Морфологические формы глагола в задаче распознавания эмоций: характеристики данных и результаты классификации
Main Article Content
Аннотация
Распознавание эмоций в тексте является одной из актуальных задач обработки естественного языка. В работе исследовано влияние морфологической формы глагола на качество эмоциональной классификации моделями-энкодерами и выявлены факторы, определяющие морфологическую чувствительность языковых моделей. Для эксперимента использованы три модели (ruBERT-tiny2, ruBERT-base, ruRoBERTa-large), дообученные на объединенном корпусе из четырех русскоязычных датасетов (22852 примера). Каждая модель классифицировала 5676 морфологических форм 473 глаголов из Russian Emotion Lexicon. В результате зафиксировано систематическое влияние морфологии: различия в качестве классификации между формами по метрике F1 достигают 20–25% для всех моделей. Для объяснения установленных закономерностей был проведен анализ характеристик обучающих данных. Показано, что частотность морфологических форм в корпусе частично коррелирует с качеством классификации, однако не является единственным определяющим фактором. При анализе распределения эмоций по морфологическим формам выявлено, что в обучающем корпусе императив преимущественно встречается в контекстах с эмоцией «Радость». Однако глаголы класса «Грусть» в форме повелительного наклонения систематически классифицируются энкодерами как «Злость». Это расхождение между характеристиками обучающих данных и результатами классификации указывает на то, что императив в сочетании с семантикой грусти интерпретируется моделями как выражение агрессии, что свидетельствует о взаимодействии грамматической формы с семантикой глагола при определении эмоционального класса.
Ключевые слова:
Article Details
Библиографические ссылки
2. Mohammad S. Best Practices in the Creation and Use of Emotion Lexicons // Findings of the Association for Computational Linguistics: EACL 2023. Dubrovnik, Croatia: Association for Computational Linguistics, 2023. P. 1825–1836.
3. Loukachevitch N., Levchik A. Creating a General Russian Sentiment Lexicon // Proc. of the Tenth International Conference on Language Resources and Evaluation (LREC'16). Portorož, Slovenia: European Language Resources Association (ELRA), 2016. P. 1171–1176.
4. Babenko L.G. Alphabet of Emotions: Thesaurus of Emotive Lexis, 2nd edition. Yekaterinburg; Moscow: Armchair Scientist, 2022.
5. Deng J., Ren F. A Survey of Textual Emotion Recognition and Its Challenges // IEEE Transactions on Affective Computing. 2023. Vol. 14, No. 1. P. 49–67. https://doi.org/10.1109/TAFFC.2021.3053275
6. Iaroshenko P.V., Loukachevitch N.V. RusEmoLex: Russian Emotion Lexicon // Russian Journal of Linguistics. 2025. Vol. 29, No. 3. P. 659–687.
URL: https://doi.org/10.22363/2687-0088-44439
7. Iaroshenko P.V., Petrova A.A., Loukachevitch N.V. Morphology and emotion recognition: How verb form affects language model predictions // Computational Linguistics and Intellectual Technologies: Proceedings of the International Conference Dialogue 2026. 2026. P. 134–143.
8. Acheampong F.A., Nunoo-Mensah H., Chen W. Transformer models for text-based emotion detection: a review of BERT-based approaches // Artif Intell Rev. 2021. Vol. 54. P. 5789–5829. https://doi.org/10.1007/s10462-021-09958-2
9. Kumar R.P., Ramya P., Teja G.S., Krishna V.R. BERTing Emotions: Exploring Textual Emotion Recognition using NLP // International Conference on Intelligent Computing and Control Systems (ICICCS). Erode, India, 2025. P. 888–895.
https://doi.org/10.1109/ICICCS65191.2025.10984670
10. Kusal S., Patil S., Kotecha K., Aluvalu R., Varadarajan V. AI Based Emotion Detection for Textual Big Data: Techniques and Contribution // Big Data and Cognitive Computing. 2021. Vol. 5, No. 3. Article 43. URL: https://doi.org/10.3390/bdcc5030043
11. De Bruyne L. The paradox of multilingual emotion detection // Proc. of the 13th Workshop on Computational Approaches to Subjectivity, Sentiment, & Social Media Analysis. Toronto, Canada: Association for Computational Linguistics, 2023. P. 458–466.
12. Plaza-del-Arco F.M., Cercas Curry A.A., Cercas Curry A., Hovy D. Emotion analysis in NLP: Trends, gaps and roadmap for future directions // Proc. of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation. 2024. P. 5696–5710.
13. Ekman P. Are there basic emotions? // Psychological Review. 1992. Vol. 99, No. 3. P. 550–553.
14. Plutchik R. A general psycho-evolutionary theory of emotion // Theories of emotion. Cambridge: Academic Press, 1980. P. 3–33.
