乌尔都语音与文本情感分析器
本文回顾近年来关于波斯语情感分析的文章,分析了 40 种方法,包括使用机器学习和深度学习的转换器和神经网络,评估了这些方法对数据集的准确性,列出了 2018 至 2022 年的数据集和其详细信息。
Nov, 2022
本文提出了一种简单易用的多语言情感分析框架,旨在作为情感分析测试基线和构建新情感分析系统的起点。该框架经过在 8 种不同语言的比较中,在其中三种语言的国际竞赛中名列前茅,在其他语言中也超越了报告的结果。
Dec, 2016
本文详细阐述了情感分析的最新趋势和技术,通过系统综述了词汇、图形、网络、深度学习和规则等方法并比较分析数据集和评价指标,展现了情感分析的广泛应用领域,并旨在提高情感分析的效率和准确性。
May, 2023
研究 Arabic 情感分析,提出了一种基于机器学习的方法和特征向量,使用人工神经网络分类器,在单词级别和文档级别进行情感分析,在单词级别获得的平均 F1-score 为 0.92,在文档级别的正类为 0.94,负类为 0.93。
May, 2022
通过对已发表的 133 篇英文 ASA 论文的深入研究和 2297 篇 ASA 出版物的广泛研究,本文揭示了 ASA 的常见主题、应用领域、方法、技术和算法,并强调了 ASA 所面临的挑战和未来发展方向。
Mar, 2024
介绍了首个针对尼日利亚四种最常用语言(豪萨语、伊博语、尼日利亚皮钦语、约鲁巴语)的大规模人工标注推特情感数据集,并对收集、处理和标注的方法进行了说明。同时对预训练模型和迁移策略进行了评估,并发布数据集、训练模型、情感词典和代码以促进对低资源语言情感分析的研究。
Jan, 2022
社交媒体的快速发展使得我们能够分析用户意见。尽管常用语言的情感分析已经取得了显著的进展,但由于资源限制,低资源语言像阿拉伯语等仍然很少有研究。本研究探讨了 SemEval-17 和阿拉伯语情感推文数据集上的推文文本的情感分析,并研究了四种预训练语言模型以及提出了两种集成语言模型。我们的发现包括单语言模型表现出更好的性能,集成模型优于基线,而多数投票集成模型胜过英语。
Mar, 2024
本文使用多种技术,如基于词典的、机器学习和深度学习方法,对社交媒体上的评论数据进行情感分析,并提供了比较分析结果。在本研究中,我们使用了来自 Twitter、Reddit 等社交网络网站的评论等多源数据集。选择了朴素贝叶斯机器学习算法、TextBlob 词典方法和 LSTM 深度学习算法。
Dec, 2022
情感分析是文本挖掘中的新兴领域,通过计算地识别和分类在不同社交媒体平台上表达的观点,对于了解顾客对产品、服务和最新市场趋势的心态起着重要作用。这篇综述论文定义了情感以及在语音、图像、视频和文本等不同领域中的最新研究和发展,同时还讨论了情感分析的挑战和机遇。
Nov, 2023
本文研究了跨多语言数据集及经过机器翻译的文本中,变压器模型在情感分析任务中的表现,并通过比较这些模型在不同语言环境中的效果,洞察其性能变化对情感分析跨多种语言的潜在影响,同时还探讨了其缺点及未来研究的潜在方向。
May, 2024