Obwohl Menschen Nicht Dieselben Gefühle Von Freude Und Trauer Empfinden, Können Modelle Zur Stimmungsanalyse Diese Verstehen.
Soziale Medien sind heute allmählich zu einem Teil des Lebens der Menschen geworden und stellen für Psychologen auch eine wichtige Datenquelle für ihre Forschung dar. Gleichzeitig versuchen Forscher, mithilfe natürlicher Sprachverarbeitung und maschineller Lernverfahren die Gefühlsschwankungen von Social-Media-Nutzern vorherzusagen.
Der plötzliche Ausbruch des neuen Coronavirus im letzten Jahr hat das Leben der Menschen tiefgreifend beeinflusst. Während dieser besonderen historischen Periode ist die Psychologie der breiten Öffentlichkeit empfindlich und zerbrechlich geworden.
Während der Epidemie verbrachten die Menschen aufgrund eingeschränkter Ausgeh- und Kontaktmöglichkeiten mehr Zeit in sozialen Netzwerken. Manche Menschen lassen ihre Unzufriedenheit mit der Arbeit und dem Leben zwangsläufig über das Internet an andere aus. Auch negative Emotionen wie Panik, Angst, Traurigkeit und Hilflosigkeit haben zugenommen.
Einer Umfrage zufolge verbringen Internetnutzer weltweit durchschnittlich 2 Stunden und 22 Minuten pro Tag in sozialen Medien.Soziale Medien sind nicht mehr länger auf soziale Funktionen beschränkt, sie sind für viele Menschen auch zu einem Ort geworden, an dem sie ihre Gefühle festhalten und ihre innersten Gedanken ausdrücken.
Ob inländische WeChat Moments, Weibo, QQ Space usw. oder ausländische Twitter-, Instagram- und Facebook-Dienste, sie alle verfügen über den Status Tausender Benutzer.
Für Psychologieforscher liefern diese Posts in den sozialen Medien zweifellos eine beträchtliche Menge an Forschungsdaten.
In ihrer neuesten Studie verwendeten die Forscher Johannes Eichstaedt von der Stanford University und Aaron Weidman von der University of Michigan Tools zur Verarbeitung natürlicher Sprache, um die Posts von Facebook-Benutzern zu analysieren.
Untersuchungen zeigen, dass Modelle des maschinellen Lernens mithilfe sozialer Medien Einblicke in die Emotionen und Stimmungsschwankungen einer Person mit einer Genauigkeit liefern können, die mit herkömmlichen psychologischen Messungen vergleichbar ist.
Lesen Sie Ihre Freuden, Sorgen, Wut und Glück aus den Zeilen
In den letzten Jahren ist die große Informationsmenge im Internet zu einer wichtigen Datenquelle in der Persönlichkeitswissenschaft geworden.Zahlreiche Untersuchungen haben gezeigt, dass die Verwendung von Social-Media-Profilen zur Kategorisierung persönlichkeitsbezogener Dimensionen effektiv ist.
Die neuesten Forschungsergebnisse von Eichstaedt und Weidman liefern ein wegweisendes Beispiel für die Verwendung der Big-Data-Analyse sozialer Medien zur Verfolgung der psychologischen Zustände von Menschen.
Probenkalibrierung
Die Autoren verwendeten zwei grundlegende emotionale Dimensionen, Valenz und Erregung, um die Emotionen von Posts auf Facebook zu bewerten.
Hinweis: „Valenz“ und „Erregung“ sind zwei Dimensionen der Bewertung von Emotionen in der Psychologie. Ersteres gibt den Grad der empfundenen Positivität/Negativität an und unterscheidet zwischen positiven und negativen Emotionen. Letzteres gibt den Grad der Ruhe/Aufregung an.
Sie ließen zunächst menschliche Forschungsassistenten mit psychologischem Hintergrund 2.895 öffentliche Facebook-Posts aus einer früheren Studie kommentieren.
Die Untersuchung half dabei, die „Valenz“ und „Erregung“ jedes Beitrags zu bewerten. Es wurde eine 9-stufige Skala verwendet (für „Valenz“: 1 = „negativ“, 9 = „positiv“ und analog für „Erregung“: 1 = „niedrig“, 9 = „hoch“).
