2012-06-21 28 views
5

He estado trabajando en el análisis del sentimiento del nivel del documento desde hace 1 año. Análisis de sentimiento de nivel de documento proporciona el sentimiento del documento completo. Por ejemplo, el texto "Nokia es bueno pero vodafone apesta a lo grande" tendría una polaridad negativa asociada, ya que sería agnóstico para las entidades Nokia y Vodafone. ¿Cómo sería posible obtener el sentimiento de nivel de entidad, como positivo para Nokia pero negativo para Vodafone? ¿Hay documentos de investigación que brinden una solución a dichos problemas?Análisis de la opinión de la entidad

+0

Es posible que desee para buscar documentos sobre gestión de la reputación. Sin embargo, hacer eso de manera totalmente automática es una pregunta de investigación abierta. –

Respuesta

3

Puede buscar entidades y sus correlativos, y tener una heurística simple como dar el sentimiento de cada entidad desde el término de sentimiento más cercano, quizás el más cercano por distancia en un árbol de análisis de dependencias, en lugar de linealmente. Cada uno de esos pasos parece ser un tema de investigación abierto.

http://scholar.google.com/scholar?q=entity+identification

http://scholar.google.com/scholar?q=coreference+resolution

http://scholar.google.com/scholar?q=sentiment+phrase

http://scholar.google.com/scholar?q=dependency+parsing

+0

y ¿qué pasa con otros idiomas? o la jerga y el inglés no estructurado donde los árboles de análisis de dependencias son más problemáticos. no es correcto ? ¿Hay algunas reglas estadísticas o cualquier otro enfoque? –

+0

@HadyElsahar Todos estos problemas que mencionas son desafíos importantes en este campo de estudio. Las características de diferentes idiomas pueden afectar directamente el proceso de análisis de documentos. Por ejemplo, el idioma persa difiere del inglés en muchos aspectos. Como resultado, es posible que no pueda tratar los desafíos en persa de la misma manera que en inglés (por ejemplo, Tokenizing es bastante simple en inglés, pero no tan fácil en persa debido a la existencia de algunos afijos). Además, el árbol Parse es solo una opción para resolver el problema. También puede usar otros métodos como su función. – Pedram

7

Usted puede intentar nivel Aspecto Análisis sentimiento. Ya se han realizado buenos esfuerzos para encontrar las opiniones sobre los aspectos en una oración. Puede encontrar algunos de los trabajos here. También puede ir más allá y profundizar y revisar los documentos relacionados con función (aspecto) extracción. Qué significa eso? Déjame darte un ejemplo:

"La calidad de la pantalla es excelente, sin embargo, la duración de la batería es corta".

El análisis del sentimiento a nivel del documento puede no darnos el verdadero sentido de este documento porque tenemos una oración positiva y una negativa en el documento. Sin embargo, por aspecto basado en aspectos (aspecto-nivel) minería de opinión, podemos averiguar los sentidos/polaridades hacia diferentes entidades en el documento por separado. Al hacer la extracción de características, en el primer paso, se intenta encontrar las características (aspectos) en diferentes frases (aquí "calidad de pantalla" o simplemente "calidad" y "duración de la batería"). Después, cuando tiene estos aspectos, intenta extraer opiniones relacionadas con estos aspectos ("excelente" para "calidad" y "breve" para "duración de la batería"). En investigaciones y trabajos académicos, también nombramos características (aspectos) como palabras de destino (aquellas palabras o entidades en las que los usuarios comenten), y las opiniones como palabras de opinión, los comentarios que se han expresado sobre palabras de destino .

Al buscar las palabras clave que acabo de mencionar, puede familiarizarse con estos conceptos.

0

También intenté obtener artículos de investigación sobre esto, pero no he encontrado ninguno. Sugeriría que intentes utilizar los algoritmos de análisis de sentimiento basados ​​en aspectos. La similitud que encontré es que reconocemos aspectos de una sola entidad en una oración y luego encontramos el sentimiento de cada aspecto. Del mismo modo podemos entrenar nuestro modelo usando el mismo algoritmo que puede detectar las entidades como lo hace para los aspectos y encontrar el sentimiento de tales entidades. No intenté esto, pero lo haré. Avíseme si esto funcionó o no.También hay varias formas de hacer esto. Los siguientes son los enlaces de algunos artículos.

http://arxiv.org/pdf/1605.08900v1.pdf https://cs224d.stanford.edu/reports/MarxElliot.pdf

+0

¿Puedo notar que esta pregunta tiene 3 años? No estoy diciendo que no se inviten más respuestas a esta pregunta, especialmente si puede beneficiar a los futuros lectores, pero creo que el consejo para el OP es demasiado tarde en este punto para ser relevante. –

Cuestiones relacionadas