Lexicon Adaptation for Spanish Emotion Mining

• Autores: Salud M. Jiménez Zafra , María Teresa Martín Valdivia , Flor Miriam Plaza del Arco , M. Dolores Molina González
• Localización: Procesamiento del lenguaje natural, ISSN 1135-5948, Nº. 61, 2018, págs. 117-124
• Idioma: inglés
• Títulos paralelos:
  • Adaptación de lexicones para la minería de emociones en Español
• Enlaces
  • Texto completo
• Dialnet Métricas: 2 Citas
• Resumen
  • español

    La minería de emociones es una tarea emergente que todavía se encuentra en una primera etapa de investigación. La mayoría de los trabajos y recursos existentes se han realizado para textos en inglés, pero la presencia en Internet de otras lenguas, como el español, es cada vez mayor. En la tarea Shared Task on Emotion Intensity de la competición WASSA-2017 se llegó a la conclusión de que los sistemas que mejor realizaban la clasificación de intensidad de las emociones eran aquellos que incluían características de lexicones afectivos. Este hecho, combinado con la escasez de recursos en español, nos llevó a construir un nuevo lexicón para el español que ha sido probado sobre el conjunto de datos liberado en la tarea 1 de la competición SemEval 2018. Además, se ha comparado con el único lexicón de intensidades existente en español, el lexicón SEL, y se ha demostrado la dificultad de la tarea y la importancia de continuar trabajando en el desarrollo de recursos.

  • English

    Emotion mining is an emerging task that is still at a first stage of research. Most of the existing works and resources focus on English, but there are other languages, such as Spanish, whose presence on the Internet is greater every day. In WASSA-2017 Shared Task on Emotion Intensity, it was found that the best systems included features from affect lexicons. This fact combined with the scarcity of resources in Spanish, led us to build a new Spanish lexicon that has been tested over the dataset released at SemEval 2018 Task 1. Moreover, it has been compared with the unique emotion intensity lexicon existing in Spanish, SEL lexicon, and it has shown the difficulty of the task and the importance of continuing working on the development of resources.

• Referencias bibliográficas
  • Cambria, E. 2016. Affective computing and sentiment analysis. IEEE Intelligent Systems, 31(2):102–107.
  • De Choudhury, M., M. Gamon, S. Counts, and E. Horvitz. 2013. Predicting depression via social media. ICWSM, 13:1–10.
  • Fellbaum, C. 1998. WordNet. Wiley Online Library.
  • Gupta, N., M. Gilbert, and G. D. Fabbrizio. 2013. Emotion detection in email customer care. Computational Intelligence, 29(3):489–505.
  • Jiménez-Zafra, S. M., M. T. Martín-Valdivia, E. Martínez-Cámara, and L. A. Urenña López. 2016. Combining resources to improve unsupervised...
  • Kim, S. M., A. Valitutti, and R. A. Calvo. 2010. Evaluation of unsupervised emotion models to textual affect recognition. In Proceedings of...
  • Liu, B. 2015. Sentiment analysis: Mining opinions, sentiments, and emotions. Cambridge University Press.
  • Luyckx, K., F. Vaassen, C. Peersman, and W. Daelemans. 2012. Fine-grained emotion detection in suicide notes: A thresholding approach to multi-label...
  • Mohammad, S. M. 2017. Word affect intensities. arXiv preprint arXiv:1704.08798.
  • Mohammad, S. M. and F. Bravo-Marquez. 2017. Wassa-2017 shared task on emotion intensity. arXiv preprint arXiv:1708.03700.
  • Mohammad, S. M., F. Bravo-Marquez, M. Salameh, and S. Kiritchenko. 2018. Semeval-2018 Task 1: Affect in tweets. In Proceedings of International...
  • Mohammad, S. M. and P. D. Turney. 2010. Emotions evoked by common words and phrases: Using mechanical turk to create an emotion lexicon. In...
  • Molina-González, M. D., E. MartínezCámara, M. T. Martín-Valdivia, and L. A. Urenña-López. 2015. A spanish semantic orientation approach...
  • Montejo-Ráez, A., E. Martínez-Cámara, M. T. Martín-Valdivia, and L. A. UrenñaLópez. 2014. A knowledge-based approach for polarity classification...
  • Pang, B. and L. Lee. 2008. Opinion mining and sentiment analysis. Foundations and Trends R© in Information Retrieval, 2(1– 2):1–135.
  • Pennebaker, J. W., R. J. Booth, and M. E. Francis. 2007. Liwc2007: Linguistic inquiry and word count. Austin, Texas: liwc. net.
  • Picard, R. W. et al. 1995. Affective computing.
  • Sidorov, G., S. Miranda-Jiménez, F. ViverosJiménez, A. Gelbukh, N. Castro-Sánchez, F. Velásquez, I. Dı́az-Rangel, S. SuárezGuerra,...
  • Strapparava, C. and A. Valitutti. 2004. Wordnet affect: an affective extension of wordnet. In Lrec, volume 4, pages 1083– 1086. Citeseer.
  • Voeffray, S. 2011. Emotion-sensitive humancomputer interaction (hci): State of the art-seminar paper. Emotion Recognition, pages 1–4.
  • Yadollahi, A., A. G. Shahraki, and O. R. Zaiane. 2017. Current state of text sentiment analysis from opinion to emotion mining. ACM Computing...