Theedhum Nandrum@Dravidian-CodeMix-FIRE2020：面向泰米尔语、马来语拉姆语与英语码混 YouTube 评论的情感极性分类器

Theedhum Nandrum 是一个使用两种方法的情感极性检测系统——基于随机梯度下降（SGD）的分类器和基于长短期记忆（LSTM）的分类器。我们的方法利用了语言特征，如表情符号的使用、文字系统的选择和码混，这些在指定用于 Dravidian Codemix - FIRE 2020 任务的数据集中表现得相当明显。SGD 的超参数使用 GridSearchCV 进行了调优。我们的系统在泰米尔语-英语中排名第 4，加权平均 F1 得分为 0.62，在马来语拉姆语-英语中排名第 9，得分为 0.65。在任务截止后，我们使用基于逻辑回归的模型在泰米尔语-英语上取得了 0.77 的加权平均 F1 分数。该性能大幅优于该数据集上排名最高的分类器。我们对码混数据中语言特定的 Soundex 的使用以协调拼写变体，似乎是对 Soundex 的新颖应用。我们的完整代码发布于 github：https://github.com/oligoglot/theedhum-nandrum。