論文の概要: Multilevel sentiment analysis in arabic

• arxiv url: http://arxiv.org/abs/2205.12328v1
• Date: Tue, 24 May 2022 19:16:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-29 03:22:41.395385
• Title: Multilevel sentiment analysis in arabic
• Title（参考訳）: アラビア語におけるマルチレベル感情分析
• Authors: Ahmed Nassar, Ebru Sezer
• Abstract要約: 正および負の両方のテストクラスにおいて、項レベルSAで達成される平均Fスコアは0.92である。 文書レベルSAでは、正のテストクラスの平均Fスコアは0.94、負クラスは0.93である。
• 参考スコア（独自算出の注目度）: 1.4467794332678539
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this study, we aimed to improve the performance results of Arabic sentiment analysis. This can be achieved by investigating the most successful machine learning method and the most useful feature vector to classify sentiments in both term and document levels into two (positive or negative) categories. Moreover, specification of one polarity degree for the term that has more than one is investigated. Also to handle the negations and intensifications, some rules are developed. According to the obtained results, Artificial Neural Network classifier is nominated as the best classifier in both term and document level sentiment analysis (SA) for Arabic Language. Furthermore, the average F-score achieved in the term level SA for both positive and negative testing classes is 0.92. In the document level SA, the average F-score for positive testing classes is 0.94, while for negative classes is 0.93.
• Abstract（参考訳）: 本研究では,アラビア語感情分析の性能向上を目的とした。 これは、最も成功した機械学習手法と、用語と文書レベルの感情を2つの(正または負の)カテゴリに分類する最も有用な特徴ベクトルを調べることで達成できる。 さらに、1つ以上の項に対する1つの極性次数の仕様について検討する。 また、否定と強化を扱うために、いくつかのルールが開発されている。 得られた結果により、アラビア語の用語・文書レベルの感情分析(sa)において、人工ニューラルネットワーク分類器が最適な分類器にノミネートされる。 さらに、正と負の両方のテストクラスで項SAで達成される平均Fスコアは0.92である。 文書レベルSAでは、正のテストクラスの平均Fスコアは0.94、負クラスは0.93である。

関連論文リスト

• You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
  感情分析ツールが同じデータセットで一致しないことを示す。 感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
  論文  参考訳（メタデータ） (2024-10-18T17:27:38Z)
• Achieving More with Less: A Tensor-Optimization-Powered Ensemble Method [53.170053108447455]
  アンサンブル学習(英: Ensemble learning)は、弱い学習者を利用して強力な学習者を生み出す方法である。 我々は、マージンの概念を活かした滑らかで凸な目的関数を設計し、強力な学習者がより差別的になるようにした。 そして、我々のアルゴリズムを、多数のデータセットの10倍の大きさのランダムな森林や他の古典的な手法と比較する。
  論文  参考訳（メタデータ） (2024-08-06T03:42:38Z)
• Strategies for Arabic Readability Modeling [9.976720880041688]
  自動可読性評価は、教育、コンテンツ分析、アクセシビリティのためのNLPアプリケーションの構築に関係している。 本稿では,アラビア可読性評価に関する実験結果について,多種多様なアプローチを用いて述べる。
  論文  参考訳（メタデータ） (2024-07-03T11:54:11Z)
• Comparative Analysis of Libraries for the Sentimental Analysis [0.0]
  この研究は、機械学習手法を用いたライブラリの比較を行うことが主な目的である。 PythonとRの5つのライブラリ、NLTK、Textlob Vader、Transformer(GPTとBERTの事前トレーニング)、Tidytextを使って感情分析技術を適用する。
  論文  参考訳（メタデータ） (2023-07-26T17:21:53Z)
• Language Model Classifier Aligns Better with Physician Word Sensitivity than XGBoost on Readmission Prediction [86.15787587540132]
  語彙レベルでモデルの振る舞いを精査する尺度である感度スコアを導入する。 本実験は,感度スコアのランク相関に基づいて,臨床医と分類医の意思決定論理を比較した。
  論文  参考訳（メタデータ） (2022-11-13T23:59:11Z)
• Enabling Classifiers to Make Judgements Explicitly Aligned with Human Values [73.82043713141142]
  性差別/人種差別の検出や毒性検出などの多くのNLP分類タスクは、人間の値に基づいている。 本稿では,コマンド内で明示的に記述された人間の値に基づいて予測を行う,値整合型分類のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-14T09:10:49Z)
• Negation Handling in Machine Learning-Based Sentiment Classification for Colloquial Arabic [0.0]
  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。
  論文  参考訳（メタデータ） (2021-07-24T13:12:37Z)
• Automatic Difficulty Classification of Arabic Sentences [0.0]
  3方向cefr分類の精度はアラビア語-bert分類では0.80, xlm-r分類では0.75, 回帰では0.71スピアマン相関である。 我々は,異なる種類の文埋め込み(fastText, mBERT, XLM-R, Arabic-BERT)とPOSタグ, 依存性木, 可読性スコア, 言語学習者の頻度リストなど,従来の言語機能との比較を行った。
  論文  参考訳（メタデータ） (2021-03-07T16:02:04Z)
• Negative Margin Matters: Understanding Margin in Few-shot Classification [72.85978953262004]
  本稿では,メトリクス学習に基づく数ショット学習手法に負のマージン損失を導入する。 負のマージンの損失は、通常のソフトマックスの損失と、3つの標準的な数ショット分類ベンチマークにおける最先端の精度を著しく上回る。
  論文  参考訳（メタデータ） (2020-03-26T17:59:05Z)
• On Positive-Unlabeled Classification in GAN [130.43248168149432]
  本稿では,標準GANに対する肯定的かつ未ラベルの分類問題を定義する。 その後、GANにおける差別者の訓練を安定させる新しい手法が導かれる。
  論文  参考訳（メタデータ） (2020-02-04T05:59:37Z)
• Text Complexity Classification Based on Linguistic Information: Application to Intelligent Tutoring of ESL [0.0]
  本研究の目的は、英語を第二言語(ESL)学習者として教える文脈の中で、テキストの複雑さを識別できる分類器を構築することである。 ESLの専門家によって既に3つの難易度に分類されていた6171テキストのコーパスを用いて、5つの機械学習アルゴリズムを用いて異なる実験を行った。 その結果, 言語学的特徴は, 総合的な分類性能に優れていた。
  論文  参考訳（メタデータ） (2020-01-07T02:42:57Z)

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。