Predicting Emotion Labels for Chinese Microblog Texts

2012

情感分析与情绪分析

*本篇论文数据源

给微博打标签

使用微博内的表情和文字标签打标签

问题：错误率实际比较高

原因：无太好的已标注数据

文字表情

Emoticons

表情符号

Smilies

weibo数据

文字表情

Emoticons

表情符号

Smilies

总量

Mixed

原文准确率

SVM，word vs char

Happy

一大早，分享一个安静的书房，新中式的风格，有点被穿越了的味道，其实重点在墙上的那四个字：！各位日日忙碌的童鞋们，努力工作吧，为自己、为理想、为家人、为生活……
happy
(200,)
happy		58.72%
sad		11.47%
disgust		11.35%
fear		10.59%
angry		5.91%
suprise		1.96%

Sad

我们的国家，我们要说话才对！/我们的生活总被赋予悲凉的新意，有人不过为了同工同酬，就进了精神病院；有人不过想吃顿安全的饭菜，被逼成了化学家；有人不过是深爱着他的家，却走在了卖国的路上。所以这里的荒诞并不是荒诞，而是一种荒诞必演化成另一种荒诞。
sad
(200,)
sad		53.83%
fear		27.38%
happy		5.87%
disgust		5.71%
angry		4.58%
suprise		2.63%

结果（qhduan,  Keras+GRU）

https://github.com/qhduan/Chinese_emotion_predict

Disgust

，你就继续舔恒大吧，去广州住顶级酒店？免费？还报销找小姐的钱？达10哪不如孔卡？前锋进球才是王道！什么位置干什么事。孔卡拿着欧洲一线球员的年薪他就应该有那样的表现。别再BB了。
happy
(200,)
disgust		28.87%
happy		25.97%
angry		21.36%
fear		8.38%
suprise		8.10%
sad		7.32%

Angry

爲了兩件垃圾系度同我講錢仲要問候埋我娘親求你都系多餘，個晚擔心你安危都系多7魚，仲講乜野朋友我呸呸甘多年10年我都未講耐1000蚊買起你人格，講錢傷感情，講到錢乜野兄弟朋友都無得做，全部通通走開，全都爲個區區臭錢，從今開始互不借錢，終於明白咩叫借錢如送禮，還錢如乞米
angry
(200,)
angry		69.69%
disgust		10.22%
sad		8.71%
suprise		4.87%
fear		4.67%
happy		1.84%

结果（qhduan）

https://github.com/qhduan/Chinese_emotion_predict

可能的优化：

• 解决数据偏差
  • 不同情感类别数据差距太大
  • happy最多
• 先聚类，只保留部分数据，去掉更多情绪不明显数据
  • 去掉聚类中心点太远数据
• 增加数据量
  • 原文数据量比较少
  • Repo中的数据是香港的大学做的，繁体用户较多

Softmax or Tanh ?

待验证：当需要给出具体“分数“时，softmax模型是否给出的分值特别极端？

Thanks