論文の概要: A Case Study of Chinese Sentiment Analysis on Social Media Reviews Based on LSTM

• arxiv url: http://arxiv.org/abs/2210.17452v1
• Date: Mon, 31 Oct 2022 16:23:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-01 15:31:38.629530
• Title: A Case Study of Chinese Sentiment Analysis on Social Media Reviews Based on LSTM
• Title（参考訳）: LSTMに基づくソーシャルメディアレビューにおける中国語感性分析の事例研究
• Authors: Lukai Wang, Lei Wang
• Abstract要約: 本研究では,長期記憶ネットワーク(LSTM)モデルを用いて,ソーシャルメディアレビューにおける中国の感情の分析を実現することを目的とする。 提案手法の精度は約92%に達した。
• 参考スコア（独自算出の注目度）: 3.5210679927944897
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Network public opinion analysis is obtained by a combination of natural language processing (NLP) and public opinion supervision, and is crucial for monitoring public mood and trends. Therefore, network public opinion analysis can identify and solve potential and budding social problems. This study aims to realize an analysis of Chinese sentiment in social media reviews using a long short-term memory network (LSTM) model. The dataset was obtained from Sina Weibo using a web crawler and was cleaned with Pandas. First, Chinese comments regarding the legal sentencing in of Tangshan attack and Jiang Ge Case were segmented and vectorized. Then, a binary LSTM model was trained and tested. Finally, sentiment analysis results were obtained by analyzing the comments with the LSTM model. The accuracy of the proposed model has reached approximately 92%.
• Abstract（参考訳）: ネットワークの世論分析は自然言語処理(NLP)と世論監督の組み合わせによって行われ、世論のムードや傾向の監視に不可欠である。 したがって、ネットワーク世論分析は潜在的な社会的問題を識別し、解決することができる。 本研究では,長期記憶ネットワーク(LSTM)モデルを用いて,ソーシャルメディアレビューにおける中国の感情の分析を実現することを目的とする。 データセットはWebクローラーを使用してSina Weiboから取得され、Pandasでクリーニングされた。 まず、唐山攻撃と江華事件の法的判決に関する中国の意見が分断され、ベクトル化された。 次に、バイナリLSTMモデルをトレーニングし、テストした。 最後に、LSTMモデルを用いてコメントを分析し、感情分析結果を得た。 提案モデルの精度は約92%に達している。

関連論文リスト

• Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
  大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。 本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。 観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
  論文  参考訳（メタデータ） (2023-11-15T00:02:25Z)
• 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)
• GLS-CSC: A Simple but Effective Strategy to Mitigate Chinese STM Models' Over-Reliance on Superficial Clue [51.713301130055065]
  STMモデルにおける表面的手がかりの影響を解析・緩和する。 本稿では,GLS-CSC (Superficial Clue) を含む学習サンプルをトレーニング戦略として提案する。 GLS-CSCは,中国のSTMモデルの堅牢性と一般化性の向上の観点から,既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-09-08T07:10:57Z)
• Convolutional Neural Networks for Sentiment Analysis on Weibo Data: A Natural Language Processing Approach [0.228438857884398]
  本研究では,Weiboの119,988ツイートのデータセット上で,畳み込みニューラルネットワーク(CNN)を用いた感情分析の複雑な課題に対処する。 CNNに基づくモデルを用いて,特徴抽出に単語埋め込みを活用し,感情分類を行う訓練を行った。 このモデルは、テストセットで平均約0.73のマクロ平均F1スコアを達成し、正、中、負の感情でバランスの取れた性能を示した。
  論文  参考訳（メタデータ） (2023-07-13T03:02:56Z)
• Sentiment Analysis in the Era of Large Language Models: A Reality Check [69.97942065617664]
  本稿では,大規模言語モデル(LLM)の様々な感情分析タスクの実行能力について検討する。 26のデータセット上の13のタスクのパフォーマンスを評価し、ドメイン固有のデータセットに基づいて訓練された小言語モデル(SLM)と比較した。
  論文  参考訳（メタデータ） (2023-05-24T10:45:25Z)
• Web 3.0 Adoption Behavior: PLS-SEM and Sentiment Analysis [0.0]
  本研究は,PLS-SEM(Partial Least Squares Structure Equation Modelling)とTwitterの感情分析に基づく。 性能期待(PE)、電子ワード・オブ・ムート(eWOM)、デジタルデクスタリティ(DD)を中心にした理論フレームワークが、Web 3.0採用の行動意図(INT)に対して仮説化された。
  論文  参考訳（メタデータ） (2022-09-11T16:37:46Z)
• CAMS: An Annotated Corpus for Causal Analysis of Mental Health Issues in Social Media Posts [17.853932382843222]
  ソーシャルメディア投稿(CAMS)におけるメンタルヘルス問題の因果分析のための新しいデータセットについて紹介する。 因果的分析への我々の貢献は、因果的解釈と因果的分類である。 本稿では,CAMSデータセットから得られたモデルの実験結果と,従来のロジスティック回帰モデルが次善(CNN-LSTM)モデルよりも4.9%精度で優れていることを示す。
  論文  参考訳（メタデータ） (2022-07-11T07:38:18Z)
• Aspect-Based Sentiment Analysis using Local Context Focus Mechanism with DeBERTa [23.00810941211685]
  Aspect-Based Sentiment Analysis (ABSA)は、感情分析の分野におけるきめ細かいタスクである。 アスペクトベース感性分析問題を解決するための最近のDeBERTaモデル
  論文  参考訳（メタデータ） (2022-07-06T03:50:31Z)
• LSTM Based Sentiment Analysis for Cryptocurrency Prediction [11.811501670389935]
  この研究は、ソーシャルメディアの感情を分析することによって、暗号通貨の揮発性価格の動きを予測することを目的としています。 本稿では,中国のソーシャルメディアプラットフォームSina-Weiboにおける,中国のソーシャルメディア投稿の感情を識別する手法を提案する。 Weiboポストをキャプチャし、暗号固有の感情辞書の作成を記述したパイプラインを開発し、Long Short-term memory(LSTM)ベースのリカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-03-27T04:08:37Z)
• Country Image in COVID-19 Pandemic: A Case Study of China [79.17323278601869]
  国像は国際関係と経済発展に大きな影響を与えている。 新型コロナウイルス(COVID-19)の世界的な流行で、各国と国民は異なる反応を見せている。 本研究では,中国を具体的かつ典型的な事例として捉え,大規模Twitterデータセットのアスペクトベース感情分析を用いてそのイメージを考察する。
  論文  参考訳（メタデータ） (2020-09-12T15:54:51Z)
• Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
  世論の研究は我々に貴重な情報を提供することができる。 感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。 本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
  論文  参考訳（メタデータ） (2020-06-05T16:28:10Z)

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。