[論文レビュー] Sentiment Analysis Using Collaborated Opinion Mining

Deepali Virmani, Vikrant Malhotra+1 more|arXiv (Cornell University)|Jan 12, 2014

Sentiment Analysis and Opinion Mining参考文献 12被引用数 17

ひとこと要約

本論文は、感情分析、意見抽出、要約を統合する協働的意見マイニングフレームワークを提案し、学生に関する教員の評価を分析する。既存のアルゴリズムを変更することで、感情の極性を非常に高い、高い、中程度、低い、非常に低いの5段階に分類し、教育分野の事例研究において、意見の追跡と表現の向上を示した。

ABSTRACT

Opinion mining and Sentiment analysis have emerged as a field of study since the widespread of World Wide Web and internet. Opinion refers to extraction of those lines or phrase in the raw and huge data which express an opinion. Sentiment analysis on the other hand identifies the polarity of the opinion being extracted. In this paper we propose the sentiment analysis in collaboration with opinion extraction, summarization, and tracking the records of the students. The paper modifies the existing algorithm in order to obtain the collaborated opinion about the students. The resultant opinion is represented as very high, high, moderate, low and very low. The paper is based on a case study where teachers give their remarks about the students and by applying the proposed sentiment analysis algorithm the opinion is extracted and represented.

研究の動機と目的

• 教育的フィードバックにおいて、感情分析と意見抽出および要約を統合する協働フレームワークを開発すること。
• 感情を5つの明確な極性レベルに分類することで、学生の評価の表現を向上させること。
• 教育的環境における非構造化教員評価の解釈の課題に対処すること。
• 自動化された感情分類を通じて、学生の成績記録の体系的追跡と分析を可能にすること。
• 教員が作成した学生の評価を含む実世界の事例研究を用いて、手法を検証すること。

提案手法

• 提案手法は、意見マイニングと感情分析を統合し、非構造化教員評価から意見を抽出・分類する。
• 複数の意見ソースにわたる共同分析を可能にするために、既存のアルゴリズムを変更する。
• 感情の極性は、非常に高い、高い、中程度、低い、非常に低いの5つの離散的レベルに分類される。
• フレームワークには、フィードバックを一貫した感情表現に要約するモジュールが含まれる。
• システムの性能と一貫性を評価するために、実際の教員評価を用いた事例研究が実施された。
• 自然言語処理技術を活用して、意見を含むフレーズを特定し、感情スコアを割り当てる。

実験結果

リサーチクエスチョン

• RQ1 教育的フィードバックにおいて、意見抽出および要約と協働することで、感情分析をどのように向上させられるか？
• RQ2 5段階の極性スケールを用いることで、感情分類のどの程度の細かさが達成できるか？
• RQ3 提案されたフレームワークは、非構造化教員評価から学生の意見を効果的に追跡・表現できるか？
• RQ4 変更されたアルゴリズムは、従来の感情分析手法と比較して、どのように意見表現を改善するか？
• RQ5 このフレームワークを実世界の教育記録管理システムに適用する可能性はどの程度か？

主な発見

• 提案されたフレームワークは、教員の評価から感情を非常に高い、高い、中程度、低い、非常に低いの5つの明確な極性レベルに成功して分類した。
• 意見抽出、要約、感情分析の統合により、学生フィードバックの解釈可能性と一貫性が向上した。
• 事例研究により、システムを用いて学生の成績記録を長期間にわたり追跡可能であることが示された。
• 変更されたアルゴリズムは、複数のフィードバックソースを統合して統一された感情スコアを生成することで、意見表現を強化した。
• 本システムは、大規模な非構造化教育的評価を分析するための構造的でスケーラブルなソリューションを提供した。
• 結果から、協働的意見マイニングは、単独の感情分析よりも信頼性が高く、より洗練された感情表現をもたらすことが示された。