Défis actuels dans la détection des émotions complexes à partir de textes

Résumé La détection des émotions dans les textes est un domaine d'étude critique avec des applications significatives dans les affaires, l'éducation et la santé. Malgré des avancées théoriques substantielles au fil des ans, il reste des lacunes notables dans la mise en œuvre pratique de ces méthodes dans les domaines mentionnés. Les techniques actuellement disponibles ne semblent pas encore prêtes pour une application dans le monde réel. Cette étude offre une revue complète des approches, ensembles de données et modèles existants utilisés pour la détection des émotions textuelles. Son objectif principal est d'identifier les défis rencontrés tant dans la littérature actuelle que dans les applications pratiques. Les résultats révèlent que les ensembles de données textuelles annotées avec des marqueurs émotionnels sont rares, rendant difficile le développement de modèles de classification supervisés robustes pour cette tâche. Il existe également un besoin urgent de modèles améliorés capables de catégoriser avec précision une gamme plus large d'états émotionnels de manière distincte. Enfin, il y a une demande pour des techniques capables de détecter dimensionnellement les scores de valence, d'éveil et de dominance à partir des expériences émotionnelles. Ces défis découle non seulement des modèles et des applications eux-mêmes, mais aussi de la préparation des approches actuelles et des ensembles de données dans les domaines en évolution rapide de l'apprentissage automatique et de l'informatique affective.