情感分析真正欲探明的目标：计算模型与心理状态的关系
计算与语言
2018-06-05 v2 信息检索
摘要
作为建模个人情绪状态的第一步，我们利用现有深度神经网络算法构建情感分析模型，并将这些模型与心理测量进行比较，以阐明二者关系。实验中，我们首先考察了 64 名参与者的心理状态，并要求他们概括一本书《一桩事先张扬的谋杀案》（Marquez, 1981）的故事。其次，我们使用爬取的 365,802 条电影评论数据训练模型；然后基于迁移学习的概念，用预训练模型评估参与者的摘要。基于情绪影响记忆的背景，我们研究了来自计算模型的摘要评分与所考察的心理测量之间的关系。结果表明，尽管 CNN 在其他深度神经网络算法（LSTM、GRU）中表现最佳，但其结果与心理状态无关。相反，GRU 展现出更依赖于心理状态的可解释结果。本文的贡献可总结如下：（1）我们阐明了计算模型与心理测量之间的关系。（2）我们提出将此框架作为评估情绪的客观方法，即针对个人的真实情感分析。
引用
@article{arxiv.1704.03407,
title = {What we really want to find by Sentiment Analysis: The Relationship between Computational Models and Psychological State},
author = {Hwiyeol Jo and Soo-Min Kim and Jeong Ryu},
journal= {arXiv preprint arXiv:1704.03407},
year = {2018}
}
备注
Paper version of "Psychological State in Text: A Limitation of Sentiment Analysis.". arXiv admin note: text overlap with arXiv:1607.03707