使用 LingPipe 进行分层情感分析

Posted 2023-03-13

【中文标题】使用 LingPipe 进行分层情感分析

【英文标题】：Doing a hierarchical sentiment analysis with LingPipe

【发布时间】：2011-11-21 18:50:18

【问题描述】：

这是在使用 LingPipe 机器学习工具进行情感分析的背景下。我必须对大段落中的句子是否具有正面/负面情绪进行分类。我知道 LingPipe 中的以下方法

根据其极性（负极或正极）对整个段落进行分类。

在这里，我还不知道句子级别的极性。我们仍处于段落级别。如何确定段落的句子级别的极性，段落中的句子是正句还是负句？我知道如果一个句子是主观/客观的，LingPipe 能够分类。所以使用这种方法,,,,

,,,, 我应该

首先在大量主观/客观的句子上训练 LingPipe。

使用经过训练的模型从测试段落中提取所有主观句子。 通过手动将它们标记为正/负，根据提取的主观句子的极性来训练 LingPipe 分类器。

现在使用经过训练的极性模型，并输入一个测试主观句子（通过将句子通过经过训练的主观/客观模型来完成），然后确定该语句是正面还是负面？

上述方法有效吗？在上面提出的方法中，我们知道 LingPipe 能够接受大量文本内容（段落）进行极性分类。如果我们只通过一个主观句子进行极性分类，它会做得很好吗？我很困惑！

【参考方案1】：

您可能想看看文献中的多层次分析方法，例如

李，S.，等人。 （2010）。 “Exploiting Combined Multi-level Model for Document Sentiment Analysis”，2010 年模式识别国际会议。

Yessenalina, A. 等人。 （2010）。 “文档级情感分类的多级结构化模型”，2010 年自然语言处理经验方法会议论文集，第 1046-1056 页，麻省理工学院，美国马萨诸塞州，2010 年 10 月 9 日至 11 日。

多级分析方法在信息检索中非常常见，例如在向量空间相似性搜索的内容索引中。

Ling Pipe 等环境是一个很好的入门方法，但最终您需要使用 yura 建议的较低级别、更细粒度的工具。

【参考方案2】：

包括 lingpipe 在内的大多数机器学习库都是基于行的（具有平面特征的对象）。所以如果你想用它做一些层次分类，你应该对你的数据进行去规范化。例如，您可以在同一特征集中具有段落和句子的特征。如果您只使用单词分类，您可以创建这样的特征 PARGRAPH_WORDX=true, SENTENCE_WORDX=true。 其他一些工具包允许您在没有非规范化的情况下表达您的模型，即所谓的图形模型示例是 CRF、ACRF、马尔可夫模型等您可以在 mallet 和 Factorie 中找到的实现。

【讨论】：

谢谢你。简而言之，你的意思是说，如果我在段落级别使用一个特征集，那么同样的特征集也可以在句子级别使用？

是的，您可以将段落和句子的特征组合在一个分类下的句子特征集中。有时它的作品。就像您想对树中的某个节点进行分类，因此还要添加其所有父节点的特征。