情感分析库的对比分析
计算与语言
2023-07-27 v1
摘要
本研究的主要目标是通过机器学习方法对各类库提供对比比较。自然语言处理（NLP）专家对文本变化的情感分析（SA）兴趣日益增长。采用 NLP 文本分析技术的目的是识别并分类与推特用户话语相关的情感。本考察同时探讨了 SA 的问题及所用库，并提供若干协作方法以分类情感极性。近期研究表明，朴素贝叶斯分类器、决策树分类器、最大熵分类器、Sklearn 分类器、Sklearn 分类器 MultinomialNB 及其他联合学习算法非常有效。项目中将使用五个 Python 与 R 库：NLTK、TextBlob、Vader、Transformers（GPT 与 BERT 预训练）以及 Tidytext，以应用情感分析技术。还将使用四种机器学习模型：决策树（DT）、支持向量机（SVM）、朴素贝叶斯（NB）和 K 近邻（KNN）。为评估 SA 库在社交网络环境中的运行表现，还进行了对比研究。本实验使用每种方法单一数据集，以精确率、召回率和 F1 分数为指标评估最佳算法。我们得出结论：推荐使用准确率为 0.973 的 BERT transformer 方法用于情感分析。
引用
@article{arxiv.2307.14311,
title = {Comparative Analysis of Libraries for the Sentimental Analysis},
author = {Wendy Ccoya and Edson Pinto},
journal= {arXiv preprint arXiv:2307.14311},
year = {2023}
}
备注
5 pages, 2 figures