團隊也參考新聞標題，找出哪些字是較中性的「非情緒資料」，並從機器學習的訓練資料中排除、優化準確率。值得注意的是，選舉時期的新聞標題不能參考，因為用字遣詞太過激昂。
找出情緒用詞的邏輯
經過機器學習分析，陳宜欣團隊發現一些跨語系的情緒邏輯。例如 “finally *** my” 這組字詞多表達快樂，而中文 「我終於***」也多用來傳達正面的消息。又如 “my *** always” 這組字詞多含有生氣意味，就像小朋友說「爸爸/媽媽總是***」藉以表達不快。
中文贅字的處理，也是情緒分析很有趣的一環。「學生建議這很重要，一定要列入分析！」陳宜欣說。
例如：「喔，我來做」其實是不太想做，「喔喔，我來做」較為中性，「喔喔喔，我來做」帶有積極感。凡是超過三個以上的贅字，可視同為三個贅字。這個規則用在「哈」、「哈哈」、「哈哈哈」、「哈哈哈哈」也有同工之妙。
然而陳宜欣團隊發現，社群平台上「開心」的發文特別多，不能否認社群平台很多人發文以炫耀為主、或是報喜不報憂。
另外，網路霸凌其實有很多「暗語」。
例如，團隊看過一則發文是「那些外國動物不應該被出口」，其實這句暗地裡帶有種族歧視。其中一種解決方案是運用 Hatebase 仇恨發言資料庫，並藉由機器學習比對非仇恨的文字資料，找出這類「暗語」的關聯性(通常哪幾個字會一起被使用)、以及相似性(字詞會在句子中哪些類似地方出現)。
許多人會在憾事發生後，回過頭從當事者社群發文的字裡行間尋找跡象，但未來能否更早偵測？當局者迷，旁觀者清。讓人工智慧成為一名不帶情緒的旁觀者，分析社群大數據找出被情緒糾葛的人們，甚至是預防犯罪、偵測自殺傾向，在來不及之前。
文/林婷嫻
本圖/文經授權轉載自研之有物（原標題：AI 可以幫助躁鬱、被霸凌的人嗎？）
責任編輯/趙元
