我过去一年一直在从事文档级情感分析。 文档级情感分析 提供整个文档的情感。例如 - 文本 "Nokia不错,但vodafone太差劲了" 会有负极性,因为它对Nokia和Vodafone这两个实体持中立态度。 如何获取实体级别的情感,例如对Nokia是积极的,但对Vodafone是消极的?是否有研究论文提供此类问题的解决方案?
我过去一年一直在从事文档级情感分析。 文档级情感分析 提供整个文档的情感。例如 - 文本 "Nokia不错,但vodafone太差劲了" 会有负极性,因为它对Nokia和Vodafone这两个实体持中立态度。 如何获取实体级别的情感,例如对Nokia是积极的,但对Vodafone是消极的?是否有研究论文提供此类问题的解决方案?
"屏幕质量很好,但电池寿命很短"
文档级情感分析可能无法为我们提供该文档的真实意义,因为该文档中有一个积极的句子和一个消极的句子。但是,通过面向方面(面向方面)的观点挖掘,我们可以分别找出文档中不同实体的情感/极性。在第一步中,通过进行特征提取,你可以尝试在不同的句子中找到特征(方面)(在这里是"屏幕质量"或简单地说是"质量"和"电池寿命")。然后,当你拥有了这些方面时,你可以尝试提取与这些方面相关的观点("很好"表示"质量","短"表示"电池寿命")。在研究和学术论文中,我们还将特征(方面)称为目标词(用户评论的那些单词或实体),将意见称为观点词,对于目标词所陈述的评论。
通过搜索我刚提到的关键字,你可以更加熟悉这些概念。
http://scholar.google.com/scholar?q=entity+identification
http://scholar.google.com/scholar?q=coreference+resolution
我也尝试过查找相关研究文章,但没有找到。我建议您尝试使用基于方面的情感分析算法。我发现相似之处在于我们可以识别句子中单个实体的方面,然后找到每个方面的情感。同样,我们可以使用相同的算法训练我们的模型,以便检测实体并找到这些实体的情感。我还没有尝试过这个方法,但我打算去尝试一下。如果这个方法行得通,请告诉我。此外,有多种方法可以实现这一点。以下是几篇文章的链接。
http://arxiv.org/pdf/1605.08900v1.pdf https://cs224d.stanford.edu/reports/MarxElliot.pdf