依赖解析树如何用于情感分析？

Question

随着谷歌宣布发布Parsey McParseface syntaxnet 据称是最准确的依赖解析器。我想了解这个解析器如何用于更准确的情绪分析？如果有人可以分享一些博客或研究论文或教程，这可以帮助我理解整体流程。

Answer 1

好问题，我不是专家，事实上当你问这个问题时我很感兴趣。

td; lr; 更准确的依赖解析器允许通过图表传播一种情绪，从而更好地确定情绪极性，至少在理论上是这样。

从我的阅读中可以看出，使用依赖树图的情感分析传播了独立的（您可能从词典获得的先前情绪）词汇情感，以构成文本的整体情感极性。

这种方法使用语言的组成（其语法结构）来确定情绪。这有点*与统计（naives bayes，物流回归，神经网络）理解情绪的方法相对立。

这是我扫描的文件：

http://www.aaai.org/ocs/index.php/FLAIRS/FLAIRS14/paper/viewFile/7869/7837

为了更深入地探索可能的情况，这可能会有所帮助：

https://arxiv.org/pdf/1401.6330.pdf

如果您感兴趣，可以通过介绍依赖项解析来https://web.stanford.edu/~jurafsky/slp3/14.pdf

*在某种意义上（特别是）卷积网络确实学习了某种语言的组合，所以rnns。