情緒表達是非常微妙的，常因群體或個人的經驗、知識、信仰而有所不同。為了進一步瞭解語句中潛藏的情緒，情緒分析以及機器學習研究者一直試圖建構不同的模型機制來捕捉字裡行間表達的情緒。在《愛・情緒・機器人》分享當中，我們將簡單介紹情緒分析為何和其他機器學習任務不同、其傳統模型和深度模型常用的特徵萃取方法，以及情緒分析如何應用在電子商務、邊緣性人格偵測，甚至是認知行為治療機器人。

情緒分析的挑戰在於主觀性、語意語境、以及本土性。一句話的情緒詮釋常常因人而異，極度仰賴於前後文關係，並且往往與文化和語言演進有關。在模型上面，我們試圖透過詞向量、卷積模型以及模型的注意力機制來克服這些問題。我們在分享中將透過實際例子來解釋這些現象和問題。

情緒分析的應用層面非常廣泛，比如電子商務裡面常見的偏好萃取以及協助客服人員處理客訴。此外，相關研究還延伸到透過社群媒體偵測邊緣性人格、躁鬱症等議題上面。近期療癒系機器人 Woebot 更把情緒分析帶上認知行為治療的範疇。

Collaborative note: https://hackmd.io/@coscup/SJWQAMlEr