Дифференцированное измерение эмоциональности текстов с помощью алгоритма PMI-IR

Зачем оценивать эмоции в тексте?
Необходимы практичные и эффективные методы оценки эмоционального состояния
Физиологические методы и самоотчеты не подходят
Развитие affective computing требует методов оценки эмоций в тексте
Компьютеры + интернет => много «живого» материала для анализа

PMI-IR
Pointwise Mutual Information - Information Retrieval
Автор метода – Peter D. Turney (2001)
Первоначальная область применения:
поиск синонимов

Pro et contra
За:
1) Гигантский корпус текстов => высокая точность
2) Не требует «словаря эмоций»
3) Высокая скорость работы
4) Не требует предварительной экспертной оценки
5) Возможен выбор любых шкал оценки
Против:
1) Анализ в основном «языка описания эмоций»
2) Не учитывает контекст (на данном этапе)
3) Поисковый спам

Программа «ЭСКА»
Шкалы – 10 эмоций К. Изарда, по 2 слова на эмоцию. Пример: радость|наслаждение для эмоции «радость».
Обучение: 400 записей из LiveJournal (ЖЖ), около 11000 уникальных слов.
Проверка: 70 записей из LiveJournal, оцененных 4 экспертами по 11 шкалам (10 эмоций + валентность)

Экспертная оценка
(тексты брались из общедоступных записей)

Эксперты vs ЭСКА
r Пирсона * 100

Выводы
PMI-IR работает на русскоязычных текстах
Точность оценки увеличивается за счет использования композитных шкал
Есть большой простор для дальнейших разработок