論文の概要: Negation Handling in Machine Learning-Based Sentiment Classification for Colloquial Arabic

• arxiv url: http://arxiv.org/abs/2107.11597v1
• Date: Sat, 24 Jul 2021 13:12:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-28 07:24:32.978250
• Title: Negation Handling in Machine Learning-Based Sentiment Classification for Colloquial Arabic
• Title（参考訳）: 機械学習に基づく口語アラビア語の感情分類における否定処理
• Authors: Omar Al-Harbi
• Abstract要約: アラビア語の感情分析における否定の役割は、特に口語アラビア語について限定的に研究されている。 そこで本研究では,多くの否定事例からルールを導出する簡単なルールベースアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: One crucial aspect of sentiment analysis is negation handling, where the occurrence of negation can flip the sentiment of a sentence and negatively affects the machine learning-based sentiment classification. The role of negation in Arabic sentiment analysis has been explored only to a limited extent, especially for colloquial Arabic. In this paper, the author addresses the negation problem of machine learning-based sentiment classification for a colloquial Arabic language. To this end, we propose a simple rule-based algorithm for handling the problem; the rules were crafted based on observing many cases of negation. Additionally, simple linguistic knowledge and sentiment lexicon are used for this purpose. The author also examines the impact of the proposed algorithm on the performance of different machine learning algorithms. The results given by the proposed algorithm are compared with three baseline models. The experimental results show that there is a positive impact on the classifiers accuracy, precision and recall when the proposed algorithm is used compared to the baselines.
• Abstract（参考訳）: 感情分析の重要な側面は否定処理であり、否定の発生は文の感情を反転させ、機械学習に基づく感情分類に悪影響を及ぼす。 アラビア語の感情分析における否定の役割は、特に口語アラビア語について限定的に研究されている。 本稿では,アラビア語における機械学習に基づく感情分類の否定問題について述べる。 そこで本研究では,問題に対処するための単純なルールベースアルゴリズムを提案する。 また、この目的のために単純な言語知識と感情辞書が用いられる。 また,提案アルゴリズムが異なる機械学習アルゴリズムの性能に与える影響についても検討した。 提案手法により得られた結果を3つのベースラインモデルと比較した。 実験結果から,提案アルゴリズムをベースラインと比較した場合,分類器の精度,精度,リコールに肯定的な影響が認められた。

関連論文リスト

• On the Proper Treatment of Tokenization in Psycholinguistics [53.960910019072436]
  論文は、トークンレベルの言語モデルは、精神言語学研究で使用される前に、文字レベルの言語モデルにマージ化されるべきであると主張している。 興味領域自体のサブプライムよりも心理学的予測が優れている様々な焦点領域を見いだす。
  論文  参考訳（メタデータ） (2024-10-03T17:18:03Z)
• Ensemble of pre-trained language models and data augmentation for hate speech detection from Arabic tweets [0.27309692684728604]
  本研究では,従来手作業でラベル付けされていたアンサンブル学習と半教師付き学習を活用する新しい手法を提案する。 我々は、アラビア語のツイートを、非憎悪、一般憎悪、人種、宗教、セクシズムの5つのクラスに分類して、ベンチマークデータセットで実験を行った。
  論文  参考訳（メタデータ） (2024-07-02T17:26:26Z)
• Revisiting subword tokenization: A case study on affixal negation in large language models [57.75279238091522]
  現代英語大言語モデル(LLM)に対する接尾辞否定の影響を計測する。 我々は、異なるサブワードトークン化手法を用いてLLMを用いて実験を行う。 モデルは全体として、接尾辞の意味を確実に認識できることを示す。
  論文  参考訳（メタデータ） (2024-04-03T03:14:27Z)
• Analyzing Cognitive Plausibility of Subword Tokenization [9.510439539246846]
  サブワードトークン化はトークン化のデファクトスタンダードになっている。 本稿では,サブワードトークン化の認知的妥当性に着目した新しい評価パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-10-20T08:25:37Z)
• Arabic Sentiment Analysis with Noisy Deep Explainable Model [48.22321420680046]
  本稿では,アラビア語の感情分類フレームワークを提案する。 提案フレームワークは,局所的な代理説明可能なモデルをトレーニングすることで,特定の予測を説明することができる。 アラビアサデータセットの公開ベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2023-09-24T19:26:53Z)
• Understanding and Mitigating Spurious Correlations in Text Classification with Neighborhood Analysis [69.07674653828565]
  機械学習モデルは、トレーニングセットに存在するが一般的な状況では当てはまらない急激な相関を利用する傾向にある。 本稿では, 周辺分析と呼ばれる新しい視点から, 突発的相関がもたらす意味について考察する。 本稿では,テキスト分類における素早い相関を緩和する正規化手法であるNFL(doN't Forget your Language)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T03:55:50Z)
• A Semantic Approach to Negation Detection and Word Disambiguation with Natural Language Processing [1.0499611180329804]
  本研究の目的は,テキストの語彙構造を一意に評価することで文中の否定を検出する方法を示すことである。 提案手法は,文の文脈的利用を解決するために,テキスト内の関連表現の特徴を全て検討する。
  論文  参考訳（メタデータ） (2023-02-05T03:58:45Z)
• Enhanced Aspect-Based Sentiment Analysis Models with Progressive Self-supervised Attention Learning [103.0064298630794]
  アスペクトベース感情分析(absa)では、多くのニューラルモデルに感情予測に対する各文脈単語の寄与を定量化するための注意機構が備わっている。 注目ABSAモデルに対する自己監督型注意学習の進歩的アプローチを提案する。 提案手法を3つの最先端の神経ABSAモデルに統合する。
  論文  参考訳（メタデータ） (2021-03-05T02:50:05Z)
• Effect of Word Embedding Variable Parameters on Arabic Sentiment Analysis Performance [0.0]
  Twitter、Facebookなどのソーシャルメディア。 ユーザーの意見を含むコメントの数が増加しています。 本研究は,アラビア語感情分析のための3つのパラメータ(ウィンドウサイズ,ベクトル次元,負サンプル)について考察する。 4つのバイナリ分類器(ロジスティック回帰、決定木、サポートベクターマシン、ネイブベイ)を使用して感情を検出する。
  論文  参考訳（メタデータ） (2021-01-08T08:31:00Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。