[논문 리뷰] Semantic descriptions of 24 evaluational adjectives, for application in sentiment analysis

Cliff Goddard, Maite Taboada외 1명|arXiv (Cornell University)|2016. 08. 24.

Sentiment Analysis and Opinion Mining참고 문헌 9인용 수 4

한 줄 요약

이 논문은 자연적 의미 금속언어(NSM) 프레임워크를 적용하여 감성 분석에서 사용되는 24개의 평가적 형용사에 대한 의미적 해석을 제공하고, 의미와 사용 방식에 기반해 다섯 가지 다른 의미 템플릿으로 그룹화한다. 이는 Appraisal Framework의 분류에 비해 정밀하고 다국어에 적용 가능한 대안을 제공하며, 어휘 기반의 언어학적 정의를 통해 감성 분석 및 NLP 응용 분야에서 정확성을 향상시킨다.

ABSTRACT

We apply the Natural Semantic Metalanguage (NSM) approach (Goddard and Wierzbicka 2014) to the lexical-semantic analysis of English evaluational adjectives and compare the results with the picture developed in the Appraisal Framework (Martin and White 2005). The analysis is corpus-assisted, with examples mainly drawn from film and book reviews, and supported by collocational and statistical information from WordBanks Online. We propose NSM explications for 24 evaluational adjectives, arguing that they fall into five groups, each of which corresponds to a distinct semantic template. The groups can be sketched as follows: "First-person thought-plus-affect", e.g. wonderful; "Experiential", e.g. entertaining; "Experiential with bodily reaction", e.g. gripping; "Lasting impact", e.g. memorable; "Cognitive evaluation", e.g. complex, excellent. These groupings and semantic templates are compared with the classifications in the Appraisal Framework's system of Appreciation. In addition, we are particularly interested in sentiment analysis, the automatic identification of evaluation and subjectivity in text. We discuss the relevance of the two frameworks for sentiment analysis and other language technology applications.

연구 동기 및 목표

• 자연적 의미 금속언어(NSM) 접근법을 사용하여 24개의 평가적 형용사에 대한 정밀한 의미 기술을 개발하기 위해.
• NSM 기반의 해석을 평가 언어의 Appraisal Framework 분류와 비교하기 위해.
• NSM가 감성 분석 및 기타 언어 기술 응용 분야에서 얼마나 유용한지 평가하기 위해.
• 어휘 자료를 보조적으로 분석하여 평가적 형용사의 뒤에 숨은 반복적인 의미 템플릿을 규명하기 위해.
• 자동 감성 탐지에 대한 언어학적으로 탄탄하고 다국어적으로 타당한 기반을 마련하기 위해.

제안 방법

• 24개의 평가적 형용사의 의미적 구조를 분석하기 위해 NSM 프레임워크를 적용하기 위해.
• 어휘 자료에서 영화 및 책 리뷰의 데이터를 의미 해석의 주요 증거로 사용하기 위해.
• WordBanks Online의 병렬어 및 통계 데이터를 활용하여 사용 패턴을 검증하기 위해.
• 다섯 가지 의미 템플릿으로 형용사를 그룹화하기 위해: 제1인칭 사고-감정, 경험적, 신체 반응이 동반된 경험적, 지속적 영향, 인지적 평가.
• NSM 해석을 Appraisal Framework의 찬사 체계와 비교하여 개념적 일치성과 차이점을 평가하기 위해.
• 모든 언어에 통용되는 의미 원소를 사용하여 최소한의 의미 기술을 생성함으로써 다국어적 명확성과 계산 가능성 확보하기 위해.

실험 결과

연구 질문

• RQ1 자연적 의미 금속언어(NSM) 프레임워크를 어떻게 적용하여 평가적 형용사에 대한 정밀한 의미 해석을 도출할 수 있는가?
• RQ2 반복적으로 나타나는 의미 템플릿은 무엇이며, 이는 카테고리 간에 어떻게 다를 수 있는가?
• RQ3 NSM 해석은 Appraisal Framework의 찬사 체계 분류와 어떻게 비교될 수 있는가?
• RQ4 NSM 기반의 의미 기술이 NLP 시스템에서 감성 분석의 정확성을 얼마나 향상시킬 수 있는가?
• RQ5 어휘 자료 기반의 예시와 통계적 병렬어 데이터는 평가 언어의 의미 해석을 검증하는 데 어떤 역할을 하는가?

주요 결과

• 24개의 평가적 형용사는 의미와 사용 패턴에 기반해 다섯 가지 명확한 의미 템플릿으로 성공적으로 분류되었다.
• NSM 해석은 보편적인 의미 원소를 사용하여 명확하고 최소한의 의미 기술을 제공하며, 다국어적으로 타당한 정의를 제공하였다.
• 제1인칭 사고-감정 그룹에는 'wonderful'과 같은 개인적인 긍정적 판단을 표현하는 형용사가 포함되어 있다.
• 경험적 그룹(예: 'entertaining')은 직접적인 감각적 또는 정서적 경험을 묘사한다.
• 'gripping'과 같은 형용사는 신체 반응이 동반된 경험적 그룹에 속하며, 신체적 또는 정서적 각성 상태를 나타낸다.
• 인지적 평가 그룹(예: 'complex', 'excellent')은 즉각적인 감정이 아닌 지적적 또는 평가적 판단을 반영한다.