Sep, 2013

从從前到永久的幸福：小说和童话故事中的情感追踪

PDF
TL;DR本文探讨了情感分析如何与有效的可视化技术结合使用，定量和跟踪书籍中的情绪及其在大型文集中的表现。本文还介绍了情感词密度的概念，并以格林兄弟童话作为例子，展示了如何更好地组织搜索文本。最后，通过比较童话和小说中的情感词，本文表明童话中的情感词密度要比小说更广泛。
sentiment analysisvisualizationsemotion word densitygoogle books corpusfairy tales
发现论文，激发创造
  • 计算文学研究中情感分析与情绪分析综述

    该文综述了情感分析在文学中的应用，包括追踪情节发展的变化、网络分析，以及理解文本的情感等。

    Aug, 2018

  • 结合定性和计算方法进行芬兰小说的文学分析

    这篇文章通过使用情感分析的计算方法，研究了如何结合定性或更传统的文学研究方法，从芬兰文学经典中汲取知识。我们提出并发展了一种简单但强大的情感分析的计算方法，使用经过精心筛选的适应芬兰 20 世纪之交文学文本的情感词典与词嵌入相结合，来绘制芬兰文学重要作品的语义情感空间。我们的定性分析主要集中在几个案例研究中：Juhani Aho、Minna Canth、Maria Jotuni 和 F. E. Sillanp"a"a 的几部作品，但总共提供了 975 部芬兰小说的情感弧线。我们认为计算分析一个文本的词汇可以帮助评估文本中情感价值的大分布，并提供指导帮助其他研究人员重现我们的发现。我们展示了计算方法在传统情感研究中的地位，作为一种支持工具来进行基于仔细阅读的分析，同时也允许进行大规模的比较，例如跨流派或国家的经典。

    Jun, 2024

  • 文本情感检测综述

    文本情感检测研究综述表明，虽然目前已经有许多技术、方法和模型来检测文本中的情感表达，但人类情感的复杂性以及使用隐喻性语言等因素使得这些方法不足以应对这些复杂性，因此需要关注情感表达的语言细节。

    Jun, 2018

  • 通过情感流动建模预测书籍成功

    本文利用循环神经网络模拟书籍中情感的变化，并量化其预测书籍成功的有效性。在同时预测书籍成功和类型的多任务设置中，取得了 69% 的最佳加权 F1 得分。

    May, 2018

  • 情感分析：从文本自动检测情感倾向、情绪及其他感性状态

    本文介绍了机器学习在情感分析领域的最新进展，并对情感分析的起源、任务、挑战、方法和资源使用以及应用进行了概述。此外，文中还讨论了情感分析存在潜在有害影响的问题，并介绍了追求情感分析公平性的最新研究方向。

    May, 2020

  • 对粉丝小说情感传播渠道的分析：走向情感叙事

    分析非言语传达情感的方法，发现人类写作的小说可以通过多种非言语渠道传递角色情感，建议自动故事讲述系统在生成角色情感描述时应考虑情感的可变性。

    Jun, 2019

  • 故事的情感轨迹由六种基本形状主导

    使用大数据分析的方法，利用计算能力，自然语言处理和数字化文本处理，对文化演变进行研究，对一部分 Project Gutenberg 文本集中的 1327 个故事进行情感弧分类，发现六种情感弧，是构成复杂情感轨迹的基本构建模块之一，并可以通过矩阵分解、监督学习和无监督学习进行加强，发现有些情感弧在今天的出版物中更受欢迎，由下载数量衡量。

    Jun, 2016

  • 文学小说的情感动态

    小说情感轨迹的计算分析很少考虑不同角色之间的情感变化，而我们的研究使用角色对话来区分叙述和不同角色的情感轨迹，并发现小说中的情感轨迹通过叙述和对话表达的不同情感更能准确地捕捉故事的共性或差异。

    Mar, 2024

  • 邮件情感追踪：不同性别在情感维度上的差异

    本文研究了如何通过情感分析和有效的可视化工具来量化和跟踪电子邮件中的情绪，进而根据大量由众包产生的词汇 - 情感关联词表来比较各种类型的电子邮件和性别间的情感差异。结果发现，女性更倾向于使用来自欢乐 - 悲伤轴的词语，而男性则更倾向于使用来自恐惧 - 信任轴的词语。

    Sep, 2013

  • 揭示基于文本的情绪检测的限制

    本研究利用 GoEmotions 和 Vent 两个情感分类的大型数据集，通过多种特征空间和学习算法设计了一个基准测试，并在 BERT 基础上提出了两个简单却有效的模型，超过了先前的强基线。通过人体实验分析了作家表达情感和读者感知情感之间的差异，证明了作家表达的情感更难被识别。研究者可以通过我们提供的公共网络界面来研究我们的模型。

    Sep, 2021