چکیده: چکیده استخراج هیجانات‌ از متن به معنی تحلیل آن‌ و بررسی وجود واکنش‌های هیجانی نویسنده می‌باشد که هدفش می‌تواند تجاری، انسانی، آموزشی، و یا دسته‌بندی کتاب‌ها از نظر بردارهای هیجانی و پیش‌بینی ژانر آن‌ها به منظور ارتقا سیستم توصیه‌گر باشد. در این زمینه مدل‌های یادگیری عمیق همانند مدل زبانی BERT موجی جدید را در بحث استخراج هیجان بوجود آوردند. اما این مدل‌ها نه تنها وابستگی مستقیم به حجم مجموعه‌ داده‌ هدف دارند بلکه باید برای هر مجموعه‌ داده‌ جداگانه فاین‌تیون بشوند که از نظر پردازشی سنگین است. از آن طرف، روش‌های مبتنی بر قانون یا کلیدواژه اگرچه از نظر پردازشی سبک هستند و وابستگی چندانی به متن هدف ندارند، در برابر مشکلاتی از قبیل تطابق اشتباه کلمات آسیب‌پذیراند. به همین دلیل، ما روشی جدید برای استخراج هیجانات‌ از خاطرات ISEAR ارائه داده‌ایم که در آن هیجانات هدف با کلماتی دارای بار هیجانی مناسب بازنمایی شده و شباهت آن‌ها با متن هدف توسط مدل زبانی آماده استفاده SBERT سنجیده می‌شود. در روش اول بازنمایی هیجانات، کلمات بطور تصادفی از یک فرهنگ لغت‌‌ کلمات هیجانی انتخاب می‌شوند. در روش دوم، کلمات همان فرهنگ لغت‌‌ تنها در صورتی انتخاب می‌شوند که دارای شاخص TF-IDF بالا در متن دومی با برچسب هیجانی باشند. سپس شباهت هر خاطره با هر کدام از هیجانات بازنمایی شده توسط یکی از مدل‌های آماده SBERT حساب شده و بردار هیجانی برای خاطرات ساخته می‌شود. این ویژگی‌ها سپس توسط طبقه‌بندهای مختلف و یک روش رتبه‌بندی برای استخراج هیجانات‌ از خاطرات استفاده می‌شوند. نتایج این تحقیق حاکی از برتری قابل توجه روش ما نسبت به روش‎های مبتنی بر قانون بوده و عملکرد مدل زبانی BERT را به چالش می‌کشد. در قسمت کاربردی این تحقیق، ما به پیش‌بینی ژانر کتاب با ساخت بردار هیجانی از نظرات خوانندگان کتاب‌ها می‌پردازیم و نشان می‌دهیم که روش ما از روش مبتنی بر کلیدواژه بهتر عمل می‌کند.