Statistical methods are used in man

Statistical methods are used in many applications related to
SA. One of them is detecting the reviews manipulation by conducting
a statistical test of randomness called Runs test. Hu
and Bose [31] expected that the writing style of the reviews
would be random due to the various backgrounds of the customers,
if the reviews were written actually by customers. They
worked on Book reviews from amazon.com and discovered
that around 10.3% of the products are subject to online
reviews manipulation.
Latent Semantic Analysis (LSA) is a statistical approach
which is used to analyze the relationships between a set of documents
and the terms mentioned in these documents in order
to produce a set of meaningful patterns related to the documents
and terms [66]. Cao and Duan [18] have used LSA to
find the semantic characteristics from review texts to examine
the impact of the various features. The objective of their work
is to understand why some reviews receive many helpfulness
votes, while others receive few or no votes at all. Therefore,
instead of predicting a helpful level for reviews that have no
votes, they investigated the factors that determine the number
of helpfulness votes which a particular review receives (include
both ‘‘yes’’ and ‘‘no’’ votes). They worked on software programs
users’ feedback from CNET Download.com. They
showed that the semantic characteristics are more influential
than other characteristics in affecting how many helpfulness
vote reviews receive.
Semantic orientation of a word is a statistical approach used
along with the PMI method. There is also an implementation of
semantic space called Hyperspace Analogue to Language (HAL)
which was proposed by Lund and Burgess [93]. Semantic space
is the space in which words are represented by points; the position
of each point along with each axis is somehow related to
the meaning of the word. Xu and Peng [6] have developed an
approach based on HAL called Sentiment Hyperspace
Analogue to Language (S-HAL). In their model, the semantic
orientation information of words is characterized by a specific
vector space, and then a classifier was trained to identify the
semantic orientation of terms (words or phrases). The hypothesis
was verified by the method of semantic orientation inference
from PMI (SO-PMI). Their approach produced a set of weighted features based on surrounding words. They worked
on news pages and used a Chinese corpus. Their results showed
that they outperformed the SO-PMI and showed advantages in
modeling semantic orientation characteristics when compared
with the original HAL model.
4.2.2.2. Semantic approach. The Semantic approach gives sentiment
values directly and relies on different principles for computing
the similarity between words. This principle gives similar
sentiment values to semantically close words. WordNet for
example provides different kinds of semantic relationships
between words used to calculate sentiment polarities. WordNet
could be used too for obtaining a list of sentiment words by iteratively
expanding the initial set with synonyms and antonyms
and then determining the sentiment polarity for an unknown
word by the relative count of positive and negative synonyms
of this word [86].
The Semantic approach is used in many applications to
build a lexicon model for the description of verbs, nouns and
adjectives to be used in SA as the work presented by Maks
and Vossen [7]. Their model described the detailed subjectivity
relations among the actors in a sentence expressing separate
attitudes for each actor. These subjectivity relations are labeled
with information concerning both the identity of the attitude
holder and the orientation (positive vs. negative) of the
attitude. Their model included a categorization into semantic
categories relevant to SA. It provided means for the identification
of the attitude holder, the polarity of the attitude and also
the description of the emotions and sentiments of the different
actors involved in the text. They used Dutch WordNet in their
work. Their results showed that the speaker’s subjectivity and
sometimes the actor’s subjectivity can be reliably identified.
Semantics of electronic WOM (eWOM) content is used to
examine eWOM content analysis as proposed by Pai and
Chu [59]. They extracted both positive and negative appraisals,
and helped consumers in their decision making. Their method
can be utilized as a tool to assist companies in better
understanding product or service appraisals, and accordingly
translating these opinions into business intelligence to be used
as the basis for product/service improvements. They worked
on Taiwanese Fast food reviews. Their results showed that
their approach is effective in providing eWOM appraisals
related to services and products.
