论文部分内容阅读
情感状态不是孤立的,情感之间存在转移和依赖,其转移不仅受内在的、认知的方面的因素影响,而且与社会因素相关。对情感转化现象进行描述和建模,可以有效地帮助理解个人与公众的情感状况,改善个人的情感健康,还可以为公司或团体在决策制定时提供有效的支持。现有的方法大都集中在单一维度的情感展示,较少展示公众的多维度的情感转化规律,并分析其中的原因。 针对上述问题,本文首先收集了带有心情标签的用户日志数据;然后结合心理学中的类别和维度模型,将心情标签聚集成三层树状结构,便于递进式展示多维度的情感信息;其次对单个用户的心情链,分别基于时间和心情之间的转化关系进行聚集,以便反映公众的情感状况;最后设计了交互式可视分析系统EmotionFlow,以便交互式分析情感转化规律及其原因。 通过案例分析,本文实现的系统可以帮助用户:1、探索情感之间固有的转化规律,比如,本文验证了相比于“快乐”等其它心情,“愤怒”更倾于向别的心情转化;2、探索和时间相关的情感分布和转化规律,并进行原因分析,比如,EmotionFlow准确地展示了美国2014年中期选举期间公众的“愤怒”情感有所增加,并有效地分析了该现象的产生原因。