Sentiment analysis is a useful method to extract user preferences from product reviews; however, it cannot explain the detailed reasons for user preferences because of the exclusion of neutral sentiment words, constituting a large proportion of the words used in reviews. In contrast, there are limitations to using root cause analysis to analyze sentiment relations using sentiment words extracted from user preferences. This research aimed to extract a more fine-grained root cause by proposing a novel method capable of analyzing the root cause based on the relations between sentiment words. To identify the root causes of negative opinions in aspect-level sentiment analysis, we analyze the hierarchical and causal relations between sentiment triples and utilize hierarchical clustering based on sentiment triples’ relation to compensate for general sentiment words. The experimental results showed that the proposed method was 6.4% and 5.1% more accurate than the existing aspect-level analysis for the mobile device and clothing domains, respectively. Finally, we discussed some issues associated with the proposed method using a qualitative evaluation. In this study, a novel root cause identification method that can utilize the hierarchical and causal relations between sentiment words using negative and neutral sentiment expressions of product reviews is proposed.

情绪分析是一种从产品评论中提取用户偏好的有用方法。但是，由于排除了中性情绪词，因此无法解释用户偏爱的详细原因，因为中性情绪词占了评论中所用词的很大一部分。相反，使用根本原因分析来使用从用户首选项中提取的情感词来分析情感关系存在局限性。这项研究旨在通过提出一种能够基于情感词之间的关系分析根本原因的新颖方法来提取更细粒度的根本原因。要确定方面观点情感分析中负面意见的根本原因，我们分析了情感三元组之间的层次和因果关系，并利用基于情感三元组的关系的层次聚类来补偿一般情感词。实验结果表明，与现有的针对移动设备和服装领域的方面分析相比，该方法的准确度分别高出6.4％和5.1％。最后，我们使用定性评估讨论了与所提出的方法相关的一些问题。在这项研究中，提出了一种新颖的根本原因识别方法，该方法可以利用产品评论的消极和中性情感表达来利用情感词之间的层次关系和因果关系。分别比移动设备和服装领域的现有方面级别分析高1％。最后，我们使用定性评估讨论了与所提出的方法相关的一些问题。在这项研究中，提出了一种新颖的根本原因识别方法，该方法可以利用产品评论的消极和中性情感表达来利用情感词之间的层次关系和因果关系。分别比移动设备和服装领域的现有方面级别分析高1％。最后，我们使用定性评估讨论了与所提出的方法相关的一些问题。在这项研究中，提出了一种新颖的根本原因识别方法，该方法可以利用产品评论的消极和中性情感表达来利用情感词之间的层次关系和因果关系。