Assessing Sentiment Strength in Words Prior Polarities

Many approaches to sentiment analysis rely on lexica where words are tagged with their prior polarity i.e. if a word out of context evokes something positive or something negative. In particular, broad-coverage resources like SentiWordNet provide polarities for (almost) every word. Since words can have multiple senses, we address the problem of how to compute the prior polarity of a word starting from the polarity of each sense and returning its polarity strength as an index between -1 and 1. We compare 14 such formulae that appear in the literature, and assess which one best approximates the human judgement of prior polarities, with both regression and classification models. TITLE AND ABSTRACT IN ITALIAN Valutazione dell’intensità emotiva delle parole nelle polarità a-priori Molti approcci alla sentiment analysis fanno affidamento su lessici in cui le parole sono contrassegnate con la loro polarità a-priori ossia, se una parola fuori contesto evoca qualcosa di positivo o qualcosa di negativo. In particolare, risorse a copertura ampia come SentiWordNet forniscono le polarità per (quasi) ogni parola. Poiché le parole possono avere molteplici sensi, dobbiamo affrontare il problema di come calcolare la polarità a-priori di una parola partendo dalla polarità di ogni suo senso e restituendo la sua intensità emotiva sotto forma di un indice compreso tra -1 e 1. In questo articolo, confrontiamo 14 di queste formule, apparse nella letteratura, e stabiliamo quale di esse approssimi meglio il giudizio degli umani sulle polarità a-priori, sia con modelli di regressione che di classificazione.