Aspect-based sentiment analysisA scalable system, a condition miner, and an evaluation dataset.

Resumen

Los sistemas de análisis de sentimiento basados en aspectos son un tipo de sistemas de minería de texto que están especializados en resumir el sentimiento que una colección de revisiones transmite respecto a diversos aspectos de un item. En muchas ocasiones, los usuarios escriben sus revisiones utilizando condiciones; minarlas de manera que puedan ser analizadas es muy importante para mejorar la interpretación de los correspondientes suma- rios de sentimiento. Por desgracia, los sistemas comerciales y los sistemas académicos existentes ignoran las condiciones; los frameworks y bibliotecas existentes no proporcionan ningún componente para minarlas; además, las propuestas de la bibliografía son insuficientes ya que están basadas en patrones diseñados manualmente que no ofrecen suficiente cobertura o modelos de aprendizaje automático que están muy ligados a un idioma concreto y requieren de demasiada configuración específica. En esta tesis presentamos Torii, que es un sistema de análisis de sentimiento basado en aspectos cuya característica más destacada es que puede minar condiciones; también presentamos Kami, que proporciona dos propuestas de aprendizaje profundo para minar condiciones; finalmente presentamos Norito, que es el primer dataset de condiciones disponible públicamente. Nuestros resultados experimentales prueban que nuestras propuestas de minería de condiciones son similares al estado del arte en términos de precisión, pero mejoran la cobertura suficientemente como para batirlos en términos de F1. Finalmente, es digno de mención que esta tesis no habría sido posible sin la colaboración de Opileak, que garantiza la aplicabilidad industrial de nuestro trabajo.