dongtran8885
New Member
Download miễn phí Đồ án Tìm hiểu phương pháp trích và sắp xếp các đặc trưng thể hiện quan điểm
MỤC LỤC
MỤC LỤC. 1
LỜI CẢM ƠN . 12
LỜI NÓI ĐẦU . 13
CHƯƠNG 1 : TỔNG QUAN VỀ PHÂN TÍCH QUAN ĐIỂM –
PHÂN TÍCH CẢM XÚC. 16
1.1. Sự kiêṇ (Facts) và quan điểm (Opinions) . 16
1.2 Lịch sử của phân tích cảm xúc và khai thác quan điểm . 19
1.3. Khai thác quan điểm - sự trừ u tươṇ g hoá . 20
1.3.1. Các thành phần cơ bản của quan điểm:. 20
1.3.2. Biểu diễn của đối tươṇ g (Object)/ thưc̣ thể (entity):. 21
1.3.3. Mô hình của môṭ bình luận cho đối tượng:. 21
1.4. Một số nghiên cứu trong phân tích quan điểm . 22
1.4.1. Xác định cụm từ, quan điểm . 23
1.4.2. Xác định chiều hướng, cụm từ, quan điểm . 25
1.5. Bài toán phân lớp quan điểm . 28
CHƯƠNG 2: PHƯƠNG PHÁP XẾP HẠNG CÁC ĐẶC TRƯNG
SẢN PHẨM CHO XẾP HẠNG CÁC SẢN PHẨM. 31
2.1. Giới thiệu. 31
2.2. Định hướng xếp hạng dựa trên đặc trưng của các sản phẩm . 32
2.2.1 Các thực nghiệm. 38
2.2.2. Các kết quả. 39Nguyễn Tiến Dũng CTL801 11
2.3. Tổng kết. 41
CHƯƠNG 3: THỬ NGHIỆM TRÊN DỮ LIỆU. 43
3.1. Dữ liệu thử nghiệm cho đồ án. 43
3.2. Phương pháp . 46
3.3. Giới thiệu công cụ JFSA. 46
KẾT LUẬN. 49
TÀI LIỆU THAM KHẢO. 50
Để tải tài liệu này, vui lòng Trả lời bài viết, Mods sẽ gửi Link download cho bạn ngay qua hòm tin nhắn.
Ketnooi -
You must be registered for see links
Ai cần tài liệu gì mà không tìm thấy ở Ketnooi, đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
Tóm tắt nội dung tài liệu:
̣g chứa quan điểm đươc̣ thể hiêṇ.
- Opinion: nhâṇ xét, thái đô,̣ đánh giá về đối tươṇg từ opinion holder.
Nguyễn Tiến Dũng CTL801 21
1.3.2. Biểu diễn của đô ́ i tượng (Objêct)/ thực thê ̉ (êntity):
Chúng ta có thể biểu diễn thông tin của đối tượng hay thực thể được
đánh giá, nhận xét như sau:
- Đối tươṇg O là: sản phẩm, người, sư ̣kiêṇ, tổ chức hoăc̣ chủ đề.
- Biểu diêñ O: Hê ̣thông phân cấp, O: là nút gốc, mỗi nút là môṭ
thành phần (component) và đươc̣ kết hơp̣ với tâp̣ các thuôc̣ tính
(attributes) của nó
- Môṭ quan điểm có thể đươc̣ thể hiêṇ trong môṭ nút hoăc̣ thuôc̣
tính của nút.
- Sử duṇg các đăc̣ trưng (features) thay cho các thành phần và
thuôc̣ tính.
Ví dụ: biểu diễn cho một thực thể là máy ảnh Cannon S500:
1.3.3. Mô hình của mô ̣ t bình luận chô đối tượng:
Một nhận xét, đánh giá của người dùng cho đối tượng O có thể được
thể hiện qua mô hình sau:
- Môṭ đối tươṇg O đươc̣ biểu diêñ bằng môṭ tâp̣ hữu haṇ các
đăc̣ trưng: F = {f1, f2, , fn}.
Mỗi đăc̣ trưng fi trong F là môṭ tâp̣ hữu haṇ các từ hoăc̣ cuṃ từ
Wi (các từ đồng nghiã – Synonyms)
Có tâp̣ các từ đồng nghiã tương ứng: W ={W1, W2, , Wn}
Nguyễn Tiến Dũng CTL801 22
- Mô hiǹh của môṭ quan điểm: Môt opinion holder j nhâṇ xét
môṭ tâp̣ các đăc̣ trưng Sj F của đối tươṇg O
Mỗi đăc̣ trưng fk Sj là nhâṇ xét của j
+ Choṇ môṭ từ hoăc̣ cuṃ từ từ Wk để mô tả đăc̣ trưng
+ Thể hiêṇ quan điểm là tích cưc̣, tiêu cưc̣, hoăc̣ trung lâp̣
trong fk.
