基于机器学习的自然语言处理在霍乱X数据集上的情感分类
计算与语言
2024-05-09 v1 人工智能
摘要
最近关于Hammanskraal霍乱爆发的社交媒体帖子突显了人们对这类事件所经历的广泛情感。人们观点的差异程度很大程度上取决于他们对疾病的了解和信息水平。关于霍乱的现有文献缺乏对情感分类的研究。本研究旨在考察社交媒体帖子中关于霍乱所表达的情感。提取并预处理了包含23,000条帖子的数据集。应用Python自然语言工具包（NLTK）情感分析库来确定每段文本的情感意义。此外，应用了机器学习（ML）模型进行情感分类，包括长短期记忆网络（LSTM）、逻辑回归、决策树和基于Transformer的双向编码器表示（BERT）模型。本研究结果表明，LSTM达到了75%的最高准确率。情感分类为了解霍乱对社会的影响提供了一个有前景的工具。本研究的发现可能有助于在公共卫生策略中制定有效的干预措施。
引用
@article{arxiv.2405.04897,
title = {Machine Learning-based NLP for Emotion Classification on a Cholera X Dataset},
author = {Paul Jideani and Aurona Gerber},
journal= {arXiv preprint arXiv:2405.04897},
year = {2024}
}