[論文レビュー] Comprehensive Study on Sentiment Analysis: From Rule-based to modern LLM based system

Shailja Gupta, Rajesh Ranjan+1 more|arXiv (Cornell University)|Sep 16, 2024

Sentiment Analysis and Opinion Mining被引用数 6

ひとこと要約

感情分析を語彙/パターンベースの手法から現代のLLMベースのアプローチへと辿る総合的な調査で、課題と今後の方向性を強調します。

ABSTRACT

This paper provides a comprehensive survey of sentiment analysis within the context of artificial intelligence (AI) and large language models (LLMs). Sentiment analysis, a critical aspect of natural language processing (NLP), has evolved significantly from traditional rule-based methods to advanced deep learning techniques. This study examines the historical development of sentiment analysis, highlighting the transition from lexicon-based and pattern-based approaches to more sophisticated machine learning and deep learning models. Key challenges are discussed, including handling bilingual texts, detecting sarcasm, and addressing biases. The paper reviews state-of-the-art approaches, identifies emerging trends, and outlines future research directions to advance the field. By synthesizing current methodologies and exploring future opportunities, this survey aims to understand sentiment analysis in the AI and LLM context thoroughly.

研究の動機と目的

• ルールベースから深層学習とLLMsへと移行した感情分析手法の歴史的な推移を説明する。
• 感情分析における主要な課題を特定する（例：二言語テキスト、皮肉、バイアスなど）。
• 感情分析の最新の最先端アプローチと新興トレンドを統合する。
• AIとLLMの文脈で感情分析を推進する将来の研究方向を議論する。

提案手法

• 感情分析に関する既存の文献のレビューと統合を、時代を超えて行う。
• 語彙を基盤とする、パターンベース、機械学習、深層学習、LLMベースの技術の比較分析。
• 感情分析における課題とバイアスの議論。
• 洞察の統合により新たなトレンドと将来の機会をマッピングする。

実験結果

リサーチクエスチョン

• RQ1 ルールベースからLLMベースのシステムへと移行する感情分析の主要な方法論的変化は何ですか？
• RQ2 今日の感情分析を制約する主要な課題（例：二言語テキスト、皮肉、バイアス）は何ですか？
• RQ3 感情分析の現在の最先端アプローチと新興トレンドは何ですか？
• RQ4 AIとLLMの文脈で感情分析を前進させる将来の方向性は何ですか？

主な発見

• 感情分析は語彙ベースおよびパターンベースの手法から高度な深層学習およびLLMベースのシステムへと進化しています。
• 重要な課題には二言語テキストの処理、皮肉、バイアスなどが含まれます。
• 最先端のアプローチはLLMベースのシステムへとシフトしており、新しいトレンドの継続的な出現があります。
• この調査はAIとLLMエコシステム内での感情分析を前進させる将来の研究方向を概説します。