'

Дифференцированное измерение эмоциональности текстов с помощью алгоритма PMI-IR

Понравилась презентация – покажи это...





Слайд 0

Дифференцированное измерение эмоциональности текстов с помощью алгоритма PMI-IR Андрей Четвериков


Слайд 1

Зачем оценивать эмоции в тексте? Необходимы практичные и эффективные методы оценки эмоционального состояния Физиологические методы и самоотчеты не подходят Развитие affective computing требует методов оценки эмоций в тексте Компьютеры + интернет => много «живого» материала для анализа


Слайд 2

PMI-IR Pointwise Mutual Information - Information Retrieval Автор метода – Peter D. Turney (2001) Первоначальная область применения: поиск синонимов


Слайд 3

Pro et contra За: 1) Гигантский корпус текстов => высокая точность 2) Не требует «словаря эмоций» 3) Высокая скорость работы 4) Не требует предварительной экспертной оценки 5) Возможен выбор любых шкал оценки Против: 1) Анализ в основном «языка описания эмоций» 2) Не учитывает контекст (на данном этапе) 3) Поисковый спам


Слайд 4

Программа «ЭСКА» Шкалы – 10 эмоций К. Изарда, по 2 слова на эмоцию. Пример: радость|наслаждение для эмоции «радость». Обучение: 400 записей из LiveJournal (ЖЖ), около 11000 уникальных слов. Проверка: 70 записей из LiveJournal, оцененных 4 экспертами по 11 шкалам (10 эмоций + валентность)


Слайд 5

Экспертная оценка (тексты брались из общедоступных записей)


Слайд 6

Эксперты vs ЭСКА r Пирсона * 100


Слайд 7

Выводы PMI-IR работает на русскоязычных текстах Точность оценки увеличивается за счет использования композитных шкал Есть большой простор для дальнейших разработок


Слайд 8

Спасибо за внимание andrey@chetvericov.ru


×

HTML:





Ссылка: