استخراج شاخص ویژگی ضمنی برای نظر کاوی مبتنی بر ویژگی

نوع فایل : word

تعداد صفحات : 24

تعداد کلمات : 6000

مجله : International Journal of Computational Linguistics and Applications,

انتشار : 2014

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
20 اکتبر 2020
دسته بندی
تعداد بازدیدها
1419 بازدید
29,000 تومان

عنوان فارسی مقاله:استخراج شاخص ویژگی ضمنی برای نظر کاوی مبتنی بر ویژگی (تجزیه تحلیل مبتنی بر سطح ویژگی احساسات)

 چکیده  

 هدف نظر کاوی مبتنی بر ویژگی (تجزیه تحلیل مبتنی بر سطح ویژگی احساسات) مدل سازی روابط بین قطبیت یک سند و اهداف یا ویژگی‌های کاوش آن می‌باشد. اگرچه استخراج ویژگی صریح به طور گسترده‌ای مورد مطالعه قرار گرفته است، با این حال مطالعات محدودی در زمینه استخراج ویژگی‌های ضمنی و غیر صریح انجام شده‌اند. یک ویژگی ضمنی، یک هدف کاوش است که به طور صریح در متن مشخص نمی‌شود. برای مثال، جمله این دور بین شفاف و بسیار ارزان است، یک ایده و نظری را در خصوص ویژگی‌های ظاهر و قیمت ارائه می‌کند که با کلمات شفاف و ارزان نشان داده می‌شود(شاخص ویژگی ضمنی برای نظر کاوی). ما این کلمات را شاخص‌های ویژگی ضمنی می‌نامیم (IAI). در این مقاله، ما یک روش جدید را برای استخراج این IAI بااستفاده از میدان تصادفی شرطی پیشنهاد کرده ونشان می‌دهیم که روش ما عملکرد معنی داری نسبت به رویکردهای موجود دارد. هم چنین در بخشی از این مقاله، ما یک مجموعه‌ای از متون را برای استخراج IAI از طریق نام گذاری و برچسب گذاری دستی IAI و ویژگی‌های متناظر آن هادر یک مجموعه متون نظر کاوی شناخته شده توسعه دادیم. تا آن جا که می دانیم، متن ما اولین منبع قابل دسترس عمومی است که ویژگی‌های ضمنی را همراه با شاخصهای آن‌ها مشخص می‌کند(شاخص ویژگی ضمنی برای نظر کاوی).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Implicit Aspect Indicator Extraction for Aspect-based Opinion Mining

Abstract

Aspect-based opinion mining aims to model relations between the polarity of a document and its opinion targets, or aspects. While explicit aspect extraction has been widely researched, limited work has been done on extracting implicit aspects. An implicit aspect is the opinion target that is not explicitly specified in the text. E.g., the sentence “This camera is sleek and very affordable” gives an opinion on the aspects appearance and price, as suggested by the words “sleek” and “affordable”; we call such words Implicit Aspect Indicators (IAI). In this paper, we propose a novel method for extracting such IAI using Conditional Random Fields and show that our method significantly outperforms existing approaches. As a part of this effort, we developed a corpus for IAI extraction by manually labeling IAI and their corresponding aspects in a well-known opinion-mining corpus. To the best of our knowledge, our corpus is the first publicly available resource that specifies implicit aspects along with their indicators.
دیدگاهتان را بنویسید