摘要

情绪识别作为自然语言处理（NLP）领域的重要分支，在人机交互、社交媒体分析、客户服务等场景中具有广泛应用。本文系统介绍基于Python的情绪识别模型构建方法，涵盖数据预处理、特征提取、模型选择、训练评估及部署应用等关键环节。通过完整的代码示例，帮助读者快速掌握情绪识别模型的开发流程。

1. 引言

情绪识别旨在从文本、语音、图像等模态中自动识别人类情绪状态。文本情绪识别因其数据易获取、应用场景丰富而备受关注。Python凭借丰富的NLP生态（如NLTK、Transformers、scikit-learn）成为实现情绪识别的首选语言。

本文聚焦文本情绪识别，构建可识别愤怒、快乐、悲伤、恐惧、惊讶、厌恶等基本情绪的模型。

2. 技术路线概览

text

数据采集 → 文本清洗 → 特征提取 → 模型训练 → 评估调优 → 部署应用

3. 数据准备

3.1 常用数据集

数据集	语言	类别	规模
ISEAR	英文	7类	约7600条
GoEmotions	英文	27类	5.8万条
中文情感语料库	中文	6类	约1.2万条
ChnSentiCorp	中文	2-4类	1万条

3.2 数据加载示例

python

import pandas as pd
from sklearn.model_selection import train_test_split

# 加载数据集（示例数据结构：text, label）
data = pd.read_csv('emotion_dataset.csv')
# label映射：0-愤怒，1-快乐，2-悲伤，3-恐惧，4-惊讶，5-厌恶
print(data['label'].value_counts())

# 划分训练集和测试集
train_texts, test_texts, train_labels, test_labels = train_test_split(
    data['text'], data['label'], test_size=0.2, random_state=42, stratify=data['label']
)

4. 文本预处理

python

import re
import jieba  # 中文分词
from nltk.corpus import stopwords

def preprocess_chinese(text):
    # 1. 去除特殊符号、数字、英文（根据需求保留）
    text = re.sub(r'[a-zA-Z0-9]', '', text)
    text = re.sub(r'[^\u4e00-\u9fa5]', '', text)  # 仅保留中文
    
    # 2. 分词
    words = jieba.lcut(text)
    
    # 3. 去停用词
    stop_words = set(stopwords.words('chinese'))
    words = [w for w in words if w not in stop_words and len(w) > 1]
    
    return ' '.join(words)

# 应用预处理
train_texts_clean = [preprocess_chinese(t) for t in train_texts]

5. 特征提取方法

5.1 TF-IDF（传统方法）

python

from sklearn.feature_extraction.text import TfidfVectorizer

tfidf = TfidfVectorizer(max_features=5000, ngram_range=(1,2))
X_train_tfidf = tfidf.fit_transform(train_texts_clean)
X_test_tfidf = tfidf.transform(test_texts_clean)

5.2 Word2Vec + 平均池化

python

from gensim.models import Word2Vec
import numpy as np

# 训练Word2Vec（或加载预训练模型）
sentences = [text.split() for text in train_texts_clean]
w2v_model = Word2Vec(sentences, vector_size=128, window=5, min_count=2, workers=4)

def text_to_vector(text, model, vector_size):
    words = text.split()
    vectors = [model.wv[w] for w in words if w in model.wv]
    return np.mean(vectors, axis=0) if vectors else np.zeros(vector_size)

X_train_w2v = np.array([text_to_vector(t, w2v_model, 128) for t in train_texts_clean])

5.3 预训练模型（BERT等）

python

from transformers import AutoTokenizer, AutoModel
import torch

tokenizer = AutoTokenizer.from_pretrained('bert-base-chinese')
bert_model = AutoModel.from_pretrained('bert-base-chinese')

def get_bert_embedding(text):
    inputs = tokenizer(text, return_tensors='pt', truncation=True, max_length=128, padding=True)
    with torch.no_grad():
        outputs = bert_model(**inputs)
    return outputs.last_hidden_state[:, 0, :].numpy()  # CLS token

6. 模型构建与训练

6.1 传统机器学习模型（逻辑回归）

python

from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report, accuracy_score

# 使用TF-IDF特征
lr_model = LogisticRegression(max_iter=1000, multi_class='ovr')
lr_model.fit(X_train_tfidf, train_labels)
y_pred = lr_model.predict(X_test_tfidf)

print(f"Accuracy: {accuracy_score(test_labels, y_pred):.4f}")
print(classification_report(test_labels, y_pred, target_names=['愤怒','快乐','悲伤','恐惧','惊讶','厌恶']))

6.2 深度学习模型（TextCNN）

python

import torch.nn as nn
import torch.nn.functional as F

class TextCNN(nn.Module):
    def __init__(self, vocab_size, embed_dim, num_classes, filter_sizes=[2,3,4], num_filters=100):
        super(TextCNN, self).__init__()
        self.embedding = nn.Embedding(vocab_size, embed_dim)
        self.convs = nn.ModuleList([
            nn.Conv2d(1, num_filters, (k, embed_dim)) for k in filter_sizes
        ])
        self.dropout = nn.Dropout(0.5)
        self.fc = nn.Linear(len(filter_sizes) * num_filters, num_classes)
    
    def forward(self, x):
        x = self.embedding(x)  # (batch, seq_len, embed_dim)
        x = x.unsqueeze(1)     # (batch, 1, seq_len, embed_dim)
        conv_outs = []
        for conv in self.convs:
            conv_out = F.relu(conv(x)).squeeze(3)  # (batch, num_filters, seq_len - k + 1)
            pool_out = F.max_pool1d(conv_out, conv_out.size(2)).squeeze(2)
            conv_outs.append(pool_out)
        x = torch.cat(conv_outs, dim=1)
        x = self.dropout(x)
        return self.fc(x)

