Aschenbrenner, Andreas (2019): Emotionserkennung bei Nachrichtenkommentaren mittels Convolutional Neural Networks und Label Propagationsverfahren. Dissertation, LMU München: Fakultät für Psychologie und Pädagogik |
Vorschau |
Lizenz: Creative Commons: Namensnennung-Weitergabe unter gleichen Bedingungen 4.0 (CC-BY-SA)
Aschenbrenner_Andreas.pdf 4MB |
Abstract
Das Ziel dieser Arbeit ist es, anhand der textuellen Emotionserkennung einen Schulterschluss zwischen der Psychologie und der Computerlinguistik herzustellen. Gängige und in der Emotionserkennung verwendete Modelle werden bewertet. In dem dafür erstellten Bewertungsframework werden Validität, Anzahl der Dimensionen bzw. Anzahl der diskreten Emotionen, Vollständigkeit, Balance, Struktur und Realisierbarkeit gegenübergestellt. Nach Eingrenzung auf geeignete Emotionsmodelle wurde ein Datensatz anhand der Emotionstheorie von Merten & Krause (1993) annotiert. Anhand bisheriger Sentimentanalyseforschungen werden Fragestellungen zur Ebene der Granularität, zur methodischen Herangehensweise, zur Datenreduktion und -anreicherung herausgearbeitet. Ergebnisse der Anwendung eines Ansatzes mittels Convolutional Neural Network und des Labelpropagationsverfahrens wurden statistisch gegenübergestellt und zur Klärung der Hypothesen verwendet. Aus psychologischer Perspektive konnte die Struktur der Emotionen näher eingegrenzt und eine praktikable Methode zur Emotionsbestimmung herausgearbeitet werden. Aus computerlinguistischer Sicht stellten sich kürzere Eingabephrasen, der maschinelle Lernansatz, Datenbereinigung und -reduktions-verfahren sowie die Anwendung einer Negation als zielführend heraus.
Dokumententyp: | Dissertationen (Dissertation, LMU München) |
---|---|
Keywords: | Emotion, Emotionserkennung, feingranulare Sentimentanalyse, Word Embeddings, Convolu-tional Neural Network, Labelpropagationsverfahren |
Fakultäten: | Fakultät für Psychologie und Pädagogik |
Sprache der Hochschulschrift: | Deutsch |
Datum der mündlichen Prüfung: | 25. April 2019 |
1. Berichterstatter:in: | Spies, Marcus |
MD5 Prüfsumme der PDF-Datei: | 5e1e5ed5ab6ee967b9e7fef6f4bfb394 |
Signatur der gedruckten Ausgabe: | 0001/UMC 26797 |
ID Code: | 25295 |
Eingestellt am: | 13. Dec. 2019 10:13 |
Letzte Änderungen: | 23. Oct. 2020 14:40 |