2.  2003−2010. (január): magyar nyelv és irodalom szakos bölcsész és
tanár (Szegedi Tudományegyetem Bölcsészettudományi Kar)
 2003−2010. (június) orosz nyelv és irodalom szakos bölcsész és
tanár (Szegedi Tudományegyetem Bölcsészettudományi Kar)
 2008−2012. (január): magyar mint idegen nyelv tanár /
hungarológia (Szegedi Tudományegyetem Bölcsészettudományi
Kar)
 2010− Magyar Nyelvészet PhD-Program (Szegedi
Tudományegyetem Bölcsészettudományi Kar, Nyelvtudományi
Doktori Iskola)
 2012. november 27. − 2013. szeptember 27.PhD-részképzés,
Moszkva. (Национальный исследовательский университет
«Высшая школа экономики» (НГУ-ВШЭ) (National Research
University - Higher School of Economics))
 2013. (június) PhD-abszolutórium megszerzése

3.  2014 márciusa óta
 Belső projektek:
› Szentimentelemzés magyar nyelvre
› Emócióelemzés magyar nyelvre
(tervezés, szervezés, projektvezetés, kutatómunka,
beszámolók készítése, konferenciázások, cikkek írása
stb.)
 Külső projektek:
› Artklikk
› NER
› Sanoma (Jobmonitor)
› Hulladékgazdálkodás 
(kutatómunka, beszámolók készítése, adatszűrés)

4.  A szentimentelemzés olyan számítógépes nyelvészeti feladat, amely
arra irányul, hogy
 Az értékelést, az értékelő tartalmakat megtalálja a a szövegekben,
 meghatározza ezeknek az értékeknek a típusát,
 valamint megállapítsa azok tárgyát, tehát azt, hogy az értékelés mire irányul.
 Egy egyszerű példa:
A szentimentelemzés bonyolult feladat.
 A magyar nyelvű irodalomban:
szentimentelemzés vagy véleménykivonatolás
 Az angol nyelvű irodalomban:
sentiment analysis, opinion mining,
opinion extraction, sentiment mining,
review mining stb. (vö. Liu 2012: 7)

5. Számtalan szociális háló, blog, fórum és egyéb webes forrás → hatalmas
mennyiségű, elektronikus formájú szöveg
Kihívás a nyelvészeti kutatások és a
nyelvtechnológia szempontjából:
vö. „A Szemantikus Web
víziója” (Munk 2014)
A gazdasági oldal felől támasztott
igény, pl.:
 a tőzsdeindex mozgásának
előrejelzése;
 a fogyasztói csoport benyomásai,
tapasztalatai bizonyos termékek
és szolgáltatások
vonatkozásában;
 a fogyasztói csoport igényeinek
detektálása;
 politikusokkal, politikai
eseményekkel kapcsolatos
attitűdök felmérése;
 választási előrejelzések
 stb.

6.  Az Opinhu rendszer (Miháltz 2010), illetve az
OpinHuBank projekt (Miháltz 2012): internetes
hírportálokon, blogokon és közösségi oldalakon
publikált szövegek szentiment- annotálására
törekszik automatikus és manuális megoldások
segítségével;
 Neticle ― Szekeres Péter
 Berend és Farkas (2008): a kettős
állampolgárság témájához kapcsolódó
szövegek gépi tanuláson alapuló feldolgozását
célozza;

8.  A teszteléshez és fejlesztéshez manuálisan annotált korpusz kell! Ez
 vagy nincs (Neticle),
 vagy egyszerűen nem megfelelő fejlesztési és tesztelési célokra (OpinHuBank).
 Problémák az OpinHuBank korpusszal:
 A szentimentkifejezéseket egyenként nem annotálták a korpusz építői: a
szentimentértékeket a mondatok vagy a tagmondatok szintjén határozták meg.
 Az annotátoroknak az aktuális mondat szentimentértékéről a mondatban szereplő
tulajdonnévi entitás (PERSON) viszonylatában kellett döntést hozniuk: arra kérték
őket, hogy ítéljék meg, vajon pozitív vagy negatív ítéletet fejez-e ki az elemzett
mondat a bennfoglalt PERSON vonatkozásában. DE!! A szentiment targetjének
szerepét a mondatban a személynéven kívül számtalan elem (pl. egy hely, egy
esemény, egy termék vagy akár a termék egy aspektusa is) betöltheti. →
korlátozott használati lehetőségek
 Bár a korpusz készítői hangsúlyozzák, hogy kiszűrték azokat az eseteket, ahol nem a
PERSON volt a target, a korpusz számos ilyen esetet tartalmaz; pl.
Martonyi János leszögezte: noha a jelenlegi szlovák kormánykoalíció egyik
pártjának vezetői gyakran elfogadhatatlan kijelentéseket tesznek, a magyar
kormány nem ilyen stílusban fog reagálni (…)
[http://www.belfoldihirek.com/belfold/martonyi-janos-szlovakiaba-latogat]

