日本網友對安倍政府的情緒，到底有多“好”？_風聞

本文嘗試通過自然語言處理對雅虎日本論壇“Textream”內兩個帖子中的4643條與14624條評論，進行描述統計。

（一）引言

若論近期日本政壇熱點，定提及安倍成功連任。然就其連任而言，本就無甚懸念。日本政治精英照着編排好的劇本來演，底下吃瓜羣眾看看熱鬧，聽聽媒體“吹拉彈唱”“讀讀旁白”，好不熱鬧。

一出政治喜劇的過後，留下的是政治強人的足跡，彰顯的是世家政治的強悍，也許背後還有美國“總導演”的暗暗鼓掌。安倍的政治力量，不僅源於自身之堅持，亦源自美日兩國政治精英的共同扶植。安倍連任所帶來的政治隱喻不單純是一黨一派之絕對強勢，亦有安倍對美國所做之承諾“Japan is back”所言非虛。

客觀而言，無論是安倍外交學、安倍經濟學，都有一定成效。日本的外交局面在其任內確有“俯瞰地球儀”之架勢，日本的經濟頹勢亦有止跌回升之勢頭，兩者相交，諸相呼應，對外贏得美國讚揚，對內取得國內財團之認可。

視線轉向另一邊，在安倍的所作所為中恰恰看不到普通民眾的身影。對於日本的普通民眾而言，閒暇時在網絡上發發牢騷，宣泄不滿；翌日清晨，洗漱完畢，伸伸懶腰，接着上班。日復一日，年復一年。日本上層建築之變化，對底層民眾來説無非就是“年年歲歲花相似，歲歲年年人不同。”

在日本最大的門户網站“雅虎日本”的論壇“Textream”上，早在2014年12月20日就發起了一則名為“第3屆安倍內閣”的帖子。而日本自民黨決定將“連任2屆共6年”的總裁任期上限延長至“連任3屆共9年”還要在兩年後的2016年。

這則具有預言價值的“帖子”，也許在當時僅是戲虐，但在今天卻是現實。因此，筆者饒有興趣地翻看一番，並對其作為樣本採集。看看，日本的網友到底是怎麼看待安倍第三次連任的？

通過基礎的文本閲讀可做質性分析的判斷，即日本網友在網絡上對安倍政府多有不滿。然而，做好壞之判斷容易，但具體“好”“壞”到什麼程度？卻難判斷。故而，筆者引入“情感分析”，嘗試對日本網友的“情緒”進行度量。

（二）案例一：對帖子“第三屆安倍內閣”的分析

首先，筆者採集了自2017年9月1日~2018年9月30日間的數據，合計評論數：4643條。

之所以選擇這一區間：一是因為日期較為規整，二是因為採集過早的數據其現實意義並不強。就日本國內政治而言，安倍連任之心雖是“路人皆知”，但直至2017年才愈發凸顯其現實意義。這也是為何會在2017年才接連爆出“森友”、“加計”醜聞，意在為安倍連任製造困難。當然，現在看來醜聞亦未動搖安倍的根基。

其次，筆者利用日本工業大學高村大也團隊所制的《日語單詞情感極性對照表》為基礎，匹配每一條網友評論中的“情感詞”並取平均數得出“情感值”。

高村團隊所作的《日語情感詞表》，主要標註了日語的情感極性。情緒極性是一種二元屬性，表示該詞是否具有積極意象（正面）或消極意象（負面）。該《詞表》中的詞語取自《巖波日語詞典》，情感區間為-1到+1。越接近-1，情感越是負面（-1~0）；反之，越接近+1，情感越接近正面（0~+1）。故本文的“情感值”簡寫為“PN值，positive&negative”）

最後，在數據預處理與可視化後，可知：

（圖一）

（1）從圖一中可看出日本網民評論的分佈區間，對安倍的評論基本都是負面（注：PN 為情感值，），都集中在（-0.6~-0.4）的區間內，中位數是-0.517205。

（2）在添加時間序列後，可得圖二，看出日本網民在一年的時間區間內對“第三屆安倍內閣”的評論情緒的變化。

（圖二）

（3）利用LDA主題模型取出關鍵詞。LDA（Latent Dirichlet Allocation）最初是由David Blei，Andrew Ng和Michael I. Jordan於2003年撰文提出。它的本質是一種概率論。LDA假設每一篇文章中都包含多個主題，而每個主題各對應一組詞彙。反過來，多種主題亦構成了整篇文章，而構成文章的詞彙則是基於一定概率相互排列。因而，可通過計算概率分佈，找出對應主題。

