基于进化分类LSTM模型的Covid-19推文情感分析
计算与语言
2021-06-15 v1 信息检索
摘要
随着Covid-19在全球范围内日益迅速爆发并影响数百万人的生活，许多国家宣布全面封锁以控制其强度。在封锁期间，社交媒体平台在向世界传播这一大流行病信息方面发挥了重要作用，因为人们习惯于通过社交网络表达感受。考虑到这一灾难性情况，我们开发了一种实验方法来分析人们在Twitter上基于该大流行病直接或间接的流行词汇所作出的反应。本文对收集的关于冠状病毒或Covid-19的大量推文进行情感分析。首先，我们使用进化分类并结合n-gram分析来研究公众对Covid-19相关话题的情感趋势。然后，我们根据所属类别计算所收集推文的情感评分。最后，我们使用两类评分推文训练长短期记忆网络（long-short term network，LSTM）以预测Covid-19数据的情感，获得了84.46%的总体准确率。
引用
@article{arxiv.2106.06910,
title = {Sentiment Analysis of Covid-19 Tweets using Evolutionary Classification-Based LSTM Model},
author = {Arunava Kumar Chakraborty and Sourav Das and Anup Kumar Kolya},
journal= {arXiv preprint arXiv:2106.06910},
year = {2021}
}
备注
11 pages, 8 figures, 5 tables