16. Juli 2020 /

Fortsetzung von DFG-Projekt bewilligt: Komputationelle Ereignisseanalyse mit Appraisaltheorien für die Emotionsanalyse (CEAT)

Die Fortsetzung des DFG-Projekts SEAT (Structured Emotion Analysis from Text) namens CEAT (Computational Event Analysis with Appraisal Theories for Emotion Analysis) wurde bewilligt.

Die Fortsetzung des von Roman Klinger geleiteten Projekts SEAT (Structured Emotion Analysis from Text) namens CEAT (Computational Event Analysis with Appraisal Theories for Emotion Analysis) wurde durch die Deutsche Forschungsgemeinschaft bewilligt.

Emotionsanalyse wurde bisher in der Regel als Textklassifikationsaufgabe formuliert, in der vordefininierte Klassen Textsegmenten zugewiesen wurden. Die Klassen entsprechen typischerweise den Basisemotion, wie Sie von Ekman (Wut, Angst, Freude, Überraschung, Traurigkeit, Ekel) oder Plutchik (zusätzlich Vertrauen und Antizipation) vorgeschlagen wurden. Eine weitere Alternative stellt das Valenz-Arousal-Dominanz-Modell als Referenzsystem dar. Diese Ansätze stellen allerdings einen Unterschied in dem Stand der Forschung zwischen Psychologie und komputationeller Linguistik dar, da in dem erstgenannten Feld die Appraisaltheorien akzeptiert sind, aber bisher nie fur Textanalyse genutzt wurden.

Diesen Unterschied im Forschungsstand der verschiedenen Disziplinen verkleinern wir mit dem Projekt CEAT. Wir erstellen komputationelle Modelle auf Basis des kognitiven Appraisals von Ereignissen und, zu einem geringeren Maße, auf Beschreibungen von körperlichen Reaktionen und der Motivationskomponente von Emotionen. Als Basis für die Modellierung des kognitiven Appraisals nutzen wir die Arbeiten von Smith/Ellsworth (1985), welche zeigten, dass die Variablen wie angenehm ein Ereignis ist, wie verantwortlich man sich fühlt, wie sicher man ist, wieviel Aufmerksamkeit man dem Ereignis entgegenbringt und wieviel situationelle Kontrolle man hat, ausreichend sind um zwischen 15 Emotionen zu diskriminieren.

In diesem Projekt erstellen wir zwei Modelle um diese Appraisaldimensionen textuellen Ereignisbeschreibungen zuzuweisen, zum einen auf Basis von semantischem Parsing, zum anderen auf Basis von tiefen neuronalen Netzen. Diese Dimensionen werden dann genutzt um die Emotion vorherzusagen, welche mit dem beschriebenen Ereignis wahrscheinlich verknüpft wird. Diese Modelle werden erstmalig die Möglichkeit schaffen, Emotionen Ereignisbeschreibungen zuzuweisen, auch wenn Emotionsworte oder direkte Nennungen der Emotion nicht verfügbar sind.

Kontakt
Roman Klinger
Zum Seitenanfang