基于 OCC 模型和情绪诱因事件抽取的细颗粒度情绪识别方法研究

作者：沈丽宁; **艺; 裴家旋; 曹广; 陈功正

来源：数据分析与知识发现, 2022, 1-18.

• OCC模型
• 细颗粒度情绪分析
• 情绪诱因
• 事件抽取
• 深度学习

[目的]从情绪诱因事件角度丰富传统细颗粒度情绪分析中的事件逻辑。 [方法]分析OCC模型中的情绪生成规则和条件，利用事件抽取和文本分类方法生成＜事件，情绪＞二元组。 [结果]研究构建了情绪生成规则，情绪类别划分具有理论基础。模型能够有效识别情绪诱因事件（F1=0.9338）及情绪（F1=0.9637），生成＜事件，情绪＞二元组（F1=0.8826），实现事件级细颗粒度情绪分析。 [局限]情绪生成规则结构简单，难以体现网民情绪的多样性。现阶段构建的语料集存在领域局限性，每条语料只包含一种类型情绪诱因事件。 [结论]通过借助 OCC 模型将事件评价和情绪相关联，让情绪识别更接近人类思维方式。模型的理解性和迁移性较强，提升了现有研究中情绪对象的粒度层次，为文本情绪分析领域研究提供新思路。

• 单位
  华中科技大学同济医学院