О МЕТОДАХ АНАЛИЗА ЭМОЦИОНАЛЬНОЙ ТОНАЛЬНОСТИ - Проблемы Информационных Технологий

О МЕТОДАХ АНАЛИЗА ЭМОЦИОНАЛЬНОЙ ТОНАЛЬНОСТИ - Проблемы Информационных Технологий

О МЕТОДАХ АНАЛИЗА ЭМОЦИОНАЛЬНОЙ ТОНАЛЬНОСТИ - Проблемы Информационных Технологий

О МЕТОДАХ АНАЛИЗА ЭМОЦИОНАЛЬНОЙ ТОНАЛЬНОСТИ - Проблемы Информационных Технологий

О МЕТОДАХ АНАЛИЗА ЭМОЦИОНАЛЬНОЙ ТОНАЛЬНОСТИ - Проблемы Информационных Технологий
О МЕТОДАХ АНАЛИЗА ЭМОЦИОНАЛЬНОЙ ТОНАЛЬНОСТИ - Проблемы Информационных Технологий
НАЦИОНАЛЬНАЯ АКАДЕМИЯ НАУК АЗЕРБАЙДЖАНА

№1, 2018

О МЕТОДАХ АНАЛИЗА ЭМОЦИОНАЛЬНОЙ ТОНАЛЬНОСТИ

Алгулиев Расим М., Алекперова Ирада Я.

В статье, имеющей обзорный характер, представлены мнения ученых о теории эмотиологии, исследованы некоторые системы, осуществляющие анализ эмоциональной тональности информации различных типов. Дана общая концептуальная модель для оценки эмоционального содержания данных, сохраненных в социальных медиa. Определены перспективы использования методов Opinion Mining и Sentiment Analysis для анализа эмоции в тексте (стр.3-15).