Semantic methods can be mixed with the statistical methods
to perform SA task as the work presented by Zhang and Xu [38]
who used both methods to find product weakness from online
reviews. Their weakness finder extracted the features and group
explicit features by using morpheme-based method to identify
feature words from the reviews. They used Hownet-based
similarity measure to find the frequent and infrequent explicit
features which describe the same aspect. They identified the
implicit features with collocation statistics-based selection
method PMI. They have grouped products feature words into
corresponding aspects by applying semantic methods. They
have utilized sentence-based SA method to determine the
polarity of each aspect in sentences taking into consideration
the impact of adverbs of degree. They could find the weaknesses
of the product, as it was probably the most unsatisfied aspect in
customers’ reviews, or the aspect which is more unsatisfied
when compared with their competitor’s product reviews.
Their results expressed the good performance of the weakness
finder.
4.2.3. Lexicon-based and natural language processing techniques
Natural Language Processing (NLP) techniques are sometimes
used with the lexicon-based approach to find the syntactical
structure and help in finding the semantic relations [94]. Moreo
and Romero [37] have used NLP techniques as preprocessing
stage before they used their proposed lexicon-based SA algorithm.
Their proposed system consists of an automatic focus
detection module and a sentiment analysis module capable
of assessing user opinions of topics in news items which use
a taxonomy-lexicon that is specifically designed for news analysis.
Their results were promising in scenarios where colloquial
language predominates.

Kết quả (Việt) 1:

Phương pháp thống kê được sử dụng trong nhiều ứng dụng liên quan đếnSA. Một trong số họ phát hiện các thao tác đánh giá bởi tiến hànhmột bài kiểm tra thống kê của ngẫu nhiên được gọi là chạy thử nghiệm. Huvà Bose [31] dự kiến sẽ có phong cách văn bản của những nhận xétsẽ là ngẫu nhiên do các nguồn gốc khác nhau của khách hàng,Nếu các đánh giá được viết thực sự của khách. Họlàm việc trên cuốn sách đánh giá từ amazon.com và phát hiệncó khoảng 10,3% các sản phẩm có thể trực tuyếngiá thao tác.Phân tích ngữ nghĩa tiềm ẩn (LSA) là một phương pháp thống kêđược sử dụng để phân tích các mối quan hệ giữa một tập hợp các tài liệuvà các điều khoản được đề cập trong các tài liệu theo thứ tựđể sản xuất một tập hợp các mô hình có ý nghĩa liên quan đến các tài liệuvà điều khoản [66]. Cao và Duan [18] đã sử dụng LSA đểtìm thấy các đặc tính ngữ nghĩa từ xem lại văn bản để kiểm tratác động của các tính năng khác nhau. Mục tiêu của công việc của họlà để hiểu tại sao một số nhận xét nhận được nhiều helpfulnesslượt đánh giá, trong khi những người khác nhận được phiếu ít hoặc không có ở tất cả. Do đó,thay vì dự đoán một mức độ hữu ích để đánh giá không cóphiếu, họ nghiên cứu các yếu tố xác định sốhelpfulness phiếu mà nhận được một bài đánh giá cụ thể (bao gồmcả hai '' có '' và '' không có '' lượt đánh giá). Họ làm việc trên chương trình phần mềmthông tin phản hồi của người dùng từ CNET Download.com. Họcho thấy rằng các đặc điểm ngữ nghĩa là hơn có ảnh hưởngso với các đặc điểm trong ảnh hưởng đến bao nhiêu helpfulnessbỏ phiếu đánh giá nhận được.Ngữ nghĩa định