基于CNN-LSTM的混合深度学习方法来检测猴痘推文中的情感极性
计算机视觉与模式识别
2022-08-26 v1 人工智能
机器学习
摘要
人们最近开始通过社交网站上的用户生成多媒体材料来表达他们的想法和观点。这些信息可以是图像、文本、视频或音频。近年来，这种模式出现的频率有所上升。Twitter 是最广泛使用的社交媒体网站之一，也是了解人们对与猴痘疾病相关事件感受的最佳地点之一。这是因为 Twitter 上的推文简短且经常更新，这两者都构成了该平台的特点。本研究的基本目标是更深入地理解人们针对该病症存在所做出的多样化反应。本研究聚焦于弄清个体对猴痘疾病的看法，提出了一种基于 CNN 和 LSTM 的混合技术。我们考虑了用户推文的所有三种可能极性：正面、负面和中性。利用基于 CNN 和 LSTM 的架构来确定预测模型的准确性。所提模型在猴痘推文数据集上的准确率为 94%。其他性能指标如准确率、召回率和 F1 分数被用于以最省时和省资源的方式测试我们的模型与结果。随后将发现与更传统的机器学习方法进行比较。本研究的结果有助于提高普通人群对猴痘感染的认识。
引用
@article{arxiv.2208.12019,
title = {A CNN-LSTM-based hybrid deep learning approach to detect sentiment polarities on Monkeypox tweets},
author = {Krishna Kumar Mohbey and Gaurav Meena and Sunil Kumar and K Lokesh},
journal= {arXiv preprint arXiv:2208.12019},
year = {2022}
}
备注
11pages