Pan-Art Pedagogy. Theory & Practice Philology. Theory & Practice Manuscript

Archive of Scientific Articles

ISSUE:    Philology. Theory & Practice. 2014. Issue 12-1
COLLECTION:    Varia

All issues

License Agreement on scientific materials use.

FEATURES OF PARAMETRIC VOCABULARY IN CONTENT ANALYSIS OF OPINIONS

Elena Georgievna Brunova
Tyumen State University


Submitted: October 28, 2014
Abstract. The article determines the main features of parametric vocabulary in a content analysis of opinions by the material of clients’ reviews about the quality of banking service. An improved structure of the lexicon for the content analysis of opinions is suggested. The research results show that parametric vocabulary expresses the opinion implicitly. Some of the parametric vocabulary may be assigned to one of the main classes (positive or negative lexicon), and this classification is specific to the given subject sphere. Most of the parametric vocabulary refers to the auxiliary classes (increments or decrements), and this reference seems to be universal.
Key words and phrases:
обработка естественного языка
контент-анализ мнений
оценочный лексикон
предметная область
параметрическая лексика
инкремент
декремент
natural language processing
content analysis of opinions
evaluative vocabulary
subject sphere
parametric vocabulary
increment
decrement
Reader Open the whole article in PDF format. Free PDF-files viewer can be downloaded here.
References:
  1. Брунова Е. Г. Методика составления оценочного лексикона для контент-анализа мнений [Электронный ресурс] // Language and Science. 2012. № 1. URL: http://www.utmn.ru/docs/9317.pdf (дата обращения: 08.10.2014).
  2. Брунова Е. Г. Составление лексикона для контент-анализа мнений // Теоретические и прикладные аспекты изучения речевой деятельности. Н. Новгород: НГЛУ им. Н. А. Добролюбова, 2013. Вып. 1 (8). С. 24-29.
  3. Брунова Е. Г., Бидуля Ю. В. Алгоритм с элементами формальной грамматики для контент-анализа мнений // Вестник Тюменского государственного университета. Серия «Физико-математические науки. Информатика». 2014. № 7. С. 242-250.
  4. Лукашевич Н. В., Четверкин И. И. Извлечение и использование оценочных слов в задаче классификации отзывов на три класса // Вычислительные методы и программирование. 2011. Т. 12. С. 73-81.
  5. Gamon M. et al. Pulse: Mining Customer Opinions from Free Text // Proc. of the 6th International Symposium on Intelligent Data Analysis (IDA). 2005. P. 121-132.
  6. Ganapathibhotla M., Liu B. Mining Opinions in Comparative Sentences // Proc. of the 22nd International Conference on Computational Linguistics. Manchester, 2008. P. 241-248.
  7. Hatzivassiloglou V., McKeown K. Predicting the Semantic Orientation of Adjectives // Proc. of the 35th Annual Meeting of ACL. Madrid, 1997. P. 174-181.
  8. Hu M., Liu B. Mining and Summarizing Customer Reviews // Proc. of the tenth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2004. P. 168-177.
  9. Liu B. Sentiment Analysis and Subjectivity [Электронный ресурс] // Handbook of Natural Language Processing: Second Edition. 2010. URL: http://www.cs.uic.edu/~liub/FBS/NLP-handbook-sentiment-analysis.pdf (дата обращения: 08.10.2014).
  10. Manning С., Raghavan P., Schütze H. Introduction to Information Retrieval. Cambridge: Cambridge University Press, 2008. 544 p.
  11. Nasukawa T., Yi J. Sentiment Analysis: Capturing Favorability Using Natural Language Processing // Proc. of the 2nd International Conference on Knowledge Capture. Florida, 2003. P. 70-77.
  12. Pang B., Lee L. Opinion Mining and Sentiment Analysis // Foundations and Trends in Information Retrieval. 2008. Vol. 2. № 1-2. P. 1-135.
  13. Pang B., Lee L., Vaithyanathan S. Thumbs up? Sentiment Classification Using Machine Learning Techniques [Электронный ресурс] // Proc. of EMNLP. 2002. URL: http://www.cs.cornell.edu/home/llee/papers/sentiment.pdf (дата обращения: 08.10.2014).
  14. Turney P. Thumbs Up or Thumbs Down? Semantic Orientation Applied to Unsupervised Classification of Reviews // Proc. of the 40th Annual Meeting on Association for Computational Linguistics. 2002. P. 417-424.
  15. Wiebe J., Wilson T., Bell M. Identifying Collocations for Recognizing Opinions // Proc. of ACL/EACL 01 Workshop on Collocation. 2001. Р. 24-31.
  16. www.banki.ru (дата обращения: 08.10.2014).
All issues


© 2006-2024 GRAMOTA Publishing