多语言 Transformer 集成在推文情感分析中的鲁棒性研究
计算与语言
2025-09-30 v1
摘要
情感分析是一种非常重要的自然语言处理活动，通过识别文本的极性来判断其传递的是积极、消极还是中性情感。随着社交媒体和互联网的发展，情感分析的重要性在诸多行业，如营销、政治和客户服务等领域得到了广泛关注。然而，在应用于外语时，情感分析会出现缺陷，尤其是当没有针对该语言标注的数据用于训练模型时。本研究提出了一种 transformer 集成模型和一个大语言模型（LLM），用于多语言情感分析。我们使用了多语言数据集。通过对句子进行情感评估时，我们采用了多个预训练情感分析模型的集成：bert-base-multilingual-uncased-sentiment 和 XLM-R。我们的实验结果表明，使用所提出方法后，情感分析性能可达86%以上。
关键词
引用
@article{arxiv.2509.24080,
title = {Ensembling Multilingual Transformers for Robust Sentiment Analysis of Tweets},
author = {Meysam Shirdel Bilehsavar and Negin Mahmoudi and Mohammad Jalili Torkamani and Kiana Kiashemshaki},
journal= {arXiv preprint arXiv:2509.24080},
year = {2025}
}
备注
19 pages, 4 figures, 2 tables