кандидат филологических наук, научный сотрудник лаборатории анализа информационных ресурсов Научноисследовательского вычислительного центра Московского государственного университета имени М.В. Ломоносова; младший научный сотрудник Института системного программирования им. В.П. Иванникова Российской академии наук. Сфера научных интересов: компьютерная семантика, обработка естественного языка, корпусная лингвистика
доктор технических наук, ведущий научный сотрудник лаборатории анализа информационных ресурсов Научноисследовательского вычислительного центра Московского государственного университета имени М.В. Ломоносова; главный научный сотрудник Института системного программирования им. В.П. Иванникова Российской академии наук. Сфера научных интересов: компьютерная семантика, обработка естественного языка, искусственный интеллект
Emotion detection in natural language is an important area of computational linguistics. It involves the description, categorisation and systematization of emotion lexicon that can be further employed to enhance the performance of machine learning algorithms. The aim of the study is twofold: firstly, to provide a comprehensive description of the Russian-language resources pertaining to emotion vocabulary, and secondly, to create an emotion lexicon based on these resources. The study describes the following types of Russian-language sources: lexicographic resources (dictionaries and thesauri); data from the semantically tagged part of the Russian National Corpus; datasets consisting of texts labelled by emotion type; and word-emotion association lexicons. The methodology of creating RusEmoLex encompasses the following stages: the creation of initial lists of emotion words derived from available sources; the compilation of the lists; and the selection of lexis in RusEmoLex. A lexical unit has to meet the following criteria to be included in RusEmoLex: repeated occurrence in the sources (a lexical unit needs to be present in two or more sources); the quality of the sources (a lexical unit needs to be included either in a dictionary or a corpus resource and it should not be a translation); the class label (the lexical units have an emotional label established on the basis of the majority of sources). RusEmoLex is an open access resource which includes 1024 lexical units and can be used for linguistic studies and in the field of natural language processing.
Распознавание эмоций в тексте - одна из актуальных задач в области обработки естественного языка. Неотъемлемой частью этой задачи является описание и систематизация эмоциональной лексики, которая может служить в качестве маркера, указывающего на то, что в тексте выражается та или иная эмоция. На сегодня уже существует достаточно много англоязычных ресурсов эмоциональной лексики в открытом доступе, однако для других языков, в частности русского, размеченных данных значительно меньше. Цель работы - описать доступные для использования русскоязычные ресурсы эмоциональной лексики и представить созданный на их основе новый объединяющий эмоциональный лексикон - RusEmoLex (Russian Emotion Lexicon). Описаны следующие типы русскоязычных источников: лексикографические ресурсы (словари и тезаурусы); корпусные данные; данные, полученные в результате опросов (зафиксированные ассоциации слов с эмоциями); наборы данных, используемые в машинном обучении. Описана методика создания ресурса RusEmoLex на основе доступных русскоязычных источников. Методика включает следующие этапы: формирование исходных списков эмоциональной лексики на основе доступных источников; объединение списков; отбор лексики в RusEmoLex. Для включения в RusEmoLex лексическая единица должна удовлетворять следующим критериям: (1) количество источников, где зафиксирована лексическая единица (лексическая единица должна входить в два или более источников); (2) качество источников (как минимум один из источников, куда вошла лексическая единица, должен относиться к словарным или корпусных ресурсам и не являться переводным); (3) наличие метки класса (лексическая единица должна иметь установленный на основании большинства источников эмоциональный класс). Основным результатом исследования является эмоциональный лексикон RusEmoLex, включающий 1024 лексических единиц, размеченных по частеречной принадлежности; эмоциональному классу; категории источников, где встречается слово; количеству вхождений в источники. RusEmoLex находится в открытом доступе и может использоваться как для собственно лингвистических задач, так и в области обработки естественного языка.