确定引文文本中的情感并分析其对 Proposed 排名指数的影响
信息检索
2017-07-06 v1 计算与语言
数字图书馆
摘要
每当人类相互互动时，他们都会交换或表达意见、情感和情绪。这些意见可以通过文本、语音或图像来表达。对这些情感的分析是当今研究人员流行的研究领域之一。情感分析，也称为意见挖掘，试图将这些情感或意见划分为两大类——正面和负面。近年来，科学界对分析各种社交媒体平台上的文本数据中的情感产生了浓厚兴趣。关于社交媒体对话、博客文章、报纸文章和各种叙事文本已做了大量工作。然而，在从科学论文中识别情感时，由于意见的隐含性和隐蔽性，研究人员面临一些困难。默认情况下，引文实例被认为 inherently 具有正面情感。流行的排名和索引范式往往忽略了引文中存在的意见。在本文中，我们试图实现三个目标。首先，我们尝试识别引文文本中的主要情感并为该实例分配分数。为此我们使用了一个统计分类器。其次，我们提出了一种新的指数（下文称为 M-index），它在对论文评分时同时考虑了定量和定性因素。第三，我们基于 M-index 开发了研究论文的排名。我们还试图解释 M-index 如何影响科学论文的排名。
引用
@article{arxiv.1707.01425,
title = {Determining sentiment in citation text and analyzing its impact on the proposed ranking index},
author = {Souvick Ghosh and Dipankar Das and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:1707.01425},
year = {2017}
}
备注
Sentiment Analysis, Citation, Citation Sentiment Analysis, Citation Polarity, Ranking, Bibliometrics