Файл: Невербальные проявления эмоциональных состояний человека (Невербальные проявления эмоциональных состояний)..pdf

Анализ тональности текста

В данный момент существует несколько аналогов, для определения тональности текстовой информации. За последнее время чувствуется прирост в потребности инструментов, позволяющих провести обработку отзывов пользователей, основанной на тональности текста. В основном, все они опираются на методологию, основывающуюся на тональных словарях, с применением дополнительных методов анализа и классификации. Эти словари содержат в себе различные фразы и слова, а также их тональную оценку. Каждый язык и каждая область, предназначенная для тонального анализа, должны иметь свой собственный эмоциональный словарь, позволяющий учесть индивидуальные особенности, для более точной оценки текста.

Анализ тональности текста является одной из задач компьютерной лингвистики. Существует несколько методов тональной классификации текста. Условно все эти методы можно разделить на следующие категории:

- методы, основанные на правилах. Состоит из набора правил, с помощью которых производится анализ на наличие тональности в тексте;

- методы, основанные на словарях. Использует тональные словари, для текстового анализа;

- машинное обучение с учителем. Основная идея заключается в обучении классификатора на заранее известной коллекции текстов. Затем эту модель можно будет применять для анализа и тональной классификации новых текстов;

- машинное обучение без учителя. Метод опирается на правила, по которым выявляет эмоционально окрашенные слова. На основе их тональности, определяется общая тональность всего текста;

- метод, основанный на теоретико-графовых моделях, основывается на предположении, что не все слова вносят одинаковый вклад в общую тональность текста. На основе наиболее сильного и слабого влияния строится граф, по исследуемому тексту.

Для разработки программного продукта были выделены следующие этапы:

- Импорт документа в текстовом формате с удалением ненужной информации (изображений, разметки, гиперссылок и т. д.).

- Создание текстового классификатора. Этот процесс разбивается на следующие шаги:

• выявление субъекта и объекта текста;

• выделение базы однокоренных слов для приведения их к одинаковому виду («стемминг»);

• выделение наиболее значимых слов, которые сильнее всего влияют на рейтинг отзыва при помощи метода тональных словарей;

• обучение нейронной сети;

• тестирование полученной программы.

В качестве базы текстов использовались наборы отзывов с различных сайтов. Для анализа веб-страниц сайтов используется библиотека HtmlAgilityPack. Данная библиотека написана на языке программирования C# и позволяет анализировать и генерировать HTML-файлы. Также существует возможность анализа синтаксически неверных HTML-файлов. Для приведения слов к нормальной форме была применена библиотека морфологического анализа.

---

Программное обеспечение, разработанное на языке программирования С#, позволяет выбрать комментарии пользователей c различных сайтов. Приложение также выделяет объект и субъект комментариев. Присутствует возможность сохранения и загрузки проанализированной информации в файл. Сохранение данных необходимо для хранения проанализированных комментариев и дальнейшей работы с ними.

Программное обеспечение позволяет дать тональную оценку выявленных комментариев. Для этого подаются обработанные ранее отзы­вы пользователей, автор отзыва, объект, о ко­тором выражается эмоция, и одна из пяти тема­тик, а именно: цифровые камеры, фильмы, рес­тораны, книги, автомобили.

Программа реализована методом тональных словарей. Каждый из словарей, на которых строится программа, содержит в себе 10000 слов. Словам приводится оценка от 0 до 5 в следую­щих форматах: позитивный, негативный, ней­тральный, неизвестный. Все эти лексиконы бы­ли взяты из работы [6] и бесплатны для неком­мерческого использования.

В данный момент каждое слово в коммен­тарии сверяется со словами в лексиконе. Если слово присутствует в тональном словаре, ему присваивается величина одной из квалифика­ций. На основе всех выделенных слов дается оценка комментарию. На рис. 5 представлен пример проанализированного отзыва на пред­мет тональной составляющей.

Рис. 5. Результат работы программы после применения тонального анализа

В данной работе было проведено несколько экспериментов. Их суть заключалась в выявлении комментариев, и присвоение им тональной оценки (положительной, отрицательной или нейтральной) при помощи программного обеспечения. Затем проверялась точность распознавания эмоций. Также была дана количественная оценка успешно приведенных к нормальной форме слов. В табл. 1 приведен пример результатов работы программы.

Таблица 1. Результат анализа комментариев о фильме «Человек-паук: Возвращение домой»

Наименование объекта	Человек-паук: Возвращение домой
Количество положительных комментариев	32
Количество нейтральных комментариев	25
Количество отрицательных комментариев	21
Количество верно определенной тональности комментариев при помощи программы	67
Процентное соотношение верно определенной тональности к общему количеству комментариев	86 %

---

Из результатов экспериментов было выявлено, что комментарии пользователей находились без потери информации, а также с выявлением объекта и субъекта. Приведение к нормальной форме слова проходило удачно в 94 % случаев. Метод анализа комментариев по тематике различным тематикам определил тональность верно по каждой тематике не менее чем в 84 % случаев.

В дальнейшем планируется добавить искусственную нейронную сеть для анализа комментариев и использовать ранее разработанные подходы для автоматического выявления схожих текстов [8]. Для обучения нейросети будет подаваться полученная ранее с помощью лексикона тональная оценка и соответствующий комментарий пользователя. На выходе планируется получить финальную тональную оценку комментария.

Для оценки работы нейронной сети необходимо привлечение экспертов. Их главной задачей будет определение точности проведенного анализа комментариев.

