【導(dǎo)讀】以往的情緒分類研究由于數(shù)據(jù)的限制，只能局限于六種基本的情緒分類。好消息終于來(lái)了，Google最近發(fā)布迄今為止最強(qiáng)情緒分類數(shù)據(jù)集GoEmotions，情緒類別提升到28種，并且每個(gè)類別標(biāo)簽的質(zhì)量都超高！

互聯(lián)網(wǎng)文化的興起，讓NLP研究員也是壓力山大，不光要搜集傳統(tǒng)的語(yǔ)料，新興的各種梗表達(dá)的微妙情緒也只能讓機(jī)器學(xué)習(xí)模型直呼看不懂。

情緒的表達(dá)在社交軟件上十分關(guān)鍵，影響著人們的交流方式和社交關(guān)系的塑造，在語(yǔ)言方面尤其如此，只要幾個(gè)詞就能表達(dá)各種各樣的微妙和復(fù)雜的情感。

因此，使機(jī)器能夠理解上下文和情感一直是研究界的一個(gè)長(zhǎng)期目標(biāo)，這反過(guò)來(lái)又將支持各種應(yīng)用，包括情感聊天機(jī)器人、檢測(cè)負(fù)面情緒的網(wǎng)絡(luò)行為模型以及改善消費(fèi)者的互動(dòng)反饋。

在過(guò)去的十年里，NLP 研究界已經(jīng)為基于語(yǔ)言的情感分類提供了一些數(shù)據(jù)，大多數(shù)都是人工標(biāo)注的，涵蓋了多個(gè)目標(biāo)領(lǐng)域，如新聞標(biāo)題、電影字幕、甚至童話故事，但規(guī)模往往相對(duì)較小，或者只關(guān)注于1992 年提出的六種基本情緒：憤怒（anger）、驚訝（surprise）、沮喪（disgust）、快樂(lè)（joy）、恐懼（fear）和悲傷（sadness）。

雖然這些情緒數(shù)據(jù)能夠?qū)η榫w進(jìn)行初步、粗糙的分類，但這些數(shù)據(jù)集在建立時(shí)也強(qiáng)調(diào)需要在更廣泛的情緒集上建立一個(gè)大規(guī)模的數(shù)據(jù)集，以在更廣泛范圍促進(jìn)未來(lái)潛在應(yīng)用。

Google 最近就帶來(lái)了一個(gè)全新的情緒數(shù)據(jù)集GoEmotion，包含了58000個(gè)人工標(biāo)注的Reddit 評(píng)論，并且將情緒分為28個(gè)類別。作為迄今為止標(biāo)注最詳細(xì)的英語(yǔ)情感數(shù)據(jù)集，Google從心理學(xué)和數(shù)據(jù)適用性上設(shè)計(jì)了一個(gè)GoEmotion情感分類法。

和只有一種積極情緒（joy）的六種基本情緒相比，新的分類包括12種積極情緒、11種消極情緒、4種模棱兩可的情緒類別和1種中立情緒，能夠廣泛適用于需要微妙區(qū)分情緒表達(dá)的對(duì)話理解任務(wù)。

數(shù)據(jù)集的初衷是建立一個(gè)以對(duì)話數(shù)據(jù)為重點(diǎn)的大型數(shù)據(jù)集，其中情感是交流的關(guān)鍵組成部分。由于Reddit平臺(tái)提供了大量公開的內(nèi)容，包括用戶與用戶之間的直接對(duì)話，因此它也成為了情緒分析的絕佳場(chǎng)景和資源。

為了建立具有廣泛代表性的情感模型，研究人員采用了數(shù)據(jù)修復(fù)措施以確保數(shù)據(jù)集沒(méi)有改變通用性、情感特定性和語(yǔ)言偏見。

這一點(diǎn)尤其重要，因?yàn)镽eddit的平臺(tái)也具有用戶群體的偏差，年輕的男性使用者居多，其中的評(píng)論也無(wú)法反映全球不同的人口的情緒表達(dá)。

并且Reddit 還有一些攻擊性的語(yǔ)言，為了解決這些問(wèn)題，需要使用預(yù)先定義的攻擊性、少兒不宜、粗俗內(nèi)容以及宗教的術(shù)語(yǔ)來(lái)識(shí)別和過(guò)濾劣質(zhì)評(píng)論。

除此之外，Google還對(duì)數(shù)據(jù)進(jìn)行了額外的過(guò)濾，如限制文本長(zhǎng)度，并對(duì)數(shù)據(jù)集中所表達(dá)的情感和感受進(jìn)行平衡，防止過(guò)度某些情感占比過(guò)多。

GoEmotion分類法在設(shè)計(jì)的時(shí)候主要考慮同時(shí)最大化三個(gè)目標(biāo)：

1、最大限度地涵蓋Reddit數(shù)據(jù)中表達(dá)的情緒；

2、提供覆蓋最廣泛的情緒表達(dá)類型；

3、限制情緒類別的總體數(shù)量，并且不能互相重疊。

這種分類法能夠有效地理解數(shù)據(jù)驅(qū)動(dòng)的精細(xì)情緒，同時(shí)也解決了某些情緒的潛在數(shù)據(jù)稀疏性。

建立整個(gè)分類體系是迭代過(guò)程，包含定義和細(xì)化情緒標(biāo)簽。在數(shù)據(jù)標(biāo)記階段，研究人員實(shí)際總共考慮了56種情緒類別。從這些樣本中，消除了那些被標(biāo)注人員（rater）選擇得很少、與其他情緒相似并且相互作用程度較低的情緒、難以從文本中檢測(cè)到的情緒。

