Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Сентимент-аналіз на основі лексикону× | Виявлення суб'єктивності× | |
|---|---|---|
| Галузь | Інтелектуальний аналіз тексту | Інтелектуальний аналіз тексту |
| Родина | Process / pipeline | Process / pipeline |
| Рік появи | — | — |
| Автор методу | — | — |
| Тип≠ | Lexicon-based NLP sentiment-scoring task | NLP text-classification task |
| Основоположне джерело≠ | Nielsen, F.Å. (2011). A New ANEW: Evaluation of a Word List for Sentiment Analysis in Microblogs. Proceedings of the ESWC Workshop on 'Making Sense of Microposts'. link ↗ | Wiebe, J., Wilson, T. & Cardie, C. (2005). Annotating Expressions of Opinions and Emotions in Language. Language Resources and Evaluation, 39(2-3), 165-210. DOI ↗ |
| Інші назви | dictionary-based sentiment analysis, rule-based sentiment scoring, Sözlük Tabanlı Duygu Analizi | subjective vs objective classification, subjectivity classification, Öznellik Tespiti (Subjectivity Detection) |
| Пов'язані | 3 | 3 |
| Підсумок≠ | Lexicon-based sentiment analysis computes sentiment at the word level using prebuilt sentiment dictionaries such as AFINN (Nielsen, 2011), SentiWordNet, VADER (Hutto & Gilbert, 2014), and the NRC Emotion Lexicon. It scores text by looking words up in a dictionary of charged terms, so it requires no labelled training data. | Subjectivity detection is a natural-language-processing task that classifies whether a sentence or document conveys objective (neutral information) or subjective (personal opinion, emotion) content. Grounded in the opinion-annotation work of Wiebe and colleagues (2005) and Pang and Lee (2004), it is most often used as a preliminary step before sentiment analysis. |
| ScholarGateНабір даних ↗ |
|
|