SENTİMENT ANALİZ: PROBLEMLƏRİ VƏ HƏLLİ YOLLARI - İnformasiya Texnologiyaları Problemləri

SENTİMENT ANALİZ: PROBLEMLƏRİ VƏ HƏLLİ YOLLARI - İnformasiya Texnologiyaları Problemləri

SENTİMENT ANALİZ: PROBLEMLƏRİ VƏ HƏLLİ YOLLARI - İnformasiya Texnologiyaları Problemləri

SENTİMENT ANALİZ: PROBLEMLƏRİ VƏ HƏLLİ YOLLARI - İnformasiya Texnologiyaları Problemləri

SENTİMENT ANALİZ: PROBLEMLƏRİ VƏ HƏLLİ YOLLARI - İnformasiya Texnologiyaları Problemləri
SENTİMENT ANALİZ: PROBLEMLƏRİ VƏ HƏLLİ YOLLARI - İnformasiya Texnologiyaları Problemləri
AZƏRBAYCAN MİLLİ ELMLƏR AKADEMİYASI

№2, 2020

SENTİMENT ANALİZ: PROBLEMLƏRİ VƏ HƏLLİ YOLLARI

Hacırəhimova Məkrufə Ş, İsmayılova Mərziyə İ.

Sentiment analiz və ya rəylərin intellektual analizi məhsullar, xidmətlər, təşkilatlar, fərdlər, problemlər, hadisələr, mövzular və onların xüsusiyyətləri kimi obyektləri araşdıran insanların fikirlərini, hisslərini, duyğularını, qiymətləndirmələrini və münasibətlərini təhlil edən tədqiqat sahəsidir., Sentiment analizin inkişafi sosial şəbəkələrdə, forumlarda, bloqlarda, mikrobloqlarda aparilan geniş müzakirələr və s. generasiya edilən böyük həcmdə rəqəmsal verilənlərin yaranmasi ilə bağlidir. Son illər sentiment analiz təbii dilin emalı, verilənlərin intellektual analizi, mətnlərin analizi və informasiya axtarışı kimi sahələrdə geniş tədqiqat obyektinə çevrilmişdir. O, bütövlükdə cəmiyyətin bütün sahələrində, o cümlədən marketinq, maliyyə, politologiya, sosial elmlər, tibb elmləri və s. geniş yayılmışdır. Bu populyarlıq rəylərin praktiki olaraq insan fəaliyyətinin bütün istiqamətlərində həlledici əhəmiyyətə malik olması və insanların davranışlarına təsir edən əsas faktor olması ilə bağlıdır. Sosial şəbəkələr, bloqlar, forumlar və digər rəy mənbələrində yayımlanan yüz minlərlə fikir mətnlərinin adi üsullarla analiz oluna bilməməsi kompüter linqvistikası, sentiment analiz və ya rəylərin, fikirlərin çıxarılması sistemlərinin istifadəsini zəruri etmişdir. Məqalədə sentiment analizin tarixi və terminoloji aspektlərinə baxılmış, informasiya mənbələri, tətbiq sahələri haqqında məlumat verilmişdir. İşdə, həmçinin sentiment analizin əsas məsələləri və səviyyələri tədqiq olunmuşdur. Mövcud problemlər və həll yolları təhlil edilmişdir (səh.111-123).

