Key points are not available for this paper at this time.
Emotion spielt eine wichtige Rolle in der Mensch-Computer-Interaktion, um ein menschliches Gefühl zu vermitteln. Um die Bedeutung von Emotionen in einem künstlichen Agenten anzuerkennen, schlagen wir ein domänenunabhängiges Emotion-Mining-Modell (EmoXract) vor, das Emotionen aus unstrukturierten Daten extrahiert. Die Emotion wird auf Satzebene basierend auf den kontextuellen Informationen extrahiert. Grundsätzlich haben wir zwei Korpora verwendet: das WordNet-Wörterbuch und das WordNet-Affect-Wörterbuch. Das WordNet-Wörterbuch wird zur Erstellung von Synonymen und stammverwandten Wörtern verwendet. Das WordNet-Affect-Wörterbuch wird verwendet, um eine gewichtet Beziehung zwischen jedem Wort zu jeder primären Emotion herzustellen. Verschiedene Module, die im Modell verwendet werden, sind Konverter, Tokenizer, Erstellung von Synsets und stammverwandten Wörtern, Gewichtung, heuristische Regeln, Berechnung des Nettogewichts und die Extraktion von Emotionen auf Satzebene. Wir haben auch ein selbstlernendes Wörterbuch entworfen, das neue Wörter, ihre Synonyme und stammverwandte Wörter mit dem gleichen Gewicht gemäß dem bereits vorhandenen Synonym selbst aktualisiert. Schließlich wird das Modell für einen Testdatensatz von mehr als 500 Sätzen simuliert, die aus verschiedenen Domänen ausgewählt wurden, um das vorgeschlagene Design zu validieren.
Saini et al. (Fr,) untersuchten diese Frage.