Ключевые слова: эмоция, эмотиология, социальные медиа, тональность текста, Opinion Mining, Sentiment Analysis, язык Эмодзи.
DOI : 10.25045/jpit.v09.i1.01
Литература
  • Martinez A., Estrada H., Molina A., Mejia M., Perez J. Emotion-Bracelet: A Web Service for Expressing Emotions through an Electronic Interface // Sensors (online), 2016, 16(12). http://mdpi.com/1424-8220/16/12/1980/
  • Darwin C.R. The expression of the emotions in man and animals. London: John Murray, 1872, 472 p.
  • Oatley K. Best Laid Schemes: the Psychology of Emotions. Cambridge University Press, 1992, 445 p.
  • Ekman P. What Scientists Who Study Emotion Agree About // Perspectives on Psychological Science, 2016, vol.11. no.1, pp.31–34.
  • Plutchik R. The Emotions. University Press of America, 1991, 216 p.
  • Izard C.E. The face of emotion. Appleton-Century-Crofts, 1971, 468 p.
  • Izard C.E. Differential emotions theory and the facial feedback hypothesis of emotion activation: Comments on Tourangeau and Ellsworth's "The role of facial response in the experience of emotion // Personality and Social Psychology, 1981, vol.40, no.2, pp.350–354.
  • Рубинштейн С.Л. Основы общей психологии. Издательство: Питер, 2002, 720 стр.
  • Симонов П.В. Эмоциональный мозг. M.:Наука, 1981, 166 с.
  • Schachter S., Singer J. Cognitive. Social and Physiological Determinants of Emotional State. Psychological Review, 1962, vol.69, no.5, pp.379–399.
  • http://affect.media.mit.edu/
  • noldus.com/facereader/facereader-online/
  • Den Uyl M., Van Kuilenberg H. The facereader: online facial expression recognition / Proceedings of the 5th International Conference on Methods and Techniques in Behavioral Research, 30 August–September 2005, Netherlands, Noldus Information Technology, pp.589–590.
  • Software sees Mona Lisa’s emotions. https://geek.com/news/software-sees-mona-lisas-emotions-558144/
  • Морозов В.П. Эмоциональный слух и музыкальная одаренность / Материалы Международной научно-практической конференции «Развитие научного наследия Б.М. Теплова в отечественной и мировой науке». М.: ПИ РАО, 2006, c.198–203.
  • Burkhardt F., Paeschke A., Rolfes M., Sendlmeier W., Weiss B. A. Database of German Emotional Speech / Proceedings of the Interspeech, 2005, pp.1517–1520.
  • Kelly R.D. Voice Stress Analysis: Only 15 Percent of Lies About Drug Use Detected in Field Test // National İnstitute of Justice Journal, 2008, no.259, pp.8–12.
  • Haddad D., Walter S., Ratley R., Smith M. Investigation and Evaluation of Voice Stress Analysis Technology, The Final Report of Department of Justice, 2002, 120 p.
  • Nahin N.H., Mohammad A.J., Mahmud H., Hasan K. Identifying emotion by keystroke dynamics and text pattern analysis // Behaviour and Information Technology, 2014, vol.33, no.9, 987–996.
  • Bing L. Sentiment Analysis and Opinion Mining. 2012, Morgan & Claypool Publishers, 167 p.
  • Pang B., Lee L. Opinion Mining and Sentiment Analysis // Foundations and Trends in Information Retrieval, 2008, vol.2, no.1–2, 135 p.
  • Feldman R., Sanger J. The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. 2006, Cambridge University Press, 410 p.
  • Wong M. Emotion Assessment in Evaluation of Affective Interfaces, 2006, www.cgl.uwaterloo.ca/wmcowan/research/essays/maria.pdf
  • Pulse of the Nation: U.S. Mood throughout the Day Inferred from Twitter, 2010. http://infosthetics.com/archives/2010/07/
  • Customer service and business results: a survey of customer service from mid-size companies, 2013. www.d16cvnquvjw7pr.cloudfront.net/
  • Piercy Symbols: A Universal Language, 2013, London:Michael O’Mara, 224 p.
  • Энциклопедия Эмодзи: значения всех 1427 смайликов iOS 10.3. www.iphones.ru/iNotes/all-about-emoji-ios-10
  • Ljubešić N., Fiser A Global Analysis of Emoji Usage / Proceedings of the 10th Web as Corpus Workshop and the EmpiriST Shared Task, August 7-12, 2016, Berlin, pp.82–89.
  • Turney P. Thumbs Up or Thumbs Down? Semantic Orientation Applied to Unsupervised Classification of Reviews / Proceedings of the Association for Computational Linguistics, 2002, pp.417–424.
  • Chetviorkin I.I. Testing the sentiment classification aproach in various domains / Proceedings of the International Conference “Dialog 2012”, vol.2, no.11, pp.15–27.
  • Kan D. Rule-based approach to sentiment analysis / Sentiment Analysis Track at ROMIP, 2011. http://dialog-21.ru/digests/dialog2012/materials/pdf/Kan.pdf
  • cs.uic.edu/~liub/FBS/sentiment-analysis.html
  • Парошина И. Обработка естественного языка, трудности понимания и социальные сети // Компьютерра-Онлайн, 2014.
  • Montefinese M., Ambrosini E., Fairfield B., Mammarella N. The adaptation of the Affective Norms for English Words (ANEW) for Italian // Behavior Research Methods, 2014, vol.46, 3, pp.887–903.
  • Bradley M.M., Lang P.J. Affective norms for English words (ANEW): Instruction manual and affective ratings. Technical Report C-1, The Center for Research in Psychophysiology, University of Florida, 1999, pp.1–45.
  • Warren D. TenHouten, A General Theory of Emotions and Social Life, 2006, Routledge, 336 p.
  • SobkowiczKaschesky M., Bouchard G. Opinion mining in social media: Modeling, simulating, and forecasting political opinions in the web // Government Information Quarterly, 2012, vol.29, no.4, pp.470–479.
  • Geeraerts Theories of Lexical Semantics, Oxford University Press, 2009, 384 p.
  • Alguliyev R.M., Aliguliyev R.M., Alakbarova I.Y. Extraction of hidden social networks from wiki-environment involved in information conflict // International Journal of Intelligent Systems and Applications (IJISA), 2016, vol.8, no.2, pp.20–27.
  • Alguliev R.M., Aliguliyev R.M. Automatic text documents summarization through sentences clustering // Automation and Information Sciences, 2008, vol.40, no.9, pp.53–63.
  • Premchandani S., Pise M., Wankhede A. Artificial Intelligence and Opinion Mining // Journal of Artificial Intelligence, 2012, vol.3, no.2, pp.102–105.
  • Godbole N., Srinivasaiah M., Skiena S. Large-Scale Sentiment Analysis for News and Blogs / Proceedings of the International Conference on Weblogs and Social Media, March 26–28, 2007, pp.39–41.
  • Kanayama H, Hideo W., Nasukawa T. Deeper sentiment analysis using machine translation technology / Proceedings of the 20th International conference on Computational Linguistics, Tokyo, Japan, 2004. http://aclweb.org/anthology/C04-1071
  • Moraes R., Valiati J.F., Wilson P. Gavião N. Document-level sentiment classification: an empirical comparison between SVM and ANN // Expert Systems with Application, 2013, vol.40, issue 2, pp.621–633.
  • Hye-Jin Min, Jong C. Park. Identifying helpful reviews based on customer’s mentions about experiences // Expert Systems with Application, 2012, vol.39, issue15, pp.11830–11838.
  • Thelwall M., Buckley K., Paltoglou G., Cai D., Kappas A. Sentiment strength detection in short informal text // Journal of the American Society for Information Science and Technology, 2010, vol.61, issue 12, pp.2544–2558.
  • Юсупова Н.И., Богданова Д.Р., Бойко М.В. Aлгоритмическое и программное обеспечение для анализа тональности текстовых сообщений с использованием машинного обучения // Mатематическое моделирование, численные методы и комплексы программ, 2012, №6 (51), стр.91–99.
  • Поcевкин Р.В., Бессмертный И.А. Применение сентимент-анализа текстов для оценки общественного мнения // Научно-технический вестник информационных технологий, механики и оптики, 2015, том 15, №1, стр.169–171.
  • Kang H., Joon Yoo S., Han D. Senti-lexicon and improved Naïve Bayes algorithms for sentiment analysis of restaurant reviews // Expert Systems with Application, 2012, vol.39, issue 5, pp.6000–6010.
  • Wu Y., Kita K., Matsumoto K., Kang X. A Joint Prediction Model for Multiple Emotions Analysis in Sentences // Computational Linguistics and Intelligent Text Processing, 2013, vol.7817, pp.149–160.
  • Losada E., Azzopardi L. Assessing multivariate Bernoulli models for information retrieval // ACM Transactions on Information Systems, 2016, vol.26, issue 3, pp.53–65.