Please use this identifier to cite or link to this item: http://dx.doi.org/10.18419/opus-11003
Authors: Hofmann, Jan
Title: Appraisal theories for emotion classification in text
Issue Date: 2020
metadata.ubs.publikation.typ: Abschlussarbeit (Bachelor)
metadata.ubs.publikation.seiten: VII, 54
URI: http://elib.uni-stuttgart.de/handle/11682/11020
http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-ds-110208
http://dx.doi.org/10.18419/opus-11003
Abstract: Over the last years the automated classification of emotions from text has become an interesting topic in natural language processing with many applications. Theories from psychological studies on emotions have been widely utilized to support the task of the automated assignment of emotions to textual content. Most commonly used theories are the fundamental emotions theory like proposed by Paul Ekman and the dimensional model of affect proposed by Albert Mehrabian and James Russell. However, these theories ignore other psychological theories, namely the cognitive appraisal theories, which explain emotions as a response to an individual interpretation of a given situation. Such appraisal theories have only been minorly used in the attempt to improve performance of emotion classification. In addition, there are no datasets annotated with appraisal dimensions. This work filled this gap by annotating a dataset with appraisal dimensions. Further, this work conducted several experiments in which classification models utilized these appraisal annotations. Although this work was not able to show a clear improvement in a real-world setting, the results show that appraisal dimensions have the potential to improve the performance of classifiers, which predict emotions from text.
Die automatische Zuordnung von Emotionen zu Texten wurde in den letzten Jahren zu einer interessanten Thematik in der maschinellen Verarbeitung von natürlicher Sprache. Theorien aus psychologischen Studien zu Emotionen wie die Basisemotionstheorie von Paul Ekman und die dimensionale Theorie von Albert Mehrabian und James Russell werden in der automatischen Klassifikation von Emotionen sehr häufig verwendet. Diese Theorien ignorieren jedoch andere psychologische Theorien zu Emotionen, die Bewertungstheorien (engl. Appraisal theories), welche Emotionen über die Interpretation von Situationen beschreiben. Solche Theorien wurden bisher nur sehr wenig für die automatische Klassifikation von Emotionen genutzt. Zudem gibt es noch keinen Datensatz, welcher mit Annotationen basierend auf dieser Art von Emotionstheorie versehen ist. Diese Arbeit füllt diese Lücke, indem ein Datensatz mit solchen Bewertungen (engl. appraisals) annotiert wurde. Zudem wurden in dieser Arbeit verschiedene Experimente durchgeführt, bei denen Emotionsklassifikatoren diese Annotationen nutzen. Obwohl diese Arbeit keine deutliche Verbesserung in einem praxisnahen Szenario belegen konnte, zeigten die Resultate, dass solche Bewertungstheorien das Potenzial haben die automatische Klassifikation von Emotionen in Texten zu verbessern.
Appears in Collections:05 Fakultät Informatik, Elektrotechnik und Informationstechnik

Files in This Item:
File Description SizeFormat 
bachelor_hofmann.pdf388,57 kBAdobe PDFView/Open


Items in OPUS are protected by copyright, with all rights reserved, unless otherwise indicated.