ДИХОТОМИЯ СУБЪЕКТИВНОСТЬ VS. ОБЪЕКТИВНОСТЬ И ТОНАЛЬНАЯ РЕЛЕВАНТНОСТЬ В ЗАДАЧАХ АНАЛИЗА ТОНАЛЬНОСТИ
https://doi.org/10.18384/2310-712X-2018-1-38-45
Аннотация
Статья раскрывает содержание понятий «субъективность», «объективность» и «тональная релевантность» и сферу их применения в системах извлечения мнений. Автор прослеживает становление термина тональная релевантность и полисемическое использование этого термина в рамках данной научной проблемы. Автором проанализирован корпус рецензий на фильмы, в котором предложения размечены как релевантные или нерелевантные, и корпус новостных статей с размеченными отношениями между сущностями. Кроме того, был проведён эксперимент по автоматическому извлечению релевантных пар сущностей и полярности их оценки. Проведённый анализ показал целесообразность произошедшего перехода к тональной релевантности от дихотомии субъективность vs. объективность.
Ключевые слова
Список литературы
1. Алексеев А.А., Лукашевич Н.В. Автоматическое извлечение сущностей на основе структуры новостного кластера // Искусственный интеллект и принятие решений. 2011. № 4. С. 95-103.
2. Лукашевич Н.В., Левчик А.В. Создание лексикона оценочных слов русского языка РуСентиЛекс // Открытые семантические технологии проектирования интеллектуальных систем (OSTIS-2016): материалы VI Международной научно-технической конференции / отв. ред. В.В. Голенков. Минск: Белорусский государственный университет информатики и радиоэлектроники, 2016. С. 377-382.
3. Марчук Ю.Н. Автоматизация перевода и типология текстов // Вестник Московского государственного областного университета. Серия: Лингвистика. 2016. № 2. С. 164-171.
4. Пазельская А.Г., Соловьев А.Н. Метод определения эмоций в текстах на русском языке // Компьютерная лингвистика и интеллектуальные технологии: «Диалог-2011». М., 2011. С. 510-522.
5. Deng L., Wiebe J. Joint Prediction for Entity/Event-Level Sentiment Analysis using Probabilistic Soft Logic Models // Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing. Lisbon, 2015. P. 179-189.
6. Deng L., Wiebe J. MPQA 3.0: An Entity/Event-Level Sentiment Corpus // Human Language Technologies: The 2015 Annual Conference of the North American Chapter of the ACL. Denver, 2015. P. 1323-1328.
7. Greene S., Resnik P. More than Words: Syntactic Packaging and Implicit Sentiment // Human Language Technologies: The 2009 Annual Conference of the North American Chapter of the ACL. Boulder, 2009. P. 503-511.
8. Pang B., Lee L. Opinion Mining and Sentiment Analysis // Foundations and Trends in Information Retrieval. 2008. № 2. P. 1-135.
9. Scheible С., Schutze H. Sentiment Relevance // Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics. Sofia, 2013. P. 954-963.
10. Shin H., Kim M., Jo Y. и др. Annotation Scheme for Constructing Sentiment Corpus in Korean // 26th Pacific Asia Conference on Language, Information and Computation pages. Bali, 2012. P. 181-190.
Рецензия
Просмотров:
84
Послать статью по эл. почте 
