Везде
Каузативно-эмотивный анализ. Часть I. Методика изучения эмоциональных реакций пользователей социальных сетей
Оглавление
Аннотация Оценить Содержание публикации
Библиография Комментарии
Поделиться
QR
Метрика
Каузативно-эмотивный анализ. Часть I. Методика изучения эмоциональных реакций пользователей социальных сетей
Аннотация
Код статьи
S020595920020501-7-1
DOI
10.31857/S020595920020501-7
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Григорьев О. Г. 
Должность: руководитель отделения “Искусственный интеллект и принятие решений”
Аффилиация: ФИЦ “Информатика и управление” РАН
Адрес: Российская Федерация, Москва
Кузнецова Ю. М.
Аффилиация: ФИЦ “Информатика и управление” РАН
Адрес: Российская Федерация, Москва
Никитина Е. Н.
Аффилиация: ФИЦ “Информатика и управление” РАН
Адрес: Российская Федерация, Москва
Смирнов И. В.
Аффилиация: ФИЦ “Информатика и управление” РАН
Адрес: Российская Федерация, Москва
Чудова Н. В.
Аффилиация: ФИЦ “Информатика и управление” РАН
Адрес: Российская Федерация, Москва
Выпуск
Том 43 № 3
Страницы
114-121
Аннотация

Исследовалась каузальная атрибуция эмоций в высказываниях пользователей социальных сетей. Предлагается решение, основанное на применении методов искусственного интеллекта, позволяющих работать с большими корпусами текстов: метод каузативно-эмотивного анализа, работающий на базе созданного авторским коллективом ФИЦ “Информатика и управление” РАН инструмента автоматического анализа текста TITANIS. Описаны особенности используемого инструментария и его лингвистические основания применительно к глагольным эмотивным конструкциям. Описаны ограничения в использовании предложенного метода для работ в области психологии коллективных эмоций.

Ключевые слова
коллективные эмоции, общественное мнение, эмотивы, автоматический анализ текста, текстовые маркеры эмоциональности, каузативно-эмотивный анализ
Источник финансирования
Работа выполнена при частичной финансовой поддержке РФФИ (проект №21-011-31638).
Классификатор
Дата публикации
23.06.2022
Всего подписок
11
Всего просмотров
283
Оценка читателей
0.0 (0 голосов)
Цитировать Скачать pdf
1 Сравнительно недавно в социальной психологии появилось понятие, характеризующее эмоциональные переживания масс, — коллективные эмоции [7]. Этот концепт позволяет говорить не о групповых эмоциях, основанных на групповой принадлежности и предполагающих, соответственно, существование группы и идентификации с ней [22], а о случаях, когда люди эмоционально реагируют сходным образом, но у исследователя нет возможности судить о сформированности групповой идентичности. В настоящий момент такие эмоции рассматриваются, в частности, в связи с проблематикой информационно-психологического воздействия и политического влияния через электронные СМИ [16]. Именно такая ситуация складывается и при изучении в формате Big Data эмоциональных реакций пользователей социальных сетей и комментаторов электронных СМИ: исследование ведётся с помощью средств автоматического анализа текста; в качестве объекта исследования выступают анонимизированные тексты сетевых дискуссий и комментариев; объёмы анализируемых реплик измеряются в миллионах.
2 Для исследований массовых реакций существенным является и понятие каузальной атрибуции. Появившись в рамках теории атрибуции, оно затем активно развивалось в теориях мотивации, межличностного восприятия, концепциях памяти и ментальных репрезентаций, в психологии обучения [2; 4]. Параметры атрибутивного процесса и его результатов оказываются существенным компонентом характеристики не только индивидуальной психики, но и культур и субкультур. Однако в психологии явление атрибуции изучается в основном в отношении приписывания причин внешним событиям: поступкам человека, удачам и неудачам в его жизни, — в то время как в лингвистике все эти годы накапливаются средства анализа каузации эмоциональных переживаний (см., например, [11; 12; 18; 21]). Выражение причинно-следственных отношений характерно для сообщений об эмоциональном состоянии: в них данное состояние интерпретируется как следствие внешнего причинения (Москвичей возмутил несуразный новый бордюр, Москвичи возмутились бесплатной парковкой каршеринга, Москвичи расстроились из-за отмены новогодних гуляний). В этих конструкциях получают словесное воплощение субъект переживания (экспериенцер), само переживание и то/тот, что/кто породил этот эмоциональный отклик (каузатор). Речевая ситуация, в которой автора высказывания интересует не столько выражение своего эмоционального состояния, сколько описание эмоциогенной ситуации, может быть интересна для психологии как средство, позволяющее “заглянуть” в представления говорящего о типичных или, наоборот, необычных причинах эмоций (его собственных или приписываемых им другому).
3