Môṭ quan điểm là bô ̣5 thành phấn(quintuple)
(oj, fjk, soijkl, hi, tl),
oj là môṭ đối tươṇg đích
fjk là môṭ đăc̣ trưng của đối tươṇg oj.
soijkl là giá tri ̣quan điểm của người nhâṇ xét hi trong đăc̣ trưng
fjk của đối tươṇg oj ở thời gian tl. soijkl là +ve, -ve, or neu, hoăc̣
các sắp xếp khác.
hi là môṭ opinion holder.
tl là thời gian quan điểm đươc̣ đưa ra.
1.4. Một số nghiên cứu trong phân tích quan điểm
Gần đây, khai thác quan điểm đã trở thành chủ đề nóng giữa các nhà
nghiên cứu xử lý ngôn ngữ tự nhiên và trích chọn thông tin. Có khá nhiều
các bài báo được xuất bản và những ứng dụng khác nhau có sử dụng hệ
thống đánh giá quan điểm được phát triển và đưa vào trong hoạt động
thương mại. Các tiếp câṇ chủ yếu với bài toán này là:
Phân lớp quan điểm thông qua viêc̣ xác điṇh từ, cụm từ chỉ quan
điểm
Nguyễn Tiến Dũng CTL801 23
Xác định quan điểm với các thể hiêṇ trong từng thuôc̣ tính của đối
tươṇg cần tìm kiếm quan điểm.
Trích các thông tin chứa quan điểm
Tóm tắt quan điểm
1.4.1. Xác định cụm từ, quan điểm
Những từ, cụm từ chỉ quan điểm là những từ ngữ được sử dụng để
diễn tả cảm xúc, ý kiến người viết, những quan điểm chủ quan đó dựa trên
những vấn đề mà anh ta hay cô ta đang tranh luận. Việc rút ra những từ,
cụm từ chỉ quan điểm là giai đoạn đầu tiên trong hệ thống đánh giá quan
điểm, vì những từ, cụm từ này là những chìa khóa cho công việc nhận biết
và phân loại tài liệu sau đó.
Ứng dụng dựa trên hệ thống đánh giá quan điểm hiện nay tập trung
vào các từ chỉ nội dung câu: danh từ, động từ, tính từ và phó từ. Phần lớn
công việc sử dụng từ loại để rút chúng ra (Hu và Liu, 2004 , Turney, 2002).
Việc gán nhãn từ loại cũng được sử dụng trong công việc này, điều này có
thể giúp cho việc nhận biết xu hướng quan điểm trong giai đoạn tiếp theo.
Những kĩ thuật phân tích ngôn ngữ tự nhiên khác như xóa: stopwords,
stemming cũng được sử dụng trong giai đoạn tiền xử lý để rút ra từ, cụm từ
chỉ quan điểm
Sử dụng tính từ và phó từ
Những hệ thống hiện tại dùng để nhận biết những từ chỉ quan điểm
hay xu hướng quan điểm tập trung chủ yếu vào các tính từ và phó từ vì
chúng được xem là sự biểu lộ rõ ràng nhất của tính chủ quan (
Hatzivassiloglou and McKeown, 1997, Wiebe and Bruce, 1999 ).
Hu và Liu (2004) áp dụng việc gán nhãn từ loại và kĩ thuật xử lý ngôn
ngữ tự nhiên nhằm rút ra những tính từ cũng như những từ chỉ quan điểm.
Phương pháp của ho ̣dưạ vào viêc̣ phân loaị dưạ trên dấu hiêụ quan điểm về
sản phẩm:
Định nghĩa một câu mà chứa một hay nhiều dấu hiệu sản phẩm và từ
chỉ quan điểm được xem là một câu chỉ quan điểm.
Nguyễn Tiến Dũng CTL801 24
Với mỗi câu trong dữ liệu chỉ quan điểm, rút ra tất cả những tính từ
được coi là những từ chỉ quan điểm.
Kết quả thực nghiệm việc rút ra những câu đánh giá quan điểm có độ
chính xác (precision) khoảng 64.2% và recall là 69.3%.