9.  A szentimentelemzésnek vannak olyan részfeladatai, amelyekkel ezek a
projektek nem, vagy alig foglalkoznak; pl.
 A szentimentek targetjeit hogyan találjuk meg? Pl.
A Fanta jobb a Pepsinél.
A formája nem győz meg, de a színe tetszik.
Bár a töltő nem bírja sokáig, ez a telefon messze a legjobb mindközül.
 Mit csinálunk azzal a számtalan esettel, ahol a szentiment felismeréséhez és helyes
kezeléséhez a szótár önmagában nem elegendő? Pl.
 a lexikai szintű értékjelentést (pl. jó, rossz, szép, csúnya) a szintaktikai szerkezetben
módosulhat; pl. tagadás vagy egyéb módosító elemek által; pl.
nem jó, elég jó, nem annyira jó, nem rossz, nem volt borzasztó
 irreáló szerkezetben az érték nincs, vagy nem teljes; pl.
a forma talán jó; jó a hangminőség?; nem hinném, hogy ez a Nokia jó
 implicit értékjelentés; pl. irónia vagy az indirekt beszédaktusok:
Ez az autó aztán egy igazi roncs!; Te el tudod képzelni, hogy ez a telefon
jó?
 Doménfüggés; pl.
beolt ige – orvoslás vagy kertészet vs. politika
 Target- vagy kontextusfüggés; pl.
nagy melléknév – telefontöltő vs. számítógép-memória

10.  Beható és minden részletre kiterjedő elméleti nyelvészeti és
nyelvtechnológiai kutatást végzünk, és minden megoldást a vizsgálatok
tapasztalataira alapozunk! (targetek, tagadás, a nyelvi értékelés
mibenléte, a szótárkészítés alapelvei, irreálás, intenzifikálás, a skalaritás
kérdése stb., a vonatkozó magyar és nemzetközi irodalom
feldolgozásával és felhasználásával)
 Van kézzel annotált korpuszunk!
 Van domén- és kontextusfüggetlen szótárunk! Benne
o a nemzetközi trenddel ellentétben nem csupán melléknevek, hanem határozószók,
igék és főnevek is szerepelnek; pl.
szép, szépen, szépül, szépség
o nem csupán egyszavas kifejezések, hanem frazeológiai egységek is
megtalálhatóak; pl.
értéktelen; egy fabatkát sem ér
o vannak rétegnyelvi elemek is; pl.
hómlessz; felakadt a lemez
o vannak „puszta” konnotatív sajátságokkal rendelkező elemek is (vö. Bruno 1980:
136; Feng et al. 2011; Liu 2012); pl.
jutalom, vérengzés
 Van olyan programunk, amelynek segítségével a kiinduló szótárat 8
domén sajátságai szerint fejleszthetjük tovább!

11. szentiment-kifejezés
szó többszavas
kifejezés
TÁBLÁZAT 1
összes
elem:
pozitív 2700 309 3009
negatív 6811 954 7765
összes elem: 9511 1263 10774

12. Táblázat 2
A pozitív szentimentkifejezéseket tartalmazó lexikon
statisztikai adatai
Táblázat 3
A negatív szentimentkifejezéseket tartalmazó lexikon
statisztikai adatai
egyszavas 2700
szófaj
szerint:
A 1175
I 2
M 1
N 798
P 1
R 31
V 454
X 0
többszavas 309
összes 3009
egyszavas 6811
szófaj
szerint:
A 2241
I 3
M 4
N 1940
P 1
R 154
V 1934
X 0
többszavas 954
összes 7765

13. Az alkalmazott
szentimentlexikon
Valamely szóalak vagy szótő
megadása esetén csak
azokat a mondatokat
elemzi, amelyek az adott
kifejezést tartalmazzák
Opciók:
Tudomány
Bulvár
Gazdaság
Technológia
Kultúra
Sport
Külpolitika
Belpolitika

16.  A korpusz szöveganyagát a [http://divany.hu/]
honlap termékvéleményeiből állítottuk össze.
 A korpusz jelenleg összesen 111 szövegből áll,
ami mintegy 13 000 mondatot és 190 000
tokent tartalmaz.
 A manuális annotálás keretében
 a teljes értékelő kifejezést,
 azon belül a pozitív és negatív polaritású
szentimentkifejezéseket,
 azok targetjeit,
 a termékneveket topic-ként,
 valamint a szentimentkifejezések esetleges siftereit
jelöltük be a korpuszban.