另一方面，由於網友評論難有單一見解，往往分屬不同主題，如森友加寄為代表的腐敗問題；如朝核危機為代表的安全問題；又如特朗普同安倍會談為代表的外交問題，各式各樣，難以窮盡。因此，本文采用無監督學習方法中的LDA模型，嘗試抽取5個主題。結果如下：

（表一）

從主題分析的結果可見，在日本的內部事務中，選舉、野黨、天皇、自衞隊等詞總是如影隨形的出現，是日本國內關注度頗高之話題。另一方面，在日本的外部事務中，朝鮮半島與中國仍是日本關注最高的地區，亦可窺得日本網民之“視界”。其中，凡是提及中美兩國，則往往與經濟問題聯繫在一起，由是可知日本經濟對中美依賴之深。

​**（三）案例二：對帖子“安倍才是有資格擔任日本首相的人”的分析**

在筆者對案例一的分析完畢後，關注到同一論壇中有題為“安倍才是有資格擔任日本首相的人”這一帖子。

該帖自2013年發起，當前70萬條留言置於其下，旁觀者數倍之，是論壇中政經欄目下最活躍的帖子，故而筆者決定對該帖進行同樣的數據分析，測試這一看似命名“積極正面”的帖子，日本網友是否會在此處對安倍政府做積極的評價？

因而如法炮製上述步驟，但因該帖內數據量較大，故便於分析，僅取2018年9月1~30日，一個月內的數據，合計共14624條評論。可見該帖之活躍，僅一個月內的評論就已是“第三次安倍內閣”帖下評論數量的3倍之多。

在同樣利用“情感分析”測量後，如下圖所示：

（圖三）

（圖四）

（1）由上述兩圖可知，在“安倍是有資格擔任日本首相的人”這一看似積極正面的命名下，日本網友的評論依舊負面居多（主要集中在-0.6 ~ -0.4），這與”第三屆安倍內閣”相似（表二）。

（表二）

（2）如圖三、圖四所示，與案例一不同，在本案例中可以看到部分“情感值”頗為正面，甚至接近於+1。然而，細讀之，可發現積極正面的評論多是“諷刺”言語，如圖五所示：

（圖五）

（3）同樣利用LDA主題模型取出5個主題：

（表三）

其中，值得關注的是，第5組主題與“第三屆安倍內閣”帖下的第5組主題在關鍵詞上高度重合（表四），可窺得日本網友看待安倍內閣之共識。

（表四）

（四）研究方法的“缺陷”

出於對日本網友對安倍政權評價的具體程度的好奇，筆者嘗試對“雅虎日本”進行“情感分析”。然而，本次筆者所利用情感詞典取平均數的方法，進而獲得情感值的“情感分析”。但在實際運用中仍有缺陷，主要表現在：（1）當前所用方法無法判斷“諷刺”語言，如（圖五）所示。（2）當前所用方法僅能根據情感詞彙賦值，難以結合特定“場景”做判斷，如案例二中的2018年9月27日的一條評論，情感值為（-0.428192）（圖六），粗看起來頗為“中性”，但展開細讀之，可知並非如此。

（圖六）

   筆者將上述評論中省略部分展開並翻譯如下：

   【在左翼人士的看來，安倍連任是“保守派沒有做好的判斷”，而保守派則認為左翼沒有腦子。就像有的分析師説股票年底會漲，也有人會説下跌，但最終是漲是跌只有天知道。左派最大的缺點只相信有利於他們的信息，而忽略對他們不利的消息。最糟糕的是，左派總是説他們的意見和你所要的東西一樣。由於左派不斷重複説這些內容，就像他們總説‘打工的人要和公務員拿一樣的工資’這類傻話，致使其信譽大打折扣。他們就像是羣只會做減法的瘟神一樣。】

    原文中的評論其實是在批判日本左翼而實際褒揚保守派。它的真實意思是贊同安倍連任，故而應當屬積極評價，但在機器的眼中卻是負面的。故而説明筆者所用之算法，僅能對原文中的詞彙的情感進行賦值，而無法判斷特定之“場景”。此為該算法的一大缺憾。日後，仍需嘗試不同的機器學習的算法加以克服與改進。

    （3）對於LDA主題模型的利用，實際在調參後的表現高於筆者預期。但不可忽視LDA對短文本分析的固有缺陷，仍需日後改進。

    （4）兩個案例的時空差異，僅作測試用。