Fugu-MT 論文翻訳(概要): Urdu Speech and Text Based Sentiment Analyzer

論文の概要: Urdu Speech and Text Based Sentiment Analyzer

arxiv url: http://arxiv.org/abs/2207.09163v1
Date: Tue, 19 Jul 2022 10:11:22 GMT
ステータス: 処理完了
システム内更新日: 2022-07-20 13:46:42.751394
Title: Urdu Speech and Text Based Sentiment Analyzer
Title（参考訳）: ウルドゥー語とテキストに基づく感性分析装置
Authors: Waqar Ahmad, Maryam Edalati
Abstract要約: 本研究は,ユーザ評価に基づく新しいマルチクラスUrduデータセットを提案する。提案したデータセットには1万のレビューが含まれており、人間の専門家によって慎重に2つのカテゴリに分類されている。 Naivebayes、Stanza、Textblob、Vader、Frairを含む5種類のレキシコンおよびルールベースのアルゴリズムが採用され、実験の結果、Flairが70%の精度で他のテストアルゴリズムより優れていることが示された。
参考スコア（独自算出の注目度）: 1.4630964945453113
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Discovering what other people think has always been a key aspect of our information-gathering strategy. People can now actively utilize information technology to seek out and comprehend the ideas of others, thanks to the increased availability and popularity of opinion-rich resources such as online review sites and personal blogs. Because of its crucial function in understanding people's opinions, sentiment analysis (SA) is a crucial task. Existing research, on the other hand, is primarily focused on the English language, with just a small amount of study devoted to low-resource languages. For sentiment analysis, this work presented a new multi-class Urdu dataset based on user evaluations. The tweeter website was used to get Urdu dataset. Our proposed dataset includes 10,000 reviews that have been carefully classified into two categories by human experts: positive, negative. The primary purpose of this research is to construct a manually annotated dataset for Urdu sentiment analysis and to establish the baseline result. Five different lexicon- and rule-based algorithms including Naivebayes, Stanza, Textblob, Vader, and Flair are employed and the experimental results show that Flair with an accuracy of 70% outperforms other tested algorithms.
Abstract（参考訳）: 他の人が何を考えているかを発見することは、常に情報収集戦略の重要な側面でした。オンラインレビューサイトや個人ブログなど,意見に富んだリソースの普及と普及により,情報技術を活用して,他人のアイデアを探求し,理解することが可能になる。人々の意見を理解する上で重要な機能であるため、感情分析(SA)は重要な課題である。一方、既存の研究は主に英語に焦点を合わせており、少なからぬ量の研究が低リソース言語に向けられている。感情分析では,ユーザ評価に基づく新しいマルチクラスUrduデータセットを提案する。 tweeterのウェブサイトはurduデータセットを取得するのに使われた。提案するデータセットには、人間の専門家によって慎重に2つのカテゴリに分類された1万のレビューが含まれています。本研究の目的は,urdu感情分析のための手作業による注釈付きデータセットの構築とベースライン結果の確立である。 Naivebayes、Stanza、Textblob、Vader、Frairを含む5種類のレキシコンおよびルールベースのアルゴリズムが採用され、実験の結果、Flairが70%の精度で他のテストアルゴリズムより優れていることが示された。

関連論文リスト

Lexicon-Based Sentiment Analysis on Text Polarities with Evaluation of Classification Models [1.342834401139078]
本研究は,レキシコン法を用いて感情分析を行い,テキストデータを用いた分類モデルの評価を行った。語彙に基づく手法は、単語レベルでの感情と主観性の強さを識別する。この研究は、テキストが正、負、中立とラベル付けされているというマルチクラスの問題に基づいている。
論文参考訳（メタデータ） (2024-09-19T15:31:12Z)
UltraFeedback: Boosting Language Models with Scaled AI Feedback [99.4633351133207]
大規模で高品質で多様なAIフィードバックデータセットである textscUltraFeedback を提示する。我々の研究は、強力なオープンソースのチャット言語モデルを構築する上で、スケールしたAIフィードバックデータの有効性を検証する。
論文参考訳（メタデータ） (2023-10-02T17:40:01Z)
Constructing Colloquial Dataset for Persian Sentiment Analysis of Social Microblogs [0.0]
本稿ではまず,ITRC-Opinionというユーザ意見データセットを協調的かつインソース的に構築する。私たちのデータセットには、TwitterやInstagramといったソーシャルなマイクロブログから、6万の非公式で口語的なペルシア語のテキストが含まれています。次に,畳み込みニューラルネットワーク(CNN)モデルに基づく新しいアーキテクチャを提案する。
論文参考訳（メタデータ） (2023-06-22T05:51:22Z)
Leveraging ChatGPT As Text Annotation Tool For Sentiment Analysis [6.596002578395151]
ChatGPTはOpenAIの新製品で、最も人気のあるAI製品として登場した。本研究では、さまざまな感情分析タスクのためのデータラベリングツールとしてのChatGPTについて検討する。
論文参考訳（メタデータ） (2023-06-18T12:20:42Z)
Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
論文参考訳（メタデータ） (2021-05-29T21:05:28Z)
Subsentence Extraction from Text Using Coverage-Based Deep Learning Language Models [3.3461339691835277]
カバレッジに基づく感情・サブセンテンス抽出システムを提案する。予測サブセンテンスは、感情を表す補助情報からなる。我々のアプローチは、最先端のアプローチよりも、subsentence予測の大きなマージンで勝っている。
論文参考訳（メタデータ） (2021-04-20T06:24:49Z)
Sentiment Analysis for YouTube Comments in Roman Urdu [0.0]
パキスタンでは、膨大なデータがローマ語でUrdu語であり、Twitter、YouTube、Facebook、および同様のアプリケーションを含むソーシャルサイト全体に分散しています。この研究では、データセット収集の焦点領域はYouTubeコメントです。データセットには、パキスタンのさまざまなドラマやテレビ番組に関する人々のコメントが含まれている。
論文参考訳（メタデータ） (2021-02-19T18:15:52Z)
Vyaktitv: A Multimodal Peer-to-Peer Hindi Conversations based Dataset for Personality Assessment [50.15466026089435]
本稿では,ピアツーピアのHindi会話データセットであるVyaktitvを提案する。参加者の高品質な音声とビデオの録音と、会話ごとにヒングリッシュのテキストによる書き起こしで構成されている。データセットには、収入、文化的指向など、すべての参加者のための豊富な社会デコグラフィー的特徴が含まれています。
論文参考訳（メタデータ） (2020-08-31T17:44:28Z)
Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
論文参考訳（メタデータ） (2020-08-21T20:59:34Z)
Information-Theoretic Probing for Linguistic Structure [74.04862204427944]
本稿では,相互情報を推定するための情報理論による探索運用手法を提案する。我々は,NLP研究でしばしば不足している10の型的多様言語について評価した。
論文参考訳（メタデータ） (2020-04-07T01:06:36Z)
ORB: An Open Reading Benchmark for Comprehensive Evaluation of Machine Reading Comprehension [53.037401638264235]
我々は,7種類の読解データセットの性能を報告する評価サーバORBを提案する。評価サーバは、モデルのトレーニング方法に制限を課さないため、トレーニングパラダイムや表現学習の探索に適したテストベッドである。
論文参考訳（メタデータ） (2019-12-29T07:27:23Z)

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。