[论文解读] Confirmatory Aspect-based Opinion Mining Processes

Jongho Im, Taikgun Song+2 more|arXiv (Cornell University)|Jul 30, 2019

Sentiment Analysis and Opinion Mining参考文献 43被引用 6

一句话总结

本文提出了一种称为 DiSSBUS 的确认性基于方面的情感挖掘框架，该框架将客户评论分解为从句，通过词性标注和句法解析提取主题-评价二元组，并将其匹配到预设的领域主题以进行情感打分。该方法应用于夏威夷的TripAdvisor餐厅评论，能够以高精度有效识别用户对食物、服务和价格等固定主题的意见，相较于文档级或句子级方法，显著减少了信息损失并提高了可解释性。

ABSTRACT

A new opinion extraction method is proposed to summarize unstructured, user-generated content (i.e., online customer reviews) in the fixed topic domains. To differentiate the current approach from other opinion extraction approaches, which are often exposed to a sparsity problem and lack of sentiment scores, a confirmatory aspect-based opinion mining framework is introduced along with its practical algorithm called DiSSBUS. In this procedure, 1) each customer review is disintegrated into a set of clauses; 2) each clause is summarized to bi-terms-a topic word and an evaluation word-using a part-of-speech (POS) tagger; and 3) each bi-term is matched to a pre-specified topic relevant to a specific domain. The proposed processes have two primary advantages over existing methods: 1) they can decompose a single review into a set of bi-terms related to pre-specified topics in the domain of interest and, therefore, 2) allow identification of the reviewer's opinions on the topics via evaluation words within the set of bi-terms. The proposed aspect-based opinion mining is applied to customer reviews of restaurants in Hawaii obtained from TripAdvisor, and the empirical findings validate the effectiveness of the method. Keywords: Clause-based sentiment analysis, Customer review, Opinion mining, Topic modeling, User-generate-contents.

研究动机与目标

• 为解决现有情感挖掘方法在分析非结构化用户生成内容（UGC）时存在的数据稀疏性和主题识别模糊等问题。
• 通过使用预设的、领域特定的主题而非事后提取主题，提升基于方面的情感挖掘的可解释性和准确性。
• 通过分析从句而非整个文档或句子，减少信息损失，保留细粒度的情感表达。
• 开发一种系统化、可复现的基于方面的情感挖掘流程，整合语言学解析、主题匹配和情感打分。
• 通过在真实世界TripAdvisor餐厅评论上的实证应用，验证该方法的有效性。

提出的方法

• 该方法将每条客户评论分解为独立的从句，以隔离不同的意见单元。
• 利用词性标注器（POS tagger）和句法解析（如 Google SyntaxNet）将每个从句总结为一个二元组——由主题词和评价词组成。
• 通过领域知识，将高频二元组的子集手动匹配到预设的主题（如食物、服务、价格）上。
• 通过袋装（bagging）过程将未筛选的二元组也匹配到相同主题，从而扩展每个主题下代表性二元组的集合。
• 使用基于词典的方法（如 R 语言包 'tidytext' 的情感词典）为每个二元组分配情感分数，分数范围从 -1.00（负面）到 +1.00（正面）。
• 最终输出按主题聚类二元组并分配情感极性，实现对用户在特定方面意见的结构化分析。

实验结果

研究问题

• RQ1 与句子级或文档级方法相比，从句级分析是否能提升基于方面的情感挖掘的准确性和可解释性？
• RQ2 使用预设主题在多大程度上能增强主题识别并减少情感挖掘中的歧义？
• RQ3 基于二元组的表示方法（主题词 + 评价词）在捕捉短文本评论中用户对特定方面的感受方面有多高效？
• RQ4 DiSSBUS 流程在识别和打分真实世界餐厅评论中固定主题的意见方面表现如何？
• RQ5 该方法如何应对非结构化 UGC 中常见的数据稀疏性和情感打分挑战？

主要发现

• DiSSBUS 算法成功地将餐厅评论分解为从句，并将二元组高精度地分配到预设主题（如食物、服务、价格、环境）上。
• 该方法实现了稳定的情感打分，当评价词表达正面情感时，10个示例从句中有10个均获得 +1.00 的情感分数（极性 = 1.00）。
• 负面情感在如 'the parking is limited' 这类从句中被正确捕捉，其环境主题的情感得分为 -1.00。
• 通过分析单个从句而非在文档或句子层面聚合情感，该方法减少了信息损失。
• TripAdvisor 评论的实证结果表明，该方法能有效将用户意见与餐厅领域中特定的预定义方面关联起来。
• 研究证实，采用从句级二元组和领域特定主题的确认性基于方面的情感挖掘，相比传统主题建模或基于方面的情感挖掘，能获得更准确、更具可解释性的结果。