务中，选举、野党、天皇、自卫队等词总是如影随形的出现，是日本国内关注度颇高之话题。另一方面，在日本的外部事务中，朝鲜半岛与中国仍是日本关注最高的地区，亦可窥得日本网民之“视界”。其中，凡是提及中美两国，则往往与经济问题联系在一起，由是可知日本经济对中美依赖之深。

3  案例二：对帖子“安倍才是有资格担任日本首相的人”的分析

在笔者对案例一的分析完毕后，关注到同一论坛中有题为“安倍才是有资格担任日本首相的人”这一帖子。

该帖自2013年发起，当前70万条留言置于其下，旁观者数倍之，是论坛中政经栏目下最活跃的帖子，故而笔者决定对该帖进行同样的数据分析，测试这一看似命名“积极正面”的帖子，日本网友是否会在此处对安倍政府做积极的评价？

因而如法炮制上述步骤，但因该帖内数据量较大，故便于分析，仅取2018年9月1~30日，一个月内的数据，合计共14624条评论。可见该帖之活跃，仅一个月内的评论就已是“第三次安倍内阁”帖下评论数量的3倍之多。

在同样利用“情感分析”测量后，如下图所示：

（图三）

（图四）

    （1）由上述两图可知，在“安倍是有资格担任日本首相的人”这一看似积极正面的命名下，日本网友的评论依旧负面居多（主要集中在-0.6 ~ -0.4），这与”第三届安倍内阁”相似（表二）。

(表二）

（2）如图三、图四所示，与案例一不同，在本案例中可以看到部分“情感值”颇为正面，甚至接近于 1。然而，细读之，可发现积极正面的评论多是“讽刺”言语，如图五所示：

（3）同样利用LDA主题模型取出5个主题：

（表三）

其中，值得关注的是，第5组主题与“第三届安倍内阁”帖下的第5组主题在关键词上高度重合（表四），可窥得日本网友看待安倍内阁之共识。

（表四）

4  研究方法的缺陷

出于对日本网友对安倍政权评价的具体程度的好奇，笔者尝试对“雅虎日本”进行“情感分析”。然而，本次笔者所利用情感词典取平均数的方法，进而获得情感值的“情感分析”。但在实际运用中仍有缺陷，主要表现在：

（1）当前所用方法无法判断“讽刺”语言，如（图五）所示。

（2）当前所用方法仅能根据情感词汇赋值，难以结合特定“场景”做判断，如案例二中的2018年9月27日的一条评论，情感值为（-0.428192）（图六），粗看起来颇为“中性”，但展开细读之，可知并非如此。

（图五）

 笔者将上述评论中省略部分展开并翻译如下：

      【在左翼人士的看来，安倍连任是“保守派没有做好的判断”，而保守派则认为左翼没有脑子。就像有的分析师说股票年底会涨，也有人会说下跌，但最终是涨是跌只有天知道。左派最大的缺点只相信有利于他们的信息，而忽略对他们不利的消息。最糟糕的是，左派总是说他们的意见和你所要的东西一样。由于左派不断重复说这些内容，就像他们总说‘打工的人要和公务员拿一样的工资’这类傻话，致使其信誉大打折扣。他们就像是群只会做减法的瘟神一样。】

       原文中的评论其实是在批判日本左翼而实际褒扬保守派。它的真实意思是赞同安倍连任，故而应当属积极评价，但在机器的眼中却是负面的。故而说明笔者所用之算法，仅能对原文中的词汇的情感进行赋值，而无法判断特定之“场景”。此为该算法的一大缺憾。日后，仍需尝试不同的机器学习的算法加以克服与改进。

（3）对于LDA主题模型的利用，实际在调参后的表现高于笔者预期。但不可忽视LDA对短文本分析的固有缺陷，仍需日后改进。

（4）两个案例的时空差异，仅作测试用。

文献来源：观察者网“风闻社区”