Jump to content Jump to search

005

Title / Titel:

Indexieren von Emotionen bei Videos

Author / Autor:

Kathrin Knautz, Evelyn Dröge, Susanne Finkelmeyer, Daniel Guschauski, Kerstin Juchem, Cynthia Krzmyk, Daniel Miskovic, Jan Schiefer, Evrim Sen, Julia Verbina, Nils Werner und Wolfgang G. Stock

Source / Quelle:

Information - Wissenschaft und Praxis, 61(2010)4, 221-236

Language / Sprache:

German / Deutsch

Indexieren von Emotionen bei Videos Gegenstand der empirischen Forschungsarbeit sind dargestellte wie empfundene Gefühle bei Videos. Sind Nutzer in der Lage, solche Gefühle derart konsistent zu erschließen, dass man deren Angaben für ein emotionales Videoretrieval gebrauchen kann? Wir arbeiten mit einem kontrollierten Vokabular für neun Emotionen (Liebe, Freude, Spaß, Überraschung, Sehnsucht, Trauer, Ärger, Ekel und Angst), einem Schieberegler zur Einstellung der jeweiligen Intensität des Gefühls und mit dem Ansatz der broad Folksonomy, lassen also unterschiedliche Nutzer die Videos taggen. Versuchspersonen bekamen insgesamt 20 Videos (bearbeitete Filme aus YouTube) vorgelegt, deren Emotionen sie indexieren sollten. Wir erhielten Angaben von 776 Probanden und entsprechend 279.360 Schiebereglereinstellungen. Die Konsistenz der Nutzervoten ist sehr hoch; die Tags führen zu stabilen Verteilungen der Emotionen für die einzelnen Videos. Die endgültige Form der Verteilungen wird schon bei relativ wenigen Nutzern (unter 100) erreicht. Es ist möglich, im Sinne der Power Tags die jeweils für ein Dokument zentralen Gefühle (soweit überhaupt vorhanden) zu separieren und für das emotionale Information Retrieval (EmIR) aufzubereiten.

Indexing of Emotions in Videos

Object of our empirical research study are depicted and provoked emotions in videos. Are users able to index such emotions consistently? Are the users‘ votes usable for emotional video retrieval? We worked with a controlled vocabulary for nine basic emotions (love, happiness, enjoyment, surprise, desire, sadness, anger, disgust, and fear), a scroll bar for adjusting the emotions‘ intensities, and the approach of broad folksonomies. Different users tagged the same videos. The test persons had the task to index the emotions of 20 videos (reprocessed movies from YouTube). We got data from 776 participants and could analyze all in all 279,360 scroll bar values. The consistency of the users‘ votes is very high; there are stable tag distributions for the emotions of the particular videos. The final shape of the distributions will be reached by the tagging activities of only few users (less than 100). Applying the approach of power tags it is possible to separate the pivotal emotions of every document – if there is any feeling at all. Those documentspecific emotions establish the basis of an emotional information retrieval (EmIR) system.

PDF

Kathrin Knautz
Institut für Sprache und Information
Abt. Informationswissenschaft
Heinrich-Heine-Universität Düsseldorf
Universitätsstr. 1
D - 40225 Düsseldorf
E-Mail: Kathrin.Knautz@uni-duesseldorf.de

Wolfgang G. Stock
Institut für Sprache und Information
Abt. Informationswissenschaft
Heinrich-Heine-Universität Düsseldorf
Universitätsstr. 1
D - 40225 Düsseldorf
Fax: (+49) 211-81-12917
E-Mail:  stock@phil-fak.uni-duesseldorf.de