Восприятие эмоциональных экспрессий лица человека

Проблема восприятия состояния человека по мимике лица активно разрабатывается современной наукой. В психологии получен большой эмпирический материал, раскрывающий природу мимических экспрессий, условия и способы их распознавания, роль выражений лица в регуляции взаимодействия людей; предложен ряд концепций, описывающих различные аспекты межличностного восприятия.

Для оценки особенностей восприятия различных экспрессий лица был разработан аппаратно-программный комплекс, представляющий собой приложение для просмотра, фиксации и визуализации перемещения взгляда пользователя на языке C# с использованием камеры Tobii Eye Tracker 4C.

Были проведены эксперименты, целью которых было выявление закономерностей в восприятии человеком базовых эмоций с помощью анализа перемещения взгляда в зонах интереса при просмотре видео разного эмоционального окраса.

Для проведения эксперимента был составлен набор из 6 тестовых стимулов, каждый из которых представляет собой видео файл, содержащий последовательность кадров изменения мимики человека от нейтрального положения до целевой эмоции. Естественный фон обрезан по контуру головы. Длина каждого видео составляет 1 с - 30 кадров. Графическое представление видеофайла отображено на рис. 6.

Рис. 6. Последовательность кадров видео

Были выделены четыре зоны интереса для исследования восприятия эмоций: левый глаз, правый глаз, нос, рот. Исследуемые зоны интереса представлены на рис. 7.

---

Рис. 7. Зоны интереса: 1 - левый глаз; 2 - правый глаз; 3 - нос; 4 - рот

Исследуемой величиной является общая продолжительность в зоне интереса, измеряемая в миллисекундах.

Также исследованию подлежал анализ правильности распознавания продемонстрированной эмоции посредством выбора соответствующего тега. В интерфейсе программы пользователю предлагалось выбрать тег, описывающий, какая эмоция была продемонстрирована.

Для визуализации перемещения взгляда был использован метод графический представления данных тепловая карта.

В тестировании принимало участие 10 человек, 5 мужчин и 5 женщин в возрасте от 20 до 25 лет. Согласно инструкции, испытуемым было необходимо зафиксировать взгляд на представляемом ему стимуле, во время чего, посредством камеры Tobii Eye Tracker 4C фиксировались перемещения взгляда и записывались в файл для анализа. По завершении каждой пробы необходимо было выбрать тег в окне программы, соответствующий продемонстрированной эмоциональной экспрессии.

По завершении каждой пробы испытуемому необходимо было выбрать тег в окне программы, соответствующий продемонстрированной эмоциональной экспрессии. Результаты анализа правильности распознавания испытуемым базовой эмоции приведены в табл. 2.

Таблица 2. Соотношение числа верно определенных эмоций к неправильно определенным

Выбираемая эмоция	Демонстрируемая эмоция
	Радость	Гнев	Страх	Печаль	Отвращение	Удивление
Радость	0,81	0,02	0,03	0,02	0,04	0,03
Гнев	0,02	0,54	0,07	0,08	0,18	0,08
Страх	0,03	0,07	0,71	0,06	0,08	0,12
Печаль	0,02	0,08	0,06	0,56	0,05	0,09
Отвращение	0,04	0,18	0,01	0,05	0,62	0,03
Удивление	0,03	0,08	0,12	0,09	0,03	0,61

---

По результатам проведенного исследования изображений можно сделать вывод, что при экспозиции экспрессий лица количество фиксаций происходит в левой половине в большей степени. На выделенные зоны интереса затрачивается большая часть времени восприятия. Максимальная продолжительность осмотра приходится на зону носа и переносицы, в меньшей степени на зону рта и глаз. Также нетрудно заметить из табл. 2, что сильная экспрессия, такая как радость, страх и удивление распознается лучше, чем остальные. Полученные результаты и предложенные методы оценки интереса участков изображения применяются в работе по распознаванию эмоциональных состояний [7].

ЗАКЛЮЧЕНИЕ

Системы распознавания эмоций человека – это развивающиеся системы, используемые во многих областях деятельности человека, таких как научные исследования, маркетинг, психология, медицина, usability-тестирование, оценка эффективности печатной рекламы, дизайн и др.

В данной работе были рассмотрены три подхода к определению эмоциональности человека:

1) метод, основанный на анализе видеоизображения и жестов рук. Использует данные о распознанном жесте для увеличения точности прогнозирования эмоций с использование сенсора Leap Motion. Была описана модель жестов человека при проявлении таких эмоций, как удивление, счастье, страх, злость и печаль. В результате проведенного исследования было показано, что комбинирование традиционного подхода к определению эмоциональности человека по видео изображению с подходом, основанным на анализе движений рук человека, показывает высокую эффективность в задачах распознавания эмоций. С развитием методов, захвата, анализа движений и жестов рук человека возможно добиться высокой точности прогнозирования всех, проявляемых человеком, эмоций;

2) метод на основе анализа тональности текста.

Описывается программное обеспечение, позволяющее дать тональную оценку комментариев пользователей на заданном сайте. Тональная оценка определялась с помощью тональных словарей объемом 10000 слов. Тональность текста классифицировалась на три группы: позитивная, отрицательная или нейтральная. В результате проведенного эксперимента данный метод показал высокую точность определения эмоционального окраса текста; 3) метод, основанный на анализе мимики и движения глаз. Данный метод описывает закономерности перемещения взгляда человека при восприятия эмоциональных экспрессий. Описывается эксперимент, проведенный с участием 10 человек на аппаратно-программном комплексе, представляющий собой приложение для просмотра, фиксации и визуализации перемещения взгляда пользователя на языке C# с использованием камеры Tobii Eye Tracker 4C.

---