Not logged in.

Quick Search - Contribution

Contribution Details

Type Bachelor's Thesis
Scope Discipline-based scholarship
Title Neural Approaches to Sentiment Inference
Organization Unit
Authors
  • Dylan Massey
Supervisors
  • Martin Volk
  • Manfred Klenner
Language
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date 2023
Abstract Text In recent years, increased attention in research has been devoted to the Sentiment Analysis (SA) of texts that express positive and negative attitudes more subtly, such as news articles related to politics. The field of research dedicated to inferring such subtle attitudes from text is known as Sentiment Inference (SI). The precise goal of SI is to find out who is opposed to / in favour of whom or what in a given text or who / what is good for / bad for what / whom in a given text. Until now, only a rule-based system has been available for performing SI in the German language. The aim of the present thesis is to investigate and assess the viability of two different neural approaches for German SI, and to compare the two. One approach relies on a text-to-graph Semantic Parser, while the other relies on two separately trained models for entity recognition and relation classification. Since the neural approaches in this thesis rely on training data, and because such data is not readily available for German, the rule-based system is used to generate a silver standard dataset on which the neural approaches are trained and assessed. This thesis provides a first baseline for neural German SI and aims to point out potential directions for further research in this field.
Zusammenfassung Die Sentimentanalyse von Texten mit subtil ausgedrückten positiven sowie negativen Einstellungen und Haltungen wie sie beispielsweise in Nachrichtentexten mit Politikbezug zu finden sind hat in den vergangenen Jahren in der Forschung an Bedeutung gewonnen. Das Forschungsgebiet, solche subtilen Einstellungen in Texten zu erkennen, wird als Sentimeninferenz (SI) bezeichnet. Das Ziel von SI ist es also herauszufinden, wer in einem gegebenen Text gegen wen oder gegen was ist oder wer / was in einem Text gut oder schlecht für etwas ist. Für die deutsche Sprache gibt es bisher nur ein regelbasiertes System zur SI. Das Ziel dieser Arbeit ist es, die Viabilität von zwei verschiedenen neuronalen Ansätzen für eine deutsche SI zu untersuchen und zu bewerten sowie die beiden gewählten Ansätze miteinander zu vergleichen. Der eine Ansatz basiert auf einem text-to-graph Semantic Parser, während der andere auf zwei separat trainierten Modellen für Entitätserkennung respektive Relationsklassifizierung basiert. Da die in dieser Arbeit gewählten neuronalen Ansätze auf Trainingsdaten angewiesen sind und solche Daten für die deutsche Sprache nicht verfügbar sind, wird das regelbasierte System verwendet, um einen Silver Standard Datensatz zu generieren, auf dem die neuronalen Ansätze trainiert und bewertet werden. Diese Arbeit stellt eine erste Basis für eine neuronale deutsche SI dar und zielt darauf ab, weitere mögliche Forschungsrichtungen aufzuzeigen.
PDF File Download
Export BibTeX