Adding a Capability to Extract Sentiment from Text Using HanDles
Notice bibliographique
Résumé
Abstract : HanDles is a document visualization tool developed by Ohio State University for DRDC Toronto. One aspect of documents that might be of interest to analysts is the extent to which they express positive or negative opinion or sentiment toward some issue or group. In this report, we describe how HanDles was extended to include the ability to classify documents as containing predominantly positive or negative sentiment. The capability was added to the tool so that it could be used in Influence Operations contexts. As a test case, we trained HanDles to distinguish good and poor film reviews, and then tested it three times to see how well it classified documents. The first test was conducted on reviews of the Amazon Kindle. The second test was run on text segments of the original training set of movie reviews, and finally, it was tested on a set of movie reviews that it had not seen before. In general, HanDles did a poor job detecting the sentiment associated with the reviews of the Amazon Kindle. We attribute the poor performance to the fact that movie and product reviews discuss different issues, and as such, there is limited similarity in the two classes of document. Not surprisingly, HanDles did a good job classifying text segments of the original training set. Also, the finding demonstrated that, unlike many other sentiment analysis tools that only classify text at the whole-document level, HanDles can be used effectively to extract the issues being discussed within documents, and assign sentiment to those. For example, a review of a film might be classified as negative overall, but HanDles can determine that the acting was good, but the directing was poor. Finally, when we tested HanDles on a new set of movie reviews it had not seen before, it performed with 93.3% accuracy. The results of our trial suggest that there must be some similarity between the documents used during training and those used in the operational context for HanDles to work properly.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».