第四届中文倾向性分析评测（COAE2012）大纲.docxVIP

第四届中文倾向性分析评测（COAE2012）大纲 /Information.html 引言 文本倾向性（观点和情感等）分析近几年持续成为自然语言处理领域研究的热点问题之一。在SIGIR、ACL、WWW、CIKM、WSDM等著名国际会议上，针对这一问题的研究成果层出不穷。随着研究的深入展开，也出现了一些新的研究关注点，如Aspect-Based Opinion Mining，Context-sensitive Opinion Mining等。在国内，对于文本倾向性分析的研究正处于快速发展中。前三届中文倾向性分析评测（COAE）持续在词语级、句子级、篇章级进行了中文倾向性分析评测，任务涉及主客观分析、情感极性分析、评价对象抽取以及搭配抽取等方面。通过开展评测，推动和加速了中文倾向性分析研究的发展。如何结合中文处理的特点，进一步推动中文倾向性分析的发展仍是目前亟待解决的问题。因此，在前三届中文倾向性分析评测的基础上，本届评测将继续致力于探索中文倾向性分析的新技术、新方法，推动中文倾向性分析理论和技术的研究与应用，在此基础上，建立并完善中文倾向性分析研究的基础数据集和评测标准。 评测任务设置 前三届评测任务主要关注情感词语和观点句子的抽取以及倾向性识别，第四届COAE2012评测在前三届中文倾向性评测分析的基础上重点对于两种特殊的句子现象进行评测。1）基于否定句的句子级观点倾向性分析。否定句是一种特殊的句子现象，其中关键词语对于句子倾向性的确定起着关键的重要作用；另外，否定句也分为单重否定、双重否定等。分析否定句的情感倾向性包含了句式分析、词语分析等多项关键技术，是一个值得研究的任务与课题，有着实际的应用意义与研究价值。2）比较句的识别与要素抽取。比较句也是观点评论中一种常见的句式现象，其中蕴含着多种观点，对其进行识别，并从中抽取相应的观点信息，涉及之前评测的观点要素抽取、词语倾向性分析等多项技术。因此，也具有研究价值和实际意义。此外，在之前篇章级倾向性评测的基础上，本次评测继续推动篇章级的倾向性分析。篇章中往往包含作者的多种观点，因此本次评测不再要求参加者对于篇章的整体观点极性进行预测，而是需要对于篇章的观点倾向性进行打分，其中也包含了系统对于篇章内容更加细致的分析能力。 具体评测任务设置如下表所示： 任务号 类型 任务名称 任务描述 任务1 句子级 基于否定句的句子级倾向性分析 在给定否定句子集合中，判别每个否定句的情感倾向性 任务2 句子级 比较句的识别与要素抽取 包含两个任务 子任务1（必选） 从给定句子集合中，识别出哪些句子是比较句 子任务2（可选） 从识别出的比较句中，抽取出相应的比较实体、实体要素以及相应的情感倾向性 任务3 篇章级 篇章级倾向性打分 对于给定的评论篇章进行打分（1-5分） 基于否定句的句子级倾向性分析 否定句是一种特殊的句子现象，其中关键词语对于句子倾向性确定起着关键的作用，例如“我不喜欢这款手机的屏幕色彩”，这里“喜欢”本来表示的是褒义的情感，但是由于“不”否定词出现，使得这个句子的倾向性发生偏转，变为贬义。因此，分析否定句的情感倾向性有着重要的意义。另外，否定句也分为单重否定、双重否定等，分析否定句的情感倾向性包含了句式分析、词语分析等多项关键技术，是一个值得研究的任务与课题，有着广泛的实际应用意义与研究价值。 本评测针对给定数据集（全部为否定句），要求参加系统分析数据集中每个句子的情感倾向性，即（褒义、贬义或者中性）。 提交结果格式： Id SenID Run-tag Polarity Id: 任务编号（此任务编号为1） SenID：句子编号 Run-tag：评测系统编号 Polarity：观点极性，1代表褒义，0代表中性，-1代表贬义 注意：不同字段以tab分割，下同 比较句识别与要素抽取 比较句是观点评论中一种常见的句式现象，其中蕴含着多种观点，对其进行识别，并从中抽取相应的观点信息，涉及前几届评测的观点要素抽取、词语倾向性分析等多项关键技术。因此，也具有研究价值和实用意义。本任务包含两个子评测任务。 比较句识别 从给定句子级数据集中识别出哪个句子是比较句 提交结果格式： Id SenID Run-tag Result Id: 任务编号（此任务编号为2.1） SenID：句子编号 Run-tag：评测系统编号 Result：识别结果，1代表是比较句，0不是比较句 例如下面四个句子 Doc1诺基亚N8的屏幕不如iphone的好/Doc1 Doc2诺基亚N8的屏幕挺好的/Doc2 Doc3iphone4s屏幕是目前所有手机中屏幕最好的/Doc3 Doc4诺基亚N8的屏幕与摩托里程碑2的相比差不多/Doc4 输出结果： 2.1 Doc1 xxx 1 2.1 D