Hopes and Fears -- Emotion Distribution in the Topic Landscape of Finnish Parliamentary Speech 2000-2020

想象一下，芬兰议会（Eduskunta）不仅仅是一个充满规则和法律的枯燥场所，而是一部长达 20 年的宏大广播剧。这部剧有 200 名演员（政治家），他们讨论着从税收到交通，再到外交政策的一切话题。

这篇论文就像是一位音响工程师，记录了 2000 年至 2020 年间那个房间里说的每一个字。这位工程师不仅是在听他们说了“什么”，还使用了一种特殊的计算机工具来分析他们在说话时的“情感状态”。他们想要绘制出议会的“情绪天气图”：是风暴肆虐（愤怒/恐惧）？是阳光明媚（希望/喜悦）？还是仅仅是阴云密布且中立？

以下是他们的研究发现，使用了简单的类比：

1. 大局观：“情绪地图”

研究人员创建了一个“话题景观”。你可以把它想象成一张地图，不同的政策领域就是不同的城市。他们想看看哪些城市总是阳光明媚，哪些总是风暴不断，而哪些又变幻莫测。

• 整体情绪： 尽管人们通常认为政治家总是愤怒或消极的，但数据表明，中立的言论实际上是最常见的（约占 24%）。然而，当情绪出现时，负面情绪（恐惧、愤怒、担忧）比正面情绪略微多一些。
• 主角： 在正面情绪中，希望（乐观、信任）是明显的赢家。它比喜悦、爱或惊讶要常见得多。这就像政治家们在试图不断地推销一个更美好的未来愿景，即使是在新闻形势糟糕的时候。

2. “情绪社区”（话题组）

研究人员发现，不同的话题都有自己独特的“情绪个性”。他们将这些话题分成了五个社区：

• “风暴之海”（两极分化的话题）：
  • 话题： 能源与就业。
  • 氛围： 这些话题就像过山车。当人们讨论能源（如木材燃烧或泥炭）时，他们要么非常充满希望（这创造了就业！），要么非常恐惧（成本太高了！）。这里几乎没有中间地带。这是一场高风险的辩论，每个人要么在欢呼，要么在恐慌。
• “愤懑角落”（负面偏向型）：
  • 话题： 预算、税收与政治派系。
  • 氛围： 这是抱怨发生的地方。当政治家讨论政府花了多少钱，或者与竞争对手争论时，气氛就会变得糟糕。这里充满了忧虑、失望和挫败感。
• “官僚办公室”（中立偏向型）：
  • 话题： 法律、犯罪、交通与养老金。
  • 氛围： 这是“照常运转”的地带。当讨论新法律或交通规则的技术细节时，言辞是枯燥、事实性且冷静的。这就像在读一本说明书；没有尖叫也没有欢呼，只有信息。
• “阳光公园”（正面偏向型）：
  • 话题： 外交政策、农业与国际援助。
  • 氛围： 当谈论帮助其他国家或与邻国合作时，气氛会变得轻松。这些讨论充满了希望、信任甚至喜悦。似乎在讨论芬兰国境之外的“大局”时，更容易保持乐观。
• “普通人”（平均话题）：
  • 话题： 商业、民主与投票。
  • 氛围： 这些话题不会引发极端情绪。它们的讨论方式平衡且平稳。

3. “时光机”（20 年间情绪的变化）

研究人员还观察了情绪天气如何逐年变化。

• 向阳光迈出的缓慢步伐： 在这 20 年间，议会实际上变得没那么消极了，并且变得稍微积极了一点。这就像这个房间正在慢慢变得明亮一些，尽管它仍然大部分时间处于阴天。
• 选举过山车： 最剧烈的变化发生在选举年。
  • 选举前： 气氛变得紧张且中立（有很多“观望”情绪）。
  • 选举期间/选举后不久： 会出现希望的突然激增。当新政府组建时，政治家们会突然开始谈论“新的开始”和“雄心勃勃的目标”。这就像是一场全新的开始派对。
  • 恐惧 往往在选举前下降，并在选举后不久再次上升，而 希望 则恰恰相反。
• 疫情停顿： 当 2020 年冠状病毒袭击时，常规模式发生了轻微偏移。希望下降，恐惧上升，但令人惊讶的是，整体情绪并没有像预期的那样大幅崩塌。

4. 他们是如何做到的（“机器人侦探”）

由于有数百万个句子，人类无法阅读全部内容。研究人员构建了一个定制的机器人大脑（AI 模型），该模型专门针对芬兰政治演讲进行了训练。

• 他们教会了机器人识别 9 种特定的感受：喜悦、希望、爱、正面惊讶、悲伤、恐惧、恨、负面惊讶以及中立。
• 他们还使用了一个“话题模型”来对经常一起出现的词汇进行分组（例如，“税收”、“预算”和“支出”将归入“预算”话题）。
• 他们将两者进行了交叉引用：“当机器人听到‘税收’这个词时，说话者通常使用什么情绪？”

核心结论

这篇论文告诉我们，政治家不仅仅是情绪化的集合体；他们的情绪是具有策略性且针对特定话题的。

• 他们会对金钱和对手感到愤怒。
• 他们会对能源和就业感到恐惧。
• 他们会对未来和国际合作感到充满希望。
• 在过去的二十年里，尽管存在政治斗争，芬兰议会的整体基调实际上变得更加乐观了一点。