[논문 리뷰] Fuzzy Based Implicit Sentiment Analysis on Quantitative Sentences

Amir Hossein Yazdavar, Monireh Ebrahimi외 1명|arXiv (Cornell University)|2017. 01. 03.

Sentiment Analysis and Opinion Mining인용 수 12

한 줄 요약

이 논문은 약물 리뷰에서 원하는 값에서의 범위를 초과하는 경우를 중심으로, 정량적 문장에서 암시적 감성 분석을 위한 퍼지 논리 기반 지식 공 ing 모델을 제안한다. 퍼지 집합 이론을 활용하여 감성을 암시하는 객관적 문장을 해석함으로써, 이 접근법은 F1 스코어 72% 이상을 달성하여, 이러한 객관적 의견을 지닌 문장을 통합할 경우 약물 의견 마이닝 시스템의 감성 분석 정확도가 향상됨을 보여준다.

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.

연구 동기 및 목표

• 약물 리뷰에서 원하는 값에서의 범위를 초과하는 객관적이고 정량적인 문장에서 암시적 감성을 식별하는 데 도전하는 것.
• 감성을 암시하는 객관적 문장을 통합하여 기존의 약물 의견 마이닝 시스템의 정확도를 향상시키는 것.
• 명시적인 의견 단어가 없는 문장에서 감성 극성 분류가 가능한 퍼지 논리 기반 지식 공학 모델을 개발하는 것.
• 콜레스테롤 강하제 환자 리뷰의 실제 세계 데이터에 대해 제안된 모델의 효과성을 평가하는 것.
• 감성 분석 시스템이 객관적 문장을 분석함으로써 주관적 의견을 암시하는 경우에 크게 유익해질 수 있음을 보여주는 것.

제안 방법

• 제안된 모델는 정량적 의료 문장에서 '높음', '낮음', '정상', '비정상'과 같은 언어적 용어를 표현하고 추론하기 위해 퍼지 집합 이론을 사용한다.
• 약물 부작용과 원하는 치료 범위에 대한 도메인 전문 지식 기반으로 퍼지 규칙 지식 기반을 설계한다.
• 사전에 정의된 간격 위에서 정의된 소속 함수를 사용하여 수치적 값(예: 콜레스테롤 수치)을 언어적 용어로 매핑한다.
• 목표 범위에서 값이 얼마나 벗어나는지의 정도를 평가함으로써 감성 극성을 유추하며, 퍼지 추론을 사용하여 긍정, 부정, 중립 감성을 결정한다.
• 수치 데이터(예: '내 LDL 수치는 160이었다')를 포함한 환자 리뷰를 처리하고, 이상 범위에서의 이격 정도에 따라 감성을 분류한다.
• 퍼지 논리가 자연어로 표현된 정량적 건강 데이터의 본질적인 불확실성과 모호성을 다루는 데 기여한다.

실험 결과

연구 질문

• RQ1 퍼지 논리 기반 모델은 명시적인 의견 단어가 없는 객관적이고 정량적인 문장에서 감성을 효과적으로 분류할 수 있는가?
• RQ2 감성을 암시하는 객관적 문장을 포함할 경우, 약물 의견 마이닝 시스템의 전체 성능이 어느 정도 향상되는가?
• RQ3 퍼지 추론 시스템은 환자가 수치적 값으로 기술한 약물 부작용에 대해 감성을 얼마나 정확하게 탐지할 수 있는가?
• RQ4 의료 리뷰 데이터에서 감성 분류에 영향을 미치는 도메인 특화 퍼지 규칙 설계의 영향은 무엇인가?
• RQ5 퍼지 집합 기반 지식 공학 접근법이 정량적 의료 텍스트에서 암시적 감성에 대해 전통적 감성 분석을 능가할 수 있는가?

주요 결과

• 제안된 퍼지 기반 모델은 정량적 약물 리뷰에서 감성 분류 작업에서 F1 스코어 72%를 초과하여 성과를 달성한다.
• 감성을 암시하는 객관적 문장을 포함시킴으로써 감성 분석 시스템의 성능 향상이 약물 리뷰 분야에서 뚜렷하게 향상됨을 확인한다.
• 퍼지 논리는 '내 콜레스테롤이 너무 높았다' 또는 '정상 이하로 떨어졌다'와 같은 정량적 문장의 의미적 뉘앙스를 효과적으로 포착한다.
• 모델은 수치적 건강 데이터의 모호하고 주관적인 언어적 표현을 다루는 데 있어 뛰어난 강건성을 보여준다.
• 결과는 감성 분석 시스템이 객관적 문장을 분석함으로써 주관적 의견을 암시하는 경우에 크게 유익해질 수 있음을 확인한다. 특히 임상 및 약물 개발 맥락에서 그러한 효과가 뚜렷하다.
• 이 연구는 단지 주관적 문장을 중심으로 하는 전통적 감성 분석 방법이 정량적 데이터에 존재하는 중요한 감성 신호를 놓칠 수 있음을 보여준다.