针对 COVID-19 议题文本的舆情挖掘及 ML、BERT 与 RNN 的比较研究
神经与进化计算
2022-01-07 v1 计算与语言
摘要
全球正经历一场大流行，其特点是被称为 COVID-19 的呼吸道综合征的灾难性暴发。这是波及 212 个国家的全球性威胁，人们每天面临严峻局势。相反，成千上万的感染者如山中富者般生存。心理健康也受到这一全球性冠状病毒局势的影响。在此情形下，在线资源成为交流场所，普通民众就任何议题分享其观点。诸如感染相关正负新闻、财务问题、国家与家庭危机、进出口创收体系缺失等，各类境况成为各地近期的热门新闻。因此，海量文本瞬间产生；在次大陆地区，情况与其他国家相同，民众对文本与局势的看法亦相似，但语言不同。本文提出若干特定输入及来自个人来源的孟加拉语文本评论，可佐证机器学习成果能够构建辅助系统的目标。舆情挖掘辅助系统可对所有可能的语言偏好产生积极影响。据我们所知，本文预测了关于 COVID-19 议题的孟加拉语输入文本，提出 ML 算法与深度学习模型分析，并通过比较分析检验未来可达性。比较分析给出报告：基于 ML 算法的文本预测准确率为 91%，基于深度学习模型为 79%。
引用
@article{arxiv.2201.02119,
title = {An Opinion Mining of Text in COVID-19 Issues along with Comparative Study in ML, BERT & RNN},
author = {Md. Mahadi Hasan Sany and Mumenunnesa Keya and Sharun Akter Khushbu and Akm Shahariar Azad Rabby and Abu Kaisar Mohammad Masum},
journal= {arXiv preprint arXiv:2201.02119},
year = {2022}
}
备注
16 pages, 9 figures