基于深度卷积神经网络的豪萨语电影评论方面与极性分类模型
计算与语言
2025-11-10 v1 人工智能
摘要
基于方面的情感分析对于理解文本中的情感细微差别至关重要，尤其是在不同语言和文化中。本文提出了一种新颖的基于深度卷积神经网络（CNN）的模型，专门用于豪萨语电影评论中的方面和极性分类，豪萨语在情感分析研究中代表性不足。创建了一个全面的豪萨语ABSA数据集，填补了资源可用性的重大空白。该数据集使用scikit-learn进行TF-IDF变换预处理，包含手动标注的方面级特征本体词和情感极性赋值。所提出的模型将CNN与注意力机制相结合，用于方面词预测，利用上下文信息和情感极性。在方面词提取上准确率达91%，在情感极性分类上准确率达92%，该模型优于传统机器学习模型，提供了对特定方面和情感的洞察。这项研究推进了ABSA研究，特别是在代表性不足的语言中，对跨文化语言研究具有启示意义。
引用
@article{arxiv.2405.19575,
title = {A Deep Convolutional Neural Network-based Model for Aspect and Polarity Classification in Hausa Movie Reviews},
author = {Umar Ibrahim and Abubakar Yakubu Zandam and Fatima Muhammad Adam and Aminu Musa},
journal= {arXiv preprint arXiv:2405.19575},
year = {2025}
}
备注
To be published in the proceedings of ICCAIT 2023