[논문 리뷰] Automatic Construction of Context-Aware Sentiment Lexicon in the Financial Domain Using Direction-Dependent Words

Jihye Park, Hye Jin Lee외 1명|arXiv (Cornell University)|2021. 06. 10.

Sentiment Analysis and Opinion Mining참고 문헌 25인용 수 7

한 줄 요약

이 논문은 문맥에 민감한 금융 감성 어휘인 Senti-DD를 제안한다. 이는 점별 상호정보량(PMI)을 사용하여 방향성에 의존하는 단어와 방향성 단어(예: 'up' 또는 'down')를 쌍으로 묶어 방향성 감성 이동을 포착한다. 이 방법은 금융 뉴스 헤드라인에서 문맥에 따라 감성이 변하는 단어를 자동으로 식별하며, Loughran-McDonald와 같은 기준 어휘보다 감성 분류 정확도를 크게 향상시킨다.

ABSTRACT

Increasing attention has been drawn to the sentiment analysis of financial documents. The most popular examples of such documents include analyst reports and economic news, the analysis of which is frequently used to capture the trends in market sentiments. On the other hand, the significance of the role sentiment analysis plays in the financial domain has given rise to the efforts to construct a financial domain-specific sentiment lexicon. Sentiment lexicons lend a hand for solving various text mining tasks, such as unsupervised classification of text data, while alleviating the arduous human labor required for manual labeling. One of the challenges in the construction of an effective sentiment lexicon is that the semantic orientation of a word may change depending on the context in which it appears. For instance, the word ``profit" usually conveys positive sentiments; however, when the word is juxtaposed with another word ``decrease," the sentiment associated with the phrase ``profit decreases" now becomes negative. Hence, the sentiment of a given word may shift as one begins to consider the context surrounding the word. In this paper, we address this issue by incorporating context when building sentiment lexicon from a given corpus. Specifically, we construct a lexicon named Senti-DD for the Sentiment lexicon composed of Direction-Dependent words, which expresses each term a pair of a directional word and a direction-dependent word. Experiment results show that higher classification performance is achieved with Senti-DD, proving the effectiveness of our method for automatically constructing a context-aware sentiment lexicon in the financial domain.

연구 동기 및 목표

• 정적 감성 어휘가 금융 텍스트에서 문맥에 따라 변하는 감성 이동을 포착하지 못하는 한계를 해결하기 위해.
• 감성 극성(양성 또는 음성)이 'up' 또는 'down'과 같은 방향성 수식어에 따라 변하는 단어(방향성에 의존하는 단어)를 자동으로 식별하는 방법을 개발하기 위해.
• 감성 분류 성능을 향상시키기 위해 문맥에 민감한 감성 어휘(Senti-DD)를 구축하기 위해.
• 기존의 도메인 전용 어휘와 비교하여 Senti-DD의 효과성을 평가하기 위해.
• 이 데이터 기반 접근 방식이 문맥에 민감한 감성 단어를 가진 다른 도메인으로 일반화 가능한지 탐색하기 위해.

제안 방법

• 해당 방법은 점별 상호정보량(PMI)을 사용하여 후보 단어와 방향성 의존 유형(비례 또는 반비례) 간의 연관 강도를 측정한다.
• 방향성에 의존하는 단어는 금융 뉴스 코퍼스에서 방향성 단어(예: 'up', 'down')와의 공현 패턴을 분석하여 식별된다.
• 프레임워크는 각 단어를 두 유형 중 하나로 분류한다: '비례'(up와 짝지어지면 양성 감성, down과 짝지어지면 음성 감성) 또는 '반비례'(up와 짝지어지면 음성 감성, down과 짝지어지면 양성 감성).
• Senti-DD는 (방향성 단어, 방향성에 의존하는 단어) 쌍의 목록으로 구성되며, 각 쌍은 PMI 기반 연관 강도에 따라 감성 극성값이 할당된다.
• 확장된 어휘는 Loughran-McDonald 감성 어휘에 플러그인 형태로 통합되어 감성 분류 성능을 향상시킨다.
• 이 방법은 감성 레이블이 인간이 레이블링한 데이터에서 유도된 금융 뉴스 헤드라인 데이터셋(DS50)에서 학습 및 평가된다.

실험 결과

연구 질문

• RQ1 금융 텍스트에서 방향성에 의존하는 단어는 방향성 단어와의 공현 패턴을 통해 자동으로 식별될 수 있는가?
• RQ2 감성에 문맥에 민감한 쌍(예: 'up' + 'profit')을 통합함으로써 금융 문서의 감성 분류 정확도가 향상되는가?
• RQ3 제안된 Senti-DD 어휘는 Loughran-McDonald와 같은 기존 정적 감성 어휘보다 금융 감성 분류에서 성능이 뛰어나게 되는가?
• RQ4 방향성 단어 유형의 데이터 불균형이 추출된 방향성에 의존하는 단어의 품질에 어느 정도 영향을 미치는가?
• RQ5 제안된 방법은 문맥에 민감한 감성 단어를 가진 다른 도메인으로 일반화될 수 있는가?

주요 결과

• Senti-DD 어휘는 금융 뉴스 헤드라인에서 감성 분류 작업에서 Loughran-McDonald 감성 어휘보다 뚜렷이 뛰어난 성능을 보였다.
• 'acquisition', 'agreement', 'communication'과 같은 단어들이 비례 방향성에 의존하는 단어로 정확히 식별되었으며, 'up'과 짝지어지면 양성 감성, 'down'과 짝지어지면 음성 감성임을 보였다.
• DS50 데이터셋에서 비례 방향성에 의존하는 단어 58개와 반비례 방향성에 의존하는 단어 10개를 성공적으로 추출하여, 데이터 불균형에도 불구하고 실현 가능성을 입증했다.
• 문맥에 민감한 단어 쌍의 통합이 분류 성능 향상에 기여하여, 방향성 의존성에 의한 감성 이동을 포착하는 것이 효과적임을 입증했다.
• 결과적으로 'profit'이나 'cost'와 같은 방향성에 의존하는 단어들이 문맥에 따라 감성 극성이 변하는 것으로 나타났으며, 정적 어휘는 이를 포착하지 못함을 시사한다.
• 데이터 불균형으로 일부 단어 식별에 영향을 미친 바(예: 'beer', 'day')가 있었지만, PMI 기반 접근 방식은 확장 가능하고 자동화된 감성 어휘 구축에 잠재력을 보였다.