用于细粒度意见挖掘的多模态电影评论语料库
多媒体
2021-04-30 v2 计算与语言
摘要
本文中，我们为POM电影评论数据集（由1000个视频组成）引入了一套意见标注。该标注活动的动机是开发一个分层意见预测框架，以预测意见的不同组成部分（如极性与方面）并识别相应的文本跨度。所得标注在两个粒度层级上收集：粗粒度（意见跨度）与更细粒度（意见组成部分跨度）。我们引入了特定类别以简化电影评论中意见的标注。例如，某些类别可用于发现电影评论中的用户推荐与偏好。我们提供了标注的定量分析，并报告了不同粒度层级下的标注者间一致性。因此我们提供了第一套可用于细粒度多模态意见预测任务的真值标注。我们通过标注者间研究对收集的数据进行分析，并表明即便对于稀缺标签的预测，线性结构化预测器也能学到有意义的特征。标注与基线系统均已公开可用。https://github.com/eusip/POM/
引用
@article{arxiv.1902.10102,
title = {A multimodal movie review corpus for fine-grained opinion mining},
author = {Alexandre Garcia and Slim Essid and Florence d'Alché-Buc and Chloé Clavel},
journal= {arXiv preprint arXiv:1902.10102},
year = {2021}
}