低资源土语情感识别：在TREMO上微调BERTurk并在仇恨政治话语上测试
计算与语言
2025-05-20 v1
摘要
社交媒体平台如X（前身为Twitter）在塑造公共话语和社会规范方面发挥着关键作用。本研究examines土语社交媒体上Sessiz Istila（静默入侵）这一术语，凸显了在叙利亚难民涌入背景下，反难民情绪的上升。使用BERTurk和TREMO数据集，我们开发了针对土语的高级情感识别模型（ERM），在将情绪分类为快乐、恐惧、愤怒、悲伤、厌恶和惊讶时达到92.62%的准确率。通过将该模型应用于大规模X数据，研究揭示了土语话语中的情感细微差别，为计算社会科学贡献了通过在 underrepresented语言（即土语）上进行情感分析来推进这一领域的进展，增强了我们对全球数字话语以及土语独特语言挑战的理解。本研究的发现凸显了本地化NLP工具的变革性潜力，所开发的ERM模型为土语语境中的实时情感分析提供了实际应用，涵盖营销、公共关系和危机管理等关键领域，促进了通过及时准确的情感跟踪实现更好的决策。这突显了考虑区域和语言细微差别的研究的重要性。
引用
@article{arxiv.2505.12160,
title = {Emotion Recognition for Low-Resource Turkish: Fine-Tuning BERTurk on TREMO and Testing on Xenophobic Political Discourse},
author = {Darmawan Wicaksono and Hasri Akbar Awal Rozaq and Nevfel Boz},
journal= {arXiv preprint arXiv:2505.12160},
year = {2025}
}