烹饪皆关乎人：使用 BERT 与分类模型对烹饪频道评论进行分类（马来语-英语混合代码）
计算与语言
2020-07-23 v3 信息检索
机器学习
机器学习
摘要
Google 通过其视频分发平台 YouTube 所推动的 lucrative 职业前景，吸引了大量用户成为内容创作者。这项工作的一个重要方面是以评论形式收到的反馈，其显示了受众对内容的接受程度。然而，评论的数量加之垃圾信息以及有限的评论分类工具，使创作者几乎不可能逐一查看每条评论并收集建设性反馈。即使对成熟的分类模型而言，评论的自动分类也是一项挑战，因为评论常长度不定且充斥俚语、符号与缩写。当评论为多语言时，这一挑战更为严峻，因为信息中常夹杂相应方言。本工作中，我们评估了性能最优的分类模型，用于对英语与马来语不同组合（仅英语、仅马来语及英马混合）的评论进行分类。结果的统计分析表明，多项式朴素贝叶斯、K-近邻（KNN）、支持向量机（SVM）、随机森林与决策树在评论分类中提供相似水平的准确率。此外，我们还评估了 3 种基于多语言 transformer 的语言模型（BERT、DISTILBERT 与 XLM），并将其性能与传统机器学习分类技术比较。XLM 是性能最优的 BERT 模型，准确率为 67.31。采用词频向量化器的随机森林是所有传统分类模型中性能最优者，准确率为 63.59。
引用
@article{arxiv.2007.04249,
title = {Cooking Is All About People: Comment Classification On Cookery Channels Using BERT and Classification Models (Malayalam-English Mix-Code)},
author = {Subramaniam Kazhuparambil and Abhishek Kaushik},
journal= {arXiv preprint arXiv:2007.04249},
year = {2020}
}
备注
Rectified typos