Sentiment Analysis Italian Knowledge Model
The Sentiment Analysis Italian Knowledge Model (display name: Sentiment Analysis Italian v#) aims at categorizing documents written in Italian based on sentiment and emotion analysis. The model also also extracts potentially positive or negative terms.
Categorization
The category tree has a negative and a positive cluster (Emozioni negative and Emozioni positive).
1 Emozioni negative
0100 Rabbia
0101 Ira
0102 Irritazione
0103 Esasperazione
0200 Apprensione
0202 Ansia
0203 Paura
0204 Stress
0205 Preoccupazione
0300 Disagio
0301 Disgusto
0302 Insoddisfazione
0303 Senso di colpa
0304 Vergogna
0305 Imbarazzo
0306 Rimpianto
0307 Noia
0400 Risentimento
0401 Odio
0402 Offesa
0403 Gelosia
0404 Invidia
0500 Sconforto
0501 Tristezza
0502 Tormento
0503 Sofferenza
0504 Delusione
0505 Disillusione
0506 Rassegnazione
0600 Sorpresa
1.1 Emozioni positive
0700 Appagamento
0701 Felicità
0702 Entusiasmo
0703 Gioia
0704 Divertimento
0705 Benessere
0706 Soddisfazione
0707 Sollievo
0800 Benevolenza
0801 Interesse
0802 Fiducia
0803 Affetto
0804 Amore
0805 Passione
0806 Empatia
0807 Compassione
0900 Sorpresa
A surprise (category Sorpresa) can be positive or negative, that's why the corresponding category is included in both clusters.
Extraction groups and classes
SENTIMENT_SCORE
The SENTIMENT_SCORE group includes sentiment polarity and score.
| Class | Description |
|---|---|
| polarità | Sentiment polarity, possible values are positiva, negativa and neutra. |
| score | Sentiment score. |
Polarity and score are derived from categorization scores: the cumulative score of categories under the Emozioni negative cluster is subtracted from the cumulative score of categories under the Emozioni positive cluster. Polarity is neutral (polarità equal to neutra) when the score is between 0 and 2.
SENTIMENT_POS_INFO
The SENTIMENT_POS_INFO group extracts information about the elements of the text that contributed to positive sentiment.
| Class | Description |
|---|---|
| elemento_semantico_pos | Term with positive connotation. |
| elemento_scatenante_pos | Cause or object positive terms refer to. |
SENTIMENT_NEG_INFO
The SENTIMENT_NEG_INFO group extracts information about the elements of the text that contributed to negative sentiment.
| Class | Description |
|---|---|
| elemento_semantico_neg | Term with negative connotation. |
| elemento_scatenante_neg | Cause or object negative terms refer to. |
Output structure
The model output has the same structure as any other model and is affected by the functional properties of the workflow block.
The peculiar parts of the output are the result of categorization, that is the categories array, and the result of information extraction, that is the extractions array.
Example
Considering the input text:
Un evento eccezionale, eccelso, la mostra d'arte tenutasi al Museo Archeologico di Napoli ha attirato centinaia di turisti entusiasti che hanno contribuito a creare un'accesa giornata all'insegna della diffusione della cultura in un'alternanza di divertenti giochi a quiz a tema artistico.
Il direttore del Museo ha rilasciato in un'intervista esclusiva commenti inerenti alla sua soddisfazione in merito alla splendida organizzazione della giornata.
Un notevole interesse è stato mostrato da critici d'arte provenienti da tutto il Bel Paese, dichiarando in articoli di svariati quotidiani come questa splendira mostra sia da considerarsi un esempio d'amore assoluto per l'arte contemporanea.
