Přejít k obsahu


UWB: Machine Learning Approach to Aspect-Based Sentiment Analysis

Citace:
BRYCHCÍN, T., KONKOL, M., STEINBERGER, J. UWB: Machine Learning Approach to Aspect-Based Sentiment Analysis. In International Workshop on Semantic Evaluation (SemEval 2014). Stroudsburg PA: Association for Computational Linguistics and Dublin City University, 2014. s. 817-822. ISBN: 978-1-941643-24-2
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: UWB: Machine Learning Approach to Aspect-Based Sentiment Analysis
Rok vydání: 2014
Místo konání: Stroudsburg PA
Název zdroje: Association for Computational Linguistics and Dublin City University
Autoři: Ing. Tomáš Brychcín , Ing. Michal Konkol , Doc. Ing. Josef Steinberger Ph.D. ,
Abstrakt CZ: Tento článek popisuje náš systém účastnící se soutěže o aspektově-orientované analýze sentimentu Semeval 2014. Cílem bylo identifikovat aspekty cílových entit a jejich sentiment. Nejdříve představujeme náš systém založený na strojovém učení s učitelem, kde používáme trénovací data jako jediný zdroj informací. Systém je dále rozšířen o metody s učením bez učitele pro modelování sémantiky (LDA a sémantické prostory), dále pak o metody používající slovníky sentimentu. Testy jsou provedeny na dvou doménách: restaurace a laptopy. Ukazujeme, že náš přístup vede k velmi slibným výsledkům.
Abstrakt EN: This paper describes our system participating in the aspect-based sentiment analysis task of Semeval 2014. The goal was to identify the aspects of given target entities and the sentiment expressed towards each aspect. We firstly introduce a system based on supervised machine learning, which is strictly constrained and uses the training data as the only source of information. This system is then extended by unsupervised methods for latent semantics discovery (LDA and semantic spaces) as well as the approach based on sentiment vocabularies. The evaluation was done on two domains, restaurants and laptops. We show that our approach leads to very promising results.
Klíčová slova

Zpět

Patička