19. annotált tag darabszám
PosSentiment 603
NegSentiment 743
SentiWordPos 708
SentiWordNeg 827
Topic 169
Target 528
Negation 316
IntensifierPlus 332
IntensifierMinus 68
Irreal 66
OtherShifter 30
ÖSSZESEN: 4390
Táblázat 4

20.  A negatív véleményt megfogalmazó kifejezések (NegSentiment)
többségben vannak a pozitív véleményt megfogalmazó
kifejezésekkel (PosSentiment) szemben. Hasonló megoszlást
találunk a puszta szentimentkifejezések (SentiWordNeg;
SentiWordPos) között is. → Meglepő a Pollyanna-hipotézis
tükrében (nyelvi univerzáléként tételezi a pozitív töltetű
kifejezések magasabb arányát)
 Az annotált korpuszrész 316 negáló kifejezést (Negation)
tartalmaz (ebből 140 pozitív és 176 negatív polaritású
véleményben szerepel) → jelentős előfordulási arány az összesen
1346 azonosított szentimenthez képest!
 Az összesen 1535 szentimentkifejezésből összesen 167 a saját
szótári polaritásával ellentétes polaritású kifejezésben szerepel!
→ A negáció kezelése jelentős javulást hozhat a
szentimentelemzési hatékonyságban.

22.  Az emócióelemzés (emotion analysis)
nem azonos a szentimentelemzéssel: a
két feladat vizsgálati köre, s ezzel
összefüggésben elméleti háttere teljesen
eltér egymástól: az emócióelemzés
során az érzelmeket kívánjuk detektálni a
nyelvi produktumokban

23.  Újdonság!
 Az emócióelemzéssel nemzetközi viszonylatban is
kifejezetten csekély számú dolgozat foglalkozik. Bár az
emóciók bizonyos tudományos diszciplínákban (pl. a
pszichológiában és a viselkedéstudományban) kiemelt
figyelmet kapnak, a természetesnyelv-feldolgozás
területén nem → az emóciók automatikus kezelése kísérleti
szakaszában jár (vö. Mulcrone 2012: 1).
 Ami a magyar nyelvű szövegek emócióelemzését illeti:
nincs tudomásunk olyan kutatásról, amely ennek a
nyelvtechnológiai feladatnak a megoldását célozná +
nem ismerünk egyetlen olyan dolgozatot sem, amely a
problémakört az NLP szempontjából egyáltalán vizsgálná.
A magyarra tehát mi vagyunk az elsők, de nemzetközi
szinten is ritkaságnak számítunk!

24.  Gazdasági haszna lehet, hiszen
› az érzelmek olyan tényezőkre adott reakciók,
amelyek fontosnak tűnnek számunkra
boldogulásunk, jólétünk szempontjából
› az érzelmek gyakran olyan gyorsan jelentkeznek,
hogy nem is vagyunk tudatában az érzelmi
folyamatok pontos alakulásának (vö. Ekman
2007) → az emóciótartalom feldolgozása eleddig
rejtve maradt, értékes információkat hozhat a
felszínre.
 Az emóciók kezelése hatékony kiegészítője
lehet a szentimentelemzésnek.

25.  Létrehoztunk egy emóciószótárat, Ekman és Friesen (1969)
érzelemkategorizálási rendszerét alapul véve:
BÁNAT, DÜH, FÉLELEM,
MEGLEPŐDÉS, ÖRÖM
és UNDOR
 Létrehoztunk egy kézzel annotált emóciókorpuszt;
tartalma: 2014-es év folyamán keletkezett tévés és mozis
témájú blogoldalakról származó, különböző terjedelmű és
szerzőségű kritikák, hírek és kommentek. A korpusz jelenleg
15987 mondatból és 197707 tokenből áll, ebból 3911
mondatot és 45955 tokent dolgoztunk fel eddig.

