《Entity-Level Sentiment Analysis of Issue Comments》论文阅读笔记

文章名：《Entity-Level Sentiment Analysis of Issue Comments》

作者 Jin Ding, Hailong Sun, Xu Wang, Xudong Liu

年份 2018

1 Introduction

本文针对开发网站中的开发者问题解决评论进行情感分析。对于开源网站Github的评论进行分析情感。

2 System Design

作者开发了实体情感分析工具Senti SW。结构图如下：Github上面的评论注释作为该工具的输入，过程中所识别的实体为“人”和“物”。如果识别是客观性的，结果输出为"neutral sentiment",如果是主观性，输出结果为<sentiment,entity>元组。该模型主要包含四个模块：数据预处理，特征向量化，情感分类和实体识别。 预处理模块的目的是去除无用的特征，通过去除单词、替换单词和阻止技术来降低噪声。矢量化模块试图通过TF-IDF和Doc2vec将一批单词转换成向量表达。情感分类模块把评论的情感极性转换成三种输出结果：positive，negative，neutral。实体识别模块将从情感分类模块分析出的带有主观情感输出结果（positive和negative）语句进行实体识别为“Person”或“Project”。

2.1 Dataset Generation

Github是一个开源网站，程序员可以上传自己的仓库，其他人可以进行借鉴使用。因此本文通过GitHubAPI从GitHub问题跟踪器构建了一个问题注释数据集，选取了十个深受欢迎的仓库获取评论数据进行分析。 选取的仓库原则如下：（1）至少被标注了5000+stars，表明足够受欢迎。（2）