IUST在SemEval-2020任务9：使用深度神经网络和线性基线对语码混合社交媒体文本进行情感分析
计算与语言
2020-07-28 v1
摘要
情感分析是自然语言处理中一个研究深入的领域。然而，社交媒体的快速增长及其中的噪声内容，给使用成熟方法和工具解决这一问题带来了重大挑战。这些挑战之一是语码混合，即在社交媒体文本中使用不同语言来表达思想。我们的小组名为IUST（用户名：TAHA），参加了SemEval-2020共享任务9“语码混合社交媒体文本的情感分析”，并尝试开发一个系统来预测给定语码混合推文的情感。我们使用了不同的预处理技术，并提出了使用从NBSVM到更复杂的深度神经网络模型的不同方法。我们表现最佳的方法在西班牙语-英语子任务上获得了0.751的F1分数，在印地语-英语子任务上获得了0.706的F1分数。
引用
@article{arxiv.2007.12733,
title = {IUST at SemEval-2020 Task 9: Sentiment Analysis for Code-Mixed Social Media Text using Deep Neural Networks and Linear Baselines},
author = {Soroush Javdan and Taha Shangipour ataei and Behrouz Minaei-Bidgoli},
journal= {arXiv preprint arXiv:2007.12733},
year = {2020}
}