基于分数嵌入的平价医疗法案推特情感分析
机器学习
2019-08-21 v1 机器学习
摘要
本文引入分数嵌入(score embedding),一种基于神经网络的模型,用于学习可解释的词向量表示。分数嵌入是一种有监督方法,利用带标签的训练数据与神经网络架构来学习词的可解释表示。医疗在美国政党间一直是有争议的问题。本文利用推特上关于平价医疗法案不同议题的讨论,使用所提分数嵌入识别公众对现有医疗计划的意见。我们的结果表明,该方法有效融入了情感信息,优于或至少可与最先进(state-of-the-art)方法相媲美,且对“TrumpCare”的负面情感随时间始终大于中性和正面情感。
引用
@article{arxiv.1908.07061,
title = {Twitter Sentiment on Affordable Care Act using Score Embedding},
author = {Mohsen Farhadloo},
journal= {arXiv preprint arXiv:1908.07061},
year = {2019}
}