hướng của một từ là một cách tiếp cận thống kê sử dụngcùng với các phương pháp PMI. Chỗ ở này cũng có một thực hiệnngữ nghĩa không gian gọi là Hyperspace tương tự để ngôn ngữ (HAL)mà đã được đề xuất bởi Lund và Burgess [93]. Ngữ nghĩa spacekhông gian trong đó các từ được đại diện bởi điểm; vị trícủa mỗi điểm cùng với trục mỗi bằng cách nào đó liên quan đếný nghĩa của từ. Xu và bành [6] đã phát triển mộtcách tiếp cận dựa trên HAL được gọi là tình cảm HyperspaceTương tự để ngôn ngữ (S-HAL). Trong mô hình của họ, các ngữ nghĩathông tin định hướng từ được đặc trưng bởi một cụ thểvector space, và sau đó một loại được huấn luyện để xác định cácngữ nghĩa định hướng của điều khoản (từ hoặc cụm từ). Các giả thuyếtđã được xác minh bởi phương pháp suy luận ngữ nghĩa định hướngtừ PMI (SO-PMI). Cách tiếp cận của họ sản xuất một tập hợp các tính năng trọng dựa trên xung quanh từ. Họ làm việctrên các tin tức trang và sử dụng một corpus Trung Quốc. Kết quả của họ cho thấyhọ tốt hơn SO-PMI và cho thấy những lợi thế trongđặc điểm ngữ nghĩa định hướng mô hình khi so sánhvới mô hình HAL ban đầu.4.2.2.2. phương pháp tiếp cận ngữ nghĩa. Các phương pháp ngữ nghĩa cung cấp cho tình cảmgiá trị trực tiếp và dựa trên các nguyên tắc khác nhau cho máy tínhsự giống nhau giữa các từ. Nguyên tắc này cung cấp cho tương tựtình cảm các giá trị để ngữ nghĩa đóng từ. WordNet choVí dụ cung cấp loại khác nhau của mối quan hệ ngữ nghĩagiữa các từ được sử dụng để tính toán cực tình cảm. WordNetcó thể được sử dụng quá để đạt được một danh sách các tình cảm từ bởi lặp đi lặp lạimở rộng ban đầu thiết lập với từ đồng nghĩa và trái nghĩavà sau đó xác định tình cảm cực cho một chưa biếttừ theo số lượng tương đối của tích cực và tiêu cực từ đồng nghĩacủa từ này [86].Các phương pháp ngữ nghĩa được sử dụng trong nhiều ứng dụng đểxây dựng một mô hình lexicon cho mô tả của động từ, danh từ vàCác tính từ được sử dụng trong SA là một tác phẩm được trình bày bởi Maksvà Vossen [7]. Mô hình của họ mô tả chủ quan chi tiếtmối quan hệ giữa các diễn viên trong một câu thể hiện riêng biệtThái độ đối với mỗi diễn viên. Những quan hệ chủ quan được gắn nhãnvới thông tin liên quan đến cả hai danh tính của Thái độchủ sở hữu và định hướng (tích cực vs tiêu cực) của cácThái độ. Mô hình của họ bao gồm một loại thành ngữ nghĩadanh mục có liên quan đến SA. Nó cung cấp phương tiện cho việc xác địnhcủa người giữ thái độ, cực của Thái độ và cũngCác mô tả về cảm xúc và tình cảm của các khác nhaudiễn viên tham gia vào các văn bản. Họ sử dụng WordNet Hà Lan trong của họlàm việc. Kết quả của họ cho thấy người nói chủ quan vàđôi khi chủ quan của diễn viên có thể được xác định đáng tin cậy.Ngữ nghĩa của điện tử WOM (eWOM) nội dung là được sử dụng đểkiểm tra eWOM phân tích nội dung như đề xuất bởi Pai vàChu [59]. Họ trích xuất đánh giá tích cực và tiêu cực,và đã giúp người tiêu dùng trong quyết định của họ. Phương pháp của họcó thể được sử dụng như một công cụ để hỗ trợ công ty trong tốt hơnTìm hiểu về sản phẩm hoặc dịch vụ đánh giá, và phù hợpdịch những ý kiến này vào kinh doanh thông minh được sử dụngnhư là cơ sở để cải tiến sản phẩm/dịch vụ. Họ làm việctrên Đài Loan nhanh đánh giá thực phẩm. Kết quả của họ cho thấy rằngcách tiếp cận của họ là hiệu quả trong việc cung cấp eWOM đánh giáliên quan đến dịch vụ và sản phẩm.Phương pháp ngữ nghĩa có thể được trộn lẫn với các phương pháp thống