說在前頭： 沒想到有機會來修了1次當1次助教 還拿不到學分的情感運算課程分享 邁向文字情緒分析的步伐，然後跌倒。 在這短短三小時內 預計與你分享的是…. 1.了解情感運算的潛力 2.文字情緒分析的方式與難處 3.想要深入的教學資源 放心不會有… 1.數學(連1+1都不會有) 2.艱澀的程式碼(好啦有一點)

1. 推
開
文
字
情
緒
的
門
國立臺南大學
數位學習科技學習碩士班課程
107上/情感運算 (09/25)
授課教師：林豪鏘
分享人：張小均@DDLab

2. 「左手的泥呀
右手的泥呀
知己的花衣裳」
是正向
還是負向情緒？
─楊乃文 Naiwen Yang
【推開世界的門 Through You】

3. 說在前頭：
沒想到有機會來修了1次當1次助教
還拿不到學分的情感運算課程分享
邁向文字情緒分析的步伐，然後跌倒。
在這短短三小時內
預計與你分享的是….
1.了解情感運算的潛力
2.文字情緒分析的方式與難處
3.想要深入的教學資源
放心不會有…
1.數學(連1+1都不會有)
2.艱澀的程式碼(好啦有一點)

4. 1.《情感運算革命》導讀
2.文字情緒分析的初探
3.Google Cloud Platform平台設置
4.Anaconda第一個程式
5.最簡單的的文字情緒分析
6.Machine Learning的文字情緒分析
7.Deep Learning的文字情緒分析
8.補充資料
放心
上不完的XD

5. 《情感運算革命》導讀

6. 文字情緒分析
只是情感運算的一小塊
請參閱錄影(28min)
https://www.youtube.com/watch?v=kyBVoZ3iImE

7. 文字情緒分析的初探

8. 文字情緒分析
有何用？

9. •網路溫度計
https://dailyview.tw/

10. •口碑太好是正常的嗎？

11. 1. 輸入：你今天過得如何
2. 判斷情緒
3. 輸出：推薦歌曲
•這門課最常出現的專題之一：
音樂推薦軟體

12. •來看看文字情緒辨識有多麻煩

13. 「我很快樂。」
請問這句話是1.正向情緒 2.負向情緒?

14. 「我很快樂！」
請問這句話是1.正向情緒 2.負向情緒?

15. 「我很快樂吧。」
請問這句話是1.正向情緒 2.負向情緒?

16. 「我快樂吧。」
請問這句話是1.正向情緒 2.負向情緒?

17. 「我快樂嗎？」
請問這句話是1.正向情緒 2.負向情緒?

18. 「我快樂嗎...」
請問這句話是1.正向情緒 2.負向情緒?

19. 「我快樂嗎...
嗨！鏘鏘！」
請問這句話是1.正向情緒 2.負向情緒?

20. 根據現場調查
前面7個問題
每題都不只有一個答案
有人認為是正向，也有人認為是負向情緒

21. 兩個情緒
就很難分類了
更何況光是在
Wikipedia上有定
義的情緒有超多種
如果沒有要這麼多
種也可以參考Paul
Ekman 的6大情緒

22. 中文vs英文

23. 「我很快樂。」
「 我 很 快樂 。 」
很 快樂
斷詞後
去除贅字(stopword)後

24. [ I am very Happy. ]
[ I am very Happy. ]
very Happy
不用斷詞
去除贅字(stopword)後

25. 規則式 機器學習
文字情緒分析的兩大方法
(現在很夯)

26. 規則式 機器學習
監督式
學習
非監督
式學習
如果文字都能對應到情緒
屬於監督式學習
有正確答案 不知道答案

27. 規則式 機器學習
規則式+機器學習
(透過類神經網路把規則式的判斷句變成隱藏層)
DDLab不斷努力的是
雙劍合璧的做法(歡迎報考碩/博士班)

28. 最簡單的的文字情緒分析

29. 規則式

30. 用python寫
最簡單的文字情緒辨識
1.打開python
2.輸入下一頁的6行程式碼
3.電腦回傳正向情緒詞的位置

31. 用python寫
最簡單的文字情緒辨識
# -*- coding:utf-8 -*-
pos = ["skr", "開心", "快樂"]
sentence="我很開心! skr"
for i in pos:
print( sentence.find(i) )
pass

32. 用python寫
最簡單的文字情緒辨識
這樣的程式很弱
1.辭典是固定的
->找中文情緒詞典擴充(臺大NTUSD 、中科院)
2.否定詞沒有辦法處理
->「我不是很快樂」還是會判定為快樂
(還有其他缺點就不講了XD)

33. 還能寫更多規則判斷
來強化它...
•文法
•詞性
•各種語言學的知識...