АВТОМАТИЧЕСКИЙ АНАЛИЗ ЭМОЦИОНАЛЬНОЙ СОСТАВЛЯЮЩЕЙ ТЕКСТА
4 Методы искусственного интеллекта (ИИ) в последние полтора десятилетия всё активнее используются для создания компьютерных систем в гуманитарных науках. Особое положение среди методов ИИ занимают методы обработки естественного языка и интеллектуального анализа текстов. Всё больший интерес разработчиков систем автоматического анализа текста привлекает направление, связанное с извлечением из сетевого текстового контента информации об индивидуальных, групповых или популяционных психологических особенностях. Сошлёмся на наличие таких международных исследовательских проектов, как SEMIOTIKS (Semantically Enhanced Information Extraction for Improved Knowledge Superiority), MIMEX (Multivariant Information Management and Exploitation), ITA (International Technology Alliance in Network and Information Sciences), AKT (Advanced Knowledge Technologies), IEXTREME (Extremist Ideological Influences on Group Decision Making) >>>> Последние десять лет проводятся международные соревнования по автоматическому выявлению маркеров личностных качеств и эмоционального состояния пользователей соцсетей: INTERSPEECH Emotional Challenge, Speaker State Challenge, Speaker Trait Challenge, Computional Paralinguistic Challenge >>>> С 2013 и с 2015 года проводятся соревнования CLEF >>>> и CLPsych >>>> направленные на разработку методов идентификации текстовых признаков различных видов психического неблагополучия.
5 В нашей стране, как и во всём мире, для проведения таких работ используются лингвистические ресурсы, такие как WordNet, WordNet Affect или SentiWordNet, благодаря которым в контенте соцсетей определяется содержание эмоционально маркированной лексики. Широко используется разработанный под руководством Пеннебейкера компьютерный инструмент Linguistic Inquiry and Word Count (LIWC), который позволяет определять частотность аффективно значимых лексем, маркеров некоторых психологически значимых тем, а также частоту встречаемости в тексте разных частей речи. Таким образом, решение диагностической задачи основывается в основном на традиционных лексических или частеречных характеристиках текста, без обращения к возможностям анализа синтаксиса. К тому же, эти подходы и лингвистические ресурсы не могут быть адаптированы прямым переводом к анализу русскоязычных текстов, а организовать в автоматическом анализе текстов учёт национальной (в данном случае русской) языковой картины мира не так просто.
6 Эта ситуация характерна и для такой области автоматического анализа текста, как оценка эмоционального измерения высказываний. Все предлагаемые для задачи анализа эмоционального аспекта сетевой активности методы можно поделить на три основных типа: определение ключевых слов, лексическое сходство, статистический подход. В силу своей доступности метод определения ключевых слов из заранее составленного словаря является наиболее распространенным. Определение лексического сходства немного сложнее: в его основе лежит возможность назначить произвольному слову или словосочетанию вероятностное сходство с конкретной эмоцией. Например, словосочетанию несчастный случай может быть присвоена 75%-ая вероятность того, что оно указывает на негативный эффект, как и автомобильная авария. Третий тип анализа основан на методах машинного обучения на большом размеченном корпусе, когда система учитывает отношения между лексическими объектами, их синтаксические связи, знаки препинания, междометия и др.; используются наивный байесовский классификатор (Naive Bayes), машины опорных векторов (Support Vector Machines) и др.
7 В подобных работах исследователи чаще всего опираются на следующие модели эмоций:
8 1) Иерархия эмоций Пэррота [26]. Это древовидный список из более чем 100 эмоций, разделенных на три уровня: первичные, вторичные и третичные.
9 2) Модель ОСС [25]. Она включает в себя 130 слов, обозначающих эмоции, которые поделены на 22 класса. Например, слова “glad” (радостный) и “happy” (счастливый) отнесены к классу Joy (радость), а “scared” (напуганный) и “terrified” (запуганный) — к классу Fear (страх).
10 3) Самым популярным остаётся список из пяти базовых эмоций (радость, страх, гнев, печаль и удивление), предложенный Изардом ещё в 1970-е годы [10]. Его используют в классическом варианте или с небольшими изменениями (см., например, [23]).
11 Интересной задачей в области анализа эмоций является автоматическое нахождение в тексте каузальных атрибуций эмоциональных состояний, т.е. случаев приписывания кому-либо эмоциональных состояний и их причин. Например, в [24] предложен метод извлечения причин эмоций на основе синтаксического разбора; использовался синтаксический анализатор Connexor Machinese Syntax и набор вручную составленных шаблонов для каждого типа лингвистических отношений. Подобная работа проводилась не только для англоязычных текстов, но и для текстов, созданных на китайском и итальянском языках; для русскоязычных текстов такого исследования до сих пор не было проведено.
12 Отметим, что в последние годы активно ведутся разработки в области автоматического семантического анализа. При этом многие разработчики информационно-аналитических, поисковых и психодиагностических систем заявляют о применении методов семантического анализа в своих решениях, однако большинство современных подходов к семантике текста в компьютерной лингвистике состоят в учете статистических характеристик слов и их сочетаемости, учете семантических классов слов. Собственно лингвистические же исследования подводят к идее неразрывной связи синтаксиса и семантики. Развиваемый в наших работах подход к описанию языковой семантики основан на значениях синтаксических компонентов в контексте коммуникативно значимого целого (высказывания). Реляционно-ситуационный анализ текста Г.С. Осипова [20], опираясь на положения коммуникативной грамматики русского языка Г.А. Золотовой [9], оперирует значениями синтаксем — минимальных синтаксических единиц, одновременно являющихся носителями элементарных смыслов. Программный инструментарий, построенный на синтаксемном анализе и опирающийся на математический аппарат неоднородных семантических сетей, успешно превращён в средство психологического исследования текстовой продукции русскоязычных авторов.
13

