تاثير الگوريتم ابهام زدايي معنايي كلمه در دسته بندي سنجمان

The impact of Word Sense Disambiguation algorithm on sentiment classification

يكي از پركاربردترين حوزه هاي نظركاوي، دسته بندي سنجمان است؛ كه هدف از آن تعيين مثبت، منفي يا خنثي بودن نظرات مي باشد. روش هاي بسياري براي دسته بندي سنجمان ارائه شده است؛ اما اغلب اين روش ها مبتني بر لغت نامه بوده و توانايي تعيين سنجمان كلمه را براساس متني كه آن كلمه در آن بكار رفته است، ندارند. براي حل اين مشكل و تشخيص مرتبط ترين حس (معني) به هر كلمه (با توجه به جمله اي كه آن كلمه در آن بكار رفته است)، استفاده از ابهام زدايي معنايي كلمه بسيار مفيد مي باشد. در اين مقاله ضمن بررسي ساير روش هاي دسته بندي سنجمان، به مطالعه روشي پرداخته مي شود كه در آن قطبيت سنجمان كلمات با استفاده از الگوريتم ابهام زدايي معنايي كلمه تعيين مي شود. به منظور بررسي و ارزيابي تكنيك ابهام زدايي معنايي كلمه براي دسته بندي سنجمان، اين روش با روش ديگري كه از دو لغت نامه ي MPQA و SentiWordNet استفاده مي كند، مقايسه شده است. نتايج مقايسه نشان مي دهد كه استفاده از ابهام زدايي معنايي كلمه براي دسته بندي سنجمان، مؤثر است.

Sentiment classification is the most active field in opinion mining that aims to determine whether an opinionated text expresses a positive, negative or neutral opinion. Existing lexicon based sentiment classification methods are unable to deal with context or domain-specific words. To solve this problem, Word Sense Disambiguation (WSD) is useful to identify the most related meaning (sense) of a word in a sentence. In this paper, after studying the other sentiment classification methods, a method discussed that determine the sentiment polarity of words using WSD algorithm. To evaluate the impact of WSD on sentiment classification, this method compared against a baseline method using two subjectivity lexicons, namely the MPQA and SentiWordNet. Experimental results show that the WSD is effective for sentiment classification.