Açar sözlər: sentiment analiz, opinion mining, sentiment klassifikasiya, sentiment analizin səviyyələri, maşın təlimi.
DOI : 10.25045/jpit.v11.i2.11
Ədəbiyyat
  • B. Sentiment analysis and opinion mining. Morgan & Claypool Publishers, 2012, p.168.
  • Kumar A., Sebastian T.M. Sentiment Analysis: A Perspective on its Past, Present and Future // International Journal of Intelligent Systems and Applications, 2012, vol.4, no.10, pp.1–14.
  • Nasukawa T., Yi J. Sentiment analysis: Capturing favorability using natural language processing / Proc. of the 2nd International Conference on Knowledge Capture, 2003, pp.70–77.
  • Dave K., Lawrence S., Pennock D.M. Mining the peanut gallery: Opinion extraction and semantic classification of product reviews / Proc. of the 12th international conference on World Wide Web, 2003, pp.519–528.
  • Medhat W., Hassan A., Korashy H. Sentiment analysis algorithms and applications: A survey // Ain Shams Engineering Journal, 2014, vol.5, no.4, pp.1093–1113.
  • Padmaja S., Fatima S. Opinion Mining and Sentiment Analysis –An Assessment of Peoples’ Belief: A Survey // International Journal of Ad hoc, Sensor & Ubiquitous Computing, 2013, vol.4, no.1, pp.21–33.
  • Mäntylä V., Graziotin D., Kuutila M. The Evolution of Sentiment Analysis - A Review of Research Topics, and Top Cited Papers // Computer Science Review, 2018, vol.27, pp.16–32.
  • Vinodhini G., Chandrasekaran RM. Sentiment Analysis and Opinion Mining: A Survey // International Journal of Advanced Research in Computer Science and Software Engineering, 2012, vol.2, no.6, pp.282–293.
  • Tang H., Tan S., Cheng X. A survey on sentiment detection of reviews // International Journal Expert Systems with Applications,2009, vol.36, no.7, pp.10760–10773.
  • Chau, Xu C. Mining communities and their relationships in blogs: A study of online hate groups // İnternational Journal Human-Computer Studies, 2007, vol.65, no.1, pp.57–70.
  • Mishne G., Glance N. Predicting movie sales from blogger sentiment / AAAI Symposium on Computational Approaches to Analyzing Weblogs (AAAI-CAAW), 2006, pp.155–158.
  • Liu Y., Huang J., An A., Yu X. ARSA: A sentiment-aware model for predicting sales performance using blogs / Proc. of the 30th Annual International ACM Conference on Research and Development in Information Retrieval, 2007, pp.607–614.
  • Melville P., Gryc W., Lawrence R.D. Sentiment analysis of blogs by combining lexical knowledge with text classification / Proc. of the 15th ACM SIGKDD International conference on Knowledge discovery and data mining, 2009, pp.1275–1284.
  • Arya P., Bhagat A. Deep Survey on Sentiment Analysis and Opinion Mining on Social Networking Sites and E-Commerce Website // International Journalof Engineering Science and Computing, 2017, vol.7, no.3, pp.4796–4810.
  • Hatzivassiloglou V., Wiebe J. Effects of adjective orientation and gradability on sentence subjectivity / Proc. of the International Conference on Computational Linguistics COLING), 2000, vol.1 pp.299–305.
  • Riloff E., Wiebe J. Learning extraction patterns for subjective expressions / Proc. of the Conference on Empirical Methods in Natural Language Processing, 2003, pp.105–112.
  • Pang B., Lee L., Vaithyanathan S. Thumbs up? Sentiment classification using machine learning techniques / Proc. of the Conference on Empirical Methods in Natural Language Processing, 2002, pp.79–86.
  • Pang B., Lee L. Seeing stars: Exploiting class relationships for sentiment categorization with respect to rating scales / Proc. of the Association for Computational Linguistics, 2005, pp. 115–124.
  • Yu H., Hatzivassiloglou V. Towards answering opinion questions: Separating facts from opinions and identifying the polarity of opinion sentences / Proc. of the Conference on Empirical Methods in Natural Language Processing, 2003, pp.129–136.
  • Turney P. Thumbs up or thumbs down? Semantic orientation applied to unsupervised classification of reviews / Proc. of the Association for Computational Linguistics, 2005, pp. 417–424.
  • Liu B., Hu M., Cheng J. Opinion observer: Analyzing and comparing opinions on the web / Proc. of the 14th İnternational world wide web conference, 2005. ACM Press, pp.10–14.
  • Wilson T., Wiebe J., Hoffmann P. Recognizing contextual polarity in phrase-level sentiment analysis / Proc. of the Conference on Human Language Technology and Empirical Methods in Natural Language Processing, 2005, pp.347–354.
  • Esuli A., Sebastiani F. Determining the semantic orientation of terms through gloss classification / Proc. of the 14th ACM İnternational Conference on İnformation and Knowledge Management, 2005, pp.617–624.
