代码混合社交媒体文本（Hinglish）的情感分析

本文讨论了将不同技术应用于以 Hinglish 书写的社交媒体（Twitter）代码混合文本情感分析所获得的结果。执行情感分析涉及的各阶段为数据整合、数据清洗、数据转换与建模。应用了多种数据清洗技术，数据经五轮迭代清洗，并在每轮迭代后记录实验结果。数据使用 count vectorizer、one hot vectorizer、tf-idf vectorizer、doc2vec、word2vec 与 fasttext 嵌入进行转换。模型使用 SVM、KNN、决策树、随机森林、朴素贝叶斯、逻辑回归与集成投票分类器等多种机器学习算法构建。数据取自 Codalab 竞赛网站的一项任务，该任务列于 Semeval-2020 竞赛网站的 Task:9。所建模型使用 F1-score (macro) 评估。使用集成投票分类器取得了 69.07 的最佳 F1-score。