tailieunhanh - Báo cáo khoa học: "Fine Granular Aspect Analysis using Latent Structural Models"

In this paper, we present a structural learning model for joint sentiment classification and aspect analysis of text at various levels of granularity. Our model aims to identify highly informative sentences that are aspect-specific in online custom reviews. The primary advantages of our model are two-fold: first, it performs document-level and sentence-level sentiment polarity classification jointly; second, it is able to find informative sentences that are closely related to some respects in a review, which may be helpful for aspect-level sentiment analysis such as aspect-oriented summarization. . | Fine Granular Aspect Analysis using Latent Structural Models Lei Fang1 and Minlie Huang2 State Key Laboratory of Intelligent Technology and Systems Tsinghua National Laboratory for Information Science and Technology Department of Computer Science and Technology Tsinghua University Beijing 100084 PR China. 1fang-l10@ 2aihuang@ Abstract In this paper we present a structural learning model for joint sentiment classification and aspect analysis of text at various levels of granularity. Our model aims to identify highly informative sentences that are aspect-specific in online custom reviews. The primary advantages of our model are two-fold first it performs document-level and sentence-level sentiment polarity classification jointly second it is able to find informative sentences that are closely related to some respects in a review which may be helpful for aspect-level sentiment analysis such as aspect-oriented summarization. The proposed method was evaluated with 9 000 Chinese restaurant reviews. Preliminary experiments demonstrate that our model obtains promising performance. 1 Introduction Online reviews have been a major resource from which users may find opinions or comments on the products or services they want to consume. However users sometimes might be overwhelmed and not be able to read reviews one by one when facing a considerably large number of reviews and they may be not be satisfied by only being served with document-level reviews statistics that is the number of reviews with 1-star 2-star . respectively . Aspect-level review analysis may be alternative for addressing this issue as aspect-specific opinions may more clearly explicitly and completely describe the quality of a product from different properties. Our goal is to discover informative sentences that are consistent with the overall rating of a review and 333 simultaneously to perform sentiment analysis at aspect level. Notice that a review with a high rating say

• Báo cáo khoa học
• Fine Granular Aspect Analysis
• Latent Structural Models
• Lei Fang
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball