[论文解读] Q-WordNet PPV: Simple, Robust and (almost) Unsupervised Generation of Polarity Lexicons for Multiple Languages

Iñaki San Vicente, Rodrigo Agerri+1 more|arXiv (Cornell University)|Feb 6, 2017

Sentiment Analysis and Opinion Mining参考文献 23被引用 7

一句话总结

本文提出 qwn-ppv，一种简单、稳健且（几乎）无监督的方法，通过在基于 WordNet 的图上利用自动生成的种子词进行个性化 PageRank，生成多语言情感词典。该方法在多个情感分析任务和数据集上优于现有的自动与人工构建的词典，表明内在评估是真实世界性能的不良预测指标，且词典的可适应性对于特定任务的有效性至关重要。

ABSTRACT

This paper presents a simple, robust and (almost) unsupervised dictionary-based method, qwn-ppv (Q-WordNet as Personalized PageRanking Vector) to automatically generate polarity lexicons. We show that qwn-ppv outperforms other automatically generated lexicons for the four extrinsic evaluations presented here. It also shows very competitive and robust results with respect to manually annotated ones. Results suggest that no single lexicon is best for every task and dataset and that the intrinsic evaluation of polarity lexicons is not a good performance indicator on a Sentiment Analysis task. The qwn-ppv method allows to easily create quality polarity lexicons whenever no domain-based annotated corpora are available for a given language.

研究动机与目标

• 开发一种简单、稳健且（几乎）无监督的方法，用于在多种语言中生成高质量的情感词典。
• 通过展示内在评估与实际情感分析性能之间的相关性较差，克服内在评估的局限性。
• 在缺乏领域标注语料库时，实现在需要时生成特定任务的词典。
• 使用英语和西班牙语证明该方法的有效性与跨语言适用性。
• 表明没有单一词典适用于所有任务，且可适应性是实现高性能的关键。

提出的方法

• 该方法采用基于词典的方法，将词汇知识库（WordNet）投影为图结构以实现情感信息的传播。
• 利用基于已知情感词项的简单无监督启发式方法，自动生成情感极性种子词。
• 应用个性化 PageRank，将情感分数从种子词在图中传播，为同义词集（synsets）分配情感分数。
• 通过改变种子传播迭代次数，创建多种配置（G1、G2、G3），以在召回率与精确率之间进行调优。
• 该方法在词和词义两个层面运行，支持细粒度情感分析。
• 仅依赖于 WordNet 或类似词汇资源的可用性，使其可轻松扩展至任何具备此类资源的语言。

实验结果

研究问题

• RQ1 基于词汇知识库图传播的简单无监督方法，是否能在情感分析任务中优于现有的自动与人工情感词典？
• RQ2 内在评估是否是情感词典在情感分类实际表现中的可靠指标？
• RQ3 qwn-ppv 的性能在不同数据集、任务和语言变体（如英语与西班牙语）之间如何变化？
• RQ4 该方法能否在无需标注训练数据的情况下，高效生成多个特定任务的词典？
• RQ5 该方法的性能在多大程度上依赖于图配置（如传播步数）？

主要发现

• 在英语和西班牙语数据集的四个外部情感分类评估中，qwn-ppv 在所有任务上均优于 SentiWordNet 3.0 和 MSOL。
• 该方法表现出具有竞争力且稳健的性能，通常在特定任务上与人工标注的词典（如 OF 和 Mihalcea(full)）表现相当或更优。
• 没有单一词典适用于所有任务；性能因数据集和任务需求而异，凸显了可适应性的重要性。
• G3 配置（更多传播步数）可获得更高的召回率，更适合需要广泛覆盖的任务；而 G1 配置则具有更高的精确率和更低的噪声。
• 内在评估与实际情感分类性能的相关性较差，表明其并非选择词典的可靠指标。
• 该方法具有高度可适应性，可快速生成数百个特定任务的词典，特别适用于低资源语言场景。