Jun, 2023

构建波斯语社交微博情感分析的口语数据集

PDF
TL;DR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。
microblogging websitessentiment analysispersian languagedeep convolutional neural networktext classification
发现论文，激发创造
  • 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

  • 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

  • 波斯语情感分析：算法、方法和数据集综述

    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

  • 建立巴西葡萄牙语推特情感语料库

    本文介绍了 TweetSentBR，即一种人工注释的，用于情感语料库的巴西葡萄牙语语料库，用于在电视节目领域的 15.000 个句子上进行分类，通过三种机器学习方法进行了基线实验并获得了良好的分类准确度。

    Dec, 2017

  • 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

  • NaijaSenti: 面向多语种情感分析的尼日利亚推特情感语料库

    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

  • 波斯俚语文本转换为正式文本，并在社交媒体上进行波斯简短文本的深度学习以进行情感分类

    使用 Persian Slang Converter (PSC) 工具和最新的深度学习方法，本研究旨在为机器提供转换会话文本为正式文本的工具。通过训练无监督模型和正式实施，从各种社交网络和电影字幕中获得超过 1000 万的未标记文本和 1000 万新闻文本，还使用来自 Instagram 社交网络用户评论的正面、负面和中性标签的 60000 条文本训练短文本情感分类模型，最终在测试数据上达到了 81.91% 的准确率。

    Mar, 2024

  • Colloquial Persian POS (CPPOS) Corpus：一份用于口语波斯语词性标注的新颖语料库

    这篇论文介绍了一个面向口语波斯文的新语料库 CPPOS，通过使用该语料库进行训练，利用深度学习模型在波斯文的 POS 标注任务中取得比现有数据集和工具更好的性能，相较之前的数据集的改进达到了 14%。

    Oct, 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？

    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。

    Jan, 2023

  • OPSD：一种冒犯性波斯社交媒体数据集及其基准评估

    该研究介绍了两个针对恶意评论和冒犯性言论的数据集，并使用先进的语言模型和机器学习算法进行了实验，以建立该数据集的基准，结果表明 XLM-RoBERTa 在该数据集上的 F1 分数分别为 76.9% 和 89.9%。

    Apr, 2024