Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Upcoming SlideShare
文献紹介:An Iterative 'Sudoku Style' Approach to Subgraph-based Word Sense DIsambiguation
Next
Download to read offline and view in fullscreen.

0

Share

Download to read offline

文献紹介:An Empirical Study on the Effect of Negation words on Sentiment

Download to read offline

動画
http://youtu.be/IVxnsCM2AQM?list=UUhwtfJp9l_thFbFDWXoGWEQ

Related Books

Free with a 30 day trial from Scribd

See all
  • Be the first to like this

文献紹介:An Empirical Study on the Effect of Negation words on Sentiment

  1. 1. 文献紹介 2014/09/09 長岡技術科学大学 自然言語処理研究室 岡田正平
  2. 2. 文献情報 XiaodanZhu, HongyuGuo, SaifMohammad and Svetlana Kiritchenko An Empirical Study on the Effect of Negation Words on Sentiment In Proceedings of the 52nd ACL, pp 304-313. 2014. 2014/9/9 文献紹介 2
  3. 3. 概要 • 感情解析における否定語の振舞いに関する定量的な調査 – 否定語:no, not 等 • これまで用いられてきたヒューリスティクス – 否定語の効果は修飾する句の極性のみに依存する  否定語の振舞いを充分に扱えていない • 否定語や修飾する句に依存させることで性能改善 2014/9/9 文献紹介 3
  4. 4. 背景
  5. 5. 背景 • 感情解析において否定語が与える影響の理解は不可欠 • 単純な仮説 – 否定語は修飾するテキストの極性を反転させる (Polanyi and Zaenen, 2004; Kennedy and Inkpen, 2006) – sentiment value を一定値シフトさせる shifting hypothesis (Taboadaet al., 2011) 2014/9/9 文献紹介 5
  6. 6. 背景 • Stanford Sentiment Treebank (Socheret al., 2013) – 構文木中の全phrase にsentiment score を 人手でアノテーション – 感情解析における初の完全なラベル付き構文木 – 11,855文,215,154 unique phrases – http://nlp.stanford.edu/sentiment 2014/9/9 文献紹介 6
  7. 7. 背景 Stanford Sentiment Treebank における否定語の振舞い 横軸:被修飾句(argument)の sentiment value 縦軸:否定語+被修飾句 (negated phrase) の sentiment value 2014/9/9 文献紹介 7
  8. 8. 背景 • 極性の反転は,振舞いの一部のみしか捉えていない – reversing hypothesisは不十分 • 被修飾句自体は同じsentiment value をとっても 否定語を伴うことで異なるsentiment value – shifting hypothesis でも不十分 2014/9/9 文献紹介 8
  9. 9. 背景 • この論文では... – 既存のヒューリスティクスの性能評価 – 既存のヒューリスティクスの拡張・評価 – state-of-the-artな手法の性能評価 – state-of-the-artな手法の拡張・評価 2014/9/9 文献紹介 9
  10. 10. Negation models
  11. 11. Negation models • 푤: argument • 푤푛: negator • 푠(푤): argument のsentiment score • 푠(푤푛,푤): negated phrase のsentiment score
  12. 12. Models based on heuristics • Non-lexicalized assumptions and modeling – Reversing hypothesis – Shifting hypothesis • Basic shifting • Polarity-based shifting • Simple lexicalized assumption – Negator-based shifting – Combined shifting 2014/9/9 文献紹介 12
  13. 13. Models based on heuristics • Non-lexicalized assumptions – Reversing hypothesis – Shifting hypothesis • Basic shifting • Polarity-based shifting • Simple lexicalized assumption – Negator-based shifting – Combined shifting 2014/9/9 文献紹介 13
  14. 14. Non-lexicalized assumption • 既存の手法のモデル 푠푤푛,푤≝푓(푠푤) • argument のsentiment score のみに依存するモデル 2014/9/9 文献紹介 14
  15. 15. Non-lexicalized assumption • Reversing hypothesis 푓푠푤=−푠(푤) • Shifting hypothesis – Basic shifting 푓푠푤=푠푤−푠푠푠푠푠푤∗퐶 – Polarity-based shifting 푓푠푤=푠푤−푠푠푠푠푠푤∗퐶(푠푠푠푠푠푤) 2014/9/9 文献紹介 15
  16. 16. Non-lexicalized assumption • Reversing hypothesis 푓푠푤=−푠(푤) • Shifting hypothesis – Basic shifting 푓푠푤=푠푤−푠푠푠푠푠푤∗퐶 – Polarity-based shifting 푓푠푤=푠푤−푠푠푠푠푠푤∗퐶(푠푠푠푠푠푤) 2014/9/9 文献紹介 16
