摘要：2019 年冠状病毒病（COVID-19）是一种在全球范围内暴发流行的疾病，对我们生活的方方面面都产生了巨大的影响。在新冠肺炎流行期间，像 Twitter 这样的社交平台为用户提供了交流信息和表达态度的机会。本研究通过话语分析，以用户在 Twitter 上生成的包含标签 COVID19 的内容为目标，建立了 1291 条 tweets 语料库。通过对基于 UGC 的话语分析，可以更好地了解人们对新冠肺炎的态度和反应，从而揭示人们对突发事件和风险的话语特征。使用 TF-IDF 从语料库中提取关键词，并通过 Python 的 LDA 模型识别主题。所涉及的情绪分析内容是通过 VADER 情绪分析工具实现的。本研究以费尔克拉夫的话语分析理论为基础，对关键词、话题以及情感进行逐一分析。结果显示，出现频率最高的十个关键词分别是“#COVID”, “We’re”,    “#StayAtHome”,    “@realDonaldTrump”,    “#SocialDistancing”,    “can’t”,    “#health”, “#China”, “#pandemic”, “#humanitarian”。网友在线激烈讨论了关于 COVID-19，应对新冠肺炎的措施，人与政治的话题。通过匹配，提取出的关键词与识别出的主题之间的相关性较高。此外，本论文还将用户情绪分为中性、消极和积极三类。在 Twitter 上用户生成的内容中，尽管中立情绪占了大多数，而负面情绪占了很大比例，但用户对这场流行病仍然持积极态度。 

关键词：2019 新冠肺炎 话语分析 用户发起内容-自然语言处理 情感分析

Contents

摘要

Abstract

1Introduction-6

1.1Background of The Research-6

1.2Aims of The Research-7

1.3Organizations of The Thesis-8

2Literature Review-9

2.1Theoretical Basis-9

2.1.1The Definition of Discourse-9

2.1.2The Introduction of Discourse Analysis-9

2.1.3Fairclough’s Discourse Analysis Theory-10

2.2Previous Studies-10

3Research Methodology-13

3.1Research Questions-13

3.2Research Procedures-13

3.3Research Methods-14

4Research Results and Discussions-16

4.1Corpus Formation-16

4.2Keywords Extraction-16

4.3Topics Identification-18

4.4Correlation between Keywords and Topics-18

4.5Sentiment Analysis-18

5Conclusion-22

5.1Major Findings-22

5.2Implications-22

5.3Limitations-23

Bibliography-24

Acknowledgements-27