ดังนั้นคุณอาจคุ้นเคยกับ Word2Vec, (W2V) ซึ่งเป็นWikipedia อธิบาย1 "รวบรวมบริบททางภาษาของคำ" โดยใช้ vector arithmetic ตัวอย่างเช่นลบ 'ปารีส' จาก 'ฝรั่งเศส' และเพิ่ม 'อิตาลี' และคุณจะได้รับ 'โรม'
สิ่งที่คุณต้องการคือ Sentiment2Vec (S2V) ที่จับภาพความเหมือนระหว่างการเปลี่ยนอารมณ์ สิ่งที่ชอบ: ลบ 'ความกลัว' จาก 'ความโศกเศร้า' เพิ่ม 'ความสุข' และคุณจะได้รับ 'ความหวัง' หรือ: ลบ 'sting' จาก 'papercut' เพิ่ม 'smashed' แล้วคุณจะได้รับ 'throbbing'
สิ่งที่จับได้คือคุณไม่มีคลังข้อความทางอารมณ์ที่เข้าถึงได้ง่ายเพื่อฝึกฝนด้วยอย่างที่คุณมีด้วยคำพูด หากคุณมี fMRI เป็นล้านชั่วโมง - ทำแผนที่การเปลี่ยนระหว่างอารมณ์ในหลายร้อยเรื่อง - จากนั้นคุณสามารถใช้ข้อมูลนั้นเพื่อสร้าง S2V คุณอาจไม่มีข้อมูลนั้น
ในเวลานั้นคุณสามารถสร้าง W2V ที่เชี่ยวชาญเรื่องความรู้สึก คุณสามารถลองใช้เครื่องมือวิเคราะห์ความเชื่อมั่นในปัจจุบันเพื่อบู๊ตได้ บางทีถ้าคุณอ่านข้อความมากพอที่บอกว่า "ฉันได้รับกระดาษตัดแล้วมันก็กัด" และ "ฉันทุบนิ้วของฉันและมันสั่น" ในที่สุดคุณก็สามารถสร้าง S2V ได้ หนังสือเด็กมักใช้ภาษาที่ชัดเจนเกี่ยวกับบริบททางอารมณ์ ("นี่ทำให้เด็กรู้สึกเศร้า")
แต่คำพูดก็ยังคงเป็นหนทางไกลจากบริบทประสบการณ์ที่แผนที่เชื่อมต่อจะจัดเตรียมไว้ให้ ในการทดสอบว่าคุณมีสิ่งที่มีประโยชน์หรือไม่คุณอาจต้องการใช้ S2V ของคุณในแบบจำลองการหาเหยื่อของเมาส์ - ดูว่ามันสร้างพฤติกรรมตามปกติหรือไม่และหากการร่วมมือหรือการเปลี่ยนแปลงทางการแข่งขันสามารถเติบโตจาก S2V ของคุณได้
ข้อมูลเพิ่มเติมบางอย่างเกี่ยวกับเรื่อง:
ในปี 2014 มหาวิทยาลัยกลาสโกว์อ้างว่า2มีสี่อารมณ์หลักคือความสุขความเศร้าความกลัวและความโกรธ
เว็บไซต์นี้3ให้รายละเอียดที่ดี (ถ้าค่อนข้างสั้น) การแบ่งลำดับชั้นของอารมณ์รองและตติยภูมิภายใต้อารมณ์หลัก
อ้างอิง
1 : en.wikipedia.org/wiki/Word2vec
2 : www.bbc.com/news/uk-scotland-glasgow-west-26019586
3 : changingminds.org/explanations/emotions/basic%20emotions.htm