探寻僧伽罗语情感：预测僧伽罗语帖子的 Facebook 反应
机器学习
2022-08-04 v1 计算与语言
摘要
Facebook 网络允许用户通过一组情感类型记录其对文本的反应。因此，在大规模下，该网络是带标注情感数据的首要数据集。本文利用围绕斯里兰卡语境、长达十年的 Facebook 帖子数据所产生的数百万条此类反应，为在线僧伽罗语文本内容建模一种旁观者视角的情感检测方法。我们构建了三种不同的情感分析模型，分别考虑受限的反应子集、全部反应，以及另一种导出正/负星级评价值的模型。随后计算并讨论了这些模型在捕捉观察者反应方面的效能。分析表明，对于僧伽罗语内容，反应的二分类显著优于其他方法。此外，纳入 like 反应会妨碍准确预测其他反应的能力。
关键词
引用
@article{arxiv.2112.00468,
title = {Seeking Sinhala Sentiment: Predicting Facebook Reactions of Sinhala Posts},
author = {Vihanga Jayawickrama and Gihan Weeraprameshwara and Nisansa de Silva and Yudhanjaya Wijeratne},
journal= {arXiv preprint arXiv:2112.00468},
year = {2022}
}