Social media has been remarkably grown during the past few years. Nowadays, posting messages on social media websites has become one of the most popular Internet activities. The vast amount of user-generated content has made social media the most extensive data source of public opinion. Sentiment analysis is one of the techniques used to analyze user-generated data. The Persian language has specific features and thereby requires unique methods and models to be adopted for sentiment analysis, which are different from those in English language. Sentiment analysis in each language has specified prerequisites; hence, the direct use of methods, tools, and resources developed for English language in Persian has its limitations. The main target of this paper is to provide a comprehensive literature survey for state-of-the-art advances in Persian sentiment analysis. In this regard, the present study aims to investigate and compare the previous sentiment analysis studies on Persian texts and describe contributions presented in articles published in the last decade. First, the levels, approaches, and tasks for sentiment analysis are described. Then, a detailed survey of the sentiment analysis methods used for Persian texts is presented, and previous relevant works on Persian Language are discussed. Moreover, we present in this survey the authentic and published standard sentiment analysis resources and advances that have been done for Persian sentiment analysis. Finally, according to the state-of-the-art development of English sentiment analysis, some issues and challenges not being addressed in Persian texts are listed, and some guidelines and trends are provided for future research on Persian texts. The paper provides information to help new or established researchers in the field as well as industry developers who aim to deploy an operational complete sentiment analysis system.


翻译:过去几年来,社交媒体有了显著发展。如今,社交媒体网站发布信息已成为最受欢迎的互联网活动之一。大量用户生成的内容使社交媒体成为最广泛的公共舆论数据来源。情感分析是用来分析用户生成的数据的技术之一。情感分析是用来分析用户生成的数据的技术之一。波斯语具有具体特点,因此需要采用独特的方法和模式进行情感分析,这些方法和模式不同于英语语言;每种语言的情感分析都有具体的先决条件;因此,直接使用为波斯语英语开发的方法、工具和资源是有其局限性的。本文的主要目标是为波斯语情感分析中最先进的进步提供全面的部署趋势文献调查。在这方面,本研究报告旨在调查和比较以前对波斯文本的情绪分析研究,并描述过去十年发表的文章中提出的意见。首先,介绍了情绪分析的级别、方法和任务。随后,对波斯文文本使用的情绪分析方法进行了详细调查,并讨论了以前有关波斯语语言的相关著作。此外,我们在这次调查中,关于真实和标准情感分析的文本分析,最终是针对波斯语发展动态分析的、真实性和标准文本,是针对波斯语发展动态分析的,最终的、印刷和标准分析,是针对波斯情绪分析的、印刷分析的文本的、印刷和印刷分析。在分析中提供和印刷分析中,对历史分析提供了某些和标准分析的文本的理论分析,最终和标准分析中,对波斯分析,对波斯历史分析的分析和,对波斯历史和标准分析提供了某些分析,对波斯历史分析,提供了新的分析,提供了新的分析,对波斯历史分析,对历史和标准分析,对波斯发展作了明确的分析和,最后的理论分析,对材料的分析和。在论文分析,对波斯历史和历史分析。在论文的分析和,对波斯历史分析,对波斯发展的分析和,最后的分析和,对波斯历史和标准分析,对波斯的分析和,提供了的分析和,提供了和标准分析,对材料的分析和,对波斯的分析和,对波斯的分析和,最后的分析和,对波斯的分析和,提供了分析,对论文分析,对论文和标准分析,对出版和标准分析,对历史和历史和历史分析,对出版和历史分析,对论文的分析和,对论文的分析和,对出版的分析和,对论文的分析和,对出版的分析和,对出版的分析和,最后作了

0
下载
关闭预览

相关内容

狭义的情感分析(sentiment analysis)是指利用计算机实现对文本数据的观点、情感、态度、情绪等的分析挖掘。广义的情感分析则包括对图像视频、语音、文本等多模态信息的情感计算。简单地讲,情感分析研究的目标是建立一个有效的分析方法、模型和系统,对输入信息中某个对象分析其持有的情感信息,例如观点倾向、态度、主观观点或喜怒哀乐等情绪表达。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
17+阅读 · 2020年9月6日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
【推荐】深度学习情感分析综述
机器学习研究会
58+阅读 · 2018年1月26日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【推荐】MXNet深度情感分析实战
机器学习研究会
16+阅读 · 2017年10月4日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
自然语言处理 (NLP)资源大全
机械鸡
35+阅读 · 2017年9月17日
Arxiv
25+阅读 · 2018年1月24日
Arxiv
5+阅读 · 2018年1月23日
VIP会员
相关VIP内容
相关资讯
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
【推荐】深度学习情感分析综述
机器学习研究会
58+阅读 · 2018年1月26日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【推荐】MXNet深度情感分析实战
机器学习研究会
16+阅读 · 2017年10月4日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
自然语言处理 (NLP)资源大全
机械鸡
35+阅读 · 2017年9月17日
Top
微信扫码咨询专知VIP会员