Sử dụng WordNet (Fellbaum, 1998) để xác định các tính từ được rút
ra mang chiều hướng tích cực (positive) hay tiêu cực (negative).
Trong WordNet, các tính từ được tổ chức thành các cụm từ lưỡng cực,
nửa cụm thứ hai phần đầu là từ trái nghĩa của cụm thứ nhất. Mỗi nửa cụm
là phần đầu của tập từ đồng nghĩa chính, tiếp theo là tập từ đồng nghĩa kèm
theo, thay mặt cho ngữ nghĩa tương tự như những tính từ quan trọng. Ngược
với cách tiếp cận dựa trên từ điển, họ sử dụng định hướng quan điểm của
những từ đồng nghĩa và từ trái nghĩa để đoán định hướng của các tính
từ. Họ bắt đầu với một danh sách khởi đầu gồm 30 tính từ thông dụng được
chọn thủ công (bằng tay). Sau đó sử dụng WordNet để đoán định hướng
của tất cả các tính từ trong danh sách từ quan điểm được rút ra bằng cách
tìm kiếm qua cụm lưỡng cực để tìm ra liệu các từ đồng nghĩa hay trái nghĩa
có trong danh sách khởi đầu hay không. Khi định hướng của tính từ được
dự đoán, nó sẽ được bổ sung vào danh sách khởi đầu và có thể được sử
dụng để xác định định hướng của các tính từ khác. Trong phương pháp này,
danh sách khởi đầu sẽ dần tăng lên khi sự định hướng của các tính từ được
nhận dạng, và khi nó ngừng gia tăng, tức qui mô của danh sách khởi đầu
trùng với qui mô của danh sách từ chỉ quan điểm, thì tất cả định hướng của
các tính từ đã được nhận biết và quá trình này kết thúc.
Những từ quan điểm thường tập trung chủ yếu vào hai từ loại: tính từ
và phó từ vì vậy càng nhận dạng chính xác được nhiều hai loại từ này hệ
thống càng có độ chính xác cao
Sử dụng các động từ
Các tính từ và phó từ đóng một vai trò quan trọng trong việc phân tích
quan điểm và là các loại từ có lợi thế trong việc nhận biết định hướng và
rút ra các từ chỉ quan điểm trong các nghiên cứu hiện nay. Tuy nhiên, các
Nguyễn Tiến Dũng CTL801 25
loại từ khác, ví dụ như động từ cũng được sử dụng để diễn tả cảm xúc hay
ý kiến trong các bài viết.
Nasukawa và Yi (2003) xem xét rằng bên cạnh các tính từ và phó từ,
thì các động từ cũng có thể diễn tả quan điểm trong hệ thống đánh giá quan
điểm của họ. Họ phân loại các động từ có liên quan đến quan điểm thành 2
loại. Loại thứ nhất trực tiếp thể hiện quan điểm tích cực hay tiêu cực, theo
lý giải của họ thì “beat” trong “X beats Y” . Loại thứ hai không thể hiện
quan điểm trực tiếp nhưng dẫn đến những quan điểm , giống như “is” trong
“X is good” .
Họ sử dụng gán nhañ từ loaị dựa trên mô hình Markov (HMM)
(Manning and Schutze, 1999) và phân tích cú pháp nông dựa trên luật (Neff
et al., 2003) cho bước tiền xử lý. Sau đó họ phân tích tính phụ thuộc về mặt
cú pháp giữa các cụm từ và tìm kiếm các cụm từ có một từ chỉ quan điểm
mà nó bổ nghĩa hay được bổ nghĩa bởi một thuật ngữ chủ thể
1.4.2. Xác định chiều hướng, cụm từ, quan điểm
Trong phân tích quan điểm, xu hướng của những từ, cụm từ trực tiếp
thể hiện quan điểm, cảm xúc của người viết bài. Phương pháp chính để
nhận biết xu hướng quan điểm của những từ, cụm từ chỉ cảm nghĩ là dựa
trên thống kê hay dựa trên từ vựng
Môṭ số đăc̣ trưng trong dữ liệu văn bản thường được sử duṇg
trong khai thác quan điểm:
- Tần suất xuất hiêṇ (Term Presence vs. Frequency)
Trong phân mức độ thể hiện quan điểm (polarity classification) việc
sử duṇg các vector đăc̣ trưng nhi ̣phân là hiêụ quả hơn sử duṇg tần
xuất của các từ thể hiện quan điểm (Pang et al., 2002). Trong khi đó,
phân loaị văn bản dưạ trên chủ đề (topic) laị sử duṇg tần xuất xuất
hiêṇ của các từ khoá chắc chắn.
