[논문 리뷰] A novel approach to sentiment analysis in Persian using discourse and external semantic information

Rahim Dehkharghani, Hojjat Emami|arXiv (Cornell University)|2020. 07. 18.

Sentiment Analysis and Opinion Mining인용 수 5

한 줄 요약

이 논문은 저자원 언어 작업에 성능을 향상시키기 위해 논의적 특징과 외부 지식 기반을 통합한 페르시아어를 위한 새로운 감성 분석 접근법을 제안한다. 앙상블 분류와 딥 러닝을 워드 임베딩과 결합하여 부정, 강화 및 다중 군집 수준을 효과적으로 처리하며, 새로 수집한 페르시아어 호텔 리뷰 데이터셋에서 최고 성능을 기록한다.

ABSTRACT

Sentiment analysis attempts to identify, extract and quantify affective states and subjective information from various types of data such as text, audio, and video. Many approaches have been proposed to extract the sentiment of individuals from documents written in natural languages in recent years. The majority of these approaches have focused on English, while resource-lean languages such as Persian suffer from the lack of research work and language resources. Due to this gap in Persian, the current work is accomplished to introduce new methods for sentiment analysis which have been applied on Persian. The proposed approach in this paper is two-fold: The first one is based on classifier combination, and the second one is based on deep neural networks which benefits from word embedding vectors. Both approaches takes advantage of local discourse information and external knowledge bases, and also cover several language issues such as negation and intensification, andaddresses different granularity levels, namely word, aspect, sentence, phrase and document-levels. To evaluate the performance of the proposed approach, a Persian dataset is collected from Persian hotel reviews referred as hotel reviews. The proposed approach has been compared to counterpart methods based on the benchmark dataset. The experimental results approve the effectiveness of the proposed approach when compared to related works.

연구 동기 및 목표

• 페르시아어와 같이 저자원 언어에 대한 감성 분석 자원과 방법의 부족 문제를 해결한다.
• 부정, 강화 및 다중 군집 감성 탐지와 같은 페르시아어 감성 분석의 과제를 극복한다.
• 로컬 논의적 맥락과 외부 지식 기반을 모두 활용하는 견고한 접근법을 개발한다.
• 감성 분석 평가를 위한 새로운 벤치마크 페르시아어 데이터셋을 구축하고 공개한다.
• 단어, 어구, 문장, 요소 및 문서 수준의 감성 분류 전반에서 성능을 향상시킨다.

제안 방법

• 앙상블 분류기 조합과 사전 훈련된 워드 임베딩을 활용한 딥 네트워크를 결합한 이중 접근법을 제안한다.
• 감성 탐지 성능을 향상시키기 위해 문법적 및 담론적 맥락과 같은 로컬 논의적 특징을 통합한다.
• 모호성을 해결하고 감성 표현을 풍부하게 하기 위해 외부 지식 기반을 통합한다.
• 규칙 기반 및 맥락 인식 메커니즘을 통해 부정 및 강화와 같은 언어 현상을 처리한다.
• 단어, 어구, 문장, 요소 및 문서 수준의 감성 분석을 위한 모듈식 구성 요소를 설계하여 다중 군집 수준을 지원한다.
• 실제 평가를 보장하기 위해 새로 수집한 페르시아어 호텔 리뷰 데이터셋을 기반으로 모델을 훈련하고 평가한다.

실험 결과

연구 질문

• RQ1 논의적 정보는 저자원 언어인 페르시아어에서 감성 분류에 어떻게 기여하는가?
• RQ2 외부 지식 기반은 페르시아어 감성 분석 성능에 어느 정도 향상 효과를 미치는가?
• RQ3 앙상블 학습과 딥 뉴럴 네트워크를 조합한 하이브리드 접근법이 기존 방법을 능가할 수 있는가?
• RQ4 제안된 방법은 페르시아어에서 다중 군집 수준의 감성 탐지에 얼마나 효과적으로 작용하는가?
• RQ5 부정 및 강화 처리 메커니즘의 통합은 페르시아어 감성 분석 정확도에 어떤 영향을 미치는가?

주요 결과

• 제안된 접근법은 새로 수집한 페르시아어 호텔 리뷰 데이터셋에서 최고 성능을 기록한다.
• 논의적 정보와 외부 의미 정보를 통합하면 기준 방법에 비해 감성 분류 정확도가 크게 향상된다.
• 다양한 분류기 간 상호보완적 강점을 활용함으로써 앙상블 분류기 방법이 개별 모델보다 뛰어난 성능을 낸다.
• 워드 임베딩을 활용한 딥 러닝 접근법은 다양한 감성 군집 수준에서 뛰어난 일반화 성능을 보였다.
• 부정 및 강화 처리 메커니즘의 통합은 감성 탐지 정확도에 측정 가능한 향상 효과를 가져왔다.
• 논문과 함께 공개된 데이터셋은 향후 페르시아어 감성 분석 연구를 위한 귀중한 벤치마크를 제공한다.