МЕТОДИКА
14 Предлагаемый метод каузативно-эмотивного анализа работает на базе созданного авторским коллективом инструмента автоматического анализа текста TITANIS (в первой версии он именовался “Машина РСА” [6; 14]). Инструмент TITANIS предназначен для изучения эмоциональности исследуемых корпусов текстов с помощью психолингвистических показателей, словарей лексики эмоциональности и словаря эмотивных предикатов. Аппарат реляционно-ситуационного анализа (РСА) позволяет проводить учет не только самого глагольного предиката, содержащегося в словаре предикатных слов, но и его именных зависимых в связи с их семантикой и формой. При проведении каузативно-эмотивного анализа используемый инструмент настроен на решение задачи выявления в текстах случаев использования авторами эмотивов для описания своего или чужого эмоционального переживания и указания его причины.
15 Принципы организации словаря эмотивных предикатных слов. Глагольные эмотивные предикаты являются одним из языковых средств передачи эмоциональной ситуации. Типовую семантическую структуру эмотивного предиката образуют: субъект эмоционального переживания, переживание и его причина: N (субъект) боится (эмоция) Х (причина); Y (причина) радует (эмоция) M (субъект). Тем самым значение глагольного слова уточняется заполняющими его аргументные позиции именными зависимыми (существительными). Аргументы обладают тремя свойствами: (1) категориально-лексической семантикой, относящей их к определенному абстрактному классу (лицо, предмет, качество и др.), (2) позиционно-ролевой семантикой, реализуемой ими по отношению к глагольному ядру (агенс, экспериенцер, каузатор, инструмент и др.), и (3) формой (падеж). Внутри категориально-лексического значения может реализоваться “тематическое” — значение, обусловленное попаданием данного слова в определенную тематическую группу слов (ТГС); ТГС образуют микрословари психологически значимой лексики (например, ТГС “власть” или ТГС “топонимы”). По соединению (1) категориально-лексического значения, (2) позиции при глагольном ядре и (3) падежа лингвистический анализатор вычисляет в тексте семантические роли именных зависимых. При глагольных эмотивах это экспериенцер (субъект эмоционального состояния) и каузатор (причина данного состояния). Например: Москвичи радуются снятию ковидных ограничений; аргументы — москвичи (экспериенцер) и снятию ограничений (каузатор). В высказывании Штрафы за отсутствие масок только злят людей аргументы — людей (экспериенцер), штрафы (каузатор).
16 В рамках инструмента TITANIS разработаны принципы хранения предикатных слов, базирующиеся на методике РСА [5] Описание предикатной (преимущественно глагольной) лексики построено в связи с семантическими и формальными свойствами их именных зависимых (категориальный класс, падеж, семантическая роль) и получает воплощение в словаре предикатных слов (СПС). Одним из разделов СПС стал словарь предикатной эмотивной лексики. Сегодня в словаре эмотивов хранится около 320 глаголов (лексических единиц) эмотивной семантики, соотнесенных со всеми возможными для каждой лексемы словоформами глагольной парадигмы.
17 На данном этапе разработки эмотивного словаря предикатных слов описаны две лексико-грамматические группы: каузативно-эмотивные глаголы, которые составляют структурное ядро класса глаголов психического состояния [21, с. 276], и их возвратные корреляты: возмутить–возмутиться, злить–злиться. Как и любой эмотивный глагол, каузативно-эмотивные имеют валентность на субъекта состояния (экспериенцера), при этом для русского языка характерен выбор именно каузативно-эмотивных предикатов для сообщения о собственных состояниях говорящего в настоящем актуальном времени (ср.: Меня возмущает…, Я возмущаюсь…), что можно обозначить термином “перволичность”. Исключительной особенностью каузативных эмотивов является то, что они имеют в семантическом фокусе причину состояния — обязательную валентность на каузатора (Им.п.). Так, с помощью этого типа глаголов нельзя построить сообщение, не упомянув причину возникшего состояния. Оба свойства данных глаголов: перволичность и обязательность выражения причины — вполне соответствует целям психологического исследования, настроенного на понимание и интерпретацию говорящей и чувствующей личности (Я), и целям анализа каузального аспекта эмоционального состояния. Еще одним проявлением их ядерного положения в системе эмотивных глаголов является концептуализация эмоций, в том числе т.н. базовых, с помощью одноименного неглагольного (субстантивного или адъективного) корня: зл-, рад-, див-, мук-, гнев-, печал-, обид-, (с)покой-. Неглагольность корня, соответственно, является и свойством их возвратных коррелятов. Однако возвратные корреляты имеют фокус на субъекте состояния, перемещая семантику причины на второй план, на периферию внимания, что отражается в синтаксисе: множественное выражение каузальной составляющей с помощью разных падежных и предложно-падежных форм (Тв., Дат., на+Вин. и др.), перенос каузальной составляющей за пределы исследуемой глагольной конструкции (Выглянуло солнце. Мы обрадовались).
