[논문 리뷰] Subjectivity Classification using Machine Learning Techniques for Mining Feature-Opinion Pairs from Web Opinion Sources

Ahmad Kamal|arXiv (Cornell University)|2013. 12. 25.

Sentiment Analysis and Opinion Mining참고 문헌 14인용 수 23

한 줄 요약

이 논문은 웹 리뷰에서 특징-의견 쌍을 추출하는 데 있어 지도학습 기반 기계학습과 규칙 기반 방법을 융합한 하이브리드 접근법을 제안한다. 먼저 기계학습을 사용해 문장을 주관적 또는 객관적으로 분류한 후, 주관적 문장에서 언어학적 및 의미론적 규칙을 적용하여 유효한 특징-의견 쌍을 추출한다. 이는 전자 제품 리뷰에서의 의견 추출 정확도를 향상시킨다.

ABSTRACT

Due to flourish of the Web 2.0, web opinion sources are rapidly emerging containing precious information useful for both customers and manufactures. Recently, feature based opinion mining techniques are gaining momentum in which customer reviews are processed automatically for mining product features and user opinions expressed over them. However, customer reviews may contain both opinionated and factual sentences. Distillations of factual contents improve mining performance by preventing noisy and irrelevant extraction. In this paper, combination of both supervised machine learning and rule-based approaches are proposed for mining feasible feature-opinion pairs from subjective review sentences. In the first phase of the proposed approach, a supervised machine learning technique is applied for classifying subjective and objective sentences from customer reviews. In the next phase, a rule based method is implemented which applies linguistic and semantic analysis of texts to mine feasible feature-opinion pairs from subjective sentences retained after the first phase. The effectiveness of the proposed methods is established through experimentation over customer reviews on different electronic products.

연구 동기 및 목표

• 고객 리뷰에서 노이즈가 많고 관련성이 없는 사실적 내용이 특징-의견 쌍 추출을 방해하는 문제를 해결하기 위해.
• 특징-의견 쌍 추출 이전에 객관적(사실적) 문장을 필터링하여 의견 추출의 정밀도를 향상시키기 위해.
• 두 단계로 구성된 시스템을 개발하기 위해: 첫째, 지도학습을 사용한 주관성 분류, 둘째, 주관적 문장에서의 규칙 기반 쌍 추출.
• 실제 전자 제품 고객 리뷰에 대해 통합적 접근의 효과성을 평가하기 위해.
• 주관성 탐지 전처리가 후속 특징-의견 쌍 추출 성능을 향상시킨다는 것을 입증하기 위해.

제안 방법

• 라벨이 부여된 고객 리뷰 데이터를 사용하여 문장을 주관적 또는 객관적으로 분류하는 데 목적이 있는 지도학습 모델을 훈련시킨다.
• 품사 태그, 감성 신호, 어휘 패턴과 같은 텍스트적 특징을 사용하여 주관적 내용과 객관적 내용을 구분한다.
• 주관적 문장은 문법적 분석 및 의미 분석을 적용하여 잠재적 특징-의견 쌍을 식별하는 규칙 기반 시스템에 의해 처리된다.
• 명사구를 특징으로, 형용사/부사를 의견으로 식별하기 위한 언어학적 규칙을 설계하고, 의존성 분석을 통해 연결한다.
• 문법적 구조와 의미 역할에 기반한 히ュ리스틱을 적용하여 타당한 특징-의견 관계를 검증한다.
• 정밀도, 재현율, F1 점수를 지표로 사용하여 전자 제품 리뷰 데이터셋에서 파ip라인의 성능을 평가한다.

실험 결과

연구 질문

• RQ1 지도학습 기반 기계학습 모델이 고객 리뷰의 문장에서 주관적 문장과 객관적 문장을 효과적으로 구분할 수 있는가?
• RQ2 객관적 문장을 필터링하는 것이 특징-의견 쌍 추출의 품질을 향상시키는가?
• RQ3 규칙 기반 언어학적 및 의미론적 분석이 주관적 문장에서 유효한 특징-의견 쌍을 얼마나 정확하게 식별할 수 있는가?
• RQ4 이 작업에서 기계학습과 규칙 기반 접근의 융합 방법이 순수 규칙 기반 또는 순수 학습 기반 방법보다 어떻게 비교되는가?
• RQ5 주관성 필터링이 특징-의견 쌍 추출의 정밀도와 재현율에 어떤 영향을 미치는가?

주요 결과

• 주관성 분류 모델은 주관적 문장과 객관적 문장을 효과적으로 구분하여 후속 처리의 노이즈를 줄였다.
• 규칙 기반 컴포넌트는 문법적 및 의미론적 제약 조건을 활용하여 높은 정밀도로 특징-의견 쌍을 성공적으로 추출하였다.
• 하이브리드 접근법은 기준 모델을 능가하여 전자 제품 리뷰에서 특징-의견 쌍 추출의 F1 점수를 향상시켰다.
• 객관적 문장을 제거함으로써 의견 쌍 탐지의 거짓 양성률이 크게 감소하여 전체 시스템의 신뢰성이 향상되었다.
• 정밀도와 F1 점수에서 측정 가능한 향상이 이루어져 학습 기반 분류와 규칙 기반 패턴 매칭을 융합하는 것이 효과적임을 입증하였다.
• 실세계 데이터에 대한 실증적 평가를 통해 다양한 제품 카테고리와 리뷰 스타일에 걸쳐 이 방법이 견고함을 확인하였다.