Опыт генерации оценок эмоциональной валентности и возбуждения слов на основе символьно-уровневой CNN

С. 310–314.

Люсин Д. В., Валуева Е. А., Сысоева Т. А.

Эмоциональная окраска слов широко используются в  различных академических и прикладных исследованиях, от анализа текстов до понимания когнитивных процессов. Актуальной задачей является создание объёмных датасетов с оценками слов по ряду эмоциональных параметров. Современные методы машинного обучения, основанные на семантической близости слов, извлекаемой из текстовых корпусов, демонстрируют высокие корреляции с человеческими оценками, однако иногда наблюдаются существенные расхождения. Можно предположить, что эмоциональные оценки людей зависят также от звукового и графического облика, культурных ассоциаций и социальных контекстов. Данное исследование ставит целью выяснить, насколько успешно можно предсказывать человеческие оценки эмоциональной валентности и возбуждения слов, опираясь исключительно на их графемные особенности, без обращения к семантике. Для решения этой задачи использовалась эмоциональные оценки из базы данных ENRuN-2, включающей 6708 русских существительных. Была разработана символьно-уровневая сверточная нейронная сеть, в качестве базовых алгоритмов сравнения применялись линейная регрессия на символьных n-граммах и перестановочный тест. Полученные результаты свидетельствуют о том, что сигналы, извлекаемые из графемных особенностей слов, существуют, но являются крайне слабыми. Это позволяет сделать вывод, что успешное предсказание эмоциональных оценок слов без учета их семантики, скорее всего, невозможно.

Ключевые слова: машинное обучение, валентность, эмоциональная окраска слов, возбуждение, база ENRuN‑2, сверточные нейронные сети (CNN)

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА: Познавательные процессы в информационной среде: феномены и объяснительные модели (2025)

В книге

Психология познания: Материалы Всероссийской научной конференции, ЯрГУ, Институт психологии РАН, 5–6 декабря 2025 г.

Институт психологии РАН, 2026.