基于长短期记忆网络和卷积深度神经网络组合的推特情感检测
机器学习
2025-03-27 v1
摘要
近年来，识别社交媒体文本中的情感和情绪已成为一个极其重要的问题。情感和情绪分析旨在识别概念信息，如人们对产品、服务、组织、人物、话题、事件和特征的意见、感觉、态度和情绪。这些表明了问题空间的广泛性。在现实世界中，企业和组织始终寻找工具来收集关于其产品、服务或事件的人们的想法、情感和方向。这篇文章使用Twitter社交网络——全球约4.2亿活跃用户的热门社交网络——来提取数据。用户可以分享关于个人问题、政策、产品、事件等的信息和意见。由于数据可用性，可以通过对情绪状态进行适当分类来实现上述目的。在本研究中，我们使用监督学习和深度神经网络算法对Twitter用户的情绪状态进行分类。由于大量可用数据，采用深度学习方法来增加模型的学习容量是一项优势。将在各种主题上收集的推文分为四类，使用两种双向长短期记忆网络和卷积网络的组合。该研究结果以平均准确率达到93%，表明该提出框架提取了良好结果，并比以往工作提高了准确性。
引用
@article{arxiv.2503.20163,
title = {Emotion Detection in Twitter Messages Using Combination of Long Short-Term Memory and Convolutional Deep Neural Networks},
author = {Bahareh Golchin and Noushin Riahi},
journal= {arXiv preprint arXiv:2503.20163},
year = {2025}
}