64#-情感语料库的构建和分析

《64#-情感语料库的构建和分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、大连外国语学院学士学位论文中文题目：情感语料库的构建和分析英文题目：ConstructionandAnalysisofEmotionalCorpus二级学院：俄语系学科、专业：阿拉伯语专业研究生：徐慧指导教师：曾磊副教授2011年11月情感语料库的构建和分析情感语料库的构建和分析*基金资助：国家自然科学基金资助项目（编号：60373095，60673039）和国家863高科技计划资助项目（编号：2006AA01Z151）。作者简介：徐琳宏，女，硕士生，研究方向为文本分类和文本倾向性识别；林鸿飞，男，博导，教授，研究方向为文本过滤，文本挖掘和

2、自然语言理解，hflin@dlut.edu.cn；徐琳宏，林鸿飞（大连理工大学计算机科学与工程系，大连116024）摘要：本文介绍了情感语料库构建方面的一些经验，讨论了在设计和建设情感语料库中的几个基本问题：制定标注规范、选择标注集、设计标注工具以及标注过程中的质量监控。目前已经标注完成近四万句，一百万字的语料。在完成这些已标注语料的基础上，进一步给出了语料库的情感分布，情感迁移规律等统计数据，分析了情感语料库的特点及应用。它的建成将为文本情感计算提供更加强大的资源支持。关键词：情感语料库；文本编码规范；一致性检查；情感迁移中图法分类号：T

3、P391文献标识符：AConstructionandAnalysisofEmotionalCorpusXuLinhong,LinHongfei(DepartmentofComputerScienceandEngineering,DalianUniversityofTechnology,Dalian116024)Abstract:Thispaperintroducedsomeexperiencesonconstructingemotionalcorpus,anddiscussedseveralbasicquestionswhichinclud

4、edthetaggingcriterion,taggingset,taggingtoolsandqualitymonitoring.Therewereabout40000sentencesinthecorpus.Moreoverbasedonthese,statisticaldataaboutemotionaldistributionandrulesofemotionaltransferencewereavailable,andcharactersandapplicationsofcorpuswereanalyzed,soemotional

5、corpusprovidesupportfortextaffectivecomputing.keywords:emotionalcorpus;TextCodingInitiative;consistencychecking;emotionaltransference1引言情感计算目前是人工智能领域的研究热点，它的主要目标是使计算机能识别人类的情感，也就是需要建立完善的情感识别模型。然而要使训练的模型准确，容错能力强，就必须有大规模的情感语料支撑。情感语料库的构建和分析在国外，语料库的研究很早就已经开始了，也建设完成了许多大规模的语料库，如B

6、rown语料库等。汉语语料库的建设开始于20世纪80年代，现有的大规模语料有国家现代汉语语料库[1]、台湾中央研究院平衡语料库[2]、中港台汉语语料库[3]、北京大学和富士通公司共同制作的人民日报语料库[4]等。上述大规模语料库的建设在收集语料，制定标注规范和质量监控等方面积累了宝贵的经验。文本情感语料库的建设方面，目前已有的语料库包括Pang语料库[5]，Whissell语料库[6]，Berardinelli电影评论语料库[7],产品评论语料库[8]。汉语情感语料库标注方面的资源则较少，清华大学标注了部分旅游景点的描述的情感语料[9]，用

7、来辅助语音合成的，但是规模也较小。总之，在国内情感计算刚刚兴起，这方面还没有比较大规模、权威的汉语文本情感语料库。大部分语料库的建设分为语料的收集和预处理、标注规范的制定，质量监控等几方面，下面的论文将分别阐述语料库建设的各个步骤。第2节概略的介绍了目前选择语料的类型和规模，第3节详细地介绍了情感语料库的标注体系，第4节介绍了语料建设中质量监控的方法，包括正确性和一致性检查的方法。第5节阐述了语料库的一些统计数据及应用，最后，第6节总结语料库的优点和不足，并进一步提出改进的措施。1语料的收集语料的收集工作，即选择合适的语料，做预处理，为语料

8、的标注提前做好准备。语料选择的方法关系到语料库的覆盖率，所谓覆盖是指语料在各个不同领域的分布或散布，这些不同领域通常是指由时间轴(反映时代特征)、空间轴(反映地域特征)、学科轴(