用于社区问答的大规模质量极性词典
计算与语言
2017-07-21 v1
摘要
我们将情感分析领域的一个关键思想迁移到一个新领域：社区问答（cQA）。我们感兴趣的 cQA 任务如下：给定一个问题和一系列评论，我们希望对评论进行重排序，使得对问题作出好回答的评论排名高于坏回答的评论。我们注意到，好与坏的评论使用特定的词汇，并且通常即使忽略问题，仅基于评论内容也能预测评论的好坏。这启发我们构建一个好/坏极性词典，类似于情感分析中常用的正/负情感极性词典。具体而言，我们使用点互信息，以少量初始种子为起点，以半监督方式构建大规模质量极性词典。评估结果显示，在非常强的基线上绝对提升了 0.7 个 MAP 点，并在 SemEval-2016 Task 3 上达到了最先进的性能。
引用
@article{arxiv.1707.06378,
title = {Large-Scale Goodness Polarity Lexicons for Community Question Answering},
author = {Todor Mihaylov and Daniel Belchev and Yasen Kiprov and Ivan Koychev and Preslav Nakov},
journal= {arXiv preprint arXiv:1707.06378},
year = {2017}
}
备注
SIGIR '17, August 07-11, 2017, Shinjuku, Tokyo, Japan; Community Question Answering; Goodness polarity lexicons; Sentiment Analysis