Quantifying Emotional Valence, Arousal and Dominance from Natural Language EVALUATED

Detalhes: O crescimento das redes sociais chama atenção sobre a área do processamento da língua natural, em particular sobre a área de análise de sentimentos. Estudos anteriores utilizam vários métodos de classificação para a quantificação de emoções em textos, em particular recorrendo a, modelos supervisionados que utilizam conjuntos de dados préviamente anotados. Muitos destes estudos também dependem de métodos como redes neurais profundas. No entanto, tanto quanto se sabe, ainda há uma carência quando se trata da utilização de redes neurais profundas para inferir emoções de línguas que tenham poucos dados de treino disponíveis. Esta tese avalia comparativamente várias técnicas para a quantificação de emoções, nomeadamente perceptrões multicamada (MLP), redes recorrentes (LSTM), redes convolucionais (CNN) e mecanismos de atenção, bem como embeddings trans-linguísticos com o objetivo de combinar dados de múltiplas línguas, com vista a estender o estado da arte nesta área. Os métodos propostos foram validados com datasets usados em estudos anteriores, considerando valência, entusiasmo e dominância em várias línguas. Os resultados obtidos suportam a afirmação que modelos de aprendizagem conseguem prever emoções expressas textualmente, mesmo em várias línguas. Foram obtidos resultados comparáveis, e até superiores, a trabalhos anteriores neste ramo, mesmo comparando com modelos que preveem emoções para dados monolingues.

Discussão: outubro 7, 2020, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Ana Sofia Aparício da Costa (ist181105)

ORIENTADOR

Bruno Emanuel Da Graça Martins

Departamento de Engenharia Informática (DEI)

Professor Auxiliar