面向孟加拉新闻的统一 BERT-CNN-BiLSTM 框架：标题分类与情感分析同步实现
计算与语言
2025-11-25 v1 人工智能
摘要
在日常生活中，报纸是重要的信息来源，影响人们如何讨论当下议题。然而，有效地浏览来自不同报纸和在线新闻门户的大量新闻内容颇具挑战性。带有情感分析的报纸标题告诉我们新闻的主题（如政治、体育）以及新闻如何影响我们情绪（积极、消极、中性）。这有助于我们快速了解新闻的情感基调。本研究提出一种针对孟加拉新闻标题分类与情感分析的前沿方法，应用自然语言处理（NLP）技术，特别是采用混合迁移学习模型 BERT-CNN-BiLSTM。我们使用名为 BAN-ABSA 的数据集进行实验，该数据集包含 9014 条新闻标题，是首次在孟加拉报纸的标题和情感分类中进行同步实验。在处理不平衡数据集时，我们应用了两种实验策略：策略一是在划分前进行下采样和上采样；策略二是在划分后进行下采样和上采样。实验结果表明，策略一在标题和情感方面均取得最佳性能（分别为 78.57% 和 73.43%），而策略二在直接训练于原始不平衡数据集上时，标题和情感的准确率最高（分别为 81.37% 和 64.46%）。所提出的 BERT-CNN-BiLSTM 模型在分类任务中显著优于所有基线模型，实现了孟加拉新闻标题分类和情感分析的新型态。这些结果表明，同时利用标题和情感数据集的重要性，为孟加拉文本分类提供了强大的基线。
引用
@article{arxiv.2511.18618,
title = {A Unified BERT-CNN-BiLSTM Framework for Simultaneous Headline Classification and Sentiment Analysis of Bangla News},
author = {Mirza Raquib and Munazer Montasir Akash and Tawhid Ahmed and Saydul Akbar Murad and Farida Siddiqi Prity and Mohammad Amzad Hossain and Asif Pervez Polok and Nick Rahimi},
journal= {arXiv preprint arXiv:2511.18618},
year = {2025}
}