Часто можно услышать об обнаружении эмоций на фотографиях лиц людей, но есть и другая область, которая может быть полезна для определения эмоций людей, анализируя только то, что они пишут в таких местах, как комментарии в Facebook или Twitter. Это открывает новую возможность для автоматизации анализа эмоций и влияния пользователей на продукт, услугу или даже мнение правительства.
Понимание пользователя настолько важно для многих секторов, что даже в экономике оно может быть основным фактором для прогнозирования успеха на рынке или риска, с которым компания может столкнуться в будущем.
В этом случае, используя метод Механического Турка из-за его низкой стоимости и масштабируемости, он пытается классифицировать короткие неформальные сообщения на английском языке по классам: счастливые, злые, грустные, возбужденные и страх.
План состоит в том, чтобы определить, «сколько» эмоций можно интерпретировать в сообщениях. Они используют частный набор данных из более чем 780 000 сообщений, 60% из которых используются для обучения, 20% для проверки и 20% для тестирования; в эксперименте трехслойной ИНС со 125, 25, 5 узлами.
Забавная часть результатов заключается в том, что более точные прогнозы относятся к негативным эмоциям, за исключением страха, который является худшим из них.
