Разделы журнала
Архив и статистика
Вход на сайт



или
Печатный вестник ПЕЧАТНЫЕ
ЖУРНАЛЫ
МГОУ
Издательство МГОУ Издательство
МГОУ
КОНТАКТЫ:

Наш адрес: 105005, г. Москва, ул. Радио, д.10а, комн.98.

Телефоны:
+7 (495) 780-09-42 доб. 1740,

E-mail: info@evestnik-mgou.ru,
e-mag@mgou.ru

График работы: с 10-00 до 17-00,

в пятницу - до 16-00,

перерыв с 13-00 до 14-00.

 

МЫ В СОЦСЕТЯХ

BK Facebook Telegram Twitter Instagram

Вестник МГОУ / Раздел "Филологические науки" / 2019 № 2.

 

Семина Т.А.

ИЗВЛЕЧЕНИЕ МНЕНИЯ АВТОРА ЧЕРЕЗ ОБРАТНУЮ ЧАСТОТУ ДОКУМЕНТА // Вестник Московского государственного областного университета (Электронный журнал). 2019. № 2. с. 171-179.

Doi:10.18384/2224-0209-2019-2-953


Индекс УДК: 81-114.2

Дата публикации: 04.06.2019 Страницы: 171 - 179

Полный текст статьи

Кол-во скачиваний Кол-во скачиваний: 60

Аннотация


Целью исследования выступает выявление закономерностей для автоматического поиска мнения автора в статьях, относящихся к жанру информационной журналистики, который накладывает ограничение на выражение оценочных суждений. Автором собран корпус политических статей, для лексем из этой коллекции рассчитана мера из сферы информационного поиска: обратная частота документа. Эмпирически показана применимость этого критерия для поиска сниженной лексики, которая является индикатором наличия мнения автора. В заключение сформулированы направления дальнейшего исследования этой проблемы и рассмотрен вопрос выявления мнения автора через обратную частоту документа в других текстах.

Ключевые слова


анализ тональности, информационный поиск, обратная частота документа, частота термина, мнение

Список цитируемой литературы


1. Алексеев А. А., Кугуракова В. В., Иванов Д. С. Выявление психологического портрета на основе определения тональности сообщений для антропоморфного социального агента // Электронные библиотеки. 2016. Т. 19. № 3. С. 149–165.
2. Ахренова Н. А. Интернет-лингвистика: новая парадигма в описании языка интернета // Вестник Московского государственного областного университета. Серия: Лингвистика. 2016. № 3. С. 8–14.
3. Гейко Н. Р., Сиривля М. А. Имплицитные оценки в политическом дискурсе // Вестник Брянского государственного университета. 2016. № 2 (28). С. 164–166.
4. Можарова В. А., Лукашевич Н. В. Исследование признаков для извлечения именованных сущностей из текстов на русском языке // Научно-техническая информация. Серия 2: Информационные процессы и системы. 2017. № 5. С. 14–21.
5. Пазельская А. Г., Соловьев А. Н. Метод определения эмоций в текстах на русском языке // Компьютерная лингвистика и интеллектуальные технологии: по материалам ежегодной Международной конференции «Диалог», Бекасово, 25–29 мая 2011 г. Вып. 10 (17). М.: Издательство РГГУ, 2011. С. 510–522.
6. Семина Т. А. Дихотомия субъективность vs. объективность и тональная релевантность в задачах анализа тональности // Вестник Московского государственного областного университета. Серия: Лингвистика. 2018. № 1. С. 38–45.
7. Chen K., Zhang Z., Long J., Zhang H. Turning from TF-IDF to TF-IGM for term weighting in text classification // Expert Systems With Applications. 2016. № 66. Р. 245–260.
8. Choi Y., Wiebe J., Mihalcea R. Coarse-grained +/– Effect Word Sense Disambiguation for Implicit Sentiment Analysis // The IEEE Transactions on Affective Computing. 2017. Vol. 8. № 4. Р. 471–479.
9. Deng L., Wiebe J. MPQA 3.0: An Entity/Event-Level Sentiment Corpus // Human Language Technologies: The 2015 Annual Conference of the North American Chapter of the ACL. Denver, Colorado, 2015. Р. 1323–1328.
10. Peng M., Zhang Q., Jiang Y. G. Cross-Domain Sentiment Classification with Target Domain Specific Information // Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics. Melbourne, 2018. Р. 2505–2513.
11. Wiebe J. M. Tracking Point of View in Narrative // Computational Linguistics. 1994. Vol. 20. № 2. Р. 233–287.

Лицензия Creative Commons