کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11007996 1840489 2018 31 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Applying multi-label techniques in emotion identification of short texts
ترجمه فارسی عنوان
استفاده از تکنیک های چند برچسب در شناسایی احساسات متون کوتاه
کلمات کلیدی
ترجمه چکیده
تجزیه و تحلیل احساسات یک زمینه تحقیق در حال ظهور است که به طور سنتی برای طبقه بندی عقاید، احساسات و احساسات نسبت به قطب و ذهنیت بیان شده در متن استفاده می شود. یک ویژگی مهم برای تجزیه و تحلیل احساسات اتوماتیک، نقطه نظر است که می توان به دو دیدگاه نگاه کرد، نظر متخصص (نویسنده) که نظر می دهد و خواننده ای که این نظر را می خواند و درک می کند. از دیدگاه خواننده، تفسیر متن ممکن است چندگانه باشد و بستگی به زمینه شخصی دارد. شناخت چندگانه، که در آن خوانندگان می توانند به یک جمله نگاه کنند، سناریویی جالب برای استفاده از پارادایم طبقه بندی چند برچسب در دامنه تجزیه و تحلیل احساس است. این روش می تواند به طور همزمان در یک متن متناسب با احساسات مختلف هدف مورد استفاده قرار گیرد، همچنین با استفاده از روابط بین آنها. ما رویکردهای مختلفی از قبیل تطبیق الگوریتم، تحول مشکلی و روشهای گروهی را برای کشف طیف گسترده ای از راه حل های چند لایتی اعمال کردیم. آزمایش ها بر 10،080 جمله تازه از دو مجموعه داده های واقعی انجام شده است. نتایج تجربی نشان داد که زنجیره طبقه بندی انسانی با الگوریتم های دیگر، میانگین فاکتور اندازه گیری 64.89٪ با استفاده از ویژگی های قدرت احساسی، با در نظر گرفتن شش احساس و احساسات بی طرفانه، برآمد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
استفاده از تکنیک های چند برچسب در شناسایی احساسات متون کوتاه
چکیده انگلیسی
Sentiment Analysis is an emerging research field traditionally applied to classify opinions, sentiments and emotions towards polarity and subjectivity expressed in text. An important characteristic to automatic emotion analysis is the standpoint, in which we can look at an opinion from two perspectives, the opinion holder (author) who express an opinion, and the reader who reads and perceives the opinion. From the reader's standpoint, the interpretations of the text can be multiple and depend on the personal background. The multiple standpoints cognition, in which readers can look at the same sentence, is an interesting scenario to use the multi-label classification paradigm in the Sentiment Analysis domain. This methodology is able to handle different target sentiments simultaneously in the same text, by also taking advantage of the relations between them. We applied different approaches such as algorithm adaptation, problem transformation and ensemble methods in order to explore the wide range of multi-label solutions. The experiments were conducted on 10,080 news sentences from two different real datasets. Experimental results showed that the Ensemble Classifier Chain overcame the other algorithms, average F-measure of 64.89% using emotion strength features, when considering six emotions and neutral sentiment.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 320, 3 December 2018, Pages 35-46
نویسندگان
, , , , ,