Эта статья является препринтом и не была отрецензирована.
О результатах, изложенных в препринтах, не следует сообщать в СМИ как о проверенной информации.
Исследование подходов к аспектному анализу тональности текстов и существующих программных решений
2021-06-02
В данной статье рассмотрены основные подходы к аспектному анализу тональности текстов, выявлены их особенности. Рассмотрены существующие программные средства, применяющиеся при решении задачи выделения сущностей из текстов и определения их тональности.
Ссылка для цитирования:
Алиева А. В. 2021. Исследование подходов к аспектному анализу тональности текстов и существующих программных решений. PREPRINTS.RU. https://doi.org/10.24108/preprints-3112233
Список литературы
1. Rain C. “Sentiment Analysis in Amazon Reviews Using Probabilistic Machine Learning”, Swarthmore College, 2013
2. Wu J., Ji T. “Deep Learning for Amazon Food Review Sentiment Analysis,” 2015
3. Hu, M. Mining and Summarizing Customer Reviews / M. Hu, B. Liu // Proceedings of the 10th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. –– N.Y. : ACM, 2004. –– P. 168––177
4. Yu J. Aspect Ranking: Identifying Important Product Aspects from Online Consumer Reviews / J. Yu, M. Zha Z.-J. and Wang, T.-S. Chua // Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies. –– Stroudsburg : ACL, 2011. –– P. 1496––1505
5. Проноза, Е.В., Ягунова, Е.В. Аспектный анализ отзывов о ресторанах для рекомендательных систем е-туризма // Компьютерная лингвистика и вычислительные онтологии: сборник научных статей. Труды XVIII объединенной конференции «Интернет и современное общество» (IMS-2015). НИУ ИТМО, 2015. p. 130-141
6. Kobayashi N. Opinion Mining on the Web by Extracting Subject-Aspect-Evaluation Relations / N. Kobayashi [et al.] // Proceedings of AAAI Spring Symposium: Computational Approaches to Analyzing Weblogs. –– Menlo Park : AAAI Press, 2006. –– P. 86––91
7. He R., Lee W.S., Ng H.T., Dahlmeier D. An Interactive Multi-Task Learning Network for End-to-End Aspect Based Sentiment Analysis // Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics. Stroudsburg, ACL, 2019, pp. 504–515
8. Грибков Е.И., Ехлаков Ю. П. Нейросетевая модель на основе системы переходов для извлечения составных объектов и их атрибутов из текстов на естественном языке // Доклады ТУСУР. 2020. №1., стр.47-52
9. Meskele D., Frasincar F. ALDONA: a hybrid solution for sentence-level aspect-based sentiment analysis using a lexicalised domain ontology and a neural attention model // Proceedings of the 34th ACM/SIGAPP Symposium on Applied Computing, 2019
