[rojak-analyzer] Aspect/Feature based Sentiment Analysis Approach #129
Description
About
Follow up untuk #75 #96. Terimakasih untuk feedback dari teman-teman, semoga issue ini memperjelas dan membuat pemahaman kita menjadi sama.
Oke di issue ini akan lebih di jelaskan lagi tentang approach apa sih yang bisa kita gunain untuk membuat rojak-analyzer . Issue ini dibuat dengan asumsi pembaca sudah mempunyai pemahaman tentang dasar-dasar sentiment analysis (SA).
Kan ada beberapa macam SA:
- document-level sentiment
- sentiment for user-specified targets
- entity-level sentiment
- quotation-level sentiment
- directional-sentiment
- keyword-level sentiment
- dan lain-lain
Untuk rojak ini kita fokus untuk solve "document-level sentiment" dan/atau "entity-level sentiment".
Aspect/Feature based Sentiment Analysis
Di issue ini kita akan fokus untuk solve "entity-level sentiment".
Intuisinya gini sih: Ada satu berita nih, kita mau cari tau: Sentiment untuk calon A apa sih?
Jadi ada kemungkinan satu berita mempunyai sentiment yang berbeda-beda untuk tiap calonnya.
Hmmm untuk task SA ini cenderung yang masih anget di research sih, baru ada di SemEval sekitar tahun 2014-an.
Beberapa refrensi untuk approach ini:
- Deep Learning for Aspect-Based Sentiment Analysis https://cs224d.stanford.edu/reports/WangBo.pdf
- Feature Specific Sentiment Analysis for Product Reviews http://people.mpi-inf.mpg.de/~smukherjee/cicling12-feature-specific-sa.pdf
- A Vector Space Approach for Aspect Based Sentiment Analysis http://www.aclweb.org/anthology/W15-1516