Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Building a Large-Scale Knowledge Graph for Elementary Education in China Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Aspect-Level Sentiment Analysis of Online Product Reviews Based on Multi-features

verfasst von : Binhui Wang, Ruiqi Wang, Shujun Liu, Yanyu Chai, Shusong Xing

Erschienen in: Semantic Technology

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Aspect-level sentiment analysis aims to identify the sentiment polarity of fine-grained opinion targets. Existing methods are usually performed on structured standard datasets. We propose a model for a specific dataset which has a complex structure. First, we utilize some matching rules to extract implicit aspects, then we use the extracted aspect words to segment the corpus into samples. Finally, we propose a set of methods to construct data-based features, and try to fuse multi-features for classifier training. Experiments show that the method integrated three features has the highest F1 score, and the sentiment analysis results are more accurate.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel RQE: Rule-Driven Query Expansion to Solve Empty Answers in SPARQL
Nächstes Kapitel A Seq2seq-Based Approach to Question Answering over Knowledge Bases
Literatur
1.
Wang, W., Pan, S.J., Dahlmeier, D., Xiao, X.: Coupled multi-layer attentions for co-extraction of aspect and opinion terms. In: AAAI, pp. 3316–3322 (2017)
2.
He, R., Lee, W.S., Ng, H.T., Dahlmeier, D: An unsupervised neural attention model for aspect extraction. In: Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Long Papers), vol. 1, pp. 388–397 (2017)
3.
Hu, X., Bing, L., Lei, S., et al.: Double embeddings and CNN-based sequence labeling for aspect extraction (2018)
4.
Ma, D., Li, S., Zhang, X., Wang, H.: Interactive attention networks for aspect-level sentiment classification. In: Proceedings of IJCAI, pp. 4068–4074 (2017)
5.
Fan, F., Feng, Y., Zhao, D.: Multi-grained attention network for aspect-level sentiment classification. In: Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing, pp. 3433–3442 (2018)
6.
Li, L., Liu, Y., Zhou, A.Q.: Hierarchical attention based position-aware network for aspect-level sentiment analysis. In Proceedings of the 22nd Conference on Computational Natural Language Learning, pp. 181–189 (2018)
7.
Taboada, M., Brooke, J., Tofiloski, M., et al.: Lexicon-based methods for sentiment analysis. Comput. Linguist. 37(2), 267–307 (2011)CrossRef
8.
Pu, X., Wu, G., Yuan, C.: Exploring overall opinions for document level sentiment classification with structural SVM. Multimed. Syst. 25, 21–33 (2017)CrossRef
Metadaten
Titel
Aspect-Level Sentiment Analysis of Online Product Reviews Based on Multi-features
verfasst von
Binhui Wang
Ruiqi Wang
Shujun Liu
Yanyu Chai
Shusong Xing
Copyright-Jahr
2020
Verlag
Springer Singapore
Buch
Semantic Technology

Print ISBN: 978-981-15-3411-9

Electronic ISBN: 978-981-15-3412-6

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-981-15-3412-6_16

Neuer Inhalt

    Bildnachweise