[論文レビュー] Opinion Polarity Identification through Adjectives

Samaneh Moghaddam, Fred Popowich|arXiv (Cornell University)|Nov 21, 2010

Sentiment Analysis and Opinion Mining参考文献 9被引用数 30

ひとこと要約

本論文は、製品レビューにおける形容詞の感情極性を分析することにより、意見極性特定のための新規アプローチを提案する。形容詞に基づく感情分析を活用することで、従来のナイーブベイズ分類器（58%〜64%）を著しく上回る73%の正確性を達成した。これは、意見マイニングタスクにおける感情分類において、形容詞に注目することの有効性を示している。

ABSTRACT

"What other people think" has always been an important piece of information during various decision-making processes. Today people frequently make their opinions available via the Internet, and as a result, the Web has become an excellent source for gathering consumer opinions. There are now numerous Web resources containing such opinions, e.g., product reviews forums, discussion groups, and Blogs. But, due to the large amount of information and the wide range of sources, it is essentially impossible for a customer to read all of the reviews and make an informed decision on whether to purchase the product. It is also difficult for the manufacturer or seller of a product to accurately monitor customer opinions. For this reason, mining customer reviews, or opinion mining, has become an important issue for research in Web information extraction. One of the important topics in this research area is the identification of opinion polarity. The opinion polarity of a review is usually expressed with values 'positive', 'negative' or 'neutral'. We propose a technique for identifying polarity of reviews by identifying the polarity of the adjectives that appear in them. Our evaluation shows the technique can provide accuracy in the area of 73%, which is well above the 58%-64% provided by naive Bayesian classifiers.

研究の動機と目的

• 大規模なオンライン顧客レビューから感情極性を効率的に抽出する課題に対処すること。
• 形容詞を感情指標として焦点化することで、意見マイニングの正確性を向上させること。
• レビューにおける肯定的、否定的、ニュートラルな感情の自動特定を可能にする手法を開発すること。
• 消費者および企業が多様なオンラインソースを横断して顧客の意見を手動でモニタリングする負担を軽減すること。
• ナイーブベイズなどの既存のベースライン分類器に対して、より正確でスケーラブルな代替手段を提供すること。

提案手法

• この手法は、レビュー本文に含まれる形容詞の感情極性を分析することで、意見極性を特定する。
• 語彙リソースまたは感情辞書を活用して、個々の形容詞に極性スコアを割り当てる。
• 形容詞からの感情スコアを集約し、レビュー全体の極性を決定する。
• このアプローチは、形容詞が強い感情信号を保持しており、意見極性の信頼できる指標であると仮定している。
• 形容詞極性の重み付き和に基づいて、最終的な感情ラベル（肯定的、否定的、ニュートラル）を計算する。
• 標準的な指標（製品レビューのベンチマークデータセットにおける正確性など）を用いて評価が行われる。

実験結果

リサーチクエスチョン

• RQ1 形容詞に注目することで、製品レビューにおける意見極性特定の正確性が向上するか？
• RQ2 形容詞に基づく感情分析は、ナイーブベイズなどの従来の機械学習分類器と比較して、感情分類タスクでどのように異なるか？
• RQ3 形容詞が全体のレビュー感情を表す信頼できる指標としてどの程度機能するか？
• RQ4 単一の形容詞感情スコアに依存する極性検出システムのパフォーマンスはいかほどか？
• RQ5 ルールベースまたは辞書駆動のアプローチは、学習ベースのベースラインを上回ることができるか？

主な発見

• 提案された形容詞ベースの手法は、意見極性特定において73%の正確性を達成し、ベースラインのナイーブベイズ分類器を著しく上回った。
• ナイーブベイズ（58%〜64%）に対する改善は、感情の担い手としての形容詞に注目することの有効性を示している。
• 形容詞は全体のレビュー感情を強くかつ信頼性高く示す指標であることが判明し、極性検出におけるその利用を正当化する。
• この手法は、大規模なオンラインレビューを処理するためのスケーラブルで効率的なソリューションを提供する。
• 結果から、意見マイニングにおける複雑な学習モデルの代替手段として、形容詞を用いた語彙ベースの感情分析が実用的である可能性があることが示唆された。
• 本研究は、形容詞内の感情信号が、感情分類タスクで高い正確性を達成するために十分であることを確認した。