基于深度学习模型的情感分析：十年僧伽罗语Facebook数据比较研究
计算与语言
2022-08-04 v2 机器学习
摘要
Facebook帖子与相应反应特征之间的关系是一个值得探索和理解的有趣课题。为此，我们针对一个包含十年间数百万次反应的僧伽罗语帖子的数据集，测试了最先进的僧伽罗语情感分析模型。为建立基准并找出僧伽罗语情感分析的最佳模型，我们还在相同的数据集配置上测试了其他面向情感分析的深度学习模型。在本研究中我们报告，3层双向LSTM模型在僧伽罗语情感分析中取得了84.58%的F1分数，超越了当前最先进模型Capsule B（其F1分数仅为82.04%）。此外，由于所有深度学习模型的F1分数均高于75%，我们得出结论：可以稳妥地声称Facebook反应适用于预测文本情感。
引用
@article{arxiv.2201.03941,
title = {Sentiment Analysis with Deep Learning Models: A Comparative Study on a Decade of Sinhala Language Facebook Data},
author = {Gihan Weeraprameshwara and Vihanga Jayawickrama and Nisansa de Silva and Yudhanjaya Wijeratne},
journal= {arXiv preprint arXiv:2201.03941},
year = {2022}
}
备注
8 pages, LaTeX; typos corrected