about this paper

Author: Yili Wang, Kyung Tae Kim, ByungJun Lee, Hee Yong Youn Link: https://link.springer.com/content/pdf/10.1186%2Fs13673-018-0140-y.pdf

品詞タグによるタグ済み訓練データセットの識別可能性や単語の依存性はクラスタリングや重みプロセスにおいて重要な役割を果たす。ツイートの感情分析のためのChi Square-based feature clusteringを少し変更した手法と重みスキームを提案する。

特徴重みスキーム
- FF：特徴の文書中に出現される頻度を用いる手法だが、もし特徴が単調に分布された場合、特徴情報の探索が困難になる
- DF：FFの問題を解決すべく提案された手法で、ターゲット単語を含んでいる文書の数を訓練データセットから数え、特徴の統計的情報を得ることができる。しかし、珍しい単語は処理できない。
- PSW：品詞情報を用いた手法であり、ツイートの感情分析のために提案された。WF(word frequency)手法に基づいている。各カテゴリーのユニークな単語の頻度を考慮することで単語間の関連性も考慮される。しかし、制度はそこまで高くない。
- TF-IDF：最も効果的かつrobustな手法。文書中の出現頻度を数えることで単語の重要性を計り、該当単語を含んでいる全ての文書での出現頻度に基づいての総合比率を考慮する。

提案手法は、クラスの中の品詞特徴の同じ単語はあらかじめ定義されたセットに群衆化される。群衆化されたセットとこれに当てはまるクラス間の依存性はChi Square手法により計測される。多項式のNaive Bayes modelは無駄な特徴を処理するため持ち込み、感情的単語は精度を上げるために使われた。提案手法はSentiment 140を対象に実験した結果、最も良い性能を見せた。

https://pdfs.semanticscholar.org/ec22/968ae4da050d435e47982b39d736b47e0507.pdf

magicpieh28 / Paper-Summary

Word clustering based on POS feature for efficient twitter sentiment analysis(2018) #12

about this paper

next

Chi Square-based feature clustering