MICE

MICE是一个跨语言情感语料库，涵盖马来语、印尼语、汉语和英语四种语言。该数据集由南洋理工大学的研究团队创建，旨在系统化地比较和分析不同语言中的情感表达。数据集包含3,750个马来语情感表达、6,657个印尼语情感表达、3,347个汉语情感表达和8,683个英语情感表达。创建过程中，研究团队采用了标准化的方法来识别和分类情感词汇，确保了数据集的可靠性和一致性。MICE数据集的应用领域广泛，包括跨文化研究、心理评估、人工智能系统和情感分析，旨在深入理解情感对沟通的影响。MICE is a cross-linguistic emotional corpus covering four languages: Malay, Indonesian, Mandarin Chinese, and English. Developed by a research team at Nanyang Technological University, this dataset aims to systematically compare and analyze emotional expressions across different languages. Specifically, it includes 3,750 Malay emotional expressions, 6,657 Indonesian emotional expressions, 3,347 Mandarin Chinese emotional expressions, and 8,683 English emotional expressions. During its development, the research team adopted standardized methodologies to identify and classify emotional vocabulary, ensuring the dataset's reliability and consistency. The MICE dataset has broad application scenarios, including cross-cultural research, psychological assessment, artificial intelligence systems, and sentiment analysis, with the goal of gaining in-depth insights into the impact of emotion on communication.

搜集汇总

数据集介绍

构建方式

MICE语料库以跨语言情感词汇的系统性收集为核心，构建过程严谨而层次分明。研究团队招募了8至18名各语言母语者作为助手，经过专门培训后，依据Pavlenko（2008）提出的分类框架，将情感表达划分为情感词、情感相关词与情感负载词三大类别。构建分三步推进：首先，从每种语言最常用的词典中提取词汇，词典被均分为约十个部分，由助手两两配对协作完成初步筛选；其次，针对筛选结果中的分歧进行团队讨论与统一；最后，对确认的词汇进行词性标注。整个流程耗时约2至3周，确保每对助手在各自负责的段落上达成100%的一致率，从而保障语料库的准确性与可比性。

特点

MICE语料库的显著特点在于其跨语言比较的深度与系统性。它覆盖马来语、印尼语、汉语和英语四种语言，共收录22,437个情感表达，其中英语数量最多（8,683个），汉语最少（3,347个），展现了不同语言在情感词汇丰富度上的差异。语料库严格区分情感词、情感相关词与情感负载词，这一精细分类超越了传统情感词表仅关注效价与强度的局限，为探索语言特异性提供了坚实框架。此外，语料库的构建基于统一的标准词典和分类流程，避免了以往研究中因方法各异而导致的不可比性问题，使得跨文化情感研究得以在共同基础上展开。

使用方法

MICE语料库的使用方法灵活多样，服务于多元研究目标。用户可直接查询各语言的情感词汇列表及其分类，用于比较不同语言在情感表达上的语义组织与分布特征。第二部分的情感调查数据则提供了词汇的效价、强度评分以及基本情感类别归属，支持跨文化情感认知研究。计算语言学家可将语料库作为情感分析的基准数据，结合效价与强度指标进行细粒度情感挖掘。研究者亦可利用语料库中的词汇分类，设计心理学实验或构建多语言情感识别系统。所有数据均以标准化格式呈现，便于提取与分析，为跨学科合作提供了宝贵资源。

背景与挑战

背景概述

情感研究，亦称“情感科学”，正吸引着心理学、人类学与计算机科学等多学科领域的广泛关注。然而，情感在跨语言与跨文化背景下的表征与分类至今缺乏统一框架，使得系统性比较难以开展。为填补这一空白，南洋理工大学Ng Bee Chin、Yosephine Susanto与Erik Cambria等人于2017年启动了MICE项目，旨在构建一个涵盖马来语、印尼语、汉语普通话与英语的多语言情感词汇语料库。该语料库通过词典提取与在线调查相结合的方法，系统收录了各语言的情感表达，并标注了情感词类型、效价、强度等维度。MICE不仅为跨文化情感研究提供了可比基础，亦为情感计算与情感分析领域注入了重要的语言学资源，对推动区域间跨语言交流与人工智能系统的发展具有深远意义。

当前挑战

MICE语料库面临的核心挑战在于情感词汇的跨语言可比性构建。不同语言在情感表达上存在显著的词类偏好差异，如汉语情感动词占比突出，而英语则以形容词为主，这给统一分类标准带来了困难。此外，情感词、情感相关词与情感负载词之间的界定长期缺乏共识，现有研究多依赖各自标准，导致语料库难以对接。构建过程中，研究团队需对每部词典进行逐词筛选与三重分类，并依靠母语者配对校验以确保一致性，工作流程耗时且依赖大量人工判断。同时，印尼语与马来语虽互懂，但情感词汇存在显著语义分歧，如“berang”在印尼语中意为“愤怒”，在马来语中却指“水獭”，进一步加大了跨语言标注的复杂性与精确度要求。

常用场景

经典使用场景

在情感科学与跨文化交际的交叉领域中，MICE语料库作为首个涵盖马来语、印尼语、华语和英语的情感词汇系统化资源，为研究者提供了跨越语言边界的可比性基础。其经典使用场景聚焦于情感词汇的语义组织与分布特征的跨语言对比分析，通过统一标准对情感词、情感相关词和情感负载词进行三级分类，使研究者能够深入探究不同语言如何编码情感概念，从而揭示语言特异性与普遍性之间的微妙张力。该语料库尤其适用于检验动词主导型情感表达在汉语中的显著倾向，并对比其在其他语言中的表现，为情感词汇的语义网络研究奠定实证基石。

解决学术问题

MICE语料库直面情感研究领域长期悬而未决的核心难题——缺乏跨语言可比的情感词汇清单与统一分类框架。此前，研究者各自为政，使用不同标准筛选情感词，导致研究结果难以整合与比较。该数据集通过词典全覆盖的提取方法和Pavlenko的三分法，系统解决了情感词汇界定模糊、分类混乱的问题，并首次为马来语、印尼语、华语和英语提供了可供直接比较的标准化情感词汇库。这一突破不仅终结了研究者对“X情感有哪些表达”的反复追问，更推动了情感语言学从个案观察走向系统性跨语言实证研究，成为情感概念结构与文化差异探讨的里程碑式资源。

衍生相关工作

MICE语料库的构建催生了一系列富有影响力的衍生研究。基于该语料库，研究者发展了沙漏模型的情感分类框架，从跨语言维度重新审视基本情感类别的划分。印尼语情感词汇的语义标注工作进一步拓展了对爪哇语借词的情感色彩分析，揭示了语言接触对情感表达系统的深刻影响。此外，该数据集激发了针对新加坡多语社会中情感词汇的实证调查，探索城市语境下情感表达的多模态特征。在计算语言学领域，研究者利用MICE语料库的情感分类信息，设计出融合语言学知识的动态语言模式分析方法，显著提升了多语言情感分析系统的性能。这些衍生工作共同构建了一个从基础资源到理论创新再到技术应用的完整研究生态。