Private entrepreneurs and government organizations widely adopt Facebook fan pages as an online social platform to communicate with the public. Posting on the platform to attract people’s comments and shares is an effective way to increase public engagement. Moreover, the comment functions allow users who have read the posts to express their thoughts. Hence, it also enables us to understand the users’ emotional feelings regarding that post by analyzing the comments. The goal of this study is to investigate the public image of organizations by exploring the content on fan pages. In order to efficiently analyze the enormous amount of public opinion data generated from social media, we propose a Bi-directional Long Short-Term Memory (BiLSTM) that can model detailed sentiment information hidden in those words. It first forecasts the sentiment information in terms of Valence and Arousal (VA) values of the smallest unit in a text, and later fuses this into a deep learning model to further analyze the sentiment of the whole text. Experiments show that our model can achieve state-of-the-art performance in terms of predicting the VA values of words. Additionally, combining VA with a BiLSTM model results in a boost of the performance for social media text sentiment analysis. Our method can assist governments or other organizations to improve their effectiveness in social media operations through the understanding of public opinions on related issues.

中文翻译：

---

价和含价双向LSTM用于政府社交媒体管理的情感分析

私营企业家和政府组织广泛采用Facebook粉丝页面作为与公众交流的在线社交平台。在平台上发帖以吸引人们的评论和分享是增加公众参与度的有效方法。此外，评论功能使阅读过帖子的用户可以表达自己的想法。因此，它还使我们能够通过分析评论来了解用户对该帖子的情感感受。这项研究的目的是通过探索粉丝页面上的内容来调查组织的公众形象。为了有效地分析社交媒体产生的大量民意数据，我们提出了一种双向长期短期记忆（BiLSTM），可以对隐藏在这些词语中的详细情感信息进行建模。它首先根据文本中最小单元的价数和Arousal（VA）值预测情感信息，然后将其融合到深度学习模型中，以进一步分析整个文本的情感。实验表明，在预测单词的VA值方面，我们的模型可以实现最新的性能。此外，将VA与BiLSTM模型结合使用可提高社交媒体文本情感分析的性能。我们的方法可以帮助政府或其他组织通过了解相关问题的公众意见来提高其在社交媒体运营中的效率。实验表明，在预测单词的VA值方面，我们的模型可以实现最新的性能。此外，将VA与BiLSTM模型结合使用可提高社交媒体文本情感分析的性能。我们的方法可以帮助政府或其他组织通过了解相关问题的公众意见来提高其在社交媒体运营中的效率。实验表明，在预测单词的VA值方面，我们的模型可以实现最新的性能。此外，将VA与BiLSTM模型结合使用可提高社交媒体文本情感分析的性能。我们的方法可以帮助政府或其他组织通过了解相关问题的公众意见来提高其在社交媒体运营中的效率。