대용어해소를 통한 독일어 텍스트 논조분석 방안
Anaphernresolution für die Sentimentanalyse deutscher Texte
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
Das Ziel der Sentimentanalyse liegt darin, die Stimmungen des Sprechers oder des Autors eines Textes automatisch zu bestimmen. Die Stimmungen werden normalerweise im Text durch die Verwendung bestimmter Wörter übertragen. Aber die konnotative Bedeutung eines Wortes wird sowohl vom syntaktischen als auch vom semantischen Kontext beeinflusst. Um dies in der Sentimentanalyse zu berücksichtigen, werden verschiedene Ansätze vorgeschlagen, u.a., die von Wiebe et al. (2005) und von Joshi & Pennstein-Rose (2009). In diesen Arbeiten wurden hauptsächlich die Methoden für die Berücksichtigung der syntaktischen Struktur in einer Sentimentanalyse vorgeschlagen. In der vorliegenden Arbeit wurde ein Ansatz für die sogenannte Anaphernresolution vorgestellt. Anaphernresolution ist ein sehr wichtiges Thema in der Sprachverarbeitung und stellt auch ein sehr schwieriges Problem für die Sentimentanalyse dar. Die meisten bisherigen Ansätze für Anaphernresolution sind regelbasiert und deshalb deterministisch. Dies bedeutet, dass wenn ein Kandidatnomen alle linguistischen Constraints für die Resolution eines Pronomens erfüllt, es automatisch für das Antezedens eines Pronomens gehalten wird. Aber wenn gleichzeitig mehrere Kandidaten die Constraints erfüllen, fällt in diesem Ansatz die Entscheidung sehr schwer. Um das zu vermeiden, wird hier ein anderer Ansatz, der sich auf maschinelles Lernen stützt, vorgeschlagen. Für das maschinelle Lernen werden sechs Merkmale verwendet. Das Experiment zeigt, dass der vorgeschlagene Ansatz für die Anaphernresolution 90.38% Genauigkeit aufweist. Versucht man die Sentimentanalyse mit Anaphernresolution zu verbinden, weist er 68.86% Genauigkeit der Sentimentanalyse auf.
Abstract
Das Ziel der Sentimentanalyse liegt darin, die Stimmungen des Sprechers oder des Autors eines Textes automatisch zu bestimmen. Die Stimmungen werden normalerweise im Text durch die Verwendung bestimmter Wörter übertragen. Aber die konnotative Bedeutung eines Wortes wird sowohl vom syntaktischen als auch vom semantischen Kontext beeinflusst. Um dies in der Sentimentanalyse zu berücksichtigen, werden verschiedene Ansätze vorgeschlagen, u.a., die von Wiebe et al. (2005) und von Joshi & Pennstein-Rose (2009). In diesen Arbeiten wurden hauptsächlich die Methoden für die Berücksichtigung der syntaktischen Struktur in einer Sentimentanalyse vorgeschlagen. In der vorliegenden Arbeit wurde ein Ansatz für die sogenannte Anaphernresolution vorgestellt. Anaphernresolution ist ein sehr wichtiges Thema in der Sprachverarbeitung und stellt auch ein sehr schwieriges Problem für die Sentimentanalyse dar. Die meisten bisherigen Ansätze für Anaphernresolution sind regelbasiert und deshalb deterministisch. Dies bedeutet, dass wenn ein Kandidatnomen alle linguistischen Constraints für die Resolution eines Pronomens erfüllt, es automatisch für das Antezedens eines Pronomens gehalten wird. Aber wenn gleichzeitig mehrere Kandidaten die Constraints erfüllen, fällt in diesem Ansatz die Entscheidung sehr schwer. Um das zu vermeiden, wird hier ein anderer Ansatz, der sich auf maschinelles Lernen stützt, vorgeschlagen. Für das maschinelle Lernen werden sechs Merkmale verwendet. Das Experiment zeigt, dass der vorgeschlagene Ansatz für die Anaphernresolution 90.38% Genauigkeit aufweist. Versucht man die Sentimentanalyse mit Anaphernresolution zu verbinden, weist er 68.86% Genauigkeit der Sentimentanalyse auf.
