基于词典的方法与BERT在文本情感分析中的对比
计算与语言
2021-11-22 v1
摘要
近年来情感分析方法的性能大幅提升。这归因于基于Transformer架构的各种模型的使用，特别是BERT。然而，深度神经网络模型难以训练且可解释性差。一种替代方案是使用情感词典的基于规则的方法。它们快速、无需训练且可解释性好。但近来由于深度学习的广泛使用，基于词典的方法已退居次要地位。本文旨在研究适用于俄语的SO-CAL和SentiStrength基于词典方法的性能。我们在16个文本语料库上测试了这些方法以及RuBERT神经网络模型，并分析了其结果。RuBERT平均优于两种基于词典的方法，但SO-CAL在16个语料库中的4个上超越了RuBERT。
引用
@article{arxiv.2111.10097,
title = {Lexicon-based Methods vs. BERT for Text Sentiment Analysis},
author = {Anastasia Kotelnikova and Danil Paschenko and Klavdiya Bochenina and Evgeny Kotelnikov},
journal= {arXiv preprint arXiv:2111.10097},
year = {2021}
}
备注
14 pages, 4 tables, 3 figures. Accepted to AIST-2021 conference