Un enfoque semántico en la selección de características basadas en léxico para la detección de emociones

• Autores: José Manuel Perea Ortega , José Ángel Olivas Varela , Harold González Guerra, Alfredo J. Simón Cuevas
• Localización: Procesamiento del lenguaje natural, ISSN 1135-5948, Nº. 67, 2021, págs. 115-126
• Idioma: español
• Títulos paralelos:
  • A semantic approach in the lexicon-based feature selection for emotion detection
• Enlaces
  • Texto completo
• Resumen
  • español

    La detección de emociones es una tarea del análisis de sentimientos que trata la extracción y el análisis de las emociones en textos. Reconocer emociones implícitas es uno de los principales desafíos en enfoques basados en palabras claves o lexicones. Este trabajo presenta un enfoque híbrido de detección de emociones, que combina la selección de características relevantes de emoción basada en un lexicón, con un enfoque clásico de aprendizaje para determinar la emoción. El proceso de selección de características propuesto se centra en capturar el significado emocional del texto mediante el cálculo de la relación semántica entre su contenido y el vocabulario del lexicón, con el objetivo de incrementar el reconocimiento de emociones implícitas. La solución propuesta fue evaluada en la clasificación de emociones en tweets en español incluidos en el corpus AIT, con diferentes alternativas para computar la relación semántica y varios algoritmos de clasificación, obteniéndose resultados muy prometedores.

  • English

    Emotion detection is a task of sentiment analysis that deals with the extraction and analysis of emotions in texts. Recognizing implicit emotions is one of the main challenges in keyword or lexicon-based approaches. This paper presents a hybrid emotion detection approach, which combines lexicon-based emotion-relevant feature selection with a classical learning-based approach to determine the emotion. The proposed feature selection process focuses on capturing the emotional meaning of the text by computing the semantic relationship between its content and the lexicon vocabulary, with the goal of increasing implicit emotion recognition. The proposed solution was evaluated on the classification of emotions in Spanish tweets included in the AIT corpus, with different alternatives to compute the semantic relation and several classification algorithms, obtaining very promising results.

• Referencias bibliográficas
  • Acheampong, F. A., C. Wenyu, y H. NunooMensah. 2020. Text-based emotion detection: Advances, challenges, and opportunities. Engineering Reports,...
  • Agarwal, B. y N. Mittal. 2016. Prominent Feature Extraction for Sentiment Analysis. Prominent Feature Extraction for Sentiment Analysis, i:21–45.
  • Aggarwal, C. C. y C. X. Zhai. 2013. Mining text data, volumen 9781461432234. Springer.
  • Agrawal, A. y A. An. 2012. Unsupervised emotion detection from text using semantic and syntactic relations. En Proceedings - 2012 IEEE/WIC/ACM...
  • Alswaidan, N. y M. E. B. Menai. 2020. A survey of state-of-the-art approaches for emotion recognition in text. Knowledge and Information Systems,...
  • Bandhakavi, A., N. Wiratunga, D. Padmanabhan, y S. Massie. 2017. Lexicon based feature extraction for emotion text classification. Pattern...
  • Budanitsky, A. y G. Hirst. 2006. Evaluating WordNet-based Measures of Lexical Semantic Relatedness. Computational Linguistics, 32(1):13–47. Harold...
  • Cambria, E. 2016. Affective Computing and Sentiment Analysis. IEEE Intelligent Systems, 31(2):102–107.
  • Canales, L. y P. Martínez-Barco. 2014. Emotion detection from text: A survey. En Proceedings of the Workshop on Natural Language Processing...
  • Chakriswaran, P., D. R. Vincent, K. Srinivasan, V. Sharma, C.-Y. Chang, y D. G. Reina. 2019. Emotion ai-driven sentiment analysis: A survey,...
  • Chatterjee, A., K. N. Narahari, M. Joshi, y P. Agrawal. 2019. SemEval-2019 Task 3: EmoContext Contextual Emotion Detection in Text. En Proceedings...
  • Ekman, P. 1992. An Argument for Basic Emotions. Cognition and Emotion, 6 (3-4):169–200.
  • Esuli, A. y F. Sebastiani. 2006. SentiWordNet: A Publicly Available Lexical Resource for Opinion Mining. Proceedings of LREC 2006, páginas...
  • Gupta, U., A. Chatterjee, R. Srikanth, y P. Agrawal. 2017. A sentiment-andsemantics-based approach for emotion detection in textual conversations....
  • Hemmatian, F. y M. K. Sohrabi. 2019. A survey on classification techniques for opinion mining and sentiment analysis. Artificial Intelligence...
  • Jiang, J. J. y D. W. Conrath. 1997. Semantic similarity based on corpus statistics and lexical taxonomy. En Proceedings of the 10th Research...
  • Khan, M. T., M. Durrani, A. Ali, I. Inayat, S. Khalid, y K. H. Khan. 2016. Sentiment analysis and the complex natural language. Complex Adaptive...
  • Kowsari, K., K. Jafari Meimandi, M. Heidarysafa, S. Mendu, L. Barnes, y D. Brown. 2019. Text classification algorithms: A survey. Information,...
  • Liew, J. S. Y. y H. R. Turtle. 2016. Exploring fine-grained emotion detection in tweets. En Proceedings of the NAACL Student Research Workshop,...
  • Mohammad, S. M. y F. Bravo-Marquez. 2017. Wassa-2017 shared task on emotion intensity.
  • Mohammad, S. M., F. Bravo-Marquez, M. Salameh, y S. Kiritchenko. 2018. SemEval-2018 Task 1: Affect in Tweets. En Proceedings of International...
  • Molina-González, M. D., E. Martínez-Cámara, M. T. Martín-Valdivia, y J. M. PereaOrtega. 2013. Semantic orientation for polarity classification...
  • Mundra, S., A. Sen, M. Sinha, S. Mannarswamy, S. Dandapat, y S. Roy. 2017. Finegrained emotion detection in contact center chat utterances....
  • Pedersen, T., S. Patwardhan, y J. Michelizzi. 2004. WordNet::Similarity - Measuring the relatedness of concepts. En Proceedings of the National...
  • Sailunaz, K., M. Dhaliwal, J. Rokne, y R. Alhajj. 2018. Emotion detection from text and speech: a survey. Social Network Analysis and Mining,...
  • Shivhare, S. N. y S. Khethawat. 2012. Emotion detection from text. Sidorov, G., S. Miranda-Jiménez, F. Viveros Jiménez, A. Gelbukh, N. Castro-Sánchez, F....
  • Strapparava, C. 2016. Emotions and NLP: Future Directions. En Proceedings of NAACL-HLT 2016, página 180. Association for Computational Linguistics. Strapparava,...
  • Sykora, M. D., T. W. Jackson, A. O’Brien, y S. Elayan. 2013. Emotive ontology: Extracting fine-grained emotions from terse, informal messages....
  • Yager, R. R. y A. Rybalov. 1998. Full reinforcement operators in aggregation techniques. IEEE Transactions on Systems, Man, and Cybernetics,...
  • Zimmermann, H. J. y P. Zysno. 1980. Latent connectives in human decision making. Fuzzy Sets and Systems, 4(1):37–51.