Vì vậy, bạn có thể quen thuộc với Word2Vec, (W2V) như Wikipedia mô tả 1 "nắm bắt bối cảnh ngôn ngữ của các từ" bằng cách sử dụng số học vectơ. Ví dụ: trừ 'Paris' khỏi 'Pháp' và thêm 'Ý' và bạn nhận được 'Rome'.
Những gì bạn cần là một cái gì đó giống như một Sentiment2Vec (S2V) nắm bắt những điểm tương đồng giữa các chuyển đổi cảm xúc. Một cái gì đó như: trừ 'nỗi sợ' khỏi 'nỗi buồn', thêm 'niềm vui' và bạn có được 'hy vọng'. Hoặc: trừ 'sting' từ 'papercut', thêm 'smashing' và bạn nhận được 'nhói'.
Điều hấp dẫn là bạn không có một tập hợp các bối cảnh cảm xúc dễ tiếp cận để rèn luyện, giống như bạn có bằng lời nói. Nếu bạn có một triệu giờ fMRI - ánh xạ chuyển tiếp giữa các cảm xúc trong hàng trăm đối tượng - thì bạn có thể sử dụng dữ liệu đó để tạo S2V. Bạn có thể không có dữ liệu đó mặc dù.
Trong lúc này, bạn chỉ có thể xây dựng một W2V chuyên về tình cảm. Bạn thậm chí có thể thử sử dụng một công cụ phân tích tình cảm hiện tại để khởi động nó. Có lẽ nếu bạn đọc đủ văn bản có nội dung "Tôi đã cắt giấy và nó bị kẹt" và "Tôi đã đập ngón tay của mình và nó đau nhói" thì cuối cùng bạn cũng có thể tạo ra một chiếc S2V. Sách thiếu nhi thường sử dụng ngôn ngữ rõ ràng liên quan đến bối cảnh tình cảm ("điều này khiến cậu bé cảm thấy buồn").
Nhưng các từ vẫn còn khác xa với bối cảnh trải nghiệm mà một bản đồ kết nối sẽ cung cấp. Để kiểm tra xem bạn có thứ gì hữu ích hay không, bạn có thể muốn triển khai S2V của mình trong mô phỏng tìm kiếm chuột - xem liệu nó có tạo ra hành vi điển hình hay không và bất kỳ động lực hợp tác hoặc cạnh tranh nào có thể phát triển một cách hữu cơ từ S2V của bạn.
Một số thông tin thêm về chủ đề:
Năm 2014, Đại học Glasgow tuyên bố 2 có bốn cảm xúc chính: hạnh phúc, buồn, sợ hãi và giận dữ.
Trang web 3 này cung cấp phân tích thứ bậc (nếu hơi ngắn) tốt đẹp của cảm xúc thứ cấp và thứ ba theo cảm xúc chính.
Tài liệu tham khảo
1 : vi.wikipedia.org/wiki/Word2vec
2 : www.bbc.com/news/uk-scotland-rebello-west-26019586
3 : changeminds.org/explanations/emferences/basic%20emferences.htmlm