實體情緒分析

Question

自從過去1年以來，我一直在進行文檔級情緒分析。 文檔級情感分析提供了完整文檔的感悟。例如 - 文本「諾基亞是好的，但沃達豐吸取大時間」將有一個負面的相關性，因爲它是不可知論的實體諾基亞和沃達豐。 如何才能獲得實體級的情緒，如諾基亞的積極因素，但沃達豐的消極因素？有沒有研究論文提供解決這些問題的方法？

Answer 1

您可以尋找實體及其推理，並且有一個簡單的啓發式方法，例如爲每個實體提供最接近的情感術語的情緒，也許在距離上最靠近依賴分析樹，而不是線性方式。每個步驟似乎都是一個開放的研究課題。

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 2

您可以嘗試看點級情感分析。已經做了很多努力來找到有關句子方面的意見。你可以找到一些作品here。您也可以進一步深入並查看與功能（方面）提取相關的那些論文。這是什麼意思？我舉個例子：

「屏幕質量很好，但是電池壽命很短。」

文檔級情感分析可能不會給我們這個文檔的真正意義，因爲我們在文檔中有一個正面和一個負面句子。但是，通過基於方面（方面級別）的意見挖掘，我們可以分別計算文檔中不同實體的感官/極性。通過這樣做特徵提取，在第一步中，嘗試找到功能（方面）在不同的句子（在這裏「質量的屏幕的」或簡稱「質量」和「電池壽命」）。之後，當你有這些方面的時候，你試圖提取與這些方面有關的意見（「好」，「質量」和「短」，「電池壽命」）。在研究和學術論文中，我們還將目標詞（用戶評論的那些詞或實體）的特徵（方面）和意見作爲意見詞，關於目標詞 。

通過搜索我剛剛提到的關鍵字，您可以更熟悉這些概念。

Answer 3

我也試過在這方面獲得研究文章，但沒有找到任何。我建議你嘗試使用基於方面的情感分析算法。我發現的相似之處在於，我們可以識別句子中單個實體的各個方面，然後找出每個方面的情感。類似地，我們可以使用相同的算法來訓練我們的模型，該算法可以檢測實體，就像它對各個方面進行檢測一樣，並找到這樣的實體。我沒有嘗試這個，但我會去。讓我知道如果這工作或沒有。還有多種方法可以做到這一點。以下是幾篇文章的鏈接。

http://arxiv.org/pdf/1605.08900v1.pdf https://cs224d.stanford.edu/reports/MarxElliot.pdf