Google发布细致分类的情绪资料集GoEmotions

Google发布大型且由人工注解的情绪资料集GoEmotions，该资料是目前最大型的全注解英文高精细度情绪资料集，能够用于细致的情绪预测应用上。GoEmotions是Google在Reddit上，从英语子版截取了5.8万条评论，并以27种情绪类别标注。

GoEmotions考量心理学和资料适用性，有别于基本的6种情绪，该资料集包含12种正面情绪，11种负面情绪和4种暧昧不明的情绪，还有1种中性情绪，使其能广泛地应用在需要细微区分情绪的对话理解任务。

人类能够通过简单地以文本和话语，微妙地传递复杂的情感，而自然语言处理研究社群的一个长期目标，便是要让机器人能够理解对话的上下文和情绪，使得聊天机器人能更善解人意，甚至是能够侦测线上有害的行为，或是改进客服功能等。

在过去10年，自然语言处理研究社群所制作的多个分类情感的资料集，大部分都是手动构建，领域涵盖新闻标题、电影以及故事，资料集规模不仅较小，也仅限于愤怒、惊讶、厌恶、喜悦、恐惧和悲伤6种基本情绪。

而Google的目标，是要创建一个专注于对话的大型情绪资料集，而Reddit平台提供了大量公开可用的内容，因此Google截取从2005年到2019年1月的评论资料，作为资料集的内容。不过，因为Reddit的用户存在性别偏差，年轻男性占多数，无法用来反映全球多样化的人口，而且Reddit不乏有攻击性或是歧视等有毒言论，为了解决这些问题，Google使用资料过滤技术，移除了不适合的内容，而且同时也调整了资料，避免活跃的Reddit子板言论过度代表不活跃的子群体。

GoEmotions提供了大量人工注解的情感资料，特别的是提出了一种更简单的启发式方法，将嵌入在用户对话的表情符号，作为情绪分类的项目，这种方法可以用在包含合理表情符号的语言语料库，像是对话性的资料。

但官方又提到，虽然许多表情符号与情绪相关联，但是情感非常微妙且多样，在许多情况下，单一表情符号并无法真正捕捉情绪的完整复杂性，而且表情符号代表着情绪所带来的表情，因此Google认为表情符号更应该被视为表达而非情绪。这类型的情绪资料，对于构建富有表现力的对话代理，或是建议上下文表情符号相当有用，将会是研究人员未来的研究领域。