l’approccio lessico-grammaticale per la sentiment analysis ... · sentiment analysis task...

L’Approccio Lessico-Grammaticale per la Sentiment Analysis

L’Approccio Lessico-Grammaticale

Il metodo e la pratica di descrizione formale delle lingue

sviluppati da Maurice Gross a partire dalla seconda metà degli anni

Sessanta.

L’unità d’analisi non è la parola, ma la frase semplice, composta da

un verbo o da un altro operatore e da tutti i complementi di verbo

selezionati in base alla valenza dell’operatore stesso

Il lessico è considerato portatore di informazioni di tipo sintattico

e distribuzionale.

Background Teorico

Trattamento automatico di opinioni e sentimenti espressi all’interno di testi non strutturati

Cos’è la Sentiment Analiysis?

Alcune sfide nella ricerca sulla SA sono:

Sentiment and Subjectivity Classification Sentence-level Classification

Document –level Classification

Domain-specific Classification

Contextual Valence Shifting Intensificazione e Downtoning

Comparative Sentences Mining

Negation Modeling

Sentiment Analysis of Comparative Sentences

Sentiment Analysis of Interrogative Sentences

Feature-based Sentiment Analysis

oj

fjk

ooijkl

hi

tl

Cos’è un’opinione?

oj è l’oggetto sul quale viene espressa l’opinione

fjk rappresenta le caratteristiche (features) dell’oggetto

ooijkl è l’orientamento (positivo o negativo) dell’opinione

hi è opinion holder, colui che esprime l’opinione

tl rappresenta il tempo in cui l’opinione viene espressa

oj

fjk

ooijkl

hi

tl

Cos’è un’opinione?

oj è l’oggetto sul quale viene espressa l’opinione

fjk rappresenta le caratteristiche (features) dell’oggetto

ooijkl è l’orientamento (positivo o negativo) dell’opinione

hi è opinion holder, colui che esprime l’opinione

tl rappresenta il tempo in cui l’opinione viene espressa

Lessico dei Sentimenti

Sentiment Polarity Classification

Lessico dei Sentimenti

Categoria

Grammaticale Entrate Esempio

Aggettivi 5.383 allegro

Avverbi 3.626 tristemente

Avverbi composti 793 a gonfie vele

Frasi idiomatiche 552 essere in difetto

Nomi 3.122 eccellenza

Verbi psicologici 635 N0 amare N1

Altri verbi LG 879 N0 prendersla Prep N1

Parolacce 189 leccaculo

Totale 15.179 -

Sentiment Polarity Classification

Lessico dei Sentimenti

Aggettivo Tag Punteggio

Eva

lua

tio

n s

cale

meraviglioso +POS+FORTE +3

divertente +POS +2

accettabile +POS+DEB +1

insapore +NEG+DEB -1

cafone +NEG -2

disastroso +NEG+FORTE -3

Aggettivo Tag Punteggio S

tre

ng

ht

sca

le

straripante +FORTE +1

episodico +DEB -1

Classificazione Sentiment Polarity Classification

Sentiment Polarity Classification

Task

Cassificazione di opinionated documents a seconda che esprimano opinioni positive, negative o neutrali rispetto ad un oggetto.

Il documento nella sua interezza è considerato come unità informativa di base, sulla quale viene calcolato l’Orientamento Semantico (OS).

Metodo

Approccio basato sul lessico e sull’idea che l’OS di un testo sia strettamente dipendente da quello delle singole parole e delle sequenze di parole occorrenti in esso.

La Prior Polarity rappresenta l’OS delle parole fuori dal contesto.

Classificazione

Sentence-level analisys

Criticità: contesto locale (sintagma, frase nucleare)

Document-level analisys

Criticità: contesto testuale, discourse markers, interazione tra diversi orientamenti semantici

Domain-specic analysis

Criticità: orientamento del lessico che varia a seconda del dominio

Sentiment Polarity

Classification

Research Challanges

Classificazione

Carini gli attori, la fotografia, i dialoghi, ma il film nel complesso è noiosissimo.

