生成用于情感分析的有效集成模型
计算与语言
2024-02-27 v1 人工智能
摘要
近年来，Transformer 模型彻底改变了自然语言处理（NLP），在包括情感分析（SA）在内的各种任务中取得了卓越成果。因此，当前情感分析的 most state-of-the-art 方法主要单独依赖 Transformer 模型，在基准数据集上实现了令人印象深刻的准确率水平。在本文中，我们表明，进一步提高此类情感分析集成模型准确率的关键在于不仅包含 Transformer，还要包含传统 NLP 模型，尽管后者相比 Transformer 模型处于劣势。然而，正如我们通过实证展示的那样，这需要改变集成模型的构建方式，具体而言是依赖我们提出的分层集成构建（HEC）算法。我们在八个经典情感分析数据集上的实证研究表明，通过 HEC 结构化并包含混合模型类型的集成模型，其表现显著优于传统集成模型。最后，我们提供了 HEC 与 GPT-4 性能的比较分析，表明虽然 GPT-4 接近最先进的情感分析方法，但仍不及我们提出的集成策略。
引用
@article{arxiv.2402.16700,
title = {Generating Effective Ensembles for Sentiment Analysis},
author = {Itay Etelis and Avi Rosenfeld and Abraham Itzhak Weinberg and David Sarne},
journal= {arXiv preprint arXiv:2402.16700},
year = {2024}
}