[논문 리뷰] Opinion Polarity Identification through Adjectives

Samaneh Moghaddam, Fred Popowich|arXiv (Cornell University)|2010. 11. 21.

Sentiment Analysis and Opinion Mining참고 문헌 9인용 수 30

한 줄 요약

이 논문은 제품 리뷰에 포함된 형용사의 정서 성향을 분석하여 의견 극성 식별에 대한 새로운 접근법을 제안한다. 형용사 기반 정서 분석을 활용함으로써 이 방법은 기존의 나이브 베이즈 분류기(58%-64%)보다 뛰어난 73%의 정확도를 달성한다. 이는 의견 마이닝 작업에서 정서 분류에 형용사를 집중하는 것이 효과적임을 보여준다.

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.

연구 동기 및 목표

• 대규모 온라인 고객 리뷰에서 정서 극성을 효율적으로 추출하는 데 도전하는 것.
• 형용사를 정서 지표로 집중하여 의견 마이닝의 정확도를 향상시키는 것.
• 리뷰의 긍정, 부정, 중립 정서를 자동으로 식별하는 방법을 개발하는 것.
• 소비자와 기업이 다양한 온라인 소스에서 수동으로 고객 의견을 모니터링하는 부담을 줄이는 것.
• 기존의 기준 분류기인 나이브 베이즈와 비교해 더 정확하고 확장 가능한 대안을 제공하는 것.

제안 방법

• 이 방법은 리뷰 텍스트에 포함된 형용사의 정서 극성 분석을 통해 의견 극성을 식별한다.
• 어휘 자원 또는 정서 사전을 활용하여 개별 형용사에 극성 점수를 할당한다.
• 형용사의 정서 점수를 집계하여 리뷰의 총괄 극성을 결정한다.
• 이 접근법은 형용사가 강력한 정서 신호를 지니며 의견 극성의 신뢰할 수 있는 지표임을 가정한다.
• 형용사 극성의 가중 합을 기반으로 최종 정서 레이블(긍정, 부정, 중립)을 계산한다.
• 기본 제품 리뷰 데이터셋에서 표준 평가 지표(예: 정확도)를 사용하여 평가를 수행한다.

실험 결과

연구 질문

• RQ1 형용사에 집중하는 것이 제품 리뷰의 의견 극성 식별 정확도를 향상시킬 수 있는가?
• RQ2 형용사 기반 정서 분석은 나이브 베이즈와 같은 전통적인 기계 학습 분류기와 비교해 정서 분류 작업에서 어떻게 성능을 내는가?
• RQ3 형용사가 총괄 리뷰 정서를 나타내는 신뢰할 수 있는 지표로 얼마나 잘 기능하는가?
• RQ4 형용사 정서 점수에만 의존하는 극성 탐지 시스템의 성능은 어떠한가?
• RQ5 규칙 기반 또는 어휘 기반 접근 방식이 의견 극성 탐지에서 학습 기반 기준 모델을 능가할 수 있는가?

주요 결과

• 제안된 형용사 기반 방법은 의견 극성 식별에서 73%의 정확도를 달성하여 기존의 기준 나이브 베이즈 분류기보다 뚜렷이 뛰어난 성능을 보였다.
• 나이브 베이즈(58%-64%) 대비 향상된 성능은 형용사를 정서 전달 매개체로 집중하는 것이 효과적임을 입증한다.
• 형용사는 총괄 리뷰 정서를 나타내는 강력하고 신뢰할 수 있는 지표로 밝혀져, 극성 탐지에 활용하는 것이 타당하다.
• 이 방법은 대규모 온라인 리뷰를 처리하는 데 있어 확장 가능하고 효율적인 솔루션을 제공한다.
• 결과적으로 어휘 기반 정서 분석을 통해 형용사를 활용하면 복잡한 학습 모델에 비해 실용적인 대안이 될 수 있음을 시사한다.
• 연구는 형용사 내 정서 신호가 정서 분류 작업에서 높은 정확도를 달성하는 데 충분하다는 것을 확인한다.