Ответ прост - на уровне АСМ - никто.
Была только одна незаконченная работа RCO, которую Вы, судя по всему, знаете.
Точно не скажу - последнее время не смотрел. Вообще не понимаю, чем лексические цепочки помогут для классификации, особенно, судя по всему, коротких и "рваных" текстов.
Традиционные техники классификации у них неплохие. Беда у них с интерпретациями - слишком сильно на слабых данных.
В ВААЛе используются два подхода - традиционный словарный и "на сочетаниях звуков".
Про традиционный словарный все более-менее понятно.
Про фонетический - это полная лажа, не верьте.
walker добавил 28.03.2008 в 17:49
Каких все-таки чудес Вы ищете?
Тем более Вы сами хорошо знаете, где надо искать:
http://portal.acm.org/portal.cfm, да и обычный google подойдет
и что:
sentiment analysis (также http://en.wikipedia.org/wiki/Sentiment_analysis)
opinion mining
appraisal theory (также http://en.wikipedia.org/wiki/Appraisal_theory)
emotional response
affective computing
Это такая провокация для оживления форума?
В самом посте содержатся и все возможные ответы (набор словарей, обучающее множество).
Тут мало почвы для обсуждения. Тут делать надо, так как идей слишком много, а главный критерий только процент F-меры.
Такую тему надо заявлять в РОМИП (emotion-classification), глядишь народ и подтянется...
надо все-таки почитать отчет по SUMMAC - техник много (значит нет одного решения), одни лучше, другие хуже
главное для Вас, что разрыв невелик - то есть для простых потребностей подойдет и простейшая схема, иначе - сферхфразовое единство, связность, лексические цепочки и так далее
Закрыть легко, а куда же переехать...
Проще не читать...
Яндекс считает, что все знает лучше всех, и чем дальше - тем больше: раньше - как надо делать поисковые машины, сейчас - как надо себя вести...
получение сниппетов и "смысловое" автореферирование больших документов - фактически совершенно разные задачи
насчет автореферирования смотрите SUMMAC TIPSTER (http://www-nlpir.nist.gov/related_projects/tipster_summac/) и DUC (http://duc.nist.gov/)
есть задача - контекстно-зависимое реферирование, то есть выжимка по заданной теме
формально - сниппет в SERP - тоже "контестно-зависимая аннотация", но главные задачи при формировании сниппета другая - наличие соответствия запросу и быстрота формирования
проще всего достигается нахождением первого максимального пересечения запроса и текста (обычно заранее разбитого на фиксированные - часто одинаковые - куски)
Опять реклама.
Хочется рассказать о своем - пожалуйста, но хоть имейте совесть, приводите результаты сравнительного с другими подходами evaluation, хотя бы обсуждайте достоинства и недостатки, хотя бы ссылки на тех (западных) людей, кто публиковался с подобными подходами ранее, а то скоро пойдет в ход "семантический анализ" и т.д.
Кстати, если что-то называется "решение", а не просто "экспериментальный алгоритм", то должно быть хотя бы одно масштабное внедрение, или несколько не столь масштабных.
Тщательнее надо...
дело не в степени абстрагирования, а в подходе
на паровозе до луны не доехать
тогда уж не забывать об искусственном интеллекте, DM, BI, и конечно, о серебрянной пуле и чесноке
Абби в 1999 году все обещал сделать глобальную штуку, теперь сейчас обещает - наверное им надо раз в пять-шесть лет обещать, а то все забывают об их глобальных замыслах