kêđể thực hiện nhiệm vụ SA là một tác phẩm được trình bày bởi trương và Xu [38]người sử dụng cả hai phương pháp để tìm sản phẩm yếu từ trực tuyếngiá của khách. Công cụ tìm điểm yếu của chiết xuất các tính năng và nhómCác tính năng rõ ràng bằng cách sử dụng morpheme dựa trên phương pháp để xác địnhtính năng từ những nhận xét. Họ sử dụng dựa trên Hownetbiện pháp tương tự để tìm thấy thường xuyên và không thường xuyên rõ ràngtính năng đó mô tả các khía cạnh tương tự. Họ xác định cácCác tính năng tiềm ẩn với collocation thống kê dựa trên lựa chọnphương pháp PMI. Họ đã nhóm sản phẩm tính năng từ vàokhía cạnh tương ứng bằng cách áp dụng phương pháp ngữ nghĩa. Họđã sử dụng dựa trên câu SA phương pháp để xác định cáccực của từng khía cạnh trong câu cân nhắctác động của trạng từ học. Họ có thể tìm thấy những điểm yếucủa sản phẩm, vì nó có thể là các khía cạnh nhất không hài lòng trongđánh giá của khách hàng, hoặc khía cạnh khác là không hài lòng hơnKhi so sánh với đánh giá sản phẩm của đối thủ cạnh tranh.Kết quả của họ bày tỏ hiệu suất tốt của sự yếu kémFinder.4.2.3. ngôn ngữ tự nhiên và lexicon dựa trên chế biến kỹ thuậtKỹ thuật xử lý ngôn ngữ tự nhiên (NLP) là đôi khiđược sử dụng với lexicon dựa trên phương pháp tiếp cận để tìm các syntacticalcấu trúc và giúp đỡ trong việc tìm kiếm các mối quan hệ ngữ nghĩa [94]. Moreovà Romero [37] đã sử dụng kỹ thuật NLP là tiền xử lýgiai đoạn trước khi họ sử dụng lexicon dựa trên thuật toán được đề xuất SA của họ.Hệ thống đề xuất của họ bao gồm một tập trung tự độngphát hiện mô-đun và một module phân tích tình cảm có khả năngđánh giá người sử dụng ý kiến của các chủ đề trong mục tin tức mà sử dụngmột phân loại-lexicon thiết kế đặc biệt cho phân tích tin tức.Kết quả của họ đã được hứa hẹn trong các tình huống nơi thông tụcngôn ngữ predominates.

Kết quả (Việt) 2:

Phương pháp thống kê được sử dụng trong nhiều ứng dụng liên quan đến
SA. Một trong số đó là phát hiện các thao tác đánh giá bằng cách tiến hành
một thử nghiệm thống kê ngẫu nhiên được gọi là Chạy thử nghiệm. Hu
và Bose [31] Dự kiến các phong cách viết của các đánh giá
sẽ là ngẫu nhiên do các nguồn gốc khác nhau của khách hàng,
nếu đánh giá được viết bởi khách hàng thực sự. Họ
đã làm việc về Sách xét từ amazon.com và phát hiện ra
rằng khoảng 10,3% các sản phẩm có thể trực tuyến
đánh giá thao tác.
Latent Semantic Analysis (LSA) là một phương pháp thống kê
được sử dụng để phân tích mối quan hệ giữa một tập hợp các tài liệu
và các điều khoản được đề cập trong các tài liệu này để
tạo ra một tập hợp các mô hình có ý nghĩa liên quan đến các tài liệu
và các điều kiện [66]. Cao và Duẩn [18] đã sử dụng LSA để
tìm ra những đặc ngữ nghĩa từ văn bản xem xét lại để xem xét
tác động của các tính năng khác nhau. Mục tiêu của công việc của họ
là để hiểu lý do tại sao một số ý kiến nhận được nhiều sự hữu ích
phiếu, trong khi những người khác nhận được ít hoặc không có phiếu nào cả. Vì vậy,
thay vì dự đoán một mức độ hữu ích để đánh giá mà không có
phiếu, họ điều tra những yếu tố quyết định số
phiếu hồi hướng mà đánh giá đặc biệt nhận được (bao gồm
cả '' yes '' và '' không '' phiếu). Họ đã làm việc trên các chương trình phần mềm
thông tin phản hồi của người sử dụng từ CNET Download.com. Họ
cho thấy các đặc điểm ngữ nghĩa có nhiều ảnh hưởng
hơn so với những đặc điểm khác trong ảnh hưởng đến bao nhiêu sự hữu ích
đánh giá phiếu nhận được.