  17. 17. Models based on heuristics • Non-lexicalized assumptions and modeling – Reversing hypothesis – Shifting hypothesis • Basic shifting • Polarity-based shifting • Simple lexicalized assumption – Negator-based shifting – Combined shifting 2014/9/9 文献紹介 17
  18. 18. Simple lexicalized assumption • non-lexicalized model を拡張 푠푤푛,푤≝푓(푤푛,푠푤) • nagatorにも依存するモデル 2014/9/9 文献紹介 18
  19. 19. Simple lexicalized assumption • Nagator-based shifting 푓푤푛,푠푤=푠푤−푠푠푠푠푠푤∗퐶(푤푛) • Combined shifting 푓푤푛,푠푤=푠푤−푠푠푠푠푠푤∗퐶(푤푛,푠푠푠푠푠푤) • パラメータ数は増加するが過学習を起こさずに性能向上 2014/9/9 文献紹介 19
  20. 20. Semantics-enriched modeling • argument 自身に依存するモデル 푠푤푛,푤≝푓푤푛,푠푤,푟푤 • 푟(푤): argument 푤の何かしらの表現 2014/9/9 文献紹介 20
  21. 21. Semantics-enriched modeling • 푟(푤)をどう実装するか? – recursive neural tensor network (RNTN) • Socheret al. (2013), state-of-the-artな性能を達成 • 푤푛と푟(푤)のみを利用 – prior sentiment-enriched tensor network (PSTN) • 提案手法 • 푤푛,푠푤,푟(푤)を利用 2014/9/9 文献紹介 21
  22. 22. Semantics-enriched modeling 2014/9/9 文献紹介 22
  23. 23. Semantics-enriched modeling • RNTN – 各ノードは푑次ベクトル – 各ベクトルは2つの子ノードから非線形関数によって 求められる 푝2=tanh ( 푎 푝1 푇 푉1:푑푎 푝1+푊 푎 푝1) 2014/9/9 文献紹介 23
  24. 24. Semantics-enriched modeling • PSTN – 各ベクトルは2つの子ノードと, 右側の子ノード(=argument) の感情から求められる 푝2=tanh ( 푎 푝1 푇 푉1:푑푎 푝1+푊 푎 푝1 + 푎 푝1 푠푠푠 푇 푉푠푠푛1:푑푎 푝1 푠푠푠+푊푠푠푠푎 푝1 푠푠푠) 2014/9/9 文献紹介 24
  25. 25. Semantics-enriched modeling • 푝1 푠푠푠には様々な形で感情の値をとることができる – PSTNの面白いところ • 本論文の目的は否定語の振舞いを調査すること – 푝1 푠푠푠には人手で付けられたタグを用いる 2014/9/9 文献紹介 25
  26. 26. 実験
  27. 27. 実験| set-up • Stanford Sentiment Treebank中の 否定語+被修飾句全2,261 組がデータ点 • 頻出する否定語と,助動詞+否定語の組み合わせが対象 – 同じ否定語は正規化するe.g.) isn’t, is not → is_not • 評価には平均絶対値誤差 푀푀푀= 1 푁 ෍푠̂푤푛,푤−푠(푤푛,푤) 푤푛,푤 2014/9/9 文献紹介 27
  28. 28. 実験| 結果 2014/9/9 文献紹介 28
  29. 29. 考察
  30. 30. 考察 • 各否定語のsentiment value の遷移量 (boxは95%信頼区間) • nagator-based shifting の有効性 • 否定語とdinimisher(図中の白いboxのもの) の境界は曖昧 2014/9/9 文献紹介 30
  31. 31. 考察 • argument の極性による 否定語の振舞いの違い • polarity-based shifting の有効性 2014/9/9 文献紹介 31
  32. 32. References
  33. 33. References • Livia Polanyi and Annie Zaenen.Contextual valence shifters. In Exploring Attitude and Affect in Text: Theories and Applications (AAAI Spring Symposium Series).2004. • Alistair Kennedy and Diana Inkpen.Sentiment classification of movie reviews using contextual valence shifters. Computational Intelligence, 22(2):110-125. 2006.
  34. 34. References • MaiteTaboada, Julian Brooke, Milan Tofiloski, Kimberly Vol, and Manfred Stede. Lexicon-based methods for sentiment analysis. Computational Linguistics, 37(2):267- 307. 2011. • Richard Socher, Alex Perelygin, Jean Y. Wu, Jason Chuang, Christopher D. Manning, Andrew Y. Ng, and Christopher Potts. Recursive deep modwlsfor semantic compositionality over a sentiment treebank. In Proc. of EMNLP’13. 2013. 2014/9/9 文献紹介 34

動画 http://youtu.be/IVxnsCM2AQM?list=UUhwtfJp9l_thFbFDWXoGWEQ

Views

Total views

514

On Slideshare

0

From embeds

0

Number of embeds

2

Actions

Downloads

4

Shares

0

Comments

0

Likes

0

×