自適應中文維度型情感詞典之建立

An Adaptive Method for Building a Chinese Dimensional Sentiment Lexicon

"在文本的情感分析（Sentiment Analysis）的任務中，基於詞典的方法因具有高可解釋性且容易使用，中文維度型情感詞典（Chinese Valence-Arousal Words, CVAW）已是重要的基礎工具，本研究的主要目的則是發展一種自適應方法（Adaptive Method）擴充該情感詞典，使其可擴充並適應到不同領域，故本研究利用深度學習的嵌入（Embedding）技術，從健保領域專家標記結果取得新詞的維度型情感（Dimensional Sentiment），擴充中文維度型情感詞典為自適應中文維度型情感詞典。為驗證該方法之有效性，我們以中文維度型情感詞典作為基線（Baseline），並加入支援向量機（Support Vector Machine, SVM）及極限梯度提升（Extreme Gradient Boosting, XGBoost）等熱門演算法進行比較，實驗結果顯示，自適應中文維度型情感詞典在交叉驗證實驗中之均方誤差（Mean Square error, MSE）為0.95、皮爾森相關係數（Pearson's Correlation coefficient）為0.71，效能略優於基線及其他機器學習演算法。未來亦將結合標記推薦系統，完善具方向性的標記及學習循環，使自適應中文維度型情感詞典能更有效的持續發展。"