định hướng ngữ nghĩa của một từ là một phương pháp thống kê được sử dụng
cùng với các phương pháp PMI. Ngoài ra còn có một thực hiện của
không gian ngữ nghĩa gọi là Hyperspace Analogue để Language (HAL)
đã được đề xuất bởi Lund và Burgess [93]. Không gian ngữ nghĩa
là không gian trong những từ được biểu diễn bởi điểm; vị trí
của mỗi điểm cùng với mỗi trục là bằng cách nào đó có liên quan đến
ý nghĩa của từ. Xu và [6] Peng đã phát triển một
phương pháp tiếp cận dựa trên HAL gọi Sentiment Hyperspace
tương tự sang ngôn ngữ (S-HAL). Trong mô hình của họ, các ngữ nghĩa
thông tin định hướng của từ được đặc trưng bởi một cụ
không gian vector, và sau đó một phân loại đã được đào tạo để xác định các
định hướng ngữ nghĩa từ ngữ (từ hoặc cụm từ). Các giả thuyết
đã được xác nhận qua các phương pháp ngữ nghĩa định hướng suy luận
từ PMI (SO-PMI). Phương pháp của họ đã tạo ra một tập hợp các tính năng trọng dựa trên các từ xung quanh. Họ đã làm việc
trên các trang tin tức và sử dụng một văn Trung Quốc. Kết quả cho thấy
rằng họ vượt trội so với SO-PMI và cho thấy lợi thế trong
mô hình đặc điểm định hướng ngữ nghĩa khi so sánh
với các mô hình HAL gốc.
4.2.2.2. Cách tiếp cận ngữ nghĩa. Các cách tiếp cận ngữ nghĩa cho tình cảm
giá trị trực tiếp và dựa trên các nguyên tắc khác nhau để tính toán
sự tương tự giữa các từ. Nguyên tắc này tương tự cho
các giá trị tình cảm để từ ngữ nghĩa chặt chẽ. WordNet cho
ví dụ cung cấp các loại khác nhau của các mối quan hệ ngữ nghĩa
giữa các từ được sử dụng để tính toán cực tình cảm. WordNet
có thể được sử dụng quá cho việc thu thập một danh sách các từ tình cảm bằng cách lặp đi lặp lại
việc mở rộng các thiết lập ban đầu với các từ đồng nghĩa và trái nghĩa
và sau đó xác định các cực tình cảm cho một người vô danh
từ bằng cách tính tương đối của các từ đồng nghĩa tích cực và tiêu cực
của từ này [86].
Các Semantic Phương pháp được sử dụng trong nhiều ứng dụng để
xây dựng một mô hình từ vựng cho các mô tả của những động từ, danh từ và
tính từ có thể được sử dụng trong SA là công việc trình bày bởi Maks
và Vossen [7]. Mô hình của họ được mô tả chi tiết các chủ thể
quan hệ giữa các chủ thể trong một câu thể hiện riêng biệt
thái độ đối với từng diễn viên. Những mối quan hệ chủ quan được dán nhãn
với các thông tin liên quan đến cả hai sắc thái độ của
chủ sở hữu và định hướng (tích cực so với tiêu cực) của các
thái độ. Mô hình của họ bao gồm một phân loại thành ngữ nghĩa
danh mục liên quan đến SA. Nó cung cấp phương tiện cho việc xác định
thái độ của chủ sở hữu, sự phân cực của thái độ và cũng
mô tả những cảm xúc và tình cảm của nhau
diễn viên tham gia trong các văn bản. Họ đã sử dụng WordNet Hà Lan tại của họ
làm việc. Kết quả cho thấy rằng chủ quan của người nói và
đôi khi chủ quan của nam diễn viên có thể được xác định một cách tin cậy.
