电子商务网站的情感分析和意见挖掘
本文综述了情感分析在教育领域的四个级别及其在教学决策制定以及对教学质量的提升的作用，描述了使用 AI 方法和情感标注技术对学生反馈进行分析的过程和工具，并讨论了情感分析领域中的挑战和未来趋势。
Feb, 2023
研究范围包括对最先进的基于 Transformer 的语言模型在意见挖掘方面的行为的研究，并对它们进行高级比较以突出它们的关键特点。此外，我们的比较研究为生产工程师提供了可关注的方法，并为研究人员提供了未来研究主题的指南。
Aug, 2023
现今，网站已成为展示用户对各种事件的意见、情感和感受的必要平台。使用自己的智能手机，每个人都可以在博客和社交媒体上（如 Twitter、WhatsApp、Telegram 和 Instagram）发表关于购买产品、发生事故、出现新疾病等方面的意见。因此，每天都记录了数百万条评论，这创造了大量的非结构化文本数据，可以通过自然语言处理方法从这种类型的数据中提取有用的知识。情感分析是自然语言处理和机器学习的重要应用之一，可以使我们分析评论和其他网页用户记录的文本信息的情感。因此，以下将说明在这一领域中的情感分析、方法和挑战。
Mar, 2023
本文介绍了两种自然语言处理技术（词袋和 TF-IDF）以及各种机器学习分类算法（支持向量机，逻辑回归，多项式朴素贝叶斯，随机森林）来分析大型，不平衡和多类数据集上的情感分析。最佳方法使用支持向量机和逻辑回归的词袋技术提供 77％的准确性。
Oct, 2021
本文综述了在自然语言处理（NLP）方面使用深度学习模型进行情感分析的最新研究，评估了使用词频 - 逆文档频率（TF-IDF）和词嵌入技术的不同模型和输入特征，并对实验结果进行了比较研究。
Jun, 2020
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
该研究项目旨在将综合自然语言处理应用于满意度调查，重点是理解和提取调查响应中的相关信息，分析情感，识别重复的词语模式。通过利用自然语言处理技术来确定情感极性、将响应分类为积极、消极或中性，以及利用观点挖掘来突显参与者的意见，该方法有助于确定参与者最相关的方面，并了解他们对这些特定方面的观点。该研究项目的关键组成部分将是利用自然语言处理技术分析满意度调查响应中的词语模式。这个分析将提供对受访者响应中存在的情感、观点、主题和趋势的更深入的理解。通过这种方法获得的结果可以用于确定改进领域、了解受访者的偏好，并基于分析做出战略决策，以提高受访者的满意度。
Jul, 2023
这篇论文研究了新闻文章情感分析的不同点，并且提出了三个需要解决的子任务，同时尝试从新闻文章中分离出正负面情感并挖掘其中的实体，最终得到的实验结果表明，忽略专业领域的词汇能够在新闻观点挖掘的任务中产生更好的效果。
Sep, 2013
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