34. Machine Learning的
文字情緒分析

35. 機器學習

36. 機器學習有一大堆演算法

37. 情緒分析通常用分類的
(classification)

38. (監督式)機器學習的步驟就繁複多了
在這裡初步講基礎，想深入請上MOOC

39. 機器學習
訓練
語句》
向量 》
用各種演算法
把文字轉成數值(向量)
才能餵給機器學習演算法
常見的做法有
1.TF-IDF
2.Bag of Words(BOW)
3.Word2vecs
SVM, nearest neighbors,
random forest, …
正向句
「我很快樂」
負向句
「大明感到難過」
(1,1,0,0,1…)快樂
大明(0,0,0,0,0…)
.
.
.

40. 機器學習
訓練
語句》
向量 》
用各種演算法
把文字轉成數值(向量)
才能餵給機器學習演算法
常見的做法有
1.TF-IDF
2.Bag of Words(BOW)
3.Word2vecs
SVM, nearest neighbors,
random forest, …
正向句
「我很快樂」
負向句
「大明感到難過」
(1,1,0,0,1…)快樂
大明(0,0,0,0,0…)
.
.
.
模型(0.12,0.51,0.3,0.11…)
(0.4,0.3,0.2,0.1…)
(0.2,0.5,0.1,0.1…)

41. 機器學習測試
語句》 模型
分類
向量》
「是個快樂的人」
不知道是
正向還是負向
(1,1,0,0,1…)快樂
「是個快樂的人」
90%是正向的
10%是負向的
(0,0,00,0,0…)人

42. Anaconda第一個程式

43. 簡單的機器學習英文情緒分析案例

44. 1.先裝Anaconda(內建各種常用的機器學習程式)
2.裝好後打開包在裡面的Jupyter Notebook
3.下載「Making Sentiment Analysis Better with
NLTK & Scikit-Learn」的程式碼(網址)
Jupyter打開twilio-nltk-scikit-learn.ipynb就能一
邊看說明一邊執行

45. Google Cloud Platform
平台設置

46. 當資料量大的時候
跑在個人NB/PC會跑很久
記憶體不夠或運算速度不夠快
接下來的範例，建議用Google
雲端建立虛擬機器
GCP專門家講得不錯
按步驟即可架好機器
(建議配置記憶體8GB 硬碟30GB避免空間不足訓練失敗)
(連結)

47. AimeeLee77 / senti_analysis
稍微複雜一點的
機器學習中文情緒分析案例

48. • 把程式抓到GCP上執行
• 小心踩雷：編碼(GBK vs UTF8)
• 作者的程式1~5個步驟很清楚，但程式碼內的檔案路徑要自己改
• 作者沒有提供wiki.zh.text.vector要自己訓練好幾個小時，
或下載我之前訓練的(連結)
• 要安裝OpenCC 還有少某些套件(我忘了XD)
• http://byvoid.github.io/OpenCC/0.4.3/index.html
雖然作者說明有清楚
但仍可能會卡關

49. Deep Learning的
文字情緒分析

50. 可參考stanford線上課程

51. 補充資料

52. 更多學習資源
https://morvanzhou.github.io/

53. UDICatNCHU/Swinger
另一個中文情緒分析程式碼

54. DDLab的論文也可以參考

55. 情緒不是先天的
會有更多情緒產生 辨識更不易

56. 「左手的泥呀
右手的泥呀
知己的花衣裳」
是正向
還是負向情緒？
─楊乃文 Naiwen Yang
【推開世界的門 Through You】

57. 推開世界的門
你是站在門外怕遲到的人
捧著一顆不懂計較的認真
吻過你的眼睛就無畏的青春
推開世界的門
你是站在門外怕遲到的人
捧著一顆不懂計較的認真
吻過你的眼睛就無畏的青春
左手的泥呀 右手的泥呀
知己的花衣裳
世界本該是你醒來的模樣
左眼的悲傷 右眼的倔強 看起來都一樣
原來你就是我自負的膽量
歡迎加FB繼續討論與研究
─楊乃文 Naiwen Yang
【推開世界的門 Through You】