Semantics của WOM điện tử (eWOM) nội dung được sử dụng để
kiểm tra eWOM phân tích nội dung như đề xuất của Pai và
Chu [59]. Họ lấy đánh giá cả tích cực và tiêu cực,
và giúp người tiêu dùng trong việc ra quyết định của họ. Phương pháp của họ
có thể được sử dụng như một công cụ để hỗ trợ tốt hơn các công ty trong
các đánh giá về sản phẩm hoặc dịch vụ sự hiểu biết, và theo đó
dịch các ý kiến vào kinh doanh thông minh sẽ được sử dụng
làm cơ sở để cải tiến sản phẩm / dịch vụ. Họ đã làm việc
trên Đài Loan đánh giá thức ăn nhanh. Kết quả cho thấy rằng
cách tiếp cận của họ là có hiệu quả trong việc cung cấp các đánh giá eWOM
liên quan đến các dịch vụ và sản phẩm.
phương pháp ngữ nghĩa có thể được trộn lẫn với các phương pháp thống kê
để thực hiện nhiệm vụ SA là công việc trình bày bởi Zhang và Xu [38]
đã sử dụng cả hai phương pháp để tìm điểm yếu sản phẩm từ trực tuyến
đánh giá. Công cụ tìm điểm yếu của họ chiết xuất các tính năng và nhóm
tính năng rõ ràng bằng cách sử dụng phương pháp dựa trên hình vị để xác định
từ tính năng từ những nhận xét. Họ đã sử dụng Hownet dựa trên
biện pháp tương tự để tìm ra rõ ràng thường xuyên và không thường xuyên
các tính năng mà mô tả các khía cạnh như nhau. Họ đã xác định các
tính năng tiềm ẩn với lựa chọn cách sắp xếp từ số liệu thống kê dựa trên
phương pháp PMI. Họ đã được nhóm sản phẩm tính năng từ vào
khía cạnh tương ứng bằng cách áp dụng phương pháp ngữ nghĩa. Họ
đã sử dụng phương pháp dựa trên SA câu để xác định các
cực của mỗi khía cạnh trong câu có tính đến
tác động của các phó từ chỉ mức độ. Họ có thể tìm thấy những điểm yếu
của sản phẩm, vì nó có lẽ là khía cạnh không hài lòng nhất trong
đánh giá của khách hàng, hoặc các khía cạnh đó là không hài lòng hơn
khi so sánh với đánh giá sản phẩm đối thủ cạnh tranh của họ.
Kết quả của họ thể hiện hiệu suất tốt của sự yếu kém
cụ tìm.
4.2. 3. Lexicon dựa trên và xử lý ngôn ngữ tự nhiên các kỹ thuật
xử lý ngôn ngữ tự nhiên (NLP) kỹ thuật đôi khi được
sử dụng với các phương pháp tiếp cận dựa trên từ vựng để tìm các cú pháp
cấu trúc và giúp đỡ trong việc tìm kiếm các mối quan hệ ngữ nghĩa [94]. Moreo
và Romero [37] đã sử dụng kỹ thuật NLP như tiền xử lý
giai đoạn trước khi họ sử dụng từ vựng dựa trên SA thuật toán đề xuất của họ.
Hệ thống đề xuất của họ bao gồm một nét tự động
phát hiện mô-đun và một mô-đun phân tích tâm lý có khả năng
đánh giá ý kiến người sử dụng các chủ đề trong mục tin tức mà sử dụng
một nguyên tắc phân loại, từ vựng được thiết kế đặc biệt để phân tích tin tức.
Kết quả của họ đã được hứa hẹn trong kịch bản mà ngôn ngữ giao tiếp
ngôn ngữ chiếm ưu thế.