基于 Transformer 模型的孟加拉语情感分析里程碑：基础、挑战与未来方向
计算与语言
2024-01-17 v1
摘要
情感分析（SA）是指为给定文本关联一个观点极性（通常为正面、负面或中性；甚至可以是细粒度的，如略带愤怒、悲伤等）的任务，本质上将其归结为一个有监督（因为我们预先拥有观点标签）的分类任务。尽管由于 Transformer 架构的出现，在英语等资源丰富的语言中情感分析得到了大量研究，从而极大地推动了最先进水平（SOTA）的发展，但对于孟加拉语（BN）等资源贫乏的语言却并非如此。对于一门大约有 3 亿人使用的语言，使他们能够用自己偏好的语言进行尝试的技术却严重缺乏。在本文中，我们分析了孟加拉语情感分析的最先进水平，特别是基于 Transformer 的模型。我们讨论了可用的数据集及其缺陷，与孟加拉语相关的细微差别（即是什么使得在该语言上应用情感分析具有挑战性），并最终为缓解该领域局限性的未来方向提供了见解。
引用
@article{arxiv.2401.07847,
title = {Milestones in Bengali Sentiment Analysis leveraging Transformer-models: Fundamentals, Challenges and Future Directions},
author = {Saptarshi Sengupta and Shreya Ghosh and Prasenjit Mitra and Tarikul Islam Tamiti},
journal= {arXiv preprint arXiv:2401.07847},
year = {2024}
}