[rojak-analyzer] Aspect/Feature based Sentiment Analysis Approach

[pyk]

About

Follow up untuk #75 #96. Terimakasih untuk feedback dari teman-teman, semoga issue ini memperjelas dan membuat pemahaman kita menjadi sama.

Oke di issue ini akan lebih di jelaskan lagi tentang approach apa sih yang bisa kita gunain untuk membuat rojak-analyzer . Issue ini dibuat dengan asumsi pembaca sudah mempunyai pemahaman tentang dasar-dasar sentiment analysis (SA).

Kan ada beberapa macam SA:

• document-level sentiment
• sentiment for user-specified targets
• entity-level sentiment
• quotation-level sentiment
• directional-sentiment
• keyword-level sentiment
• dan lain-lain

Untuk rojak ini kita fokus untuk solve "document-level sentiment" dan/atau "entity-level sentiment".

Aspect/Feature based Sentiment Analysis

Di issue ini kita akan fokus untuk solve "entity-level sentiment".

Intuisinya gini sih: Ada satu berita nih, kita mau cari tau: Sentiment untuk calon A apa sih?

Jadi ada kemungkinan satu berita mempunyai sentiment yang berbeda-beda untuk tiap calonnya.

Hmmm untuk task SA ini cenderung yang masih anget di research sih, baru ada di SemEval sekitar tahun 2014-an.

Beberapa refrensi untuk approach ini:

• Deep Learning for Aspect-Based Sentiment Analysis https://cs224d.stanford.edu/reports/WangBo.pdf
• Feature Specific Sentiment Analysis for Product Reviews http://people.mpi-inf.mpg.de/~smukherjee/cicling12-feature-specific-sa.pdf
• A Vector Space Approach for Aspect Based Sentiment Analysis http://www.aclweb.org/anthology/W15-1516

[pyk]

Related:

• UWB: Machine Learning Approach to Aspect-Based Sentiment Analysis
• SemEval-2016 Task 5: Aspect Based Sentiment Analysis
• NLANGP: Supervised Machine Learning System for Aspect Category
  Classification and Opinion Target Extraction => yg paling unggul di SemVal2015