18 В основу словника каузативно-эмотивных глаголов легли материалы разрабатывающегося в ИРЯ имени В.В. Виноградова РАН “Семантико-грамматического словаря” (под руководством Н.К. Онипенко), которые были по необходимости дополнены при пополнении нашего словаря предикатных слов.
19 Каузативно-эмотивные и возвратно-эмотивные глаголы организованы в 79 микрогрупп (“гнезд”), каждая из которых объединена вокруг одного корня (основы). В состав гнезда входят глагольные лексико-грамматические варианты, различающиеся по виду и возвратности/переходности, что позволяет достаточно полно представить каждую из эмоций, получивших номинацию в языке (радость: радовать–обрадовать–порадовать–радоваться–обрадоваться–порадоваться; удивление: удивить–удивлять–удивиться–удивляться и т.д.). При этом словарь может пополняться новой эмотивной глагольной лексикой, к которой может применяться (или варьировать при применении) типовое семантическое описание посредством приписывания соответствующих именных зависимых. Так, в дальнейшем могут получить описание эмотивы с необязательной валентностью на каузатора: глаголы эмоционального состояния (типа грустить, тосковать), глаголы эмоционального отношения (типа любить, уважать), которые предполагают обязательное наличие в семантической структуре валентности на объект эмоционального отношения (любить семью, уважать начальника).
20 Применяемая классификации эмоций и их каузаторов. Дополнением к лексическому ядру (79 гнезд), представленному в СПС, стал список (765 ед.), объединяющий собственно эмотивные предикаты разной частеречной принадлежности (типа страх—страшить—страшно), неоднозначно-эмотивные глаголы (типа изводить, ср.: Меня изводит мысль… — Начальник изводит подчиненных), глаголы проявления эмоции (типа взъесться) и предикаты проявления эмоции-настроения (типа кукситься, бычиться), который был построен на основе анализа различных лингвистических источников (см. [3; 8; 19] и современные онлайн-словари). Лексемы этого списка были отнесены на основе экспертных оценок четырёх психологов и лингвиста к одной из базовых эмоций (страх, гнев, печаль, радость, удивление/интерес, отвращение), а также к эмоциям социальной оценки (презрение, стыд, вина, смущение, гордость, зависть) и к состоянию возбуждения/покоя. При отнесении целого однокоренного гнезда к той или иной эмоции, мы исходили из следующего соображения. Эмоция возникает во взаимодействии субъекта со средой, и для определения характера эмоции важно в первую очередь понимать характер ситуации (см., например, психоэволюционную теорию эмоций Плутчека или эксперименты Дельгадо, в которых агрессия, вызванная электростимуляцией подкорковых зон, оказывалась опосредована статусом обезьяны в группе). Так, в ситуации, вызывающей гнев или страх, сначала нужно определить, что речь идёт именно о данной эмоции, а потом уже уточнять, кто именно её испытывает. Поэтому мы относим, например, к эмоции страха всё гнездо страшить: что-то кого-то страшит и кому-то при этом становится страшно. Можно идти и другим путём, отталкиваясь от субъекта переживания, тогда тот, кто напуган, испытывает страх, а тот, кто пугал, испытывает скорее не страх, а гнев. Однако для целей исследования приписывания тех или иных эмоций определённым экспериенцерам и изучения причин, которые по мнению массового зрителя/читателя породили эти эмоции, нам больше подходит объединение лексем по семантике, а не по субъекту переживания.
21 Отметим, что использование инструмента TITANIS допускает перенастройку классификатора эмотивов, так что на одном и том же корпусе текстов можно провести оценку представленности эмотивов как с семантикой базовых эмоций, так и с иначе заданной семантикой. Например, используемые глаголы могут быть классифицированы в соответствии с трёхфакторной структурой самоописания эмоциональных состояний, полученной Д.В. Люсиным [15], или быть разделены на классы в рамках любой другой классификации (например, из представленных в [17] или в [13]).
22 Упомянутое выше отнесение аргумента к определённой ТГС может быть заменено другими исследователями на нечто более для них интересное: могут быть созданы новые ТГС и списком внесены в тематический словарь TITANISа, могут использоваться и одиночные имена существительные или имена собственные как объекты, интересующие исследователя в роли каузатора эмоций или в роли экспериенцера.
23 Возможности такой поднастройки инструмента и в целом возможности каузативно-предикатного анализа, выполненного на корпусе комментариев к видеороликам политической направленности, будут показаны во второй части статьи.
24

