实体情感分析（实体层面情绪分析）

Question

自从过去1年以来，我一直致力于文档级别的情绪分析。 文档级别情绪分析提供完整文档的情绪。例如 - 文本“诺基亚是好的，但沃达丰糟糕的时间”将具有与之相关的负极性，因为它对诺基亚和沃达丰的实体是不可知的。 如何获得实体级别的情绪，如诺基亚的积极情绪，但对沃达丰的消极情绪？是否有任何研究论文为这些问题提供解决方案？

Answer 1

您可以尝试 Aspect-level 或实体级情感分析。已经做了很多努力来找到关于句子方面的意见。你可以找到一些作品here。您还可以进一步深入查看与功能（方面）提取相关的论文。这是什么意思？让我举个例子：

“屏幕质量很好，但电池寿命很短。”

文档级别的情绪分析可能无法让我们真正了解此文档，因为我们在文档中有一个肯定和一个否定句子。但是，通过基于方面（方面级）的意见挖掘，我们可以分别找出文档中不同实体的感官/极性。通过功能提取，在第一步中，您尝试在不同的句子中找到功能（方面）（在此处“屏幕质量”或简单地“质量“和”电池寿命“）。之后，当您有这些方面时，您会尝试提取与这些方面相关的意见（“质量”的“好”和“电池寿命”的“短”）。在研究和学术论文中，我们还将特征（方面）命名为目标词（用户评论的那些词或实体），并将意见命名为意见词，评论关于目标词的陈述。

通过搜索我刚才提到的关键词，您可以更熟悉这些概念。

Answer 2

您可以查找实体及其共同主体，并且有一个简单的启发式方法，例如从最接近的情感项中给出每个实体情绪，可能是最依赖于依赖关系解析树中的距离，而不是线性地。这些步骤中的每一步似乎都是一个开放的研究课题。

http://scholar.google.com/scholar?q=entity+identification

http://scholar.google.com/scholar?q=coreference+resolution

http://scholar.google.com/scholar?q=sentiment+phrase

http://scholar.google.com/scholar?q=dependency+parsing

Answer 3

这可以使用Google Cloud Natural Language API实现。

Answer 4

我也尝试过关于此的研究文章，但没有找到任何。我建议你尝试使用基于方面的情绪分析算法。我发现的相似性是我们在一个句子中识别单个实体的方面，然后找到每个方面的情感。同样，我们可以使用相同的算法训练我们的模型，该算法可以检测实体，就像它对方面一样，并找到情感这样的实体。我没试过，但是我要去。让我知道这是否有效。还有各种方法可以做到这一点。以下是几篇文章的链接。

http://arxiv.org/pdf/1605.08900v1.pdf https://cs224d.stanford.edu/reports/MarxElliot.pdf