情感的分类问题

情感如果非得用一些词汇来表达是乎总是不深刻，例如同一件事情在不同人身上所表达的尺度都会不尽相同，它与个人的经历和看事情的角度以及内心承受能力都息息相关。楼主你如果非要用一些尺度来表达，那么我觉得悲伤应该是情绪的8成，喜悦是5成而愉快则是6成：人天性都有自虐倾向所以表达悲伤时大多会歇斯底里。。喜悦对于有自虐倾向的人类来说是一种稍纵即逝的调剂。。愉快对于任何人都可以，甚至包括虐待自己的人群。

一、常见心理及精神问题分类表，二、医学及心理学对心理异常的区别标准，三、评估心理健康的标准，四部分组成。关于情绪的类别，长期以来说法不一。我国古代有喜、怒、忧、思、悲、恐、惊的七情说，美国心理学家普拉切克(Plutchik)提出了八种基本情绪：悲痛、恐惧、惊奇、接受、狂喜、狂怒、警惕、憎恨。还有的心理学家提出了九种类别。虽然类别很多，但一般认为有四种基本情绪，即快乐、愤怒、恐惧和悲哀。

从最基本的开始吧： 基于词典的正负词词频， 我们实验室一个小组曾经在新浪微博上使用这个方法， 惊讶的发现这个如此不优美的方法的效果竟然那么的“可以看”。 在此之上一个改进的办法是对大量数据做一次二元的离散化（假定是正负情感）， 以此选定阈值， 离散化的方法有很多， 不再赘述。

　　接下来的方法主要分为两类：

　　基于特征（feature-based）：

　　这类方法比较好理解， 无非是人来选定特征空间， 然后对每一个数据项生成一个特征向量， 使用分类器对向量进行分类， 理论上所有的分类器都可以实现这个需求， 只是效果更不同。

　　方法之一是就是KNN， 但是和所有基于特征的方法一样， 特征的选取是一个永恒的话题，像KNN这种还需要维护巨大矩阵的方法尤其难以满足实用需求， 但是对于KNN的空间优化也有相应的办法， 就是对每个数据项指记录K项最近距离， 也就是K个<数据项ID， 距离>， 当有更近的数据项进来时， 替换最远的数据项， 此外， 我也同意@范文阁下的观点， 觉得KNN的效果不会好于SVM。

　　SVM： 经典分类器， 我决不敢自称完全理解SVM， 但使用方法大同， 也是将数据项生成特征向量（稍后会介绍另一种方法）， 但是特征的选取是一个永恒的话题， 因为一切特征对于描述一个数据项来说都是必要的（但是不一定重要）， 但是我们尽量选取合适的特征组来保证分类的准确率， 这一切， 这所做的一切都是对无法枚举出所有特征的现状的妥协。 SVM的开源包有很多， 楼主可以试试libsvm和svmlight。

　　基于核函数（KernelMethod-based）：

　　前面提到人为的选取特征的局限性， 并且隐含的线性不可分问题。 核函数是一个计算两个对象之间“相关度”（kernel）的函数。 有关核函数的定义和优化方法不一会儿能够谈清， 仅列出文献：

　　wiki：http://enwikipediaorg/wiki/Kernel_methods

　　Text Classification using String Kernels：http://dlacmorg/citationcfmid=944799&dl=ACM&coll=DL&CFID=96216241&CFTOKEN=33225628

　　Kernel Method for General Pattern Analysis:http://wwwkernel-methodsnet/tutorials/KMtalkpdf

　　（以下方法没有经过验证）

　　基于核函数的SVM， 应用方式（以情感分类为例）可以简单地做文本分类（当然可以预先做词性过滤）， 对于每一个需要做情感分类的文本之间算出kernel值， 用这个矩阵在svm中得到model， 然后对于测试数据， 或者预测数据在对训练数据中的每一项算kernel值， 拿这个矩阵用model去做测试（预测）。 这个过程的一个“快餐”的理解方式是： 将每一个数据与测试数据集中的每一项的相似度的向量当成之前feature-based的方法中的特征向量， 整个过程不过还是一个基于特征的训练-预测过程（当然， 这说法是不对的）。 libsvm中自带subsequence kernel 的实现使用参数-t来进行使用， 此外也支持自定义核函数。

　　之前谈过的KNN， 我觉得也可以引入kernel， 但是至于可行性和必要性嘛， 大家也就当讨论一下吧。 简单来说就是将KNN中的欧式距离替换成kernel值。

　　==============================

　　CRF应该没办法做情感分类吧， 毕竟不是分类器， 拿它做过实体识别， 感觉序列标注器不适合这个问题。

　　严重同意@范文阁下的说法， 在实用领域， 预处理和数据获取（语料）才是王道， 机器学习就和人学习一样， 教育方法再好， 教的东西不好一样是浮云。 拿我大二数据挖掘老师的话讲， 统计模型都是现成的， 拼得就是数据。

