Clustering multilingual aspect phrases for sentiment analysis

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Pessutto, Lucas Rafael Costella
Orientador(a): Moreira, Viviane Pereira
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Linguística computacional
Aspectos Cognitivos
Palavras-chave em Inglês:
Aspect-based sentiment analysis
Multilingual aspect clustering
Unsupervised learning
Word embeddings
Link de acesso: http://hdl.handle.net/10183/189069
Resumo: A pesquisa em análise de sentimentos obteve um significante desenvolvimento nos últimos anos motivado pela crescente disponibilidade de comentários opinativos sobre produtos. Mais especificamente, tem havido um crescente interesse em análise de sentimentos baseada em aspectos, cujo objetivo principal consiste em extrair, agrupar e avaliar a opinião global em relação às características da entidade que está sendo avaliada. As técnicas existentes para extração de aspectos podem produzir uma quantidade excessiva de aspectos – muitos destes relacionados a uma mesma característica do produto. Este problema é agravado quando os comentários estão escritos em muitos idiomas. Este trabalho aborda a tarefa de agrupamento de aspectos multilíngues, que consiste em criar grupos de aspectos semanticamente relacionados, extraídos de comentários escritos em diversos idiomas. Este trabalho propõe uma técnica não supervisionada para esta tarefa. Ela baseia-se na informação contextual advinda dos aspectos, que é representada através de word embeddings. Esta representação aliada a uma medida de similaridade (Word Mover’s Distance) permitiu realizar o agrupamento de aspectos relacionados, utilizando o algoritmo k-means. A contribuição deste trabalho inclui as técnicas para resolver este problema juntamente com os testes realizados em comentários escritos em cinco idiomas. Os experimentos mostraram que a técnica não supervisionada de agrupamento alcança resultados que superam um baseline semi-supervisionado.
id URGS_3dc5c812a046bb5c06047a87f7bdd3bf
oai_identifier_str oai:www.lume.ufrgs.br:10183/189069
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Pessutto, Lucas Rafael CostellaMoreira, Viviane Pereira2019-03-01T02:27:59Z2019http://hdl.handle.net/10183/189069001086991A pesquisa em análise de sentimentos obteve um significante desenvolvimento nos últimos anos motivado pela crescente disponibilidade de comentários opinativos sobre produtos. Mais especificamente, tem havido um crescente interesse em análise de sentimentos baseada em aspectos, cujo objetivo principal consiste em extrair, agrupar e avaliar a opinião global em relação às características da entidade que está sendo avaliada. As técnicas existentes para extração de aspectos podem produzir uma quantidade excessiva de aspectos – muitos destes relacionados a uma mesma característica do produto. Este problema é agravado quando os comentários estão escritos em muitos idiomas. Este trabalho aborda a tarefa de agrupamento de aspectos multilíngues, que consiste em criar grupos de aspectos semanticamente relacionados, extraídos de comentários escritos em diversos idiomas. Este trabalho propõe uma técnica não supervisionada para esta tarefa. Ela baseia-se na informação contextual advinda dos aspectos, que é representada através de word embeddings. Esta representação aliada a uma medida de similaridade (Word Mover’s Distance) permitiu realizar o agrupamento de aspectos relacionados, utilizando o algoritmo k-means. A contribuição deste trabalho inclui as técnicas para resolver este problema juntamente com os testes realizados em comentários escritos em cinco idiomas. Os experimentos mostraram que a técnica não supervisionada de agrupamento alcança resultados que superam um baseline semi-supervisionado.The area of sentiment analysis has experienced significant developments in the last few years. More specifically, there has been growing interest in aspect-based sentiment analysis in which the goal is to extract, group, and rate the overall opinion about the features of the entity being evaluated. Techniques for aspect extraction can produce an undesirably large number of aspects – with many of those relating to the same product feature. This problem is aggravated when the reviews are written in many languages. We address the novel task of multilingual aspect clustering which aims at grouping together semantic related aspects extracted from reviews written in several languages. Our method is unsupervised. We rely on the contextual information of the aspects, whichwas represented through word embeddings in our approach. This representation allied with a good similarity measure (Word Mover’s Distance) allows us to cluster together related aspect phrases, using k-means algorithm. We contribute with a proposal