4. MAJOR CHALLENGES INVOLVED INSENT

4. MAJOR CHALLENGES INVOLVED IN
SENTIMENT ANALYSIS
There are several challenges that are to be faced to
implement sentiment analysis. Some of them are listed
below.
4.1. Named Entity Extraction
Named entities are definite noun phrases that refer to
specific types of individuals, such as organizations, persons,
dates, and so on. The goal of named entity extraction is to
identify all textual mentions of the named entities in a text
piece. Named entity recognition is a task that is well suited
to the type of classifier-based approach like sentiment
analysis. Consider the following example,
EXAMPLE 1: (i) The Canon Power Shot is a great camera
for beginners. (ii) It is easy to use and it is very good
quality. (iii) The graphics are great and it takes the picture
quickly. (iv) It has a wonderful face identification feature
which makes the picture even better than it was before. (v)
After you take the picture you can also do a red eye
correction! (vi) Audio is pretty good but the HD quality is
less than desirable.
Here the mention about the brand of camera, ’Canon Power
shot’ is a named entity. For effective sentiment analysis
such mentions should be sorted out.
4.2. Information Extraction
Information comes in many shapes and sizes. The
complexity of natural language can make it very difficult to
access the information in the opinion text.
The tools in NLP are still not fully capable to build generalpurpose
representations of meaning from unrestricted text.
Regarding information available, one important form is
structured data, where there is a regular and predictable
organization of entities and relationships. Another is
unstructured data which can be found in the Internet in large
volume. Information Extraction has many applications,
including business intelligence, media analysis, sentiment
detection, patent search, and email scanning. In the
sentiment analysis application, the information that is to be
extracted are the opinions and the corresponding polarity
values.

Kết quả (Việt) 1:

4. THIẾU NHỮNG THÁCH THỨC THAM GIA VÀOPHÂN TÍCH TÌNH CẢMCó rất nhiều thách thức đang phải đối mặt đểthực hiện phân tích tình cảm. Một số người trong số họ được liệt kêdưới đây.4.1. tên thực thể khai thácTên là thực thể là xác định danh từ cụm từ liên quan đếnCác loại hình cụ thể của cá nhân, chẳng hạn như tổ chức, người,ngày, và như vậy. Mục tiêu của khai thác thực thể được đặt tên làxác định tất cả các đề cập đến văn bản của các thực thể được đặt tên trong một văn bảnmảnh. Sự công nhận tên thực thể là một nhiệm vụ mà là rất thích hợpđể loại phương pháp tiếp cận dựa trên loại như tình cảmphân tích. Hãy xem xét ví dụ sau,Ví dụ 1: (i) các Canon điện Shot là một máy ảnh tuyệt vờicho người mới bắt đầu. (ii) nó là dễ sử dụng và nó là rất tốtchất lượng. (iii) các đồ họa là tuyệt vời và nó có hình ảnhmột cách nhanh chóng. (iv) nó có một tính năng nhận dạng khuôn mặt tuyệt vờimà làm cho hình ảnh tốt hơn so với trước đây. (v)Sau khi bạn chụp ảnh bạn cũng có thể làm một mắt đỏSửa chữa! (vi) âm thanh là khá tốt nhưng chất lượng HDít hơn mong muốn.Đây đề cập đến về thương hiệu của máy ảnh, ' Canon điệnbắn ' là một thực thể được đặt tên theo. Để phân tích hiệu quả tình cảmđề cập đến như vậy nên được sắp xếp.4.2. thông tin khai thácThông tin đến trong nhiều hình dạng và kích cỡ. Cácphức tạp của ngôn ngữ tự nhiên có thể làm cho nó rất khó khăn đểtruy cập thông tin trong văn bản ý kiến.Các công cụ trong NLP là vẫn còn không đầy đủ khả năng để xây dựng generalpurposeđại diện của ý nghĩa từ các văn bản không hạn chế.Liên quan đến thông tin có sẵn, một hình thức quan trọng làcấu trúc dữ liệu, nơi có một thường xuyên và dự đoántổ chức thực thể và mối quan hệ. Một làdữ liệu không có cấu trúc có thể được tìm thấy trên Internet tại lớnkhối lượng. Khai thác thông tin có nhiều ứng dụng,bao gồm kinh doanh thông minh, phương tiện truyền thông phân tích, tình cảmphát hiện, tìm kiếm bằng sáng chế, và thư điện tử quét. Trong cáctình cảm ứng dụng phân tích, các thông tin mà là đểchiết xuất là các ý kiến và cực tương ứnggiá trị.