Der Einsatz von Deep-Learning-Ansätzen hat die Sentimentanalyse gegenüber früheren Verfahren erheblich verbessert. Sentimentanalyse bezeichnet dabei Verfahren, die versuchen, die Polarität von Aussagen gegenüber Entitäten wie Produkten, Personen oder Parteien automatisch zu bestimmen. Verschiedene Herausforderungen bleiben jedoch auch bei kontextsensitiven Sprachmodellen bestehen. Die folgende Auflistung bietet einen Überblick über einige dieser offenen Probleme. Enthalten die zu analysierenden Texte solche Elemente, sollte anhand repräsentativer Beispiele geprüft werden, ob das Verfahren für den vorgesehenen Anwendungszweck ausreichend genau arbeitet.
Verneinung
Verneinungen können grundsätzlich erkannt werden. Fehler treten jedoch weiterhin auf, wenn insbesondere in komplexeren Sätzen unklar bleibt, auf welchen Teil der Aussage sich die Verneinung bezieht.
Übertreibung
Übertreibungen können eine Bewertung verstärken oder sie bei ironischer Verwendung ins Gegenteil verkehren. Die Unterscheidung ist für Sentimentklassifikatoren schwierig, weil sie vom sprachlichen und situativen Kontext abhängt.
Weltwissen
Sätze, deren korrekte Interpretation Weltwissen erfordert, stellen eine weitere Herausforderung dar. In Analogien werden Entitäten etwa mit positiv oder negativ besetzten Figuren und Symbolen verglichen. Ohne Kenntnis dieser Einordnung lässt sich die Bewertung des Satzes nicht zuverlässig bestimmen.
Sarkasmus und Ironie
Sarkasmus und Ironie stellen Sentimentanalyseverfahren vor besondere Schwierigkeiten. Ironie wird häufig als Verletzung einer Erwartung beschrieben. Ihre Erkennung setzt damit voraus, dass ein Modell die wörtliche Aussage mit sprachlichem oder situativem Kontext abgleichen kann, der im analysierten Text nicht immer enthalten ist.
Redewendungen
Bildhafte Sprache und Redewendungen erschweren die Analyse, insbesondere wenn der Verfasser sie abwandelt oder mit Humor und Sarkasmus verbindet.
Intensivierung
Verstärkende Begriffe wie „sehr“ oder „äußerst“ und Abschwächungen wie „etwas“ oder „kaum“ verändern die Intensität einer Bewertung. Sentimentanalyseverfahren müssen deshalb nicht nur die Richtung, sondern auch die Stärke der ausgedrückten Polarität gewichten.
Polaritätsverschiebungen
Bestimmte sprachliche Konstruktionen können die Polarität eines positiv oder negativ besetzten Ausdrucks verschieben. Ein Beispiel ist das Verb „vermissen“: Der Satz „Ich vermisse die positive Grundstimmung früherer Filme des Regisseurs“ enthält zwar eine positive Beschreibung, drückt über den aktuellen Film aber eine negative Bewertung aus.
Komparative
Die Auflösung von Komparativen, also Vergleichen zwischen zwei oder mehr Entitäten, ist für Sentimentanalyseverfahren schwierig. Zum einen müssen die Bezüge innerhalb eines Satzes aufgelöst werden, zum anderen kann für die Einordnung des Vergleichs zusätzliches Wissen erforderlich sein.
Modalität
Modalverben wie „müssen“ und „können“ sowie Adverbien wie „möglicherweise“ oder „vielleicht“ drücken Absichten, Erwartungen oder unterschiedliche Grade von Gewissheit aus. Diese Modalität kann die gemeinte Bewertung verändern. Der Satz „Der Service könnte freundlicher sein“ enthält beispielsweise kein ausdrücklich negatives Wort, formuliert aber dennoch Kritik.
Gemischte Polarität
Sentimentanalyse kann auf Dokument-, Satz- oder Aspektebene erfolgen. Schwierigkeiten entstehen, wenn ein Text unterschiedliche Polaritäten gegenüber verschiedenen Entitäten oder gegenüber mehreren Eigenschaften derselben Entität ausdrückt. Eine aspektbasierte Analyse kann etwa „Die Kamera ist gut, aber der Akku ist schwach“ getrennt nach Kamera und Akku bewerten. Schwieriger bleiben Aussagen, die positive und negative Urteile über denselben Aspekt verbinden. Typische Beispiele sind Sätze mit „aber“, bei denen die Teilaussagen für eine Gesamtbewertung gegeneinander gewichtet werden müssen.