基于文本的情緒自動歸因方法研究.pdf

1、情緒作為人類與生俱來的特征，在自然語言處理和人工智能研究中扮演著越來越重要的作用，所以情緒計算在認知科學研究中具有積極的應用意義。同時，隨著互聯網技術的發(fā)展，海量的個人情緒觀點都融入到了互聯網這個大環(huán)境里，因此情緒計算和研究也具有緊迫的現實意義。
　　目前，情緒方面的研究主要集中在文本情緒分析和文本情緒預測方向，但對于深層次的文本情緒歸因則相對較少。文本情緒歸因研究從文本中自動識別導致個體情緒產生和遷移的原因的方法。現有的主要工作

2、可以分為文本情緒歸因語料庫構建和從文本中提取觸發(fā)情緒產生原因的方法研究。由于文本情緒歸因語料庫在標注的過程中需要大量的人工參與，所以缺乏標準的、公開的語料庫，這也導致了文本情緒歸因的規(guī)則提取和模型構建研究的不成熟；并且，由于該研究處于剛剛起步階段，所以文本情緒歸因模型和特征的研究也尚處于起步階段。本課題研究分為主要分為三個方面：第一，作為文本情緒歸因的基礎，首先構建基于微博文本的情緒歸因語料庫，并通過對語料庫進行分析，發(fā)現文本情緒原因的

3、統計規(guī)律。第二，在對語料庫的統計分析基礎上，結合微博文本的特點，提取了八個微博語義情緒歸因規(guī)則。增加這些規(guī)則后，采用規(guī)則優(yōu)先級算法，系統的寬松準確率提高了26.73％；同時，為了解決規(guī)則優(yōu)先級算法帶來的規(guī)則沖突，提出使用基于轉換的錯誤驅動學習算法，使得系統的寬松準確率提高了3.16%；第三，進一步利用統計模型結合語言學特征和距離、語法等特征進行自動文本情緒歸因，與基于規(guī)則的系統相比，系統的寬松準確率進一步提高了7.92%；該研究還利用主

4、題模型提取了情緒認知知識和情緒語義知識特征，相較于基于語言學特征，距離、語法特征的系統，寬松正確率提高了3.05%；
　　本研究主要的貢獻為：第一，構建了基于微博文本的情緒歸因語料庫，其為世界上面向微博領域內規(guī)模最大的文本情緒歸因語料庫，為后期的模型構建提供數據基礎和數據統計依據；第二，設計了微博文本情緒歸因規(guī)則，該規(guī)則能夠有效的提高系統的正確率，并使用基于規(guī)則優(yōu)先級算法和基于錯誤驅動學習算法進行文本情緒歸因；第三，將文本情緒歸因