研究背景与问题

在当今信息化时代，高校突发事件往往伴随着网络舆情的迅速传播。这些事件不仅影响学生的心理健康和社会稳定，还可能对高校的声誉造成严重影响。因此，对高校突发事件网络舆情进行有效的情感分析，对于及时了解公众情绪、制定相应对策具有重要意义。然而，传统的情感分析方法在处理海量数据、复杂语义以及快速变化的网络舆情时存在一定的局限性。本研究旨在探讨如何利用生成式人工智能技术，特别是ChatGPT模型，来提升高校突发事件网络舆情情感分析的效果。

研究方法

本研究融合了提示工程与上下文学习，构建了一个基于生成式人工智能的情感分析框架。首先，通过提示工程对ChatGPT进行优化，使其能够更好地理解和处理高校突发事件的网络文本。其次，结合上下文学习，提高模型对复杂语境下情感表达的识别能力。具体操作中，我们以ChatGPT为核心模型，通过大数据收集和分析，对高校突发事件的网络舆情文本进行情感倾向的预测和分类。

核心结果

经过实验验证，本研究构建的情感分析框架在高校突发事件网络舆情情感识别方面取得了显著成效。与传统的情感分析方法相比，基于ChatGPT的模型在准确率、召回率和F1值等关键指标上均有明显提升。特别是在处理复杂语境和细微情感差异方面，ChatGPT表现出了较高的优越性。此外，通过对实际案例的分析，我们发现该模型在应对突发事件时能够及时捕捉到网络舆论的动态变化，为高校管理者提供有针对性的决策支持。

结论与意义

本研究成功地将生成式人工智能技术应用于高校突发事件网络舆情情感分析，为高校网络舆情管理技术的创新提供了新的思路。ChatGPT模型在情感识别方面的优势，有助于提升高校管理者对网络舆情的监测和分析能力，从而更加有效地应对突发事件。同时，本研究也为生成式人工智能在社会治理领域的应用探索提供了新的视角，为推动人工智能技术在更多领域的应用奠定了基础。

文章来源：《数字图书馆论坛》 网址: http://www.zhwswxhmyxzz.cn/qikandaodu/2025/1029/331.html