pg电子_人类的悲欢虽不相通,但情感分析模型读得懂

日期:2021-03-26 00:08:01 | 人气: 26466

pg电子_人类的悲欢虽不相通,但情感分析模型读得懂 本文摘要:内容提要:社交媒体逐渐成为当今人们生活的一部门,而它也成为心理学家们举行研究的重要数据泉源。

pg电子

内容提要:社交媒体逐渐成为当今人们生活的一部门,而它也成为心理学家们举行研究的重要数据泉源。与此同时,研究者也实验使用自然语言处置惩罚、机械学习技术,来预测社交媒体用户的情绪颠簸。原创:HyperAI超神经关键词:自然语言处置惩罚 心理学去年突如其来的新冠疫情,深刻地影响着人们的生活。

这一特殊的历史时期,社会公共的心理都变得敏感懦弱。疫情期间淘汰外出和接触,使得民众把更多时间花在社交网络上。有些人不行制止地将事情和生活中的不如意,通过网络发泄给了别人。恐慌、焦虑、伤心、无助等不良情绪也有所加重。

面临突发公共事件,社交媒体用户普遍泛起了包罗恼怒、畏惧、担忧、迷惘、伤心等负面情绪据观察显示,全球互联网用户平均天天花在社交媒体上的时间,到达 2 小时 22 分钟,社交媒体已经不限于社交功效,它们还成为了许多人记载心情、倾诉心事的阵地。无论是海内的微信朋侪圈、微博、QQ 空间等,还是外洋的 Twitter、Instagram、Facebook,都承载了万千用户的状态。

而对于心理学研究者来说,这些社交媒体上的帖子,无疑为其提供了数量可观的研究数据。来自斯坦福大学的研究员 Johannes Eichstaedt 和密歇根大学的 Aaron Weidman,在其最新研究中,使用自然语言处置惩罚工具,对 Facebook 用户的帖子举行分析。

研究讲明,机械学习模型可以通过社交媒体洞察一小我私家的情绪与颠簸,其准确度与传统心理学的怀抱效果相当。从字里行间,读懂你的喜怒哀乐近年来,网络上的大量资料,已经成为人格科学中一个重要的数据泉源。

大量的研究讲明,使用社交媒体资料,对人格相关维度举行分类十分有效。Eichstaedt 和 Weidman 的最新研究,则为使用社交媒体大数据分析、跟踪人的心理状态,提供了一个前沿案例。使用社交媒体语言跟踪心理状态的颠簸:基于每周情绪颠簸的案例研究 取样校准 作者使用「效价」和「唤起」这两个基本情绪维度,来评价 Facebook 上帖子的情绪。

注:「效价」和「唤起」是心理学中评价情绪的两个维度,前者表现感受到的努力/消极水平,区分正面和负面情绪;后者表现岑寂/兴奋的水平。他们首先让已经有心理学研究基础的人类研究助理,给一项早期研究中的 2895 条公然 Facebook 帖子做注释。研究助力给每一条帖子的「效价」(valence)和「叫醒」(arousal)举行打分。接纳 9 分制(对于「效价」,1=「消极」,9=「努力」,同样地,对于「唤起」,1=「低」,9=「高」)。

心理学研究助理为帖子所作出的「效价」和「唤起」注释该情绪跟踪数据集已经公然:https://osf.io/pbjer/files/完成这些评价之后,这些帖子被用于训练机械学习模型,该模型将能够预测哪种语言转达了哪种情感。然后作者对这些评分数据举行了一系列模型的拟合,每一个模型都显示,「效价」和「唤起」之间可能存在的显着联系。对于海内的 NLP 研究者来说,中文情感分析数据集则更为适用。

pg电子

因此,超神经为大家推荐一个来自 2014 NLPCC 的中文微博情感分析数据集。该评测数据来自新浪微博,对于输入的整条微博,任务要求判断出该微博是否包罗情绪。对包罗情绪的微博,要求判别其情绪分类输出为 anger(恼怒)、disgust(厌恶)、fear(恐惧)、happiness(兴奋)、like(喜好)、sadness(伤心)、surprise(惊讶)。数据集详细信息如下:下载地址:https://hyper.ai/datasets/14390 模型建立 团队使用差异语言分析工具包 DLATK(Differential Language Analysis ToolKit),提取所选 Facebook 帖子中的语言特征,凭据单词、短语泛起的相对频率,保留了比偶然泛起的短语频率横跨三倍以上的词汇。

