Lernen von Emotionen mit Hilfe automatisierter Techniken zur Erfassung von Affekten

In einer zunehmend digitalisierten Welt ist es fraglich, ob die Menschheit eines Tages neu definiert werden muss. Wenn chemische Prozesse, wie z.B. Emotionen, eines Tages von "digitalen Wesen" verstanden werden, würde die Menschheit wahrscheinlich in die "Transisto-Sapiens"-Ära eintreten. In diesem Projekt liegt der Schwerpunkt auf der Erkennung von Gefühlen in Texten. Sie stammen aus Twitter, einem sozialen Medium, das es seiner Community ermöglicht, die Frage zu beantworten: "Was machst du gerade?" in 140 Zeichen zu beantworten, weisen diese Texte in der Regel einen Mangel an grammatikalischer Struktur auf. Der klassische Ansatz mit Werkzeugen wie einem Satzparser oder einem POS-Tagger ist nicht anwendbar. Da nur ein geringer Informationsgehalt vorhanden ist, würde eine zu strenge Merkmalsreduzierung oft dazu führen, dass überhaupt kein Text vorhanden ist. Es ist daher von Interesse, die Genauigkeit zu bewerten, die man bei einem nicht vorverarbeiteten Korpus erwarten kann. Wenn man sich ausschließlich auf Oberflächenmerkmale konzentriert, ist eine Metrik erforderlich, die den emotionalen Gehalt eines bestimmten Konzepts misst. Soweit dem Autor bekannt ist, wurde dies bisher noch nicht getan. Unter Verwendung von WordNet in Kombination mit dem affektiven Modell von Plutchik wurde daher eine einfache kantenbasierte Metrik entwickelt.