SemEval-2017 任务 4：基于 BERT 的 Twitter 情感分析
计算与语言
2024-08-31 v2
摘要
本文使用基于 Transformer 架构的 BERT 模型来解决 SemEval-2017 的任务 4A（英语语言 Twitter 情感分析）。当训练数据量较少时，BERT 是一种用于分类任务的非常强大的大型语言模型。在本实验中，我们使用了具有 12 个隐藏层的 BERT(BASE) 模型。该模型在准确率、精确率、召回率和 F1 分数方面均优于朴素贝叶斯基线模型。其在二分类子任务中的表现优于多分类子任务。我们在实验过程中还考虑了各类伦理问题，因为 Twitter 数据包含个人和敏感信息。本实验所用的数据集和代码可在该 GitHub 仓库中找到。
引用
@article{arxiv.2401.07944,
title = {SemEval-2017 Task 4: Sentiment Analysis in Twitter using BERT},
author = {Rupak Kumar Das and Ted Pedersen},
journal= {arXiv preprint arXiv:2401.07944},
year = {2024}
}