the categorization output is like the following:
"categories": [
{
"frequency": 15.38,
"hierarchy": [
"Emozioni Positive",
"Appagamento"
],
"id": "0700",
"label": "Appagamento",
"namespace": "emotional_traits_italian",
"positions": [],
"score": 16,
"winner": true
},
{
"frequency": 5.76,
"hierarchy": [
"Emozioni Positive",
"Appagamento",
"Entusiasmo"
],
"id": "0702",
"label": "Entusiasmo",
"namespace": "emotional_traits_italian",
"positions": [
{
"end": 133,
"start": 123
}
],
"score": 6,
"winner": true
},
{
"frequency": 5.76,
"hierarchy": [
"Emozioni Positive",
"Appagamento",
"Divertimento"
],
"id": "0704",
"label": "Divertimento",
"namespace": "emotional_traits_italian",
"positions": [
{
"end": 257,
"start": 247
},
{
"end": 273,
"start": 272
},
{
"end": 278,
"start": 274
}
],
"score": 6,
"winner": true
},
{
"frequency": 3.83,
"hierarchy": [
"Emozioni Positive",
"Appagamento",
"Soddisfazione"
],
"id": "0706",
"label": "Soddisfazione",
"namespace": "emotional_traits_italian",
"positions": [
{
"end": 394,
"start": 381
}
],
"score": 4,
"winner": true
},
{
"frequency": 9.6,
"hierarchy": [
"Emozioni Positive",
"Benevolenza"
],
"id": "0800",
"label": "Benevolenza",
"namespace": "emotional_traits_italian",
"positions": [],
"score": 10,
"winner": true
},
{
"frequency": 3.83,
"hierarchy": [
"Emozioni Positive",
"Benevolenza",
"Interesse"
],
"id": "0801",
"label": "Interesse",
"namespace": "emotional_traits_italian",
"positions": [
{
"end": 472,
"start": 463
}
],
"score": 4,
"winner": true
},
{
"frequency": 5.76,
"hierarchy": [
"Emozioni Positive",
"Benevolenza",
"Passione"
],
"id": "0805",
"label": "Passione",
"namespace": "emotional_traits_italian",
"positions": [
{
"end": 657,
"start": 652
},
{
"end": 670,
"start": 667
},
{
"end": 691,
"start": 673
}
],
"score": 6,
"winner": true
},
{
"frequency": 0,
"hierarchy": [
"Emozioni Positive"
],
"id": "1.1",
"label": "Emozioni Positive",
"namespace": "emotional_traits_italian",
"positions": [],
"score": 26,
"winner": true
}
]
and the extraction output is like this:
"extractions": [
{
"fields": [
{
"name": "elemento_scatenante_pos",
"positions": [
{
"end": 691,
"score": 1,
"start": 673
}
],
"score": 1,
"value": "arte contemporanea"
},
{
"name": "elemento_scatenante_pos",
"positions": [
{
"end": 278,
"score": 1,
"start": 274
}
],
"score": 1,
"value": "tema"
},
{
"name": "elemento_semantico_pos",
"positions": [
{
"end": 657,
"score": 1,
"start": 652
},
{
"end": 670,
"score": 1,
"start": 667
}
],
"score": 1,
"value": "amore per"
},
{
"name": "elemento_semantico_pos",
"positions": [
{
"end": 257,
"score": 1,
"start": 247
}
],
"score": 1,
"value": "divertente"
},
{
"name": "elemento_semantico_pos",
"positions": [
{
"end": 133,
"score": 1,
"start": 123
}
],
"score": 1,
"value": "entusiasta"
},
{
"name": "elemento_semantico_pos",
"positions": [
{
"end": 394,
"score": 1,
"start": 381
}
],
"score": 1,
"value": "soddisfazione"
},
{
"name": "elemento_semantico_pos",
"positions": [
{
"end": 472,
"score": 1,
"start": 463
}
],
"score": 1,
"value": "interesse"
}
],
"namespace": "emotional_traits_italian",
"template": "SENTIMENT_POS_INFO"
},
{
"fields": [
{
"name": "score",
"positions": [],
"score": 1,
"value": "26"
}
],
"namespace": "emotional_traits_italian",
"template": "SENTIMENT_SCORE"
},
{
"fields": [
{
"name": "polarita",
"positions": [],
"score": 1,
"value": "positiva"
}
],
"namespace": "emotional_traits_italian",
"template": "SENTIMENT_SCORE"
}
]
The categorization score is equal to 26. Broader categories obtain the scores of narrower categories, obtained as follows:
- Category Appagamento gets 16 points given by:
- Entusiasmo (6)
- Divertimento (6)
- Soddisfazione (4)
- Category Benevolenza gets 10 points given by:
- Interesse (4)
- Passione (6)
Both Benevolenza and Appagamento are children categories of Emozioni positive.