Resumen

La anotación manual de los léxicos de sentimientos cuesta demasiado trabajo y tiempo, y también es difícil obtener una cuantificación precisa de la intensidad emocional. Además, el excesivo énfasis en un campo específico ha limitado en gran medida la aplicabilidad de los léxicos de sentimientos de dominio (Wang et al., 2010). Este trabajo implementa el entrenamiento estadístico para corpus chinos a gran escala mediante un modelo lingüístico de red neuronal y propone un método automático de construcción de un léxico de sentimientos multidimensional basado en restricciones de desplazamiento de coordenadas. Para distinguir las polaridades del sentimiento de aquellas palabras que pueden expresar significados positivos o negativos en diferentes contextos, presentamos además un algoritmo de desambiguación del sentimiento para aumentar la flexibilidad de nuestro léxico. Por último, presentamos un marco de optimización global que proporciona una forma unificada de combinar varios recursos anotados por humanos para aprender nuestro léxico de sentimientos de 10 dimensiones SentiRuc. Los experimentos muestran el rendimiento superior del léxico SentiRuc en la prueba de etiquetado de categorías, la prueba de etiquetado de intensidad y las tareas de clasificación de sentimientos. Cabe destacar que, en la prueba de etiquetado de intensidad, SentiRuc supera al segundo clasificado en un 21%.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:tarea de clasificación de sentimientos, rendimiento de sentiruc, wang et al, modelo de lenguaje en red, aplicabilidad del dominio, léxico multidimensional de sentimientos, restricciones de coordenadas, prueba de etiquetas de intensidad, algoritmo de desambiguación de sentimientos, anotación de sentimientos
• Keywords:sentiment classification task, performance of sentiruc, wang et al, network language model, applicability of domain, multidimensional sentiment lexicon, constraints of coordinate, intensity label test, sentiment disambiguation algorithm, annotation of sentiment