Wykorzystanie metody opartej na wzorcach w automatycznej analizie opinii konsumenckich

• Autorzy: Katarzyna Wójcik , Janusz Tuchowski

Warianty tytułu

Using Pattern-Based Opinion Mining

• Języki publikacji: PL

Abstrakty

Analiza opinii konsumenckich jest obszarem badań, który może mieć znaczący wpływ na rozwój działalności biznesowej. Narastająca liczba opinii dostępnych w sieci wytworzyła potrzebę ich automatycznej analizy i przetwarzania. Zagadnienie to zyskuje na popularności zarówno wśród badaczy, jak i wśród przedsiębiorców, dla których opinie konsumentów stanowią źródło informacji biznesowej. Głównym celem pracy jest przeprowadzenie analizy automatycznej klasyfikacji opinii z wykorzystaniem metody opartej na wzorcach. Podstawową zaletą tego podejścia jest możliwość identyfikowania całych zwrotów w opiniach. Takim związkom frazeologicznym przypisywane jest nacechowanie agregowane następnie do sentymentu całej opinii. Pozwala to na identyfikację w opiniach charakterystycznych struktur, których konstrukcja determinuje interpretację ich nacechowania. Dotyczy to zarówno polaryzacji, jak i siły nacechowania. Wykorzystane podejście zostanie porównane z podejściami dotychczas wykorzystywanymi w badaniach(abstrakt oryginalny)

EN

Sentiment analysis or opinion mining is a field of research that can have a significant impact on today's business. The increasing number of consumers' reviews created the need of its automatic analysis. This issue is gaining popularity for both - researchers and entrepreneurs, for whom consumers' reviews are an important source of business information. The main aim of this paper is to examine pattern-based classification of opinions. Pattern-based approach allows identifying certain phrases in opinions to which sentiments can be assigned. An advantage of this approach is a possibility to detect phrases that modify sentiment like negation, nullification, strengthening and others. The approach used in the research is compared with other approaches to opinions classification(original abstract)

Słowa kluczowe

PL

Eksploracja opinii; Analiza wydźwięku; Taksonomia; Klasyfikacja; Preferencje konsumenta

EN

Opinion mining; Sentiment analysis; Taxonomy; Classification; Consumer preferences

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2015
• Tom: 25
• Numer: nr 385 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 314--324

Twórcy

autor

Katarzyna Wójcik

• Uniwersytet Ekonomiczny w Krakowie

autor

Janusz Tuchowski

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Buczyński A., Przepiórkowski A. (2008), Demo: An Open Source Tool for Partial Parsing and Morphosyntactic Disambiguation, Proceedings of LREC 2008.
• Buczyński A., Wawer A. (2008), Automated classification of product review sentiments in Polish, Intelligent Information Systems, s. 213-217.
• Cambria E., Schuller B., Yunqing X., Havasi C. (2013, marzec-kwiecień), New avenues in opinion mining and sentiment analysis, Intelligent Systems, IEEE, 28, s. 15-21.
• Esuli A., Sebastiani F. (2006), SENTIWORDNET: A Publicly Available Lexical Resource, In Proceedings of the 5th Conference on Language Resources and Evaluation (LREC'06), (s. 417-422).
• Liu B. (2010), Sentiment Analysis and Subjectivity, [w:] N. Indurkhya i F. Damerau (red.), Handbook of Natural Language Processing, Chapman & Hall/CRC Machine Learning & Pattern Recognition Series (wyd. drugie, tom 2, s. 627-666). Chapman & Hall/CRC.
• Liu B. (2007), Web DataMining. Exploring Hyperlinks, Contents, and Usage Data. Heidelberg: Springer-Verlag Berlin.
• Lula P., Wójcik K. (2011), Sentiment analysis of consumer opinions writen in Polish, Economics and Management (16), s. 1286-1291.
• Pang B., Lee L. (2005), Seeing Stars: Exploiting Class Relationships for Sentiment Categorization with Respect to Rating Scales, [w:] Proceedings of the 43rd Annual Meeting on Association for Computational Linguistics (s.115-124), Stroudsburg, PA, USA: Association for Computational Linguistics. doi:10.3115/1219840.1219855.
• Pang B., Lee L. (2008), Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, s. 1-135.
• Thelwall M., Buckley K., Paltoglou G., Cai D., Kappas A. (2010, grudzień), Sentiment in short strength detection informal text, Journal of the American Society for Information Science.
• Wójcik K., Tuchowski J. (2013), Wpływ automatycznego tłumaczenia na wyniki automatycznej identyfikacji charakteru opinii konsumenckich, [w:] Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu nr 279, Taksonomia 21, Klasyfikacja i anaiza danych - teoria i zastosowania, K. Jajuga i M. Walesiak (red.), s. 124-134.
• Wójcik K., Tuchowski J. (2014), Dobór optymalnego zestawu słów istotnych w opiniach konsumentów na potrzeby ich automatycznej analizy, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu nr 328, Taksonomia 23, Klasyfikacja i analiza danych - teoria i zastosowania, K. Jajuga i M. Walesiak (red.), s. 106-115.

Identyfikatory

DOI

10.15611/pn.2015.385.34