Τα Reaction GIFs Προσφέρουν Ένα Νέο Κλειδί για την Αναγνώριση Συναισθήματος στη NLP

Νέα έρευνα από την Ταϊβάν προσφέρει μια καινοτόμο μέθοδο για την Προcessing Φυσικής Γλώσσας (NLP) για να εκτελέσει ανάλυση συναισθήματος σε φόρουμ κοινωνικών μέσων και συνόλων δεδομένων γλωσσικής έρευνας – με την ταξινόμηση και επισήμανση κινούμενων GIF που αναρτώνται ως απάντηση σε κείμενα ανακοινώσεων.

Οι ερευνητές, με επικεφαλή τον Boaz Shmueli του Εθνικού Πανεπιστημίου Tsing Hua της Ταϊβάν, έχουν χρησιμοποιήσει την ενσωματωμένη βάση δεδομένων GIF αντιδράσεων του Twitter ως δείκτη για να ποσοτικοποιήσουν την συναισθηματική κατάσταση της απάντησης του χρήστη, αποφεύγοντας την ανάγκη να διαπραγματευτεί πολλαπλές γλωσσικές απαντήσεις, την πρόκληση της ανίχνευσης σαρκασμού, ή της ταυτοποίησης της βασικής συναισθηματικής θερμοκρασίας από αμφίβολες ή υπερβολικά σύντομες απαντήσεις.

Πατώντας το κουμπί ‘GIF’ όταν συντάσσετε μια ανάρτηση στο Twitter, προσφέρεται ένα τυποποιημένο σύνολο επισήμανων κινούμενων GIF που είναι δυνητικά πιο εύκολο για την NLP να αναλύσει σε ‘ταυτοποιημένα’ συναισθήματα από την απλή κειμενική γλώσσα.

Το έγγραφο χαρακτηρίζει τη χρήση των GIF αντιδράσεων με αυτόν τον τρόπο ως ‘ένα νέο είδος ετικέτας, που δεν είναι ακόμη διαθέσιμο στα συνόλα δεδομένων συναισθήματος της NLP’, και σημειώνει ότι τα υπάρχοντα συνόλα δεδομένων χρησιμοποιούν είτε το διαστατικό μοντέλο του συναισθήματος είτε το μοντέλο διακριτών συναισθημάτων, κανένα από τα οποία δεν προσφέρει这一 είδους ερμηνεία.

Μια κινούμενη GIF απάντηση σε μια ανάρτηση χρήστη. Με το GIF του Twitter που είναι τώρα κωδικοποιημένο σε όρους συναισθηματικής κατάστασης, η αμφιβολία της πρόθεσης έχει σχεδόν εξαφανιστεί. Πηγή: https://arxiv.org/pdf/2105.09967.pdf

Οι ερευνητές έχουν κυκλοφορήσει ένα σύνολο δεδομένων 30.000 σαρκαστικών tweets που περιέχουν GIF αντιδράσεων. Αυτή η προσέγγιση προσφέρει στην NLP μια διάκριση που λείπει από άλλη τρέχουσα βιβλιογραφία: μια μέθοδο για να διακρίνει περцепτόμενο συναισθήμα (συναισθήματα που ένας αναγνώστης αναγνωρίζει από το κείμενο) από πρωτογενές συναισθήμα (ένα συναισθήμα που ο αναγνώστης βιώνει ως απάντηση στο κείμενο).

Reaction GIFs ως Αναγωγικοί Δείκτες

Σε όρους μιας υποστηρικτικής απάντησης σε μια ανάρτηση που μοιράζεται μια ταραχώδη συναισθηματική κατάσταση, ένα κατάλληλο GIF είναι χρήσιμο και αναγωγιστικό και αδιαμφισβήτητο στη πρόθεση, όταν αναρτάται χωρίς υποστηρικτικό κείμενο (και αυτού του είδους GIF απαντήσεις που εστιάστηκε η μελέτη).

Κατα鑽ηση στις Υπο-Νοήσεις μιας GIF Απάντησης

Παρά το γεγονός ότι μέσα σε μια seule κατηγορία αντιδράσεων, όπως ‘αγκαλιά’, υπάρχουν πολλές επιπλέον ενδείξεις της διάθεσης ή της άποψης που περιλαμβάνουν πολλαπλά είδη συναισθηματικής κατάστασης, συμπεριλαμβανομένης της άποψης των ρομαντικών ή οικογενειακών υποθέσεων της σχέσης μεταξύ του απαντητή και του αρχικού αναρτητή.

Παράσταση των διάφορων τύπων σχέσεων στην διαθέσιμη κατηγορία ‘αγκαλιά’ του Twitter. Η χρήση ποικίλων ειδών, τρόπων, αναπαραστάσεων φύλου και άλλων παραγόντων προσθέτει λεπτομέρεια στην δυνητική ερμηνεία μιας GIF επιλογής για αυτό το συναισθήμα.

Αύξηση Δεδομένων Reaction GIF

Το σύνολο δεδομένων ReactionGIF προέκυψε από τα πρώτα 100 GIF σε κάθε διαθέσιμη κατηγορία αντιδράσεων στο Twitter, οδηγώντας σε μια βάση δεδομένων 4300 κινούμενων εικόνων. Όπου ένα GIF εμφανίζεται σε περισσότερες από μια κατηγορίες, η κατηγορία με την υψηλότερη τοποθέτηση στη διεπαφή χρήστη έχει υψηλότερο βάρος. Εικόνες που εμφανίζονται σε πολλές κατηγορίες έχουν μια παράμετρο ομοιότητας αντιδράσεων – einen δείκτη που εφευρέθηκε για τη μελέτη.

Αξιολόγηση των Δεδομένων Reaction GIF

Οι ερευνητές αξιολόγησαν το σύνολο δεδομένων σε τέσσερις προσεγγίσεις: RoBERTa, το Convolutional Neural Network (CNN) GloVe, einen λογιστικό αναλυτή, και einen απλό αναλυτή πλειοψηφίας. Το βάρος της πειστικότητας για κάθε κατηγορία προκύπτει khá καθαρά από τα αποτελέσματα, με την έγκριση, τη συμφωνία και τη συμπόνια να είναι οι πιο εύκολες να αναγνωριστούν (και οι πιο αντιπροσωπευτικές), και την απολογία να είναι η πιο δύσκολη να αξιολογηθεί, vielleicht επειδή αυτό περιλαμβάνει τη δυνατότητα σαρκασμού.

Εξαγωγή Συναισθήματος Χρήστη από Reaction GIFs

Οι ερευνητές παρατηρούν ότι η αναγνώριση του πρωτογενούς συναισθήματος είναι einer από τις πιο δύσκολες εργασίες στην ανάλυση συναισθήματος και NLP, και ότι η χρήση GIF αντιδράσεων ως прокシー προσφέρει τη δυνατότητα για μελλοντικές μελέτες να συλλέξουν ‘μεγάλες ποσότητες φθηνών, φυσικά συμβαινόντων, υψηλής ποιότητας συναισθηματικών ετικετών’.