[论文解读] Sentiment analysis and opinion mining on E-commerce site

Fatema Tuz Zohra Anny, Oahidul Islam|arXiv (Cornell University)|Nov 28, 2022

Sentiment Analysis and Opinion Mining被引用 4

一句话总结

本文提出了一种结合基于规则与机器学习技术的混合方法，用于电子商务评论中的情感极性分类，重点关注句子级别和评论级别的情感分析。尽管其方法论框架具有潜力，但作者因持续修订及缺乏最终验证而撤回了该研究，导致其当前贡献仅限于情感分析中的概念性方法论。

ABSTRACT

Sentiment analysis or opinion mining help to illustrate the phrase NLP (Natural Language Processing). Sentiment analysis has been the most significant topic in recent years. The goal of this study is to solve the sentiment polarity classification challenges in sentiment analysis. A broad technique for categorizing sentiment opposition is presented, along with comprehensive process explanations. With the results of the analysis, both sentence-level classification and review-level categorization are conducted. Finally, we discuss our plans for future sentiment analysis research.

研究动机与目标

• 通过综合NLP方法解决电子商务文本中情感极性分类的挑战。
• 开发一个双级别情感分析系统，能够对句子和评论级别的情感进行分类。
• 提出用户生成的产品评论中情感对立（正面/负面）系统分类的详细方法。
• 尽管论文已被撤回，仍为电子商务情感分析的未来研究奠定基础。
• 为商业文本领域的情感挖掘贡献一个结构化框架。

提出的方法

• 本研究采用混合方法论，将基于规则的情感分析与机器学习模型相结合，用于情感分类。
• 采用多阶段流程，对句子和评论级别的情感进行提取与分类。
• 该方法包括预处理步骤，如分词、停用词移除和词形还原，以准备电子商务文本数据。
• 情感极性通过词典基础评分与监督学习分类器相结合的方式确定。
• 该框架旨在处理电子商务评论中常见的非正式、产品特定语言的细微差别。
• 作者概述了系统化的分类管道，但撤回版本中未指定模型架构或超参数。

实验结果

研究问题

• RQ1 如何在句子和评论级别有效分类电子商务产品评论中的情感极性？
• RQ2 基于规则与机器学习技术的何种组合能在非正式电子商务文本的情感分析中实现最佳性能？
• RQ3 如何在用户生成的产品反馈中系统性地对情感对立（正面/负面）进行分类？
• RQ4 在具有多样化语言风格的真实电子商务数据集中应用情感分析时面临哪些关键挑战？
• RQ5 何种方法论框架可在当前局限下支持未来在电子商务情感挖掘方面的研究？

主要发现

• 本文提出了电子商务情感分析的概念性框架，但由于论文被撤回，未报告最终的定量结果。
• 所提出的方法包括对句子和评论情感的双级别分类系统，但未提供准确率或F1分数。
• 该研究承认在处理电子商务评论中的非正式语言和领域特定表达方面存在挑战。
• 作者指出，该方法论旨在具备可扩展性和在不同产品类别中的适应性。
• 由于论文在最终验证前被撤回，未提供任何模型性能指标、评估结果或对比基准。
• 该研究贡献了详细的框架设计，但未报告实证验证或模型训练结果。