Paper review [Twitter Sentiment Classification using Distant Supervision 2012]

Twitter Sentiment Classification using Distant Supervision

论文能判别查询词（query term）情感倾向性；但始终没有理解Distant supervision的意思（估计是一种机器学习方法）；

考虑到没有大量的标记数据做分类，所以采用将情感符号（例如，:)   ， :(  ）进行分类，然后通过情感符号对对微博的进行分类；

指出微博数据的一些特性：如，长度（length）、数据可获取性（data availability）、语言模式（language model）、域（domain）；

论文主要用了三中分类算法（native bayes、maximum entropy、support vectors mechines），和特征抽取算法（查询词、情感符号、特征提出）；

最后根据Twitter  API获得的数据进行试验；

论文里没有写自己提出的模型；但给出了实验结果对比；

给出五个未来研究方向：1、semantic 从语义上分析情感性（例如、in the tweet Federer beats Nadal :), the sentiment is positive for Federer and negative for Nadal.）；2、domain-specific domain 指定领域情感分类准确率将提高；3、handing neutral tweet 处理中立性（无情感色彩的）的微博；4、International 处理语言国际化；5、将情感数据用于测试数据集中；