tailieunhanh - Báo cáo khoa học: "Employing Personal/Impersonal Views in Supervised and Semi-supervised Sentiment Classification"

In this paper, we adopt two views, personal and impersonal views, and systematically employ them in both supervised and semi-supervised sentiment classification. Here, personal views consist of those sentences which directly express speaker’s feeling and preference towards a target object while impersonal views focus on statements towards a target object for evaluation. To obtain them, an unsupervised mining approach is proposed. | Employing Personal Impersonal Views in Supervised and Semi-supervised Sentiment Classification Shoushan Li Chu-Ren Huang Department of Chinese and Bilingual Studies The Hong Kong Polytechnic University churenhuang sophiaym @ Guodong Zhou Sophia Yat Mei Lee Natural Language Processing Lab School of Computer Science and Technology Soochow University China gdzhou@ Abstract In this paper we adopt two views personal and impersonal views and systematically employ them in both supervised and semi-supervised sentiment classification. Here personal views consist of those sentences which directly express speaker s feeling and preference towards a target object while impersonal views focus on statements towards a target object for evaluation. To obtain them an unsupervised mining approach is proposed. On this basis an ensemble method and a co-training algorithm are explored to employ the two views in supervised and semi-supervised sentiment classification respectively. Experimental results across eight domains demonstrate the effectiveness of our proposed approach. 1 Introduction As a special task of text classification sentiment classification aims to classify a text according to the expressed sentimental polarities of opinions such as thumb up or thumb down on the movies Pang et al. 2002 . This task has recently received considerable interests in the Natural Language Processing NLP community due to its wide applications. In general the objective of sentiment classification can be represented as a kind of binary relation R defined as an ordered triple X Y G where Xis an object set including different kinds of people . writers reviewers or users Y is another object set including the target objects . products events or even some people and G is a subset of the Cartesian product X X Y . The concerned relation in sentiment classification is X s evaluation on Y such as thumb up thumb down favorable and unfavorable . Such relation is usually .

• Báo cáo khoa học
• Employing Personal
• Impersonal Views in Supervised
• Semi supervised Sentiment Classification
• 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