Nachdem diese Überprüfungen abgeschlossen waren, wurden die Beiträge verwendet, um ein maschinelles Lernmodell zu trainieren, das vorhersagen konnte, welche Sprache welche Stimmung vermittelte.
Anschließend passten die Autoren eine Reihe von Modellen an diese Bewertungsdaten an, von denen jedes einen klaren möglichen Zusammenhang zwischen Valenz und Erregung zeigte.
Für inländische NLP-Forscher ist der chinesische Datensatz zur Stimmungsanalyse besser geeignet.Daher empfiehlt Super Neuro einen chinesischen Weibo-Sentimentanalyse-Datensatz aus dem NLPCC 2014.
Die Auswertungsdaten stammen von Sina Weibo. Die Aufgabe besteht darin, für das gesamte Weibo-Input zu ermitteln, ob das Weibo Emotionen enthält. Bei Microblogs, die Emotionen enthalten, müssen wir ihre Emotionsklassifizierungsergebnisse als Wut, Ekel, Angst, Freude, Sympathie, Traurigkeit und Überraschung identifizieren.
Die Datensatzdetails lauten wie folgt:
Datensatz zur Stimmungsanalyse auf chinesischem Weibo
Bereitgestellte Daten:NLPCC2014
Veröffentlichungszeit: 2014
Enthaltene Menge:Hunderttausende Microblog-Texte
Datenformat:.xml
Datengröße:18 MB
Downloadadresse:https://orion.hyper.ai/datasets/14390
Modellerstellung
Das Team verwendete das Differential Language Analysis ToolKit (DLATK), um Sprachmerkmale aus den ausgewählten Facebook-Posts zu extrahieren. Basierend auf der relativen Häufigkeit von Wörtern und Phrasen merkten sie sich Wörter, die mehr als dreimal häufiger vorkamen als Phrasen, die zufällig auftauchten. Schließlich wurden 1.439 Satzbestandteile herausgefiltert, um „Valenz“ vorherzusagen, und 675 Satzbestandteile wurden herausgefiltert, um „Erregung“ vorherzusagen.
Dann,Trainieren Sie ein Ridge-Regressionsmodell basierend auf dem gesamten Sprachmerkmalssatz, um „Valenz“ und „Erregung“ vorherzusagen.Und es wurde eine 10-fache Kreuzvalidierung verwendet (d. h. das Modell wurde auf 90% Daten erstellt und dann auf den verbleibenden 10% ausgewertet).
Die Kreuzvalidierungs-Out-of-Sample-Vorhersagegenauigkeit des Modells beträgt: Die Vorhersagegenauigkeit von „Valenz“ beträgt 0,63; die Genauigkeit von „Erregung“ beträgt 0,82. Im Vergleich mit anderen bisherigen Standardmaßen für Emotionen zeigte sich, dass das Modell genauere Schätzungen lieferte als diese alternativen Maße.
Verifizierungsbeispiel
Um das Modell zu testen, befragte das Forschungsteam 640 amerikanische Benutzer mit mehr als 65.000 Facebook-Posts, wobei die Anzahl der Befragten gleich groß war wie die der Frauen. Darüber hinaus mussten die Nutzer folgende Bedingungen erfüllen: Sie mussten mindestens 14 Wochen in Folge mehr als 10 Status-Updates posten.
Schließlich sammelte das Forschungsteam 303.575 von diesen Benutzern gepostete Beiträge als Validierungsstichprobe.
Experimentelle Ergebnisse
Der Autor visualisierte die emotionale Bewertung des Benutzers, wie in der folgenden Abbildung dargestellt. Diese beschreibt die wöchentlichen Stimmungs- und Erregungsschwankungen einer Frau (links) und eines Mannes (rechts) sowie die Vorhersagen der fünf wichtigsten Persönlichkeitsmerkmale.
Hinweis: Die fünf Hauptpersönlichkeitsmerkmale sind ein Strukturmodell, das in der modernen Psychologie zur Beschreibung von Persönlichkeitsmerkmalen verwendet wird. Beinhaltet: Extraversion, Neurotizismus, Verträglichkeit, Gewissenhaftigkeit und Offenheit für Erfahrungen.
Wie aus der Abbildung ersichtlich, weist die Benutzerin auf der linken Seite größere Gefühlsschwankungen auf und erlebt häufiger hohes Vergnügen (Valenz) und hohe Erregung (Arousal).
Im Gegensatz dazu weist der männliche Benutzer auf der rechten Seite weniger Gefühlsschwankungen auf und erlebt selten ein hohes Maß an Freude oder Erregung.
Auch dies ist eine neue Erkenntnis aus dem Experiment des Teams: Frauen neigen dazu, optimistischer zu sein und verfügen über eine größere Bandbreite an Emotionen als Männer. Dies ist ähnlich wie
Darüber hinaus stellte das Team in seiner Analyse auch Zusammenhänge zwischen den Werten „Valenz“ und „Erregung“ und den fünf wichtigsten Persönlichkeitsmerkmalen fest.
Modellbewertung
Die Facebook-Benutzer, die die Validierungsproben zur Verfügung stellten, hatten zuvor freiwillig an einem Fragebogen zum Thema „Meine Persönlichkeit“ teilgenommen, in dem ihre fünf wichtigsten Persönlichkeitsmerkmale bewertet wurden.
Die Ergebnisse zeigten, dass die Vorhersagen des maschinellen Lernmodells über ihre Persönlichkeit mit denen übereinstimmten, die mithilfe psychologischer Umfragemethoden getroffen wurden.
Fehleranalyse
Natürlich weist der Autor auch auf die aktuellen Probleme dieses Modells hin.
Erstens verwendeten sie als Stichprobe relativ aktive Facebook-Benutzer. Diese wurden ausgewählt, weil sie ausreichend häufig Statusaktualisierungen lieferten. Es ist jedoch unwahrscheinlich, dass sie für alle Amerikaner repräsentativ sind.
Zweitens haben unterschiedliche soziale Plattformen unterschiedliche Eigenschaften und Stile. Es ist noch nicht bekannt, ob die mit Facebook-Posts erzielten Ergebnisse auf andere soziale Medien wie Twitter reproduziert werden können.
Daher sind diese Einschränkungen und universellen Probleme auch Richtungen, die Forscher in Zukunft weiter untersuchen müssen.
Soziale Plattformen bieten unbegrenztes Potenzial für die Psychologie
Für viele Menschen sind soziale Plattformen vielleicht nicht mehr als ein Ort, an dem sie ihr Leben teilen, schöne Fotos machen und Klatsch und Tratsch lesen, aber tatsächlich bergen sie großes Potenzial für die psychologische Forschung.
Durch Data Mining und maschinelles Lernen können wir Signale aus riesigen Datenmengen extrahieren, Menschen mit emotionalen Störungen wie Depressionen und Angstzuständen identifizieren und dann rechtzeitig Behandlungsmaßnahmen ergreifen. Diesbezüglich gibt es in China bereits ausgereifte Fälle.
Huang Zhisheng, ein Wissenschaftler für künstliche Intelligenz an der Vrije Universiteit Amsterdam, Niederlande,Im Jahr 2018 wurde ein KI-Programm namens „Tree Hole Rescue Team“ entwickelt, um auf Weibo nach Selbstmord-Posts zu suchen.Anschließend wird durch „Hinweise“ der Standort von Benutzern mit Selbstmordgedanken ermittelt und rechtzeitig werden freiwillige Rettungskräfte entsandt, um sie zu finden und ihnen den Weg zu weisen.
Auch heute noch ist dieses Team von Freiwilligen an vorderster Front der psychologischen Beratung aktiv.
Darüber hinaus wird eine Sentimentanalyse-Technologie basierend auf sozialen Medien,Darüber hinaus können damit die psychologischen Auswirkungen traumatischer Ereignisse (wie etwa schwerer Erdbeben, Kriege, der COVID-19-Epidemie usw.) auf die Menschen verfolgt werden. Dadurch können Regierungsbehörden die öffentliche Meinung wirksam beeinflussen, wissenschaftliche Hilfe leisten und die Emotionen der Bevölkerung beschwichtigen.
Was Einzelpersonen betrifft, können wir diese Tools in Zukunft vielleicht nutzen, um die kleinen Emotionen unserer Freunde/Freundinnen zu analysieren, sodass wir nicht mehr raten müssen~
Nachrichtenquelle:
https://hai.stanford.edu/blog/can-artificial-intelligence-map-our-moods