第三章 研究方法
第五節 詞語共現
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
51
第五節 詞語共現
一、分析目的
本文採取詞語共現分析的方法，標記與詞頻分析所得的「主題關聯詞」同時 出現三次以上的共現詞組，透過對高頻次共現詞組的檢驗，找出辨識憂鬱文本能 力較高的詞組特性，以便未來以更精準的方式定位憂鬱文本。
二、微博樣本
詞語共現的樣本分為三組，A 組為隨機抽樣 3112 則微博經過編碼後，憂鬱 指數>0 的憂鬱文本，即為憂鬱組，合計 782 則；B 組為隨機抽樣的微博文本，
即為對照組，合計 3112 則；C 組則為未抽樣總體中未經編碼的文本，即為驗證 組，合計 17617 則。
三、分析類目
表 3-6：詞語共現
共現類目 對比文本
自殺 睡眠障礙
A:憂鬱文本
（憂鬱組）
共 782 則 憂鬱指數>0
B:抽樣總體
（對照組）
共 3112 則
C:未抽樣總體
（驗證組）
共 17617 則
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
52
四、編碼
圖 3-2：詞語共現分析架構圖
由於憂鬱情緒持續時間超過兩週以上且伴隨自我認知較低、睡眠障礙及有自 殺傾向等症狀便有可能是憂鬱症。可見「自殺」及「睡眠障礙」是憂鬱人群不同 於一般人較為明顯的症狀，亦是憂鬱傾向者主題類目的特殊設置。而前文提及「自 殺」及「睡眠障礙」兩組關聯詞的差異並不明顯的現象，依照推測可能是書寫中 若有提及失眠或自殺意識，則編碼為憂鬱文本的可能性較高。可見，從微博文本 中辨別出「自殺」及「睡眠障礙」相關的文本可能是憂鬱文本，而為了提升辨別 的準確性，「自殺」及「睡眠障礙」主題關聯詞的共現詞組是辨識憂鬱文本的關 鍵。
運用 Python 的語料庫 jieba13將 A 組、B 組、C 組文本進行編碼並逐條分詞，
基於電腦程式邏輯對分詞後的文本及關鍵詞進行兩兩詞語比對。經過調試，當詞 組在整個語料庫中共現大於兩次（規避沒有任何實際意義的狀況），即可統計頻 率並捨去停用詞，可得高頻詞組的共現詞組及頻率。
在獲得憂鬱組關鍵詞共現結果後，將與對照組的結果進行比對，透過在驗證 組查找詞語共現之文本，並以人工方式進行內容分析中憂鬱指數的編碼，查驗每 組共現詞組預測憂鬱文本的準確度。
13Python 中文分片語件 Jieba，地址：http://www.oschina.net/p/jieba
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
53
圖 3-3：詞語共現驗證架構圖
為了驗證憂鬱組所得之共現詞組是否可以辨識憂鬱文本，我們將共現詞組帶 入未抽樣本文中進行驗證。先分別將 37 組共現詞帶已經清洗但未經編碼的未抽 樣總體 17617 則文本進行驗證，驗證的方式是延用內容分析之兩位信度達標之編 碼員，以內容分析的憂鬱程度類目進行編碼。
根據 HAMD 量表，自殺項目評定如下：(0) 無症狀 (1) 輕度：覺得活著沒 有意思 (2) 中度：希望自己已經死去，或常想到與死有關的事 (3) 重度：消極 觀念（自殺念頭） (4) 極重：有嚴重自殺行為。由兩名編碼員根據含共現詞組 文本實際情況進行編碼，結果分為無症狀(0)及憂鬱文本(含 1,2,3,4)。其中，「自 殺」共現詞 26 組共獲 1380 則微博文本，經憂鬱程度編碼，含憂鬱文本 481 則，
占 35%。
根據 HAMD 量表，睡眠障礙項目評定分為三種：（一）入睡困難（初段失眠）： (0) 無症狀 (1) 輕度-中度：主訴有時有入睡困難，即上床後半小時仍不能入睡 (2) 重度：主訴每晚均有入睡困難；（二）睡眠不深（中段失眠）：(0) 無症狀 (1) 輕 度-中度：睡眠淺或多惡夢 (2) 重度：半夜（晚 12 點以前）曾醒來（不包括上廁 所）；（三）早醒（末段失眠）：(0) 無症狀 (1) 輕度-中度：有早醒，比平時早醒 1 小時，但能重新入睡（應排除平時的習慣） (2) 重度：早醒後無法重新入睡。
首先，判斷是哪一種失眠狀況，再根據實際症狀進行編碼，結果分為無症狀(0) 及憂鬱文本(含 1,2)。其中，「睡眠障礙」共現詞 11 組共獲 65 則文本，經憂鬱程
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
54
度編碼後，含憂鬱文本 48 則，占 74%。透過對每組共現詞的憂鬱文本所占詞組 文本的比例，可以看出該共現詞辨識憂鬱文本的能力。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
55