Published October 22, 2009
| Version v1
Publication
Open
Reader Perspective Emotion Analysis in Text through Ensemble based Multi-Label Classification Framework
Description
Multiple emotions are often triggered in readers in response to text stimuli like news article.In this paper, we present a novel method for classifying news sentences into multiple emotion categories using an ensemble based multi-label classification technique called RAKEL.The emotion data consists of 1305 news sentences and the emotion classes considered are disgust, fear, happiness and sadness.Words are the most obvious choice as feature for emotion recognition.In addition to that we have introduced two novel feature sets: polarity of subject, verb and object of the sentences and semantic frames.Experiments concerning the comparison of features revealed that semantic frame feature combined with polarity based feature performs best in emotion classification.Experiments on feature selection over word and semantic frame features have been performed in order to handle feature sparseness problem.In both word and semantic frame feature, improvements in the overall performance have been observed after optimal feature selection.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
غالبًا ما يتم إثارة عواطف متعددة لدى القراء استجابةً للمحفزات النصية مثل المقالة الإخبارية .في هذه الورقة، نقدم طريقة جديدة لتصنيف الجمل الإخبارية إلى فئات عاطفية متعددة باستخدام تقنية تصنيف متعددة العلامات قائمة على المجموعة تسمى راكيل .تتكون بيانات العاطفة من 1305 جمل إخبارية وفئات العاطفة التي يتم أخذها في الاعتبار هي الاشمئزاز والخوف والسعادة والحزن .الكلمات هي الخيار الأكثر وضوحًا كميزة للتعرف على العاطفة .بالإضافة إلى ذلك، قدمنا مجموعتين جديدتين من الميزات: قطبية الموضوع والفعل والكائن من الجمل والأطر الدلالية. كشفت التجارب المتعلقة بمقارنة الميزات أن ميزة الإطار الدلالي جنبًا إلى جنب مع الميزة القائمة على القطبية تؤدي بشكل أفضل في تصنيف العاطفة .تم إجراء التجارب على اختيار الميزة على ميزات الإطار الدلالي والكلمة من أجل التعامل مع مشكلة تنافر الميزات .في كل من ميزة الإطار الدلالي والكلمة، لوحظتحسنات في الأداء العام بعد اختيار الميزة الأمثل.Translated Description (French)
Les émotions multiples sont souvent déclenchées chez les lecteurs en réponse à des stimuli textuels comme un article d'actualité. Dans cet article, nous présentons une nouvelle méthode pour classer les phrases d'actualité en plusieurs catégories d'émotions à l'aide d'une technique de classification multi-étiquettes basée sur un ensemble appelée RAKEL. Les données d'émotion se composent de 1305 phrases d'actualité et les classes d'émotion considérées sont le dégoût, la peur, le bonheur et la tristesse. Les mots sont le choix le plus évident en tant que caractéristique pour la reconnaissance des émotions. En plus de cela, nous avons introduit deux nouveaux ensembles de caractéristiques : la polarité du sujet, du verbe et de l'objet des phrases et des cadres sémantiques. Les expériences concernant la comparaison des caractéristiques ont révélé que la caractéristique du cadre sémantique combinée à la caractéristique basée sur la polarité est la plus performante dans la classification des émotions. Les expériences sur la sélection des caractéristiques plutôt que sur les caractéristiques des mots et des cadres sémantiques ont été effectuées afin de traiter le problème de la parcimonie des caractéristiques. Dans les caractéristiques des mots et des cadres sémantiques, des améliorations de la performance globale ont été observées après une sélection optimale des caractéristiques.Translated Description (Spanish)
Las emociones múltiples a menudo se desencadenan en los lectores en respuesta a estímulos de texto como el artículo de noticias. En este documento, presentamos un método novedoso para clasificar las oraciones de noticias en múltiples categorías de emociones utilizando una técnica de clasificación de múltiples etiquetas basada en conjuntos llamada RAKEL.Los datos de emociones consisten en 1305 oraciones de noticias y las clases de emociones consideradas son disgusto, miedo, felicidad y tristeza. Las palabras son la opción más obvia como característica para el reconocimiento de emociones. Además, hemos introducido dos conjuntos de características novedosas: polaridad del sujeto, verbo y objeto de las oraciones y marcos semánticos. Los experimentos relacionados con la comparación de características revelaron que la característica del marco semántico combinada con la característica basada en la polaridad funciona mejor en la clasificación de emociones. Se han realizado experimentos en la selección de características sobre las características de la palabra y el marco semántico para manejar el problema de escasez de características. Tanto en la característica de la palabra como en el marco semántico, se han observado mejoras en el rendimiento general después de la selección óptima de características.Files
3716.pdf
Files
(428.6 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:119dce1ba6b18a2684d5aba27f60b693
|
428.6 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تحليل عواطف القارئ في النص من خلال إطار التصنيف متعدد التسميات القائم على المجموعة
- Translated title (French)
- Analyse des émotions en perspective du lecteur dans le texte par le biais d'un cadre de classification multi-étiquettes basé sur un ensemble
- Translated title (Spanish)
- Análisis de emociones desde la perspectiva del lector en texto a través de un marco de clasificación de etiquetas múltiples basado en conjunto
Identifiers
- Other
- https://openalex.org/W2083633991
- DOI
- 10.5539/cis.v2n4p64
References
- https://openalex.org/W146901855
- https://openalex.org/W1503392745
- https://openalex.org/W1509901816
- https://openalex.org/W1969769481
- https://openalex.org/W1970819424
- https://openalex.org/W2017875634
- https://openalex.org/W2038721957
- https://openalex.org/W2047053749
- https://openalex.org/W2052684427
- https://openalex.org/W2095234413
- https://openalex.org/W2096333412
- https://openalex.org/W2097606805
- https://openalex.org/W2104090402
- https://openalex.org/W2104190448
- https://openalex.org/W2105468141
- https://openalex.org/W2110162085
- https://openalex.org/W2112119668
- https://openalex.org/W2114524997
- https://openalex.org/W2125098710
- https://openalex.org/W2126179176
- https://openalex.org/W2135756832
- https://openalex.org/W2146241755
- https://openalex.org/W2165008816
- https://openalex.org/W2168493061
- https://openalex.org/W2549012520