Lexicon- and Learning-based Techniques for Emotion Recognition in Social Contents

In recent years, the massive diffusion of social networks has made available large amounts of user-generated content, which often contains authentic information about people's emotions and thoughts. The analysis of such content through emotion recognition provides valuable insights into people's feeling about products, services and events, and allows to extend traditional processes of Business Intelligence. To this purpose, in the present work we propose novel techniques for lexicon- and learning-based emotion recognition, in particular for the analysis of social content. For what concerns lexicon-based approaches, the present work extends traditional techniques by introducing two algorithms for the disambiguation of polysemous words and the correct analysis of negated sentences. The former algorithm detects the most suitable semantic variant of a polysemous word with respect of its context, by searching for the shortest path in a lexical resource from the polysemous word to its nearby words. The latter detects the right scope of negation through the analysis of parse trees. Moreover, the paper describes the design and implementation of an application of the lexicon-based approach, that is a full-fledged platform for information discovery from multiple social networks, which allows for the analysis of users' opinions and characteristics and is based on Exploratory Data Analysis. For what concerns learning-based approaches, a methodology has been defined for the automatic creation of annotated corpora through the analysis of facial expressions in subtitled videos. The methodology is composed of several video preprocessing techniques, with the purpose of filtering out irrelevant frames, and a facial expression classifier, which can be implemented using two different approaches. The proposed techniques have been experimentally evaluated using several real-world datasets and the results are promising.

In tempi recenti, la diffusione massiva dei social network ha reso disponibili grandi quantità di contenuti generati dagli utenti, i quali spesso contengono informazioni autentiche in merito alle emozioni ed ai pensieri delle persone. L'analisi di tali contenuti attraverso tecniche di emotion recognition offre informazioni preziose in merito alla percezione di prodotti, servizi ed eventi, permettendo di estendere i tradizionali processi di Business Intelligence. A tal fine, nella presente tesi sono proposte tecniche innovative, basate sia sull'uso di risorse lessicali (lexicon-based) che di algoritmi di machine learning (learning-based), per l'emotion recognition, in particolare con applicazioni a contenuti social. Per quanto riguarda gli approcci lexicon-based, vengono estese le tecniche classiche introducendo due algoritmi, rispettivamente per la disambiguazione delle parole polisemiche e l'analisi delle frasi contenenti negazioni. Il primo algoritmo individua la variante semantica di una parola polisemica più adatta al contesto cercando il percorso più breve, all'interno di una risorsa lessicale, fra la parola polisemica e le parole vicine. Il secondo, invece, individua lo scope della negazione mediante analisi dell'albero sintattico. La tesi presenta inoltre la progettazione e l'implementazione di una piattaforma basata su approcci lexicon-based per l'analisi delle opinioni espresse dagli utenti in vari social network. Per quanto concerne gli approcci learning-based, è stata definita una metodologia per la creazione autoamtica di corpora annotati attraverso l'analisi delle espressioni facciali in video sottotitolati. La metodologia propone l'utilizzo di numerose tecniche di video preprocessing, per il filtraggio dei frame non rilevanti, e di un classificatore di espressioni facciali, implementabile mediante due approcci differenti. Le tecniche proposte sono state valutate sperimentalmente attraverso numerosi dataset e i risultati sono promettenti.