PhonSenticNet：面向概念级情感分析的微文本规范化的认知方法
计算与语言
2019-05-07 v1
摘要
随着当前社交媒体平台使用的激增，使用短文本（微文本）替代标准词的趋势显著上升。微文本的使用给概念级情感分析带来了相当大的性能问题，因为模型是在标准词上训练的。本文讨论了将亚符号（语音）与符号（机器学习）人工智能耦合以将词表外概念转换为其标准词表内形式的影响。语音距离使用 Sorensen 相似度算法计算。由此获得的语音相似词表内概念随后被用于计算正确的极性值，该值此前因微文本的存在而被错误计算。我们提出的框架与早期模型相比将极性检测准确率提高了 6%。这也验证了微文本规范化是情感分析任务必要前提这一事实。
引用
@article{arxiv.1905.01967,
title = {PhonSenticNet: A Cognitive Approach to Microtext Normalization for Concept-Level Sentiment Analysis},
author = {Ranjan Satapathy and Aalind Singh and Erik Cambria},
journal= {arXiv preprint arXiv:1905.01967},
year = {2019}
}
备注
This paper is submitted to INTERSPEECH2019