Oct, 2011

积极词汇所携带的信息量比消极词汇少

PDF
TL;DR该研究研究了单词的情感内容、单词频率和信息内容之间的关系，发现情感取向积极的单词更频繁地使用；负面单词比积极单词更具信息量，并支持与情感和激情有关的假设。
word frequencyaffective lexicapollyanna hypothesisword valenceinformation content
发现论文，激发创造
  • 人类语言呈现出普遍的积极偏向性

    通过对来自 10 种语言、24 个语料库的 100,000 个单词的人类评估结果，我们发现自然人类语言中存在一种普遍存在的积极偏差，并且这种偏好与词频强烈独立；通过描述语言的情感谱，我们可以比较不同语料库的差异，并利用词汇评估构建情感内容实时和离线测量工具。

    Jun, 2014

  • 英语的积极性

    本文研究自然语言情感色彩的积极偏向性及其形式分布规律，并对四个大型语料库的情感词性进行量化和分析。

    Aug, 2011

  • 负面评论中的积极偏向

    研究表明，英文的消极评论中包含正面词汇多于负面词汇，并阐明了否定语用于消极评论中与正面词汇的关系以及大多数具有积极词汇的句子表达负面观点。

    Jun, 2021

  • 量化情感在社交媒体信息扩散中的影响

    本文旨在量化情感对信息传播的影响，从而了解内容情感在社交媒体上的传播如何受时间动态的影响。研究发现，在单独的内容层面上，负面信息比积极信息更容易传播，但是积极信息能够触及更多的观众。同时，针对整个对话框架，不同的时间动态可能展现出不同的情感模式。这项研究成果有助于改善在线社交媒体内容的生成与传播方针。

    Jun, 2015

  • 词汇情感强度

    本文首次提出人工创造的情感强度词典，针对四种基本情感（愤怒、恐惧、快乐和悲伤）给出了真实值评分。使用 BWS 技术创建词典，与 NRC VAD 词典进行比较，可以在商业、教育、智能和公共卫生等领域自动情感分析和自然语言生成系统中应用。

    Apr, 2017

  • 在词嵌入中表示情感信息

    本文研究了使用大规模语言模型所获得的单词嵌入中是否编码了某些情感信息。研究发现，只有在情感相关任务上微调 BERT 模型，或在情感丰富的上下文中包含额外的上下文信息时，相应的词嵌入才能编码更相关的情感信息。

    Sep, 2022

  • 单词形式 —— 不仅仅是其长度 —— 被优化用于高效沟通

    研究发现，与语言中其他单词相比单词的独特性在识别流畅口语中的作用至关重要，且这种独特性可以通过语言的声音或字符序列的统计模型来测量，这也可以解释为什么短的单词反而较少使用；这一发现提供了证据表明听众的处理负担在跨语言的单词形式的微观层面起着关键性作用。

    Mar, 2017

  • 揭示影响情感分析中判断变异的因素：自然语言处理和统计学

    通过分析西班牙语的 TripAdvisor 评论，本研究探讨了影响众包极性判断变异的三个重要因素：词性、情感词以及中性词。研究结果表明，单词标题中的形容词倾向于导致较低的判断变异，情感词和中性词也对判断变异起到了一定的影响。然而，这些影响在更长的标题中无法复现，这暗示更长的标题并不适合用来测试单词的歧义性。这项实证研究为研究人员提供了有价值的深入了解影响单词极性变异的因素，为自然语言处理从业者利用西班牙语数据进行极性判断和预测的研究奠定了基础。

    May, 2024

  • 关于量化书面语言所编码的语义信息的探索

    本文研究书面语的信息编码和语义特征，利用信息论的方法分析书面语中词汇的分布和使用，探求了主题 - 词汇频率关系。研究结果表明，在每个文本中，频率高的词汇与主题的相关性更大，这种现象可以用特征大小和分布模型来解释。

    Jul, 2009

  • 好友、坏消息 ——Twitter 中的情感和病毒性

    通过对推特社交媒体上的三个语料库的量化分析，本文发现，情感和信息内容对推文的传播具有显著的影响，尤其是对于新闻类话题，负面情绪会增强传播效果。

    Jan, 2011