ЗАКЛЮЧЕНИЕ
25 Остановимся на ограничениях, связанных с использованием инструмента TITANIS и с проведением каузативно-эмотивного анализа. Оценить валидность метода автоматического каузативно-эмотивного анализа не представляется возможным — сравнить работу этого инструмента не с чем. Во-первых, в настоящий момент не только для русского языка, но и для других языков не создана другая автоматическая версия синтаксемного анализа; во-вторых, существующие системы анализа тональности русскоязычных текстов позволяют проводить лишь лексико-частотный анализ; в-третьих, словарь эмотивных глаголов только разрабатывается в настоящий момент в ИРЯ РАН, и его версия в виде словаря эмотивных предикатов создана специально для нашего инструмента. Это делает наш инструмент интересным с точки зрения новизны, но валидность получаемых данных требует дальнейшей проверки в ходе эмпирических исследований. Поэтому приглашение коллег к сотрудничеству, к использованию нашего инструментария в исследованиях, в которых одновременно собирались бы данные и о его возможностях — одна из задач настоящей публикации.
26 В связи с определенными особенностями русской языковой картины мира и современной русской языковой личности, а также цифровых средств массовой коммуникации, текстовые конструкции, содержащие предикаты вообще и предикаты, выражающие эмоциональное состояние в частности, встречаются относительно редко и не являются основным средством выражения эмоциональности. Поэтому если для проведения, например, сравнительных исследований получаемая с помощью нашего инструмента информация может представлять существенный интерес, то на решение задач достаточно полного описания эмоционального содержания каких-либо выборок или корпусов текстов его возможности не распространяются.
27 Наконец, представленная версия каузативно-эмотивного анализа не позволяет учитывать сложные и смешанные эмоции, реляционно-ситуационный анализ не даёт информации о различиях в рациональных и иррациональных суждениях, а автоматический анализ текстов в целом не даёт возможности оценить невербальные компоненты поведения. Так что предлагаемый инструментарий не может служить единственным средством в задачах диагностики эмоциональных реакций коллективного субъекта.
28 Тем не менее область автоматического анализа текстов, в том числе для проведения исследований в области социально-гуманитарных наук, стремительно развивается, так что часть ограничений будет постепенно сниматься. Например, сотрудничество разработчиков-“текстовиков” с разработчиками систем выявления сетевых сообществ может уже в ближайшие годы дать психологам новые инструменты. Но в основе этих инструментов в любом случае будет лежать лингвистика национальных языков и представление о языковой картине мира респондентов. Для психологии, в том числе и для психологии больших групп, важным остается и представление, сформулированное более сорока лет назад: «Практически вне зависимости от того, какие именно проявления человеческой природы интересуют исследователя, рано или поздно он обнаружит, что исследует проблемы, связанные с “языком и коммуникацией”» [1, с. 88].

