Ein hybrider, auf Eigenschaften basierender Sentiment-Analyzer auf Satzebene

Aktuelle lexikalische und maschinelles Lernen-basierte Ansätze zur Sentiment-Analyse leiden weiterhin unter einer doppelten Einschränkung. Erstens ist die manuelle Lexikon-Erstellung und das Training von Maschinen zeitaufwendig und fehleranfällig. Zweitens bedeutet die Genauigkeit der Vorhersage, dass Sätze und deren entsprechender Trainingstext im selben Bereich liegen sollten. In diesem Artikel bewerten wir experimentell vier Sentiment-Klassifizierer, nämlich Support Vector Machines, Naive Bayes, Logistische Regression und Random Forest. Wir quantifizieren die Qualität jedes dieser Modelle mit Hilfe von drei realen Datensätzen, die 50.000 Filmkritiken, 10.662 Sätze und 300 allgemeine Filmkritiken umfassen. Insbesondere untersuchen wir die Auswirkungen verschiedener Pipelines der natürlichen Sprachverarbeitung (NLP) auf die Qualität der vorhergesagten Sentiment-Orientierungen. Darüber hinaus messen wir den Einfluss der Einbeziehung von lexikalischem semantischem Wissen, das von WordNet erfasst wird, auf die Erweiterung originaler Wörter in Sätzen. Die Ergebnisse zeigen, dass die Verwendung unterschiedlicher NLP-Pipelines und semantischer Beziehungen die Qualität der Sentiment-Analyzer beeinflusst. Insbesondere weisen die Ergebnisse darauf hin, dass die Kombination von Lemmatization und wissensbasierten n-Gramm-Eigenschaften höhere Genauigkeitswerte erzielt. Mit dieser Kombination hat sich die Genauigkeit des Support Vector Machine (SVM) Klassifikators auf 90,43 % verbessert, während sie bei den drei anderen Klassifikatoren 86,83 %, 90,11 % und 86,20 % betrug.