基于卷积神经网络的微博数据情感分析：一种自然语言处理方法
计算与语言
2023-07-14 v1 机器学习
摘要
本研究使用卷积神经网络（CNN）处理来自微博的 119,988 条原创推文数据集上的情感分析这一复杂任务，为自然语言处理（NLP）提供了一种新方法。数据来源于百度的 PaddlePaddle AI 平台，经过细致的预处理、分词，并基于情感标签进行分类。采用基于 CNN 的模型，利用词嵌入进行特征提取，并训练以执行情感分类。该模型在测试集上取得了约 0.73 的宏平均 F1 分数，在积极、中性和消极情感上表现出均衡的性能。研究结果凸显了 CNN 在情感分析任务中的有效性，对社交媒体分析、市场研究和政策研究中的实际应用具有启示意义。完整的实验内容与代码已在 Kaggle 数据平台上公开，以供进一步研究与开发。未来工作可探索不同架构，如循环神经网络（RNN）或 transformers，或使用更复杂的预训练模型如 BERT，以进一步提升模型理解语言细微差别与上下文的能力。
引用
@article{arxiv.2307.06540,
title = {Convolutional Neural Networks for Sentiment Analysis on Weibo Data: A Natural Language Processing Approach},
author = {Yufei Xie and Rodolfo C. Raga},
journal= {arXiv preprint arXiv:2307.06540},
year = {2023}
}