[论文解读] Semantic Polarity of Adjectival Predicates in Online Reviews

Ae-Lim Ahn, Éric Laporte+1 more|arXiv (Cornell University)|Nov 17, 2012

Sentiment Analysis and Opinion Mining参考文献 6被引用 3

一句话总结

本文提出了一种在线评论中形容词谓词的上下文敏感分类方法，通过捕捉形容词与特征名词之间的词汇和上下文关系来提升情感分析的准确性。采用领域特定的方法，研究证明在考虑上下文依赖关系时，极性分配的准确性显著提高，优于静态极性词典。

ABSTRACT

Web users produce more and more documents expressing opinions. Because these have become important resources for customers and manufacturers, many have focused on them. Opinions are often expressed through adjectives with positive or negative semantic values. In extracting information from users' opinion in online reviews, exact recognition of the semantic polarity of adjectives is one of the most important requirements. Since adjectives have different semantic orientations according to contexts, it is not satisfying to extract opinion information without considering the semantic and lexical relations between the adjectives and the feature nouns appropriate to a given domain. In this paper, we present a classification of adjectives by polarity, and we analyze adjectives that are undetermined in the absence of contexts. Our research should be useful for accurately predicting semantic orientations of opinion sentences, and should be taken into account before relying on an automatic methods.

研究动机与目标

• 为解决准确确定在线评论中形容词语义极性的挑战，因为其极性通常依赖于上下文。
• 识别形容词的极性如何基于其与特定领域内特征名词的关系而发生变化。
• 开发一种通过整合形容词与其论元之间的词汇和语义关系来提升情感分类的方法。
• 减少对无法捕捉上下文依赖情感变化的静态极性词典的依赖。
• 通过建模上下文敏感的形容词极性，为更准确的客户评论意见挖掘提供基础。

提出的方法

• 作者基于形容词与领域特定在线评论中特征名词的共现模式，将形容词分类为语义极性类别（正面、负面、中性）。
• 通过依存句法分析和词汇资源，分析形容词与其中心名词之间的句法和语义关系。
• 通过考察形容词的情感倾向如何随其修饰的特定名词而变化，构建上下文感知极性模型。
• 该方法利用领域特定语料库进行极性分类的训练与评估，重点关注特征-形容词配对。
• 通过分布语义方法评估形容词在不同名词上下文中的极性是否保持一致。
• 在人工标注的评论句子数据集上进行评估，以衡量极性预测的准确性。

实验结果

研究问题

• RQ1 在在线评论中，形容词的语义极性如何随其修饰的特征名词而变化？
• RQ2 静态极性词典在在多大程度上无法捕捉形容词谓词中的上下文依赖情感？
• RQ3 建模形容词与其论元之间的词汇和句法关系，能否提升极性分类的准确性？
• RQ4 领域特定上下文对形容词极性分配的可靠性有何影响？
• RQ5 形容词与不同名词的分布模式如何影响其感知的情感倾向？

主要发现

• 研究发现，形容词的极性显著依赖于其修饰的特征名词，这使得通用极性标签的使用无效。
• 上下文分析可将极性分类的准确性提升至静态词典无法达到的水平。
• 在孤立状态下具有歧义的形容词，与特定名词配对时往往表现出明确的极性，凸显了上下文的重要性。
• 通过利用形容词与其论元之间的句法和语义关系，该方法在情感预测中实现了更高的精确度。
• 结果表明，领域特定建模对于意见挖掘中的准确情感分析至关重要。
• 研究证实，若不考虑形容词的词汇和上下文环境，语义极性无法被可靠地分配。