Nov, 2022

波斯语情感分析：算法、方法和数据集综述

PDF
TL;DR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。
sentiment analysispersian languagemachine learningdeep learningtransformers
发现论文，激发创造
  • 基于深度学习的波斯语情感分析

    我们引入和实现了一个基于混合深度学习的模型，用于对 Digikala Online 零售网站的客户评论数据进行情感分析，采用了多种深度学习网络和正则化技术作为分类器。最终，我们的混合方法在三个情感类别（积极，消极，中立）上实现了出色的性能，F1 分数达到了 78.3。

    Mar, 2024

  • 使用 CNN-LSTM 模型对波斯语推文进行政治情感分析

    本论文采用词袋和 ParsBERT 进行机器学习和深度学习模型分析波斯语政治推文的情感，结果表明，使用 ParsBERT 嵌入的深度学习模型优于机器学习模型，在第一组具有三个类别的数据集上，CNN-LSTM 模型的分类精确度最高，达到 89％，在第二组具有七个类别的数据集上，分类精度为 71％，由于波斯语的复杂性，此研究的效率相对较低。

    Jul, 2023

  • DeepSentiPers：基于增强波斯语情感语料库训练的新型深度学习模型

    本文旨在提出两种深度学习架构以及数据增强技术来分类波斯语句子的多分类和二分类情感，实验结果表明我们提出的方法可以成功地解决此问题。

    Apr, 2020

  • 乌尔都语音与文本情感分析器

    本研究提出了一个基于用户评价的新型多类乌尔都数据集，旨在为乌尔都情感分析构建手动注释的数据集，并建立基准结果。使用五种不同的词库和基于规则的算法，最终实验结果表明，Flair 的准确率为 70%，优于其他测试的算法。

    Jul, 2022

  • Pars-ABSA: 面向方面的波斯情感分析数据集

    本研究提供了一个经过三名母语为波斯语的人员验证的波斯语数据集（即 Pars-ABSA），并基于深度学习的一些最先进的基于方面的情感分析方法进行评估，结果显示与类似的英语最新成果相比表现出优异的表现。

    Jul, 2019

  • Twitter 上跨语言情感分类的简单方法

    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

  • SentiPers: 波斯情感分析语料库

    本文主要研究是针对波斯语的情感分析和意见挖掘，详细阐述了研制手动标注的 SentiPers 情感语料库的全过程，并介绍了该语料库在文档级别、句子级别和实体 / 方面级别的独特情感注释方式，以及波斯语情感文本数据资源的不足。

    Jan, 2018

  • 跨语言情感分析：机器翻译英语前后的评估

    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

  • 多源社交媒体情感分析的比较研究

    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

  • 使用 ParsBERT 和不平衡数据处理方法的波斯情感检测

    本文旨在评估和比较两种标记好的波斯语情感数据集（EmoPars 和 ArmanEmo）的性能，并通过使用数据增强技术、数据再平衡、类别权重和 Transformer-based Pretrained Language Models 等方法，解决数据不平衡问题，并提供了一种从高置信度样本中选择数据的策略，并在这些数据集上实现了 F1 分数的最优结果。

    Nov, 2022