经典机器学习方法在孟加拉语文本情感分析上的比较
计算与语言
2019-07-19 v1 机器学习
摘要
从文本中检测情感是简单情感极性检测的延伸。情感不是仅考虑正面或负面态度，而是以更具体的方式传达；因此，它们可表达为许多灰色层次。本文展示了我们在孟加拉语文本细粒度情感分析上的实验结果。我们收集并标注了一个文本语料库，包含来自若干 Facebook 群组关于社会经济与政治议题的用户评论，并努力提取这些评论所传达的基本情感（悲伤、快乐、厌恶、惊讶、恐惧、愤怒）。最后，我们比较了五种最流行的经典机器学习技术，即朴素贝叶斯、决策树、k-近邻（k-NN）、支持向量机（SVM）和 K-均值聚类在多种特征组合下的结果。我们的最佳模型（带非线性径向基函数（RBF）核的 SVM）取得了 52.98% 的总体平均准确率以及 0.3324 的宏 F1 分数。
引用
@article{arxiv.1907.07826,
title = {Comparison of Classical Machine Learning Approaches on Bangla Textual Emotion Analysis},
author = {Md. Ataur Rahman and Md. Hanif Seddiqui},
journal= {arXiv preprint arXiv:1907.07826},
year = {2019}
}