基于情感轮和情感词典的文本情感分布标记增强方法

• 作者: 曾雪强 华鑫 刘平生 左家莉 王明文
• 来源期刊: 计算机学报
• 关键词: 标记增强 情感轮 情感词典 情感分布学习 情感分析
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 人工智能与社会计算
• 页码范围: 1080-1094
• 页数: 15页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2021.01080

摘要

情感分布学习是一种近年提出的用于处理存在情绪模糊性的多情绪分析模型,其核心思路是通过情感分布记录示例在各个情绪上的表达程度.不同于传统的单标记或多标记学习,情感分布学习可以定量地对多个情绪同时建模.目前,情感分布学习面临的一个重要困难是缺乏已标注情感分布的文本数据集.为了利用大量已有的单标记情感数据集,情感分布标记增强方法可以将示例的情绪标签增强为情感分布.基于文本中的情感词蕴含着大量情感信息的特点,本文在引入普鲁契克情感轮心理学模型的基础上,提出基于情感轮和情感词典的情感分布标记增强方法(Emotion Wheel and Lexicon based emotion distribution Label Enhancement,EWLLE).EWLLE方法基于情绪的心理学距离为句子的真实情绪标签和情感词的情绪标签分别生成离散高斯分布,然后通过分布的叠加将两种信息综合为统一的情感分布.在7个常用的中英文文本情感数据集上的对比实验表明,EWLLE方法在情绪识别任务上的性能优于已有的情感分布标记增强方法.