Využití značkování sémantických rolí k analýze sentimentu

Bc. Marek ŠIMŮNEK

Master's thesis

Using semantic role labeling for sentiment analysis

Abstract:

Cílem diplomové práce bylo využití významu (sémantiky) věty pro zlepšení úspěšnosti analýzy sentimentu. Jedním z úkolů bylo prozkoumat druhy sémantických rolí a metody jejich automatického získávání. Dále vybrat nejvhodnější systém pro jejich značkování se zaměřením na český jazyk. Pro získávání sémantických rolí byl vybrán nástroj Treex založený na Pražském závislostním korpusu. Po vytvoření sémantických rolí pro vstupní data proběhla extrakce příznaků. Pro analýzu sentimentu na úrovni dokumentu byly použity metody učení s učitelem. Nejlepších výsledků dosahoval klasifikátor maximální entropie. Naměřené hodnoty překonaly výsledky předchozích výzkumu metod učení s učitelem.

Abstract:

The goal of the diploma thesis was to use the meaning (semantics) of the sentence to improve accuracy in sentiment analysis. One of the tasks was to examine the types of semantic roles and the methods of their automatic retrieval. Then choose the most appropriate system for their labeling with a focus on the Czech language. Treex is based on Prague Dependency Treebank and was used to get semantic roles. Feature extraction was performed after semantic role labeling. For sentiment analysis on document level were used machine learning methods. The best results achieved the maximum entropy classifier. The obtained values outperformed the results of previous research using supervised methods.

Keywords

Značkování sémantických rolí, analýza sentimentu, strojové učení

Language used: Czech

Date on which the thesis was submitted / produced: 29. 6. 2017

Accessible from:: 31. 12. 2999

Thesis defence

• Supervisor: Ing. Tomáš Hercig

University of West Bohemia

Faculty of Applied Sciences

Master programme / field:
Computer Science and Engineering / Software Engineering