  • Aue A., Gamon M. Customizing sentiment classifiers to new domains: A case study / Proc.of the İnternational Conference on Recent Advances in Natural Language Processing, 2005.
  • Kim S., Hovy E. Determining the sentiment of opinions / Proc. of the 20th International Conference on Computational Linguistics, 2004, pp.1367–1373.
  • Kamps J., Marx M., Mokken R.J., de Rijke M. Using WordNet to measure semantic orientation of adjectives / Proc. of the 4th International Conference on Language Resources and Evaluation, 2004, pp.1115–1118.
  • Guang Q., Xiaofei H., Feng Z., Yuan Sh., Jiajun B., ChunC. DASA: dissatisfaction-oriented advertising based onsentiment analysis // Expert System with Applications, 2010, vol.37, pp. 6182–6191.
  • Hatzivassiloglou V., McKeown K. Predicting the semantic orientation of adjectives / Proc. of the Joint ACL/EACL Conference, 2004, pp.174–181.
  • Yi J., Nasukawa T., Niblack W., Bunescu R. Sentiment analyzer: extracting sentiments about a given topic using natural language processing techniques / Proc. of the 3rd IEEE international conference on data mining (ICDM 2003), pp.427–434.
  • Hu M., Liu B. Mining opinion features in customer reviews / Proc. of AAAI, 2004, pp.755–760.
  • Popescu A-M., Etzioni O. Extracting product features and opinions from reviews / Proc. of the Conferenceon Human Language Technology and Empirical Methods in Natural Language Processing, 2005, pp.339–346.
  • Wang X, Jiang W, Luo Z. Combination of convolutional and recurrent neural network for sentiment analysis of short texts / Proc. of the International Conference on Computational Linguistics, 2016, pp.2428–2437.
  • Santos C. N., Gatti M. Deep convolutional neural networks for sentiment analysis for short texts / Proc. of the International Conference on Computational Linguistics, 2014, pp.69–78.
  • Dou Z.Y. Capturing user and product Information for document level sentiment analysis with deep memory network / Proc. of the Conference on Empirical Methods on Natural Language Processing, 2017, pp.521–526.
  • Moraes R., Valiati J.F., Neto W.P. Document-level sentiment classification: an empirical comparison between SVM and ANN // Expert Systems with Applications,2013, vol.40, no.2, pp.621–633.
  • Tang D., Qin B., Liu T. Document modelling with gated recurrent neural network for sentiment classification / Proc. of the Conference on Empirical Methods in Natural Language Processing, 2015, pp.1422–1432.
  • Xu J., Chen D., Qiu X., and Huang X. Cached long short-term memory neural networks for document-level sentiment classification / Proc. of the Conference on Empirical Methods in Natural Language Processing, 2016, pp.1660–1669.
  • Kaji N.,Kitsuregawa M. Building lexicon for sentiment analysis from massive collection of html documents / Proc. of the Conference on Empirical Methods in Natural Language Processing, 2007.
  • Wilson T., Wiebe J., Hoffmann P. Recognizing contextual polarity: an exploration of features for phrase-level sentiment analysis // Computational Linguistics, 2009, vol.35 no.3, pp.399–
  • O’Connor B., Balasubramanyan R., Routledge B.R., Smith N.A. From Tweets to Polls: Linking Text Sentiment to Public Opinion Time Series / Proc. Oft he 4th International Conference on Weblogs and Social Media, 2010, pp.122–129.
  • Thomas M., Pang B., Lee L. Get out the vote: Determining support or opposition from Congressional floor-debate transcripts / Proc. of the Conference on Empirical Methods in Natural Language Processing, 2006, pp.327–335.
  • Mullen T., Malouf R. Taking sides: User classification for informal online political discourse // Internet Research, 2008, vol.18, no.2, pp.177–190.
  • Taboada M., Gillies M.A., McFetridge P. Sentiment classification techniques for tracking literary reputation / In LREC Workshop: Towards Computational Models of Literary Analysis, 2006, pp.36–43.
  • Kumar A., Ahmad N. ComEx Miner: Expert Mining in Virtual Communities // International Journal of Advanced Computer Science and Applications, 2012, vol.3, no.6.
  • Seki Y., Eguchi K., Kando N., Aono M. Multi-document summarization with subjectivity analysis / Proc. of the Document Understanding Conference, 2005.
  • Spertus E. Smokey: Automatic recognition of hostile message / Proceedings of Innovative Applications of Artificial Intelligence Conference (IAAI), 1997, pp.1058–1065.
  • Denecke K. Using SentiWordNet for Multilingual Sentiment Analysis / Proc. of the IEEE 24th International Conference on Data Engineering Workshop, 2008, IEEE Press, pp.507–512.