Sentiment analysis is required in natural language processing (NLP) because it helps to identify the subjectivity of texts and their evaluative information. It is possible to classify texts according to their evaluation and obtain statistics about events, objects or people through this type of information. This work describes the creation of a corpus of reviews in Basque, a polarity dictionary and the study about the interaction between the dictionary and relational discourse structures.
El analisis de sentimientos esta siendo
tratado con interes en el procesamiento del
lenguaje natural por su utilidad. Hay varias
aproximaciones a esta area de investigacion y una
de ellas se basa en la informacion del
discurso. Como muestra del interes que genera
esta investigacion tenemos las tareas
compartidas que se organizan anualmente en
SEMEVAL
Esta investigacion se esta llevando a cabo con la ayuda de la beca predoctoral PRE 2016 2 0153 del Gobierno Vasco/Eusko Jaurlaritza y bajo la supervision de los directores Koldo Gojenola y Mikel Iruskieta. de los textos de opinion en euskera teniendo en cuenta la estructura del discurso de los textos.
La investigacion tiene dos objetivos: i) estudiar la relacion entre la estructura del discurso y el analisis de sentimientos y ii) hacer una aportacion a la comunidad cient ca con esta investigacion, ya que el euskera es una lengua aglutinante y muy rica morfologicamente y esto di ere de la mayor a de los trabajos que conocemos en este campo.
El grupo de investigacion IXA1, dentro del
proyecto IXA-CLARIN-K2, tiene varias
herramientas que son necesarias para este tipo
de analisis de sentimientos, como el
lematizador Eustagger (Alegria et al., 2002), y
tambien esta participando en proyectos que
tienen como objetivo analizar la estructura del
discurso como el Multilingual RST Treebank
Origen y trabajos relacionados
Como mencionan
Alrededor del an~o 2000 hubo una gran cantidad de publicaciones relacionadas con el analisis de sentimientos a causa de tres factores: i) el uso mas frecuente del aprendizaje automatico en el procesamiento del lenguaje natural, ii) la disponibilidad de datasets para el aprendizaje automatico a causa de la expansion del Internet y iii) el interes de crear aplicaciones con nes comerciales.
Por otra parte, el estudio de la in uencia
de la estructura del discurso en el analisis de
sentimientos empezo mas tarde.
Descripcion de la investigacion
El objetivo de esta investigacion es analizar
la in uencia de la estructura del discurso en
los textos de opinion. La estructura del
discurso es la estructura que forman todas las
relaciones de coherencia
Para ello hemos realizado y se realizaran
estas tareas como se puede observar en la
Figura (1): i) la creacion de un corpus con
textos de opinion en euskera, ii) la traduccion
y creacion de un diccionario de palabras con
orientacion semantica, iii) el etiquetado del
corpus usando Rhetorical Structure Theory
(RST)
Nuestra principal hipotesis es que la estructura del discurso y las relaciones de coherencia in uyen de una manera importante en el analisis de sentimientos. En lingu stica es conocido que no todas las partes de un texto tienen la misma importancia y tambien que las relaciones entre distintas unidades de discurso son diferentes. 5
Metodolog a y experimentos
propuestos
1. Corpus de opiniones en euskera. El
corpus presentado en
El corpus tiene 52.092 tokens y 3.711
oraciones y ha sido evaluado
comparando con el SFU Review Corpus
El euskera tiene menos recursos de PLN
comparado con otras lenguas y, con
el objetivo de crear un diccionario de
buena calidad, hemos optado por
traducir la version espan~ola del diccionario
de la herramienta SO-CAL
Categor a Nombres Adjectivos Adverbios Verbos Total
Mediante este diccionario con
orientacion semantica hemos podido asignar
valores a las palabras que aparecen en el
corpus, como se puede observar en el
Ejemplo (1).
(1) "Behi eroak( 3)"bilduman, ordea,
egileak aurrekoan izan zituen arazoak( 1)
konpondu(+3) ditu. Zoritxarrez( 4)
bilduma honek batzuetan xelebrekeria( 1)
merketik(+3) badu nahiko( 2).
(LIB34b EVA)
Castellano3: Pero, en la coleccion "Behi
eroak( 3)", el autor ha solucionado(+3)
los problemas( 1) que ten a
anteriormente. Desafortunadamente( 4), esta
coleccion tiene algunas veces bastante( 2) de
ocurrencia( 1) barata(+3).
