PELESent：基于远程监督的跨域极性分类
计算与语言
2017-07-11 v1 人工智能
机器学习
摘要
互联网用户每天发布的海量文本促进了在若干自然语言处理领域（如情感分析）中分析此类内容的方法的发展。该任务的主要目标是分类消息的极性。尽管已提出许多用于情感分析的方法，但其中一些最成功的方法依赖于大型标注语料的可用性，这是一个昂贵且耗时的过程。近年来，远程监督已被用于获取更大的数据集。因此，受这些技术启发，在本文中我们扩展此类方法以纳入电子消息中使用的流行图形符号（即 emojis），从而创建一个针对葡萄牙语的大型情感语料库。在近乎一百万条推文上训练后，多个模型在同域和跨域语料库上进行了测试。我们的方法在来自混合领域（Twitter和产品评论）的五个标注语料库上获得了极具竞争力的结果，这证明了该方法的领域无关性。此外，我们的结果表明，emoticons与emojis的组合能够恰当地捕捉消息的情感。
引用
@article{arxiv.1707.02657,
title = {PELESent: Cross-domain polarity classification using distant supervision},
author = {Edilson A. Corrêa and Vanessa Q. Marinho and Leandro B. dos Santos and Thales F. C. Bertaglia and Marcos V. Treviso and Henrico B. Brum},
journal= {arXiv preprint arXiv:1707.02657},
year = {2017}
}
备注
Accepted for publication in BRACIS 2017