情感维度词典

提升F1超10%

基于OCC认知理论构建，从文本中自动识别1600余个情感词，让社会情绪原因分析更可解释。

Xiao, Xinglin · 毛文吉 · Sun, Ying · Daniel Dajun, Zeng

Information Processing and Management 2023

参数信息

情感维度词典规模

1676

平均F1提升

10 %

技术优势

F1平均提升超10%

方法在构建的SECI数据集上优于所有基线，表明其能更准确地识别社会情绪原因，减少误判。

预测结果可解释

基于OCC认知理论构建词典和模型，使预测结果能对应到认知情感维度，便于理解模型为何做出该判断。

词典可随取随用

论文构建了包含1,676个词/短语的情感维度词典，可直接用于其他文本的情感分析任务，节省人工构建词典的时间。

应用场景

• 社会媒体分析：从社交媒体文本中分析读者情绪原因，帮助平台理解用户情感反应，优化内容推荐。
• 情感计算：利用认知情感词典增强情感计算模型对读者情绪的建模能力，提升情感分析效果。
• 舆情监测：识别引发公众情绪的具体文本片段，帮助监测舆情并定位情绪触发点，辅助决策。
• 文本挖掘：提供情感词典和原因识别模型，可直接用于文本挖掘中的情绪原因提取任务，减少人工。