Mini Workshop: Simple Classifier for Determining The Sentiment Orientation of A Review Sentence

Last week, Faculty of Computer Science (UI) successfully held mini workshop on big data analytics as part of joint collaboration between UI and Deakin University. One of the topics addressed at this mini workshop was about sentiment analysis from social media. I was the speaker on the Hands-On session at this mini workshop.

I delivered a tutorial on how to build a simple classifier for automatically determining the sentiment orientation of a review sentence. Sentiment orientation of an opinionated sentence can be positive or negative. This tutorial would be beneficial for those who want to learn a simple text classification problem, that is, sentiment orientation classification.

If you are interested in this tutorial, you can download the instructions as well as the dataset and resources used in this tutorial:

1. Download the tutorial instructions
2. Download the dataset

This tutorial will require you to do several steps:

1. Make sure you have Python installed on your PC since we are going to do fun programming using Python language as an interface.
2. After you have successfully installed Python, you need to install NLTK package. If you install Python using Anaconda Python Distribution, then you don't need this step since Anaconda includes more than 300 of the famous Python packages (including NLTK).

--
Ditulis di Bekasi, Indonesia
3 Safar 1437 H (15 November 2015)

Movie Review Corpus Berbahasa Indonesia (v1.0)

Saya membangun sebuah corpus berbahasa Indonesia untuk sentiment analysis. Corpus ini merupakan kumpulan Movie Review (Resensi Film) berbahasa Indonesia yang diberi label "positif" atau "negatif" terkait sentimen yang dikandung di dalam dokumen yang bersangkutan.

Corpus ini mirip dengan IMDB corpus yang terkenal yang dibangun oleh Cornell University [1], hanya saja ukuran corpus berbahasa Indonesia ini lebih kecil.

• #Positive Docs  : 381
• #Negative Docs : 384
• #Docs (total) : 765

Corpus ini merupakan corpus movie review berbahasa Indonesia pertama (sepengetahuan saya). Semoga corpus ini berguna untuk teman-teman yang ingin melakukan riset di bidang sentiment analysis / opinion mining dengan data berbahasa Indonesia. Franky dan Dr. Ruli sebelumnya melakukan riset sentiment analysis dengan menggunakan IMDB corpus yang diterjemahkan ke bahasa Indonesia secara otomatis [2].

Jika teman-teman tertarik dengan corpus ini, silakan kirim email ke alfan |titik| farizki |a/t| gmail ATAU alfan |a/t| cs |titik| ui |titik| ac |titik| id.

[1] http://www.cs.cornell.edu/people/pabo/movie-review-data. Data ini pertama kali digunakan oleh Bo Pang dan Lillian Lee, "A Sentimental Education: Sentiment Analysis Using Subjectivity Summarization Based on Minimum Cuts'',  Proceedings of the ACL, 2004.

[2] Franky dan Ruli Manurung, "Machine Learning Based Sentiment Analysis of Automatic Indonesian Translations of English Movie Reviews", In Proceedings of the International Conference on Advanced Computational Intelligence and Its Applications 2008 (ICACIA 2008). Depok, Indonesia, 1-2 September 2008.

21 Maret 2013

Alfan F. Wicaksono

https://sites.google.com/site/alfanfw89/

Apa itu Sentiment Analysis / Opinion Mining ?

Apa itu Sentiment Analysis / Opinion Mining ?

Opinion Mining / Sentiment Analysis (sebagian besar researcher menganggap dua istilah ini sama/interchangeable) merupakan sebuah cabang penelitian di domain Text Mining yang mulai booming pada awal tahun 2002-an. Riset-nya mulai marak semenjak paper dari B.Pang dan L.Lee [1] keluar. Secara umum, Sentiment analysis ini dibagi menjadi 2 kategori besar :

1. Coarse-grained sentiment analysis
2. Fined-grained sentiment analysis

Coarse-grained sentiment analysis - kita mencoba melakukan proses analysis pada level Dokumen. Singkatnya adalah kita mencoba mengklasifikasikan orientasi sebuah dokumen secara keseluruhan. Orientasi ini ada 3 jenih : Positif, Netral, Negatif. Akan tetapi, ada juga yang menjadikan nilai orientasi ini bersifat kontinu / tidak diskrit.

Fined-grained sentiment analysis - kategori kedua ini yang sedang Naik Daun sekarang. Maksudnya adalah para researcher sebagian besar fokus pada jenis ini. Obyek yang ingin diklasifikasi bukan berada pada level dokumen melainkan sebuah kalimat pada suatu dokumen.
contoh :

• Saya tidak suka programming. (negatif)
• Hotel yang baru saja dikunjungi sangat indah sekali. (positif)

Hingga sekarang, hampir sebagian besar penelitian di bidang sentiment analysis hanya ditujukan untuk Bahasa Inggris karena memang Tools/Resources untuk bahasa inggris sangat banyak sekali. Beberapa resources yang sering digunakan untuk sentiment analysis adalah SentiWordNet dan WordNet.

Sentiment analysis terdiri dari 3 subproses besar [2]. Masing-masing subproses ini bisa kita jadikan bahan/topik riset secara terpisah karena masing-masing subproses ini membutuhkan teknik yang tidak mudah :

1. Subjectivity Classification
2. Orientation Detection
3. Opinion Holder and Target Detection

Subjectivity Classification - menentukan kalimat yang merupakan opini.

• A bike has 2 wheels VS It is a good bike !

Orientation Detection - setelah berhasil diklasifikasi untuk kategori Opini, sekarang kita tentukan apakah dia positif, negatif, netral ?

• It is a good bike ! VS ah, It is a bad bike !

Opinion Holder and Target Detection - menentukan bagian yang merupakan Opinion Holder dan bagian yang merupakan Target.

• Harry said it is a good bike.
  

[1] Silakan gunakan search engine dengan kata kunci sentiment analysis B. Pang L. Lee
[2] Taras Zagibalov (slide) and J. Caroll. Automatic seed word selection for unsupervised sentiment classification of chinese text. In proceedings of the 22nd international conference on computational linguistics. vol 1, page 1073 (ACL)