Experimenting with UD Adaptation of an Unsupervised Rule-based Approach for Sentiment Analysis of Mexican Tourist Texts

要約

この論文は、Rest-Mex 2023 の共有タスク (チーム Olga/LyS-) に提出された感情分析 (SA) のための教師なし構成再帰 (UCR) ルールベースのアプローチをユニバーサル依存関係 (UD) に適応させた実験結果を要約しています。
SALSA) (IberLEF 2023 カンファレンス内)。
センチメント辞書の単語に適用される修飾や否定のルールなどの基本的な構文ルールを使用することで、私たちのアプローチは、SA の教師なし手法のいくつかの利点を活用します。(1) SA の解釈可能性と説明可能性、(2) データセット、言語、およびドメイン全体にわたる堅牢性
(3) NLP の専門家以外でも使いやすい。
私たちのアプローチを、UCR ルールベースのアプローチとは対照的に、否定と変更を処理するために単純なヒューリスティック ルールを使用する SA の他の教師なしアプローチと比較します。
私たちの結果は、これらのアプローチに比べて大幅な改善を示しています。
極性のもう一つの変化ルールとしてのモダリティ機能と、適切な感情語を特定するための単語曖昧さ回避技術を使用して、結果の将来の改善について説明します。

要約(オリジナル)

This paper summarizes the results of experimenting with Universal Dependencies (UD) adaptation of an Unsupervised, Compositional and Recursive (UCR) rule-based approach for Sentiment Analysis (SA) submitted to the Shared Task at Rest-Mex 2023 (Team Olga/LyS-SALSA) (within the IberLEF 2023 conference). By using basic syntactic rules such as rules of modification and negation applied on words from sentiment dictionaries, our approach exploits some advantages of an unsupervised method for SA: (1) interpretability and explainability of SA, (2) robustness across datasets, languages and domains and (3) usability by non-experts in NLP. We compare our approach with other unsupervised approaches of SA that in contrast to our UCR rule-based approach use simple heuristic rules to deal with negation and modification. Our results show a considerable improvement over these approaches. We discuss future improvements of our results by using modality features as another shifting rule of polarity and word disambiguation techniques to identify the right sentiment words.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google