Google釋出細緻分類的情緒資料集GoEmotions

Google釋出大型且由人工註解的情緒資料集GoEmotions，該資料是目前最大型的全註解英文高精細度情緒資料集，能夠用於細緻的情緒預測應用上。GoEmotions是Google在Reddit上，從英語子版擷取了5.8萬條評論，並以27種情緒類別標註。

GoEmotions考量心理學和資料適用性，有別於基本的6種情緒，該資料集包含12種正面情緒，11種負面情緒和4種曖昧不明的情緒，還有1種中性情緒，使其能廣泛地應用在需要細微區分情緒的對話理解任務。

人類能夠透過簡單地以文字和話語，微妙地傳遞複雜的情感，而自然語言處理研究社群的一個長期目標，便是要讓機器人能夠理解對話的上下文和情緒，使得聊天機器人能更善解人意，甚至是能夠偵測線上有害的行為，或是改進客服功能等。

在過去10年，自然語言處理研究社群所製作的多個分類情感的資料集，大部分都是手動建構，領域涵蓋新聞標題、電影以及故事，資料集規模不僅較小，也僅限於憤怒、驚訝、厭惡、喜悅、恐懼和悲傷6種基本情緒。

而Google的目標，是要建立一個專注於對話的大型情緒資料集，而Reddit平臺提供了大量公開可用的內容，因此Google截取從2005年到2019年1月的評論資料，作為資料集的內容。不過，因為Reddit的使用者存在性別偏差，年輕男性占多數，無法用來反映全球多樣化的人口，而且Reddit不乏有攻擊性或是歧視等有毒言論，為了解決這些問題，Google使用資料過濾技術，移除了不適合的內容，而且同時也調整了資料，避免活躍的Reddit子板言論過度代表不活躍的子群體。

GoEmotions提供了大量人工註解的情感資料，特別的是提出了一種更簡單的啟發式方法，將嵌入在用戶對話的表情符號，作為情緒分類的項目，這種方法可以用在包含合理表情符號的語言語料庫，像是對話性的資料。

但官方又提到，雖然許多表情符號與情緒相關聯，但是情感非常微妙且多元，在許多情況下，單一表情符號並無法真正捕捉情緒的完整複雜性，而且表情符號代表著情緒所帶來的表情，因此Google認為表情符號更應該被視為表達而非情緒。這類型的情緒資料，對於建構富有表現力的對話代理，或是建議上下文表情符號相當有用，將會是研究人員未來的研究領域。