Математический анализ эмоционального содержания текста: метод сглаживания Бернарда Маскита

Математический анализ эмоционального содержания текста: метод сглаживания Бернарда Маскита

Интересное сегодня

Гипербарическая кислородная терапия (ГБКТ) для ветеранов с п...

Гипербарическая кислородная терапия (ГБКТ) показала свою эффективность в облегчении симптомов у люде...

Влияние спортивных платформ на пользовательский опыт: эмпири...

Введение Исследование фокусируется на двух вопросах: какие факторы влияют на пользовательский опыт н...

Как повысить удовлетворенность отношениями: 4 эффективные ст...

Почему одни отношения крепнут, а другие разрушаются?Некоторые пары сохраняют гармонию годами, в то в...

Стоит ли звонить ему? Руководство по принятию решения

Решение звонить или не звонить вашему партнеру зависит от динамики ваших отношений. Ваша ситуация ун...

Восприятие затрат и преимуществ содержания собак-компаньонов...

Введение Исследование направлено на изучение восприятия владельцев собак относительно преимуществ и ...

Теория атрибуции в психологии: определение и примеры

Теория атрибуции в психологии: основы Теория атрибуции изучает, как обычные люди объясняют причины п...

Рисунок 4: Сравнение исходных и сглаженных данных
Рисунок 4: Сравнение исходных и сглаженных данных
Рисунок 5: Влияние размера окна на степень сглаживания
Рисунок 5: Влияние размера окна на степень сглаживания
Рисунок 6: Ковариация между WRAD и WRRL
Рисунок 6: Ковариация между WRAD и WRRL
Рисунок 1: График исходных и сглаженных данных WRAD для песни Long Black Veil
Рисунок 1: График исходных и сглаженных данных WRAD для песни Long Black Veil
Рисунок 2: Сравнение сглаживания через конечные суммы и интеграл
Рисунок 2: Сравнение сглаживания через конечные суммы и интеграл
Рисунок 3: Весовая функция для окна размером 19
Рисунок 3: Весовая функция для окна размером 19
Thumbnail 1
Thumbnail 2
Thumbnail 3
Thumbnail 4
Thumbnail 5
Thumbnail 6
Оригинал исследования на сайте автора

Введение

В данной статье представлено элементарное объяснение математического вклада Бернарда Маскита в теорию множественного кодирования (Bucci, 2021), а также проблемы передачи эмоционального (невербального) опыта с помощью языка с точки зрения психолингвистики. Совместно со своей женой и соавтором Вильмой Буччи, Маскит сделал множество значительных открытий в этой области. Его математический подход, включая введение техники сглаживания, позволил разработать ряд важных метрик, которые значительно продвинули теорию.

Основные концепции

На простейшем уровне сглаживание позволяет анализировать текст не по отдельным словам, а с учётом значений соседних слов. Это придаёт анализу дектический аспект — каждое слово оценивается в контексте окружающих его элементов. Данный метод был применён в программе анализа атрибутов дискурса (Discourse Attributes Analysis Program, DAAP) и при определении таких метрик, как:

  • Среднее высокое значение WRAD (Mean High WRAD)
  • Доля высоких значений WRAD (High WRAD Proportion)
  • Ковариация между различными показателями

Метод сглаживания

Оператор сглаживания, разработанный Маскитом, использует словарь, присваивающий каждому слову числовое значение. Существует два типа словарей:

  • Взвешенные словари (например, WRAD и WRRL) — каждому слову присваивается уникальное числовое значение.
  • Невесомые словари — слова либо получают фиксированное значение, либо нейтральное, если их нет в словаре.

Работа с окнами данных

Для сглаживания текста выбирается размер окна — количество слов вокруг текущего, которые учитываются при расчёте среднего. Например, при окне размером 7 (m=4) для слова "must" в тексте будут учтены 3 слова слева и 3 справа. Значения этих слов усредняются с весами, которые уменьшаются по мере удаления от центрального слова.

«Сглаживание позволяет увидеть „тренд“ данных, который сложно заметить при анализе отдельных слов» — Бернард Маскит.

Приложения метода

Сглаживание применяется для:

  • Сравнения эмоциональной нагрузки текста по разным словарям (ковариация).
  • Вычисления средних значений и дисперсии.
  • Анализа психологических переменных, таких как вовлечённость и реорганизация мыслей.

Пример: анализ песни "Long Black Veil"

На графиках (Рис. 1–6) показано, как сглаживание делает колебания данных менее резкими, выделяя общие тенденции. Например, при сравнении WRAD и WRRL видно, что их значения часто противоположны, что отражается в отрицательной ковариации.

Короткие версии статей можно найти в телеграм-канале.

Посмотреть канал
Кликните еще раз для перехода