《表2 Snownlp评论性文本情感值》
本部分所采用的方法是情感极性分析,通过Python的snownlp库的处理,可以看出国内网民对“ZAO”的评论性文本的情感均值为0.45010111190452473,情感中位数为0.40914866581956777。按照情感计算方法对积极性情感文本的数值限定在0.7以上,方为情绪正向的积极性情感。显然,国内网民对“ZAO”的评论性文本的情感程度整体上比较低,情感负性倾向明显。说明,网民们对“ZAO”所带来的潜在风险非常担忧。从国外网民对“Deepfake”的情感态度倾向来看,国外网民对“Deepfake”的评论性文本的情感平均值为0.6475403629278396,情感中位数为0.6925999702163451。显然,国外网民对“Deepfake”深度伪造技术同样表现出对其潜在风险的担忧,但是,相比较之下,国外网民的这种担忧性没有国内网民强烈。这是什么原因导致的这种结果值得我们去深度思考,而且,国外网民的评论性文本所反映出的平均值已然非常接近0.7的积极性情感倾向。从评论性文本的情感序列图来看,国内网民评论性文本情感序列走势图时间跨度短,国外网民评论性文本情感序列走势图时间跨度长。国内网民情感的变化主要集中一个阶段,而国外网民的情感变化比较均匀。整体上的情感值,国内网民的情感变化呈现出负性特征,而国外网民的情感变化的负性程度不高,相对而言的呈现出积极性。但是,按照0.7的积极性情感数值限定,两者都属于负性情感阶段。这说明,中美两国网民对AI换脸事件都存在技术引起的伦理风险表示忧虑,并且这是一个普遍性的问题。无论是“ZAO”,还是“Deepfake”,其中引发的技术伦理风险,如果能够得到恰当的处理,其蕴含的内在价值也将会体现出来。
图表编号 | XD00187138100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.20 |
作者 | 孙强 |
绘制单位 | 上海大学新闻传播学院 |
更多格式 | 高清、无水印(增值服务) |