ВЕРБАЛЬНЫЕ МАРКЕРЫ ЭМОЦИЙ В КОНТЕКСТЕ РЕШЕНИЯ ЗАДАЧ СЕНТИМЕНТ-АНАЛИЗА

ВЕРБАЛЬНЫЕ МАРКЕРЫ ЭМОЦИЙ В КОНТЕКСТЕ РЕШЕНИЯ ЗАДАЧ СЕНТИМЕНТ-АНАЛИЗА

Автор:  А.В. Колмогорова

Организация :  Сибирский федеральный университет

Аннотация :  В статье анализируются предварительные результаты проекта по созданию ранжированного классификатора для определения эмоциональной тональности русскоязычного текста. Новизна проекта связана с тем, что впервые в основу обучающей выборки для технологии машинного обучения «с учителем» положена восьмичастная классификация эмоций, предложенная
Г. Левхеймом. Данная классификация использует в качестве критериев для выделения эмоций показатели уровня трех гормонов-нейромедиаторов в организме человека – серотонина, допамина и норадреналина. Благодаря использованию краудсорсинга исследовательской группой проекта была получена размеченная 36 респондентами коллекция из 1500 текстовых фрагментов, дальнейший анализ которой при помощи собственно лингвистических методов, а также методов автоматической обработки естественно-языковых данных позволил выявить ряд вербальных маркеров каждого из восьми эмоциональных состояний.

Ключевые слова :  сентимент-анализ, классификация эмоций, вербальные маркеры,
ранжированный классификатор, технология машинного обучения «с учителем», нейромедиаторы.

Список источников :  Козеренко А.Д., Крейдлин Г.Е. Фразеологические соматизмы и семиотическая концептуализация тела // Вопросы языкознания. 2011. № 6.
С. 54-66.
Мартынюк К.В. Когнитивная специфика процессов восприятия художественного текста // «Ризоморфный клубок»: когниция vs коммуникация: монография / под ред. А.В. Колмогоровой. Красноярск: Сиб. федер. ун-т, 2017. С. 77-99.
Потапова Р.К., Потапов В.В. Модификация речевого сигнала как следствие наличия эмоциональных состояний «страх» / «тревожность» // Речевые технологии. 2012. № 1. С. 52-60.
Потапова Р.К., Комалова Л.Р. О возможности перцептивно-слухового распознавания состояния «агрессия» по устной речи // Вестник Московского государственного лингвистического университета. Серия Языкознание. 2014. Т. 13. № 699. С. 202-214.
Прикладная и компьютерная лингвистика / под ред. И.С. Николаева, О.В. Митрениной,
Т.М. Ландо. М.: Ленанд, 2016.
Спивак Д.Л. Лингвистика измененных состояний сознания. Л.: Наука, 1986.
Aue A., Gamon M. Customizing sentiment classifiers to new domains: a case study // Proceedings of the International Conference on Recent Advances in Natural Language Processing (RANLP). 2005. P. 234-240.
Banea C., Mihalcea R., Wiebe J. Multilingual subjectivity: are more languages better? //
C.-R. Huang, D. Jurafsky (eds.) COLING 2010.

23 rd International Conference on Computational Linguistics. Proceedings of the Conference. 2010. Vol. 2. P. 28-36.
Boiy E., Marie-Francine M. A machine learning approach to sentiment analysis in multilingual
web texts // Inf Retrieval. 2009. № 12 (5).
Р. 526-558.
Ceron L., Curini S., Iacus S.-M., Porro G. Every tweet counts? How sentiment analysis of
social media can improve our knowledge of citizens
political preferences with an application to Italy
and France // New Media Soc. 2014. № 16 (2).
Р. 340-358.
Gamon M., et al. Pulse: Mining Customer Opinions from Free Text // Proceedings of the 6th International Symposium on Intelligent Data Analysis (IDA). 2005. P. 121-132.
Hogenboom A., Frasincar F., Jong F., Kaymak U. Polarity classification using structure-based vector representations of text // Decis. Support Syst. 2015. № 74. Р. 46-56.
Hu M., Liu B. Mining and summarizing customer reviews, in: Proceedings of the 10th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD 2004), 2004.
P. 168-177.
Lövheim H. A new three-dimensional
model for emotions and monoamine neurotransmitters // Medical Hypotheses. 2012. № 78.
Р. 341-348.
Lucas G.M., Gratch J., Malandrakis N., Szablowski E., Fessler E., Nichols J. GOAALLL!: Using Sentiment in the World Cup to Explore Theories of Emotion // Image and Vision Computing. 2017. doi:10.1016/j.imavis.2017.01.006 (in Press).
Nakov et al, SemEval-2016 Task 4: Sentiment Analysis in Twitter // Proceeding SemEval. 2016.
P. 1-18.
Pang B., Lee L. Opinion mining and sentiment analysis // Foundations and Trends in Inf. Retrieval. 2008. № 2 (1-2). Р. 1-135.
Staiano J., Guerini M. DepecheMood: A lexicon for emotion analysis from crowd-annotated
news // Proceedings of the fifty-second annual meeting of the association for computational linguistics. 2014. Р. 427-433.
Wiebe J., Bruce R., O’Hara T. Development and use of a gold-standard data set for
subjectivity classifications // Proceedings of the
37th annual meeting of the Association for Computational Linguistics on Computational Linguistics. 1999. P. 246-253.

Страницы:  83-93