Jan, 2023

社交媒体文本中包含表情符号、话题标签和俚语等非正式语言是否影响情感分析模型的性能？

PDF
TL;DR研究发现，社交媒体文本中使用表情符号和俚语等非正式语言对情感分析模型的表现具有有限的影响，但将表情符号数据整合到模型中可以稍微提高准确性。
发现论文，激发创造
  • 使用数百万个表情符号出现次数来学习用于检测情感、情绪和讽刺的任意领域表示

    本文研究了在社交媒体情感分析任务中使用二进制表情符号和特定的话题标签作为远程监督的方法，通过扩展对更多嘈杂标签的监督，模型可以学习更丰富的表示，同时从一个包含 64 个常见表情的数据集中进行表情预测，使用单个预训练模型在 8 个基准数据集中取得了最先进的性能，并证实了我们的情感标签多样性相较于之前的远程监督方法有了更好的表现。

    Aug, 2017

  • 表情符号排除对阿拉伯讽刺检测模型性能的影响

    本论文研究了阿拉伯语言中讽刺言论检测的复杂挑战，着重探究了使用和不使用表情符号对阿拉伯语言的社交媒体内容中讽刺言论检测模型性能的影响，通过优化 AraBERT 预训练模型，验证了排除表情符号能够显著提高讽刺言论检测的准确性，为阿拉伯语自然语言处理领域提供了新的基准和有价值的见解。

    May, 2024

  • 多模态情感分类

    本文研究社交媒体中 emoji 图标的情感分类问题，并探讨了不同的多模态官能（文本、emoji 和图片）在此问题中的作用，结果表明三种官能可互补，最高准确度达到 71.98％。

    Mar, 2019

  • 使用深度卷积神经网络深入研究讽刺推特

    通过基于预训练的卷积神经网络提取情感，情绪和人格特征以及网络的基本特征，我们开发的模型可以有效区分讽刺语句并解决分类新数据的普适性问题。

    Oct, 2016

  • 构建波斯语社交微博情感分析的口语数据集

    该研究提出了一种新的深度卷积神经网络模型以更有效地进行社交微博帖子中的口语文本情感分析，采用构建用户意见数据集，并使用不同的单词嵌入进行了评估，结果表明该模型具有 72％的准确性和有效性。

    Jun, 2023

  • 英印混合代码推文语料库用于讽刺检测

    通过英 - 印混合码数据集，我们开发了一个基于随机森林分类器并进行了 10 折交叉验证的基线监督分类系统，该系统可以检测到社交媒体上的文字中的反讽，并标记每个标记的语言标签。该系统平均得分为 78.4%。

    May, 2018

  • 从无监督的情感分析中创建表情符号词库

    在线媒体产生了大量的非结构化数据，我们提出了一种新的方法来预测在线文本消息中表达的表情符号的情感，并构建了一个情感词典进行评估和比较。

    Apr, 2024

  • 社交媒体帖子的情绪检测

    研究使用传统机器学习技术和深度神经网络模型在社交媒体文本数据中识别情绪，并构建一个双向长短记忆神经网络（BiLSTM）和双向门循环单元（BiGRU）的集成模型，其中 BiGRU 模型表现最佳，准确率达 87.53％。此结果将有助于开发一个可视化情绪波动的决策工具。

    Feb, 2023

  • 不协调有多有效？对代码混合讽刺检测的影响

    通过使用 fastText 学习的子词级别嵌入捕捉不协调的想法来解决混合语言和讽刺检测的联合问题。实证结果表明，我们提出的模型不仅可以在 10 倍的训练速度下使用更低的内存占用率，同时也可在混合语言英式印地语数据集上获得与预训练多语言模型相媲美的 F1-score。

    Feb, 2022

  • 基于卷积神经网络的微博情感分析：自然语言处理方法

    本研究采用卷积神经网络（CNN）对来自微博的 119,988 篇原始推文进行情感分析，利用词嵌入进行特征提取，并在情感标签的基础上训练模型执行情感分类，实现了对积极、中立和消极情绪的平衡分类，展示了 CNN 在情感分析任务中的有效性。

    Jul, 2023