实体情感分析(实体层次情感分析)

Question

从过去的一年开始，我一直致力于文档层次的情感分析。文档级情感分析提供完整文档的情感。例如，“诺基亚是好的，但沃达丰糟透了很长时间”的文字将有一个负面极性与它相关，因为它将是不可知论的实体诺基亚和沃达丰。如何才能获得实体层面的情绪，比如诺基亚的正面情绪，而沃达丰的负面情绪？是否有研究论文为这些问题提供解决办法？

Answer 1

您可以尝试方面级或实体级情感分析。已经作出了很好的努力，以便在句子中找到有关方面的意见。您可以找到一些作品这里。您还可以更进一步，更深入地阅读与特性(方面)提取相关的论文。什么意思？让我举一个例子：

屏幕质量很好，但电池寿命很短。

文档层次的情感分析可能不能给我们真正意义上的这份文件，因为我们在文件中有一个积极的和一个消极的句子。然而，通过基于方面的(aspect-level)意见挖掘，我们可以在文档中分别找出对不同实体的感觉/极性。通过进行特征提取，在第一步中，您尝试在不同的句子中找到特性(方面)(这里的“屏幕质量”或简单的“质量”和“电池寿命”)。之后，当你有这些方面时，你试着提取与这些方面相关的意见(“质量”的“伟大”和“电池寿命”的“短”)。在研究和学术论文中，我们还将特征(方面)命名为目标词(用户评论的词或实体)，将意见命名为意见词，即对目标词的评论。

通过搜索我刚才提到的关键字，您可以更加熟悉这些概念。

Answer 2

您可以查找实体及其同系物，并且有一个简单的启发式方法，比如从最接近的情感项中给出每个实体的情感，这可能是依赖解析树中距离最近的，而不是线性的。这些步骤中的每一个似乎都是一个开放的研究主题。

http://scholar.google.com/scholar?q=entity+identification

http://scholar.google.com/scholar?q=coreference+resolution

http://scholar.google.com/scholar?q=sentiment+phrase

http://scholar.google.com/scholar?q=dependency+parsing

Answer 3

这可以使用来实现。

​

​