[論文レビュー] Tracking Sentiment in Mail: How Genders Differ on Emotional Axes

Saif M. Mohammad, T.Y. Yang+1 more|arXiv (Cornell University)|Sep 24, 2013

Sentiment Analysis and Opinion Mining参考文献 32被引用数 172

ひとこと要約

本稿では、メールの種別における性別による感情表現の違いを分析するため、クラウドソーシングを活用した語-感情リソースの構築を提案する。感情分析と可視化を用いて、女性は喜び-悲しみの語をより多く使用するのに対し、男性は恐怖-信頼の語を好む傾向があることが判明。これにより、感情に配慮したメールツールやメンタルヘルスの監視に役立つ知見が得られる。

ABSTRACT

With the widespread use of email, we now have access to unprecedented amounts of text that we ourselves have written. In this paper, we show how sentiment analysis can be used in tandem with effective visualizations to quantify and track emotions in many types of mail. We create a large word--emotion association lexicon by crowdsourcing, and use it to compare emotions in love letters, hate mail, and suicide notes. We show that there are marked differences across genders in how they use emotion words in work-place email. For example, women use many words from the joy--sadness axis, whereas men prefer terms from the fear--trust axis. Finally, we show visualizations that can help people track emotions in their emails.

研究の動機と目的

• 感情分析や感情の分析に適した大規模かつ高カバレッジの語-感情関連リソースを、クラウドソーシングを用いて構築すること。
• 構築したリソースを用いて、恋愛の手紙、憎しみのメール、自殺予防の手紙という、明確に分類されたメールタイプにおける感情的言語の違いを調査すること。
• 職場のメールにおける性別による感情表現の違い、特に喜び-悲しみ軸と恐怖-信頼軸に注目して分析すること。
• 個人が自身のメールやり取りにおける感情的内容を追跡できる可視化手法を設計・実証すること。
• メンタルヘルスリスクの早期特定、感情に基づくメール検索、デジタルコミュニケーションにおける感情的対話の改善といった実用的応用を支援すること。

提案手法

• アマゾンのMechanical Turkを活用し、ロジットの同義語辞書を語の意味の出典として用いて、大規模な語-感情リソースをクラウドソーシングで構築した。
• 複数のアノテーターによるラベル付けの信頼性と一貫性を確保するための品質管理措置を適用した。
• エクスマンの基本的感情理論に従い、8つの基本的感情（喜び、悲しみ、怒り、恐怖、信頼、嫌悪、驚き、予期）に語をマッピングした。
• Google N-gram コーパスを用いて語の頻度をフィルタリングし、高頻度語に限定することで、信頼性を確保した。
• 構築したリソースを用いて、恋愛の手紙、憎しみのメール、自殺予防の手紙という3つの異なるメールコーパスにおける感情的コンテンツを分析した。
• Gmailなどのメールサービスに感情分析を統合し、視覚フィードバックを通じてリアルタイムで感情のトーンを追跡可能にする仕組みを実装した。

実験結果

リサーチクエスチョン

• RQ1 恋愛の手紙、憎しみのメール、自殺予防の手紙という3つのタイプにおいて、感情的語の分布にどのような違いが見られるか？
• RQ2 職場のメールにおいて、性別による感情表現のパターンは何か。特に喜び-悲しみ軸と恐怖-信頼軸において顕著な差異は存在するか？
• RQ3 クラウドソーシングで構築した感情リソースは、非公式な書面での感情的表現の微細な違いを的確に捉えることができるか？
• RQ4 メールの感情トーンを可視化することで、ユーザーが自分の感情表現を監視・管理するのをどの程度支援できるか？
• RQ5 メールにおける感情分析は、心理的苦痛の早期発見や人間関係の対話改善に寄与できるか？

主な発見

• 女性の職場メールでは、男性のメールと比較して、喜び-悲しみの感情軸に属する語の使用頻度が顕著に高いことが判明した。
• 男性の職場メールでは、恐怖-信頼の感情軸に関連する語の頻度が高く、明確に異なる感情的レジスタが特徴であることが示された。
• 感情リソースは、3つのメールタイプにおける感情的トーンの有意義な違いを的確に捉えており、自殺予防の手紙では悲しみと恐怖のレベルが顕著に高かった。
• 恋愛の手紙では、喜びと信頼の語が顕著に多く使われており、憎しみのメールでは怒り、嫌悪、恐怖の語が多く見られた。
• 時間経過に伴う感情的傾向の可視化により、感情トーンの明確な変化が検出可能であり、個人の感情的自己モニタリングに有効であることが示された。
• 本手法は、ユーザーフレンドリーな視覚フィードバックと組み合わせることで、メールにおける感情分析が信頼性があり実用的であることを実証した。