5
правок
Изменения
Нет описания правки
! style="font-weight:bold;" | Недостатки
|-
| Ядоллахи и другие (Yadollahi et al., 2017)<ref>Ali Yadollahi, Ameneh Gholipour Shahraki, and Osmar R. Zaiane. Current State of Text Sentiment Analysis from Opinion to Emotion Mining. ACM Computing Surveys (CSUR), 50(2):25:1-25:33, 2017.</ref>
| Исследование
| -
| -
|-
| Бинали и другие (Binali et al., 2010)<ref>Haji Binali, Chen Wu, and Vidyasagar Potdar. Computational Approaches for Emotion Detection in Text. Digital Ecosystems and Technologies (DEST), 2010 4th IEEE International Conference on, pages 172-177, 2010.</ref>
| Исследование и предложение подхода
| Комбинация методов, основанных на ключевых словах и обучении
| -
|-
| Каналес и другие (Canales et al., 2014)<ref>Lea Canales, and Patricio Martinez-Barco. Emotion Detection from Text: A Survey. Processing in the 5th Information Systems Research Working Days (JISIC 2014), pages 37-43, 2014.</ref>
| Исследование
| -
| Предложено новое направление в глубоком анализе, но не объяснено в деталях
|-
| Чопаде и другие (Chopade at al., 2015)<ref>Chetan R. Chopade. Text Based Emotion Recognition: A Survey. International Journal of Science and Research (IJSR), 4(6):409-414, 2015.</ref>
| Исследование
| -
| -
|-
| Трипати и другие (Tripathi et al., 2016)<ref>Vaibhav Tripathi, Aditya Joshi, and Pushpak Bhattacharyya. Emotion Analysis from Text: A Survey. http://www.cfilt.iitb.ac.in/resources/surveys/emotion-analysissurvey-2016-vaibhav.pdf.</ref>
| Исследование
| -
| -
|-
| Као и другие (Kao et al., 2009)<ref>Edward Chao-Chun Kao, Chun-Chieh Liu, Ting-Hao Yang, Chang-Tai Hsieh, and Von-Wun Soo. Towards Text-Based Emotion Detection a Survey and Possible Improvements. Information Management and Engineering, 2009. ICIME’09. International Conference on, IEEE, pages 70-74, 2009.</ref>
| Исследование и предложение подхода
| Метод логического обоснования
| Предложенный метод не был реализован
|-
| Шивхаре и другие (Shivhare et al., 2012)<ref>Shiv Naresh Shivhare, and Saritha Khethawat. Emotion Detection from Text. 2012.</ref>
| Исследование и предложение подхода
| Алгоритм детектора эмоций, основанный на эмоциональной онтологии
| Предложенный метод не был реализован
|-
| Гупта и другие (Gupta et al., 2017)<ref>Umang Gupta, Ankush Chatterjee, Radhakrishnan Srikanth, and Puneet Agrawal. A Sentiment-and-Semantics-Based Approach for Emotion Detection in Textual Conversations. Neu-IR: Workshop on Neural Information Retrieval, SIGIR 2017, ACM, arXiv preprint arXiv:1707.06996., 2017.</ref>
| Новый подход
| Модель глубого обучения, основанная на [[Долгая краткосрочная память|LSTM]]
| Невозможность учитывания контекста
|-
| Десмет и другие (Desmet et al., 2013)<ref>Bart Desmet, and VeRonique Hoste. Emotion Detection in Suicide Notes. Expert Systems with Applications, 40(16):6351-6358, 2013.</ref>
| Новый подход
| Обработка естественного языка и анализ настроения
| Недостаточно данных; невозможно определить редкие эмоции; не содержит отрицаний
|-
| Дини и другие (Dini et al., 2016)<ref>Luca Dini, and Andre Bittar. Emotion Analysis on Twitter: The Hidden Challenge. Language Resources and Evaluation Conference (LREC), 2016.</ref>
| Новый подход
| Символьный подход и машинное обучение
| Проверка качества нуждается в двух новых корпусах
|-
| Мохаммад и другие (Mohammad et al., 2017)<ref>Saif M. Mohammad, and Felipe Bravo-Marquez. Emotion Intensities in Tweets. Proceedings of the Sixth Joint Conference on Lexical and Computational Semantics (*Sem), 2017.</ref>
| Новый подход
| Лучшее худшее масштабирование (англ. Best Worst Scaling)
| Точность не проверена
|-
| Сумма и другие (Summa et al., 2016)<ref>Anja Summa, Bernd Resch, Geoinformatics-Z. GIS, and Michael Strube. Microblog Emotion Classification by Computing Similarity in Text, Time, and Space. Proceedings of the Workshop on Computational Modeling of People’s Opinions, Personality, and Emotions in Social Media, pages 153-162, 2016.</ref>
| Новый подход
| Междисциплинарный подход
| Точность не высока; выбор парметров случаен
|-
| Сен и другие (Sen et al., 2017)<ref>Anirban Sen, Manjira Sinha, Sandya Mannarswamy, and Shourya Roy. Multi-Task Representation Learning for Enhanced Emotion Categorization in Short Text. PacificAsia Conference on Knowledge Discovery and Data Mining, Springer, Cham, pages 324-336, 2017.</ref>
| Новый подход
| Совместно обучаемая модель для эмоций и настроения
| -
|-
| Джейн и другие (Jain et al., 2017)<ref>Vinay Kumar Jain, Shishir Kumar, and Steven Lawrence Fernandes. Extraction of Emotions from Multilingual Text using Intelligent Text Processing and Computational Linguistics. Journal of Computational Science, 2017.</ref>
| Исследование и предложение подхода
| Машинное обучение (метод опорных веторов, наивный байесовский классификатор)
| Предложенный фреймворк фокусируется только на темах, связанных с политикой, здоровьем или спортом
|-
| Канг и другие (Kang et al., 2017)<ref>Xin Kang, Fuji Ren, and Yunong Wu. Exploring Latent Semantic Information for Textual Emotion Recognition in Blog Articles. IEEE/CAA Journal of Automatica Sinica, 2017.</ref>
| Новый подход
| Байесовская модель
<h3>Результаты</h3>
[[Файл:Emotionalnetwork.jpg|500px|thumb|right|Эмоциональная сеть. Источник: <ref>https://prism.ucalgary.ca/bitstream/handle/1880/107533/ucalgary_2018_sailunaz_kashfia.pdf;jsessionid=92537BF3ACE14E77D0D02CB537FA8B74?sequence=1</ref>]]
Каждый шаг метода был выполнен на языке R, с использованием различных пакетов для сетей, графов, матриц, обработки естественного языка, слов, частей речи и синонимов. Несколько матриц и кадров данных были использованы для промежуточных вычислений.
*[[Общие понятия#Типы задач|Классификация]]
*[[Классификация текстов и анализ тональности#Задачи анализа тональности текста|Задачи анализа тональности текста]]
*[[Дерево решений и случайный лес#Дерево решений|Дерево решений]]
*[[Байесовская классификация#Наивный байесовский классификатор|Наивный байесовский классификатор]]
*[[Метрический классификатор и метод ближайших соседей|Метод ближайших соседей]]
*[[Метод опорных векторов (SVM)|Метод опорных векторов]]
<h2>Примечания</h2>
