{rfName}
A

Indexat a

Llicència i ús

Icono OpenAccess

Citacions

356

Altmetrics

Grant support

This research work is partially supported by the Spanish Ministry of Economy, Spain through the project EmoSpaces (RTC-2016-5053-7) and the European Union with Trivalent (H2020 Action Grant No. 740934, SEC-06-FCT-2016), and the project Somedi (ITEA 15011).

Anàlisi d'autories institucional

Araque, OscarAutor (correspondència)Zhu, GanggaoAutor o coautorIglesias, Carlos A.Autor o coautor

Compartir

Publicacions
>
Article

A semantic similarity-based perspective of affect lexicons for sentiment analysis

Publicat a:Knowledge-Based Systems. 165 346-359 - 2019-02-01 165(), DOI: 10.1016/j.knosys.2018.12.005

Autors: Araque, O; Zhu, GG; Iglesias, CA

Afiliacions

Univ Politecn Madrid, Intelligent Syst Grp, Ave Complutense 30, Madrid, Spain - Autor o coautor

Resum

Lexical resources are widely popular in the field of Sentiment Analysis, as they represent a resource that directly encodes sentimental knowledge. Usually sentiment lexica are used for polarity estimation through the matching of words contained in a text and their associated lexicon sentiment polarities. Nevertheless, such resources have limitations in vocabulary coverage and domain adaptation. Besides, many recent techniques exploit the concept of distributed semantics, normally through word embeddings. In this work, a semantic similarity metric is computed between text words and lexica vocabulary. Using this metric, this paper proposes a sentiment classification model that uses the semantic similarity measure in combination with embedding representations. In order to assess the effectiveness of this model, we perform an extensive evaluation. Experiments show that the proposed method can improve Sentiment Analysis performance over a strong baseline, being this improvement statistically significant. Finally, some characteristics of the proposed technique are studied, showing that the selection of lexicon words has an effect in cross-dataset performance. (C) 2018 The Authors. Published by Elsevier B.V. This is an open access article under the CC BY license.

Paraules clau

KnowledgeModelsSalesSemantic similaritySentiment analysisSentiment lexiconWord embeddingsWordnet

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista Knowledge-Based Systems a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència WoS (JCR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2019, es trobava a la posició 15/137, aconseguint així situar-se com a revista Q1 (Primer Cuartil), en la categoria Computer Science, Artificial Intelligence.

Des d'una perspectiva relativa, i tenint en compte l'indicador de impacte normalitzat calculat a partir de les Citacions Mundials proporcionades per WoS (ESI, Clarivate), proporciona un valor per a la normalització de citacions relatives a la taxa de citació esperada de: 2.64. Això indica que, comparat amb treballs en la mateixa disciplina i en el mateix any de publicació, el situa com un treball citat per sobre de la mitjana. (font consultada: ESI 14 Nov 2024)

Aquesta informació es reforça amb altres indicadors del mateix tipus, que encara que dinàmics en el temps i dependents del conjunt de citacions mitjanes mundials en el moment del seu càlcul, coincideixen a posicionar en algun moment el treball, entre el 50% més citats dins de la seva temàtica:

  • Mitjana Ponderada de l'Impacte Normalitzat de l'agència Scopus: 5.13 (font consultada: FECYT Febr 2024)
  • Field Citation Ratio (FCR) de la font Dimensions: 25.56 (font consultada: Dimensions Jun 2025)

Concretament, i atenent a les diferents agències d'indexació, aquest treball ha acumulat, fins a la data 2025-06-24, el següent nombre de cites:

  • WoS: 72
  • Scopus: 120
  • Google Scholar: 164
  • OpenCitations: 88

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2025-06-24:

  • L'ús, des de l'àmbit acadèmic evidenciat per l'indicador de l'agència Altmetric referit com a agregacions realitzades pel gestor bibliogràfic personal Mendeley, ens dona un total de: 235.
  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 234 (PlumX).

Amb una intenció més de divulgació i orientada a audiències més generals, podem observar altres puntuacions més globals com:

  • El Puntuació total de Altmetric: 0.25.
  • El nombre de mencions a la xarxa social X (abans Twitter): 1 (Altmetric).

És fonamental presentar evidències que recolzin l'alineació plena amb els principis i directrius institucionals sobre Ciència Oberta i la Conservació i Difusió del Patrimoni Intel·lectual. Un clar exemple d'això és:

  • El treball s'ha enviat a una revista la política editorial de la qual permet la publicació en obert Open Access.

Anàlisi del lideratge dels autors institucionals

Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Primer Autor (ARAQUE IBORRA, OSCAR) i Últim Autor (IGLESIAS FERNANDEZ, CARLOS ANGEL).

l'autor responsable d'establir les tasques de correspondència ha estat ARAQUE IBORRA, OSCAR.