ACL05 (26.6.): Extracting Semantic Orientation using Spin Model

Wörter tragen ihre positive oder negative Bewertung wie Elektronen positiven oder negativen Spin. Elektronen (oder Wörter) streben an, den gleichen Spinzustand einzunehmen, wie ihre Nachbarn. Über dieses System kann man eine Funktion aufstellen, die die "Energie" berechnet, und minimal werden soll.
Die Nachbarschaftsbeziehungen der Wörter kommen aus den Beschreibungstexten von Lexika, oder aus einem Thesaurus. Synonyme und Überbegriffe (Hypernyme) bilden dabei Nachbarschaftsbeziehungen mit gleicher Orientierung, Antonyme (Wörter, die das Gegenteil meinen) Beziehungen mit entgegengesetzter Orientierung. Ausgewählte Wörter haben als "Seeds" eine festgelegte Anfangsorientierung, sie bilden den Ausgang der iterativen Berechnung.

Die Autoren erreichten mit diesem Modell korrekte Klassifizierungsraten von bis zu 80%, das ist vergleichbar mit anderen Ansätzen, wie dem von Turney und Littman, kommt aber mit einfachen Wörterbüchern anstatt großen Korpora aus. Die Autoren schlagen aber vor, beide Methoden zu kombinieren. Ausserdem vermuten sie, dass sich ihr Ansatz auch auf Bewertungen mit mehreren Klassen verallgemeinern läßt.