孟加拉语文本内容的情感分类：一项比较研究

情感分析已被广泛用于理解我们对社会和政治议程的看法，或用户对产品的体验。它是 NLP 中核心且研究较为充分的领域之一。然而，对于像孟加拉语这样的低资源语言，一个显著的挑战是资源的缺乏。当前孟加拉语文献中另一个重要的局限是，由于缺乏明确规定的训练/测试划分，缺少可比较的结果。在本研究中，我们探索了多个公开可用的情感标注数据集，并使用经典算法和深度学习算法设计了分类器。在我们的研究中，经典算法包括 SVM 和随机森林，深度学习算法包括 CNN、FastText 以及基于 transformer 的模型。我们在模型性能和时间-资源复杂度方面对这些模型进行了比较。我们的发现表明，先前未在孟加拉语中探索过的基于 transformer 的模型优于所有其他模型。此外，我们基于每一类的效价分数创建了词典内容的加权列表。随后，我们分析了数据集中每一类具有高显著性特征的条目。为了可复现性，我们公开提供了数据划分和排序后的词典列表。所呈现的结果可作为未来研究的基准。