of techniques to tackle this problem and test them on reviews written in five languages. Our experiments show that our unsupervised clustering technique achieves results that outperform a semi-supervised baseline.application/pdfengLinguística computacionalAspectos CognitivosAspect-based sentiment analysisMultilingual aspect clusteringUnsupervised learningWord embeddingsClustering multilingual aspect phrases for sentiment analysisAgrupamento de expressões de aspecto multilíngues em análise de sentimentos info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2019mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001086991.pdf.txt001086991.pdf.txtExtracted Texttext/plain146343http://www.lume.ufrgs.br/bitstream/10183/189069/2/001086991.pdf.txt54971dd48ad365dd969e7a2c0dd64c0dMD52ORIGINAL001086991.pdfTexto completo (inglês)application/pdf1519129http://www.lume.ufrgs.br/bitstream/10183/189069/1/001086991.pdf788c693d62b66fc4672813ba9a2880c9MD5110183/1890692019-03-02 02:30:59.439587oai:www.lume.ufrgs.br:10183/189069Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532019-03-02T05:30:59Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Clustering multilingual aspect phrases for sentiment analysis
dc.title.alternative.pt.fl_str_mv Agrupamento de expressões de aspecto multilíngues em análise de sentimentos
title Clustering multilingual aspect phrases for sentiment analysis
spellingShingle Clustering multilingual aspect phrases for sentiment analysis
Pessutto, Lucas Rafael Costella
Linguística computacional
Aspectos Cognitivos
Aspect-based sentiment analysis
Multilingual aspect clustering
Unsupervised learning
Word embeddings
title_short Clustering multilingual aspect phrases for sentiment analysis
title_full Clustering multilingual aspect phrases for sentiment analysis
title_fullStr Clustering multilingual aspect phrases for sentiment analysis
title_full_unstemmed Clustering multilingual aspect phrases for sentiment analysis
title_sort Clustering multilingual aspect phrases for sentiment analysis
author Pessutto, Lucas Rafael Costella
author_facet Pessutto, Lucas Rafael Costella
author_role author
dc.contributor.author.fl_str_mv Pessutto, Lucas Rafael Costella
dc.contributor.advisor1.fl_str_mv Moreira, Viviane Pereira
contributor_str_mv Moreira, Viviane Pereira
dc.subject.por.fl_str_mv Linguística computacional
Aspectos Cognitivos
topic Linguística computacional
Aspectos Cognitivos
Aspect-based sentiment analysis
Multilingual aspect clustering
Unsupervised learning
Word embeddings
dc.subject.eng.fl_str_mv Aspect-based sentiment analysis
Multilingual aspect clustering
Unsupervised learning
Word embeddings
description A pesquisa em análise de sentimentos obteve um significante desenvolvimento nos últimos anos motivado pela crescente disponibilidade de comentários opinativos sobre produtos. Mais especificamente, tem havido um crescente interesse em análise de sentimentos baseada em aspectos, cujo objetivo principal consiste em extrair, agrupar e avaliar a opinião global em relação às características da entidade que está sendo avaliada. As técnicas existentes para extração de aspectos podem produzir uma quantidade excessiva de aspectos – muitos destes relacionados a uma mesma característica do produto. Este problema é agravado quando os comentários estão escritos em muitos idiomas. Este trabalho aborda a tarefa de agrupamento de aspectos multilíngues, que consiste em criar grupos de aspectos semanticamente relacionados, extraídos de comentários escritos em diversos idiomas. Este trabalho propõe uma técnica não supervisionada para esta tarefa. Ela baseia-se na informação contextual advinda dos aspectos, que é representada através de word embeddings. Esta representação aliada a uma medida de similaridade (Word Mover’s Distance) permitiu realizar o agrupamento de aspectos relacionados, utilizando o algoritmo k-means. A contribuição deste trabalho inclui as técnicas para resolver este problema juntamente com os testes realizados em comentários escritos em cinco idiomas. Os experimentos mostraram que a técnica não supervisionada de agrupamento alcança resultados que superam um baseline semi-supervisionado.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-03-01T02:27:59Z
dc.date.issued.fl_str_mv 2019
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/189069
dc.identifier.nrb.pt_BR.fl_str_mv 001086991
url http://hdl.handle.net/10183/189069
identifier_str_mv 001086991
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/189069/2/001086991.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/189069/1/001086991.pdf
bitstream.checksum.fl_str_mv 54971dd48ad365dd969e7a2c0dd64c0d
788c693d62b66fc4672813ba9a2880c9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1831316062156619776

Registros relacionados