Nhưng trên thực tế, các từ xuất hiêṇ chỉ môṭ lần trong văn bản lại có
thể là từ chủ quan với đô ̣chính xác cao (Wiebe et al., 2004); Yang et al.,
Nguyễn Tiến Dũng CTL801 26
2006 xem các từ không đươc̣ liêṭ kê trong từ điển có trước có thể là từ mới
chủ quan dùng để nhấn mạnh trong các bình luận.
- Mô hiǹh ngôn ngữ: sử duṇg các n-grams
Vi ̣trí của từ có khả năng tác đôṇg quan troṇg đến cảm xúc hoăc̣ traṇg
thái chủ quan trong văn bản. Trong Kim and E. Hovy, 2006; Pang et al.,
2002, vi ̣trí của từ đươc̣ ma ̃hoá thành vector đăc̣ trưng và sử duṇg cho bài
toán phân tích quan điểm.
Thảo luận về việc sử dụng n-grams mức cao là hữu ích, Pang et al.,
2002 cho thấy uni-grams thưc̣ hiêṇ tốt hơn bigrams trong phân lớp các
quan điểm theo các...
- Opinion: nhâṇ xét, thái đô,̣ đánh giá về đối tươṇg từ opinion holder.
Nguyễn Tiến Dũng CTL801 21
1.3.2. Biểu diễn của đô ́ i tượng (Objêct)/ thực thê ̉ (êntity):
Chúng ta có thể biểu diễn thông tin của đối tượng hay thực thể được
đánh giá, nhận xét như sau:
- Đối tươṇg O là: sản phẩm, người, sư ̣kiêṇ, tổ chức hoăc̣ chủ đề.
- Biểu diêñ O: Hê ̣thông phân cấp, O: là nút gốc, mỗi nút là môṭ
thành phần (component) và đươc̣ kết hơp̣ với tâp̣ các thuôc̣ tính
(attributes) của nó
- Môṭ quan điểm có thể đươc̣ thể hiêṇ trong môṭ nút hoăc̣ thuôc̣
tính của nút.
- Sử duṇg các đăc̣ trưng (features) thay cho các thành phần và
thuôc̣ tính.
Ví dụ: biểu diễn cho một thực thể là máy ảnh Cannon S500:
1.3.3. Mô hình của mô ̣ t bình luận chô đối tượng:
Một nhận xét, đánh giá của người dùng cho đối tượng O có thể được
thể hiện qua mô hình sau:
- Môṭ đối tươṇg O đươc̣ biểu diêñ bằng môṭ tâp̣ hữu haṇ các
đăc̣ trưng: F = {f1, f2, , fn}.
Mỗi đăc̣ trưng fi trong F là môṭ tâp̣ hữu haṇ các từ hoăc̣ cuṃ từ
Wi (các từ đồng nghiã – Synonyms)
Có tâp̣ các từ đồng nghiã tương ứng: W ={W1, W2, , Wn}
Nguyễn Tiến Dũng CTL801 22
- Mô hiǹh của môṭ quan điểm: Môt opinion holder j nhâṇ xét
môṭ tâp̣ các đăc̣ trưng Sj F của đối tươṇg O
Mỗi đăc̣ trưng fk Sj là nhâṇ xét của j
+ Choṇ môṭ từ hoăc̣ cuṃ từ từ Wk để mô tả đăc̣ trưng
+ Thể hiêṇ quan điểm là tích cưc̣, tiêu cưc̣, hoăc̣ trung lâp̣
trong fk.
Môṭ quan điểm là bô ̣5 thành phấn(quintuple)
(oj, fjk, soijkl, hi, tl),
oj là môṭ đối tươṇg đích
fjk là môṭ đăc̣ trưng của đối tươṇg oj.
soijkl là giá tri ̣quan điểm của người nhâṇ xét hi trong đăc̣ trưng
fjk của đối tươṇg oj ở thời gian tl. soijkl là +ve, -ve, or neu, hoăc̣
các sắp xếp khác.
hi là môṭ opinion holder.
tl là thời gian quan điểm đươc̣ đưa ra.
