语言的使用方式和使用的词语,反映了个体的很多心理特征。例如认知思维方式,情绪状态,人格,幸福感,社会满意度等等。针对英文文本内容分析的系统LIWC(Linguistic Inquiry andWord Count),已被众多研究者广泛用于个体文本的心理分析。LIWC系统由文本分析软件和词典组成。词典中的词语被划分为80多个类别,其中包括语言使用特点,心理特征等。然而,很遗憾的是在笔者最初尝试使用LIWC软件做新浪微博文本内容分析时,并没有针对简体中文的LIWC词典。笔者及同事,同招募的被试共同建立了符合LIWC词典结构的简体中文LIWC词库。并且,在针对正式语言的简体中文LIWC词库词典的基础上,通过标注和信效度检验等过程,扩展了4693个新浪微博高频词,建立了简体中文微博心理词典。然而,词库的建立和扩展,没有对微博内容文本的分析结果达到预期的提升。在分析LIWC软件计算结果时,笔者和同事发现LIWC软件虽然支持简体中文字典的扩展以及使用,但LIWC软件程序最初就是针对英文进行的设计和编码开发。因此,使用LIWC软件分析中文的时候,会出现诸如标点符号识别,文本语料中句子的数量,和通配符不合理匹配等问题。另外,LIWC软件分析文本内容的方式是针对较为规范的文本的,LIWC软件对类似新浪微博这样网络文本的分析会受到类似超链接和"@"符号影响。这些符号在微博语境下有其特殊含义,并非仅仅是一个特殊符号。在本文的研究过程中,笔者和同事开发了一套针对中文的语言心理分析系统。系统由分析软件和中文语言心理分析词典组成。分析软件针对中文设计,可恰当识别中文标点符号,并且可以根据标点符号出现的位置,计算符号作为句子停顿,句子结束等语言现象的特征。中文语言心理分析词典则涵盖了正式书面用词、口语常用词以及微博网络用词。并且词典中的每一个词项均标注了语言和心理类别特征。中文语言心理分析系统为基于文本内容的个体或群体心理特征的分析提供了一种高效的方法。