15. Mohammad S., Turney P. Crowdsourcing a word-emotion association lexicon // Computational Intelligence. 2013. Vol. 29, No. 3. P. 436–465. URL: http://doi.org/10.1111/j.1467-8640.2012.00460.x
16. Sysoeva T.A., Lyusin D.V. Development of an extended database with emotional ratings of nouns ENRuN-2: Successes, problems and prospects // Psychology of cognition: Proc.of the All-Russian Scientific Conference, YARSU, December 6-8, 2024 / I.Yu. Vladimirov, S.Yu. Korovkin (eds.). Yaroslavl: Filigran, 2024. P. 316–320.
17. Savchuk S.O., Arkhangelskiy T., Bonch-Osmolovskaya A.A., Donina O.V., Kuznetsova Yu.N., Lyashevskaya O.N., Orekhov B.V., Podryadchikova M.V. Russian National Corpus 2.0: New opportunities and development prospects // Voprosy Jazykoznanija. 2024. No. 2. P. 7–34.
18. Sboev A., Naumov A., Rybka R. Data-driven model for emotion detection in Russian texts // Procedia Computer Science. 2021. Vol. 190. P. 637–642.
19. Kazyulina M., Babii A., Malafeev A. Emotion Classification in Russian: Feature Engineering and Analysis // Analysis of Images, Social Networks and Texts. AIST 2020. Lecture Notes in Computer Science. Vol. 12602. Cham: Springer, 2021. https://doi.org/10.1007/978-3-030-72610-2_10
20. Muhammad S.H., Ousidhoum N., Abdulmumin I. et al. BRIGHTER: BRIdging the Gap in Human-Annotated Textual Emotion Recognition Datasets for 28 Languages // Proc. of the 63rd Annual Meeting of the Association for Computational Linguistics (Vol. 1: Long Papers). Vienna, Austria: Association for Computational Linguistics, 2025. P. 8895–8916. https://doi.org/10.18653/v1/2025.acl-long.436
21. Demszky D., Movshovitz-Attias D., Ko J., Cowen A., Nemade G., Ravi S. GoEmotions: A Dataset of Fine-Grained Emotions // Proc. of the 58th Annual Meeting of the Association for Computational Linguistics. Online: Association for Computational Linguistics, 2020. P. 4040–4054.
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Представляя статьи для публикации в журнале «Электронные библиотеки», авторы автоматически дают согласие предоставить ограниченную лицензию на использование материалов Казанскому (Приволжскому) федеральному университету (КФУ) (разумеется, лишь в том случае, если статья будет принята к публикации). Это означает, что КФУ имеет право опубликовать статью в ближайшем выпуске журнала (на веб-сайте или в печатной форме), а также переиздавать эту статью на архивных компакт-дисках журнала или включить в ту или иную информационную систему или базу данных, производимую КФУ.
Все авторские материалы размещены в журнале «Электронные библиотеки» с ведома авторов. В случае, если у кого-либо из авторов есть возражения против публикации его материалов на данном сайте, материал может быть снят при условии уведомления редакции журнала в письменной форме.
Документы, изданные в журнале «Электронные библиотеки», защищены законодательством об авторских правах, и все авторские права сохраняются за авторами. Авторы самостоятельно следят за соблюдением своих прав на воспроизводство или перевод их работ, опубликованных в журнале. Если материал, опубликованный в журнале «Электронные библиотеки», с разрешения автора переиздается другим издателем или переводится на другой язык, то ссылка на оригинальную публикацию обязательна.
Передавая статьи для опубликования в журнале «Электронные библиотеки», авторы должны принимать в расчет, что публикации в интернете, с одной стороны, предоставляют уникальные возможности доступа к их материалам, но, с другой, являются новой формой обмена информацией в глобальном информационном обществе, где авторы и издатели пока не всегда обеспечены защитой от неправомочного копирования или иного использования материалов, защищенных авторским правом.
При использовании материалов из журнала обязательна ссылка на URL: http://rdl-journal.ru. Любые изменения, дополнения или редактирования авторского текста недопустимы. Копирование отдельных фрагментов статей из журнала разрешается для научных исследований, персонального использования, коммерческого использования до тех пор, пока есть ссылка на оригинальную статью.
Запросы на право переиздания или использования любых материалов, опубликованных в журнале «Электронные библиотеки», следует направлять главному редактору Елизарову А.М. по адресу: amelizarov@gmail.com
Издатели журнала «Электронные библиотеки» не несут ответственности за точки зрения, излагаемые в публикуемых авторских статьях.
Предлагаем авторам статей загрузить с этой страницы, подписать и выслать в адрес издателя журнала по электронной почте скан Авторского договора о передаче неисключительных прав на использование произведения.