کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6925993 1448888 2018 19 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Implicit aspect extraction in sentiment analysis: Review, taxonomy, oppportunities, and open challenges
ترجمه فارسی عنوان
استخراج جنبه مستمر در تحلیل احساسات: مرور، طبقه بندی، فرصت های شغلی و چالش های باز
کلمات کلیدی
استخراج عنصر، جنبه نمایشی، ویژگی نامنظم، تجزیه و تحلیل احساسات، استخراج احساسات،
ترجمه چکیده
تجزیه و تحلیل احساسات یک شاخه طبقه بندی متن است که به عنوان فرآیند استخراج شرایط احساسات (یعنی ویژگی / جنبه یا عقیده) و تعیین جهت گیری معنایی آن ها تعریف می شود. در سطح جنبه، استخراج ابعاد، وظیفه اصلی تجزیه و تحلیل احساسات است که می تواند جنبه های ضمنی یا صریح باشد. رشد تجزیه و تحلیل احساسات منجر به ظهور تکنیک های مختلف برای استخراج ابعاد صریح و ضمنی شده است. با این حال، اکثریت تلاش های تحقیقاتی برای استخراج ابعاد صریح هدف قرار می گیرند، که نشان می دهد که کمبود تحقیق در زمینه استخراج ضمنی وجود دارد. این تحقیق، بازبینی تکنیک های استخراج ضوابط / ویژگی ها را از دیدگاه های مختلف ارائه می دهد. اولین دیدگاه، تجزیه و تحلیل مقایسه ای برای تکنیک های موجود برای استخراج ضمنی ضمنی با خلاصه ای کوتاه از هر تکنیک است. چشم انداز دوم طبقه بندی و مقایسه عملکرد، مجموعه داده ها، زبان استفاده شده، و نقص از تکنیک های موجود است. در این مطالعه، بیش از 50 مقاله مورد بررسی قرار گرفته است، با این حال، تنها 45 مقاله در زمینه استخراج ضمنی که طی سالهای 2005 تا 2016 به طول می انجامد مورد تجزیه و تحلیل و بحث قرار گرفته است. اکثریت محققان در زمینه استخراج جنبه های ضمنی به شدت به روش های بی نظیر در تحقیق خود متکی هستند، که حدود 64 درصد از 45 مقاله را به خود اختصاص می دهد و به دنبال آن روش های تحت نظارت حدود 27 درصد و در نهایت نیمه نظارت از 9 درصد است. علاوه بر این، 25 مقاله کار تحقیقاتی را صرفا براساس بررسی محصول انجام دادند و 5 مقاله کار تحقیقاتی خود را با استفاده از بررسی محصول به صورت مشترک با انواع دیگر داده انجام دادند که مجموعه داده ها را بررسی می کند که نوع داده های مورد استفاده اغلب مورد استفاده در مقایسه با سایر انواع است. علاوه بر این، تحقیقات در مورد ویژگی های ضمنی استخراج ویژگی ها بر زبان های انگلیسی و چینی در مقایسه با سایر زبان ها متمرکز شده است. در نهایت، این بررسی همچنین توصیه هایی برای مسیرهای تحقیقاتی آینده و مشکلات باز فراهم می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
استخراج جنبه مستمر در تحلیل احساسات: مرور، طبقه بندی، فرصت های شغلی و چالش های باز
چکیده انگلیسی
Sentiment analysis is a text classification branch, which is defined as the process of extracting sentiment terms (i.e. feature/aspect, or opinion) and determining their opinion semantic orientation. At aspect level, aspect extraction is the core task for sentiment analysis which can either be implicit or explicit aspects. The growth of sentiment analysis has resulted in the emergence of various techniques for both explicit and implicit aspect extraction. However, majority of the research attempts targeted explicit aspect extraction, which indicates that there is a lack of research on implicit aspect extraction. This research provides a review of implicit aspect/features extraction techniques from different perspectives. The first perspective is making a comparison analysis for the techniques available for implicit term extraction with a brief summary of each technique. The second perspective is classifying and comparing the performance, datasets, language used, and shortcomings of the available techniques. In this study, over 50 articles have been reviewed, however, only 45 articles on implicit aspect extraction that span from 2005 to 2016 were analyzed and discussed. Majority of the researchers on implicit aspects extraction rely heavily on unsupervised methods in their research, which makes about 64% of the 45 articles, followed by supervised methods of about 27%, and lastly semi-supervised of 9%. In addition, 25 articles conducted the research work solely on product reviews, and 5 articles conducted their research work using product reviews jointly with other types of data, which makes product review datasets the most frequently used data type compared to other types. Furthermore, research on implicit aspect features extraction has focused on English and Chinese languages compared to other languages. Finally, this review also provides recommendations for future research directions and open problems.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Processing & Management - Volume 54, Issue 4, July 2018, Pages 545-563
نویسندگان
, , ,