Библиография

1. Блакар Р.М. Язык как инструмент социальной власти (теоретико-эмпирическое исследование языка и его использования в социальном контексте) // Язык и моделирование социального взаимодействия: Переводы / общ. ред. В.В. Петрова. М.: Прогресс, 1987. С. 88–125.

2. Бубнова С.С. Теории каузальной атрибуции в зарубежной психологии // Институт психологии Российской академии наук. Человек и мир: электрон. науч. журнал. 2019. Т. 3. № 1(6). С. 77–95. URL: http://chelovekimir.ru/engine/documents/document270.pdf

3. Васильев Л.М. Семантика русского глагола. М.: Высшая школа, 1981.

4. Гордеева Т.О. Мотивация достижения: теории, исследования, проблемы // Современная психология мотивации / под ред. Д.А. Леонтьева. М: Смысл, 2002. С. 47–102.

5. Ениколопов С.Н., Кузнецова Ю.М., Осипов Г.С., Смирнов И.В., Чудова Н.В. Метод реляционно-ситуационного анализа текста в психологических исследованиях // Психология. Журнал Высшей школы экономики. 2021. Т. 18. № 4. С. 748–769

6. Ениколопов С.Н., Кузнецова Ю.М., Смирнов И.В., Станкевич М.А., Чудова Н.В. Создание инструмента автоматического анализа текста в интересах социогуманитарных исследований. Ч. 1. Методические и методологические аспекты // Искусственный интеллект и принятие решений. 2019. № 2. C. 28–38.

