• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Advances in intelligent web mastering-3 >Analyzing Sentiment in a Large Set of Web Data While Accounting for Negation
【24h】

Analyzing Sentiment in a Large Set of Web Data While Accounting for Negation

机译：分析否定因素时分析大量Web数据中的情绪

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

As virtual utterances of opinions or sentiment are becoming increasingly abundant on the Web, automated ways of analyzing sentiment in such data are becoming more and more urgent. In this paper, we provide a classification scheme for existing approaches to document sentiment analysis. As the role of negations in sentiment analysis has been explored only to a limited extent, we additionally investigate the impact of taking into account negation when analyzing sentiment. To this end, we utilize a basic sentiment analysis framework - consisting of a wordbank creation part and a document scoring part - taking into account negation. Our experimental results show that by accounting for negation, precision on human ratings increases with 1.17%. On a subset of selected documents containing negated words, precision increases with 2.23%.
机译：随着网络上意见或情感的虚拟表达越来越丰富，自动分析此类数据中的情感的方式变得越来越紧迫。在本文中，我们为现有的文档情感分析方法提供了一种分类方案。由于否定因素在情感分析中的作用仅在有限的范围内进行了探讨，因此我们在分析情感因素时还考虑了否定因素的影响。为此，我们考虑了否定因素，使用了一个基本的情感分析框架-包括词库创建部分和文档评分部分。我们的实验结果表明，通过计算负值，人类评级的精度提高了1.17％。在包含否定词的部分选定文档中，精度提高了2.23％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号