Published January 1, 2021
| Version v1
Publication
Open
Implicit Sentiment Analysis with Event-centered Text Representation
- 1. Ministry of Education of the People's Republic of China
- 2. Southeast University
- 3. University of Warwick
- 4. The Alan Turing Institute
Description
Implicit sentiment analysis, aiming at detecting the sentiment of a sentence without sentiment words, has become an attractive research topic in recent years.In this paper, we focus on event-centric implicit sentiment analysis that utilizes the sentiment-aware event contained in a sentence to infer its sentiment polarity.Most existing methods in implicit sentiment analysis simply view noun phrases or entities in text as events or indirectly model events with sophisticated models.Since events often trigger sentiments in sentences, we argue that this task would benefit from explicit modeling of events and event representation learning.To this end, we represent an event as the combination of its event type and the event triplet .Based on such event representation, we further propose a novel model with hierarchical tensor-based composition mechanism to detect sentiment in text.In addition, we present a dataset 1 for event-centric implicit sentiment analysis where each sentence is labeled with the event representation described above.Experimental results on our constructed dataset and an existing benchmark dataset show the effectiveness of the proposed approach.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
أصبح تحليل المشاعر الضمني، الذي يهدف إلى الكشف عن مشاعر الجملة دون كلمات المشاعر، موضوعًا بحثيًا جذابًا في السنوات الأخيرة. في هذه الورقة، نركز على تحليل المشاعر الضمنية المتمحورة حول الحدث والذي يستخدم الحدث المدرك للمشاعر الوارد في الجملة لاستنتاج قطبية المشاعر. معظم الأساليب الحالية في تحليل المشاعر الضمنية تنظر ببساطة إلى العبارات الاسمية أو الكيانات في النص كأحداث أو أحداث نموذجية بشكل غير مباشر مع نماذج متطورة. نظرًا لأن الأحداث غالبًا ما تثير المشاعر في الجمل، فإننا نجادل بأن هذه المهمة ستستفيد من النمذجة الصريحة للأحداث وتعلم تمثيل الأحداث. تحقيقا لهذه الغاية، نمثل حدثًا كمزيج من نوع الحدث الخاص به والحدث الثلاثي. بناءً على هذا التمثيل للحدث، نقترح كذلك نموذجًا جديدًا مع آلية تكوين هرمية قائمة على الموتر للكشف عن المشاعر في النص. بالإضافة إلى ذلك، نقدم مجموعة بيانات 1 لتحليل المشاعر الضمنية المتمحورة حول الحدث حيث يتم تسمية كل جملة بالحدث الموصوف أعلاه. تجربة على النتائج التي تم بناؤها وإظهار مجموعة من المعايير الحالية للفعالية المقترحة.Translated Description (French)
L'analyse implicite du sentiment, visant à détecter le sentiment d'une phrase sans mots de sentiment, est devenue un sujet de recherche attrayant ces dernières années. Dans cet article, nous nous concentrons sur l'analyse implicite du sentiment centrée sur les événements qui utilise l'événement conscient du sentiment contenu dans une phrase pour en déduire la polarité du sentiment. La plupart des méthodes existantes dans l'analyse implicite du sentiment considèrent simplement les phrases nominales ou les entités dans le texte comme des événements ou indirectement des événements modèles avec des modèles sophistiqués. Étant donné que les événements déclenchent souvent des sentiments dans les phrases, nous soutenons que cette tâche bénéficierait d'une modélisation explicite des événements et de l'apprentissage de la représentation des événements. À cette fin, nous représentons un événement comme la combinaison de son type d'événement et du triplet d'événement. Basé sur une telle représentation d'événement, nous proposons en outre un nouveau modèle avec un mécanisme de composition hiérarchique basé sur les tenseurs pour détecter le sentiment dans le texte. En outre, nous présentons un ensemble de données 1 pour l'analyse implicite du sentiment centrée sur les événements où chaque phrase est étiquetée avec la représentation d'événement décrite ci-dessus. Les résultats expérimentaux sur notre ensemble de données construit et un ensemble de données de référence existant montrent l'efficacité de l'approche proposée.Translated Description (Spanish)
El análisis de sentimiento implícito, cuyo objetivo es detectar el sentimiento de una oración sin palabras de sentimiento, se ha convertido en un tema de investigación atractivo en los últimos años. En este documento, nos centramos en el análisis de sentimiento implícito centrado en el evento que utiliza el evento consciente del sentimiento contenido en una oración para inferir su polaridad de sentimiento. La mayoría de los métodos existentes en el análisis de sentimiento implícito simplemente ven frases o entidades nominales en el texto como eventos o modelan indirectamente eventos con modelos sofisticados. Dado que los eventos a menudo desencadenan sentimientos en las oraciones, argumentamos que esta tarea se beneficiaría del modelado explícito de eventos y el aprendizaje de representación de eventos. Con este fin, representamos un evento como la combinación de su tipo de evento y el triplete de eventos. Basándonos en dicha representación de eventos, proponemos además un modelo novedoso con un mecanismo de composición basado en tensor jerárquico para detectar el sentimiento en el texto. Además, presentamos un conjunto de datos 1 para el análisis de sentimiento implícito centrado en eventos donde cada oración está etiquetada con la representación de eventos descrita anteriormente. Los resultados experimentales en nuestro conjunto de datos construido y un conjunto de datos de referencia existente muestran la efectividad del enfoque propuesto.Files
2021.emnlp-main.551.pdf.pdf
Files
(714.2 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:0e108d74667fceec9d83c0b1d8d0eff4
|
714.2 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تحليل المشاعر الضمنية مع تمثيل نصي يركز على الحدث
- Translated title (French)
- Analyse implicite des sentiments avec représentation textuelle centrée sur les événements
- Translated title (Spanish)
- Análisis de sentimientos implícitos con representación de texto centrada en eventos
Identifiers
- Other
- https://openalex.org/W3213193683
- DOI
- 10.18653/v1/2021.emnlp-main.551
References
- https://openalex.org/W1743243001
- https://openalex.org/W2097480711
- https://openalex.org/W2108646579
- https://openalex.org/W2115792525
- https://openalex.org/W2127426251
- https://openalex.org/W2131774270
- https://openalex.org/W2165379166
- https://openalex.org/W2185615741
- https://openalex.org/W2250539671
- https://openalex.org/W2250879510
- https://openalex.org/W2251292973
- https://openalex.org/W2251739304
- https://openalex.org/W2530157984
- https://openalex.org/W2740765036
- https://openalex.org/W2768372742
- https://openalex.org/W2789170002
- https://openalex.org/W2803227717
- https://openalex.org/W2916132663
- https://openalex.org/W2963341956
- https://openalex.org/W2963403868
- https://openalex.org/W2963428430
- https://openalex.org/W2964121744
- https://openalex.org/W2970402837
- https://openalex.org/W2994199588
- https://openalex.org/W3008019394
- https://openalex.org/W3035048090
- https://openalex.org/W3105748297
- https://openalex.org/W3114683633
- https://openalex.org/W50950926