+1 +1 +1 -3

È stato orribile, spaventoso, sono ancora scioccato!

Film horror

+3

Hotel -3

carino davvero carino non proprio carino più carino del tuo

+1 +2 -1

+1?

Contesto Contextual Valence Shifters

Sentiment Polarity Classification

Contesto

Capovolgimento +2 → -2 La Citroen non[Negative_Operator] produce auto valide[A+POS]

Slittamento +3 → -1 Grafica non[Negative_Operator] proprio spettacolare[A+POS+FORTE]

Negazione e Intensificazione +2 → +3

+3 → -1

Personale alla reception non[Negative_Operator] sempre[AVV+FORTE] gentile[A+POS].

Sentiment Polarity Classification

Contesto

Frasi idiomatiche Comparative N0 Agg come C1

+2 → +3 Mary è bella[A+POS] come il sole.

Comparativo di Minoranza e Maggioranza

0 → +2 L'S3 è complessivamente superiore all'Iphone5

Comparativo Assoluto

+2 → +3 Il suo motore era anche il più brioso[A+POS]

0 → -3 Un film peggiore di qualsiasi telefilm.

Contextual Valence Shifters Esempio CVS

Indicatori Polarizzati

Parole Negative Parole

Neutrali Parole Positive

osceno cafone distratto biondo carino buono prodigioso

PRIOR POLARITY -3 -2 -1 0 +1 +2 +3

INTENSIFICAZIONE parecchio

DOWNTONING leggermente

NEGAZIONE non

Il protagonista del film

osceno cafone distratto colorato carino buono prodigioso

-3 -2 -1 0 +1 +2 +3

Contextual Valence Shifters Esempio CVS

Indicatori Polarizzati

Parole Negative Parole

Neutrali Parole Positive

osceno cafone distratto biondo carino buono prodigioso

PRIOR POLARITY -3 -2 -1 0 +1 +2 +3

INTENSIFICAZIONE parecchio

DOWNTONING leggermente

NEGAZIONE non

Il protagonista del film è parecchio è leggermente non è

osceno cafone distratto colorato carino buono prodigioso

Intensification vs

Downtoning

Task

Localizzazione degli elementi lessicali e sintattici in grado di alterare l’intensità delle espressioni orientate semanticamente.

In letteratura tale funzione viene attribuita ad alcuni aggettivi e avverbi.

Metodo

Approccio differenziato su diversi livelli:

Livello morfologico: Suffissi per il superlativo assoluto

(-issimo, -errimo); Prefissi per l’intensificazione (-

super, stra-) e il downtoning (-micro, -semi);

Livello sintattico: Ripetizione di parole

positive/negative (bello bello bello; orribile, tremendo);

Co-occorrenza di parole intensive e parole polarizzate (molto carino)

Contesto

Intensification vs

Downtoning

Research Challanges

Modificatori aggettivali e avverbiali: AVVmod-A: Parzialmente[-] deludente[-2] anche il reparto degli attori [-1]

AVVmod-AVV: Ne sono rimasta molto[+] favorevolmente[+2] colpita [+3]

Amod-N: Ciò che ne deriva è una terribile[-2] confusione[-2] narrativa [-3]

AVVmod-V: Alla guida ci si diverte[+2] molto[+] [+3]

Verbi intensificatori/downtoners: Maria strilla[+] il suo risentimento[-2] [-3]

Maria accenna[-] al suo risentimento[-2] [-1]

Il cuore di Maria si gonfia[+] di risentimento[-2] [-3]

Il risentimento[-2] di Maria si placa[-] [-1]

Nomi intensificatori/downtoners: La sfrenatezza[+] dell’odio[-3] di Maria [-3]

Luca difendeva[+2] Maria con fervore[+] [+3]

Contesto

Intensification vs

Downtoning

Research Challanges

Excess Quantifiers

Contesto

Comparative Sentence Mining

Task

Individuazione automatica di:

delle entità messe in gioco nelle frasi comparative

delle opinioni espresse in merito a tali entità

delle preferenze espresse, riguardanti:

una delle entità

proprietà di una delle entità

Metodo

Classificazione della frase comparativa in:

Comparativo assoluto,

Comparativo relativo

Comparativo di maggioranza

Comparativo di minoranza

Comparativo di uguaglianza

Classificazione dell’opinione in: Opinione Negativa

Opinione Positiva

Classificazione dell’intensità dell’opinione in

Intensità Forte

Intensità Debole

Contesto

Regole

Contesto

Comparativo di maggioranza + parole positive + (intensificatori)

Comparativo di minoranza + parole positive + (intensificatori)

Comparative Sentence

Mining

Research Challanges

Regole

Contesto

Comparativo di minoranza + parole negative + (intensificatori)

Comparativo di maggioranza + parole negative + (intensificatori)

Comparative Sentence

Mining

Research Challanges

Regole

Contesto

Comparative Sentence

Mining

Research Challanges

Comparativo di minoranza + parole positive + (intensificatori) + negazione

Comparativo di minoranza + parole positive + (intensificatori) + negazione

Comparative Sentence

Mining

Regole

Contesto

Research Challanges

Comparativo di minoranza + parole negative + (intensificatori) + negazione

Comparativo di maggioranza + parole positive + (intensificatori) + negazione

Negation Modeling

Task

Individuazione automatica delle espressioni di negazione e calcolo dell’orientamento semantico risultante.

Il Negation Scope rappresenta la porzione di significato modificato dalla negazione.

Metodo

Approccio differenziato su diversi livelli:

Livello morfologico: Prefissi di negazione (non-

, a-, de-, contro/a-, ecc… );

Livello lessicale e sintattico Co-occorrenza di operatori

di negazione e parole polarizzate

Contesto

Negation Modeling

Indicatori

Prefissi di negazione non-, a-, de-, contro/a-, ecc… ;

Avverbi di negazione no, non, mica, affatto, ecc… In nessun modo, per nulla al mondo, neanche per sogno, ecc…

Quantificatori A: Nessun servizio nelle stanze [-2] AVV: Costa quasi niente [+1] PRON: Non gliene frega niente a nessuno [-3]

Lexical Negation Nomi, aggettivi e verbi legati all’assenza di qualità o proprietà

(mancanza, assenza, carente, privo, ecc…)

Contesto

Co-occorrenza tra: • Negation Operator • Sentiment Word

Co-occorrenza tra: • 2 Negation Operators • Sentiment Word

Regole

Contesto

Negation Modeling

Research Challanges

Co-occorrenza tra: • Strong Negation Operator • Sentiment Word

Co-occorrenza tra: • Weak Negation Operator • Sentiment Word

Negation Modeling

Research Challanges

Regole

Contesto

Sentiment Analysis of Interrogative Sentences

Metodo

Classificazione delle frasi interrogative

Interrogative dirette Interrogative indirette Interrogative totali Interrogative parziali

Interazione tra altri contextual valence shifters e frase interrogativa

Individuazione di diversi livelli di sicurezza del giudizio

Task

Analisi della co-occorrenza tra indicatori di frase interrogativa e parole polarizzate

In che modo la presenza di una frase interrogaziva altera l’Orientamento Semantico di una parola o di una frase?

Contesto

Interrogative Sentences

Research Challanges

Sicurezza del giudizio

É carino? FRASI DICHIARATIVE Punteggio

Alta Molto alta Alta Molto alta Media

Si Si No No Forse si

X è carino X è davvero carino X non è carino X non è proprio carino X è più carino di Y

+1 +2 -2 -1 +1 (X)

Sicurezza del giudizio

É carino? FRASI INTERROGATIVE Punteggio

Nulla Bassa Media Alta bassa

Forse Forse Si Si Forse

X è carino? X è davvero carino? X non è carino? X non è proprio carino? X è più carino del tuo?

