Отрицание немецких полярных слов и выражений в автоматизированном анализе тональности текста
Аннотация
Целью исследования является описание различных групп языковых средств отрицания в немецком языке и особенностей их функционирования при анализе тональности текстов в рамках автоматизированной обработки естественного языка (NLP). В научном анализе делается акцент на способности отрицаний модифицировать полярные слова и выражения, т. е. менять их коннотацию в рамках высказывания. Научная новизна исследования определяется тем, что в нем впервые системно представлена синтактико-морфологическая связь между определенными группами языковых единиц отрицания и полярными словами, которую необходимо учитывать в NLP при сентимент-анализе немецких текстов, основанном на лексико-грамматических правилах. В результате все немецкие языковые средства отрицания были распределены на группы в зависимости от протяженности их воздействия на полярные слова в предложении: модификация тональности только непосредственно рядом стоящего полярного элемента или способность взаимодействовать с членами высказывания, расположенными на удалении нескольких токенов. Для автоматического анализа тональности немецких текстов необходимо на этапе разметки лексикона маркировать морфологические и синтаксические признаки, отражающие особенности как выделенных групп отрицаний, так и полярных слов и выражений.
Источники
- Баркович А. А. Сентимент-анализ: лингвистический потенциал регламентации предобработки // Виртуальная коммуникация и социальные сети. 2023. Т. 2. № 3 (7).
- Гималетдинова Г. К., Довтаева Э. Х. Сентимент-анализ читательского интернет-комментария к политическому тексту // Политическая лингвистика. 2020. № 1 (79).
- Зверева П. П. Сентимент-анализ текста (на материале печатных текстов газеты “The New York Times” о России и россиянах) // Вестник Московского государственного областного университета. Серия «Лингвистика». 2014. № 5.
- Колмогорова А. В. Использование текстов жанра «интернет-откровение» в контексте решения задач сентимент-анализа // Вестник Новосибирского государственного университета. Серия «Лингвистика и межкультурная коммуникация». 2019. № 3.
- Корней А. О. Методы и алгоритмы аспектного анализа тональности на основе гибридной cемантико-статистической модели естественного языка: дисс. … к. техн. н. Новосибирск, 2021.
- Лукашевич Н. В. Автоматический анализ тональности текстов: проблемы и методы // Интеллектуальные системы. Теория и приложения. 2022. Т. 26. № 1.
- Ляликова В. Г., Безрядин М. М. Анализ тональности текста методами машинного обучения // Актуальные проблемы прикладной математики, информатики и механики: сб. тр. междунар. науч. конф. (г. Воронеж, 12-14 декабря 2022 г.). Воронеж, 2023.
- Майорова Е. В. О сентимент-анализе и перспективах его применения // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 6 «Языкознание». 2020. № 4.
- Парамонов И. В., Полетаев А. Ю., Петряков В. Л. О перспективах анализа тональности русскоязычных текстов на основе синтаксической структуры предложений // Заметки по информатике и математике: сб. науч. ст. Ярославль, 2021. Вып. 13.
- Петренко К. В. Взаимодействие эмоционально-оценочной тональности с тематикой новостных текстов: тональный словарь как средство классификации текстов // Актуальные проблемы лингвистики и литературоведения: сб. мат. IX (XXIII) междунар. науч.-практ. конф. молодых учёных (г. Томск, 14-16 апреля 2022 г.). Томск, 2022.
- Полетаев А. Ю., Парамонов И. В. Рекурсивный алгоритм определения тональности предложений на русском языке // Моделирование и анализ информационных систем. 2022. Т. 29. № 2.
- Поляева Е. В., Ефремова Н. Э. Задача автоматического распознавания сарказма и иронии: сбор и анализ наборов данных для русского языка // Вызовы и тренды мировой лингвистики: тр. и мат. Казанского международного лингвистического саммита: в 2-х т. Казань, 2021. Т. 1.
- Тутубалина Е. В., Иванов В. В., Загулова М., Мингазов Н., Алимова И., Малых В. Тестирование методов анализа тональности текста, основанных на словарях // Электронные библиотеки. 2015. Т. 18. № 3-4.
- Чернышевич М. В. Классификация тональности мнений для задачи автоматического сентимент-анализа текста // Ученые записки УО «ВГУ им. П. М. Машерова». 2018. Т. 28.
- Cotik V., Roller R., Xu F., Uszkoreit H., Budde K., Schmidt D. Negation detection in clinical reports written in German // Proceedings of the COLING-Workshop on Building and Evaluating Resources for Biomedical Text Mining (COLING-BioTxtM). Osaka, 2016.
- Haas M., Versley Y. Subsentential sentiment on a shoestring: A crosslingual analysis of compositional classification // Proceedings of the Human Language Technology Conference of the North American Chapter of the ACL (HLT/NAACL). Denver, 2015.
- Harabagiu S., Hickl A., Lacatusu F. Negation, contrast and contradiction in text processing // Proceedings of the National Conference on Artificial Intelligence (AAAI). Boston, 2006.
- Kiritchenko S., Mohammad S. The effect of negators, modals, and degree adverbs on sentiment composition // Proceedings of the Workshop on Computational Approaches to Subjectivity and Sentiment Analysis (WASSA). San Diego, 2016.
- Klenner M., Fahrni A., Petrakis S. PolArt: A robust tool for sentiment analysis // Proceedings of the Nordic Conference on Computational Linguistics (NoDaLiDa). Odense, 2009.
- Morante R. Descriptive analysis of negation cues in biomedical texts // Proceedings of the Conference on Language Resources and Evaluation (LREC). Valletta, 2010.
- Polanyi L., Zaenen A. Contextual valence shifters // Computing Attitude and Affect in Text: Theory and Applications / ed. by J. G. Shanahan, Y. Qu, J. Wiebe. Heidelberg: Springer, 2006.
- Sanchez-Graillet O., Poesio M. Negation of protein-protein interactions: Analysis and extraction // Bioinformatics. 2007. Vol. 23 (13).
- Siegel M., Alexa M. Automatische Analyse deutschsprachiger Meinungsäußerungen. Wiesbaden: Springer, 2020.
- Socher R., Perelygin A., Wu J., Chuang J., Manning C., Ng A., Potts C. Recursive deep models for semantic compositionality over a sentiment treebank // Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP). Seattle, 2013.
- Wiegand M., Balahur A., Roth B., Klakow D., Montoyo A. A survey on the role of negation in sentiment analysis // Proceedings of the Workshop on Negation and Speculation in Natural Language Processing. Uppsala, 2010.
- Wiegand M., Wolf M., Ruppenhofer J. Negation modeling for German polarity classification // Language Technologies for the Challenges of the Digital Age, Lecture Notes in Computer Science / ed. by G. Rehm. Cham: Springer International Publishing, 2018.
Финансирование
Публикация подготовлена в рамках гранта на реализацию МГИМО МИД России программы стратегического академического лидерства «Приоритет-2030».
Информация об авторах
Информация о статье
История публикации
- Поступила в редакцию: 10 августа 2023.
- Опубликована: 29 сентября 2023.
Ключевые слова
- средства отрицания
- полярные слова
- тональность текста
- сентимент-анализ
- обработка естественного языка
- negators
- polar words
- text tonality
- sentiment analysis
- natural language processing
Copyright
© 2023 Автор(ы)
© 2023 ООО Издательство «Грамота»