แนวคิดในการสร้างและการใช้ประโยชน์ของ Sentiment Corpus

Kanlaya Thong-iad, Ponrudee Netisopakul

Abstract


การแสดงความคิดเห็นรวมถึงอารมณ์ความรู้สึกในรูปแบบข้อความ ของผู้ใช้งานบนอินเตอร์เน็ตเกิดขึ้นตลอดเวลา ซึ่งหากข้อความมีจำนวนมากจนมนุษย์ไม่สามารถวิเคราะห์ได้ในเวลาอันจำกัด ก็จะไม่สามารถนำข้อความเหล่านั้นมาใช้ประโยชน์ได้ งานด้านการวิเคราะห์ความคิดเห็นและการวิเคราะห์อารมณ์จากข้อความจึงมีความสำคัญมาก ซึ่งการวิเคราะห์ดังกล่าวมีหลายแนวทาง แต่แนวทางที่ดีจะต้องประกอบด้วยทรัพยากรคำศัพท์ที่บ่งบอกขั้วความคิดเห็น บทความนี้จึงได้ทบทวนวรรณกรรรมเกี่ยวกับการสร้างเครื่องมือที่ช่วยในการวิเคราะห์ความรู้สึกจากข้อความแบบอัตโนมัติ โดยการรวบรวมคำศัพท์ที่ใช้ในการวิเคราะห์ข้อความ ที่เกี่ยวข้องกับอารมณ์ ความรู้สึกของมนุษย์ที่สร้างขึ้นโดยใช้เทคนิค AI และเว็บเชิงความหมาย และสร้างเป็นทรัพยากร ที่เรียกว่า SenticNet ซึ่งเป็นทรัพยากรที่ใช้ในการวิเคราะห์ความรู้สึกจากข้อความที่เปิดให้ใช้งานแบบสาธารณะ ผู้ที่ต้องการใช้งานสามารถดาวน์โหลดไปเชื่อมต่อกับโปรแกรมที่ใช้แยกคำจากข้อความที่เป็นภาษาธรรมชาติได้ โดย SenticNet จะแสดงค่าความรู้สึก ค่าขั้วอารมณ์ เพื่อบอกว่าข้อความเหล่านั้นให้ความรู้สึกเป็นอย่างไร

Full Text:

PDF

References


C. Havasi, J. Alonso and R. Speer, “ConceptNet 3: a flexible, multilingual semantic network for common sense knowledge,” in recent advances in natural language processing, Philadelphia, PA: John Benjamins, Sep. 2007, pp. 27-29.

B. W. Schuller, E. Cambria, R. Bajpai and S. Poria, “SenticNet 4: A Semantic Resource for Sentiment Analysis Based on Conceptual Primitives,” In COLING, Dec. 2016, pp. 2666-2677.

A. Hussain, C. Eckl, C. Havasi and E. Cambria, “AffectiveSpace: Blending common sense and affective knowledge to perform emotive reasoning,” WOMSA at CAEPIA, Seville, 2009, pp. 32-41.

A. Hussain, A. Livingstone and E. Cambria, “The hourglass of emotions. Cognitive behavioural systems,” 2012, pp. 144-157.

A. Bera, A. Massa, C. Gui, E. Cambria, L. Yap and P. Vij, (2017). SenticNet [Online]. Available: http://business.sentic.net

A. Hussain , C. Havasi , E. Cambria and R. Speer, “SenticNet: A Publicly Available Semantic Resource for Opinion Mining,” In AAAI fall symposium: commonsense knowledge, Vol. 10, No. 0, Nov. 2010, pp. 14-18.

A. Hussain , C. Havasi and E. Cambria, “SenticNet 2: A Semantic and Affective Resource for Opinion Mining and Sentiment Analysis,” In FLAIRS conference , May. 2012, pp. 202-207.

D. Olsher, D. Rajagopal and E. Cambria, “SenticNet 3: a common and common-sense knowledge base for cognition-driven sentiment analysis,” In Twenty-eighth AAAI conference on artificial intelligence, June. 2014, pp. 1515-1521.


Refbacks

  • There are currently no refbacks.