并且還額外增加了rater在數(shù)據(jù)標(biāo)注過(guò)程中建議新增的情緒，這些情緒能夠很好地描述在評(píng)論數(shù)據(jù)中的情緒。

最后，研究人員對(duì)情感類別名稱進(jìn)行了細(xì)化，以最大限度地提高可解釋性和相互關(guān)聯(lián)的一致性，在標(biāo)簽的設(shè)置上，94%的樣本需要至少有兩個(gè)rater 同意至少一個(gè)情感標(biāo)簽。

在實(shí)驗(yàn)過(guò)程中可以發(fā)現(xiàn)，GoEmotion 的分類方法產(chǎn)生的情緒在數(shù)據(jù)中的分布并不是均勻的。正向情緒的出現(xiàn)頻率更高，這也讓研究人員意識(shí)到僅有六個(gè)基礎(chǔ)情緒類別是遠(yuǎn)遠(yuǎn)不夠的。

為了驗(yàn)證分類的選擇是否與數(shù)據(jù)相匹配，研究人員進(jìn)行了主保留成分分析（principal preserved component analysis, PPCA），這是一種通過(guò)提取情感判斷的線性組合來(lái)比較兩個(gè)數(shù)據(jù)集的方法，在兩組rater 之間顯示出最高的聯(lián)合可變性（joint variability）。它有助于發(fā)現(xiàn)rater 之間的情感維度是否高度一致。PPCA常被用來(lái)理解視頻和語(yǔ)音中情感識(shí)別的主要維度，也可以用它來(lái)理解文本中情感的主要維度。

通過(guò)實(shí)驗(yàn)可以發(fā)現(xiàn)每個(gè)成分都是顯著的（所有維度的p值<1.5e-6），表明每個(gè)情緒都捕捉到數(shù)據(jù)的獨(dú)特部分。這可以說(shuō)是一個(gè)巨大的提升，因?yàn)樵谝郧暗恼Z(yǔ)言情感識(shí)別工作中，30個(gè)維度中大約只有12個(gè)維度被認(rèn)為是有意義的。

研究人員還根據(jù)rater 的情緒判斷之間的相關(guān)性來(lái)研究定義情緒的聚類。采用這種方法，當(dāng)兩種情緒經(jīng)常被rater 共同選擇時(shí)，這兩種情緒可以被聚類在一起。

研究結(jié)果發(fā)現(xiàn)，盡管GoEmotion 分類法中沒(méi)有預(yù)先定義情感（sentiment）的概念，但在情感（消極、積極和模棱兩可）方面相關(guān)的情緒能夠聚合在一起，表明了rater 的數(shù)據(jù)標(biāo)注質(zhì)量很高，和數(shù)據(jù)標(biāo)注的一致性。

例如，如果一個(gè)rater 選擇給一個(gè)評(píng)論的標(biāo)簽是興奮（excited），那么另一個(gè)rater 也更有可能選擇一種相關(guān)的情緒，比如快樂(lè)（joy），而不是說(shuō)選擇恐懼（fear）。

一個(gè)比較意外的情況是所有模棱兩可的情緒都能夠聚集在一起，并且它們與積極的情緒更緊密地結(jié)合在一起。

同樣地，在強(qiáng)度上相關(guān)的情緒，如joy和excitment、nervousness和fear、sadness和grief、annoyance和anger，也密切相關(guān)。

雖然GoEmotions提供了一組人類注釋的情感數(shù)據(jù)，但也存在一些額外的情感數(shù)據(jù)沒(méi)有包含在內(nèi)，其他數(shù)據(jù)集一般使用啟發(fā)式的方法來(lái)自動(dòng)標(biāo)記弱類型的情緒。

主流的啟發(fā)式方法使用與情緒相關(guān)的Twitter標(biāo)簽作為情緒類別，無(wú)需人工參與就可以生成大量數(shù)據(jù)。但這種方法也受到多種限制：

1、Twitter上使用的語(yǔ)言與許多其他語(yǔ)言領(lǐng)域明顯不同，從而限制了數(shù)據(jù)的適用性；

2、標(biāo)簽是人類產(chǎn)生的，直接使用時(shí)容易重復(fù)、重疊和其他分類不一致；

3、這種Twitter方法的特殊性限制了它在其他語(yǔ)言群體中的應(yīng)用。

GoEmotion 提供了一種替代的、更容易使用的啟發(fā)式方法，將Emoji嵌入到用戶對(duì)話中，作為情感類別的代理（proxy）。這種方法可以應(yīng)用于任何包含合理的Emoji的對(duì)話中，因?yàn)镋moji比Twitter標(biāo)簽更標(biāo)準(zhǔn)化，更少稀疏，所以它們的不一致性更少。

需要注意的是兩種方法，無(wú)論是使用Twitter標(biāo)簽還是emoj，都不是直接針對(duì)情感理解，而是針對(duì)對(duì)話的變體。

例如，在下面的對(duì)話中，

關(guān)鍵詞： 情緒 類別 情感