next
NLP文本分类、情感分析综述
NLP文本分类、情感分析综述
Last edited 2022-10-14
type
Post
status
Published
date
Oct 11, 2022
slug
summary
从整体视角了解NLP中的情感分析和文本分类任务
tags
NLP
机器学习
category
技术笔记或摘抄
icon
password
Property
Oct 14, 2022 04:06 AM
关于自然语言处理(NLP)现有研究方向及分支 → https://nlpprogress.com/
文本分类是自然语言处理(NLP)最基础核心的任务,几乎所有的NLP任务都是“文本分类”任务,或者涉及到“分类”概念。比如法分词、词性标注、命名实体识别等序列标注任务其实就是token粒度的分类;再比如文本生成其实也可以理解为token粒度在整个词表上的分类任务。

背景

情感分析,也叫“观点挖掘”,根据输入的文本、语音或视频,自动识别观点倾向、态度、情绪、评价等,广泛应用于消费决策、舆情分析、个性化推荐等商业领域。包括篇章级、句子级别和对象或属性级。可以分为以下三类
篇章级
句子级
对象或属性级
整个文本作为输入,输出整体的情感倾向。比如给定一段评论,判断是整体是正向(积极、褒义等)还是负向(消极、贬义等)。
输入是一个句子,其他同篇章。
判断给定文本中某个对象或属性的情感倾向:给定文本+对象或属性,判断对象或属性的情感倾向。只给定文本,需要提取其中的对象或属性,再判断情感倾向。
工业界最常见的往往就是这种情况。比如大众点评某家餐饮店下的评论:“服务非常赞,但味道很一般”,这句话其实表达了两个意思,或者说两个对象(属性) 的评价,我们需要输出类似 :<服务,正向>和<口味,负向>这样的结果(<属性-倾向>二元组),或者再细一点加入用户的观点信息(<属性-观点-倾向>三元组): <服务,赞,正向>和<口味,一般,负向>。
从NLP处理的角度看,情感分析包括两种基础任务:文本分类和实体对象(或属性)抽取,而这也正好涵盖了NLP的两类基本任务:序列分类(Sequence Classification)和Token分类(Token Classification)。两者的区别是,前者输出一个标签,后者每个Token输出一个标签。
 
 
notion image
 
Relate Posts :
  • NLP
  • 机器学习
  • 加锁文章 - 密码123456HTML超文本标记语言
    • Waline
    • Cusdis
    Catalog