基于.语义资源的文本情感计算

《基于.语义资源的文本情感计算》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大连理工大学硕士学位论文1绪论1．1研究背景美国MIT实验室的R．Picard教授【l】于1997年在她的专著——“AffectiveComputing(情感计算)”一书中定义“情感计算是与情感相关，来源于情感或者能对情感施加影响的计算”。目前，情感计算是人工智能方面一个热门的研究领域，它的目标是使计算机拥有情感，这主要包含两个方面的含义，即计算机能识别人类的情感和表达自身的情感。这样就使计算机像人一样具有观察，理解和生成情感的能力，能够像人一样自然亲切的交流。随着Into'net的发展，以文本形式出现的信息越来

2、越多，逐渐成为我们最容易获取也是最为丰富的一种交互资源，然而目前在文本的情感分析方面的研究较少。在自然语言技术不断发展的今天，人们可以通过分析语法结构、语义信息和情感词汇等方法从文本中抽取情感信息。从大量的文本中提取其中包含的情感信息在许多方面都有广阔的应用前景，如自动分析收到的邮件的情感信息，在用户阅读前给出相应的情感计算结果。通过对网页中信息的情感分析，可以检测到有极端情感的网页，实现网页的过滤和保证网络上的信息安全。文本的情感计算还可以应用在语音合成、信息安全、智能机器人、模式识别、个性化文本、解析文章情感

3、结构等方面。1．2国内外研究现状目I}{『国内外对情感计算的研究主要集中在图像、声音、生理信号几方面。研究成果也应用在许多方面，如教育辅助软件中侦测用户的情感，建立一个可视化的心理学系统，当然也可以应用在机器人，智能玩具和游戏等产业中。在国外，许多有实力的科研机构和企业都投入到了情感计算的研究中，英国电信公司组建了情感计算的专家组；IBM开发的情感鼠标。还有麻省理工学院对情感计算做了全方位的研究，包括通过可穿戴的传感器和新的机器学习的算法等分析多模型的信息，使计算机更智能，能够理解和感知人类的挫败感，减少负面感情

4、的作用等。主要的研究项目包括情感地毯，自动表情分析，检测和分析驾驶员的压力，邮件的情感分析，在线的情感识别等。随着自然语言处理技术的不断发展，文本情感计算有了更加丰富的方法和可靠的理论依据。目前国内外文本情感计算的主要方法有以下几种：关键词定位的方法，即查找关键句中的关键情感词，用关键词的情感类别作为句子的情感类别【2】；统计自然语言处理的方法，多采用机器学习的方法，例如神经网络【3】等；根据句子中情感词汇求平均的方法确定句子情感【4】；常识知识库的方法，利用大规模的知识库可以处理那些不包含情基于语义资源的文本情

5、感计算感词汇的情感句，情感相关知识是采用情感传播等方式获取【21；基于HMM的情感建模方法【51。目前，文本的情感计算在许多领域都有广泛的应用前景，例如语音合成、信息安全、智能机器人、模式识别、个性化文本、解析文章情感结构等方面。现在主要的研究成果有EmpathyBuddy邮件系统【2】，情感结构展示【6J，动画文本[71、名人的评价【81等。近些年来一些研究机构和企事业单位都投入到文本情感计算中，主要的研究有：2003年麻省理工学院的HugoLiu纠2】提出通过文章的情感分析得出文章的可视化情感结构。2004年

6、东京大学的HuaWang等f6】使用生理信号的传感器和动画文本实现在线交流情感。2005年东京大学的ChunHngMa等【9荆用简单的句法分析与多种方式的组合分析文章的情感。2005年日本德岛大学任福继等人【4l基于结构化的情感知识库来识别文本的情感。在国内，情感计算的研究较少，大部分集中在脸谱和声音的处理上，文本方面的研究就更少了。北京广播学院的乐明等【Io】探讨了语篇情感计算与评估理论。情感计算的研究已经在应用方面取得了许多进展，国内外的许多组织和机构主办了一些情感计算专题的研讨会，比较有影响的国际会议包括情

7、感计算和智能交互会议(hlt锄砒ionalconferenceonaffectivecomputingandintelligentinteraction)、美国人工智能协会主办的人工智能会议(Conferenceollartificialintelligence)、人机交互国际会议(IntertmtionalconferenceoNhuman-computerinteraction)、设计与情感国际研讨会(Internationalconference011designandemotion)、情感对话系统专题研讨

8、会(Affectivedialoguesystems)。这些国际会议聚集了众多的心理学家、生理学家和信息科学家一起研究情感计算相关的难题，提供了一个交流和探讨的广阔平台，有效推动了情感计算学科的发展。目前，文本倾向性的研究作为文本情感计算的分支得到了广泛的关注，取得了较好的效果，在意见挖掘、评论分析、个性化推荐和舆论监控等方面都有了广泛的应用。但文本情感计算是在二值的褒贬