有人告诉我，nlp 可能是研究人员在写作时推断出一个人的情感状态的关键。例如，通过对在线笔记使用 nlp 分析，您可以推断出学生是否有压力。我在教育认知科学领域工作，所以如果是这样的话，这对我来说将是一个宝贵的资源，但是我正在努力寻找证据证明确实如此。
我已经开始了初步研究，并试图了解一些关于 nlp 的技术方面的知识——我正在参加Jurafsky 和 Manning 的在线课程，另一个是 Michael Collins的在线课程——我一直在阅读有关使用 nlp 可以推断什么的信息，特别是围绕意见挖掘和情感分析。
我的问题分为两部分：
[如果在错误的交流中提出这个问题，我们深表歉意。我一直在努力寻找最合适的人选，但有几个候选人，我不确定哪个最合适。]
我认为关键是大多数递归神经网络问题都是根据回归（低值表示负面情绪，高值表示正面）或二元分类（这个文本是正面的吗？）来表述的。
您似乎感兴趣的是对情绪的更细致入微的定义。这不存在任何固有问题，因为相同的算法可能很好地预测更复杂的情绪。问题只是标记数据。因为这种分类即使对人类来说也很困难，所以要可靠地收集数据并不容易，比如作家的压力有多大。
但是，如果您对组装这种性质的数据集感兴趣，您可以应用相同的方法（递归神经网络是一种流行的选择）来进行分类。该领域的许多研究人员使用Amazon Mechanical Turk或类似的东西以合理的成本收集标记数据。
情感分析、情感检测和意见挖掘都涵盖了一组问题，通常可以认为是同一个问题。
情绪分析一词似乎在媒体和行业中更受欢迎。在实践中，截至 2015 年，它主要是关于给文本打分，介于 0.0 和 1.0 之间，用于负面到正面的情绪。（严格来说，这只是一个子问题，也是许多可能的公式之一。）
但是，无论何时使用任何术语，您都应该定义或询问确切问题的定义。
有人可以向我指出更多面向情感分析的资源的方向吗？
有大量关于情绪分析的非常好的论文供您参考。尤其是Twitter 等社交网站上的那些。
然而，我认为 Manning 的书和他的课程作为 NLP 和意见挖掘的参考是一个很好的开始。
可以使用 nlp 或其他东西来获得未说明的影响吗？
是的，可以。这将是我的方法：
（假设我已经有一个手工分类的训练数据）使用词袋方法，可以捕获情绪（压力、快活等）最常用的词和短语，随后的训练数据可以相应地排名为（ 60% 的压力，40% 的快乐）。
此外，您还可以定义获得单一情绪的阈值。喜欢：
if mood[score] > .5:
current_mood = mood