26. Táblázat 5

27.  A következőket jelöljük:
› az emóciót megfogalmazó teljes
szövegrészt,
› azon belül a konkrét emóciókifejezést típusok
szerint,
› annak esetleges sifterét/siftereit típusok
szerint,
› azokat a kifejezéseket, amelyek valamely
érzelem meglétére utalnak (pl. wow!, azta!,
bakker), de nem köthetőek egyértelműen
egyik érzelemtípushoz sem.

28. Táblázat 6

29.  Szorosabb kapcsolatot az SZTE-vel
 Publikációkat, konferencia-előadásokat,
posztokat:

30. Projekt Platform Mikor Hol Státusz
PrecoSent Nyelv, kultúra,
társadalom címmű
alkalmazott nyelvészeti
konferencia
2014. 11. 04. Kodolányi János
Főiskola, Budapest
Előadás megtartva,
cikkírás folyamatban.
Határidő: 2015. 02.02.
PrecoEmo Nyelv, kultúra,
társadalom címmű
alkalmazott nyelvészeti
konferencia
2014. 11. 04. Kodolányi János
Főiskola, Budapest
Előadás megtartva,
cikkírás folyamatban.
Határidő: 2015. 02.02.
PrecoSent Nyelvészdoktoranduszok 18.
Országos Konferenciája
(LingDok)
2014. 11. 21. Szegedi
Tudományegyetem
Bölcsészettudományi
Kar, Szeged
Előadás megtartva,
cikkírás folyamatban.
Határidő: 2015. 01.15.
PrecoSent XI. Magyar Számítógépes
Nyelvészeti Konferencia
(MSZNY)
2015. 01. 15-16. József Attila
Tanulmányi és
Információs Központ,
Szeged
Absztrakt előadás
megtartására
elfogadva, a cikk
végső verziója a
szerkesztőkhöz
beküldve.
PrecoSent IX. Alkalmazott Nyelvészeti
Doktoranduszkonferencia
2015. 02. 06. MTA Nyelvtudományi
Intézete
Absztrakt beküldve.
PrecoSent 25. MANYE-kongresszus,
címe: Nyelv –
Nyelvtechnológia –
Nyelvpedagógia: 21. századi
távlatok
2015. 03. 30. − 04. 01. Pázmány Péter
Katolikus Egyetem
Információs
Technológiai és
Bionikai Kara
Absztrakt előadás
megtartására
elfogadva.
PrecoEmo 25. MANYE-kongresszus,
címe: Nyelv –
Nyelvtechnológia –
Nyelvpedagógia: 21. századi
távlatok
2015. 03. 30. − 04. 01. Pázmány Péter
Katolikus Egyetem
Információs
Technológiai és
Bionikai Kara
Absztrakt előadás
megtartására
elfogadva.

31.  Berend, G.–Farkas, R. 2008. Opinion Mining in Hungarian based on textual and
graphical clues, in Proceedings of the 4th Intern. Symposium on Data Mining and
Intelligent Information Processing. Santander.
 Bruno, F.J. 1980. Behaviour and Life: An Introduction to Psychology. New York,
John Wiley and Sons.
 Ekman P. 2007. Emotions revealed: recognizing faces and feelings to improve
communication and emotional life. Revised edition. New York, St. Martin's Griffin.
 Ekman, P.–Friesen, W.V. 1969. The repertoire of nonverbal behavior: Categories,
origins, usage, and coding. Semiotica 1. 49–98.
 Feng, S.–Bose, R.–Choi, Y. 2011. Learning general connotation of words using
graph-based algorithms, in Proceedings of Confernece on Empirical Methods in
Natural Language Processing (EMNLP-2011)
 Liu, B. 2012. Sentiment Analysis and Opinion Mining. Draft
 Munk Sándor 2014. Szemantika az informatikában. Hadmérnök IX. 2. szám. 311–
331.
 Miháltz M. 2010. OpinHu: online szövegek többnyelvű véleményelemzése, in Ta-nács
A.–Vincze V. szerk. VII. Magyar Számítógépes Nyelvészeti Konferencia
(MSZNY 2010). SZTE, Szeged. 14–23.
 Miháltz M. 2013. OpinHuBank: szabadon hozzáférhető annotált korpusz magyar
nyelvű véleményelemzéshez, in Tanács A.–Vincze V. szerk. IX. Magyar Számítógé-pes
Nyelvészeti Konferencia (MSZNY 2013), SZTE, Szeged. 343–345.
 Munk Sándor 2014. Szemantika az informatikában. Hadmérnök IX. 2. szám. 311–
331.