7. Ефремова М.В., Григорян Л.К. Коллективные эмоции вины и стыда: обзор современных исследований // Современная зарубежная психология. 2014. Т. 3. № 4. C. 71–88.

8. Зализняк А.А. Грамматический словарь русского языка. М.: Русский язык, 1980.

9. Золотова Г.А. Синтаксический словарь. Репертуар элементарных единиц русского синтаксиса. М.: Наука, 1998.

10. Изард К.Э. Психология эмоций / пер. с англ. СПб.: Питер, 2008.

11. Иорданская Л.Н. Бояться, Восторг, Восхищать, Гнев, Страх [словарные статьи] // Мельчук И.А., Жолковский А.К. Толково-комбинаторный словарь русского языка: Опыты семантико-синтаксического описания русской лексики. 2-е изд., испр. М.: Глобал Ком: Языки славянской культуры, 2016.

12. Иорданская Л.Н. Попытка лексикографического толкования группы русских слов со значением чувства // Машинный перевод и прикладная лингвистика. Вып. 13. М.: МГПИИЯ, 1970. C. 3–26.

13. Коршунова С.Г., Степанова О.Б. Категоризация названий эмоций в субъективном семантическом пространстве их зрительного различения по круговым характеристикам “интенсивность” и “сила” // Вестник Московского университета. Серия 14. Психология. 2018. № 3. С. 76–89.

14. Кузнецова Ю.М., Смирнов И.В., Станкевич М.А., Чудова Н.В. Создание инструмента автоматического анализа текста в интересах социо-гуманитарных исследований. Часть 2. Машина РСА и опыт ее использования // Искусственный интеллект и принятие решений. 2019. № 3. C. 40–51.

15. Люсин Д.В. Трехмерная модель структуры эмоциональных состояний, основанная на русскоязычных данных // Психология. Журнал Высшей школы экономики. 2019. Т. 16. № 2. С. 133–148. DOI: 10.17323/1813-8918-2019-2-341-356

16. Нестик Т.А., Журавлев А.Л. Психология глобальных рисков. М.: Изд-во “Институт психологии РАН”. 2018. С. 120–149.

17. Овсянникова В.В. К вопросу о классификации эмоций: категориальный и многомерный подходы // Финансовая аналитика: проблемы и решения. 2013. № 37. С. 43–48.

18. Онипенко Н.К. Система именных каузативных синтаксем в современном русском литературном языке. Дисс. … канд. филол. наук. М., 1985.

19. Орфографический словарь русского языка: 106 000 слов / под ред. С.Г. Бархударова и др. 21-е изд., испр. М.: Русский язык, 1984.

20. Осипов Г.С., Смирнов И.В., Тихомиров И.А. Реляционно-ситуационный метод поиска и анализа текстов и его приложения // Искусственный интеллект и принятие решений. 2008. № 2. С. 3–10.

21. Падучева Е.В. Динамические модели в семантике лексики. М.: Языки славянской культуры, 2004.

22. Прихидько А.И. Проблема эмоций в зарубежной социальной психологии // Вопросы психологии. 2009. № 1. С. 141–152.

23. Chatterjee A., Gupta U., Chinnakotla M.K., Srikanth R., Galley M., Agrawal P. Understanding emotions in text using deep learning and Big Data // Computers in Human Behavior. 2019. V. 93. P. 309–317. DOI: 10.1016/j.chb.2018.12.029

24. Neviarouskaya A., Aono M. Extracting causes of emotions from text // Proceedings of the Sixth International Joint Conference on Natural Language Processing. 2013. P. 932–936.

25. Ortony A., Clore G.L., Collins A. The Cognitive Structure of Emotions. Cambridge, UK: Cambridge University Press, 1988.

26. Parrott W.G. (Ed.) Emotions in social psychology. Essential readings. Philadelphia: Psychology Press, 2001.

Комментарии

Сообщения не найдены

Написать отзыв
Перевести