以微網誌語料進行情緒辨識之研究

張貼日期：Apr 09, 2012 9:31:2 AM

摘要

目前在情緒辨識的研究上，大多集中於針對聲音以及臉部影像來進行辨識。然而，因應最近御宅文化以及社交網站的興起，我們可以大量且輕易地取得使用者心情寫照的文字表達詞句。因此，本研究期望在使用者沒有聚焦於特定領域的情況下，利用日常生活中的文字以及詞句等訊息，使用文字進行情緒辨識。在本論文所提出的情緒辨識方法中，首先，透過情緒辭典將擷取到的詞句做轉換，並利用向量空間模型 (vector space model) 將詞句以向量的形式來表示，接著，藉由Thayer’s 2-D emotion model將詞句所帶有的原始情緒標籤對應成四種情緒。最後，利用SVM、KNN、DTL以及Naïve Bayes等四種機器學習的方法來進行辨識。然而，單一的分類器所得到的辨識結果時常由於雜訊而造成誤判，因此，針對四種分類器結果的輸出，本研究使用最小錯誤率、最大準確度以及類神經權重三種方法進行結合與分析，以產生最終情緒辨識的結果。由實驗結果得知，在使用單一分類器的情況下，SVM、KNN、DTL以及Naïve Bayes所獲得的最佳辨識準確率分別為62 54%、66 14%、87 74%以及89 03%。在使用結合分析方法的情況下，最小錯誤率、最大準確度以及類神經權重所獲得的最佳辨識準確率分別為96 99%、94 29%以及97 56%。因此，本論文所獲得之結論為，利用本研究所提出的情緒辨識方法，搭配一個具有充分關鍵詞與鑑別度的情緒辭典，即可大幅提高情緒辨識的準確率，以更精確地了解並掌握部落格使用者的心情。

作者

周嵩能