Опыт построения системы автоматического определения тональности объектов на основе синтактико-семантического анализатора

Main Article Content

Аннотация

Исследуется применение лингвистического подхода для решения задачи автоматического определения тональности объекта. Исследование проводилось в рамках цикла тестирования систем автоматического анализа тональности SentiRuEval. Задание, предложенное организаторами дорожки, заключалось в том, чтобы определить мнение пользователя (положительное, отрицательное или нейтральное) по отношению к операторам сотовой связи на материале сообщений социальной сети Twitter и новостей. Авторы настоящей работы исключили новостные сообщения из тестовой коллекции, так как формальные тексты существенно отличаются от неформальных по своей структуре и лексике и, следовательно, требуют другого подхода. При решении поставленной задачи был использован лингвистический метод, основанный на синтактико-семантическом анализе. Согласно этому подходу тональная лексика привязывается к объекту на одной из двух последовательных стадий. Первая стадия включает в себя использование семантических шаблонов, которые сравниваются с деревом синтаксического разбора предложения; вторая стадия использует эвристики для связывания тональной лексики с объектом оценки в случае, когда синтаксические связи между ними отсутствуют. Машинное обучение не применялось. Метод продемонстрировал очень хорошие результаты, которые примерно совпадают с лучшими результатами методов с использованием машинного обучения и гибридных методов.

Article Details

Биографии авторов

Павел Юрьевич Поляков

Ведущий программист компании ООО «ЭР СИ О» (RCO), аспирант Остравского технического университета.

Мария Викторовна Калинина

Ведущий лингвист компании ООО «ЭР СИ О» (RCO).

Владимир Владимирович Плешко

Генеральный директор компании ООО «ЭР СИ О» (RCO).

Библиографические ссылки

Четверкин И.И., Браславский П.И., Лукашевич Н.В. Дорожки по анализу мнений на РОМИП // Компьютерная лингвистика и интеллектуальные технологии: труды Международной конференции Диалог’ 2012. Бекасово, 2012.
2. Ермаков А.Е. Извлечение знаний из текста и их обработка: состояние и перспективы // Информационные технологии. 2009. № 7. С. 50-55.
3. Hu M., Liu B. Mining and summarizing customer reviews // International Conference on Knowledge Discovery and Data Mining (ICDM), 2004.
4. Kan D. Rule-based approach to sentiment analysis at ROMIP’11 // Компьютерная лингвистика и интеллектуальные технологии: труды Международной конференции Диалог’ 2012. Бекасово, 2012.
5. Popescu A., Etzioni O. Extracting product features and opinions from reviews // Proceedings of Conference on Empirical Methods in Natural Language Processing (EMNLP), 2005.
6. Jakob N., Gurevych I. Extracting opinion targets in a single-and cross-domain setting with conditional random fields // Proceedings of Conference on Empirical Methods in Natural Language Processing (EMNLP-2010), 2010.
7. Ермаков А.Е., Плешко В.В. Семантическая интерпретация в системах компьютерного анализа текста // Информационные технологии. 2009. № 6. С. 2-7.
8. Ермаков А.Е., Плешко В.В. Компьютерная морфология в контексте анализа связного текста // Компьютерная лингвистика и интеллектуальные технологии: труды Международной конференции Диалог’2004. М.: Наука, 2004.
9. Ермаков А.Е., Плешко В.В., Митюнин В.А. RCO Pattern Extractor: компонент выделения особых объектов в тексте // Информатизация и информационная безопасность правоохранительных органов: XI Международная научная конференция. Сборник трудов. Москва, 2003. URL: http://www.rco.ru/?p=4599.
10. RCO Fact Extractor SDK (Rus.), URL: http://www.rco.ru/?page_id=3554.
11. Поляков П.Ю., Калинина М.В., Плешко В.В. Автоматическое определение тональности объектов с использованием семантических шаблонов и словарей тональной лексики // Компьютерная лингвистика и интеллектуальные технологии: труды Международной конференции Диалог’2015. Москва, 2015.


Наиболее читаемые статьи этого автора (авторов)