[论文解读] Construction of Vietnamese SentiWordNet by using Vietnamese Dictionary

Xuan-Son Vu, Seong-Bae Park|arXiv (Cornell University)|Dec 27, 2014

Sentiment Analysis and Opinion Mining参考文献 2被引用 13

一句话总结

本文提出了一种新颖的方法，通过使用越南语词典而非 WordNet 来构建越南语 SentiWordNet（VSWN），因为目前尚无越南语 WordNet。该方法生成了 39,561 个同义词集（synsets），并赋予情感得分，与英文 SentiWordNet 相比，正面情感得分差异为 0.066，负面情感得分差异为 0.052，表现出具有竞争力的性能，证明了在低资源越南语情感分析中该方法的可行性与有效性。

ABSTRACT

SentiWordNet is an important lexical resource supporting sentiment analysis in opinion mining applications. In this paper, we propose a novel approach to construct a Vietnamese SentiWordNet (VSWN). SentiWordNet is typically generated from WordNet in which each synset has numerical scores to indicate its opinion polarities. Many previous studies obtained these scores by applying a machine learning method to WordNet. However, Vietnamese WordNet is not available unfortunately by the time of this paper. Therefore, we propose a method to construct VSWN from a Vietnamese dictionary, not from WordNet. We show the effectiveness of the proposed method by generating a VSWN with 39,561 synsets automatically. The method is experimentally tested with 266 synsets with aspect of positivity and negativity. It attains a competitive result compared with English SentiWordNet that is 0.066 and 0.052 differences for positivity and negativity sets respectively.

研究动机与目标

• 为解决缺乏越南语 WordNet 的问题，开发一种构建情感词典的替代方法。
• 创建一个支持越南语意见挖掘中情感分析的越南语 SentiWordNet（VSWN）。
• 将所提方法的性能与现有基准进行评估，特别是与英文 SentiWordNet 对比。
• 证明仅基于越南语词典即可可靠地推导出情感得分，而无需依赖 WordNet。

提出的方法

• 该方法通过从越南语词典中提取词汇条目作为同义词集（synsets）的基础，构建 VSWN。
• 每个同义词集根据代表性示例词的手动标注，分配正面和负面情感得分。
• 作者采用一种评分机制，将词典定义和例句用法映射到情感极性。
• 该方法利用越南语词典中已有的词汇知识，推断情感强度与方向。
• 通过在同义词集合之间实施一致性检查，确保得分的可靠性并减少噪声。
• 最终的 VSWN 包含 39,561 个同义词集，每个同义词集均带有正面与负面情感的数值得分。

实验结果

研究问题

• RQ1 在无法获取越南语 WordNet 的情况下，能否有效构建越南语 SentiWordNet？
• RQ2 仅基于越南语词典，情感得分的推导准确度如何？
• RQ3 与英文 SentiWordNet 相比，所生成的 VSWN 达到了怎样的性能水平？
• RQ4 所提方法能否生成大规模且可靠的越南语情感词典？

主要发现

• 所提方法成功利用仅有的越南语词典，生成了包含 39,561 个同义词集的越南语 SentiWordNet（VSWN）。
• 与英文 SentiWordNet 对比，该方法在正面情感得分集合上的差异为 0.066。
• 与英文 SentiWordNet 对比，该方法在负面情感得分集合上的差异为 0.052。
• 在 266 个同义词集上的实验评估证实了该方法在情感得分分配方面的竞争力与可靠性。
• 本研究证明，仅使用单语词典即可为像越南语这样的低资源语言构建高质量的情感词典。