BN-AuthProf：孟加拉语社交媒体作者画像分析的机器学习基准测试
计算与语言
2024-12-04 v1 社会与信息网络
摘要
作者画像分析，即通过分析文本以揭示作者的性别和年龄等属性，随着社交媒体平台的广泛使用而变得至关重要。本文聚焦于孟加拉语的作者画像分析，旨在根据作者在社交媒体上的写作风格提取匿名作者的有价值信息。主要目标是介绍一个新的孟加拉语作者画像数据集BN-AuthProf，并对机器学习方法进行基准测试。该数据集包含来自300位作者的30,131条社交媒体帖子，并按年龄和性别进行标注。为保护隐私，作者身份和个人信息已匿名化。我们采用了各种经典机器学习和深度学习方法进行评估。在性别分类方面，支持向量机（SVM）达到了80%的最佳准确率，而多项式朴素贝叶斯（MNB）分类器取得了0.756的最佳F1分数。在年龄分类方面，MNB达到了91%的最高准确率和0.905的F1分数。这项研究凸显了机器学习在孟加拉语作者性别和年龄分类中的有效性，其应用涉及隐私和偏见考量下的安全、取证语言学、教育和刑事调查等领域。
关键词
引用
@article{arxiv.2412.02058,
title = {BN-AuthProf: Benchmarking Machine Learning for Bangla Author Profiling on Social Media Texts},
author = {Raisa Tasnim and Mehanaz Chowdhury and Md Ataur Rahman},
journal= {arXiv preprint arXiv:2412.02058},
year = {2024}
}
备注
Accepted to be Published in 2024 27th International Conference on Computer and Information Technology (ICCIT)