0 +1? +1 +2 0

Contesto

Interrogative Sentences

Research Challanges

Sicurezza del giudizio

É carino? FRASI DICHIARATIVE Punteggio

Alta Molto alta Alta Molto alta Media

Si Si No No Forse si

X è carino X è davvero carino X non è carino X non è proprio carino X è più carino di Y

+1 +2 -2 -1 +1 (X)

Sicurezza del giudizio

É carino? FRASI INTERROGATIVE Punteggio

Nulla Bassa Media Alta bassa

Forse Forse Si Si Forse

X è carino? X è davvero carino? X non è carino? X non è proprio carino? X è più carino del tuo?

0 +1? +1 +2 0

Contesto

Abbassamento generale della sicurezza del giudizio

Interrogative Sentences

Research Challanges

Sicurezza del giudizio

É carino? FRASI DICHIARATIVE Punteggio

Alta Molto alta Alta Molto alta Media

Si Si No No Forse si

X è carino X è davvero carino X non è carino X non è proprio carino X è più carino di Y

+1 +2 -2 -1 +1 (X)

Sicurezza del giudizio

É carino? FRASI INTERROGATIVE Punteggio

Nulla Bassa Media Alta bassa

Forse Forse Si Si Forse

X è carino? X è davvero carino? X non è carino? X non è proprio carino? X è più carino del tuo?

0 +1? +1 +2 0

Contesto

Abbassamento (o azzeramento) dell’intensità della polarità

Interrogative Sentences

Research Challanges

Sicurezza del giudizio

É carino? FRASI DICHIARATIVE Punteggio

Alta Molto alta Alta Molto alta Media

Si Si No No Forse si

X è carino X è davvero carino X non è carino X non è proprio carino X è più carino di Y

+1 +2 -2 -1 +1 (X)

Sicurezza del giudizio

É carino? FRASI INTERROGATIVE Punteggio

Nulla Bassa Media Alta bassa

Forse Forse Si Si Forse

X è carino? X è davvero carino? X non è carino? X non è proprio carino? X è più carino del tuo?

0 +1? +1 +2 0

Contesto

Inversione della polarità delle interrogative contenenti operatori di negazione

Features Feature-based Sentiment Analysis

Feature-based Sentiment Analysis

Task

Localizzazione dei nomi, semplici o composti, che indicano le caratteristiche dei prodotti oggetto di opinione.

Nella quasi totalità dei casi questi nomi, essendo oggettivi e non soggettivi, non appartengono al nostro lessico dei sentimenti.

Metodo

Approccio basato sull’identificazione e sulla classificazione di nomi, semplici o composti, che nei testi appaiono frequentemente attorno a giudizi e valutazioni.

Features

Sperimentazione

Sentiment Polarity

Classification

Risultati

Document-level (%) Cars Smartphones Movies Books Hotels Videogames Average

PRECISION 71,0 72,0 63,0 74,0 91,0 72,0 74,0

RECALL 100 98,6 100 96,1 98,9 91,2 97,5

F-measure** 83,0 83,2 77,3 83,6 94,8 80,5 84,1

Sentence-level (%) Cars Smartphones Movies Books Hotels Videogames Average

PRECISION* 79,2 74,5 56,9 73,7 81,3 78,6 74,0

RECALL 72,7 79,6 64,8 65,7 72,1 58,8 69,0

F-measure** 75,8 77,0 60,6 69,5 76,4 67,3 71,4

Sperimentazione

Sentiment Polarity

Classification

Visualizzazioni

Andamento della Polarità di Tweet rispetto a segmenti temporali

Sperimentazione

Feature-based Sentiment

Analysis

Quali sono gli indicatori migliori

per la feature extraction?

I nodi più «pesanti» corrispondono quasi sempre agli

aggettivi

Rete di similarità semantica in un corpus orientato semanticamente

Sperimentazione

Feature-based Sentiment

Analysis

Visualizzazioni

Sperimentazione

Feature-based Sentiment Analysis su Twitter

Feature-based Sentiment

Analysis

Visualizzazioni

Sperimentazione

Feature-based Sentiment Analysis su Twitter

Feature-based Sentiment

Analysis

Visualizzazioni

Spider Graph per il confronto fra review basato su features

Grazie per l’attenzione

spelosi@unisa.it