基于情感分析与深度学习的跨文化极性与情绪检测——以 COVID-19 为例
社会与信息网络
2020-08-25 v1 计算与语言
计算机与社会
机器学习
摘要
不同文化在危机下的反应与应对，取决于社会规范及应对局势的政治意愿。所做出的决策常由事件、社会压力或当务之急所迫使，未必代表国家意志。有人满意，亦有人不满。冠状病毒(COVID-19)使各国对其各自政府所采决策产生了类似的复杂情绪。过去数月，社交媒体上充斥着包含对 COVID-19、大流行、封锁、标签(hashtags)正负情感的帖子。尽管地理相近，许多邻国彼此反应迥异。例如，丹麦与瑞典诸多相似，却对各自政府决策截然对立。然而其国民支持大多一致，不像南亚邻国人民表现出大量焦虑与不满。本研究利用自然语言处理(NLP)与深度学习技术，基于 Twitter 帖子检测并分析大流行初期与封锁期的情感极性与情绪。用于从提取推文估算情感极性与情绪的深度长短期记忆(LSTM)模型经训练在 sentiment140 数据集上达到最先进准确率。表情符号的使用展示了一种新颖独特的方式，用以在自 Twitter 提取的推文上验证有监督深度学习模型。
引用
@article{arxiv.2008.10031,
title = {Cross-Cultural Polarity and Emotion Detection Using Sentiment Analysis and Deep Learning -- a Case Study on COVID-19},
author = {Ali Shariq Imran and Sher Mohammad Doudpota and Zenun Kastrati and Rakhi Bhatra},
journal= {arXiv preprint arXiv:2008.10031},
year = {2020}
}
备注
19 pages, 8 figures