3. Estructura del discurso. Hasta ahora
se ha observado que i) los resultados del
aprendizaje automatico se mejoran con
los datos de la estructura del discurso
Num. categor as 3 5 5
Caracter sticas lexicas lexicas discursivas Tabla 2: Resultados con la Regresion log stica (LR). Tabla 3: Resultados con la Optimizacion secuencial m nima (SMO).
Los resultados de las Tablas (2) y (3) demuestran que, con los modelos Regresion log stica (LR) y Optimizacion secuencial m nima (SMO) y utilizando las caracter sticas de la estructura del discurso se mejoran los resultados (pasando del 22,22 % al 88,88 % en el caso de la LR y al 77,77 % en el caso de la SMO).
Ademas en (Alkorta et al., en revision) se ha demostrado que i) la mayor concentracion de palabras con orientacion semantica se situa en los subconstituyentes centrales de los satelites Evaluacion, Interpretacion y Fondo (ver la Tabla (4)), ii) el subconstituyente central del satelite Evaluacion puede ayudar a mejorar los resultados de la orientacion semantica de textos (ver el Ejemplo (2)), iii) hay una tendencia hacia la orientacion positiva que es mayor a medida que el texto es mas largo (ver la Tabla (5)) y iv) hay necesidad de implementar la informacion sintactica para mejorar la orientacion semantica de textos, por ejemplo, la negacion (Ejemplo (3)). (2)
Kresaletik kalera. Alvaro Rabelli. 200310-14 (LIB34) El Ejemplo (1) forma parte de la cr tica literaria (Ejemplo (2)). Segun la herramienta basada en nuestro diccionario, LIB34 (Ejemplo (2)) tiene una orientacion positiva; ya que le asigna el valor +0,15, pero en realidad es una evaluacion negativa. El subconstituyente central del satelite Evaluacion (Ejemplo (1)) tiene asignado un valor negativo 0;2 ( 5/25= 0;24), por lo tanto, asignando un peso a esta relacion de discurso se podr a mejorar el analisis de sentimientos. Esta tecnica ayudar a en el 86,20 % de los textos.
RR Evaluacion Interpretacion Fondo Otros Total Tabla 4: Fuerza de la polaridad superior a +1 y 1) en los subconstituyentes centrales del corpus.
Textos Positivo Negativo Total Tabla 5: Tendencia a la polaridad positiva en los textos del corpus.
(3) (...) narrazioak ere ez du arretarik bereganatzen(+4) (...) (LIB18 EVA).
Castellano: (...) la narracion tambien no consigue llamar la atencion(+4) (...)
Este Ejemplo (3) es de orientacion positiva (+4) segun nuestro clasi cador, pero eso ocurre porque no tiene informacion sobre la negacion (ez \no"). 4. En el futuro. Se preve estudiar: i) si todos los textos de opinion tienen la misma estructura del discurso (y tambien, las mismas relaciones de coherencia), ii) si hay gran concentracion de palabras con orientacion semantica en otras estructuras de relacion, iii) profundizar en el estudio de relaciones de coherencia del estudio de (Alkorta et al., en revision): se propondra estudiar toda la relacion de 4La herramienta asigna la orientacion semantica dividiendo la suma de valores por la cantidad de palabras. coherencia y no solo el subconstituyente central, iii) resolver el problema de la tendencia positiva y iv) como asignar pesos diferentes a distintas estructuras del discurso. 6
El analisis de sentimientos es un tema de interes en el PLN y nuestra intencion en este simposio es discutir la metodolog a acerca de esta investigacion para poder orientarla despues. Algunos aspectos a profundizar son: 1- >Como podemos dar mas importancia a algunas partes de la estructura del discurso? 2- >Como se puede afrontar el problema de tendencia a la orientacion positiva?
Alegria, I., M. Aranzabe, A. Ezeiza, N. Ezeiza, y R. Urizar. 2002. Robustness and customisation in an analyser/lemmatiser for basque. En Proceedings of Workshop on \Customizing knowledge in NLP applications". Third International Conference on Language Resources and Evaluation. Alkorta, J., K. Gojenola, y M. Iruskieta. 2016a. Creating and evaluating a polarity - balanced corpus for basque sentiment analysis. En IWoDA16 Fourth International Workshop on Discourse Analysis. Santiago de Compostela , September 29 th - 30 th . Extended Abstracts. ISBN: 978 84 - 608 - 9305 - 9.