基于情感分析理解人行道配送机器人的社会感知、交互与安全方面
机器人学
2024-05-03 v1 人工智能
计算与语言
人机交互
机器学习
摘要
本文对 YouTube 相关人行道配送机器人(SDR)评论进行情感分析(SA)。我们手动为收集的 YouTube 评论标注了三个情感标签：负面(0)、正面(1)和中性(2)。随后构建了文本情感分类模型，并在准确率、精确率、召回率和 F1 分数等指标上测试模型在二分类和三分类任务中的性能。结果表明，在二分类任务中，使用 TF-IDF 和 N-gram 的支持向量机(SVM)模型获得最高准确率。在三分类任务中，基于双向编码器表示来自变换器(BERT)、长短期记忆网络(LSTM)和门控循环单元(GRU)的模型显著优于其他机器学习模型，准确率、精确率、召回率和 F1 分数分别达到 0.78。此外，我们采用潜在 Dirichlet 分配模型(Latent Dirichlet Allocation)从评论中生成 10 个主题，以探索公众对 SDR 底层观点。基于这些发现，我们提出了塑造 SDR 未来政策的针对性建议。本工作为 SDR 领域的利益相关者提供了关于社会感知、交互和安全的宝贵见解。
引用
@article{arxiv.2405.00688,
title = {Understanding Social Perception, Interactions, and Safety Aspects of Sidewalk Delivery Robots Using Sentiment Analysis},
author = {Yuchen Du and Tho V. Le},
journal= {arXiv preprint arXiv:2405.00688},
year = {2024}
}
备注
34 pages, 7 figures, 2 tables