Detekce polarity sentimentu

Bc. Monika Horáková

Bachelor's thesis

Sentiment polarity detection

Abstract:

Cílem předkládané bakalářské práce bylo prozkoumat stav v oblasti automatické detekce polarity sentimentu u krátkých dokumentů a následně vytvořit model strojového učení, který bude schopen detekovat polaritu jednotlivých vět. K tréninku a ověření modelu byl využit dataset recenzí mobilních aplikací. Pro reprezentaci dat bylo vyzkoušeno několik metod tvorby vlastních word embeddings pomocí knihovny FastText a algoritmu GloVe. Každá varianta word embeddings byla vytvořena ve dvou verzích. Jedna z nich využívala informaci o polaritě vět z trénovací sady, zatímco druhá pouze samotné texty. Kromě toho byla také využita reprezentace vycházející z frekvence slov ve větách s jednotlivými polaritami. Na základě každé reprezentace byl pak vytvořen model pomocí algoritmu random forest. Poslední z ověřovaných metod byl klasifikátor FastText, který byl vybrán k tvorbě finálního modelu a na testovací sadě dosáhl F-score 0,74.

Abstract:

The aim of the bachelor’s thesis is to explore the current state of research in the field of automatic sentiment polarity detection of short documents and create a machine learning model that will be able to detect polarity of separate sentences. The model was trained and evaluated on a dataset of mobile app reviews. FastText library and GloVe algorithm were employed to create different types of word embeddings. There were two versions of each type of word embedding. One of them made use of polarity information from the training set while the other used only the text itself. Furthermore, another representation based on word frequency was also created. Each data representation was subsequently used to train a random forest classifier. The FastText classifier was also evaluated on the dataset and was chosen to be used for the final model, reaching the F-score of 0.74 on the test set.

Keywords

detekce polarity sentimentu, analýza sentimentu, word embeddings, strojové učení, FastText, GloVe, random forest, sentiment polarity detection, sentiment analysis, machine learning

Language used: Czech

Date on which the thesis was submitted / produced: 19. 7. 2021

Thesis defence

• Date of defence: 3. 9. 2021
• Supervisor: Mgr. Marek Grác, Ph.D.
• Reader: Mgr. et Mgr. Markéta Audy Masopustová

Masaryk University

Faculty of Arts

Bachelor programme / field:
Philology / Czech Language with Orientation on Computational Linguistics