# 训练代码（需配合DataLoader使用，此处省略详细实现）

6.3 微调BERT（推荐方案）

python

from transformers import BertForSequenceClassification, Trainer, TrainingArguments

model = BertForSequenceClassification.from_pretrained('bert-base-chinese', num_labels=6)

training_args = TrainingArguments(
    output_dir='./results',
    num_train_epochs=3,
    per_device_train_batch_size=16,
    per_device_eval_batch_size=64,
    warmup_steps=500,
    weight_decay=0.01,
    logging_dir='./logs',
    evaluation_strategy='epoch',
)

# 需要将文本转换为BERT输入格式
def tokenize_function(texts):
    return tokenizer(texts, padding=True, truncation=True, max_length=128)

train_encodings = tokenize_function(train_texts_clean)
test_encodings = tokenize_function(test_texts_clean)

# 创建Dataset类（代码略）
# trainer = Trainer(...)

7. 模型评估

7.1 评估指标

python

from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay
import matplotlib.pyplot as plt

# 计算混淆矩阵
cm = confusion_matrix(test_labels, y_pred)
disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=['愤怒','快乐','悲伤','恐惧','惊讶','厌恶'])
disp.plot(cmap='Blues')
plt.show()

7.2 各类别性能分析

典型的情绪识别模型性能（BERT微调后）：

情绪类别	精确率	召回率	F1分数
愤怒	0.85	0.83	0.84
快乐	0.90	0.92	0.91
悲伤	0.82	0.84	0.83
恐惧	0.78	0.75	0.76
惊讶	0.81	0.79	0.80
厌恶	0.79	0.77	0.78

8. 模型部署

8.1 使用FastAPI部署

python

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
import joblib

app = FastAPI()

# 加载模型和向量化器
model = joblib.load('emotion_model.pkl')
vectorizer = joblib.load('tfidf_vectorizer.pkl')
label_map = {0: '愤怒', 1: '快乐', 2: '悲伤', 3: '恐惧', 4: '惊讶', 5: '厌恶'}

class TextRequest(BaseModel):
    text: str

@app.post("/predict")
async def predict_emotion(request: TextRequest):
    # 预处理
    cleaned = preprocess_chinese(request.text)
    # 特征提取
    features = vectorizer.transform([cleaned])
    # 预测
    pred_label = model.predict(features)[0]
    pred_proba = model.predict_proba(features)[0].max()
    
    return {
        "text": request.text,
        "emotion": label_map[pred_label],
        "confidence": float(pred_proba)
    }

@app.get("/health")
async def health_check():
    return {"status": "ok"}

# 启动命令：uvicorn main:app --reload

8.2 测试API

bash

curl -X POST "http://localhost:8000/predict" \
     -H "Content-Type: application/json" \
     -d '{"text":"今天天气真好，心情特别愉快！"}'

响应示例：

json

{
    "text": "今天天气真好，心情特别愉快！",
    "emotion": "快乐",
    "confidence": 0.96
}

9. 优化建议

优化方向	具体方法	预期提升
数据增强	回译、同义词替换、随机删除	+2~5% F1
特征融合	TF-IDF + BERT Embedding	+1~3% Acc
模型集成	投票/加权融合多模型	+3~6% Acc
后处理	阈值调整、序列平滑	提升稳定性
类别不平衡	Focal Loss、过采样/欠采样	改善少数类

10. 完整项目结构

text

emotion_recognition/
├── data/
│   ├── raw/
│   └── processed/
├── models/
│   ├── bert_emotion/
│   └── saved_models/
├── notebooks/
│   └── exploration.ipynb
├── src/
│   ├── preprocess.py
│   ├── features.py
│   ├── train.py
│   ├── evaluate.py
│   └── predict.py
├── api/
│   └── main.py
├── requirements.txt
└── README.md

11. 总结与展望

本文系统介绍了基于Python的情绪识别模型开发全流程。从数据预处理到模型部署，涵盖了传统机器学习和深度学习方法。实际应用中，建议优先选择预训练模型（如BERT、RoBERTa、ERNIE）进行微调，通常能获得最佳效果。

未来方向：

• 多模态情绪识别：融合文本、语音、面部表情

• 细粒度情绪分析：识别更复杂的复合情绪

• 对话情绪追踪：结合上下文理解情绪演变

• 低资源场景：少样本学习和跨语言迁移

参考文献

1. Devlin J, et al. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL 2019.

2. Kim Y. Convolutional Neural Networks for Sentence Classification. EMNLP 2014.

3. Demszky D, et al. GoEmotions: A Dataset of Fine-Grained Emotions. ACL 2020.