Információ

Hogyan lehet osztályozni és megérteni az emberek érzelmeit chat és szöveges üzenetek nyelve és hangulatjelek segítségével?

Hogyan lehet osztályozni és megérteni az emberek érzelmeit chat és szöveges üzenetek nyelve és hangulatjelek segítségével?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Tudományos, lektorált cikkeket keresek, amelyek a természetes nyelvi feldolgozást (NLP) tárgyalják, beleértve a csevegést vagy szöveges üzeneteket, nyelveket/rövidítéseket, valamint a csevegésben résztvevők nyelvre és hangulatjelekre gyakorolt ​​hatását. Van valakinek jó ajánlata?

Már ismerem a közelmúltban végzett munkákat, amelyek során a Twitter segítségével értékelték a társadalom általános hangulatát a tőzsde előrejelzésének eszközeként. A Google-Profile of Mood State (GPOMS) szolgáltatást használták, amely a hangulatot nyugodtnak, riasztónak, bizonynak, létfontosságúnak, kedvesnek vagy boldognak méri. Más példákat keresek, amelyek az általános hatást értékelik, ideális esetben tudományos pszichometriai tesztek alkalmazásával az NLP -re.

Nem próbálom előre felhasználni az adatokat. Arra törekszem, hogy gépi tanulási algoritmusokat használjak a beszélgetések osztályozásához/kategorizálásához.

Hivatkozások:

Bollen, J., Mao, H., Zeng, X-J. (2011). A Twitter hangulat jósolja a tőzsdét. Journal of Computational Science, 2(1), 1-8. [DOI]


Az Ön által leírt munka ezen a területen az érzéselemzés. A Wikipédiából:

Az érzelmelemzés alapvető feladata az adott szöveg polaritásának osztályozása a dokumentum, mondat, vagy jellemző/szempont szintjén - függetlenül attól, hogy a dokumentumban, mondatban vagy entitás jellemzőjében/vonatkozásában kifejtett vélemény pozitív, negatív vagy semleges. A fejlett, „polaritáson túli” érzelmi besorolás például olyan érzelmi állapotokat vizsgál, mint a „dühös”, „szomorú” és „boldog”.

Egy bevezető tanfolyamból (sok jó referencia ezen az oldalon)

Ez a munka az érzelmek elemzésének, a véleménykivonásnak vagy a véleménynyilvánításnak, valamint a felhasználók által létrehozott tartalomból vagy a weben található médiákból, például véleményekből, fórum- és csoportbeszélgetésekből és blogokból, általában az érzelmi elemzés, a véleménykivonás vagy a véleménykutatás területére vonatkozik. KDD-2004 (Minqing Hu és Bing Liu. "Bányászat és a vásárlói vélemények összefoglalása." Az ACM SIGKDD International Conference on Knowledge Discovery & Data Mining, Seattle, Washington, USA, 2004. augusztus 22-25.) Cikkében. a Feature-Based Opinion Mining modellt javasoltuk, amelyet ma Aspect-Based Opinion Mining-nek is neveznek (mivel itt a szolgáltatás kifejezés összetéveszthető a gépi tanulásban használt funkcióval). Az ilyen véleménybányászat eredménye egy sajátosságokon alapuló vélemény-összefoglaló vagy szempont-alapú vélemény-összefoglaló. A terület a hangulatosztályozáshoz is kapcsolódik. Jelenlegi munkánk két fő területen áll, amelyek kétféle véleményt (vagy értékelést) tükröznek

  • Rendszeres (vagy közvetlen) vélemények kitermelése. Például: (1). Ez a kamera nagyszerű. (2). A gyógyszer bevétele után gyomorfájdalmam lett.
  • Összehasonlító vélemények bányászata. Például: a koksz jobban ízlik, mint a Pepsi.

A tényleges céljait illetően görgessen lefelé az extra jóváíráshoz ezen az oldalon, és talál egy gyakorlatot, amely egy olyan forgatókönyvön megy keresztül, amely közel áll ahhoz, amit a hangulatjelekkel ír le.

A szakértői értékelés szempontjából Chmiel A, Sienkiewicz J és mtsai (2011). Az online kollektív érzelmek és azok hatása a közösségi életre, PLoS One, 6 (7), e22207. PDF. Biztos vagyok benne, hogy mások is megtalálhatók a mainstream NLP folyóiratokban, de hiányzik egy adatbázis, amely felsorolja őket.


Én elsősorban az affektív számítástechnika témakörben keresnék érzelmi információk felismerése és felismerése majd szakosodni NLP módszereket ezen a területen.

Íme néhány érdekes cikk:

Egy szöveges dokumentum affektív szerkezetének vizualizálása

A szöveges effektusok érzékelésének modellje a valós ismeretek felhasználásával

Saurus: érzelmileg súlyozott tezaurusz


Hivatkozások:

Gouldstone, J., Liu, H., Lieberman, H., Ishii, H. (2006). Saurus: érzelmileg súlyozott tezaurusz. Számítási esztétika: A mesterséges intelligencia megközelíti a szépséget és a boldogságot, Műszaki jelentés WS-06-04.

Liu, H., Selker, T., Lieberman, H. (2003). Szöveges dokumentum affektív szerkezetének vizualizálása. A számítástechnikai rendszerek emberi tényezőiről szóló konferencia előadásai, CHI 2003, 2003. április 5-10, Ft. Lauderdale, FL, USA. ACM 2003, ISBN 1-58113-637-4, 740-741.

Liu, H., Lieberman, H., Selker, T. (2003). A szöveges hatásérzékelés modellje a valós tudás segítségével. Az intelligens felhasználói felületekről szóló 2003 -as nemzetközi konferencia előadásai, IUI 2003, 2003. január 12-15., Miami, FL, USA. ACM 2003, ISBN 1-58113-586-6, 125-132. Miami, Florida.


Nézd meg a videót: Hogyan csinálj puszi dobós smiley-t! (Június 2022).


Hozzászólások:

  1. Voodoozuru

    Véleményem szerint nem igazad van. Írja be, hogy megbeszéljük. Írj nekem PM -ben.

  2. Kidal

    Egyszerűen kiváló gondolkodás

  3. Thu

    Vidám és pozitív spamküldő vagyok. Kérlek ne töröld a hozzászólásaimat. Legalább a nép nevessen :)

  4. Berg

    Soha

  5. Kaylan

    Szerintem tévedsz. Írj nekem PM-ben.



Írj egy üzenetet