Projekt SEAT

Emotionsanalyse in der maschinellen Verarbeitung von Sprache zielt auf die Assoziation von Text mit Emotionen ab. Diese Emotionen sind zum Beispiel Angst, Wut, Freude, Überraschung, Ekel oder Trauer. Dieser Ansatz geht über die automatische Stimmungsanalyse (Sentiment Analysis) hinaus und liefert in der Anwendung auf soziale Medien, fiktionale Geschichten oder Nachrichten einen qualitativen Mehrwert.

Emotionsanalyse in der maschinellen Verarbeitung von Sprache zielt auf die Assoziation von Text mit Emotionen ab. Diese Emotionen sind zum Beispiel Angst, Wut, Freude, Überraschung, Ekel oder Trauer. Dieser Ansatz geht über die automatische Stimmungsanalyse (Sentiment Analysis) hinaus und liefert in der Anwendung auf soziale Medien, fiktionale Geschichten oder Nachrichten einen qualitativen Mehrwert.Bestehende Forschung hat sich bisher weitestgehend auf die Verknüpfung von Textfragmenten mit Emotionsdefinitionen beschränkt, wie sie in der Psychologie bekannt sind. Die Entwicklung von Methoden, welche auch Phrasen erkennen, die den Fühlenden, das Emotionsthema (die Ursache einer Emotion) und Modifikationen (Verstärkungen, Abschwächungen) einer Emotion betrachten, sind weitestgehend unbekannt.Mit diesem Projekt möchten wir diese Forschungslücke füllen. Wir werden annotierte Korpora aus verschiedenen Domänen (Nachrichten, Romane, soziale Medien) in Deutsch und Englisch erstellen. Darauf aufbauend entwickeln wir Modelle, die solche Informationen automatisch und gemeinsam erkennen und extrahieren. Wir arbeiten hierbei auf mehreren Ebenen: Zunächst werden mit distributionellen und lexikalischen Verfahren Wörter mit Emotionen verknüpft, wobei grammatikalische Variationen ebenfalls betrachtet werden. In einem weiteren Schritt werden diese im Kontext mit modifizierenden Begriffen betrachtet und schließlich werden der Fühlende der Emotion und das Thema, die Ursache, der Emotion extrahiert. Diese Elemente betrachten wir schließlich im globalen Kontext, also über die einzelnen Emotionsnennungen hinaus. Die Modelle werden auf ihre Domänen- und Sprachunabhängigkeit untersucht.

• Roman Klinger
• Laura Bostan
• Evgeny Kim