[论文解读] Subjectivity Classification using Machine Learning Techniques for Mining Feature-Opinion Pairs from Web Opinion Sources

Ahmad Kamal|arXiv (Cornell University)|Dec 25, 2013

Sentiment Analysis and Opinion Mining参考文献 14被引用 23

一句话总结

本文提出一种结合监督式机器学习与基于规则方法的混合方法，以提升从网络评论中提取特征-意见对的性能。首先利用机器学习将句子分类为主观或客观，然后对主观句子应用语言学与语义规则，挖掘有效的特征-意见对，从而在电子产品评论的情感挖掘中实现了更高的精确率。

ABSTRACT

Due to flourish of the Web 2.0, web opinion sources are rapidly emerging containing precious information useful for both customers and manufactures. Recently, feature based opinion mining techniques are gaining momentum in which customer reviews are processed automatically for mining product features and user opinions expressed over them. However, customer reviews may contain both opinionated and factual sentences. Distillations of factual contents improve mining performance by preventing noisy and irrelevant extraction. In this paper, combination of both supervised machine learning and rule-based approaches are proposed for mining feasible feature-opinion pairs from subjective review sentences. In the first phase of the proposed approach, a supervised machine learning technique is applied for classifying subjective and objective sentences from customer reviews. In the next phase, a rule based method is implemented which applies linguistic and semantic analysis of texts to mine feasible feature-opinion pairs from subjective sentences retained after the first phase. The effectiveness of the proposed methods is established through experimentation over customer reviews on different electronic products.

研究动机与目标

• 解决客户评论中噪声多、无关事实内容过多的问题，这些内容会阻碍有效的特征-意见对提取。
• 通过在配对提取前过滤掉客观（事实性）句子，提升情感挖掘的精确率。
• 开发一种两阶段系统：第一阶段使用监督学习进行主观性分类，第二阶段从主观句子中基于规则进行配对挖掘。
• 在真实世界电子产品客户评论上评估该组合方法的有效性。
• 证明主观性检测预处理可提升下游特征-意见对提取的性能。

提出的方法

• 使用标注的客户评论数据，训练一个监督式机器学习模型，以将句子分类为主观或客观。
• 该模型利用词性标注、情感线索和词汇模式等文本特征，区分主观内容与客观内容。
• 主观句子随后由基于规则的系统处理，该系统应用句法解析与语义分析，识别潜在的特征-意见对。
• 设计语言学规则以检测名词短语作为特征，形容词或副词作为意见，并利用依存句法分析将它们关联起来。
• 系统应用基于句法结构与语义角色的启发式规则，验证合理的特征-意见关系。
• 该流水线在电子产品客户评论数据集上进行评估，使用精确率、召回率与F1值作为指标。

实验结果

研究问题

• RQ1 监督式机器学习能否有效区分客户评论中的主观句与客观句？
• RQ2 过滤掉客观句子是否能提升特征-意见对提取的质量？
• RQ3 基于规则的语言学与语义分析在主观句子中多大程度上能准确识别有效的特征-意见对？
• RQ4 在该任务中，结合机器学习与基于规则的方法相较于纯规则或纯学习方法表现如何？
• RQ5 主观性过滤对特征-意见对挖掘的精确率与召回率有何影响？

主要发现

• 主观性分类模型在区分主观与客观句子方面表现出高准确率，显著降低了下游处理中的噪声。
• 基于规则的组件通过利用句法与语义约束，成功以高精确率提取了特征-意见对。
• 混合方法优于基线方法，在电子产品评论的特征-意见对提取中表现出更高的F1值。
• 过滤掉客观句子显著减少了意见对检测中的假阳性，提升了整体系统的可靠性。
• 系统在精确率与F1值方面实现了可测量的提升，验证了学习型分类与基于规则的模式匹配相结合的有效性。
• 在真实世界数据上的实证评估证实，该方法在多种产品类别与评论风格下均具有鲁棒性。