情感的种类依据社会性内容其实就三个，分别为美感、理智感、道德感。

其中的道德感应该是大家生活中最耳熟能详的了吧，它指的是人们在对自己或他人的言行举止符合社会道德程度做判断时所产生的的一种情感，比方说愧疚感；理智感是指人们在与智力有关的活动中所产生的情感，比方说好奇心；而美感则指的是人们在欣赏文艺作品、社会现象、自然现象或景观时所产生的情感，比方说对丑陋之物的厌恶与蔑视，对美好景物或事物的感叹和赞美之情。

情绪问题可以分为不同的类型和形式。这些分类包括：

1 抑郁症：这是一种情绪问题，常常表现为消极、低落、失去兴趣和动力，以及人际交往困难等症状。

2 焦虑症：焦虑症常常表现为过度担心、害怕、紧张，以及可能的恐惧症状，如恐高症、社交恐惧症等。

3 心理创伤后应激障碍（PTSD）：这是一种情绪问题，通常是由于曾经经历过震撼人心的、造成心理创伤的事件所引起的。这些事件包括战争、暴力事件和自然灾害等。

4 双相障碍：双相障碍是一种情绪问题，人们经历周期性的心境波动，有时会表现出极度的情绪高涨，有时则会表现出极度的消极情绪。

5 边缘性人格障碍：这是一种人格障碍，其中人们常常表现出极端的情绪不稳定，有时是过度情绪化，有时则是冷漠无情。

6 强迫症：这是一种情绪问题，常常表现为强烈的焦虑和强烈的强迫行为，例如不断洗手、检查门窗等。

7 精神分裂症：这是一种病理性情绪问题，通常被认为是由遗传和环境因素引起的。精神分裂症患者可能会听到声音或有幻觉，以及有情绪和认知障碍等。

这些分类只是情绪问题的一部分，实际上还有其他种类和形式。如果你或你认识的人面临着情绪困扰，请及时寻求专业的医疗帮助。

具体依据不明！

但，

别人要问一般也只会问“你情绪怎么样？还好不？”，而不会问“你情感还好不？”，那在这里情绪则意为“心情、心境”。

当然，情绪也可泛指为感情，但当人一般描述感情相关时好似一般只会说“情感远近与深浅”，而不会用情绪深浅来表达。在这里则是要说到与“绪”不同的“感”字了，就是人已经有感觉了，受了外界的影响有了“心理反应”。

诚然，如此说来两词好似相近得不得了，呵呵，但，情感二字也不可能仅仅就指“心理反应”，可以确定的是，因为感情的刺激而产生的喜怒哀乐等等心理反应，发泄不发泄都以形成了情感，发泄不发泄都为情绪。这怎么说呢？感字，心被压在了下面好似也被包裹了起来，緖字绞丝作伴人之左证明心理情况较复杂，这么说来，情感则是对情的感受一直以来的无法用语言表达的体会，情绪则为喜怒哀乐甚至几种交杂混措的感觉涌上心头停留时人的感觉，情感更含蓄，情绪则更直接，前者相对情绪可持续更长时间不间断深厚发展，后者相对情感来说则是已经产生了的感觉更容易让人看得清楚。

情感状态的三个分类：道德感、理智感和美感

1、道德感

用一定的道德标准去评价自己或他人的思想和言行是产生的情感体验。比如说对于在公交车上不给老人让座的人，你感到愤怒，此时你产生的情感就是道德感;再比如说我们对祖国的热爱，这也是道德感。总结来说，道德感是按照道德要求和社会准则进行判断时产生的情感体验。

2、理智感

在智力活动中，认识、探求或维护真理的需要是否得到满足而产生的情感体验。比如说我们成功做出一道数学难题时，产生的那个成就感，考试不及格时产生的愧疚感这些都是理智感的范畴。

3、美感

用一定的审美标准来评价事物时产生的情感体验，比如说我们去九寨沟欣赏美景时产生的愉悦感、看到大家都有序的排队进影院而产生的欣慰感，欣赏《蒙娜丽莎》时，陶醉永恒的微笑时感到的愉悦，这些都属于美感，而这些分别是自然美、社会美和艺术美。也就是美感包括对自然的美，社会的美和艺术的美产生的情感体验。

4、区分：

对于如何准确区分情感的分类，我们重点要把握的是情感是产生在哪个领域中，在道德领域产生的情感就是道德感，在智力活动中产生的情感就是理智感，用审美标准时产生的就是美感。