感情分類における曖昧さの解決

感情分析は、インターネット上の膨大なユーザー生成コンテンツからインサイトを学ぶ必要性の高まりから、ビジネスインテリジェンスや分析アプリケーションで人気を博しています。感情分析の主要な課題の一つは、ほとんどのテキスト分類タスクと同様に、非構造化テキストから構造を見つけることです。既存の感情分析技術は、監視学習アプローチと辞書スコアリングアプローチを採用しており、どちらも文書を単語やフレーズのコレクションとして表現することに大きく依存しています。一つの単語の意味の曖昧さ（すなわち、多義性）やフレーズの希少性は、特に短いソーシャルメディアのテキストの文脈において、感情分析の強靭性に悪影響を与えます。本研究では、依存性特徴を用いてテキストを表現することを提案します。監視された感情分類における依存性特徴の有効性をテストします。170,874件のマイクロブログメッセージを含むラベル付きデータセットを使用して、我々の方法を現在の標準的な実践と比較します。ユニグラム特徴と依存性特徴の組み合わせは、他の人気のあるタイプの特徴を大きく上回りました。