Отрицание немецких полярных слов и выражений в автоматизированном анализе тональности текста
Глушак Василий Михайлович
Московский государственный институт международных отношений (университет) Министерства иностранных дел России
Дата поступления рукописи в редакцию: 10.08.2023
Аннотация. Целью исследования является описание различных групп языковых средств отрицания в немецком языке и особенностей их функционирования при анализе тональности текстов в рамках автоматизированной обработки естественного языка (NLP). В научном анализе делается акцент на способности отрицаний модифицировать полярные слова и выражения, т. е. менять их коннотацию в рамках высказывания. Научная новизна исследования определяется тем, что в нем впервые системно представлена синтактико-морфологическая связь между определенными группами языковых единиц отрицания и полярными словами, которую необходимо учитывать в NLP при сентимент-анализе немецких текстов, основанном на лексико-грамматических правилах. В результате все немецкие языковые средства отрицания были распределены на группы в зависимости от протяженности их воздействия на полярные слова в предложении: модификация тональности только непосредственно рядом стоящего полярного элемента или способность взаимодействовать с членами высказывания, расположенными на удалении нескольких токенов. Для автоматического анализа тональности немецких текстов необходимо на этапе разметки лексикона маркировать морфологические и синтаксические признаки, отражающие особенности как выделенных групп отрицаний, так и полярных слов и выражений.
Ключевые слова и фразы: средства отрицания, полярные слова, тональность текста, сентимент-анализ, обработка естественного языка, negators, polar words, text tonality, sentiment analysis, natural language processing
Открыть полный текст статьи в формате PDF. Бесплатный просмотрщик PDF-файлов можно скачать .
Список литературы:
Баркович А. А. Сентимент-анализ: лингвистический потенциал регламентации предобработки // Виртуальная коммуникация и социальные сети. 2023. Т. 2. № 3 (7).
Гималетдинова Г. К., Довтаева Э. Х. Сентимент-анализ читательского интернет-комментария к политическому тексту // Политическая лингвистика. 2020. № 1 (79).
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.
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.
Корней А. О. Методы и алгоритмы аспектного анализа тональности на основе гибридной cемантико-статистической модели естественного языка: дисс. … к. техн. н. Новосибирск, 2021.
Лукашевич Н. В. Автоматический анализ тональности текстов: проблемы и методы // Интеллектуальные системы. Теория и приложения. 2022. Т. 26. № 1.
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.
Майорова Е. В. О сентимент-анализе и перспективах его применения // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 6 «Языкознание». 2020. № 4.
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.
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.
Полетаев А. Ю., Парамонов И. В. Рекурсивный алгоритм определения тональности предложений на русском языке // Моделирование и анализ информационных систем. 2022. Т. 29. № 2.
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.
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.
Чернышевич М. В. Классификация тональности мнений для задачи автоматического сентимент-анализа текста // Ученые записки УО «ВГУ им. П. М. Машерова». 2018. Т. 28.
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.
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.
Harabagiu S., Hickl A., Lacatusu F. Negation, contrast and contradiction in text processing // Proceedings of the National Conference on Artificial Intelligence (AAAI). Boston, 2006.
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.
Klenner M., Fahrni A., Petrakis S. PolArt: A robust tool for sentiment analysis // Proceedings of the Nordic Conference on Computational Linguistics (NoDaLiDa). Odense, 2009.
Morante R. Descriptive analysis of negation cues in biomedical texts // Proceedings of the Conference on Language Resources and Evaluation (LREC). Valletta, 2010.
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.
Sanchez-Graillet O., Poesio M. Negation of protein-protein interactions: Analysis and extraction // Bioinformatics. 2007. Vol. 23 (13).
Siegel M., Alexa M. Automatische Analyse deutschsprachiger Meinungsäußerungen. Wiesbaden: Springer, 2020.
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.
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.
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.
English
