文本情绪分析中的关键问题研究

With the rapid development of intelligent human-machine interaction, public opinion monitoring and online product recommendation, text emotion analysis has attracted growing attentions. From different perspectives, this project studies three key problems in Chinese emotion analysis i.e. emotion classification of text, reader's emotion cause detection and reader's emotion prediction. Firstly, the method incorporating machine learning technology and emotion expression patterns is investigated to classify text emotions. Secondly, based on a large scale of reader emotion feedback corpus, the approach which incorporates lexical statistics, topic model and cluster technology is investigated to discover the causes of reader's emotion while the word and event reflection are used as clues. Finally, a multi-view ensemble classifier and a multi-labeled LDA are proposed for reader's emotion prediction based on the cause detection research. This project explores the text emotion expression, understanding and prediction text systematically. It is a foundation to emotion-related natural language processing applications.

由于受到智能人机交互、舆情分析和产品推荐系统等新型应用需求驱动，文本的情绪分析研究日显重要。本项目从不同角度出发，围绕文本情绪分类、读者情绪归因和读者情绪预测三个问题进行深入研究。首先从文本作者和文本描述对象角度，研究结合机器学习技术与情绪表达模式的方法，分析文本中包含、表达的情绪状态；其次，基于大量新闻文本的读者情绪社会化标注语料，研究利用统计、主题模型和聚类等手段，以词语反射和事件主题为线索，对读者情绪反馈进行自动归因研究，进而，结合自动归因研究，研究集成分类器和多标签主题模型对新闻文本的读者情绪反馈进行预测的方法。本项目的实施为探索文本情绪表达、理解和预测及其在自然语言处理任务中的应用奠定基础。

结合心理学、认知科学和计算科学的文本情绪计算正成为自然语言处理研究的热点之一。在对个体情绪产生、迁移及表达机制进行深入分析基础上，本项目对文本情绪计算三个关键问题进行深入和相互促进的研究：1)情绪分类研究利用情绪文本表达常识、情绪转移历史相关性和期望相关性，识别个体情绪描述并分析其情绪状态的方法；2)情绪归因研究利用情绪认知常识和个体情绪迁移发现，从文本中识别个体情绪迁移原因的方法；3)情绪预测研究利用情绪认知知识，预测个体在接收到文本刺激后情绪状态迁移的方法。目前本课题在情绪计算建模的基础上，建立了情绪表达常识库、情绪认知常识库、情绪表达语料库、情绪认知语料库、情绪预测语料库等多个大规模、有影响力的文本情绪计算资源。课题研究了基于由粗至细策略和深度学习的文本情绪分类方法、基于分类模型和序列标注模型的文本归因算法、基于主题模型和概念空间的文本情绪预测算法和相关情感分析研究。课题取得了超过预期的进展，已发表论文22篇，其中SCI期刊4篇，EI期刊1篇，会议论文15篇；申请国家发明专利一项；组织两次大规模国际评测。本项目的实施推动了中文文本情绪计算研究的深入，并为相关应用研究奠定基础。