CIDER：面向短文本的上下文敏感情感分析
计算与语言
2024-07-11 v3
摘要
研究人员通常对大量聚焦于特定主题、话题或事件的短文本集合（如推文、Reddit帖子或新闻标题）进行情感分析。通常使用通用情感分析方法。这些方法在平均情况下表现良好，但忽略了不同上下文之间含义的差异，例如，“active”一词在“active lifestyle”与“active volcano”短语中具有非常不同的意图和效价。本工作提出了一种新方法CIDER（Context Informed Dictionary and sEmantic Reasoner，上下文感知词典与语义推理器），它执行上下文敏感的语言分析，其中承载情感的术语的效价在用于对各文本打分之前从整个语料库中推断得出。在本文中，我们详述了CIDER算法，并证明其在关于天气的大量推文集合上优于最先进的通用无监督情感分析技术。CIDER也适用于替代性（非情感）语言量表。我们展示了一个关于英国性别的案例分析，识别了高度性别化且承载情感的日期。我们已将CIDER的实现作为Python包提供：https://pypi.org/project/ciderpolarity/。
引用
@article{arxiv.2307.07864,
title = {CIDER: Context sensitive sentiment analysis for short-form text},
author = {James C. Young and Rudy Arthur and Hywel T. P. Williams},
journal= {arXiv preprint arXiv:2307.07864},
year = {2024}
}
备注
20 pages, 6 figures, 3 tables