Paper review [Unsupervised Sentiment Analysis with Emotional Signals]

Unsupervised Sentiment Analysis with Emotional Signals 

提出通过情感符号配合无监督的学习方法达到情感分类的目的；文中提出两个概念：Emotion Indication和Emotion Correlation，Emotion Indication指那些能明显反应post和word情感类型的符号；Emotion Correlation指那些能联系post和word的情感符号；文章定义为无监督的学习，在文中发现是通过聚类得到Post和word的最近邻，再构造矩阵；

提出Post-word矩阵的概念，这个矩阵最后参与到情感计算里，并且还使用了矩阵因子分解的方法；

论文解决问题的思路主要是机器学习里的经验最大化的概念，论文的主要模型函数是：

其中是Post-level的Emotion Indication；有Post-level的，也有对应word-level的Emotion Indication：

与之对应，就提出Post-level和word-level的Emotion Correlation：和；

借鉴了ONMTF模型：

通过实验数据不断修正参数，实验的伪代码：

实验数据包括：Standford Twitter Sentiment和Obama-McCain Debate，STS数据通过调用Twitter API数据接口获得。