참고문헌 (26)
- 박아름, "한-독 기계번역을 위한 한국어 영형 주어 처리연구", 독일문학, 56(1), pp.197~223 (2015), 한국독어독문학회
- 박아름, "한-독 기계번역을 위한 한국어 영형목적어 처리 연구", 독일언어문학, (70), pp.1~21 (2015), 한국독일언어문학회
- 홍문표, "독일어 텍스트 논조자동분석", 독어학, (28), pp.361~383 (2013), 한국독어학회
- 홍문표, "바이그램을 활용한 텍스트 논조자동분석", 독일언어문학, (65), pp.27~46 (2014), 한국독일언어문학회
- 홍문표, "독일어 트위터 문장의 규칙기반 논조분석 방안 연구", 독어학, (32), pp.153~173 (2015), 한국독어학회
- 홍문표, "논조분석을 위한 반어의미 문장 자동분류", 독어학, (33), pp.157~179 (2016), 한국독어학회
- Cambria, E., "New avenues in opinion mining and sentiment analysis", IEEE Intelligent Systems, 28(2), pp.15~21 (2013)
- Eberle, K., "Anaphernresolution in flach analysierten Texten für Recherche und Übersetzung", LDV Forum, 18(1, pp.2) (2003), 216~232
- Hinrichs, E., "A data-driven approach to pronominal anaphora resolution for german", AMSTERDAM STUDIES IN THE THEORY AND HISTORY OF LINGUISTIC SCIENCE SERIES, 4, pp.292~ (2007)
- Hurst, M. F., "Retrieving topical sentiments from online document collections", International Society for Optics and Photonics, pp.27~34 (2003)
- Joshi, M., "Generalizing dependency features for opinion mining", Proceedings of the ACL-IJCNLP 2009 Conference Short Papers, pp.313~316 (2009), Association for Computational Linguistics
- Liu, B., "Sentiment analysis and opinion mining", Synthesis lectures on human language technologies, 5(1), pp.1~167 (2012)
- Lukin, S., "Really? well. apparently bootstrapping improves the performance of sarcasm and nastiness classifiers for online dialogue", Proceedings of the Workshop on Language Analysis in Social Media, pp.30~40 (2013)
- Maynard, D., "Who cares about Sarcastic Tweets? Investigating the Impact of Sarcasm on Sentiment Analysis", LREC, pp.4238~4243 (2014)
- Mitkov, R, "Anaphora resolution" (2014), Routledge
- Moilanen, K., "Sentiment composition", Proceedings of RANLP, pp.378~382 (2007)
- Nicolov, N., "Sentiment analysis: Does coreference matter?", AISB 2008 Convention Communication, Interaction and Social Intelligence, 1, pp.37~ (2008)
- Pang, B., "Thumbs up? Sentiment classification using machine learning techniques", Proceedings of the ACL-02 conference on Empirical methods in natural language processing, 10 (2002)
- Pang, B., "A Sentimental Education: Sentiment Analysis Using Subjectivity Summarization Based on Minimum Cuts", Proceedings of the 42nd Annual Meeting of the Association for Computational Linguistics (ACL'04), pp.271~278 (2004)
- Park, A., "Hybrid Approach to Zero Subject Resolution for multilingual MT-Spanish-to-Korean Cases", Proceedings of the 28th Pacific Asia Conference On Language Information and Computing, pp.254~261 (2014)
- Pontiki, M., "Semeval-2014 task 4: Aspect based sentiment analysis", Proceedings of the 8th international workshop on semantic evaluation, pp.27~35 (2014)
- Remus, R., "SentiWS - a Publicly Available German-language Resource for Sentiment Analysis", Proceedings of the 7th International Language Ressources and Evaluation(LREC'10), pp.1168~1171 (2010)
- Schwarz-Friesel, M., "Ironie als indirekter expressiver Sprechakt: Zur Funktion emotionsbasierter Implikaturen bei kognitiver Simulation. Perspektiven auf Wort, Satz und Text", pp.223~232 (2009), Semantisierungsprozesse auf unterschiedlichen Ebenen des Sprachsystems
- Waltinger, U., "German Polarity Clues : A Lexical Resource for German Sentiment Analysis", Proceedings of the Seventh International Conference on Language Resources and Evaluation(LREC), pp.1638~1642 (2010)
- Wiebe, J., "Annotating Expressions of Opinions and Emotions in Language", Language Resources and Evaluation, 39(2, pp.3) (2005), 164~210
- Wilson, T., "Recognizing contextual polarity in phrase-level sentiment analysis", Proceedings of the conference on human language technology and empirical methods in natural language processing, pp.347~354 (2005)