Negation of German polar words and expressions in automated analysis of text tonality

Abstract

The aim of the study is to describe various groups of negative words in the German language and the features of their functioning in text tonality analysis in the framework of automated natural language processing (NLP). Scientific analysis focuses on the ability of negative words to modify polar words and expressions, i.e., to change their connotation within an utterance. The study is novel in that it is the first to present in a systematic manner the syntactic-morphological relationship between certain groups of linguistic units of negation and polar words, which must be taken into account in NLP when carrying out sentiment analysis of German texts based on lexico-grammatical rules. As a result, all German language means of negation were divided into groups depending on the extent of their impact on the polar words in the sentence: tonality modification for only the adjoining polar element or the ability to interact with the parts of an utterance that are located at a distance of several tokens. For automatic tonality analysis of German texts, it is necessary to mark the morphological and syntactic features reflecting the peculiarities of both the selected groups of negation words and polar words and expressions at the stage of feature extraction.

References

1. Баркович А. А. Сентимент-анализ: лингвистический потенциал регламентации предобработки // Виртуальная коммуникация и социальные сети. 2023. Т. 2. № 3 (7).
2. Гималетдинова Г. К., Довтаева Э. Х. Сентимент-анализ читательского интернет-комментария к политическому тексту // Политическая лингвистика. 2020. № 1 (79).
3. 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.
4. 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.
5. Корней А. О. Методы и алгоритмы аспектного анализа тональности на основе гибридной cемантико-статистической модели естественного языка: дисс. … к. техн. н. Новосибирск, 2021.
6. Лукашевич Н. В. Автоматический анализ тональности текстов: проблемы и методы // Интеллектуальные системы. Теория и приложения. 2022. Т. 26. № 1.
7. 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.
8. Майорова Е. В. О сентимент-анализе и перспективах его применения // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 6 «Языкознание». 2020. № 4.
9. 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.
10. 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.
11. Полетаев А. Ю., Парамонов И. В. Рекурсивный алгоритм определения тональности предложений на русском языке // Моделирование и анализ информационных систем. 2022. Т. 29. № 2.
12. 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.
13. 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.
14. Чернышевич М. В. Классификация тональности мнений для задачи автоматического сентимент-анализа текста // Ученые записки УО «ВГУ им. П. М. Машерова». 2018. Т. 28.
15. 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.
16. 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.
17. Harabagiu S., Hickl A., Lacatusu F. Negation, contrast and contradiction in text processing // Proceedings of the National Conference on Artificial Intelligence (AAAI). Boston, 2006.
18. 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.
19. Klenner M., Fahrni A., Petrakis S. PolArt: A robust tool for sentiment analysis // Proceedings of the Nordic Conference on Computational Linguistics (NoDaLiDa). Odense, 2009.
20. Morante R. Descriptive analysis of negation cues in biomedical texts // Proceedings of the Conference on Language Resources and Evaluation (LREC). Valletta, 2010.
21. 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.
22. Sanchez-Graillet O., Poesio M. Negation of protein-protein interactions: Analysis and extraction // Bioinformatics. 2007. Vol. 23 (13).
23. Siegel M., Alexa M. Automatische Analyse deutschsprachiger Meinungsäußerungen. Wiesbaden: Springer, 2020.
24. 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.
25. 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.
26. 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.

Funding

The reported study was carried out as a part of a grant for the implementation of the strategic academic leadership program “Priority-2030” by the MGIMO University.

Author information

About this article

Publication history

• Received: August 10, 2023.
• Published: September 29, 2023.

Keywords

• средства отрицания
• полярные слова
• тональность текста
• сентимент-анализ
• обработка естественного языка
• negators
• polar words
• text tonality
• sentiment analysis
• natural language processing

Copyright

© 2023 The Author(s)
© 2023 Gramota Publishing, LLC

User license

Creative Commons Attribution 4.0 International (CC BY 4.0)