1.4. Một số nghiên cứu trong phân tích quan điểm
Gần đây, khai thác quan điểm đã trở thành chủ đề nóng giữa các nhà
nghiên cứu xử lý ngôn ngữ tự nhiên và trích chọn thông tin. Có khá nhiều
các bài báo được xuất bản và những ứng dụng khác nhau có sử dụng hệ
thống đánh giá quan điểm được phát triển và đưa vào trong hoạt động
thương mại. Các tiếp câṇ chủ yếu với bài toán này là:
Phân lớp quan điểm thông qua viêc̣ xác điṇh từ, cụm từ chỉ quan
điểm
Nguyễn Tiến Dũng CTL801 23
Xác định quan điểm với các thể hiêṇ trong từng thuôc̣ tính của đối
tươṇg cần tìm kiếm quan điểm.
Trích các thông tin chứa quan điểm
Tóm tắt quan điểm
1.4.1. Xác định cụm từ, quan điểm
Những từ, cụm từ chỉ quan điểm là những từ ngữ được sử dụng để
diễn tả cảm xúc, ý kiến người viết, những quan điểm chủ quan đó dựa trên
những vấn đề mà anh ta hay cô ta đang tranh luận. Việc rút ra những từ,
cụm từ chỉ quan điểm là giai đoạn đầu tiên trong hệ thống đánh giá quan
điểm, vì những từ, cụm từ này là những chìa khóa cho công việc nhận biết
và phân loại tài liệu sau đó.
Ứng dụng dựa trên hệ thống đánh giá quan điểm hiện nay tập trung
vào các từ chỉ nội dung câu: danh từ, động từ, tính từ và phó từ. Phần lớn
công việc sử dụng từ loại để rút chúng ra (Hu và Liu, 2004 , Turney, 2002).
Việc gán nhãn từ loại cũng được sử dụng trong công việc này, điều này có
thể giúp cho việc nhận biết xu hướng quan điểm trong giai đoạn tiếp theo.
Những kĩ thuật phân tích ngôn ngữ tự nhiên khác như xóa: stopwords,
stemming cũng được sử dụng trong giai đoạn tiền xử lý để rút ra từ, cụm từ
chỉ quan điểm
Sử dụng tính từ và phó từ
Những hệ thống hiện tại dùng để nhận biết những từ chỉ quan điểm
hay xu hướng quan điểm tập trung chủ yếu vào các tính từ và phó từ vì
chúng được xem là sự biểu lộ rõ ràng nhất của tính chủ quan (
Hatzivassiloglou and McKeown, 1997, Wiebe and Bruce, 1999 ).
Hu và Liu (2004) áp dụng việc gán nhãn từ loại và kĩ thuật xử lý ngôn
ngữ tự nhiên nhằm rút ra những tính từ cũng như những từ chỉ quan điểm.
Phương pháp của ho ̣dưạ vào viêc̣ phân loaị dưạ trên dấu hiêụ quan điểm về
sản phẩm:
Định nghĩa một câu mà chứa một hay nhiều dấu hiệu sản phẩm và từ
chỉ quan điểm được xem là một câu chỉ quan điểm.
Nguyễn Tiến Dũng CTL801 24
Với mỗi câu trong dữ liệu chỉ quan điểm, rút ra tất cả những tính từ
được coi là những từ chỉ quan điểm.
Kết quả thực nghiệm việc rút ra những câu đánh giá quan điểm có độ
chính xác (precision) khoảng 64.2% và recall là 69.3%.
Sử dụng WordNet (Fellbaum, 1998) để xác định các tính từ được rút
ra mang chiều hướng tích cực (positive) hay tiêu cực (negative).
Trong WordNet, các tính từ được tổ chức thành các cụm từ lưỡng cực,
nửa cụm thứ hai phần đầu là từ trái nghĩa của cụm thứ nhất. Mỗi nửa cụm
là phần đầu của tập từ đồng nghĩa chính, tiếp theo là tập từ đồng nghĩa kèm
theo, thay mặt cho ngữ nghĩa tương tự như những tính từ quan trọng. Ngược
với cách tiếp cận dựa trên từ điển, họ sử dụng định hướng quan điểm của
những từ đồng nghĩa và từ trái nghĩa để đoán định hướng của các tính
từ. Họ bắt đầu với một danh sách khởi đầu gồm 30 tính từ thông dụng được
chọn thủ công (bằng tay). Sau đó sử dụng WordNet để đoán định hướng
của tất cả các tính từ trong danh sách từ quan điểm được rút ra bằng cách
tìm kiếm qua cụm lưỡng cực để tìm ra liệu các từ đồng nghĩa hay trái nghĩa
có trong danh sách khởi đầu hay không. Khi định hướng của tính từ được
dự đoán, nó sẽ được bổ sung vào danh sách khởi đầu và có thể được sử
dụng để xác định định hướng của các tính từ khác. Trong phương pháp này,
danh sách khởi đầu sẽ dần tăng lên khi sự định hướng của các tính từ được
nhận dạng, và khi nó ngừng gia tăng, tức qui mô của danh sách khởi đầu
trùng với qui mô của danh sách từ chỉ quan điểm, thì tất cả định hướng của
các tính từ đã được nhận biết và quá trình này kết thúc.
