استخراج و خوشه بندی عبارات استدلالی در متون رقابتی

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

استخراج و خوشه بندی عبارات استدلالی در متون رقابتی

عنوان لاتین

Extraction and clustering of arguing expressions in contentious text

این کار یک روش بدون نظارت به منظور افزایش کیفیت نظرکاوی در متون رقابتی پیشنهاد می کند. این مقاله یک مدل احتمالی دیدگاه موضوع مشترک (JTV) برای تجزیه و تحلیل عبارتهای استدلالی متفاوت ارائه میکند که ممکن است در مجموعه ای از اسناد بحث برانگیز ظاهر شود. درک JTV دارای پتانسیل اجرای خودکار وظایف استخراج اصطلاحات مرتبط با یک عبارت استدلالی، با توجه به موضوعات پنهان بحث شده و نظرات تعبیه شده در آن است. علاوه بر این، ساختار JTV گروه بندی بدون نظارت از عبارات استدلالی به دست آمده با توجه به نظرات آنها را قادر می سازد تا از یک الگوریتم محدود خوشه بندی ارائه شده استفاده کند که یک نسخه اقتباسی از خوشه بندیk-means محدود (COP-KMEANS) می باشد. آزمایشات بر روی سه نوع اسناد رقابتی (نظرسنجی، بحث آنلاین و سر مقاله) و از طریق شش مجموعه داده رقابتی مختلف انجام گرفته اند. ارزیابی کمی از خروجی مدل سازی این موضوع و همچنین نتایج خوشه بندی محدود، کارایی روش ارائه شده را در تناسب داده و تولید الگوهای متمایز از عبارات استدلالی نشان می دهد. علاوه بر این، تجربه یک خوشه بندی بهتر از عبارات استدلالی روی روش های نوآورانه و پایه نشان داده است. تحلیل کیفی انسجام عبارات استدلالی خوشه بندی شده از نقطه نظر مشابه و واگرایی از عبارات مخالف را برجسته می سازد.

This work proposes an unsupervised method intended to enhance the quality of opinion mining in contentious text. It presents a Joint Topic Viewpoint (JTV) probabilistic model to analyze the underlying divergent arguing expressions that may be present in a collection of contentious documents. The conceived JTV has the potential of automatically carrying the tasks of extracting associated terms denoting an arguing expression, according to the hidden topics it discusses and the embedded viewpoint it voices. Furthermore, JTV's structure enables the unsupervised grouping of obtained arguing expressions according to their viewpoints, using a proposed constrained clustering algorithm which is an adapted version of the constrained k-means clustering (COP-KMEANS). Experiments are conducted on three types of contentious documents (polls, online debates and editorials), through six different contentious data sets. Quantitative evaluations of the topic modeling output, as well as the constrained clustering results show the effectiveness of the proposed method to fit the data and generate distinctive patterns of arguing expressions. Moreover, it empirically demonstrates a better clustering of arguing expressions over state-of-the art and baseline methods. The qualitative analysis highlights the coherence of clustered arguing expressions of the same viewpoint and the divergence of opposing ones