推文情感量化：一项实验性再评估

情感量化是通过监督学习训练估计器，以估计未标注文本样本中情感相关类别（如 \textsf{Positive}、\textsf{Neutral}、\textsf{Negative}）的相对频率（亦称“流行率”）的任务。当这些文本为推文时，该任务尤为重要，因为在 Twitter 数据上开展的大多数情感分类工作的最终目标实际上是量化（而非对单条推文进行分类）。众所周知，通过“分类并计数”（即利用标准分类器对所有未标注项分类，并统计被指派至给定类别的项数）来解决量化问题在准确性上并非最优，且存在更准确的量化方法。Gao 与 Sebastiani（2016）在推文情感量化任务上对量化方法进行了系统比较。事后看来，我们观察到该工作所遵循的实验协议薄弱，因此从中得出结论的可靠性存疑。我们现在在完全相同的同一数据集上重新评估那些量化方法（外加若干更现代的方法），此次遵循现已成熟且稳健得多的实验协议（其中还涉及在测试数据中模拟与训练集差异极大的类别流行率值）。该实验协议（即便不计入新添方法）所涉及的实验数量是原研究的 5,775 倍。我们的实验结果与原 Gao 和 Sebastiani 所得结果截然不同，并为不同情感量化方法的相对优劣提供了不同且扎实得多的理解。