[论文解读] Opinion Polarity Identification through Adjectives

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

Sentiment Analysis and Opinion Mining参考文献 9被引用 30

一句话总结

本文提出了一种新颖的方法，通过分析产品评论中形容词的情感极性来识别意见极性。通过利用基于形容词的情感分析，该方法实现了73%的准确率，显著优于传统朴素贝叶斯分类器（58%-64%），证明了聚焦于形容词在意见挖掘任务中进行情感分类的有效性。

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.

研究动机与目标

• 为高效地从大量在线客户评论中提取情感极性提供解决方案。
• 通过聚焦形容词作为情感指标，提升意见挖掘的准确性。
• 开发一种自动化识别评论中正面、负面或中性情感的方法。
• 减轻消费者和企业在手动监控多样化在线来源的客户意见时的负担。
• 为现有基线分类器（如朴素贝叶斯）提供更准确且可扩展的替代方案。

提出的方法

• 该方法通过分析评论文本中出现的形容词的情感极性来识别意见极性。
• 利用词汇资源或情感词典为单个形容词分配极性分数。
• 将形容词的情感得分聚合，以确定评论的整体极性。
• 该方法假设形容词携带强烈的情感信号，是意见极性的可靠指标。
• 基于形容词极性的加权和计算最终情感标签（正面、负面、中性）。
• 使用标准指标（如基准产品评论数据集上的准确率）进行评估。

实验结果

研究问题

• RQ1 聚焦形容词是否能提升产品评论中意见极性识别的准确性？
• RQ2 基于形容词的情感分析与传统机器学习分类器（如朴素贝叶斯）在情感分类任务中的表现如何比较？
• RQ3 形容词在多大程度上可作为整体评论情感的可靠指标？
• RQ4 仅依赖形容词情感得分的极性检测系统性能如何？
• RQ5 基于规则或词典驱动的方法是否能在意见极性检测中超越基于学习的基线方法？

主要发现

• 所提出的基于形容词的方法在意见极性识别中达到了73%的准确率，显著优于基线朴素贝叶斯分类器。
• 相较于朴素贝叶斯（58%-64%）的提升，证明了将形容词作为情感载体的高效性。
• 研究发现形容词是整体评论情感的强而可靠的指标，支持其在极性检测中的应用。
• 该方法为处理大规模在线评论提供了可扩展且高效的解决方案。
• 结果表明，使用形容词的基于词汇的情感分析可作为复杂学习模型在意见挖掘中的可行替代方案。
• 本研究证实，形容词中的情感信号足以在情感分类任务中实现高准确率。