构建用于波斯语社交微博情感分析的口语化数据集
计算与语言
2024-03-08 v2
摘要
引言：微博网站已汇聚丰富的情感分析与观点挖掘数据源。在这方面，情感分类常显低效，因为微博帖子通常缺乏句法一致的术语与表述，这些社交网络上的用户不愿撰写冗长陈述。此外，低资源语言存在一些局限。波斯语具有独特特征，需要专门的标注数据与模型用于情感分析任务，这不同于英语方言中的文本特征。方法：本文首先在协作环境与内部来源方式下构建名为ITRC-Opinion的用户观点数据集。我们的数据集包含来自Twitter和Instagram等社交微博的60,000条非正式与口语化波斯语文本。其次，本研究提出一种基于卷积神经网络（CNN）模型的新架构，以对社交微博帖子中的口语化文本进行更有效的情感分析。所构建的数据集用于评估该架构。此外，一些模型如LSTM、CNN-RNN、BiLSTM和BiGRU，配合不同词嵌入（包括Fasttext、Glove和Word2vec），对我们的数据集进行了研究并评估结果。结果：结果证明了我们的数据集与所提模型（72%准确率）的益处，显示出情感分类性能的显著提升。
引用
@article{arxiv.2306.12679,
title = {Constructing Colloquial Dataset for Persian Sentiment Analysis of Social Microblogs},
author = {Mojtaba Mazoochi and Leila Rabiei and Farzaneh Rahmani and Zeinab Rajabi},
journal= {arXiv preprint arXiv:2306.12679},
year = {2024}
}