[論文レビュー] Fuzzy Based Implicit Sentiment Analysis on Quantitative Sentences

Amir Hossein Yazdavar, Monireh Ebrahimi+1 more|arXiv (Cornell University)|Jan 3, 2017

Sentiment Analysis and Opinion Mining被引用数 12

ひとこと要約

本稿では、特に薬物レビューにおける望ましい値からの逸脱を示す定量文における暗黙のセンチメント分析のためのファジィ論理に基づく知識工学モデルを提案する。ファジィ集合論を用いてセンチメントを示唆する客観的文を解釈することで、F1スコアが72%を超える成果を達成し、こうした客観的意見を有する文を組み込むことで、薬物意見マイニングシステムにおけるセンチメント分析の正確性が向上することを示している。

ABSTRACT

With the rapid growth of social media on the web, emotional polarity computation has become a flourishing frontier in the text mining community. However, it is challenging to understand the latest trends and summarize the state or general opinions about products due to the big diversity and size of social media data and this creates the need of automated and real time opinion extraction and mining. On the other hand, the bulk of current research has been devoted to study the subjective sentences which contain opinion keywords and limited work has been reported for objective statements that imply sentiment. In this paper, fuzzy based knowledge engineering model has been developed for sentiment classification of special group of such sentences including the change or deviation from desired range or value. Drug reviews are the rich source of such statements. Therefore, in this research, some experiments were carried out on patient's reviews on several different cholesterol lowering drugs to determine their sentiment polarity. The main conclusion through this study is, in order to increase the accuracy level of existing drug opinion mining systems, objective sentences which imply opinion should be taken into account. Our experimental results demonstrate that our proposed model obtains over 72 percent F1 value.

研究の動機と目的

• 薬物レビューにおける望ましい値からの逸脱を示す、明示的な意見語を含まない客観的で定量的な文における暗黙のセンチメントを同定する課題に対処すること。
• 感情を示唆する客観的文を組み込むことで、既存の薬物意見マイニングシステムの正確性を向上させること。
• 明示的な意見語を欠く文におけるセンチメント極性を分類できる、ファジィ論理に基づく知識工学モデルの開発。
• コールステロール低下薬の実際の患者レビューを用いて、提案モデルの有効性を評価すること。
• 感情分析システムが、主観的意見を示唆する客観的文を分析することで、顕著に利益を受けることができることを示すこと。

提案手法

• 提案モデルは、ファジィ集合論を用いて、『高い』、『低い』、『正常』、『異常』などの言語的用語を、定量的医療文において表現・推論する。
• 薬物の副作用と望ましい治療範囲に関する分野特有の理解に基づき、ファジィルールの知識ベースを設計する。
• 事前に定義された区間上で定義された所属関数を用いて、数値（例：コレステロール値）を言語的用語にマッピングする。
• ファジィ推論を用いて、値がターゲット範囲からどれほど逸脱しているかの度合いを評価し、ポジティブ、ネガティブ、ニュートラルのセンチメントを推定する。
• 数値データ（例：「私のLDLは160でした」）を含む患者レビューを処理し、望ましい範囲からの逸脱に基づいてセンチメントを分類する。
• ファジィ論理により、定量的健康データの自然言語表現に内在する不確実性と曖昧さを効果的に扱える。

実験結果

リサーチクエスチョン

• RQ1 ファジィ論理に基づくモデルは、明示的な意見語を含まない客観的で定量的な文におけるセンチメントを効果的に分類できるか？
• RQ2 感情を示唆する客観的文を含めることで、薬物意見マイニングシステム全体のパフォーマンスはどの程度向上するか？
• RQ3 ファジィ推論システムは、数値で記述された患者報告の薬物副作用におけるセンチメントをどの程度正確に検出できるか？
• RQ4 分野特有のファジィルール設計が、医療レビューのデータにおけるセンチメント分類に与える影響は何か？
• RQ5 ファジィ集合に基づく知識工学的手法は、従来のセンチメント分析手法に比べ、定量的医療テキストにおける暗黙のセンチメントに対して優れているか？

主な発見

• 提案されたファジィベースのモデルは、定量的薬物レビューにおけるセンチメント分類タスクでF1スコアが72%を超える成果を達成した。
• 感情を示唆する客観的文を含めることで、薬物レビュー分野におけるセンチメント分析システムのパフォーマンスが顕著に向上した。
• ファジィ論理は、『私のコレステロールは高すぎた』や『正常より下がった』といった定量的文の意味的ニュアンスを効果的に捉えている。
• モデルは、数値的健康データの曖昧で主観的な言語表現を処理する上で、頑健性を示した。
• 結果から、感情分析システムが、意見を示唆する客観的文を分析することで顕著に利益を受けることができることが確認された。特に臨床的および製薬的文脈において顕著である。
• 本研究は、主に主観的文に焦点を当てた従来のセンチメント分析手法では、定量的データに埋め込まれた重要なセンチメントのシグナルを逃す可能性があることを示している。