经济史专题导读__EmotionAnalysisforGig.PDFVIP

經濟史專題導讀__Emotion Analysis for Gig Data 經研一 曾韋智 What is the question of the paper? 作者想要做的是利用大數據分析的技術，了解情緒如何在文中表露，尤其是在 社群網站如此發達的情況下，此技術很有發展的空間。並在了解這些帶有情緒的 詞後加以應用。 Why should we care about it? 為什麼情緒很重要？為什麼要知道別人的情緒？ 情緒在生活當中是不可或缺的。人在相互溝通時總是會帶一點情緒，情緒就像是 調味料幫言語加上了額外的意義，在適當的言語加上情緒會有加分的效果，例如 老師在叫學生們「安靜」時，帶有生氣的情緒勢必會有加以嚇阻的效果。但同時， 文也是情緒表露的媒介，當我們得以運用數據分析的方式，了解文與情緒之 間的關連，則此些研究發現便可能得以被廣泛運用，無論是商業領域，社會議題 的探究，心理健康照護的提升... 等等。 What is your (or the author’s) answer? 作者使用了群眾的潛意識的情緒用，加以處理與排列，以便得知話語中帶有的 情緒 ，和以往的自然語言處理法、資料探勘和機器學習法有所不同 。並且再將其 運用在兩項分析中:一項是分析 twitter 對蘋果手機的情緒 hashtag ，讓時間地點還 有評價做結合，得到一筆有價值的資訊讓廠商做進一步的決策。另一項是研究擁 有精神疾患（躁鬱症和邊緣性人格症）和其他正常人的情緒特徵詞以及其頻率等， 或許能偵測出其他人是否也擁有徵兆，加以追蹤。 How did you(or the author ) get there? 作者利用社群網站的免費資源，分析發文者的情緒，像是 hashtag 以及表情符號 能得知發文的的情緒。加上由於是大數據的資料，所以可以處理掉一些太短、太 複雜或是有 URL 的資料去蕪菁。再比較非情緒的樣本和帶有情緒的樣本 （實 驗組和對照組），找出相異和相同處，並以關係圖的樣式建立出兩種圖，再刪除 掉重疊的部分，找出關鍵的詞和常與其連用的，便可組成情緒特徵詞。再依 頻率、多元性等特性加以排序，便可分類成各種情緒類別。作者也提到這方法的 準確度高達 80% 。