最终过滤出 1439 个句子身分用来预测「效价」,675 个句子身分预测「唤起」。接着,训练一个基于整个语言特征集的脊回归模型,来预测「效价」和「唤起」,并使用 10 倍交织验证(即在 90% 的数据上建设模型,然后在剩余的 10% 上举行评估)。

该模型的交织验证样本外预测准确率为:「效价」预测准确率 0.63;「唤起」准确率为 0.82。与之前其他尺度的情感丈量方法相比力,发现该模型比这些替代丈量方法预计得更准确。验证样本 为了测试该模型,研究团队又从凌驾 6.5 万条 Facebook 帖子中,抽取了 640 个美国用户,男女人数相当,还需要满足的条件为:至少一连 14 周的时间里,公布 10 条以上的状态。

最终,研究团队收集了这些用户公布的 303575 个帖子作为验证样本。实验效果 作者对用户的情绪评价举行了可视化,如下图,形貌了一个女性(左)和一个男性(右)的每周情绪和叫醒颠簸,以及五大人格特征预测。注:五大人格特征是现代心理学中,用于人格特质形貌的结构模型。

包罗:外向性、神经质、亲和性、尽责性和履历开放性。横坐标为「效价」值,纵坐标为「唤起」值从图中看到,左边的女性用户情绪颠簸较大,而且泛起高度愉悦(Valence)、高度兴奋(Arousal)的频率较高。

相比之下,右边的男性用户,情绪颠簸较小,很少履历高度愉悦或高度兴奋的情绪。这也是团队实验中的一个新发现:女性往往比男性更乐观、情绪变化规模更广。

这与另外,团队分析还发现了「效价」和「唤起」值和五大人格之间的相关性。模型评估 提供验证样本的 Facebook 用户,之前都自愿到场了「我的性格」的问卷观察,测评了其五大性格特征。效果显示,机械学习模型对他们性格的预测,与使用心理学观察方法的预测一致。缺陷分析 固然,作者也指出了这一模型现在所存在的问题。

首先,他们以比力活跃的 Facebook 用户作为样本,可是之所以选择他们是因为他们提供了足够频繁的状态更新,但他们并不行能代表所有美国人。其次,差别社交平台,具有差别的属性与气势派头,使用 Facebook 帖子所获得的结果,能否在差别社交媒体 好比 Twitter 上举行复制,还是个未知数。

pg电子

因此,这些局限性、普适性问题,也都是研究者未来要进一步探索的偏向。社交平台用于心理学,潜力无限也许对于许多人来说,社交平台无非是一个分享生活、美照、看八卦的地方,但事实上它在心理学研究中拥有着庞大的潜力。

通过数据挖掘、机械学习,能够从巨量的数据中提取信号,识别出患有抑郁症、焦虑症等情绪障碍的人,然后实时接纳一些治疗措施。在这方面,海内也已经有成熟案例。荷兰阿姆斯特丹自由大学(Vrije Universiteit Amsterdam)人工智能学者黄智生,于 2018 年建立了一个叫做「树洞救援队」的 AI 法式,在微博上搜寻有自杀倾向的帖子,然后通过「蛛丝马迹」锁定有轻生念头的用户的位置,实时派出救援志愿者前去寻找和疏导。

现在这支有志愿者组成的小队,还活跃在心理疏导的一线。停止 2020 年 9 月底,建立两年时间以来「树洞救援队」共阻止了 3289 次自杀行为另外,基于社交媒体的情感分析技术,还可以追踪创伤性事件(好比大地震、战争、新冠肺炎疫情等),对人们的心理影响,从而资助政府部门有效开展舆情疏导、科学施救和民众情绪的抚慰事情。

而对于小我私家来说,也许未来可以使用这些工具,分析分析男/女朋侪的小情绪呢,大家就再也不用猜来猜去了~新闻泉源:https://hai.stanford.edu/blog/can-artificial-intelligence-map-our-moods。


本文关键词:pg电子

本文来源:pg电子-www.czx2017.com

产品中心