Những từ quan điểm thường tập trung chủ yếu vào hai từ loại: tính từ
và phó từ vì vậy càng nhận dạng chính xác được nhiều hai loại từ này hệ
thống càng có độ chính xác cao
Sử dụng các động từ
Các tính từ và phó từ đóng một vai trò quan trọng trong việc phân tích
quan điểm và là các loại từ có lợi thế trong việc nhận biết định hướng và
rút ra các từ chỉ quan điểm trong các nghiên cứu hiện nay. Tuy nhiên, các
Nguyễn Tiến Dũng CTL801 25
loại từ khác, ví dụ như động từ cũng được sử dụng để diễn tả cảm xúc hay
ý kiến trong các bài viết.
Nasukawa và Yi (2003) xem xét rằng bên cạnh các tính từ và phó từ,
thì các động từ cũng có thể diễn tả quan điểm trong hệ thống đánh giá quan
điểm của họ. Họ phân loại các động từ có liên quan đến quan điểm thành 2
loại. Loại thứ nhất trực tiếp thể hiện quan điểm tích cực hay tiêu cực, theo
lý giải của họ thì “beat” trong “X beats Y” . Loại thứ hai không thể hiện
quan điểm trực tiếp nhưng dẫn đến những quan điểm , giống như “is” trong
“X is good” .
Họ sử dụng gán nhañ từ loaị dựa trên mô hình Markov (HMM)
(Manning and Schutze, 1999) và phân tích cú pháp nông dựa trên luật (Neff
et al., 2003) cho bước tiền xử lý. Sau đó họ phân tích tính phụ thuộc về mặt
cú pháp giữa các cụm từ và tìm kiếm các cụm từ có một từ chỉ quan điểm
mà nó bổ nghĩa hay được bổ nghĩa bởi một thuật ngữ chủ thể
1.4.2. Xác định chiều hướng, cụm từ, quan điểm
Trong phân tích quan điểm, xu hướng của những từ, cụm từ trực tiếp
thể hiện quan điểm, cảm xúc của người viết bài. Phương pháp chính để
nhận biết xu hướng quan điểm của những từ, cụm từ chỉ cảm nghĩ là dựa
trên thống kê hay dựa trên từ vựng
Môṭ số đăc̣ trưng trong dữ liệu văn bản thường được sử duṇg
trong khai thác quan điểm:
- Tần suất xuất hiêṇ (Term Presence vs. Frequency)
Trong phân mức độ thể hiện quan điểm (polarity classification) việc
sử duṇg các vector đăc̣ trưng nhi ̣phân là hiêụ quả hơn sử duṇg tần
xuất của các từ thể hiện quan điểm (Pang et al., 2002). Trong khi đó,
phân loaị văn bản dưạ trên chủ đề (topic) laị sử duṇg tần xuất xuất
hiêṇ của các từ khoá chắc chắn.
Nhưng trên thực tế, các từ xuất hiêṇ chỉ môṭ lần trong văn bản lại có
thể là từ chủ quan với đô ̣chính xác cao (Wiebe et al., 2004); Yang et al.,
Nguyễn Tiến Dũng CTL801 26
2006 xem các từ không đươc̣ liêṭ kê trong từ điển có trước có thể là từ mới
chủ quan dùng để nhấn mạnh trong các bình luận.
- Mô hiǹh ngôn ngữ: sử duṇg các n-grams
Vi ̣trí của từ có khả năng tác đôṇg quan troṇg đến cảm xúc hoăc̣ traṇg
thái chủ quan trong văn bản. Trong Kim and E. Hovy, 2006; Pang et al.,
2002, vi ̣trí của từ đươc̣ ma ̃hoá thành vector đăc̣ trưng và sử duṇg cho bài
toán phân tích quan điểm.
Thảo luận về việc sử dụng n-grams mức cao là hữu ích, Pang et al.,
2002 cho thấy uni-grams thưc̣ hiêṇ tốt hơn bigrams trong phân lớp các
quan điểm theo các...